P. 1
ESTADÍSTICA INFERENCIAL II (LIBRO)

ESTADÍSTICA INFERENCIAL II (LIBRO)

4.83

|Views: 88.314|Likes:
Publicado porRaul Jimenez

More info:

Published by: Raul Jimenez on Sep 13, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

01/31/2016

pdf

text

original

Hasta aquí los modelos de efectos que se han utilizado son modelos de efectos o
factores fijos, lo cual significa que todos los niveles de prueba en cada factor son todos
los disponibles para ese factor, o bien, se estudian todos los niveles de interés en ese
factor; es en este sentido que los niveles están fijos. Éste es el caso, por ejemplo, cuando
en el factor operador se toman los tres únicos operadores como los niveles de prueba, o
cuando los niveles del factor máquinas son las cuatro máquinas existentes. O bien,
cuando se comparan tres tipos de material porque son los que interesa comprar aunque
existan otros materiales de ese tipo. Con factores fijos, las conclusiones obtenidas sólo
son validas para los niveles de prueba que se estudian en el experimento.

En ocasiones, los niveles de prueba son una muestra aleatoria de la población de
niveles posibles. En este caso es más apropiado utilizar un modelo de efectos o factores
aleatorios. Un ejemplo de esta situación es cuando se prueban cinco instrumentos de
medición, pero la población de los mismos es de 100 instrumentos; obviamente, no es
posible experimentar con todos los equipos. Entonces se experimenta sólo con cinco de
ellos elegidos al azar, y las conclusiones obtenidas se infieren como válidas para la
población entera de instrumentos.

La aplicación de un modelo de efectos aleatorios conlleva la necesidad de
considerar la incertidumbre asociada con la elección aleatoria de los niveles de prueba.
Es decir, ya no tiene sentido, para un factor A, preocuparse por el efecto del nivel

Modelo de efectos aleatorios 131

Instituto Tecnológico de Ensenada Biol. Raúl Jiménez González

como en efectos fijos. Lo que ahora (con efectos aleatorios) tiene sentido es hablar de la
varianza con la que el factor aleatorio contribuye a la variación total; es decir, es preciso
estimar dicha varianza y probar si su contribución a la variabilidad total es significativa.

El caso de dos factores aleatorios.
Si se consideran dos factores aleatorios A y B, de los cuales se prueban niveles
elegidos de una población grande de niveles, entonces si los tratamientos se
replican veces, el modelo de efectos aleatorios es

donde es la media general, es el efecto debido al nivel del factor A,
es el efecto del nivel del factor B, representa al efecto de interacción
en la combinación y es el error aleatorio que se supone sigue una distribución
normal con media cero y varianza constante,

y son independientes entre sí. El
aspecto de este modelo es igual al de efectos fijos, pero el hecho de que los efectos sean
aleatorios implica que no tiene sentido probar hipótesis directamente sobre tales efectos
(medidas), sino que ahora el interés se enfoca en estudiar la varianza de dichos efectos.
Para ello, se supone que los términos son variables aleatorias
independientes normales, con media cero y varianzas

,

,

, y

,

respectivamente.

De esta manera, si se calcula la varianza en ambos lados del modelo anterior, se
obtiene el modelo de componentes de varianza dado por:

+

+

+

donde

,

,

son las contribuciones de cada efecto a la variación total y se llaman

componentes de varianza;

es el componente de varianza debido al error aleatorio.

Las hipótesis de interés son

Los cálculos necesarios para probar estas hipótesis involucran las mismas sumas
de cuadrados del modelo de efectos fijos (diseños factoriales con dos factores), de las
cuales se obtienen los correspondientes cuadrados medios. Para obtener los estadísticos
de prueba apropiados debe tomarse en cuenta que los valores esperados de los
cuadrados medios son

132 CAPÍTULO 4 Diseños factoriales

Instituto Tecnológico de Ensenada Biol. Raúl Jiménez González

de tal forma que para probar la hipótesis mencionadas, los estadísticos de prueba
apropiados en el ANOVA son

respectivamente. Observe que en el modelo de efectos aleatorios los cuadrados medios
de los efectos principales se comparan con el cuadrado medio de la interacción, y no
con el cuadrado medio del error, como se hace en el modelo de efectos fijos. En caso de
rechazar alguna de las hipótesis sobre las varianzas, se concluye que el efecto
correspondiente contribuye de manera significativa a la variación de la respuesta. La
conclusión práctica no consiste en determinar el mejor tratamiento, sino que
generalmente se traduce en tomar medidas para que la contribución del componente de
varianza se reduzca.

Al resolver las ecuaciones dadas por los valores esperados de cuadrados medios
para los componentes de varianza, se obtienen estimadores de éstos en función de los
cuadrados medios del error, esto es,




Ejemplo
En una compañía dedicada a la fabricación de bombas y válvulas, algunos componentes
críticos tienen tolerancias muy estrechas que son difíciles de cumplir. De aquí que sea
necesario estimar el error de medición con el fin de ver la posibilidad de reducirlo para
cumplir con las especificaciones. El ancho de una pieza particular es una característica
de calidad crítica, cuyas especificaciones son 69 0,4mm. Se eligen dos inspectores al
azar y siete piezas para correr un experimento, a fin de estimar la contribución de los
inspectores, de las piezas y del error aleatorio (repetibilidad) en la variabilidad total
observada. El experimento utilizado se muestra en la siguiente tabla:

Modelo de efectos aleatorios 133

Instituto Tecnológico de Ensenada Biol. Raúl Jiménez González

Número de
piezas

Inspector Z Inspector W
1 2

1 2

1
2
3
4
5
6
7

69,38 69,60
39,72 69,80
69,58 69,70
69,50 69,50
69,48 69,40
69,56 69,40
69,90 70,02

69,62 69,52
69,78 69,90
69,70 69,92
69,46 69,50
69,50 69,42
69,68 69,64
69,94 69,88

Nótese que cada inspector mide dos veces cada pieza. Sean los inspectores el
factor A y las piezas el factor B, el primero con dos niveles y el segundo con siete
niveles, en ambos casos seleccionados al azar. El modelo de componentes de varianza
propuesto para describir estos datos es donde

es el componente de varianza de los

inspectores,

es el componente debido a las piezas,

es el componente de

interacción de ambos factores y

es el componente aleatorio.

Interesa probar las hipótesis:

y estimar los componentes de varianza. El ANOVA para probar estas hipótesis se
muestran en la siguiente tabla.

FV

SC

GL CM

Valor-p

A: Insp.
B: Pieza
AB
Error
Total

0,00036
0,7516
0,0313
0,097
0,8803

1
6
6
14
27

0,00036
0,1252
0,0052
0,0069

0,069
24,07
0,75

0,8043
0,0000
0,6169

Las tres primeras columnas se obtienen igual que el modelo de efectos fijos,
pero las dos últimas deben corregirse de acuerdo con el estadístico de prueba apropiado
para un modelo de efectos aleatorios (

y

). Los valor-p indican que la variabilidad de las piezas es
estadísticamente diferente a cero, mientras que la variabilidad de los inspectores y de la
interacción inspector x pieza no es significativa (es igual a cero). Desde el punto de
vista del objetivo del experimento, los resultados del ANOVA son los deseados: la
reproducibilidad (

+

) es estadísticamente igual a cero, es decir, los inspectores no
afectan el proceso de medición. La estimación de los componentes de varianza, a partir
de los cuadros medios, queda como:





134 CAPÍTULO 4 Diseños factoriales

Instituto Tecnológico de Ensenada Biol. Raúl Jiménez González



De aquí se concluye que la reproducibilidad (

+

) no tiene
contribución y la repetibilidad expresada como 5.15 es igual a 0,428. Si este valor se
compara con la tolerancia de 0.8, se encuentra que ocupa 53% de ésta, cuando lo
deseable es que este porcentaje sea menor al 10%, por lo que el instrumento es
inadecuado para discriminar entre piezas buenas y malas.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->