Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Los experimentos son parte natural en el proceso de la toma de decisiones en ingeniera y las
ciencias. Supngase, por ejemplo, que un ingeniero civil investiga los efectos de diferentes mtodos
de curado sobre la resistencia a la compresin media del concreto. El experimento consistira en
formar varios ejemplos de prueba de concreto utilizando cada uno de los mtodos de curado
propuestos para despus probar la resistencia a la compresin de cada ejemplar de prueba. Los
datos de este experimento podran usarse a fin de determinar qu mtodo de curado deber usarse
para conseguir la resistencia a la compresin media mxima.
Si slo hay dos mtodos de curado que sean de inters, este experimento podra disearse y
analizarse aplicando los mtodos para hiptesis estadsticas con dos muestras. Es decir, el
experimentador tiene un solo factor de inters (el mtodo de curado) y slo hay dos niveles del factor.
Las tcnicas de diseo experimental basadas en la estadstica son particularmente tiles en el campo
de la ingeniera para mejorar el desempeo de un proceso de manufactura. Tiene tambin diversas
aplicaciones en el desarrollo de nuevos procesos. La mayora de los procesos pinfluencia ueden
describirse en trminos de varias variables controlables, como la temperatura, la presin y la rapidez
de alimentacin. Mediante el uso de experimentos diseados, los ingenierospueden determinar el
subconjunto de las variables del proceso que ejerce mayor influencia sobre el desempeo del
proceso . Los resultados de un experimento como ste pueden llevar a 1) El mejoramiento del
rendimiento del proceso, 2) La reduccin de la variabilidad del proceso y a una concordancia ms
prxima con los requerimientos nominales o proyectados.3) La reduccin del tiempo de diseo y
desarrollo. 4) La reduccin en el costo de operacin.
ANALISIS DE VARIANZA
El anlisis de varianza se sigue para facilitar una prueba de hiptesis, mediante la cual la variacin
total presente en un conjunto de datos se particiona en varias componentes, algunas se atribuyen a
variables explicativas o factores y otra al azar (error inmerso en el modelo) de modo que en el
anlisis es posible averiguar la magnitud de las contribuciones de cada una de las fuentes a la
variacin total.
Este diseo debe limitarse su uso a casos en los cuales se dispone de unidades
experimentales homogneas. Si no pueden obtenerse tales unidades, debe utilizarse algn bloqueo
para incrementar la eficiencia del diseo.
MODELO.
Suponga que se tiene K niveles de un solo factor que se desean comparar.
La respuesta observada a partir de cada uno de los K niveles o tratamientos es una
variable aleatoria. Los datos aparecen en la tabla. Yij representa la i_sima observacin
tomada bajo el tratamiento j.
TRATAMIENTOS
1 2 . . . K
y11 y12 . . . y1k
y21 y22 . . . y2k
. . .
OBSERVACIONES
. . .
. . .
yn1 yn2 . . . ynk
Medias
.1 ..2 . . . ..k
VARIANZAS
S2.1 S2.2 . . . S2.k
. j = T. j / n j media del j-simo TT0 .
4. Suposiciones.
El modelo a efectos fijos implica que se est interesado solo en k poblaciones representados
por los datos de la muestra. Cualquier inferencia que pueda hacerse se aplica solo a estas
poblaciones.
HIPOTESIS.
Si las medias de las poblaciones son iguales, cada efecto del tratamiento es igual a cero, de
modo que alternativamente la hiptesis puede enunciarse como:
H0 :j = 0; J=1, 2, . . . k
H1 : no todas las j =0
Se elige el nivel de significacin :
Si H0 es verdadero y si 21 = 22 = . . . = 2k y las poblaciones tienen una distribucin normal; la
situacin se observa como fig. 1
21 = 22 = . . . = 2k
Fig: 1 1=2= . . . =k 1 2 k
Si H0 es falso pueda serlo debido a que una de las medias de las poblaciones difiere del resto que
son iguales entre si, o bien puede ocurrir que todas las medias poblacionales sean diferentes. Es
decir al menos una de las j para cualquier valor de j=1,,k ; sea diferente del resto
4. CALCULOS.
1
j 0
(y y 2
SCT = ij y ) 2
= ij
j 1 i 1 j 1 N
Pero
k nj
SCT = ( y
j 1 1
ij y j y j y ) 2
k nj k nj
SCT= ( y
j 1 1
ij y j ) 2
+ ( y
j 1 1
j y ) 2
SCE SCTR
(Suma de cuadrados dentro) (Suma de cuadrados entre)
(Suma de cuadrados del Error) (Suma de cuadrados de tratamientos)
k nj nj
(T j ) 2
( y
k k
y j ) y
2 2
SCE = ij = ij = E yy
j 1 1 j 1 j 1 nj
nj
k
(T j ) 2 T2
( y
k
y )
2
SCTR = j = TYY
j 1 1 j 1 nj N
k (T j ) 2 T2 k (T j ) 2
SCTR = j 1 nj
N
=
j 1 nj
M YY
T2 k nj
Donde: M YY =
N
SCE = SCT SCTR = y 2
ij - MYY - TYY
y j 1
6. DECISION.
La decisin de realizar o no H0 se toma definiendo la regin crtica (RC)
f(F)
RAH0 RRH0
F
F , k-1, N-k
Ejemplo 1: Un ingeniero desea mejorar la resistencia a la compresin del concreto. Sospecha que
la resistencia es una funcin de la concentracin de un aditivo. Decide investigar con distintas
concentraciones: 5, 10, 15, 20 y 25 %. Han de tomarse cinco observaciones para cada
concentracin de aditivo, empleando una planta piloto. Las 25 observaciones necesarias se realizan
en forma aleatoria, y los datos obtenidos se muestran en la tabla.
TRATAMIENTOS
Concentracin del aditivo TOTAL
5% 10% 15% 20% 25%
7 12 14 19 7
7 17 18 25 10
15 12 18 22 11
11 18 19 19 15
9 18 19 23 11
TOTALES(Ti) 49 77 88 108 54 376
Numero de observaciones 5 5 5 5 5 25
Medias(i) 9.8 15.4 17.6 21.6 10.8 15.04
Donde: Totales = T = Ti
Numero de observaciones = n
= T/ n
SOLUCION EJEMPLO 1
2. Suposiciones:
Se tiene 5 muestras independientes
Cada provisin N(j , 2j).
Poblaciones con variaciones homogneas: 12 = 22 = ... = 52 = 2
j = 0 y ij DNI(O, 2)
6. Regla de decisin:
Si Fc > F,(k - 1),(n - k) H0 se rechaza a un nivel de
Si Fc F,(k - 1),(n - k) H0 no se rechaza.
7. Clculos: se realizan los clculos para obtener las estimaciones en la tabla ANOVA; es decir:
El ANOVA resultante se muestra en la siguiente tabla:
En
Comparisons
indicar los
En Option : indicar el Nivel
mtodos de
de Confianza
comparacin
mltiples de
Tukey y Fisher
RESULTADOS CONCLUSIONES
COMPARACIONES MULTIPLES
Histogram
(response is Resistencia)
4
Frequency
0
-4 -2 0 2 4
Residual
GRAFICA DE INTERVALOS DE
CONFIANZA DE LA RESISTENCIA Y
CONCENTRACIN GRAFICA DE PUNTOS DE LOS RESIDUOS
Interval Plot of Resistencia vs Concentracin
95% CI for the Mean
25
20
Resistencia
15
10
5
5.00% 1 0.00% 1 5.00% 20.00% 25.00%
Concentracin
The pooled standard deviation was used to calculate the intervals.
Boxplot of Resistencia
25
4
20
3
Resistencia
15
10
5
5.00% 1 0.00% 1 5.00% 20.00% 25.00%
Concentracin
SOLUCION EJEMPLO 2
Yij = u + j + ei j ; i = 1, 2, ... , n
Donde :
: Es una constante e indica el efecto medio verdadero; parmetro comn a todos TT 0S.
ei j : incluye los efectos de todos los otros factores extraos. Es un trmino de error ,
considerado como variable aleatoria
H0 : 1=2= . . . =k
Si las medias de las poblaciones son iguales, cada efecto del tratamiento es igual a
cero, de modo que alternativamente la hiptesis puede enunciarse como:
H0 : j = 0; j=1, 2, . . . k
H1 : j 0
Indicar la variable
respuesta que es la
Resistencia a la
tensin y el Factor o
variable respuesta
es el % de
Algodn.
En
Comparisons
indicar los
mtodos de
En Option: indicar el Nivel
comparacin
de Confianza
mltiples de
Tukey y Fisher
RESULTADOS CONCLUSIONES
COMPARACIONES MULTIPLES
Hubiera sido preciso realizar un Anlisis exploratorio de Datos que nos permitiera como actividad
principal revisarlos para saber como es su comportamiento y as poder asignarle un modelo
adecuado.
20
Resistencia Tensin
15
10
2) Este mtodo requiere que la atencin del analista se centre en los residuales o
lo que queda despus de haber aplicado algn tipo de anlisis.
Ejemplo 3:
= = = = = (El tipo de sustancia qumica NO influye de manera altamente significativa en la resistencia del
material)
= (Al menos un tipo de sustancia qumica influye de manera altamente significativa en la resistencia
del material)
RESULTADOS
I) Como p value para el Tipo de Sustancia
Qumica = 0.000< 0.01, Se Rechaza H0 y
Se concluye que al menos un Tipo de
sustancia qumica influye de manera
altamente significativa en la resistencia
del material.
El nombre de cuadrado Latino se debe a R.A. Fisher [The Arrangement of Field Experiments, J.
Ministry Agric., 33: 503-513 (1926)]. Las primeras Aplicaciones fueron en el campo agronmico,
especialmente en los casos de suelos con tendencias en fertilidad en dos direcciones.
Cada observacin del experimento es expresado como una relacin lineal de los efectos
involucrados (tratamiento, fila y columna), as:
Ejemplo 4
Para estudiar el efecto del Tipo de iluminacin (A=natural, B=muy fuerte, C=escasa) en la velocidad
de lectura, se realiza un experimento que consiste en contar el nmero de palabras ledas en un
minuto en distintos tipos de papel (b=blanco, c=en color, s=satinado) y diferente tipografa (g=letra
grande, p=letra pequea, n=normal). Los resultados obtenidos son los de la tabla adjunta. Analizar
con = 0.05, estos datos y estudiar la posible influencia de los factores iluminacin, tipos de papel y
diferente tipografa en la variable Velocidad de Lectura.
Tipo de Papel
Letra
Satinado Blanco Color
Grande 258 A 230 C 240 B
Normal 235 B 270 A 240 C
Pequea 220 C 225 B 260 A
SOLUCIN Ejemplo 4
Las hiptesis a probar son:
C 1 2 230
B 1 3 240
B 2 1 235
A 2 2 270
C 2 3 240
C 3 1 220
B 3 2 225
A 3 3 260
3 4
RESULTADOS
I) Como p value para el Efecto del Tipo de Iluminacin = 0.004 < 0.05, II) Como p value para Tamao de Letra=0.031 < 0.05, Se Rechaza H0 y Se
Se Rechaza H0 y Se concluye que al menos un Tipo de Iluminacin concluye que al menos un Tipo de Letra influye de manera significativa en
influye de manera significativa en la Velocidad de lectura. la Velocidad de lectura.
III) Como p value para Tipos de Papel = 0.066 > 0.05, se Acepta H0 y Se concluye que el tipo de Papel NO influye de manera significativa en la
Velocidad de lectura.
Modelo estadstico.
Cada observacin del experimento es expresado como una relacin lineal de los efectos
involucrados (tratamiento, fila y columna), as:
Ejemplo 5
Se compara el rendimiento de cinco procesos de fabricacin (A, B, C, D,E) en cinco
condiciones experimentales (,,,,), cinco mtodos distintos y en cinco das diferentes,
sobre la Resistencia de un material. El Diseo y los resultados se indican en el cuadro
adjunto.
Da
Mtodo
1 2 3 4 5
1 A 24 B 20 C 19 D 24 E 24
2 B 17 C 24 D 30 E 27 A 36
3 C 18 D 38 E 26 A 27 B 21
4 D 26 E 31 A 26 B 23 C 22
5 E 22 A 30 B 20 C 29 D 31
SOLUCIN Ejemplo 5
Las hiptesis a probar son:
RESULTADOS
I) Como p value para procesos de fabricacin =0.003 < 0.05, Se Rechaza H0, Se concluye que Al menos un proceso
de fabricacin influye de manera significativa en la Resistencia del Material
II) Como p value para Mtodos =0.178 > 0.05, Se Acepta H0, Se concluye que El Mtodo NO influye de manera
significativa en la Resistencia del Material
III) Como p value para Das =0.033 < 0.05, Se Rechaza H0, Se concluye que Al menos uno de los Das influye de manera
significativa en la Resistencia del Material
IV) Como p value para Condiciones Experimentales =0.208> 0.05, Se Acepta H0, Se concluye que Las Condiciones
Experimentales NO influyen de manera significativa en la Resistencia del Material.
Ejercicio 1
Un experimentador estudia los efectos que contiene cinco formulaciones diferentes de carga propulsora utilizada en los
sistemas de expulsin de la tripulacin de un avin basado en la rapidez de combustin. Cada formulacin se hace un
lote de materia prima que solo alcanza para probar cinco formulaciones. Adems, las formulaciones son preparadas
por varios operadores, y puede haber diferencias sustanciales en las habilidades y experiencia de los operadores.
Tambin se considera que los montajes de prueba pueden ser importantes, ya que hay cinco montajes de prueba
diferentes. Una vez que se ha corrido el experimento se recolectaron los datos que a continuacin se muestran. Realice
el anlisis de varianza que verifique si existe una diferencia en la media de la rapidez de combustin, generada por
las diferentes formulaciones de carga propulsora, tomando en cuenta un nivel de significancia de = 0.05
Lotes de Operadores
Materia Prima 1 2 3 4 5
1 A 23 B 20 C 18 D 23 E 23
2 B 16 C 23 D 29 E 26 A 35
3 C 17 D 37 E 25 A 26 B 20
4 D 25 E 30 A 25 B 22 C 21
5 E 21 A 29 B 19 C 28 D 30
Ejercicio 2
Un ingeniero desarrolla un experimento para comparar cinco procedimientos de fabricacin de ladrillo de concreto, en
el cual usa material de cinco mezclas preparadas cada una de ellas en cada uno de cinco das consecutivos y
preparados en cinco mquinas diferentes. (Tomado de WALPOLE R.E, MYERS R.H, MYERS S.L: Probabilidad y
Estadstica para Ingenieros. Ed . Prentice Hall)
Dias
Mezclas
1 2 3 4 5
1 A 1 B 0 C 4 D 0 E 1
2 B 3 C 4 D 1 E 5 A 3
3 C 2 D 5 E 0 A 0 B -1
4 D -1 E 2 A 1 B 1 C 4
5 E 0 A 1 B -3 C -3 D 1