Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Cap 2 Dy R
Cap 2 Dy R
Diseo de experimentos
Curso 2011-2012
Estadstica
Ejemplo
V
E
N
E
N
O
S
ANTDOTO
B
C
0.82
0.43
1.10
0.45
0.88
0.63
0.72
0.72
0.92
0.44
0.61
0.35
0.49
0.31
1.24
0.40
0.30
0.23
0.37
0.25
0.38
0.24
0.29
0.22
A
0.31
0.45
0.46
0.43
0.36
0.29
0.40
0.23
0.22
0.21
0.18
0.23
II
III
D
0.45
0.71
0.66
0.62
0.56
1.02
0.71
0.38
0.30
0.36
0.31
0.33
Modelo
Factor 1
Factor 2
1
y111
2
y 211
y I 11
y112
y 212
y I 12
yijk
ij
uijk
Normalidad
y11m
y121
y 21m
y 221
y I 1m
y I 21
Independencia
y122
y 222
y I 22
Homocedasticidad
y12 m
y 22 m
yI 2m
I J tratamientos
y1J 1
y2 J1
y IJ 1
m replicaciones
y1J 2
y2 J 2
y IJ 2
n=m I J
y1Jm
y 2 Jm
Diseo Experimentos
y IJm
4
Factor 1
2
...
...
1
1
Factor 2
11
21
I1
I2
...
2
1
12
22
...
J
1
1J
2J
IJ
Modelo
yijk
i
I
i 1 i
j
J
j 1
ij
0
I
i 1
ij
0,
J
j 1
ij
0,
: Media global
i : Efecto del Factor 1 i, i=1,...,I
j : Efecto del Factor 2 j, j=1,...,J
ij: Interaccin de niveles ij
uijk : Componente aleatoria N(0, 2),
Diseo Experimentos
uijk
i :
I 1
ij
2
J 1
:
y
yi
y
ij
( I 1)( J 1)
2
k 1
y ij
yi
j 1 k 1
y
yi
y j
2
eijk
i 1 k 1
j
yijk
y
mI
IJ (m 1)
yijk
y
mJ
y ij
yijk
yijk
sR2
1
m
i 1 j 1 k 1
Diseo Experimentos
yijk (
Diseo Experimentos
ij
uijk
ij
eijk
ij
) yijk yij
Estimacin
E
N
II
E
N
O
III
A
0.31
0.45
0.46
0.43
0.41
0.36
0.29
0.40
0.23
0.32
0.22
0.21
0.18
0.23
0.21
ANTDOTO
B
C
0.82
0.43
1.10
0.45
0.88
0.63
0.72
0.72
0.88
0.56
0.92
0.44
0.61
0.35
0.49
0.31
1.24
0.40
0.82
0.38
0.30
0.23
0.37
0.25
0.38
0.24
0.29
0.22
0.34
0.24
D
0.45
0.71
0.66
0.62
0.61
0.56
1.02
0.71
0.38
0.67
0.30
0.36
0.31
0.33
0.33
Diseo Experimentos
Estimacin
A
V
Medias
ij
N
E
II
Medias
ij
O
S
III
Medias
ij
Medias
ANTDOTO
B
C
0,31
0,45
0,46
0,43
0,82
1,10
0,88
0,72
0,43
0,45
0,63
0,72
0,45
0,71
0,66
0,62
0,41
-0,038
0,88
0,067
0,56
0,032
0,61
-0,061
0,36
0,29
0,40
0,23
0,92
0,61
0,49
1,24
0,44
0,35
0,31
0,40
0,56
1,02
0,71
0,38
0,32
-0,060
0,82
0,073
0,38
-0,080
0,67
0,068
0,22
0,21
0,18
0,23
0,30
0,37
0,38
0,29
0,23
0,25
0,24
0,22
0,30
0,36
0,31
0,33
0,21
0,098
0,34
-0,139
0,24
0,048
0,33
-0,007
0,314
0,677
0,389
0,534
-0,164
0,198
-0,089
0,056
Diseo Experimentos
Medias
0,615
0,136
0,544
0,066
0,276
-0,202
0,479
10
Residuos
RESIDUOS
A
-0.103
0.038
0.048
0.018
0.00
0.040
-0.030
0.080
-0.090
0.00
0.010
0.000
-0.030
0.020
0.00
E
N
II
E
N
O
ANTDOTO
B
C
-0.060
-0.128
0.220
-0.108
0.000
0.073
-0.160
0.163
0.00
0.00
0.105
0.065
-0.205
-0.025
-0.325
-0.065
0.425
0.025
0.00
0.00
-0.035
-0.005
0.035
0.015
0.045
0.005
-0.045
-0.015
0.00
0.00
III
D
-0.160
0.100
0.050
0.010
0.00
-0.108
0.353
0.043
-0.288
0.00
-0.025
0.035
-0.015
0.005
0.00
2
eijk
2
R
IJ (m 1)
Diseo Experimentos
0,022
11
Anlisis de la varianza
yijk
uijk
ij
yijk
eijk
ij
yijk
( yi
y ) (y
y ) ( y ij
yi
y ) ( yijk
yijk
( yi
y ) (y
y ) ( y ij
yi
y ) eijk
( yijk
y )
i 1 j 1 k 1
( yi
y )
(y
i 1 j 1 k 1
I
i 1 j 1 k 1
I
yi
y )2
mJ
i 1 j 1 k 1
eijk2
( yi
(y
y )2
j 1
J
( y ij
i 1 j 1
Diseo Experimentos
y ) 2 mI
i 1
I
i 1 j 1 k 1
( yijk
y )2
i 1 j 1 k 1
y )2
( y ij
I
y ij )
yi
y )2
2
eijk
i 1 j 1 k 1
12
Variabilidades
I
VT
( yijk
)2
( yi
)2
)2
i 1 j 1 k 1
I
VE ( A)
mJ
i 1
J
VE ( B )
mI
(y
j 1
I
VE ( A B )
( y ij
i 1 j 1
I
J
yi
)2
VNE
( yijk
y ij ) 2
i 1 j 1 k 1
VT
VE ( A) VE ( B) VE ( A B)
(n 1)
VNE
( I 1) ( J 1) ( I 1)( J 1) IJ (m 1)
Diseo Experimentos
13
Contraste de Hiptesis
Si el Veneno no influye, los I niveles son iguales
a efectos de tiempo de supervivencia, entonces
1
H0 :
H1 : Algn
Diseo Experimentos
I
i 1 i
I
i
es distinto de 0
14
H1 : Algn
E[ s R2 ]
Si Ho es cierto, s
s
s
2
A
2
R
mJ
i 1
VE ( A)
I 1
2
A
( yi
y
s
Si FA
es distinto de 0
VNE
IJ (m 1)
s R2
FA
E[ s A2 ]
)2 I 1
FI
2
R
1; IJ ( m 1)
Se rechaza Ho
Diseo Experimentos
15
H1 : Algn
J
j
es distinto de 0
VE ( B)
J 1
Si Ho es cierto, s B2
FB
s B2
s R2
mI
Si FB
Diseo Experimentos
(y
j 1
2
R
E[ s B2 ]
)2 J 1
FJ
1; IJ ( m 1)
Se rechaza Ho
16
11
12
H1 : Algn
ij
es distinto de 0
VE ( A B)
( I 1)( J 1)
2
Si Ho es cierto, s AB
2
s AB
2
sR
FAB
Si FAB
IJ
F( I
2
E[ s AB
]
1)( J 1); IJ ( m 1)
Se rechaza Ho
A y B interaccio nan
Diseo Experimentos
17
Suma de
Grados de
Variabilid ad
Cuadrados
Libertad.
mJ
mI
B
A B
( yij
(y
yi
Diseo Experimentos
( yijk
I 1
s A2
J 1
2
B
2
eijk
Residual
Total
y )
y )2
F
s
y )2
( yi
Varianza
y )2
( I 1)( J 1)
2
s AB
IJ (m 1)
sR2
2
A
sB2
2
s AB
p valor
sR2
pA
sR2
pB
s R2
p AB
n 1
18
Suma de
Grados
F p valor
23.2
.0000
0.801
36
Total
3.005
47
13.8
1.87
.0000
.1123
0.022
Diseo Experimentos
19
i
j
H0 :
H1 :
yi
yj
yi
sR
R.R
R.R.
tIJ(m-1)
1/2
y
i
y
N(
yi
mJ
mJ
yj
2
mJ
Diseo Experimentos
t IJ ( m
/2
R. Acept. H0
yj
-t
/2
/2
yi
yj
/ 2 sR
1)
2
mJ
LSD
Se rechaza Ho
20
H1 :
y
N(
sR
tIJ(m-1)
1/2
R.R
R.R.
2
mI
j
2
mI
mI
/2
R. Acept. H0
-t
/2
/2
t IJ ( m
yi
1)
/ 2 sR
2
mI
LSD
Se rechaza Ho
Diseo Experimentos
21
Intervalos de confianza
(interaccin nula)
Diseo Experimentos
yi
/2
sR
mJ
/2
sR
mI
22
0.72
0.75
0.62
0.65
0.52
tiempo
tiempo
Intervalos de confianza
0.42
0.55
0.45
0.32
0.35
0.22
0.25
veneno
antidoto
Diseo Experimentos
23
Diagnosis: homocedasticidad
0.6
0.3
0.3
-0.3
-0.3
-0.6
-0.6
residuos
0.6
A B C D
antidoto
Diseo Experimentos
veneno
24
Heterocedasticidad
0.6
residuos
0.4
0.2
0
-0.2
-0.4
-0.6
0
0.2
0.4
0.6
0.8
valores previstos
Diseo Experimentos
25
probabilidad
Normalidad
99.9
99
95
80
50
20
5
1
0.1
-0.5
-0.25
0.25
0.5
Residuos
Diseo Experimentos
26
Diagnosis: homocedasticidad
datos transformados z=1/y
1.3
1.3
0.9
0.9
0.5
0.5
0.1
0.1
-0.3
-0.3
-0.7
-0.7
-1.1
-1.1
A B C D
veneno
antidoto
Diseo Experimentos
27
Datos transformados
1.2
residuos
0.8
0.4
0
-0.4
-0.8
-1.2
0
valores previstos
Diseo Experimentos
28
probabilidad
0.4
0.8
1.2
Residuos
Diseo Experimentos
29
Suma de
Grados
8.68
36
Total
65.50
47
Diseo Experimentos
F p valor
72.6
.0000
28.3
1.09
.0000
.3867
0.24
30
Comparaciones mltiples
4
3.6
3.6
1/tiempo
1/tiempo
intervalos de confianza
3.2
2.8
2.4
3.2
2.8
2.4
1.6
1.6
1
veneno
antidoto
Diseo Experimentos
31
Comandos en R
ARCHIVO TEXTO: venenos.txt
Diseo Experimentos
32
Diseo Experimentos
33
0.6
0.4
0.5
medias
0.5
0.4
0.2
0.3
0.3
medias
0.6
0.7
0.7
Intervalos de Confianza
II
VEN
Diseo Experimentos
III
ANT
34
Tabla ANOVA
Diseo Experimentos
35
Comparaciones Mltiples
Diseo Experimentos
36
Comparaciones Mltiples
Diseo Experimentos
37
Interacciones
Diseo Experimentos
38
Diagnosis
Diseo Experimentos
39
Diagnosis (Transformacin)
Diseo Experimentos
40
Ejemplo de introduccin
Fluorita
M
e
z
c
l
a
1
2
3
4
5
6
0%
1%
2%
3%
4%
15.02
11.86
9.94
12.45
13.23
8.42
10.15
8.54
6.98
8.93
18.31
16.84
15.86
14.64
15.96
10.49
10.52
8.04
10.50
10.34
9.78
9.59
6.96
8.15
9.24
9.28
8.84
7.04
6.66
9.46
42
Modelo
Bloques
Tratamientos
1
y11
y21
yI1
y12
y22
yI 2
y1J
y2 J
y IJ
yij
i
Normalidad
Independencia
Homocedasticidad
: Media global
i : Efecto del tratamiento i, i=1,...,I
j : Efecto del bloque j, j=1,2,...,J
uij : Componente aleatoria N(0, 2)
I
i 1 i
J
j 1 j
Diseo Experimentos
43
Tratamientos
...
2
...
1
1
Bloques
uij
...
2
1
...
J
1
Parmetros :
1
i
I 1
J 1
Estimadore s :
2
yij
uij
yij
eij
i 1
j
( I 1)( J 1)
yij
yij
j 1
y
y
eij2
s R2
I
yij
yi
yi
y
i 1j 1
eij
yij
yij
yi
Diseo Experimentos
45
Estimacin
1
y11
y 21
y I1
y12
y 22
yI 2
y1J
y2 J
y IJ
y1
y2
yI
y1
Diseo Experimentos
y2
yI
46
Estimacin (ejemplo)
Fluorita
M
e
z
c
l
a
1
2
3
4
5
6
0%
1%
2%
3%
4%
15.02
11.86
9.94
12.45
13.23
12.50
1.77
8.42
10.15
8.54
6.98
8.93
8.60
-2.13
18.31
16.84
15.86
14.64
15.96
16.32
5.59
10.49
10.52
8.04
10.50
10.34
9.98
-0.76
9.78
9.59
6.96
8.15
9.24
8.74
-1.99
9.28
11.88
1.15
8.84
11.30
0.57
7.04
9.40
-1.34
6.66
9.90
-0.84
9.46
11.19
0.46
8.26
-2.48
10.73
Diseo Experimentos
47
yij
yij
yi
Fluorita
M
e
z
c
l
a
0%
1%
2%
3%
4%
1.37
-1.21
-1.22
0.79
0.27
-1.33
0.98
1.27
-0.79
-0.13
0.84
-0.05
0.88
-0.84
-0.82
-0.64
-0.02
-0.60
1.36
-0.10
-0.11
0.28
-0.45
0.24
0.04
-0.13
0.02
0.12
-0.76
0.74
sR2
Diseo Experimentos
eij2
( I 1)( J 1)
17.51
0.88
20
48
Contraste de Hiptesis
Si la Fluorita no influye, los I tratamientos
son iguales a efectos de coste, entonces
1
H0 :
I
i 1 i
H1 : Algn
I
i
es distinto de 0
Diseo Experimentos
49
Anlisis de la varianza
yij
yij
eij
yij
( yi
y ) (y
y ) ( yij
yi
y )
yij
( yi
y ) (y
y ) ( yij
yi
y )
( yij
y )
i 1 j 1
uij
( yi
y )
i 1 j 1
( yij
y )
i 1 j 1
Diseo Experimentos
y )
eij2
i 1 j 1
y )
i 1 j 1
(y
j 1
( yi
i 1
(y
I
2
y )
eij2
i 1 j 1
50
Variabilidades
I
VT
y )2
( yij
i 1 j 1
I
VE (T )
y )2
( yi
i 1
J
VE ( B)
VT
(y
y )
j 1
I
(n 1) ( I 1) ( J 1) ( I 1)( J 1)
J
2
ij
VNE
e
i 1 j 1
Diseo Experimentos
51
H1 : Algn
sR2
I
i
VNE
( I 1)( J 1)
FT
( yi
Diseo Experimentos
s R2
E[ sT2 ]
y )2 I 1
i 1
sR2
Si FT
VE(Tratamient os)
I 1
I
sT2
es distinto de 0
E[ s R2 ]
Si Ho es cierto, sT2
J
FI
1; ( I 1)( J 1)
Se rechaza Ho
52
yi1
yi 2
yij
yiJ
j,
J
j 1
E[ y i ]
N(
J
2
y1 , y 2 ,..., y I
I
y1
y2
yI
sT2
N( ,
)
I
( y i - y )2
i 1
i 1
I 1
( y i - y )2
I 1
53
Contraste de bloques
H0 :
H1 : Algn
FB
s B2
(y
j 1
s R2
Si FB
Diseo Experimentos
E[ sB2 ]
y )2 J 1
s R2
es distinto de 0
VE(Bloques )
J 1
Si Ho es cierto, sB2
FJ
1; ( I 1)( J 1)
Se rechaza Ho
54
Suma de
Grados de
Variabilidad
Cuadrados
Libertad.
Tratamient o
Bloque
y )2
( yi
(y
eij2
Residual
Total
Diseo Experimentos
y )2
( yij
y )2
I 1
Varianza
sT2
J 1
s B2
( I 1)( J 1)
s R2
F
sT2
s B2
p valor
s R2
pT
sR2
pB
n -1
55
Diseo Experimentos
56
Sin bloques
Diseo Experimentos
57
Intervalos de confianza
(ejemplo)
i
yi
/2
sR
J
Fluorita
Medias
L.inf.
L.Sup.
0%
1%
2%
3%
4%
11.88
11.30
9.40
9.90
11.19
11.09
10.50
8.60
9.10
10.40
12.68
12.10
10.19
10.69
11.99
Diseo Experimentos
58
11
10
9
medias
12
FLUO
Diseo Experimentos
59
14
12
8
10
medias
16
MEZ
Diseo Experimentos
60
H1 :
yi
yj
N(
yi
yj
sR
R.R
R.R.
t(I-1)(J-1)
1/2
j
yi
j,
t( I
2
J
/2
R. Acept. H0
yj
-t
/2
/2
yi
1)( J 1)
yj
/ 2 sR
2
J
Se rechaza H 0
LSD
Diseo Experimentos
61
H1 :
N(
sR
2
I
t(I-1)(J-1)
1/2
j
2
R.R
R.R.
j,
t( I
Diseo Experimentos
R. Acept. H0
-t
1)( J 1)
/2
/2
/2
/ 2 sR
2
I
Se rechaza H 0
LSD
62
Comparacin de medias
Fluorita
LSD
/2 R
2
J
2.085 0.93
2
6
0%
1%
2%
3%
4%
0%
0
LSD = 1.13
1%
2%
3%
0,58 2,49 1,99
0
1,90 1,40
0
-0,50
0
4%
0,69
0,11
-1,80
-1,30
0
1.13
Mezcla
LSD
/2 R
1
2
3
4
2
I
2.085 0.93
2
5
1
0,00
2
3,90
0
LSD=1.24
3
4
-3,82 2,52
6,60 -1,37
0 6,34
0
5
6
5
3,76
-0,14
7,58
1,23
6
4,24
-0,35
8,07
1,72
0,49
0
1.24
Diseo Experimentos
63
4-3
4-2
3-2
4-1
3-1
2-1
4-0
3-0
2-0
1-0
-4
-2
Diseo Experimentos
64
6-5
5-4
5-3
6-2
4-2
6-1
4-1
2-1
-10
-5
10
Diseo Experimentos
65
Diagnosis:
Homocedasticidad
2
1.5
1
0.5
0
-0.5
-1
-1.5
-2
Grfico de residuos
2
1.5
1
0.5
0
-0.5
-1
-1.5
-2
Mezcla
1.6
Fluorita
residuos
1.2
0.8
0.4
0
-0.4
-0.8
-1.2
-1.6
5
10
15
Valores previstos
20
Diagnosis
Diseo Experimentos
67
Factor B
B1
B2
B3
B4
B5
C1
C2
C3
69
de libertad
K
3
grados de libertad
...
K
K
(N K 1 )
grados de libertad
Diseo Experimentos
70
Datos
Factor 1
11
Factor 2
11
...
JJ
11
22
y1111
Factor 3
1
22
......
K
K
11
22
y1121
y11K 1
y 2111
y1112
y1122
y11K 2
y111 M
11
y112 M
22
y1211
2
II
...
K
K
K
K
11
22
y 2121
y11K 1
y I 111
y I 121
y I 1K 1
y 2112
y 2122
y11K 2
y I 112
y I 122
y I 1K 2
y11KM
K
K
y 211 M
11
y 212 M
22
y11KM
K
K
y I 11M
11
y I 12 M
22
y1221
y12 K1
y 2211
y 2221
y 22 K 1
y I 211
y I 221
y I 2K1
y1212
y1222
y12 K 2
y 2212
y 2222
y 22 K 2
y I 212
y I 222
yI 2K 2
y121 M
y122 M
y12 KM
y 221 M
y 222 M
y 22 KM
y I 21M
y I 22 M
y I 2 KM
11
22
K
K
11
22
KK
11
22
y1J 11
y1J 21
y1JK1
y 2 J 11
y 2 J 21
y 2 JK1
y IJ 11
y IJ 21
y IJK1
y1J 12
y1J 22
y1JK 2
y 2 J 12
y 2 J 22
y 2 JK 2
y IJ 12
y IJ 22
y IJK 2
y1J 1M
y1J 2 M
y1JKM
y 2 J 1M
y2 J 2M
y 2 JKM
y IJ 1M
y IJ 2 M
y IJKM
......
......
......
...
......
...
...
...
...
y I 1KM
KK
...
...
K
K
......
Diseo Experimentos
71
Tres factores:
Temperatuta
T-1
300 C
T-2
320 C
Catalizador
C-1
Ag
C-2
Ag+Zn
C-3
Zn
CATALIZADOR
T-1
T-2
T-1
T-2
T-1
T-2
T-1
T-2
C-1
72.2
74.4
64.3
65.0
71.6
61.9
74.4
66.3
66.5
69.2
71.8
64.6
75.0
78.9
64.3
70.7
80.6
73.4
80.0
65.0
82.1
73.0
74.4
78.8
T-1
T-2
T-1
T-2
T-1
T-2
T-1
T-2
C-2
62.5
65.8
71.2
75.9
72.9
77.8
70.8
63.9
76.6
79.2
80.1
75.3
76.3
79.1
89.0
83.3
88.0
84.7
72.3
72.4
75.6
80.3
86.9
86.3
T-1
T-2
T-1
T-2
T-1
T-2
T-1
T-2
C-3
69.0
70.3
68.8
73.8
59.2
80.8
69.0
68.2
78.7
84.5
93.7
80.1
72.8
73.7
80.7
94.1
87.3
89.0
78.4
79.9
80.3
87.5
79.7
79.5
Diseo Experimentos
72
Modelo
yijkm
I
i 1 i
J
j 1
ij
J
j 1
K
k 1
ik
J
j 1
K
k 1 k
I
ijk
i
0,
ij
I
i 1
ij
0,
0,
I
i 1
ik
0,
K
k 1
0,
J
j
0,
ijk
K
k
i, k ;
0,
jk
uijkm
ijk
Normalidad
uijkm
jk
0,
jk
j, k , ;
ik
0,
ijk
i, j.
K tratamientos
M replicaciones
Independencia
Homocedasticidad
n = I
Diseo Experimentos
73
Medias
yijkm
i
I
ij
ik
jk
ijk
uijkm
J K M
yijk
y
i 1 j 1k 1m 1
IJKM
J K M
yijkm
yi
j 1k 1m 1
JKM
i 1 k 1m 1
j
IKM
J M
k 1m 1
KM
yi
j 1m 1
k
JM
i 1 j 1m 1
k
I
yijkm
yijkm
J M
yijkm
yijkm
K M
y ij
K M
IJM
K
yijkm
y
i 1k 1
jk
IM
yijkm
y ijk
m 1
Diseo Experimentos
74
Catalizador
C-1
C-2
C-3
1
68.2
71.0
70.3
69.9
2
68.8
74.3
79.0
74.1
3
73.8
83.4
82.9
80.1
4
75.6
79.0
80.9
78.5
71.6
76.9
78.3
75.6
Temperatura
T-1
T-2
1
68.72
70.99
69.9
2
70.49
77.61
74.1
3
76.64
83.46
80.1
4
76.22
80.71
78.5
73.02
78.19
75.6
C-1
C-2
C-3
T-1
T-2
71.95
72.96
74.15
73.02
71.25
80.89
82.43
78.19
1
C-1
C-2
C-3
71.6
76.9
78.3
75.6
T-1
T-2
T-1
T-2
T-1
T-2
T-1
T-2
70.30
66.50
69.37
66.17
75.53
71.27
69.07
70.43
71.97
68.53
78.20
86.10
72.73
81.47
75.73
74.90
85.33
90.13
75.70
73.43
79.53
75.40
84.50
82.23
Diseo Experimentos
75
y
yi
y
I 1
J 1
K 1
ij
y ij
ik
yi
jk
jk
ijk
2
y
y
s R2
y ijk
yi
yi
y ij
( I 1)( J 1)
( I 1)( K 1)
yi
2
eijkm
IJK ( M 1)
Diseo Experimentos
( J 1)( K 1)
jk
eijkm
yi
yijkm
y ijk
( I 1)( J 1)( K 1)
76
Modelo estimado
yijkm
yijkm
yi
y ij
ij
yi
y
y
yi
yi
jk
y ijk
y ij
yijkm
y ijk
jk
yi
ijk
uijkm
yi
jk
ik
Diseo Experimentos
77
Descomposicin de la
variabilidad
I
J K M
yijkm
i 1 j 1k 1m 1
JKM
yi
IKM
IJM
KM
y ij
i
yi
yi
jk
yi
JM
yi
i k
IM
j k
M
i
y ijk
y ij
yijkm
y ijk
jk
yi
j k
2
j k m
Diseo Experimentos
78
Variabilidades
I
J K M
VT
yijkm
VE ( A)
JKM
i 1 j 1k 1m 1
VE ( B )
IKM
y ij
i
VE (C )
IJM
yi
yi
jk
JM
yi
i
VE ( B C )
KM
VE ( A C )
VE ( A B )
yi
IM
j k
VE ( A B C )
y ijk
i
VNE
yi
jk
yi
j k
yijkm
i
y ij
y ijk
j k m
Diseo Experimentos
79
Grados de libertad
DESCOMPOSI CIN DE LA VARIABILID AD
VT
VE ( A) VE ( B ) VE (C )
VE ( A B ) VE ( A C ) VE ( B C )
VE ( A B C ) VNE
GRADOS DE LIBERTAD
(n 1)
( I 1) ( J 1) ( K 1)
( I 1)( J 1) ( I 1)( K 1) ( J 1)( K 1)
( I 1)( J 1)( K 1) IJK ( M 1)
Diseo Experimentos
80
Tabla ANOVA
FUENTE VARIABILID AD
A
JKM
yi
Gr . de Lib.
2
I 1
Varianzas F
s A2
s2
J 1
s B2
s B2
K 1
sC2
( I 1)( J 1)
2
s AB
( I 1)( K 1)
2
s AC
( J 1)( K 1)
2
s BC
IKM
j
IJM
sC2
A B
KM
y ij
i
A C
yi
yi
jk
yi
i
j k
M
A B C
( y ijk
y ij
...
jk
j k
... y i
Residual
yijkm
i
I
s R2
2
s AB
2
s AC
IM
i
s R2
JM
B C
yi
s R2
j
2
y ijk
yijkm
s R2
s R2
2
s ABC
s R2
s R2
IJK ( M 1)
j k m
J K M
Total
)2
2
( I 1)( J 1)( K 1) s ABC
2
s BC
s R2
IJKM 1
i 1 j 1k 1m 1
Diseo Experimentos
81
H1 : Algn
2
i
es distinto de 0
FA
s A2
s R2
FI
JKM
( yi
)2 I 1
i 1
FI
s R2
1; IJK ( M 1)
Si FA
1; IJK ( M 1)
No se rechaza Ho
RR
Si FA
Se rechaza Ho
F
Diseo Experimentos
82
11
H1 : Algn
ij
es distinto de 0
VE ( A B)
( I 1)( J 1)
2
Si Ho es cierto, s AB
FAB
Si FAB
2
s AB
F( I
s R2
IJ
12
Se rechaza Ho
A y B interaccio nan
Diseo Experimentos
83
111
112
H1 : Algn
ijk
IJK
es distinto de 0
Si Ho es cierto
FABC
2
s ABC
Si FABC
Diseo Experimentos
F( I
s R2
Se rechaza Ho
84
Anlisis de la varianza
Diseo Experimentos
85
Interpretacin
El efecto principal del factor concentracin
influye significativamente (p-valor =0.0000)
en el rendimiento. Ms adelante se
compararn las medias de los cuatro niveles
de este factor. Este factor no interacciona
con ningn otro.
Los efectos principales de catalizador y de
la temperatura son significativos, adems
es muy significativa la interaccin de los dos
factores (p-valor 0.0064). La comparacin
de medias de estos factores debe ser
conjunta.
Diseo Experimentos
86
H1 :
yi
yj
yi
/2
i
j,
JKM
yj
yi
-t
JKM
/2
R. Acept. H0
yj
/2
/2
t IJK ( M
2
JKM
sR
tIJK(M-1)
1-
N(
R.R
R.R.
Si yi
1)
yj
/2 R
2
,
JKM
se rechaza Ho
Diseo Experimentos
87
78
76
74
medias
72
74
76
medias
75
k1
k2
k3
k4
con
Diseo Experimentos
70
72
70
medias
78
80
80
80
Intervalos de Confianza
t1
t2
temp
c1
c2
c3
cat
88
T-1
T-2
71.95
72.96
74.15
73.02
71.25
80.89
82.43
78.19
71.6
76.9
78.3
75.6
Medias
Temp - 1
Temp - 2
Catalizador
Diseo Experimentos
89
Seleccin de temperatura y
catalizador.
90
2.0
3.0
con
4.0
1.4
-5
10
1.0
-10
-5
residuals(mod_qui)
10
1.0
-10
residuals(mod_qui)
5
0
-5
-10
residuals(mod_qui)
10
1.8
temp
1.0
1.5
2.0
2.5
cat
Diseo Experimentos
91
Instrucciones de R utilizadas
ARCHIVO TEXTO: quimico.txt
Diseo Experimentos
92
3.0
Diseo Experimentos
93
JK
yi
Gr . de Lib.
I 1
Varianzas F
s A2
s2
J 1
s B2
K 1
sC2
( I 1)( J 1)
2
s AB
( I 1)( K 1)
2
s AC
( J 1)( K 1)
2
s BC
IK
s B2
IJ
k
A B
y ij
i
A C
B C
yi
yi
jk
yi
y
j k
( yijk
Residual
y ij
2
s AB
2
s AC
J K
Total
yijk
j
2
2
s BC
s R2
s R2
s R2
...
jk
j k
... y i
I
s R2
I
i
s R2
J
i
yi
sC2
s R2
( I 1)( J 1)( K 1) s R2
IJK 1
i 1 j 1k 1
Diseo Experimentos
94
Ejemplo: Obleas
Horno AS
1
1
2
1
2
2
1
3
2
1
4
2
1
122.2
138.4
131.0
147.4
120.5
140.6
100.0
117.0
Temperatura
2
103.2
144.3
133.4
138.0
102.8
126.6
105.8
134.4
3
115.8
159.8
121.8
147.5
120.0
141.9
114.7
131.7
Diseo Experimentos
95
ANOVA: Obleas
Diseo Experimentos
96
Comparacin de medias
97
Cuadrado latino
Permite analizar
tres factores con K
niveles cada uno,
utilizando slo K2
observaciones.
Deben ser nulas
las interacciones
de orden 2 y orden
3.
Diseo Experimentos
98
Conductor
1
2
3
4
5
Vehculo
3
71
64
65
63
66
D
73
77
A
85
D
79
70
82
C
74
Aditivo
A
B
C
D
E
82
82
D
77
78
81
68
5
E
68
64
4
B
88
C
74
B
78
80
88
Diseo Experimentos
99
uij ( k )
y11(3)
y 21(1)
y31( 4)
y 41( 2)
y51(5)
y12 ( 4)
y 22 (3)
y32 ( 2)
y 42 (5)
y52 (1)
y13(5)
y 23( 2)
y33(1)
y 43( 4)
y53(3)
y14 ( 2)
y 24 (5)
y34 (3)
y 44 (1)
y54 ( 4)
y15 (1)
y 25 ( 4)
y35 (5)
y 45 (3)
y55 ( 2)
K
i 1 i
K
j 1
K
k 1 k
Normalidad
uij (k )
Independencia
K2 Observaciones
Homocedasticidad
Diseo Experimentos
100
Estimacin
yij ( k )
K K
( )
yij ( k )
i 1j 1
yi
k 1
(k )
( )
yi
( )
j( )
( )
K 1
(k )
( )
K 1
yij ( k )
yij ( k )
i 1
j( )
eij ( k )
yij ( k )
j 1
( )
uij ( k )
yij ( k )
y
K 1
( )
yi
( )
j( )
2
ij ( k )
s R2
( K 1)( K 2)
(k )
2y
( )
Diseo Experimentos
101
Descomposicin de la
variabilidad
yij ( k )
yij ( k )
( )
( yi
K K
( )
( ))
(y
j( )
j
j( )
uij ( k )
( ))
(y
(k )
( ))
eij ( k )
yij ( k )
( )
yi
( )
i 1j 1
( )
y
j
2
( )
(k )
eij ( k )
( )
Grados de Libertad
( K 2 1)
( K 1) ( K 1) ( K 1) ( K 1)( K 2)
Diseo Experimentos
102
Tabla ANOVA
FUENTE VARIABILID AD
A
yi
( )
j( )
(k )
2
( )
Gr. de Lib.
Varianzas
K 1
s A2
K 1
sB2
K 1
sC2
F
s A2
2
( )
s B2
2
( )
eij2( k )
Residual
i
K
yij ( k )
sR2
sR2
( K 1)( K 2) sR2
j
K
Total
sC2
sR2
2
( )
K2 1
i 1 j 1
Diseo Experimentos
103
Diseo Experimentos
104
75
65
70
medias
80
85
Comparacin: vehculos
VEH
Diseo Experimentos
105
Dise
no de experimentos
1. En una planta piloto se obtiene un nuevo producto mediante un proceso qumico. Con el
fin de mejorar el rendimiento se emplean dos catalizadores distintos y se trabaja con tres
temperaturas diferentes. Los resultados del experimento son
Catalizador
A
B
Temperatura
20
300
400
115 125 130 140 110 120
115 105 135 145 100 110
0
(a) Construir la tabla de Analisis de la Varianza y contrastar la influencia de los dos factores
y la presencia de la interaccion.
(b) Hacer un contraste de diferencia de medias y decidir el tratamiento mas adecuado para
conseguir la mayor resistencia al desgaste.
3. Cierto Organismo P
ublico (O.P.) encargado de certificar la composicion de aleaciones de
metales preciosos, debe seleccionar entre dos Laboratorios al mas capacitado para la realizacion de futuros analisis de gran precision. Para tomar la decision les somete a la siguiente
prueba: Prepara tres aleaciones A, B y C que contienen proporciones distintas de oro.
De cada una de ellas enva cuatro muestras a cada uno de los dos laboratorios. As pues,
cada laboratorio recibe un lote de 12 muestras (codificadas) ordenadas aleatoriamente sin
conocer como han sido obtenidas. Los resultados recibidos por el O.P. son (entre parentesis
las medias de las casillas):
Lab. I
Lab. II
Aleac. A
10.96 11.03
11.08 11.01
(11.02)
10.97 10.96
10.94 10.95
(10.955)
Aleac. B
10.95 11.00
11.04 10.97
(10.99)
10.97 10.96
10.97 10.98
(10.97)
Aleac. C
11.07 11.01
10.97 11.03
(11.02)
11.02 11.00
11.01 11.01
(11.01)
(a) Determinar si existen diferencias entre los resultados de los laboratorios y si estos han
encontrado diferencias entre las aleaciones.
(b) Aceptando que los datos cumplen la hipotesis de normalidad, indicar si podemos aceptar
que verifican el resto de las hipotesis del modelo y en caso negativo que medidas se deben
adoptar para analizar los datos.
(c) Realizar un test de razon de varianzas para contrastar que las varianzas de los dos
laboratorios son iguales, sabiendo que las tres aleaciones tienen composicion distinta.
Interpretar el resultado.
(d) El O.P. conoce exactamente el porcentaje en oro de la aleacion A (11 %), de la B
(11.02 %) y de la C (11.04 %). Con esta informacion comparar los resultados de los
laboratorios.
4. Complete la tabla ADEVA siguiente y diga de que dise
no se trata.
Factor 1
Factor 2
Factor 3
Int. Segundo orden
Int. Tercer orden
TOTAL
Suma de Cuad.
20
5
G.L.
2
Varianzas
1.25
10
0.25
44
29
5. Se ha realizado un dise
no factorial sin replicacion con tres factores A, B, C con 5, 5 y 4
niveles respectivamente. Si la interaccion de tercer orden es nula, obtener la descomposicion
de la variabilidad e indicar los grados de libertad de cada termino.
6. Para estudiar el efecto de tres factores (A,B,C) en el tiempo de fraguado del hormigon se ha
realizado un experimento factorial completo a dos niveles con tres replicaciones (24 datos en
total). Los resultados de la estimacion han sido:
Media
92.5
A
B AB
2.4 3.3 8.5
C
AC BC ABC
15.0 -1.4 2.65 0.72
Teniendo en cuenta que la varianza residual obtenida es s2R = 18.8, indicar que efectos son
significativos para un nivel de significacion = 0.05.
2
2
3
4
5
90.1 90.7 90.5 89.5
Contrastar con = 0.05 que formulas proporcionan ndices de octanos significativamente distintos y cuales no.
(c) Debido a los problemas medio-ambientales gran parte de la produccion futura debe
estar libre de plomo. Para determinar que formula de las anteriores produce mejores
resultados en cuanto al ndice de octanos , se realizo un dise
no experimental similar
al anterior (cinco formulas, 10 observaciones en cada formula) para la obtencion de
gasolina sin plomo. El coeficiente de determinacion en este caso es igual a 0.25 y el
ndice medio para cada formula es,
Formula
1
2
3
4
5
Media
88.0 89.5 88.5 90.2 89.8
Contrastar ( = 0.05) si existe interaccion entre los factores tipo de gasolina (con y sin
plomo) y formula.
8. Para comprobar las propiedades de rigidez de dos materiales A y B a tres temperaturas se
ha realizado un experimento con 4 replicaciones. Las medias se proporcionan en la tabla.
Teniendo en cuenta que la varianza residual ha sido 1.69 y que el analisis de la varianza ha
indicado: (1) que existen diferencias significativas entre los dos materiales, (2) que no existen
diferencias entre las tres temperaturas y (3) que la interaccion de los dos factores es muy
significativa, calcula y dibuja los intervalos de confianza ( = 0.01) para la comparacion de
los dos materiales, de las tres temperaturas y de la interaccion. Interpretar los resultados.
Presion
1
2
3
4
5
Medias
Temperatura
10
20
65,58 96,71
66,32 101,5
74,42 99,81
80,24 104,11
79,61 112,14
73,24 102,85
30
124,20
130,37
134,63
138,42
143,58
134,24
40
156,63
161,38
160,59
166,96
170,68
163,19
Medias
110,71
114,89
117,36
122,43
126,50
118,38
(b) Incorpore el efecto de la temperatura en un modelo adecuado para los datos. Interprete
el resultado.
(c) Calcule un intervalo de confianza al 95% para la varianza del error experimental de los
modelos de los dos apartados anteriores. Interprete las diferencias.
10. Se desea estudiar la fuerza de percusion de una perforadora en funcion de la VELOCIDAD
de giro (baja y alta) y de un coeficiente mecanico que denominaremos RATIO (0.15, 0.30,
0.45 y 0.60). Se ha experimentado en las ocho posibles combinaciones de ambos factores,
replicando cada experimento dos veces. Los resultados se muestran en la tabla siguiente
Vel. Baja
Vel. Alta
Media
0.15
0.30
0.45
0.60 Media
270
245
260
275
266.875
278
249
272
286
283
285
286
294
286.125
286
280
287
288
279.25 264.75 276.25 285.75 276.5
(c) Cada tratamiento tiene dos observaciones, llamando Dij = |Yij1 Yij2 | , al valor absoluto de la diferencia de estas observaciones, demuestra que
Dij2
21
22
2
y que SD
=
P2
i=1
P4
j=1
16
2
Dij
(d) Supon que la varianza de las observaciones a velocidad baja es 21 y de las observaciones
a velocidad alta es 22 . Utilizando el resultado del apartado 3, realiza el siguiente
contraste con nivel de significacion 0.05,
H0 : 21 = 22
H1 : 21 6= 22
11. Cuando un lenguaje de alto nivel es compilado, el tiempo de ejecucion depende del compilador. Un ingeniero de software desea comparar tres compiladores (A, B y C), para ello ha
seleccionado 5 programas muy distintos, cada uno de los cuales ha sido compilado por los
tres compiladores. Los tiempos de CPU se proporcionan a continuacion:
A
B
C
Medias
1
122.9
113.8
131.2
122.7
2
147.4
135.1
152.8
145.1
3
189.6
173.8
192.7
185.3
4
200.9
199.3
219.8
206.7
5
Medias
307.3 193.6
296.6 183.7
318.9 203.1
307.6
15. Un ingeniero ha estudiado el efecto que tienen 5 niveles de iluminacion en una operacion
de ensamblado. El departamento en el que se ha experimentado tiene cuatro estaciones de
trabajo, que representan una fuente potencial de variabilidad. Para cada estacion de trabajo
y nivel de iluminacion se ejecuto la operacion de ensamblado, midiendo la holgura en micras.
Los resultados fueron:
ESTAC.
1
2
3
4
yj
ILUMINACION
1
2 3 4
5
yi
131 116 88 75 104
102.8
92 96 97 70
75
86.0
128 129 99 94 105
111.0
121 107 84 89
86
97.4
118 112 92 82 92.5 y = 99.3
CI
CII
Alto
Medio
Bajo
279 172 176 174 277 130 397 348 434
(215.6)
(193.6)
(393)
253 238 387 252 367 323 417 427 423
(292.6)
(314)
(422.3)
(Nota: Los n
umeros entre parentesis son las medias de las casillas)
(a) Contrastar con = 0.05 que efectos son significativos. Interprete el resultado.
(b) Determinar el intervalo con el 99% de confianza para la varianza del error experimental.
(c) Dar un intervalo para una observacion realizada en condiciones optimas. Si se realizan
10 experimentos en estas condiciones, determinar el intervalo que con probabilidad
igual al 95% contiene a todas ellas. Utilice la aproximacion
tg = z (1
z + 1 1
)
4g
donde g son los grados de libertad de la t y z el valor de la normal estandar, tal que
P (Z z ) =
17. Un laboratorio de Analisis Clnicos ha adquirido un nuevo equipo (B) para medir el colesterol en la sangre de los enfermos. Para evaluar si el nuevo equipo esta ajustado se decide
analizar muestras de 5 enfermos que previamente han sido analizadas con otro equipo (A),
dando como resultado
Enfermo
1
2
3
4
5 Media
Equipo A 215 305 247 221 286 254.8
Equipo B 224 312 251 232 295 262.8
Contrastar con = 0.05 existen diferencias entre los dos equipos.
18. Para estudiar el consumo de aceite de un motor se prueban 4 motores distintos con 3 tipos
de aceites obteniendo 12 medidas de consumo. Se ha obtenido:
Variabilidad explicada por aceite = 100
Variabilidad explicada por motor = 80
Variabilidad Total = 220
Se pide escribir la tabla ADEVA correspondiente, y obtener conclusiones.
19. Para determinar el consumo de energa electrica para usos domesticos se ha medido el consumo medio por persona en las distintas estaciones del a
no en siete comunidades autonomas
para 1989, habiendose obtenido los siguientes resultados:
(b) Razonar estadsticamente cual es la estacion de mayor consumo y la de menor, utilizando el analisis anterior. Calcular los intervalos de confianza para el consumo medio
de cada estacion del a
no.
(c) Sabiendo que la variabilidad explicada por el factor comunidad es 23.62, construir una
nueva tabla de la varianza, con dos factores, y decidir que factor es significativo.
(d) Utilizar los resultados del apartado anterior para realizar un contraste de igualdad de
medias del efecto estacion y comparar los resultados con los del apartado 2, justificando
las diferencias encontradas.
( NOTA: Utilizar = 0.05 en todos los contrastes )
20. Se realiza un experimento para estudiar si la presencia de fluorita reduce el coste de fabricacion de clinker de cemento en tres tipos diferentes de mezcla. Los resultados del mismo
(en miles de pesetas por Tm) se muestran en la siguiente tabla:
FLUORITA
0%
1%
2%
3%
4%
y
5 X
3
X
MI MII MIII
y i
15.4 10.6 17.8 14.6
10.3 5.5 10.9 8.9
7.4 1.2
8.1 5.5
10.7 6.5
9.6 8.9
13.5 11.6 15.5 13.5
11.4 7.1 12.4
i=1 j=1
O1
O2
O3
O4
O5
T1
85.60
89.30
84.70
87.60
87.30
86.90
T2
90.90
91.50
87.50
90.50
93.10
90.70
T3
93.00
93.60
90.90
95.60
94.90
93.60
T4
80.50
83.20
81.00
84.60
82.70
82.40
T5
85.20
87.80
83.20
87.60
86.70
86.10
T6
88.90
91.00
86.30
91.10
88.70
89.20
87.35
89.40
85.60
89.50
88.90
88.15
VT = 465.1
(a) Contrastar si el tipo de oblea y el tratamiento influyen en el espesor del oxido. Elegir el
tipo de oblea y tratamiento mas adecuado, indicando si son significativamente distintos
del resto.
(b) Para fijar los seis tratamientos, se seleccionaron dos temperaturas (t1 , t2 ) y tres presiones
(p1 , p2 , p3 ) y se combinaron de forma que T1 = (t1 , p1 ), T2 = (t1 , p2 ), T3 = (t1 , p3 )
T4 = (t2 , p1 ), T5 = (t2 , p2 ) y T6 = (t2 , p3 ). Calcular las variabilidades explicadas por la
temperatura, la presion y su interaccion (t p).
(c) Indicar si sus efectos son significativos, suponiendo nulas las interacciones de los factores
O t, O p y O t p.
25. Demostrar que en un modelo de bloques aleatorizados,
,
i y j son independientes.
26. Un centro ha realizado un experimento para mejorar la resistencia a la tension de ciertos
muelles de acero. En una etapa del proceso el muelle caliente se sumerge en aceite templado.
Se han estudiado tres factores, A (temperatura del acero antes de la inmersion, con tres
niveles), B (temperatura del ba
no de aceite, dos niveles) y C (concentracion de carbono en
el acero, dos niveles). El experimento se ha replicado tres veces. En la tabla se muestra la
media y la varianza (corregida) para los tres datos de cada tratamiento.
A
1
1
1
1
2
2
2
2
3
3
3
3
B
1
1
2
2
1
1
2
2
1
1
2
2
C
1
2
1
2
1
2
1
2
1
2
1
2
yi
s2i
40.2 0.25
61.1 2.68
35.9 2.43
57.1 4.44
49.0 3.49
70.3 7.77
46.7 5.08
67.6 1.03
41.9 4.27
62.7 11.41
37.1 1.33
60.3 6.13
(a) Dar un intervalo del 95 % de confianza para la varianza del error experimental, 2 .
(b) Indicar si los efectos principales de A, B y C son significativamente distintos de cero.
(c) Dado 2 , construir un intervalo que cumpla que la probabilidad de que s2i (la varianza
muestral corregida de un tratamiento) este contenido en el sea igual a 0.95. Sustituir 2
por su estimador y con ayuda de este intervalo, discutir si se puede rechazar la hipotesis
de homocedasticidad de las observaciones.
27. Estimar por maxima verosimilitud los parametros , i y j del modelo de bloques aleatorizados. Obtener la distribucion de estos estimadores, indicando su media y varianza.
28. Explicar por que en un modelo de dos factores con interaccion es necesario poner las condiciones
I
X
i=1
i = 0,
J
X
j=1
j = 0,
I
X
J
X
j=1
i=1
Se podran haber puesto otras condiciones distintas a las anteriores? Justificar la respuesta.
29. La calidad de un producto qumico despues de un largo periodo de almacenamiento depende
del conservante empleado y de las caractersticas de almacenamiento. Se ha estudiado el
efecto de cuatro conservantes distintos (columnas) y cinco almacenamientos (filas) sobre la
degradacion del producto:
1
2
3
4
5
Medias
1
2
3
15.1 11.0 18.8
8.1 4.3 11.8
15.3 11.5 15.6
8.0 4.4 11.0
13.5 9.3 15.8
12.0 8.1 14.6
10
4
Medias
10.3
13.8
3.8
7.0
9.2
12.9
5.8
7.3
18.2
14.2
9.46
11.04
Almacen.
Conserv.
Residuos
Total
Suma de
Cuadrados
205.488
123.676
61.484
390.648
Grados de
Libertad
4
3
12
19
S. Cuadrados
F
Medios
51.372 10.03
41.225 8.05
5.123
Nivel
Crtico
0.0008
0.0033
(a) Elegir con = 0.05 el conservante y el almacenamiento que producen menor degradacion.
(b) El analisis de los residuos muestra como atpica la observacion y54 = 18.2. Un examen
qumico confirma el resultado anomalo por lo que se recomienda eliminar la observacion.
Seg
un el modelo de dos factores sin interaccion, la prediccion de la observacion yIJ
(eliminada) es:
SI
SJ
S
ybIJ =
+
(J 1) (I 1) (I 1)(J 1)
donde I = 5, J = 4, SI es la suma de las observaciones de la fila I (sin incluir la eliminada), SJ es la suma de las observaciones de la columna J (sin incluir la eliminada), y
S es la suma de las observaciones restantes no incluidas en la fila I ni en la columna
J. Obtener la distribucion (media y varianza) del error de prediccion eIJ = yIJ ybIJ .
(c) Cuando, como en el caso anterior, falta una observacion se recomienda el siguiente procedimiento: sustituir la observacion faltante por su prediccion y aplicar los contrastes
habituales teniendo en cuenta que los residuos tienen un grado de libertad menos. La
nueva descomposicion de la variabilidad es: VT=339.63, VE(Conservantes)=166.02,
VE(Almacenamiento)=164.02 y VNE=9.59. Contestar al apartado 1 con esta modificacion e interpretar las diferencias.
30. Una instalacion tpica de almacenamiento de combustible en una Estacion de Servicio (gasolinera) esta formada por un tanque enterrado de gran capacidad, al que se encuentran
conectados distintos surtidores. La cantidad total de gasolina suministrada en un da se
puede determinar midiendo directamente la variacion que se ha producido en el tanque de
almacenamiento (Y1j ) o por la suma de los suministros de los distintos surtidores (Y2j ). La
comparacion de ambas medidas permite determinar perdidas en la instalacion enterrada y
otras anomalas. En el proceso de comparacion es necesario tener en cuenta que las medidas
estan afectadas por errores aleatorios. Durante 20 das se han tomado los valores anteriores
en un gasolinera:
Da
Y1j
Y2j
1
4116,2
4143,6
2
5627,0
5632,0
3
2820,4
2868,1
4
2521,8
2477,7
5
2973,5
2955,4
6
2834,9
2851,9
7
2335,7
2312,7
8
2590,8
2630,6
9
2182,7
2208,9
10
2621,4
2635,9
Da
Y1j
Y2j
11
4323,6
4305,4
12
1880,7
1877,9
13
2131,4
2159,2
14
3349,6
3366,7
15
2545,0
2566,1
16
2247,3
2281,4
17
1817,5
1854,6
18
1461,3
1461,5
19
1646,5
1607,3
20
1955,4
1956,4
11
(a) Llamando Dj = Y1j Y2j a la diferencia en las medidas de un mismo da, contrastar
con = 0.05
H0 : D = 0
H1 : D 6= 0
donde Dj tiene distribucion N(D , D ). Calcular el nivel crtico del contraste aproximando la distribucion t de Student por la normal.
(b) Los datos anteriores pueden ser analizados mediante un modelo de bloques aleatorizados
tomando el tipo de medida (tanque, surtidores) como un factor y los das como bloques.
Demostrar con caracter general que en el modelo de bloques aleatorizados si el factor
tiene dos niveles la varianza residual cumple:
1
sb2R = sb2D
2
i = 1, 2, ..., I;
j = 1, 2, ..., m
donde
es la media global
1 , P
ametros que determinan los efectos de cada tratamiento, cumplen
2 , ..., I son los par
I
que i=1 i = 0
uij son variables aleatorias independientes con identica distribucion normal de media cero y
varianza 2 .
(a) Obtener el estimador maximo verosmil de i , indicar su distribucion de probabilidad,
media y varianza.
P
(b) Calcular la esperanza de la variabilidad explicada (V E = m Ii=1 b
2i ) cuando los
parametros i no son todos nulos.
32. Un ingeniero esta estudiando metodos para mejorar ciertas propiedades mecanicas de una
aleacion metalica. Los dos factores que considera mas importantes son la cantidad de Manganeso y la temperatura de templado. Se dise
na un experimento empleando tres niveles
para el factor manganeso y dos para la temperatura, en total 32 = 6 tratamientos. Se
dispone de 6 hornos diferentes para realizar la fundicion. Cada horno requiere un operador
y se disponen de seis operadores cada uno de los cuales es capaz de manejar los seis hornos.
Dise
nar un experimento que con 36 observaciones permita estudiar las diferencias entre los
12
seis tratamientos y que tenga en cuenta el tipo de horno y el operador como variables bloques. Construir la tabla de analisis de la varianza, indicando los grados de libertadad de
cada variabilidad, separando en ella el factor manganeso, el factor temperatura y su interaccion. (Los bloques y los factores no interaccionan). (Nota: no es necesario indicar en la
tabla como se obtienen las distintas variabilidades).
33. Una asociacion de consumidores para comprobar la utilidad de ciertos compuestos que seg
un
sus fabricantes reducen el consumo de gasolina de los automoviles realizo el siguiente experimento: eligio al azar 9 vehculos nuevos de distintas marcas con cilindrada similar y con
cada uno de ellos recorrio tres veces un mismo trayecto con conductores distintos. Ademas
en cada uno de estos tres trayectos empleo un tratamiento diferente para la gasolina:
A:
B:
Tratamiento
C:
En la tabla siguiente se muestra el consumo en litros de gasolina en cada uno de los recorridos
y el tipo de tratamiento (letra latina).
N
umero
Vehculo
1
2
3
4
5
6
7
8
9
Media
Columna
Conductores
1
2
3
15,5 (A) 15,6 (B) 16,6 (C)
13,0 (B) 13,3 (A) 13,0 (C)
11,8 (B) 13,1 (C) 12,5 (A)
14,4 (A) 14,8 (C) 15,0 (B)
12,4 (B) 14,3 (A) 14,1 (C)
15,6 (C) 15,3 (A) 14,7 (B)
12,7 (C) 12,0 (B) 12,0 (A)
14,2 (C) 14,0 (B) 15,1 (A)
12,6 (A) 13,5 (C) 12,3 (B)
13,58
13,99
13,92
Media
fila
15,90
13,10
12,47
14,73
13,60
15,20
12,23
14,43
12,80
Media Total
13,83
A:13,89
Media de
B:13,42
Tratam.
C:14,18
Tratamiento
Vehculo
Conductor
Residual
Total
Suma de
Cuadrados
2,67
40,2
0,876
Grados de
Libertad
2
8
2
2,73
46,4
14
26
Varianza
1,31
5,02
0,438
F
p-Valor
6,7 0,0091
25,7 0,0000
2,2 0,1428
0,195
1
2
3
4
yj
PROGRAMA
A
B
C
1,36 2,23 1,54
0,97 0,70 0,76
1,79 1,74 1,84
0,64 0,69 0,74
1,19 1,34 1,22
yi
1,71
0,81
1,79
0,69
1,25
14
36. Un investigador quiere estudiar el efecto de sexo (hombre, mujer) y tipo de formacion (ciencias, letras) en el dominio del ingles escrito en profesores universitarios. Para ello analiza el
n
umero de incorrecciones gramaticales en artculos cientficos enviados a publicacion. Para
cada combinacion de niveles de los factores se han elegido al azar tres profesores. En la tabla
se proporciona el n
umero de fallos detectados en artculos de 15 paginas
Hombre
Mujer
Letras
8, 6, 13
5, 10, 6
Ciencias
22, 28, 33
12, 14, 9
Contrastar con nivel de significacion 0.05 si los efectos principales y la interaccion son significativos. Tener en cuenta que P (F1,8 5.32) = 0.95, siendo F1,8 la distribucion F con grados de
libertad 1 y 8. Interpretar los resultados.
37. Un alumno, como trabajo de la asignatura de estadstica, ha comparado tres marcas distintas
(A,B,C) de palomitas de maz precocinadas. Cada marca puede prepararse friendolas en
una sarten (metodo 1) o en el horno microondas (metodo 2). El alumno ha realizado un
dise
no factorial completo 32 con cinco replicaciones en cada uno de los seis tratamientos.
La variable respuesta medida es el porcentaje de granos de maz que no se han inflado
adecuadamente. Los resultados del experimento se muestran en la tabla, en cada tratamiento
se proporciona la media y entre parentesis la desviacion tpica corregida para las cinco
replicaciones. Contrastar si la interaccion entre los dos factores es significativa.
Sarten
Horno
A
5.5
(1,4)
3.8
(1,3)
B
3.6
(1,8)
3.4
(0,9)
C
7.5
(2,5)
4.3
(1,3)
38. Se ha realizado un experimento con dos factores, A (temperatura con tres niveles), B (concentracion con cuatro niveles). El experimento se ha replicado 5 veces. En la tabla se
15
B
1
2
3
4
1
2
3
4
1
2
3
4
yi
240
261
235
257
249
270
246
267
241
262
237
260
s2i
1.2
1.6
1.4
2.4
1.4
5.7
5.8
1.7
4.2
9.4
1.3
6.1
2
1
3
1
4
1
1
2
2
2
3
2
4
2
y211
y212
y311
y312
y411
y412
y121
y122
y221
y222
y321
y322
y421
y422
Construir la tabla de analisis de la varianza, que incluya los efectos principales debidos a la
distancia focal (F ), la iluminacion (L) y el equipo, y ademas la interaccion F L, suponiendo
que son nulas el resto de interacciones.
40. Cierta industria de lentes para gafas desea comparar dos tipos de recubrimiento antireflectante A, B. Los dos tipos tienen identico aspecto y prestaciones, pero antes de decidirse por
uno u otro desean comprobar si el tipo de recubrimiento influye en el desgaste que sufre la
lente. Para ello construyen gafas con una lente de cada tipo que distribuyen entre 10 personas seleccionadas al azar que habitualmente utilizan gafas. Al cabo de seis meses miden
el desgaste y se obtienen los valores que se indican en la tabla.
16
Persona
1
2
3
4
5
6
7
8
9
10
Lente A
6.7
5.0
3.6
6.2
5.9
4.0
5.2
4.5
4.4
4.1
Lente B
6.9
5.8
4.1
7.0
7.0
4.6
5.5
5.0
4.3
4.8
Que tipo de recubrimiento recomendara a los fabricantes con el criterio de mnimo desgaste?.
41. Demuestre que en un modelo en bloques aleatorizados, con I niveles para el factor y J niveles
para el bloque, con modelo
yij = +i+ j +uij ,el valor esperado de la variabilidad explicada por el factor es: E[V E()] =
P
(I 1) 2 + J Ji=1 2i ,siendo 2 la varianza del error experimental.
42. Se desea comprobar si el orden en el que aparecen las preguntas de un examen test influye
en resultado obtenido por el alumno. Se han preparado dos examenes, el Test A tiene
las preguntas en orden de dificultad creciente y el Test B a la inversa. Se ha elegido una
muestra aleatoria de 20 alumnos y se han emparejado seg
un su habilidad, de forma que los
dos alumnos de cada pareja han demostrado durante el curso una habilidad similar. De
cada pareja, un alumno se ha asignado aleatoriamente al Test A y el otro al Test B. Los
resultados finales del ejercicio han sido (cada pareja es una columna)
Test A:
Test B:
83 82 95 92
76 62 70 74
91 60 89 69 70 72
52 63 48 80 76 74
Es evidente que las puntuaciones del Test B son mas bajas que las del Test A?
43. El analisis de la varianza de un dise
no en bloques aleatorizados proporciona los si-guientes
resultados: V T = 129, V E(factor) = 38, 5 y V E(bloque) = 82, 5. El n
umero de niveles del
factor es 4 y el n
umero de bloques 4. Construir la tabla de analisis de la varianza y hacer
los contrastes correspondientes con nivel de significacion 0,05.
44. Se ha estudiado la influencia de la cantidad de cierto aditivo en la opacidad de un material
plastico que se puede fabricar por tres metodos de extrusion. El objetivo es conseguir el
tratamiento con opacidad mnima. Cada tratamiento se ha replicado 5 veces, los valores
medios y las desviaciones tpicas corregidas para cada caso se proporcionan en la tabla 1.
La tabla 2 corresponde al analisis de la varianza. Se ha comprobado que se verifican las
condiciones de normalidad y homocedasticidad.
17
Metodo
1
1
2
2
3
3
Extrus.
Aditivo
Interac.
Residual
Total
Aditivo
1
2
1
2
1
2
Suma de
cuadrad.
2.210
47.636
37.572
24.728
112.146
Medias
9.5
9.3
10.0
8.1
11.5
6.0
g.l.
2
1
2
24
29
Desv. Tp.
0.83
0.67
1.53
(TABLA 1)
0.77
0.78
1.23
Var.
F
p-valor
1.105 1.072
0.358
47.636 46.2
0.000 (TABLA 2)
18.786 18.2
0.000
1.030
(a) A la vista de los resultados de las dos tablas indica que metodo de extrusion es aconsejable para conseguir la opacidad mnima.
(b) Da un intervalo del 95% de confianza para la opacidad media en las condiciones optimas.
(c) Sea
di = y i1 y i2
la diferencia entre las medias observadas en los dos niveles del factor aditivos para el
metodo de extrusion i. Calcula el valor esperado y la varianza de di en terminos de los
parametros del modelo factorial.
(d) Si E(di) = 0 para los tres metodos, obten la distribucion de probabilidad de
5 d21 + d22 + d23
.
2
2
45. Se ha estudiado el efecto de tres hornos diferentes y dos temperaturas (290 o C y 320 o C)
en la duracion de cierto componente. Para cada combinacion de horno y temperatura se
ha replicado el experimento 3 veces. En la tabla siguiente se proporcionan las medias y
desviaciones tpicas de los datos de cada tratamiento.
Temperatura o C
290 o C
320 o C
Media Desv. T. Media Desv. T.
Horno 1 245.6
8.50
180.0
2.65
Horno 2 191.0
15.39
144.0
2.65
Horno 3 187.0
4.58
134.3
8.62
18
Fuente
Horno
Temp.
HxT
Residual
Total
Suma
Cuadrado
9646.3
13667.6
274.8
837.3
24426
Grados
Libertad
2
1
2
12
17
Varianza
F
p-valor
4823.2
69.1
0.000
13667.6 195.9 0.000
137.4
1.97
0.182
69.8
Seleccionar el horno y la temperatura que proporcionan maxima duracion, haciendo los contrastes de igualdad de medias con nivel de significacion 0.01.
19