DISEO DE EXPERIMENTOS

Ing. Felipe Llaugel

Anlisis de Varianza
Ing. Felipe Llaugel
ANALISIS DE VARIANZA
Este mtodo se emplea para analizar experimentos mas
complicados que el ejemplo anterior. La mayora de los
experimentos de la vida real, requieren del estudio de
mas de dos tratamientos, y en esos casos hay que usar de
herramientas mas poderosas de anlisis.

Para mostrar la utilizacin del anlisis de varianza,
analicemos el siguiente ejemplo.
Ing. Felipe Llaugel
Se desea determinar que efecto tiene en la resistencia a
la tensin, el porcentaje de algodn contenido en una
fibra textil. Para esto se desea tomar 5 muestras de
fibras con los siguientes contenidos de algodn: 15%,
20%, 25%, 30% y 35% respectivamente.

Antes de tomar las muestras, para garantizar la
minimizacion del error de medicin, se decidi aleatorizar
el orden en el que se probaran las muestras, segn como
se indica en la siguiente tabla:
ANALISIS DE VARIANZA
Ing. Felipe Llaugel
ORDEN DE MUESTREO PARA PRUEBA DE TENSION
DE FIBRAS TEXTILES
Numero
de
Orden
Porcentaje
de
algodn
Numero
de
Orden
Porcentaje
de
algodn
Numero
de
Orden
Porcentaje
de
algodn
1 20 9 25 17 35
2 30 10 30 18 25
3 20 11 20 19 15
4 35 12 15 20 25
5 30 13 25 21 35
6 15 14 20 22 30
7 25 15 15 23 35
8 20 16 35 24 30
25 15
Ing. Felipe Llaugel
RESISTENCIA A LA TENSION DE FIBRA TEXTIL
(Lb/Pulg.
2
)
Observaciones
% de
Algodn 1 2 3 4 5 Total Promedio
15 7 7 15 11 9 49 9.8
20 12 17 12 18 18 77 15.4
25 14 18 18 19 19 88 17.6
30 19 25 22 19 23 108 21.6
35 7 10 11 15 11 54 10.8
376 15.04
Ing. Felipe Llaugel
TABLA DE ANALISIS DE VARIANZA
Donde:
a = Numero de Tratamientos
N = Numero de Observaciones
Fuente
de
Variacin
Suma
de
Cuadrados
Grados
de
Libertad
Cuadrado
Promedio F
0
Entre
tratamientos
SS
tratamiento
a - 1 MS
tratamiento
MS
tratamiento
/MS
e
Dentro del
Tratamiento
SS
e
N - a MS
e
Total SS
t
N - 1
Ing. Felipe Llaugel
ANALISIS ESTADISTICO
El modelo a utilizar es el siguiente:
y
ij
= + t
i
+ c
ij

Donde:

y
ij
= Es la observacin j del tratamiento i.

= Es el promedio general.
t
i
= Es el efecto del tratamiento i.
c
ij
= El error aleatorio del experimento.

Llamemos:

i ij
j
n
y y
.
=
=

1
entonces
i
i
y
y
n .
.
=
i = 1,2,..., a
Ing. Felipe Llaugel
ANALISIS ESTADISTICO
..
..
y
y
N
=
..
..
y
y
N
=
entonces
N = an
t
ij
j
n
i
a
SS
y y
=
= =

( )
..
2
1 1
tratamiento
i
a
SS
y y
i
n N
=
=

. ..
2
1
2
tratamiento
trtamiento
MS
SS
a
=
1
SS SS SS o tratamient t e
=
e
e
MS
SS
N a
=

0 F
MS
MS
tratamiento
e
=
Luego:
Ing. Felipe Llaugel
ANALISIS ESTADISTICO
Decimos que hay diferencia entre los
tratamientos si:


Para nuestro ejemplo:
0 1
F F
a N a
>
o , ,
SS
t
= (7)
2
+ (7)
2
+....+(15)
2
+ (11)
2
- ((376)
2
/25) = 636.96

SS
tratamiento
= ((49)
2
+ ... + (54)
2
)/5 - (376)
2
/25 = 475.76

SS
e
= SS
t
- SS
tratamiento
= 636.96 - 475.76 = 161.20

MS
tratamiento
= 475.76 / 4 = 118.94

MS
e
= 161.20 / 20 = 8.06

F
0
= 118.94 / 8.06 = 14.76
Ing. Felipe Llaugel
ANALISIS ESTADISTICO
Buscando en la tabla del estadstico F, para o = 0.05, y 4
y 20 grados de libertad tenemos que F
o,a-1,N-a
= F
0.05,4,20
=
2.87, lo que indica que hay diferencia entre los
tratamientos y por lo tanto la fibra textil con el 30% de
algodn es mas resistente que las dems.
Ing. Felipe Llaugel
ESTIMACION DE PARAMETROS DEL MODELO
Recordando el modelo en que se basa el anlisis de
varianza:
y
ij
= + t
i
+ c
ij


se pueden estimar los parmetros de este modelo de
la siguiente manera:

o sea, el gran promedio es el mejor estimador
de

este es el mejor estimador del efecto t del
tratamiento i

..
=
y
i
i
y y
. ..
t
=
Ing. Felipe Llaugel
Usando estas ecuaciones tenemos que el estimador de
la gran media es: 376/25 = 15.04 y los estimadores
para cada uno de los tratamientos son:

= 9.80 - 15.04 = -5.24

= 15.4 - 15.04 = + 0.36

= 17.6 - 15.04 = - 2.56

= 21.6 - 15.04 = + 6.56

= 10.8 - 15.04 = - 4.24
1

t
2

t
3

t
4

t
5

t
ESTIMACION DE PARAMETROS DEL MODELO
Ejercicio 3.1 con MINITAB (1 de 9)
Ejercicio 3.1 con MINITAB (2 de 9)
Ejercicio 3.1 con MINITAB (3 de 9)
Ejercicio 3.1 con MINITAB (4 de 9)
Ejercicio 3.1 con MINITAB (5 de 9)
Ejercicio 3.1 con MINITAB (6 de 9)
Ejercicio 3.1 con MINITAB (7 de 9)
Ejercicio 3.1 con MINITAB (8 de 9)
Ejercicio 3.1 con MINITAB (9 de 9)
Ing. Felipe Llaugel
Los seores Kruskal y Wallis en 1952, idearon un mtodo
que permite verificar la hiptesis nula de que las medias
de los resultados de los tratamientos son iguales, contra
la hiptesis alternativa, indicando que son diferentes.
METODOS NO PARAMETRICOS
LA PRUEBA DE KRUSKAL-WALLIS
En situaciones cuando la condicin de normalidad en la
distribucin de los residuos no esta presente, la prueba F
del anlisis de varianza no brinda resultados
satisfactorios. En estos casos se recurre a mtodos
alternativos para verificar si existe o no diferencia
entre los tratamientos usado estadsticas no
parametricas.
Ing. Felipe Llaugel
METODOS NO PARAMETRICOS
PASOS PARA APLICAR EL MTODO DE KRUSKAL-WALLIS
Ordenar las observaciones y
ij
en orden ascendente.
Asgnele a cada observacin un numero de orden R
ij

comenzando con el 1 en la observacin mas pequea.
En caso de empate, asgnele un nmero de orden
promedio a cada una de las observaciones
empatadas.
Hagamos R
i.
la suma de los nmeros de orden en el
tratamiento I, entonces el estadstico H es:
Ing. Felipe Llaugel
METODOS NO PARAMETRICOS
PASOS PARA APLICAR EL MTODO DE KRUSKAL-WALLIS
donde n
i
es el numero de observaciones en el tratamiento
i , N es el nmero total de observaciones, y S
2
es :
H
S
R
n
N N
i
i
i
a
=

(
(
+

=
1
4
2
2
2
1
1
.
( )
2 2
1 1
2
1
1 4
1
S R
N N
N
n
ij
j i
a
i
=

(
(
= =

+ ( )
Ing. Felipe Llaugel
METODOS NO PARAMETRICOS
PASOS PARA APLICAR EL MTODO DE KRUSKAL-WALLIS
Ntese que S
2
es la varianza de los nmeros de orden. Si
no hay empates, S
2
=N(N+1)/12, y el estadstico H se
simplifica a:
H
N N
N
i
i
i
a
R
n
=
+
+
=

12
1
3 1
2
1
( )
( )
.
Si n
i
es mayor o igual a 5, entonces H se distribuye
aproximadamente como una distribucin . La
hiptesis nula ser aceptada si
o
_
,a1
2
H
a
(
o
_
, 1
2
Ing. Felipe Llaugel
EJEMPLO
Asignacin de nmeros de orden a resultados de prueba de tensin
para fibras textiles
PORCENTAJE DE ALGODN
15 20 25 30 35
y
1j
R
1j
y
2j
R
2j
y
3j
R
3j
y
4j
R
4j
y
5j
R
5j
7 2.0 12 9.5 14 11.0 19 20.5 7 2.0
7 2.0 17 14.0 18 16.5 25 25.0 10 5.0
15 12.5 12 9.5 18 16.5 22 23.0 11 7.0
11 7.0 18 16.5 19 20.5 19 20.5 15 12.5
9 4.0 18 16.5 19 20.5 23 24.0 11 7.0
R
i.
27.5 66.0 85.0 113.0 33.5
METODOS NO PARAMETRICOS
PASOS PARA APLICAR EL MTODO DE KRUSKAL-WALLIS
Ing. Felipe Llaugel
Aplicando las ecuaciones anteriores tenemos:

y

Dado que que es menor que H, concluimos que
la prueba dice que hay diferencia entre los tratamientos.
2
2
1
24
5497 79
25
4
5303
26
S
=

(
(
= . .
( )
H =

(
(
=
1
5303
52450
25
4
19 25
2
26
.
. .
( )
0 01 4
2
1328
. ,
.
_
=
METODOS NO PARAMETRICOS
PASOS PARA APLICAR EL MTODO DE KRUSKAL-WALLIS
Ejercicio 3.10.1 con MINITAB (1 de 3)
Ejercicio 3.10.1 con MINITAB (2 de 3)
Ejercicio 3.10.1 con MINITAB (3 de 3)