UNIVERSIDAD NACIONAL PEDRO RUIZ

GALLO
DISEO DE
EXPERIMENTOS

TRABAJO GRUPAL
INTEGRANTES

Edward Alexis Mendoza Reyes

Jorge Luis Uchofen Guzman

Flores Vsquez Rosa

Leiva Yzquierdo Aldo
Rosita Gutierrez

LIBRO N3 Pagina 95 Ejercicio 95

13. Para estudiar la confiabilidad de ciertos tableros electrnicos para carros, se
someten a un envejecimiento acelerado durante 100 horas a determinada
temperatura, y como variable de inters se mide la intensidad de corriente que circula
entre dos puntos, cuyos valores aumentan con el deterioro. Se probaron 20 mdulos
repartidos de manera equitativamente en cinco temperaturas y los resultados
obtenidos fueron los siguientes:

20C
15
18
13
12

40C
17
21
11
16

60C
23
19
25
22

80C
28
32
34
31

100C
45
51
57
48

a) Formule la hiptesis y el modelo estadstico para el problema.

b) Realice el anlisis de varianza para estos datos, a fin de estudiar si la
temperatura afecta la intensidad de corriente promedio.

PRUEBA DE NORMALIDAD
NPAR TESTS
/K-S(NORMAL)=Yt1 Yt2 Yt3 Yt4 Yt5
/MISSING ANALYSIS.
Pruebas NPar
[Conjunto_de_datos1] C:\Users\HOME\Documents\trabajos uni\5 CICLO\Diseo de
experimentos\Trabajo-final de iseo-Expo\E_13_pag95_Libro3.sav
Prueba de Kolmogorov-Smirnov para una muestra

Temperatur Temperatur Temperatur Temperatur Tempera

a 20C
a 40C
a 60C
a 80C
a 100
N
Parmetros
normalesa,b

Media
Desviacin
estndar
Mximas diferencias Absoluta
extremas
Positivo
Negativo
Estadstico de prueba
Sig. asinttica (bilateral)

4
14,50

4
16,25

4
22,25

4
31,25

50

2,646

4,113

2,500

2,500

5,

,215
,215
-,172
,215
.c,d

,226
,178
-,226
,226
.c,d

,210
,153
-,210
,210
.c,d

,210
,153
-,210
,210
.c,d

,
,
-,
,

a. La distribucin de prueba es normal.

b. Se calcula a partir de datos.
c. Correccin de significacin de Lilliefors.
d. La significacin no se puede calcular porque la suma de las ponderaciones de casos es menor que 5.

T1:

Ho: Los valores de Y de T1 tienen distribucin normal.

Ha: Los valores de Y de T1 no tienen distribucin normal.
Pvalue> 0.05
Conclusin:
No se rechaza Ho.
Los valores de Y de T1 tienen distribucin normal.

T2:

Ho: Los valores de Y de T2 tienen distribucin normal.

Ha: Los valores de Y de T2 no tienen distribucin normal.

Pvalue> 0.05
Conclusin:
No se rechaza Ho.
Los valores de Y de T2 tienen distribucin normal.

T3:

Ho: Los valores de Y de T3 tienen distribucin normal.

Ha: Los valores de Y de T3 no tienen distribucin normal.
Pvalue> 0.05
Conclusin:
No se rechaza Ho.
Los valores de Y de T3 tienen distribucin normal.

T4:

Ho: Los valores de Y de T4 tienen distribucin normal.

Ha: Los valores de Y de T4 no tienen distribucin normal.
Pvalue> 0.05
Conclusin:
No se rechaza Ho.
Los valores de Y de T4 tienen distribucin normal.

T5:

Ho: Los valores de Y de T5 tienen distribucin normal.

Ha: Los valores de Y de T5 no tienen distribucin normal.
Pvalue> 0.05
Conclusin:
No se rechaza Ho.
Los valores de Y de T5 tienen distribucin normal.

Hemos probado que cumplen con el requerimiento de normalidad.

c. La temperatura afecta la variabilidad de las intensidades? Es decir, verifique

si hay igual varianza entre los tratamientos.

PRUEBA DE HOMOGENEIDAD DE VARIANZAS

Ho: La varianza de los valores Y de T1, T2, T3, T4, T5 tienen la misma varianza
(varianzas homogneas)

2 YT 1= 2 YT 2= 2 YT 3= 2 YT 4= 2 YT 5
Ha: Por lo menos dos varianzas son defectos(varianzas heterogneas).
Estadsticos descriptivos
Desviacin
estndar

N
Temperatura 20C
Temperatura 40C
Temperatura 60C
Temperatura 80C
Temperatura
100C
N vlido (por lista)
ANOVA de un factor

Varianza

4
4
4
4

2,646
4,113
2,500
2,500

7,000
16,917
6,250
6,250

5,123

26,250

Prueba de homogeneidad de varianzas

Variable de estudio
Estadstico
de Levene
,725

df1

df2
4

Sig.
15

,588

ANOVA
Variable de estudio
Suma de
cuadrados
Entre grupos
Dentro de
grupos
Total

Media
cuadrtica

gl

3411,800

852,950

188,000

15

12,533

3599,800

19

Pvalue
0.588
Conclusin:

>

0.05

F
68,055

Sig.
,000

No se rechaza Ho, SE ACEPTA Ho

Por lo tanto las varianzas son homogneas.
Hemos probado que si se cumple el requerimiento de varianzas homogneas.

PRUEBA DE IGUALDAD DE MEDIAS

Ho: todos las medias poblacionales son iguales(Medias iguales)
YT1 = YT2 = YT3 = YT4 = YT5
Ha: Al menos dos medias son diferentes ( medias no iguales)

ANOVA
Variable de estudio
Suma de
cuadrados
Entre grupos
Dentro de grupos
Total

Media
cuadrtica

gl

3411,800
188,000
3599,800

4
15
19

852,950
12,533

F
68,055

Sig.
,000

Pruebas post hoc

Comparaciones mltiples
Variable dependiente: Variable de estudio
HSD Tukey

(I) Identificador de (J) Identificador

temperatura
de temperatura
1

Diferencia
de medias
(I-J)

95% de intervalo de
confianza
Error
estndar

Sig.

Lmite
inferior

Lmite
superior

-1,750

2,503

,954

-9,48

5,98

-7,750*

2,503

,049

-15,48

-,02

-16,750

2,503

,000

-24,48

-9,02

-35,750*

2,503

,000

-43,48

-28,02

1,750

2,503

,954

-5,98

9,48

-6,000

2,503

,170

-13,73

1,73

-15,000*

2,503

,000

-22,73

-7,27

-34,000

2,503

,000

-41,73

-26,27

7,750*

2,503

,049

,02

15,48

6,000

2,503

,170

-1,73

13,73

2,503

,019

-16,73

-1,27

-9,000

-28,000*

2,503

,000

-35,73

-20,27

16,750

2,503

,000

9,02

24,48

15,000*

2,503

,000

7,27

22,73

9,000

2,503

,019

1,27

16,73

-19,000*

2,503

,000

-26,73

-11,27

35,750

2,503

,000

28,02

43,48

34,000*

2,503

,000

26,27

41,73

28,000*

2,503

,000

20,27

35,73

19,000*

2,503

,000

11,27

26,73

*. La diferencia de medias es significativa en el nivel 0.05.

Pvalue

0.000

>

0.05

Conclusin :
Se rechaza Ho.
Las medias son diferentes.
Debemos hacer la prueba de TUKEY para determinar el o los mejores tratamientos.

PRUEBA DE TUKEY
Subconjuntos homogneos
Variable de estudio
a
HSD Tukey
Identificador de
temperatura

Subconjunto para alfa = 0.05

N

1
2
3
4
5
Sig.

1
4
4
4
4
4

14,50
16,25

16,25
22,25
31,25

,954

,170

1,000

50,25
1,000

Se visualizan las medias para los grupos en los subconjuntos homogneos.

a. Utiliza el tamao de la muestra de la media armnica = 4,000.
TEMPERATURA

Valor

Conjunto

T1

14,50

T2

16,25

T3

22,25

T4

31,25

T5

50,25

Conclusion:
El mejor tratamiento es el T5 .
T1 y T2 tienen medias significativamente iguales entre s.
T2 y T3 tienen medias significativamente diferentes entre s.
T3 y T4 tienen medias significativamente diferentes entre s.
T4 y T5 tienen medias significativamente diferentes entre s.
T1 y T3 tienen medias significativamente diferentes entre s.
T1 y T4 tienen medias significativamente diferentes entre s.
T1 y T5 tienen medias significativamente diferentes entre s.
T2 y T4 tienen medias significativamente diferentes entre s.
T2 y T5 tienen medias significativamente diferentes entre s.
T3 y T5 tienen medias significativamente diferentes entre s.
Ejercicio 23 pag 54 libro
En un laboratorio bajo condiciones controladas ,se evaluo ,para 10 hombre y
10mujeres la temperatura de cada persona encontro mas cofortable .Los resultados en
grados Fahrenheit fueron los siguientes:

rpta A: los tratamientos que se comparan son la media y la desviacin estandar.

rptc B: Las muestras dependientes son aquellas que del mismo grupo de dato se
quiere obtener dos informaciones
mientras que las muestras independientes son aquella que comparan medidas en dos
casos diferentes.
en este ejercicio serian muestras independientes porque compara dos casos
diferentes.
rptc C :Si la temperatura promedio es igual en hombre y mujeres ya que h0 no se
rechaza

Ejercicio 14, pgina 120 libro3

14. Una de las variables crticas en el proceso de ensamble del brazo lector de un
disco duro es el ngulo que este forma con el cuerpo principal de la cabeza lectora. Se
corre un experimento con el objetivo de comparar dos equipos que miden dicho ngulo
en dichos radianes. Se decide utilizar como factor de bloque a los operadores de los
equipos. Los resultados se muestran en la siguiente tabla:

Otra prueba para comprobar la hiptesis nula es con estas grficas, se puede apreciar
el traslape en ambas, lo cual induce a decir que, en efecto, no hay diferencia
significativa.
e) Verifique los supuestos de normalidad e igualdad de varianza entre tratamientos, as
como la posible presencia de puntos aberrantes.

La normalidad en los datos es uniforme y la varianza es constante, la calidad del

ajuste es satisfactorio porque no hay puntos aberrantes, adems los coeficientes de
determinacin:
R-cuad. = 92.57% R-cuad.(ajustado) = 81.41%

Ejercicio 56 Pagina 212 Libro 2

a) Slo el operador (A) efecto es significativo

b) El grfico de residuos de residuos contra shows previstos que la varianza aumenta

muy ligeramente con fuerza.
No hay ninguna indicacin de un problema grave.

Ejercicio 4.5 Pagina 164 Libro 2

a)

El diseo de la boquilla tiene un efecto significativo sobre factor de forma.

Diseo de la boquilla
b) Las parcelas se muestran a continuacin no dan ninguna indicacin de problemas
graves . Tienen algunos indicios de un valor atpico leve en el grfico de probabilidad
normal y en la parcela
de residuos
contra la velocidad
predicha.

c)

Ejercicio
Pagina
Libro 2

56
212

a) Slo el operador (A) efecto es significativo

b) El grfico de residuos de residuos contra shows previstos que la varianza aumenta

muy ligeramente con fuerza.
No hay ninguna indicacin de un problema grave.

Ejercicio 22 , pag161 libro3

22. En una fbrica de aceites vegetales comestibles la calidad resulta afectada por la
cantidad de impurezas dentro del aceite, ya que estas causan oxidacin, y ello
repercute a su vez en las caractersticas de sabor y color del producto final. El proceso
de blanqueo es el responsable de eliminar las impurezas, y una forma de medir su
eficacia es midiendo el color del aceite para generar una primera aproximacin a la
solucin del problema se decide estudiar el efecto de la temperatura y el porcentaje de
arcilla en el color del aceite inicialmente a nivel laboratorio. El diseo y los datos de las
pruebas experimentales se muestran a continuacin.
Temperatura
.8
90
5.8
100
5.0
110
4.7

Fv
Efecto A
Efecto B
Efecto AB
Error
Total

5.9
4.9
4.6

SC
4.04083
3.70166
0.235843
0.1
8.07833

Porcentaje de arcilla
1.1
5.5
4.9
5.1
4.5
4.7
4.6
4.4
4.1
4.4
4.1
4.0
3.7

5.4
4.8
4.4

GL
2
3
6
12
23

CM
2.020415
1.233886
0.039307
0.008333

242.4498
148.0663
4.71685

4.4
4.3
3.6

valor p
0.000
0.000
0.011

Conclusiones:
Los tres efectos estn activos, comprobado por medio de los valores-p, los tres son
menores que 0.05.
e) Apoyndose en las grficas de efectos, Cul es la relacin general entre el color y
los factores controlados en su rango de experimentacin?
La nitidez del color segn las grficas de efectos es menor cuando los niveles en
ambos factores son altos y es menor en su nivel mas bajo.
f) A partir de las grficas de interacciones, cree que haya un efecto no lineal?
No, el efecto se considera lineal
g) Considerando el nivel mnimo aceptable de blancura es de 4.8, qu tratamiento
utilizara?
Factor B en nivel 1 y factor A en nivel 3.
h) Vale la pena plantear el estudio en condiciones reales?
Si, para ver resultados ms notorios.
i) Qu cambio le hara al experimento si lo corre en condiciones reales?
Aadir ms replicas para obtener un resultado mas confiable.

Ejercicio del libro 2, pagina 212,

Se estudian los factores que influyen en la resistencia a la ruptura de una fibra
sistetica. Se eligen cuatro maquinas de produccin y tres operadores y se corre un
experimento factorial utilizando fibre del mismo lote de produccin. Los resultados son
los siguientes:

a. Analizar los datos y sacar conclusiones. Utilizar =0.05r

b. Construir las grficas de los residuales apropiadas y comentar la adecuacin
del modelo
Solucin en SPSS
Factores inter-sujetos
N
1

3
1

8
6

Tipo_Maquin 2
a
3

Operario

Pruebas de efectos inter-sujetos

Variable dependiente: Maquina
Origen

Tipo III
de suma
de
cuadrado
s
217.458a

Modelo
corregido

gl

Cuadrtic
o
promedio

11

302626.0
42
160.333
12.458
44.667

Interceptacin
Operario
Tipo_Maquina
Operario *
Tipo_Maquina
Error

45.500
302889.0
00
262.958

Total
Total corregido

19.769

Sig.

5.214

.004

1 302626.0 79813.46
42
2
2
80.167
21.143
3
4.153
1.095
6
7.444
1.963

.000

12
24

.000
.389
.151

3.792

23

a. R al cuadrado = .827 (R al cuadrado ajustada = .668)

1. Operario
Variable dependiente: Maquina
Operario

Media

Error tp. Intervalo de confianza 95%

Lmite
inferior

1
2
3

109,875
111,125
115,875

,688
,688
,688

Lmite
superior

108,375
109,625
114,375

111,375
112,625
117,375

2. Tipo_Maquina
Variable dependiente: Maquina
Tipo_Maquin
a

Media

1
2
3
4

111,833
112,167
111,667
113,500

Error tp. Intervalo de confianza 95%

Lmite
inferior
,795
,795
,795
,795

110,101
110,435
109,935
111,768

Lmite
superior
113,565
113,899
113,399
115,232

3. Operario * Tipo_Maquina
Variable dependiente: Maquina
Operario Tipo_Maquin
a

Media

Error tp. Intervalo de confianza 95%

Lmite
inferior

Lmite
superior

109,500

1,377

106,500

112,500

112,500

1,377

109,500

115,500

108,500

1,377

105,500

111,500

4
1
2
3
4
1

109,000
111,000
110,500
110,000
113,000
115,000

1,377
1,377
1,377
1,377
1,377
1,377

106,000
108,000
107,500
107,000
110,000
112,000

112,000
114,000
113,500
113,000
116,000
118,000

113,500

1,377

110,500

116,500

116,500

1,377

113,500

119,500

118,500

1,377

115,500

121,500

Comparaciones mltiples
Variable dependiente: Maquina
(I)Operario (J)Operario Diferencia de Error tp.
medias (I-J)

1
DHS de
Tukey

2
3

Sig.

Intervalo de confianza 95%

Lmite
inferior

Lmite
superior

-1,25

,974

,430

-3,85

1,35

-6,00

,974

,000

-8,60

-3,40

1,25

,974

,430

-1,35

3,85

,974

,001

-7,35

-2,15

,974

,000

3,40

8,60

,974

,001

2,15

7,35

1
2

-4,75

6,00
4,75

Basadas en las medias observadas.

El trmino de error es la media cuadrtica(Error) = 3,792.
*. La diferencia de medias es significativa al nivel .05.

Maquina
Operario

Subconjunto
1

Student-NewmanKeulsa,b

DHS de Tukeya,b

a,b

Tukey B

Duncana,b

109,88

111,13

Sig.
1
2
3
Sig.
1
2
3
1

8
8
8
8
8
8
8

Sig.

115,88
,223
109,88
111,13
,430
109,88
111,13

1,000

115,88
1,000

115,88
109,88
111,13
115,88
,223

Se muestran las medias de los grupos de subconjuntos

homogneos.
Basadas en las medias observadas.
El trmino de error es la media cuadrtica(Error) = 3,792.
a. Usa el tamao muestral de la media armnica = 8,000
b. Alfa = .05.

1,000

Ejercicio 3, pagina 219 , libro 1

3. Se llev a cabo un estudio del efecto de la temperatura sobre el porcentaje de
encogimiento de telas teidas, con dos replicas para cada uno de cuatro tipos de tela
en un diseo totalmente aleatorizado. Los datos son el porcentaje de encogimiento de
dos replicas de telas secadas a 4 temperaturas.
TELA

TEMPERATURA
215F
220F
2.0 , 2.1
4.6 , 5.0
4.2 , 4.0
5.4 , 5.6
4.4 , 4.8
8.7 , 8.4
3.3 , 3.5
5.7 , 5.8

210F
1.8 , 2.1
2.2 , 2.4
2.8 , 3.2
3.2 , 3.6

1
2
3
4

225F
7.5 , 7.9
9.8 , 9.2
13.2 , 13.0
10.9 , 11.1

Pruebas de los efectos inter-sujetos

Variable dependiente: Encogimiento
Origen

Suma de
cuadrados
tipo III

gl

Media
cuadrtica

Modelo corregido

341,669a

15

22,778

Interseccin

1028,311

1028,311

41,876
283,936

3
3

15,856
,800
1370,780
342,469

Tela
Temperatura
Tela *
Temperatura
Error
Total
Total corregida

Sig.

,000

13,959
94,645

455,558
20566,22
5
279,175
1892,908

1,762

35,236

,000

16
32
31

,050

,000
,000
,000

a. R cuadrado = ,998 (R cuadrado corregida = ,995)

Comparaciones mltiples
Variable dependiente: Encogimiento
(I)Tela (J)Tela

DHS de
Tukey

Tela 1

Intervalo de confianza 95%

Lmite
inferior

Lmite
superior

-1,225*

,1118

,000

-1,545

-,905

Tela 3

-3,187

,1118

,000

-3,507

-2,868

-1,763

,1118

,000

-2,082

-1,443

1,225

,1118

,000

,905

1,545

-1,962

,1118

,000

-2,282

-1,643

-,538

,1118

,001

-,857

-,218

3,187

,1118

,000

2,868

3,507

1,962

,1118

,000

1,643

2,282

1,425

,1118

,000

1,105

1,745

Tela 1
Tela 3
Tela 4
Tela 3

Sig.

Tela 2
Tela 4
Tela 2

Diferencia de Error tp.

medias (I-J)

Tela 1
Tela 2
Tela 4

Tela 4

Tela 1

1,763*

,1118

,000

1,443

2,082

Tela 2

,538

,1118

,001

,218

,857

Tela 3

-1,425*

,1118

,000

-1,745

-1,105

Basadas en las medias observadas.

El trmino de error es la media cuadrtica(Error) = ,023.
*. La diferencia de medias es significativa al nivel .05.