Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicio 5.5
Johnson y Leone describen un experimento realizado para investigar la torcedura de
placas de cobre. Los dos factores estudiados fueron la temperatura y el contenido de
cobre de las placas. La variable de respuesta fue de una medida de la cantidad de
torcedura. Los datos fueron los siguientes:
Temperatura (C)
50
75
100
125
40
17, 20
12, 9
16, 12
21, 17
100
28, 27
27, 31
30, 23
29, 31
2
16
1
Replicates:
Total runs:
Total blocks:
2
32
1
Number of levels: 4, 4
a) Existe algn indicio de que alguno de los dos factores afecta la cantidad de
torcedura? Hay alguna interaccin entre los factores? Utilizar alfa = 0.05
Analysis of Variance for Torcedura, using Adjusted SS for Tests
Source
Temperatura
% cobre
Temperatura*% cobre
Error
Total
S = 2.60408
DF
3
3
9
16
31
Seq SS
156.094
698.344
113.781
108.500
1076.719
R-Sq = 89.92%
Adj SS
156.094
698.344
113.781
108.500
Adj MS
52.031
232.781
12.642
6.781
F
7.67
34.33
1.86
P
0.002
0.000
0.133
R-Sq(adj) = 80.48%
Profesor:
95
90
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
1
Standardized Residual
La grfica nos demuestra una normalidad al aproximarse los residuales a la lnea recta,
concluyendo que el modelo es vlido.
Residuals Versus the Fitted Values
(response is Torcedura)
Standardized Residual
-1
-2
10
15
20
Fitted Value
25
30
Los residuales son aleatorios por arriba y por debajo de la lnea, concluyndose que existe
independencia en la respuesta.
Profesor:
30.0
% cobre
Mean of Torcedura
27.5
25.0
22.5
20.0
17.5
15.0
50
75
100
125
40
60
80
100
Esta grfica nos muestra que a mayor contenido de cobre es mayor el nivel de torcedura,
siendo este incremento mayor a partir de 80% de cobre.
Si lo que buscamos es una menor torcedura se recomendara el 40% de cobre.
Interaction Plot (data means) for Torcedura
Temperatura
50
75
100
125
30
Mean
25
20
15
10
40
60
80
100
% cobre
Profesor:
Tiempo de coccin
Presin
400
500
196.6
197.7
196.0
196.0
198.5
196.0
197.2
196.9
197.5
195.6
196.6
196.2
3.0
650
199.8
199.4
198.4
197.6
197.4
198.1
Tiempo de coccin
Presin
400
500
198.4
199.6
198.6
200.4
197.5
198.7
198.1
198.0
197.6
197.0
198.4
197.8
4.0
650
200.6
200.9
199.6
199.0
198.5
199.8
3
18
1
Replicates:
Total runs:
Total blocks:
2
36
1
Number of levels: 3, 3, 2
Type
fixed
fixed
fixed
Levels
3
3
2
Values
2, 4, 8
400, 500, 650
3, 4
Profesor:
R-Sq = 87.08%
DF
2
2
1
4
2
2
4
18
35
Seq SS
7.5939
17.6172
22.8803
6.4311
1.4772
3.5172
2.5778
9.2150
71.3097
Adj SS
7.5939
17.6172
22.8803
6.4311
1.4772
3.5172
2.5778
9.2150
Adj MS
3.7969
8.8086
22.8803
1.6078
0.7386
1.7586
0.6444
0.5119
F
7.42
17.21
44.69
3.14
1.44
3.44
1.26
P
0.004
0.000
0.000
0.040
0.262
0.054
0.322
R-Sq(adj) = 74.87%
El anlisis de varianza nos muestra que los factores porcentaje de concentracin, presin y
tiempo son significativos as como la interaccin concentracin-presin.
b) Construir las grficas de los residuales apropiadas y comentar la adecuacin del
modelo
Normal Probability Plot of the Residuals
(response is Resistencia)
99
95
90
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
1
Standardized Residual
Profesor:
Standardized Residual
2
1
0
-1
-2
-3
196
197
198
199
Fitted Value
200
201
Las grficas nos muestras que existe normalidad por lo que es vlido el modelo y hay
independencia de los factores con los resultados
c) Bajo qu conjunto de condiciones debera operarse este proceso? Por qu?
ste modelo para maximizar la resistencia nos sugiere que se aplique el porcentaje de
concentracin 2 y la presin de 650, as como el tiempo de coccin de 4 horas. (basado en las
siguientes grficas)
Main Effects Plot (data means) for Resistencia
% concentracin
Presin
199.0
Mean of Resistencia
198.5
198.0
197.5
2
4
Tiempo
400
500
650
199.0
198.5
198.0
197.5
3
Profesor:
500
650
4
200
198
% concentracin
196
200
198
Presin
% concentracin
2
4
8
Presin
400
500
650
196
T iempo
Ejercicio 5.17
El departamento de control de calidad de una planta de acabados textiles estudia el
efecto de varios factores sobre el teido de una tela de algodn y fibras sintticas
utilizadas para fabricar camisas para caballero. Se seleccionaron tres operadores, tres
duraciones del ciclo y dos temperaturas, y se tieron tres ejemplares pequeos de la
tela bajo cada conjunto de condiciones. La tela terminada se compar con un patrn, y
se le asign una evaluacin numrica. Los datos se presentan enseguida. Analizar los
datos y sacar conclusiones. Comentar la adecuacin del modelo.
Temperatura
Duracin
del ciclo
40
50
60
1
23
24
25
36
35
36
28
24
27
300
Operador
2
27
28
26
34
38
39
35
35
34
3
31
32
29
33
34
35
26
27
25
1
24
23
28
37
39
35
26
29
25
350
Operador
2
39
36
35
34
38
36
36
37
34
Profesor:
3
34
36
39
34
36
31
28
26
24
3
18
1
Replicates:
Total runs:
Total blocks:
3
54
1
Number of levels: 3, 2, 3
Type
fixed
fixed
fixed
Levels
3
2
3
Values
40, 50, 60
300, 350
1, 2, 3
DF
2
1
2
2
4
2
4
36
53
Seq SS
432.704
52.019
267.148
82.259
353.519
12.481
49.074
122.000
1371.204
Adj SS
432.704
52.019
267.148
82.259
353.519
12.481
49.074
122.000
Adj MS
216.352
52.019
133.574
41.130
88.380
6.241
12.269
3.389
F
63.84
15.35
39.42
12.14
26.08
1.84
3.62
P
0.000
0.000
0.000
0.000
0.000
0.173
0.014
El anlisis de la varianza muestra que los factores duracin, temperatura, operador y las
interrelaciones duracin temperatura, duracin operador tienen un efecto significativo.
S = 1.84089
R-Sq = 91.10%
R-Sq(adj) = 86.90%
95
90
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
1
Standardized Residual
Profesor:
La grfica de normalidad de los residuos nos muestra que estn distribuidos cerca de la recta,
lo que nos valida el modelo
Residuals Versus the Fitted Values
(response is Teido)
Standardized Residual
-1
-2
25.0
27.5
30.0
Fitted Value
32.5
35.0
37.5
350
3
35
30
Duracin
Duracin
40
50
60
25
35
Temperatura
300
350
30
T emperatura
25
Operador
El mejor teido se da con las condiciones de duracin del ciclo en 50, con el operador 2 y la
temperatura de 350.
Profesor:
Ejercicio 5.19
Se estudia el rendimiento de un proceso qumico. Los dos factores de inters son la
temperatura y la presin. Se seleccionan tres niveles de cada factor; sin embargo, slo
es posible hacer nueve corridas en un da. El experimentador corre una rplica en cada
da. Los datos se muestran en la tabla siguiente. Analizar los datos, suponiendo que los
das son bloques.
Temperatur
a
Baja
Intermedia
Alta
Da 1
Presin
260
84.0
87.3
90.2
250
86.3
88.5
89.1
270
85.8
89.0
91.3
Da 2
Presin
260
85.2
89.9
93.2
250
86.1
89.4
91.7
270
87.3
90.3
93.7
2
9
1
Replicates:
Total runs:
Total blocks:
2
18
2
Number of levels: 3, 3
Type
fixed
fixed
fixed
Levels
2
3
3
Values
1, 2
1, 2, 3
250, 260, 270
DF
1
2
2
4
8
17
Seq SS
13.005
99.854
5.508
4.452
4.250
127.069
R-Sq = 96.66%
Adj SS
13.005
99.854
5.508
4.452
4.250
Adj MS
13.005
49.927
2.754
1.113
0.531
F
24.48
93.98
5.18
2.10
P
0.001
0.000
0.036
0.173
R-Sq(adj) = 92.89%
El anlisis de varianza nos muestra que la temperatura tiene un efecto significativo, que la
presin tiene un efecto muy bajo y que la interaccin Temperatura presin no es significativa.
Profesor:
95
90
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
1
Standardized Residual
Standardized Residual
-1
-2
84
85
86
87
88
89
Fitted Value
90
91
92
93
Los puntos en forma aleatoria arriba y debajo de la recta nos indican independencia de la
respuesta
Profesor:
92
Presion
Mean of Rendimiento
91
90
89
88
87
86
85
1
250
260
270
Temperatura
1
2
3
92
91
Mean
90
89
88
87
86
85
84
250
260
Presion
270
+
+
+
+
+
+
+
+
+
+
+
+
Combinacin
tratamientos
(1)
A
B
ab
C
ac
bc
abc
de
Rplicas
I
22
32
35
55
44
40
60
39
II
31
43
34
47
45
37
50
41
III
25
29
50
46
38
36
54
47
3
24
1
Base Design:
Replicates:
Center pts (total):
3, 8
3
0
a)
Effect
0.250
11.250
6.750
-1.750
-8.917
-2.917
-2.250
S = 5.44289
Coef
40.792
0.125
5.625
3.375
-0.875
-4.458
-1.458
-1.125
SE Coef
1.111
1.111
1.111
1.111
1.111
1.111
1.111
1.111
R-Sq = 77.25%
T
36.72
0.11
5.06
3.04
-0.79
-4.01
-1.31
-1.01
P
0.000
0.912
0.000
0.008
0.442
0.001
0.208
0.326
R-Sq(adj) = 67.30%
Profesor:
Effect Type
Not Significant
Significant
95
B
90
Percent
80
Factor
A
B
C
70
Name
A
B
C
60
50
40
30
20
10
AC
-5.0
-2.5
0.0
2.5
Standardized Effect
5.0
La grfica anterior nos confirma que los factores significativos son A y B as como la
interaccin AC
Pareto Chart of the Standardized Effects
(response is Vida, Alpha = .05)
2.120
F actor
A
B
C
Name
A
B
C
AC
Term
C
BC
ABC
AB
A
0
2
3
Standardized Effect
En esta grfica se aprecia que los efectos en orden ascendente son el factor B, la interaccin
AC y el factor C
b)
Profesor:
DF
3
3
1
16
16
23
Seq SS
1033.12
546.46
30.37
474.00
474.00
2083.96
Adj SS
1033.12
546.46
30.37
474.00
474.00
Adj MS
344.37
182.15
30.37
29.63
29.63
F
11.62
6.15
1.03
P
0.000
0.006
0.326
Profesor:
d)
95
90
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
1
Standardized Residual
Standardized Residual
2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
25
30
35
40
Fitted Value
45
50
55
Profesor:
45.0
42.5
Mean of Vida
40.0
37.5
35.0
-1
-1
C
45.0
42.5
40.0
37.5
35.0
-1
-1
1
50
A
-1
1
40
30
50
B
-1
1
40
30
Profesor:
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
D
+
+
+
+
+
+
+
+
Combinacin de
tratamientos
(1)
a
b
ab
c
ac
bc
abc
d
ad
bd
abd
cd
acd
bcd
abcd
Rplica
I
II
7.037
6.376
14.707
15.219
11.635
12.089
17.273
17.815
10.403
10.151
4.368
4.098
9.360
9.253
13.440
12.923
8.561
8.951
16.867
17.052
13.876
13.658
19.824
19.639
11.846
12.337
6.125
5.904
11.190
10.935
15.653
15.053
4
32
1
Base Design:
Replicates:
Center pts (total):
4, 16
2
0
a) Estimar los efectos de los factores Qu efectos de los factores parecen ser
grandes?
Effect
3.019
3.976
-3.596
1.958
1.934
-4.008
Coef
11.988
1.509
1.988
-1.798
0.979
0.967
-2.004
SE Coef
0.05036
0.05036
0.05036
0.05036
0.05036
0.05036
0.05036
Profesor:
T
238.04
29.97
39.47
-35.70
19.44
19.20
-39.79
P
0.000
0.000
0.000
0.000
0.000
0.000
0.000
R-Sq = 99.77%
0.076
0.096
0.047
-0.077
3.137
0.038
0.048
0.024
-0.038
1.569
0.05036
0.05036
0.05036
0.05036
0.05036
0.76
0.95
0.47
-0.76
31.15
0.459
0.355
0.645
0.456
0.000
0.098
0.019
0.036
0.014
0.049
0.010
0.018
0.007
0.05036
0.05036
0.05036
0.05036
0.97
0.19
0.35
0.14
0.345
0.852
0.728
0.890
R-Sq(adj) = 99.56%
95
90
Percent
Factor
A
B
C
D
ABC
A
80
D
AB
70
Effect Type
Not Significant
Significant
Name
V aciado (A )
Titanio (B)
T. Termico (C)
Grano (D)
60
50
40
30
20
C
10
5
AC
-50
-40
-30
-20
-10
0
10
Standardized Effect
20
30
40
Profesor:
AC
B
C
ABC
Name
Vaciado (A)
Titanio (B)
T. Termico (C)
Grano (D)
Term
D
AB
ABD
BC
CD
AD
BD
BCD
ACD
ABCD
10
20
30
Standardized Effect
40
DF
4
6
4
1
16
16
31
Seq SS
333.496
158.609
78.841
0.002
1.299
1.299
572.246
Adj SS
333.496
158.609
78.841
0.002
1.299
1.299
Adj MS
83.3740
26.4348
19.7103
0.0016
0.0812
0.0812
F
1027.28
325.71
242.86
0.02
P
0.000
0.000
0.000
0.890
Profesor:
95
90
Percent
80
70
60
50
40
30
20
10
5
-3
-2
-1
0
1
Standardized Residual
Standardized Residual
-1
-2
5.0
7.5
10.0
12.5
Fitted Value
15.0
17.5
20.0
Titanio (B)
14
13
Mean of Fisura
12
11
10
-1
-1
T. Termico (C)
1
Grano (D)
14
13
12
11
10
-1
-1
-1
-1
1
16
Vaciado (A)
12
Vaciado (A)
-1
1
8
16
Titanio (B)
12
Titanio
(B)
-1
1
8
16
T. Termico (C)
12
T.
Termico
(C)
-1
1
Grano (D)
De las anteriores grficas se puede sugerir que para minimizar las fisura es necesario aplicar
el menor valor de A (vaciado), el menor vaciado de B (titanio), y el menor valor de C
(Tratamiento trmico), as como el menor valor de D (refinador de grano) .
Profesor: