Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DISEÑO DE EXPERIMENTOS
Se debe asumir una ideología desde el comienzo de ejecución del ejercicio, esta debe ser
los puntos centrales de hecho estos son puestos con el fin de argumentar la curvatura con la
en la superficie de respuesta y para llegar a la conclusión de este argumento se evalúa el
factor de curvatura de cuadrática pura.
Se tienen datos como lo son el, Yf y Yc, los cuales tienen como concepto ser el promedio
de los cuatro experimentos registrados y el promedio de los datos de los puntos centrales.
Se visualizan comparaciones como las siguientes:
Yf: 40.425
Yc: 40.46
La diferencia da como resultado que, Yf-Yc: 0.035, lo cual es un dato pequeño y bajo este
concepto yo asumo que la curvatura es mínima y sigo con la planimetría del ejercicio
enseñada en el aula de clase.
STATISTICA
Usando el grafico proporcionado es posible dimensionar y construir la matriz de trabajo
usando los 4 datos de interacción y los 5 puntos centrales.
Se procede a usar un Diseño de experimentos 2^2.
PRUEBA T,
La prueba consiste en leer el t obtenido y registrado en la tabla de efectos respecto a cada
factor y compararlo con un t critico leído en tablas o en esta oportunidad en el mismo
programa. De igual firma se plantean las Hipótesis para el estudio de t-Student.
Las Hipótesis serán:
Ho; El factor no es significativo para el modelo
Ha; El factor es significativo para el modelo
Se hace el proceso de rechazo y aceptación de Hipótesis bajo el concepto de:
|𝑡𝑜𝑏𝑠 > 𝑡𝑐𝑟𝑖𝑡𝑖𝑐𝑜 |;Se rechaza la hipótesis nula.
|𝑡𝑜𝑏𝑠 < 𝑡𝑐𝑟𝑖𝑡𝑖𝑐𝑜 |;Se rechaza la hipótesis alternativa.
Recordando y argumentando que los grados de libertad de los datos a estudiar tiene el valor
de ‘1’ para todos se puede hacer cálculo del t crítico:
Prueba para Tiempo de Reacción:
T obtenido: 8.2917
T crítico: 2.015048
En este punto se concluye que se acepta la Hipótesis nula y se puede describir que es
significativo para el modelo.
Prueba para Temperatura
T obtenido: 3.4772
T crítico: 2.015048
En este punto se concluye que se acepta la Hipótesis nula y se puede describir que es
significativo para el modelo.
Prueba para Interacción de los Factores:
T obtenido: -0.2675
T crítico: 2.015048
En este punto se concluye que se acepta la Hipótesis alternativa y se puede describir que no
es significativo para el modelo.
PRUEBA P,
Con el fin de concretar los datos es congruente realizar una afirmación más y se desarrolla
la prueba la cual tiene como concepto los intervalos de no significancia y los que estos
abarcan.
Se plantean las Hipótesis:
Ho; En el intervalo se toma el cero y el dato es no significativo para el modelo.
Ha; En el intervalo no se toma el cero y el factor es significativo para el modelo.
Se procede a rechazar o aceptar las hipótesis bajo las condiciones de qué,
Sí P (0,05) > P. encontrada; Se rechaza la Hipótesis Nula
Sí P (0,05) < P. encontrada; Se rechaza la Hipótesis Alternativa
Y las pruebas son desarrolladas de esta manera:
Prueba para Tiempo de Reacción:
P obtenido: 0,000416567270588893
P (0,05)
En este punto se concluye que se acepta la Hipótesis alternativa y se puede describir que es
significativo para el modelo.
Prueba para Temperatura
P obtenido: 0,0177127033934984
P (0,05)
En este punto se concluye que se acepta la Hipótesis alternativa y se puede describir que no
es significativo para el modelo.
Prueba para Interacción de los Factores:
P obtenido: 0,799787002676976
P (0,05)
Es posible ejecutar el análisis de ajuste con las propiedades propias del software.
La prueba de ajuste puede generar la ideología e hipótesis con el fin de corroborar la
veracidad de la información suministrada.
Estas hipótesis de pueden aceptar o rechazar a partir del estudio con la Distribución Fisher
y los pasos a seguir deben ser:
Bondad de Ajuste:
1. Fobtenido > Fcrítico, El modelo tiene buena regresión y representa los datos de la
mejor manera.
Esta información ya fue corroborada en la parte anterior en el ítem PRUEBA F
2. Fobtenido < F (m-p;n-m), El modelo si cumple un buen ajuste.
De igual forma es posible hallar una tabla con la información de los datos predichos por el
modelo que se está ejecutando.
Para la figura de los datos Observados vs Predichos se visualiza la distribución de los
puntos centrales, la cual no es completamente alejada de la curva del modelo que se está
analizando siendo consiente que la correlación de datos es el 94% se puede argumentar que
bajo el uso de un modelo que sólo contenga el Tiempo de la Reacción y la Temperatura de
esta misma es útil el modelo hallado, y se puede de igual forma decir que la interacción de
estos dos factores nombrados anteriormente no son vinculativos entre sí y no generan
dependencia al modelo que se ha querido mostrar.
Figura, Grafico de Pareto para datos significativos al modelo
El grafico de superficie nos puede argumentar lo que de igual forma se percibe en el gráfico de
Pareto, el que mayor interacción tiene en el modelo es el Tiempo de la reacción localizándose en
estos puntos los valores de mayor concentración de lo esperado y de igual forma según los datos
analizados en las tablas se relaciona la información con mayor claridad.
MINITAB
yy
La estructura de respuestas de las Hipótesis y significancia de datos en Minitab es similar a
la de Statistica y deben calcularse los datos críticos o los que deben ser leídos en tablas
según la Hipótesis de esta manera:
PRUEBA T
Usando la plataforma de Minitab es posible calcular el t bajo la distribución de t- Student
PRUEBA P
La prueba p puede ser prevista como se argumentó anteriormente:
Se plantean las Hipótesis:
Ho; En el intervalo se toma el cero y el dato es no significativo para el modelo.
Ha; En el intervalo no se toma el cero y el factor es significativo para el modelo.
Se procede a rechazar o aceptar las hipótesis bajo las condiciones de qué,
Sí P (0,05) > P. encontrada; Se rechaza la Hipótesis Nula
Sí P (0,05) < P. encontrada; Se rechaza la Hipótesis Alternativa
Los datos de p encontrados para el Tiempo de Reacción y la Temperatura si son
menores al valor de significancia.
El dato de la Interacción entre los factores claves se concibe de esta forma:
P=0.821 y este dato es mayor al dato de 0.05 y por esta razón se rechaza la hipótesis
alternativa y se concluye que la interacción no es significativa para el modelo que se está
estudiando.
PRUEBA F
La prueba F puede desarrollarse bajo el estudio y análisis de una Distribución en Minitab
con la prueba Fisher.
ANÁLISIS DE GRAFICOS,
GRAFICO PARETO
ANÁLISIS EN R
1) Para el diseño factorial completo de dos niveles y 5 factores considerados (25), ¿cuántos y
cuáles son los efectos (principales y de interacción de 2, 3, 4 y 5 factores)?
Para el análisis que se está desarrollando se puede aclarar que están evidenciados bajo el
proceso que se siguió efectos como lo son los primeros 5 factores estudiados y en seguida
la interacción de 2 factores los cuales son evidenciados ’10 combinaciones’ y por último lo
que es permitido por el programa la interacción de 3 factores que en este caso se evidencian
una cantidad de ’10 combinaciones’.
Las combinaciones se dan se la siguiente manera:
Relación S/A-Gas Gas-Temperatura
Relación S/A-Presión Gas-Potencia
Relación S/A-Temperatura Presión-Temperatura
Relación S/A-Potencia Presión-Potencia
Gas-Presión Temperatura-Potencia
Relación S/A-Gas-Presión
Relación S/A-Gas-Temperatura
Relación S/A-Gas-Potencia
Relación S/A-Presión-Temperatura
Relación S/A-Presión-Potencia
Relación S/A-Temperatura-Potencia
Gas-Presión-Temperatura
Gas-Presión-Potencia
Gas-Temperatura-Potencia
Temperatura-Presión-Potencia
2) Calcule los efectos de los factores usando Statistica (considere los efectos principales y
de interacción de 3 factores).
a) Muestre la tabla generada por Statistica.
b) ¿Cómo es calculado t que aparece en la tabla de Statistica? ¿Cómo es interpretado,
es decir, como verificando el valor de t se puede decir si el efecto es o no
significativo?
SCE: SCT-SC1-SC2-SC3-SC4-SC1,3-SC1,4
Teniendo en cuenta que las fórmulas para los otros factores si fueron encontradas,
analizadas y ejecutadas.
3) Trace e interprete el gráfico normal de los efectos usando o Statistica. ¿Cuáles son los
efectos significativos? ¿Los resultados coinciden con los obtenidos a través del análisis de
la tabla de los efectos (según t, p valor e intervalos de confianza)?
Los datos del grafico normal pueden ser vistos como el grafico Pareto analizando en la
parte de la horizontal inferior datos como lo será el nivel de significancia que es de 0,05y
por esta razón es posible asegurar que si existen factores que no son significativos.
4) Cambie el nivel de confianza para 99%. Muestre la nueva tabla de los efectos generada
por Statistica. ¿Cuáles son los efectos significativos? ¿Estos concuerdan con el análisis del
gráfico normal?
Los efectos significativos generados bajo un nivel de confianza del 99% son:
Razón S/A 1 by 2
Razón del Gas 1 by 3
Presión 1 by 4
Temperatura
a) Muestre la nueva tabla generada por Statistica. ¿Todos los efectos son
significativos? Explique;
Al ignorar los datos que no son significativos se obtiene la tabla que se muestra a
continuación la cual de nuevo muestra un dato que no es significativo pero que anteriormente
si generaba valor al modelo con un nivel de confianza del 99%.
En este caso se usaron grados de libertad de 25 y debido a que solo se están usando 6
factores significativos para el modelo.
e) Calcule el valor del índice de refracción previsto para el modelo para el ensayo 1
de la matriz de diseño experimental.
Usando la Ecuación que se halló y bajó la interpretación de datos del primer experimento se
puede decir que:
Razón S/A : 0.1
Razón del Gas: 40
Presión: 300
Temperatura: 300
Potencia: 10