Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Semestre: 4
Grupo: A
El diseo de tratamientos es independiente del diseo experimental que indica la manera en que los tratamientos se aleatorizan a las diferentes u. e. y las formas de controlar la variabilidad natural de las mismas.
As, el diseo experimental puede ser diseos factoriales a 2factores, diseo factorial general etc. y para cada uno de estos diseos se puede tener arreglo factorial de los tratamientos, si estos se forman por la combinacin de niveles de varios factores. A ambos tipos de diseos, el de tratamientos y el experimental, les corresponde un modelo matemtico.
La necesidad de estudiar conjuntamente varios factores obedece a la posibilidad de que el efecto de un factor cambie segn los niveles de otros factores, esto es, que los factores interacten, o exista interaccin. Tambin se utilizan los arreglos factoriales cuando se quiere optimizar la respuesta o variable dependiente, esto es, se quiere encontrar la combinacin de niveles de los factores que producen un valor ptimo de la variable dependiente. (superficie de respuesta) Si se investiga un factor por separado, el resultado puede ser diferente al estudio conjunto y es mucho ms difcil describir el comportamiento general del proceso o encontrar el ptimo.
En este resumen se presenta la familia de diseos factoriales completas desde una perspectiva un tanto general: factoriales para cualquier nmero de factores y de niveles de prueba en cada uno de ellos, sin dejar cierto nivel de generalidad, se presentan los diseos factoriales para dos o para tres factores y el caso con cualquier cantidad de factores. Diseo Factorial: es estudiar el efecto de varios factores sobre una o varias respuestas, es decir, busca estudiar la relacin entre los factores y la respuesta, y tiene la finalidad de conocer mejor como es esta relacin y que permita tomar acciones y decisiones que mejoren el desempeo del proceso. Uno de los objetivos particulares ms importantes que en general tiene un diseo factorial es determinar una combinacin de niveles de los factores en la cual el desempeo del proceso sea mejor que en las condiciones de operacin actuales, es decir, encontrar nuevas condiciones de operacin que eliminen o disminuyan cierto problema de calidad en la variable de salida. Los factores pueden ser de tipo cualitativo (maquinas, tipo de material, operador, presencia o ausencia de una operacin previa, etc.) o de tipo cuantitativo (temperatura, humedad, velocidad, presin, etc.). Para poder estudiar de manera en que influye cada factor sobre una variable de respuesta, es necesario elegir al menos dos niveles de prueba para cada uno de ellos. Factor Cualitativo: Sus niveles toman valores discretos o de tipo nominal que no pueden ser fracciones. Factor Cuantitativo: Sus niveles de prueba pueden tomar cualquier nivel de cierto intervalo. La escala es continua. Cabe mencionar que en la materia solo usamos este tipo de factores. Experimento Factorial: Un diseo de experimentos factorial o arreglo factorial es el conjunto de puntos experimentales o tratamientos que pueden formase considerando todas las posibles combinaciones de los niveles de los factores.
Efecto Principal Y Efecto De Interaccin: El efecto de un factor se define como el cambio observado en la variable de respuesta debido a un cambio del nivel de tal factor. En particular los efectos principales son los cambios en la media de la variable de respuesta debidos a la accin individual de cada factor. Unidad Experimental: Unidad a la cual se le aplica un solo tratamiento (que puede ser una combinacin de muchos factores) en una reproduccin del experimento. En cada diseo de experimentos es importante definir cuidadosamente la unidad experimental, ya que esta puede ser una pieza o conjunto de piezas producidas, dependiendo del proceso que se estudia. Variable De Respuesta: Es la caracterstica del producto cuyo valor interesa mejorar mediante el diseo de experimento. Factores Controlables: Son variables de proceso que se pueden fijar en un punto o nivel de operacin. Algunos de estos son los que usualmente se controlan durante la operacin normal del proceso, y se distinguen porque para cada uno de ellos existe la manera o el mecanismo para cambiar o manipular su nivel de operacin.Alos factores controlables tambin se les llama variables de entrada, condiciones de proceso, variables de diseo,parmetros del proceso o simplemente factores. Factores No Controlables: Son variables que no se pueden controlar durante la operacin normal del proceso como la luz, temperatura que se investigan en el experimento para observar cmo afectan o influyen en la variable de respuesta.
Entrada
Factores Controlables Factores No Controlables
Proceso
Salida
Caractersticas de calidad o variables de respuesta
Cules caractersticas se van a medir? Qu factores controlables deben incluirse en el experimento? Qu niveles debe utilizar cada factor? Cul diseo es experimental es adecuado?
Modelo matemtico. El modelo matemtico asociado al diseo de dos factores-tratamiento con interaccin y replicado es el siguiente: Para cada i = 1,...,I, j = 1,...,J, k = 1,...,K se tiene el siguiente modelo:
con Donde,
ijk
Y ijk es el resultado del tratamiento i-simo, i = 1,2,...,I del factor T y del tratamiento j-simo, j = 1,2,...,ni del factor T , en la replicacin t-sima, t = 1,...,K. es el efecto global que mide el nivel medio de todos los resultados, i es el efecto (positivo o negativo) sobre la respuesta debido a que se observa I el nivel i del factor T . Se verifica que i = 1 i = 0, j es el efecto (positivo o negativo) sobre la respuesta debido a que se observa J el nivel j del factor T . Se verifica que j=1 i = 0, ij representa la interaccin y es el efecto extra (positivo o negativo) sobre la respuesta debido a que se observan conjuntamente los niveles i y j de los factores T y T respectivamente. Mide la desviacin de las medias de la hiptesis de aditividad de los efectos y viene definida por:
Se verifica que
I i=1
ij
J j=1
ij
I-1 J-1
ij
1 IJ + 1
El modelo matemtico anterior de diseo de experimentos con dos factores tratamiento con interacin se conoce como modelo completo de dos vas o modelo de anlisis de la varianza de dos vas. Si, ocasionalmente, experimentos similares previos o hechos cientficos contrastados garantizan con una razonable seguridad que ambos factores no interaccionan, el experimento se modeliza a travs de:
(1) con
ijk
El modelo (1) es un submodelo del modelo completo de dos vas y se denomina modelo de efectos principales de dos vas o modelo aditivo de dos vas dado que el efecto sobre la respuesta del tratamiento ij se modeliza como la suma de los efectos individuales de cada factor. Es importante
Usar el modelo de efectos principales slo cuando se tiene la certeza de que no existe interaccin entre los factores.
Donde ij. es la media de las observaciones de la casilla ij. El resto de los trminos tiene la interpretacin habitual. La prediccin de la casilla ij es la media de los valores de la casilla, por tanto:
Los residuos verifican la siguiente restriccin (la suma de los residuos en cada casilla es cero)
por tanto, en cada casilla hay residuos independientes y el nmero de grados de libertad es: IJ. Al igual que en los modelos estudiados previamente se utiliza la varianza residual como estimador de la varianza. Este estimador viene dado por
(2)
esto es,
En este modelo se tienen tres factores-tratamineto: el factor T (efecto ) con niveles i = 1,...,I, el factor T (efecto ) con niveles j = 1,...,J, y el factor T (efecto ) con niveles r = 1,...,R. Cada tratamiento se ha replicado K veces. Por tanto se tienen n = IJRK observaciones. El trmino ijk es la interaccin de tercer orden que, en la mayora de las situaciones, se suponen nulas. En este modelo se verifican las siguientes restricciones
ij ir jr
2
ijr
Total
1 IJR + 1
Los estimadores mximo-verosmiles de este modelo son los siguientes (se utiliza la notacin habitual):
La descomposicin de la variabilidad se obtiene la siguiente tabla ANOVA (Tabla siguiente), a partir de la cual se pueden obtener contrastes como en la seccin anterior. CUADRO DEL ANLISIS DE LA VARIANZA MODELO COMPLETO DE TRES VAS Fuente de variacin Factor T Factor T Factor T Inter. Inter. Inter. Inter. Residual Global sc scR = scG = sc sc sc Suma de cuadrados scT scT scT = J RK = IRK = IJK
i=1 i=1 I I I i=1 J j=1 R r=1 2
g.l. I1 J1 R1
ij 2 2
i j
2 2
= RK = JK = IK =K
I i=1
ir jr
R r=1
R r=1
IJR(K - 1) IJRK 1
I i=1
R r=1
t=
Tabla 3 Cuadro del anlisis de la varianza para un diseo completo de tres factores.
a) los factores son fijos b) los diseos son completamente aleatorios c) se satisface la suposicin usual de normalidad El diseo 2k es particularmente til en las primeras fases del trabajo experimental, cuando es probable que haya muchos factores por investigar. Conlleva el menor nmero de corridas con las cuales pueden estudiarse k factores en un diseo factorial completo. Debido a que slo hay dos niveles para cada factor, debe suponerse que la respuesta es aproximadamente lineal en el intervalo de los niveles elegidos de los factores.
DISEO 22
El primer diseo de la serie 2k es aquel que tiene slo dos factores, A y B, cada uno con dos niveles. Arbitrariamente, los niveles del factor pueden llamarse "inferior" y "superior".
DISEO 23
Suponga que se encuentran en estudio tres factores A, B y C, cada uno con dos niveles. Este diseo se conoce como diseo factorial, 2 3 y las ocho combinaciones de tratamientos pueden representarse grficamente mediante un cubo. Existen en realidad tres notaciones distintas que se usan ampliamente para las corridas o ejecuciones en el diseo 2k: 1. La primera es la notacin "+,-", llamada "geomtrica". 2. La segunda consiste en el uso de letras minsculas para identificar las combinaciones de tratamientos. 3. En la tercera se utilizan los dgitos 1 y 0 para denotar los niveles alto y bajo del factor, respectivamente.
Por ejemplo, es un diseo 32 el 00 representa la combinacin de tratamientos, en la que tanto el factor A como el B estn en el nivel inferior, y el 01 representa la combinacin de tratamientos que corresponde al factor A en el nivel inferior y a B en el nivel intermedio.
En ste, el sistema de notacin que se prefiere usar es el de + - en virtud de que facilita la interpretacin geomtrica del diseo y de que es directamente aplicable al modelado por regresin, la formacin de bloques y la construccin de factoriales fraccionarios. La adicin de un tercer nivel permite modelar con una relacin cuadrtica la relacin entre la respuesta y cada factor. DISEO 32 El diseo ms simple es el 32 que consta de dos factores con tres niveles cada uno. Como hay 32 = 9 combinaciones de tratamientos, existen 8 grados de libertad entre ellas, Los efectos principales A y B tienen dos grados de libertad cada uno, y la interaccin AB tiene cuatro grados de libertad. Si hay n rplicas habr un total
4.5. USO DE UN SOFTWARE ESTADSTICO El procedimiento (PROC) GLM del programa estadstico SAS ha sido la rutina mas comnmente utilizada para analizar datos provenientes de diseos con parcelas divididas. Sin embargo, este procedimiento fue desarrollado para evaluar modelos de componentes fijos y no considera que en realidad este tipo de diseo se corresponde a un modelo mixto con factores fijos y aleatorios, por lo que se hace necesario evaluar rutinas que consideren los modelos mixtos. El PROC MIXED del SAS fue desarrollado explcitamente para evaluar datos provenientes de modelos mixtos, eliminndose los problemas que presenta el PROC GLM para este tipo de anlisis. Se discuten las ventajas del PROC MIXED en comparacin con PROC GLM, por medio de un ejemplo analizado con ambos procedimientos. Se concluye que el PROC MIXED proporciona los errores estndares adecuados a cada nivel de anlisis, realizando las comparaciones de media en la forma correcta, por lo que se 15recomienda su utilizacin ampliamente en sustitucin del PROC GLM para anlisis de parcelas divididas.
Bibliografa utilizada * Lara Porras, A.M. (2000). Diseo Estadstico de Experimentos, Anlisis de la Varianza y Temas Relacionados: Tratamiento Informtico mediante SPSS. Proyecto Sur de Ediciones.