102

Determinar las variables significativas

'Teorema del lmite central (TLC)

Suponer que se toman muestras de tamao suficientemente grande y que se
calculan las medias de dichas muestras. Sin importar cul sea la distribucin
original (unidades individuales), la distribucin de las medias de dichas muestras ser normal.

Las figuras 4.2 y 4.3 muestran una representacin grfica del TLe

Distribuciones originales

(Xs)

Distribucin

de sus medias

(X)

6
Normal

-1 Figura 4.2. Representacin grc1ficadel TLC

La variacin de la distribucin de los datos originales es mayor que la variacin de la distribucin de sus medias muestrales (figura 4.3).

IL

-1 Figura 4.3. Comparacin de la distribucin original

,,-1---'------------

la distribucin de medias

Pruebas de hiptesis e intervalos de confianza

103

Pruebas de hiptesis e intervalos

de confianza
Esta seccin introduce el uso de las pruebas de hiptesis y los intervalos de
confianza como herramientas de anlisis de un proceso.
La prueba de hiptesis (PHl es un procedimiento estadstico usado para
tomar una decisin, con base en una muestra, en cuanto al valor que puede
tener algn parmetro (media, varianza, proporcin, diferencia entre medias
o proporciones, o cociente entre varianzasl, o sobre la distribucin que puede tener la poblacin de donde provienen los datos.
Los elementos de una PH son:

1. Las hiptesis. La que se desea probar (Hol y su complemento (Hal.

2. lcs] rnuesfrols]. La informacin que se obtiene de la poblacin o
poblaciones.

3. El estadstico de prueba (EPl. Es una variable aleatorio que resume

4.
5.
6.

la informacin de la muestra.
.
La regin de rechazo de Ho (RRHol. Es una parte de la distribucin
de referencia en la cual si el EP se encuentra ah, se rechaza Ho.
La decisin. Decidir si se rechaza o no a Ho.
El nivel de confianza de la prueba (1 - al.

Los tipos de errores y sus probabilidades son:

ex = p(error tipo 11
ex = p(rechazar Ho IHo verdod]

~.=
~=

p(error tipo 111

p(aceptar Ho IHo Iolsc]

Para realizar una prueba grfica de normalidad el procedimiento es el siguiente:

1.
2.
3.
4.

Obtener los datos.

Elaborar la tabla correspondiente.
Graficar en papel probabilstico normal.
Si los datos siguen una trayectoria aproximadamente lineal, se acepta su normalidad.

La figura 4.4 ilustra dos casos posibles al probar la normalidad y la decisin

por tomar.

------r-

104

Determinar las variables significativas

Normal

No-Normal

Datos ordenados

Datos ordenados

-1 Figura 4.4. Ejemplos de grficas en papel probabillstico

normal

La figura 4.5 muestra el papel probabilstico normal. La aplicacin de esta

prueba se ver con ms' detalle en el tema de Diseo de experimentos.

99.5
.--.--.--,---..,---.---.----.-----r--.---,-.--.--...--...----r'---.-----.--.---,
99r-~r_+-~_+_+~-~+_+-~_r-+~-~+-~_r~
98

95r-~r_+-~_+_+~-~+_+-~_r-+~-~+-~_r~
90r-r_r-+-~_+_+~-r_+_+--r~-+~-r_+-~~~

80r-r_r-+-~_+_+~-r_+_+--r~-+~-r_+-~~~

~
~

70r-~r_+-~_+_+~-~+_+-~_r-+~-~+-~_r~
60r-r_r_+-~_+_+~-r_+_+_~_r-+~-r_+_~_r~
50r-r_r-+_~_+_+~-r_+_+_~_r-+~-r_+_~_r~
40r-~r_+-~_+_+~-~+_+-~_r-+~-~+-~_r~
30r-r-r-+-+-~~-r-+_+~-r-r-+_+-~-r_+_+~
20r-~r_+-~_+_+~-~+_+-~~-+~-~+-~_r~
10r-~r_+-~_+_+~-~+_+-~_r-+~-~+-~_r~
5r-~r_+-~_+_+~-~+_+-~_r-+~-~+-~_r~
2r-r_r-+-~_+_+~-r_+_+--r~-+~-r_+-~~~

lr-r_r-+-~_+_+~-r_+_+_~_r-+~-r_+-~_r~
0.05
r-r_r-+-~_+_+~-r_+_+_~_r-+~-r_+-~_r~

-1 Figura 4.5. Papel probabilstico

normal

Prueba de hiptesis (PH) e intervalo

de confianza (le) para una media
Regin de rechaza de Ha (RRHo)

Ha: Il

= Jlo

> Jlo
Il < Jlo
Il ~ Jlo

Ha: Il

Z > Z
Z

< -Za

t
t

>
<

ta,n- 1
-ta,n-l

IZI > Za/2Itl>ta/2,n-l

-,
:-11-----------

Pruebas de hiptesis e intervalos de confianza

al n '"

30

EP:l ~ X~I';

s/

= X la/2 / ~

IC

s~

lOS

< 30, poblacin normal

b) n

b 1) Varianza conocida

X5;

EP:l ~

le ~ X

lo!,

*"

b2) Varianza desconocida

EP:I ~ XXI';

IC

=X

ta/2,n-l

s/
/ ~

~
Eiemplo 4.1
De una muestra de n=50 focos de 100 W de un proceso estable se obtuvo X=890h
h. Presentan estos datos suficiente evidencia que sugiera que la vida
media de los focos producidos por este proceso es menor a 1000 h? Usar un nivel de confianza de 95 por ciento.
y S=220

Ho:

j.I.

EP: Z

= 1000
=

Ha:

j.I.

< 1000

X-

J:
S

..rn

Z = 890-1000
22y.J50

= -3.535

vs

ex

7.

-~.05

= - 1 .6"5
~

Como -3.535<-1.645,
existe suficiente evidencia para rechazar Ha, es
decir, para rechozor que la vida media de los focos es 1000 h.

Prueba de hiptesis (PH) e intervalo de

confianza (le) para la diferencia de medias
Regin de rechazo de Ho (RRHol

Ha: ~l

~2

He:

~l

~l

>
<

~2

~2

~l "" ~2

Z.> la.
Z < -la
III

?-

la/2Itl>ta/2,nl

.t>
t<
+nT2

ta,nl+nT2
-ta,nl+nT2

106

Determinar las variables significativas

a) (n1,n2) ~ 30

EP: Z

le = x, -

Za/2

b) (n1,n2)

Sp

X2

~*+~

< 30, poblacin normal y vorionzos desconocidos

~Sf+ (~- ~S2

(n1-

n1+~-2

x -x
JiJl.

EPt ~

le = Xl

9I =

- X2

t /2
a

I ~'2
.::L
,g
n

(~+~)2
n1

S2
+ .::2.
~

Considerar estos grados de

libertad Igll paro determinar
lo RRHo.

rn'+fiI
n-l

~-l

El tamao de muestra para el

n1

= n2 =

le es

(Z1

2
}S12

S~)

Eiemplo 4.2
Se desea comparar la vida media de los focos de 75 W y los de 100 W. Se tom
uno muestra de 10 focos de 75 W y 12 focos de 100 W de donde se obtuvo:
X(75)= 1050, S(75)=100, X(100)=990,
S(100)=170.
Probar la hiptesis de
igualdad de vida promedio. Usar alfa=5% y calcular ellC correspondiente .

.:-1f-----'--------------

Pruebas de hiptesis e intervalos de confianza

Ho:

EP:

Sp

t ~

J.Ll "" J.L2

x-x

t =

~
Sp

Ha:

J.Ll = J.L2

107

~+~

"2

Il]

9(100)2 + 1 !170)2
10+12-2.

1050-~90 1
142.81~TO+T2

142 81 1
.

~~
~

como 0.9812 no es mayor que 2.086, no se rechaza la igualdad

de las dos poblaciones.

de las medias

IC = 1050 - 990 (2.086)(142.811) ~16 + 1~

= (-67.55,

187.55)

Como el valor cero est incluido en el intervalo, no se rechaza la igualdad de las

medias de las dos poblaciones.

Eiercicio 4. 1
Resolver el mismo problema considerando
porar los resultados.

el caso de varianzas

Caso de observaciones no independientes

(observaciones en parejas)
Poblaciones normales, muestras pequeas

,,-

. (~J

IC: . d ' ta/2,n-

...Jn

d representa las diferencias y n es el nmero de las mismas.

Ho: Ild

EP:

d-B

Ha: Ild "" O

Rechazar
. Ho si Itl.

>-t,,/2 ,n-l

diferentes y com

108

Determinar las variables sigoificativas

Prueba de hiptesis (P H) e intervalo

de confianza (le) para proporciones
a) n :::= 30, 0.1

0.9 (una proporcin)

..

Regin de rechaza de Ho (RRHol

Ho: P = PO

np

Z > t

Po .

Ha: p>

Z<-Za

< Po

np ~ Po

IZI > Za/2.

le.. p- +-

Ep: Z =

La/2

~1- 5)
n

L3

I X=nmero de xitos en la muestra I

b) (n1, n2) :::= 30 (diferencia entre proporciones)
Regin d recha~o de t-to (RRHol

Ho: P: = P2

npj < P2

Z > t;
Z<-Za

np ~ P2

IZI > Za/2

Ha: Pl > P2

Ep: Z =

Eiemplo 4.3
Se desea saber si existe diferencia entre la fraccin defectuosa producida por dos
diferentes prensas en la fabricacin de lmparas de tungsteno-halgeno. Se observ que el nmero de lmparas defectuosas de la prensa 1 fue 702 de un total de
727..2, y en la prensa 2 fue 1056 de un total de 13,393. Usar alfa 5% y calcular
el correspondiente le.
Ho: p =

P2
~
n

Ha: p ~

P2

= ~

"2

P2
EP: Z

r--I-----------------

Pruebas de hiptesis e intervalos de confianza

702
Pl = 7272
P=

= 0.0965

X1+X2
n+"2

1056
13,393 = 0.0788

'702+ 1056
7272 + 13,393 = 0.0851

Z=

,.

f32=

109

0.0965-0.0788

= 4.35

VO.0851(1-0.085~(72j.2 + 1'3,193}'

Como 4.35> 1.96=Z(a/2),

las dos prensas.

se rechaza la igualdad

= 0.0965 - 0.0788

1.96

de la fraccin defectuosa en

0.0965(1- 0.0965) + 0.0788(1- 0.0788)

7272
...
13,393

= (0.0095 , 0.0259)
Como el valor cero no est incluido en el intervalo, serechaza la igualdad de las
proporciones defectuosas en las dos prensas.

Prueba de hiptesis para ms

de dos proporciones
Ha: Pl

= P2 =

= ... = Pk

p3

Ha: al menos una proporcin es diferente

fo = frecuencia
observada
fe = frecuencia
esperada
k = nmero de
proporciones
por comporar

Rechazar Ha si X2

>
fe

X~,k- 1

(Tot, columna)(Tot. rengln)

Gran total

~------'--------i

E;emplo 4.4
Se desea saber si existe diferencia en el nmero de unidades defectuosas en la fabricacin de calentadores de agua. Se tom la informacin mostrada en la tabla 4.1

Tumo

U. defectuosas(x)

30(16.89)

10(14.36)

8(16.75)

U. producidas (n-x)

3221 (3234.11)

2753(2748.64)

3215(3206.25)

9189

Total(n)

3251

2763

3223

9237

f~

-1 Tabla 4.1. Informacin

..

1689. 2

325!48)
9237

48

y clculos parciales para el ejemplo 4.4

.... 3206 25

3223(9189)
9237

(30-16.89)2
(3215-3206.25)2
+ ... +
3206.25
16.89

X6.05,2 =

Total

_ 16 15
-.

5.99

Por tanto se concluye que por lo menos el nmero de unidades defectuosas en uno
de los tres turnos es diferente.

,,6

Pruebas de hiptesis e intervalos

de confianza para varianzas
o) Una varianza, poblacin normal (n

< 30)
Regin de rechazo de Ho (RRHo)

Ho:

(12

(13

Ha:

x2 >'X~,n-l

(12 > (13

(12

<

X2

(13

(12 # (13

EP:
b) n

:2:

Ho:

X2

(n- ~S2

le.

05

X2 > X2
a/2,n- 1 O X2

[(n2

EP,Z~

~S2.

'2

(n-

1 (1 <

~Q

00

(10

Z.>

de Ho (RRHo)

(10

ffn
IZI > Za/2

IC: [

Jf.; 1

S
.
S
1+ Za/2 ' 1-

"Fn

X21-a/2,n-l

~S21

Regin de rechazo

Ha: 1(1 >

(10

<

Xa/2,n- 1 Xl -a/2,n- 1

30
(1

< X21-a,n-l

2n

..
-1----~---

Pruebas de hiptesis e intervalos de confianza

el

Cociente

de varianzas

de poblaciones

normales (n 1, n2)
,

Ho: v".21 = "'22

v

< 30

"if'

'
Reginde
rechazade He(RRHo)
F

> Fa'1n - 1'2n - 1

l<Tf < <Ti

< F1-a,n1-1,n2-1

l<Tf?'= <Ti

< F1-a/2,n1-1,n2-1

Ha: <Tf

111

> <Ti

> Fa/2,n1-1,nr1

EP: F = ~
2

le [
,

S2
. S2Fa/2,n'r 1,n-1]
Sra/2,n- 1,":2-1"
S~

el) (n1,n2) ;::: 30

Reginde rechazode Ho (RRHo)

Ho: <T1 = <T2

EP: Z

>

<T1 < <T2

< -Za

<T1 ?'= <T2

IZI

SlSp _1 +_1_
2n1 2n2

Transformacin
F1-a/2,n,-I,n2-1

r;

Ha: <T1 > <T2

> Za/2

de F
F a/2,n2-1

,n,-1

Eiemplo 4.5
Probar Ho: '(1=200 vs (1)200 para datos de vida promedio de n=20 focos de
100 W, donde S=220. Usar alfa 5%. Suponer poblacin normal y proceso estable.
Ep.

. X

= (n-1)$2

06

= 19(220)2 = 22 99
2002
.

Como 22.99 es menor que 30.1, no se rechaza Ho, es decir, no se rechaza que
la desviacin estndar sea 200 horas.
.

Eiercicio 4.2
Se quiere probar si dos diferentes procesos de manufactura (A y BI de focos tipo
A 19 de 60 W tienen la misma dispersin de vida. Se tomaron 61 muestras del proceso A y 31 muestras del proceso B obtenindose S(AI=236 h y S(BI= 172 h. Aplicar una PH usando alfa 5 por ciento.

112

Determinar las variables significativas

Diseo y anlisis de
experimentos (DGE)
El DOE se puede definir como un conjunto de tcncos estadsticas usadas
para planear experimentos y analizar sus resultados, de manera ordenada y
eficiente.
1
Existen tres principios bsicos a ser considerados en todo diseo y anlisis de un experimento:
.

1. El orden de los experimentos debe ser aleatorio. Aleotorizor el or-

2.

3.

den de las pruebas neutraliza fuentes de variacin que pueden estar

presentes durante el experimento. En general dichas fuentes de variacin son desconocidas, y pueden ser muchas, por, ejemplo, cansancio del trabajador durante la realizacin de los pruebas o
durante la medicin de las mismas, cambios de voltaje, cambios de
humedad, etctera.
Es recomendable replicar cada experimento. la razn es obtener un
estimado del error, tanto para ver qu tan bien el diseo representa
al proceso, como para poder comparar los factores y determinar si'
son activos o no. Se define como rplica genuina la obtenida en
una sola prueba o medicin para cada combinacin de los factores/ y volver a repetir dichas condiciones para cada rplica adicional/ en lugar de tomar varias muestras o mediciones de una vez
en cada combinacin. lo opuesto a las rplicas genuinas son las
repeticiones. Por supuesto las rplicas genuinas implican un mayor
tiempo al realizar las pruebas y un costo tambin mayor, pero es la
mejor manera de obtener un estimado ms preciso del error.
Ocasionalmente pueden existir variables presentes en un experimento/ cuyo efecto no se desea probar y que incluso pueden ofectar o encubrir la influencia de las variables con las que se desea
experimentar. En este caso es necesario neutralizar o bloquear el
efecto de tales varicibles nocivas. Posteriormente se vern los diseos con bloques.

los pasos pata la experimentacin son: e,

1. Definir .el problema.

2. Seleccionar la variable de respuesta.

3.
4.
5.

Verificar el estado de las mquinas en donde se va q.experimentor

(Esc:alOnte,19.92), .
' \
Verificar la capacidad y estabilidad de los instrumentosde fnedcn.
Seleccionar las variables a experrnentor 'Ysus niveles.

Diseo y anlisis de experimentos

6.
7.
8.
9.

'

l~

113

Determinar el tipo de diseo-o usar y el nmero de rplicas.

Realizar. las pruebas aleatoriamente.
Analizar los resultados.
Conclusiones' (fctores que afectan a la media, factores que pfectan a la dispersin, y en qu nivel deben' estar para cntrar el proceso en l objetivo y redci'r sU' variacin).

l'"'

,1'"

Los factores o variables son dimensiones rnedibles en una escala continua.

Porejemplo voltae, presin, temperatura, dimetro, peso, etc. Losniveles de una
variable son los valores en los cuales se experimentar con sta. Por ejemplo
experimentar con 110 volts como volto]e de entrada de un circuito elctrico,
poner la temperatura del horno en 150 grados, etc .. Sin embargo tambin
pueden existir variables cualitativas como turno, proveedor, operador, etctera.

Anlisis de varianza (Anova)

Una de las maneras de comparar procesos o grupos, a travs de la comparacin de sus medias, es usar una tcnica llamada anlisis de varianza
(Anova) desarrollada pr R.A. Fisher a principios de los aos' 20. Esta tcnica consiste en descomponer '10 variacin total' de los datos en a) la variacin
interna o natural (referencia) de los grupos, y b) la variacin entre grupos de
medias, para, al comparar esos dos tipos de variacin, decidir si existe dilerencia o no entre los medias que se estn analizando.

Anova de un factor fijo

-"

En el Anovo de un factor fijo, se desea investigar el efecto que los diferentes

niveles de ese factor tienen can respecto a la media de la respuesta (variable
de respuesta o variable de salida).

Eiemplo 4.6
Se desea' comparar tres procesos desde el punto de vista de la longitud de clavos
de 2" que producen. Se decide tomar una muestra aleatoria de tres clavos por proceso cuyas longitudes se muestran en la tabla 4.2.

,
+,

ProcesO

"n. Ji 'I!','+;:
: ",,'.1 ' ~

.J

2 ~
2.03
1.99
2.05

",

3'

l '

'C

2.05
1.98
2.07

-1 TablaA.2.

Datos de tres procesos para fabricar clavos de 2 pulgadas

A
B'

!
L

sf,

2.02
2.033333 0.0002333
2.00 ~ 1'.9900 0.0001000
2.05
'2.056667 0.0001333
y = 2.0267

114

Determinar las variables significativas

la figura 4.6 muestra una representacin grfica de las medias de los diferentes
procesos para fabricar clavos, adems de incluir la media general. Tambin ilustra
grficamente por qu si se desean comparar medias, el Anova lo hace a travs de
comparar variaciones: mientras ms variacin exista entre las medias; stas no sern muy semejantes; mientras ms parecidas sean. stas, su variacin ser menor .
.Es decir, se puede hablar de la semejanza o diferencia de un grupo de datos, en
funcin de su variacin. De aqu por qu analizar la variacin equivale a comparar
valores o comparar medias si dichos valores lo son.

o
I

1.99

OI
2.033

2.057

Mayor variacin, menor semejanza

Menor variacin, mayor semejanza

--1 Figura

4.6. Representacin grfica de las medias de los tres procesos

La varianza de un grupo de datos se define como una desviacin promedio de

los valores con respecto a su media, con base en unidades cuadradas. Esdecir,
qu tanto se alejan o se acercan los datos a su media (en promedio]:

(12

I,(x - xl2

n - 1

SS

91 =

Suma de cuadrados
Grados de libertad

Las unidades originales quedan al cuadrado por el factor SS=I,(x - x12: que
es una medida de variacin. Al dividir entre n-1 se'obtiene una medida de
variacin promedio. Es n yno n-1 para obtener un estimador insesgado
de la varianza de la poblacin. Es decir,
r,(X-XP'I
'n)

E(

(n-1)
-n-

(12

mientras que

El numerador (SSItiene n-1 grados de libertad porque la suma de las desviaciones de los datos con respecto a su media es cero. Esto significa que conociendo cualesquiera n-1 desviaciones, se puede conocer la restante. Es
decir, se tiene la "libertad" de tener n- 1 desviaciones independientes. Una definicin formal de grados de libertad es el nmero de observaciones tomadas en exceso para estimar un pormetro (lipson y Sheth, 19731, o "el nmero
de variables menos el nmero de relaciones lineales [reslricciones] entre ellas"
(Bowker y lieberman, 19721.
La variacin se descompone en los siguientes elementos:

~~'------------~---

Diseo y anlisis de experimentos

115

1. SST= Variacin total.

2. SSt=Variacin entre grupos (tratamientos o niveles de un factor).
3. SSE=Variacin natural (error). Referencia.
(Variacin interna o natural' = variacin aleatorio
dicin).

error

de

me-

La variacin total se puede descomponer en sus elementos bsicos:

I SST =

SSt

SSE

La figura 4.7 muestra las fuentes de variacin para el ejemplo 4.6.

(Tratamientos, grupos o niveles)
Proceso A

Proceso B

Proceso

Variacin
total

Suma~
Media
Variacin

entre grupos

-1 Figura 4.7. Fuentes de variacin

La figura 4.8 presenta los datos de manera grfica. Siempre es til graficar los
datos para tener una referencia visual que pueda relacionarse con los resultados numricos del Anova.
Procesa A

2.07
2.06
2.0,5
2.04
2.03
2.02
2.01
2.00
1.99
1.98

Proceso B

Procesa

~-----+~~~--~--------------~~------------~

o
-/ Figura 4.8. Representacin grfica de los datos

---------r--

116

Determinar las variables significativas

A simple vista se observa la variacin que existe entre las medias de los procesos, que pudiera o no ser significativa, con base en la referencia que el Anova
provee, adems de apreciar la variacin interna de cada proceso. Aunque
sta no es la manera de trabajar del Anova, es una manera sencilla de ilustrarlo: la variacin interna (referencia) tie'ne un rango (el valor mayor menos el
valor menor), R(interna)=0.030 y la variacin entre grupos un valor, R(grupos)=0.067. Al comparar las dos variaciones se nota que la variacin entre
los procesos es un poco ms del doble que la referencia. Es esta diferencia
significativa para considerar que los procesos son di,fere.r1tes?El Anova lo
responder ms adelante.
\

Elaboracin del Anova de un factor fijo

El clculo.de sumas de cuadrados y grados de libertad se realiza de la siguiente rncnero:

.
SST = LLYf -

N=

L(~ada

Ly2
ni -

N=

y2

L(Cada suma de grupo)2

n

SSt =

y2

dato)2 -

(Suma total)2
N

(Suma total)2

N
-,

N = nmero totol de dotos.

SSE = SST - SSt

n = nmero de dotos por grupo

(rplcos].
O

= nmero de niveles del foctor

(trotomientos
gl(SST) = N - 1
gl(SSt) = a - 1
gl(SSE) = gI(SST) - gl(SSt) = N - a

SST = L(Cada dato)2 -

= (2.05)2

SSt =

L(Cada suma de grupo)2

n

(5.97)2

----

~,

(Suma total)2
N

+ (2.03)2 + ... + (2.05)2 -

(6.1)2

1~~'

o gruposl.

(6.17)2

(18.24)2
9

= 0.0078

(Suma totol)2

(18.24)2

9J

= 0.006867

Diseo y anlisis de experimentes

Otra manera de obtener los mismos resultados es:

SST = sf(N -

11= 0.000975(9 - 11 = 0.0078

donde sf es la varianza del

SSt

sf(N -

nI =

total de los datos.

0.00114~(9 - 31 = 0.006867

donde sf es la varianza de los

como datos.

SSE =
donde

grupos tomadas sus medios

'

LSf(n - 11= 0.000466(3 - 11= 0.000933

sf es la voricnzo del grupo i, (i = 1.. 01.

Lo anterior se resume en la tabla 4.3.

Fuente.-.~ vario'ci6n

"55

MS

a-1

MSt=SSt/a-1

SSE

N-a

MSE=SSE/N-a

SST

N-l

SSt

Tratamientos(tl

el

MSt/MSE

rl
.'

Error. (E)
(por diferencial

Total

"

MS = Medida de variacin promedio

F = Comparacin entre variacin interna [error]
y la variacin entre grupos (tratomientosl

-1 Tabla 4.3. Resumen del Anova

La tabla 4.4 muestra el Anova para el ejemplo 4.6.
,

Fuente. de variacin
Tratamientos(tl
Error (El
(por diferencia)

Total

55
0.006867

II .'

MS

0.003434

10.000933

..

0.000156

.~

0.00780

~ Tabla 4.4. Anov: del ejemplo 4.6

-------t-

F
22.08

117

118

Determinar las variables ~ignificativas

Una recomendacin para determinar el nmero de rplicas (n), es que los grados
de libertad del error sean de por lo menos 20 o 25 (Montgomery, 1991 a).
De acuerdo con esta recomendacin, N=a+25,
de donde n=N/a, siendo "0"
el nmero de niveles del factor A. Para este ejemplo, considerando un mnimo
de 25 grados de lbertcd en el error se tiene N";3+25,
n=28/3,
redondeado hacia arriba es 10.

Regin de rechazo (RR)de Ho y decisin

El Anova es una prueba de hiptesis de dos o ms medias en donde Ho:
/Ll =/L2==/Lo=/L contra Ha: al menos una de las medias es diferente a
las dems.
El estadstico de prueba (EP)es F=MSt/MSE.
Para decidir si los procesos son iguales o no (no rechazar o rechazar
Ho], se competo el valor F del Anovo con el valor de referencia de la tabla
F. Lo anterior se presenta grficamente en la figura 4.9.
F(tablas)=F a.gl(t).gl(E) = FO.05.2.6= 5.14
Decisin:
Como 22.08 es mayar que 5.14,
se rechaza la igualdad de '105
medies-de los procesos. Es decir,
la variable proceso afecta la
longitud medio de los clavos.,

6
5.14

~ 22.08

-1 Figura 4.9. Regin de rechazo Eiercicio 4.3

0,.,

En un proceso de fabricacin de vidrio, se deseo saber si la temperatura afecta la

densidad del vidrio. Se realizaron pruebas y se obtuvieron los resultados mostrados en la tabla 4.5 (Escalante, 1992).

Densidad

Temperatura
J

-2
r 3
4
I

-1 Tabla 4.5. Informacin

SST = I(Cada

dato)2 _

4.5
3.8
7.6
3.5

7.8
5.6
4.6
3.5

6]
9.1

7.64.8

para el ejercicio 4.3

(Suma~otal)2

.,.

~~----------------------

Diseo y anlisis de experimentos

SSt

119

I.(Cada suma de grupo)2 ~ (Suma total)2

n

~_~c------------------------------__~--

Tabla Anava
F

55

variacin

al

M5

Tratamientos(tl
Error (El

(por diferencial
Total
F(tablas)=F

a,gllt):gIIE) =

FO.05,

, =

_.
f\

Regin de rechazo de la igualdad

de la media de los procesos.
la variable afecta a la respuesta.

FO.05,

~'c;"

Conclusin __ ---:-

-,--___________

Pruebas de comparacin de medias

A continuacin se ilustran los procedimientos para comparar medias en parejas.

Prueba de Duncan (Mntgomery, 1991 b). Una vez que de acuerdo

con el Anova se rechaz la igualdad de los procesos, la prueba de Duncan analiza la diferencia de las medias de los procesos por medio de
la obtencin de. los rangos Rp
Rp

r(X (f)p.

Sy

S-Y

= ~ MSE
n

= nivel de significacin de la prueba.

p = 2 ..... 0 (nmero d tratamientos).
f = gl (error)
ra(p, f) se encuentra en la tabla de Duncan (apndice)
a

Para el ejemplo 4.6 se tiene

YA = 2.033 YB= 1.990 ye = 2.056

MSE = 0.000156
n = 3 a = 5% p = 2, 3

f = gl(E) = 6

120

Determinar las variables significativas

s.:

= -V10.00~156

~MSE
n

= roos(2,
R3 = ro.os(3,

R2

0.00721

6)s"y;= (3.46)(0.00721)
6)sy = (3.58)(0.Op721)

=
=

0.02495
0.02581

la informacin resultante se coloca en una tabla para poder comparar las

diferencias y saber qu grupos de medias son iguales entre s (tabla ..4.6). '
Grupos

Rp (mayor a' menor]

G
B

0.02581

0.02495

p
o

e
En lo tabla se anoton los diferencias

entre pares de medios: mayor-menor.

Grupos iguales:

lA

-1 Tabla 4.6. Comparacin

el

de ~edias

Como 0.066 es mayor que 0.02581 y 0.043 es mayor que 0.02495, se concluye que las medias de los procesos A y 8 son diferentes, y que las medias
de los procesos 8 y C tambin son diferentes. Como 0.023 no es mayor que
0.02495, las medias de los procesos A y
se consideroneslodiscornente
iguales.
la figura 4.10 es una grfica de respuesta parecida a la figura 4.8.
Cada punto representa la media de cada proceso y se incluye tambin su'

i
E

"

2.06
2.05
2.04
2.03
2,02
2.01

Y3

= 2.056
S3 = 0.01155

Yl = 2.033
SI = 0,01527

~:~

..................................

Y2

1.98

S2 =

A
Noto: los desviaciones

Objetivo

1.990
0.01000

Proceso

estndar no estn a escalo con respecto a la longitud media.

-1 Figura 4.10. Grfica de respuesta del ejemplo 4.6