2.

Diseo de experimentos
Curso 2011-2012
Estadstica

2.1 Diseos Factoriales

(dos factores)

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

Se analiza el efecto de tres venenos y cuatro antdotos

en el tiempo de supervivencia de unas ratas.
Diseo Experimentos

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

Estimacin del modelo

:

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

Estimacin del modelo

yijk
yijk
eijk

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

Contraste efecto principal de factor A

H0 :

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

Contraste efecto principal de factor B

H0 :

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

Contraste interaccin AxB

H0 :

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

Tabla de anlisis de la varianza

Fuentes

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

Tabla de anlisis de la varianza

Fuentes

Suma de

Grados
F p valor
23.2
.0000

Variabilid ad Cuadrados. Libertad. Varianza

Veneno
1.033
0.516
2
Antdoto
0.921
3
0.307
Ven Ant
0.250
6
0.041
Residual

0.801

36

Total

3.005

47

13.8
1.87

.0000
.1123

0.022

Diseo Experimentos

19

Contrastes mltiples: Factor A

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

Contrastes mltiples: Factor B

H0 :

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

Normalidad (datos transformados)

99.9
99
95
80
50
20
5
1
0.1
-1.2 -0.8 -0.4

0.4

0.8

1.2

Residuos
Diseo Experimentos

29

Tabla de anlisis de la varianza

datos transformados 1/y
Fuentes

Suma de

Grados

Variabilid ad Cuadrados. Libertad. Varianza

Veneno
34.87
17.4
2
Antdoto
20.41
3
6.80
Ven Ant
1.57
6
0.26
Residual

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

Dos factores con interaccin

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

2.2 Bloques Aleatorizados

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

Se desea estudiar el efecto de la Fluorita en la

reduccin del coste energtico en la fabricacin de
cemento. Se emplean 6 mezclas distintas de materias
primas.
Diseo Experimentos

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

Estimacin del modelo

:
i:
j:

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

Residuos: Varianza residual

eij

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

VE (T) VE (B) VNE

e
i 1 j 1

Diseo Experimentos

51

Contraste sobre tratamientos

H0 :

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

Explicacin del contraste

Si Ho es cierto
yi

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

Cuando Ho es cierto, sT2 y sR2 sern parecidas.

Cuando Ho es falso, sT2 ser mayor que sR2 .
Diseo Experimentos

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

Tabla de anlisis de la varianza

Fuentes

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

Tabla de anlisis de la varianza

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

Intervalos de Confianza (% Fluorita)

FLUO
Diseo Experimentos

59

14
12
8

10

medias

16

Intervalos de Confianza (Mezcla)

MEZ

Diseo Experimentos

60

Contraste multiples: tratamientos

H0 :

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

Contraste multiples: bloques

H0 :

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

Comparacin de medias (Tukey)

4-3

4-2

3-2

4-1

3-1

2-1

4-0

3-0

2-0

1-0

95% family-wise confidence level

-4

-2

Differences in mean levels of FLUO

Diseo Experimentos

64

Comparacin de medias (Tukey)

6-5

5-4

5-3

6-2

4-2

6-1

4-1

2-1

95% family-wise confidence level

-10

-5

10

Differences in mean levels of MEZ

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

2.3 Diseos Factoriales

(tres factores)

67

Diseo con tres factores

Factor A
A1 A2 A3 A4 A5 A6

Factor B

B1
B2
B3
B4
B5
C1
C2
C3

Factores A, B y C con NA, NB,

Nc niveles.
N de Tratamientos
T=NAxNBxNc
Efectos principales 3 A, B , C
Interacciones de orden dos 3
AxB, AxC, BxC
Interaccin de orden tres 1.
AxBxC

Tratamiento: Cada combinacin de niveles de los factores

6 x 5 x 3 = 90
Diseo Experimentos

69

K factores con N1, N2, ..., NK

niveles
K efectos principale s con N i 1 grados de libertad cada uno
K
2

interaccio nes de orden 2, con (N i 1 )(N j 1 ) grados

de libertad
K
3

interaccio nes de orden 3, con (N i 1 )(N j 1 )(N k 1 )

grados de libertad
...
K
K

1 interacci n de orden k, con (N 1 1 )(N 2 1 )

(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

Ejemplo: Proceso qumico

Concentracin
1
4%
2
6%
3
8%
4
10%

Tres factores:

Temperatuta
T-1
300 C
T-2
320 C

Catalizador
C-1
Ag
C-2
Ag+Zn
C-3
Zn

Variable respuesta: Rendimiento del proceso qumico.

CONCENTRACIN

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

Medias: Proceso qumico

Concentracin

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

Estimacin del modelo

j

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

Contraste efecto principal de factor A

H0 :

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

Contraste interaccin AxB

H0 :

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

1)( J 1); IJK ( M 1)

Se rechaza Ho
A y B interaccio nan

Diseo Experimentos

83

Contraste interaccin AxBxC

H0 :

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

1)( J 1)( K 1); IJK ( M 1)

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

Contrastes mltiples: Factor A

H0 :

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

Interaccin: Cat. x Temp.

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

71.6
76.9
78.3
75.6

Medias

Interaccin Cat x Temp

84.00
82.00
80.00
78.00
76.00
74.00
72.00
70.00

Temp - 1
Temp - 2

Catalizador

Diseo Experimentos

89

Seleccin de temperatura y
catalizador.

Las mejores combinaciones corresponden a la temperatura 2,

con el catalizador 2 o el 3.
Diseo Experimentos

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

Diagnosis del modelo

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

Anlisis de 3 factores con

menos observaciones
Cuando no existe interaccin de orden tres.
No es necesario replicar para analizar el experimento.
La variabilidad explicada por el trmino A B C se
convierte en Variabilidad Residual con (I-1)(J-1)(K-1)
grados de libertad.
Las expresiones anteriores siguen siendo vlidas,
sustituyendo M=1 (sin replicacin) y con (I-1)(J-1)(K-1)
como grados de libertad de la varianza residual.

Cuando no existe ninguna interaccin

Se puede reducir considerablemente el nmero de
observaciones si el nmero de niveles de los tres
factores es el mismo: CUADRADO LATINO

Diseo Experimentos

93

Tabla ANOVA tres factores

(sin replicacin)
FUENTE VARIABILID AD
A

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

Se ha realizado un experimento para analizar la influencia de la

temperatura y el acabado superficial (AS) en el espesor de
xido conseguido en obleas de silicio. El experimento se repiti
en cuatro hornos diferentes. ( Cada uno de los datos del cuadro
representa la media de los espesores medidos en el centro de
cada una de las 30 obleas que caben en un horno)

Diseo Experimentos

95

ANOVA: Obleas

Diseo Experimentos

96

Comparacin de medias

El AS que produce mayor espesor es el 2

El horno que produce media mayor es el
2, aunque no es significativamente distinto
del 1.
Diseo Experimentos

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

Ejemplo: Aditivos gasolina

Una organizacin de consumidores estudi la eficacia de
cinco aditivos que segn los fabricantes reducan el
consumo de combustible. Se realiza un diseo
experimental con cinco conductores, cinco vehculos y
cinco aditivos, eligiendo las 25 combinaciones que se
muestran en la tabla, junto con una medida del consumo.
1

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

Modelo: Cuadrado Latino

yij (k )

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

Tabla anlisis de la varianza

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) Contrastar si los factores Temperatura y Catalizador tienen efectos significativos. ( =

0.05)
(b) Que tratamiento se debe utilizar para obtener el mayor rendimiento, si se desea garantizar una probabilidad de error tipo I total, T = 0.03?
2. Se pretende estudiar el efecto que produce los factores (1) Porcentaje de algodon (10%, 20%
y 30%) (2) Tipo de confeccion (A y B) en la resistencia al desgaste de ciertos tejidos de fibra
sintetica. Se ha realizado el siguiente dise
no con tres replicaciones

10% 20% 30%

115 120 126
112 135 118
133 139 142
107 110 132
114 102 114
108 117 125

(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

7. Una caracterstica de la calidad de la gasolina es su ndice de octanos. Una refinera de

petroleo tiene cinco formulas que pueden emplearse para la obtencion de gasolina con plomo
o sin plomo.
(a) Para determinar que formula proporciona mayor ndice de octanos, con cada una de
ellas se ha repetido 10 veces en el laboratorio el proceso de fabricacion de gasolina con
plomo. Si el coeficiente de determinacion del analisis de la varianza de los resultados
es igual a 0.20, contrastar con = 0.05 si existen diferencias entre las cinco formulas
para este tipo de gasolina.
(b) Los valores medios (
yi ) para cada formula son:
Formula
1
Media
89.2

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.

9. Para estudiar la influencia de la temperatura y la presion sobre el rendimiento de un proceso

qumico se ha realizado un experimento con 5 valores de presion y 4 valores de temperatura.
Los resultados se muestran en la tabla siguiente.

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

(a) Considere solamente el efecto de la presion y estudie si es significativo ( = 0, 05),

sabiendo que las varianzas muestrales corregidas para los datos correspondientes a cada
presion son b
s21 = 149, 85; b
s22 = 164, 62; b
s23 = 143, 95; b
s24 = 145, 11; b
s25 = 154, 94.

(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

Las variabilidades explicadas por el RATIO, la VELOCIDAD y la interaccion RAT x VEL

son respectivamente 925, 1482.25 y 418,75 y la Variabilidad Total es 3034.
(a) Completa la tabla de analisis de la varianza e indica que efectos son significativos para
= 0.05.
(b) Interpreta el resultado, indicando como influye el RATIO y la VELOCIDAD en la fuerza
de la perforadora. Dibuja el grafico que permite interpretar la interaccion. Proporciona
el intervalo de confianza para la media de la combinacion RATIO 0.30, y VELOCIDAD
baja.

(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

es un estimador centrado de la varianza del modelo factorial.

(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

La variabilidad total es 62899.2, y las variabilidades explicadas por el tipo de compilador y

tipo de programa son 937.2 y 61868.9, respectivamente. Da un intervalo de confianza (95%)
para la diferencia de las medias entre los dos compiladores mas rapidos.
12. Se ha realizado el analisis de la varianza de un dise
no con un u
nico factor a 10 niveles con 6
observaciones para cada nivel. El nivel crtico que muestra la tabla ADEVA es p = 0.5832.
Los niveles crticos de los contrastes individuales de igualdad de medias son mayores de 0.05
para todas las parejas excepto para la comparacion entre los niveles 3 y 7 que ha sido igual a
0.0405. Es posible este resultado? Que se puede concluir del analisis? Que procedimiento
sugiere para realizar los contrastes individuales?
13. 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.
14. Sea un dise
no factorial con 4 factores a 3, 4, 2 y 5 niveles. Calcular el n
umero de parametros
totales correspondientes a efectos principales e interacciones de orden 2, 3 y 4.
5

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

(a) Contrastar ( = 0.05) si la iluminacion o la estacion de trabajo influye en los resultados

del ensamblado.
(b) Comparar los niveles de iluminacion y los niveles de las estaciones de trabajo. Indicar
en cada caso cuales se pueden considerar distintos y cuales no.
(c) Calcular la varianza teorica del valor medio previsto para cada observacion.
(d) Explicar por que no se debe contrastar la hipotesis
H0 : 1 = 2 = ... = m
del modelo basico de analisis
la varianza (un factor), mediante contrastes de la t de
 de 
m
pares de muestras.
Student a cada uno de los
2
16. Se realiza un experimento para estudiar la influencia de 2 factores en el rendimiento de un
proceso, donde el factor que se encuentra a 3 niveles (Alto, medio y bajo) es la temperatura,
el otro factor, catalizador, tiene dos niveles: catalizador I y II. Los datos del experimento
se muestran en la siguiente tabla:

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:

COMUNIDAD INVIERNO PRIMAVERA VERANO OTONO

MEDIAS
1
13.1
11.4
10.6
11.5
11.65
2
13.4
12.1
11.1
12.0
12.15
3
13.8
12.1
11.4
12.9
12.55
4
14.0
12.8
11.7
12.6
12.77
5
14.4
12.6
12.5
13.4
13.22
6
14.8
13.4
13.0
14.0
13.80
7
15.6
14.2
14.1
14.4
14.57
MEDIAS
14.16
12.66
12.06
12.97
12.96
(a) Analizar si el factor estacion del a
no es influyente, sabiendo que s2y = 1.53.(No considerar el factor Comunidad).
7

(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

e2ij = 10.2 y = 10.3

i=1 j=1

(a) Determinar si el tipo de mezcla y el nivel de fluorita a

nadido influyen significativamente
en el coste de fabricacion. Se supone que no existe interaccion entre los dos factores.
(b) Contrastar que porcentaje de fluorita produce el menor coste del clinker.
21. El analisis de la varianza de un dise
no en bloques aleatorizados proporciona los siguientes
resultados: V T = 232, V E(factor) = 156, V E(bloque) = 15 y V NE = 61. El n
umero de
niveles del factor es 5 y el n
umero de bloques 8. Construir la tabla ADEVA. Cual sera
el resultado del analisis si no se tiene en cuenta el efecto de los bloques ? Indicar en que
circunstancias es preferible cada uno de los modelos.
22. Se ha realizado un experimento con tres factores, (A, B y C), con 4, 3, y 5 niveles, sin
replicaciones. El modelo propuesto no incluye las interacciones de orden 3, por lo que la
variabilidad explicada por estas interacciones se pretende utilizar para estimar la varianza
residual. Los resultados proporcionan para la variabilidad explicada por las interacciones de
orden 3 un valor igual a 234.5; que es muy superior a lo esperado. Debido a esto se repitio
por completo el experimento, obteniendose para este segundo experimento un valor de 158.7
8

(para la variabilidad explicada por la interacciones de orden 3). Proponer un procedimiento

para contrastar si se ha producido un cambio significativo en esta variabilidad de uno a otro
experimento, indicando las hipotesis en las que se basa el contraste. (Dejar el resultado del
contraste indicado en funcion de los valores crticos de la tabla correspondiente.)
23. 8.25. (2-96) En un modelo de analisis de la varianza se ha observado que la desviacion tpica
(
si ) y la media (y i ) de las observaciones de cada tratamiento estan relacionadas linealmente,
si = ky i , donde k es una constante. Cual de las siguientes transformaciones es la mas
adecuada para corregir la heterocedasticidad ? z = log y, z = y 2 o z = ky
24. La oxidacion es una etapa de la fabricacion de chips y consiste en a
nadir una capa de
oxido sobre la placa silicio (oblea). Se esta experimentando con 6 tratamientos (Ti ) para
seleccionar el que proporciona un mayor espesor de oxido en un mismo tiempo de proceso.
Una caracterstica que influye en el espesor es el acabado superficial de la oblea, por lo que
se tomaron 5 tipos distintos de acabado (Oj ). De cada tipo (Oj ) se tomaron 6 obleas y se
asignaron aleatoriamente a los tratamientos. En la tabla se proporciona el espesor obtenido
en cada oblea y las medias por filas y columnas.

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

()ij = 0 para todo j,

J
X

()ij = 0 para todo i.

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

La tabla de analisis de la varianza para los datos anteriores es:

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

donde sb2D es la estimacion de 2D del apartado 1.

(c) Teniendo en cuenta lo anterior, demostrar que el contraste correspondiente al factor en

el modelo de bloques aleatorizados es equivalente al contraste del apartado 1.
31. Una forma alternativa de la ecuacion del modelo para comparar I tratamientos es
yij = + i + uij ,

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.

(c) Calcular la correlacion entre b

i y un residuo eij cualquiera (del mismo o diferente
tratamiento). Que implicacion tiene este resultado en el contraste de analisis de la
varianza.

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:

Gasolina con Cyber-Gas

Gasolina con Consumin
Gasolina sin aditivo

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

El analisis de los datos se realiza con el siguiente modelo

yijk = + i + j + k + uijk
donde yijk representa el consumo en litros, la media global; i , i = 1, 2, ..., 9 y j , j =
1, 2, 3 los efectos correspondientes a los vehculos (filas) y los conductores (columnas). La
estimacion e interpretacion de estos parametros es similar al modelo de bloques aleatorizados.
Ademas se incluye los par
Pametros k , k = 1, 2, 3 que miden el efecto de los tratamientos (tipo
ltimo, uijk la componente aleatoria son variables
de aditivo) y cumplen 3k=1 k = 0. Por u
aleatorias independientes con distribucion normal de media cero y varianza 2 para todas
las observaciones.
(a) Obtener razonadamente los estimadores maximo verosmiles de k .
13

(b) La tabla del analisis de la varianza del modelo anterior es

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

Reducen los aditivos el consumo de gasolina? Existen diferencias significativas entre

Cyber-gas (A) y Consumin (B)? (Realizar los contrastes con nivel de significacion 0.05).
(c) Demostrar que el dise
no anterior, independientemente de los valores numericos (yijk )
obtenidos, es un dise
no ortogonal, es decir que cumple:
VT = VE(Vehculos) + VE(Conductores) + VE(Tratamientos) + VNE
(Nota.- Es suficiente con demostrar la ortogonalidad del vector correspondiente a los
tratamientos con respecto a los otros tres).
34. Un informatico quiere comparar los tiempos de ejecucion de tres programas realizados en
lenguajes diferentes que realizan el mismo proceso. Para hacer la comparacion utilizan 4
ordenadores con microprocesadores distintos. Los tiempos requeridos por cada programa en
cada ordenador han sido:
ORDENADOR

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

Existen diferencias significativas en los tiempos requeridos por los 3 programas?

35. Se ha realizado un experimento con dos factores cada uno de ellos con 3 niveles. El 20%
de la variabilidad total esta explicada por la interaccion de los dos factores y el 40% de
la variabilidad total es debida a la variabilidad residual. Determinar el n
umero de replicaciones necesarias en cada tratamiento para que la interaccion sea significativa con = 0.01.
(Explicar el procedimiento de calculo, dejando el resultado indicado en funcion de las tablas).

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

muestra la media y la varianza (corregida) para los 5 datos de cada tratamiento.

A
1
1
1
1
2
2
2
2
3
3
3
3

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

Escribir la tabla de analisis de la varianza.

39. Se desea estudiar la influencia de 2 factores en el error de medida de un equipo de vision
artificial. Un factor F es la distancia focal, para el que se han fijado 4 niveles y el otro factor
L es el nivel de iluminacion con 2 niveles. Ademas se dispone de 2 equipos diferentes para
realizar las medidas. Se ha tomado un patron y se ha medido en las combinaciones indicadas
en la tabla, donde yijk es el error obtenido al situar la distancia focal i, con iluminacion j y
el equipo k.
F
1
L
1
Equipo 1 y111
Equipo 2 y112

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