Está en la página 1de 21

INSTITUTO TECNOLOGICO SUPERIOR DE CALKINI

Nombre de la asignatura: Estadstica.


Carrera: Ingeniera Bioqumica.
Clave: BQF - 1007
Hrs. teora - Hrs. prctica - Crditos: 3 - 2 - 5
EN EL ESTADO DE CAMPECHE







TEMARIO
U N I D A D 5










RAMIRO JOSE GONZALEZ HORTA
A r q u i t e c t o




TEMARIO
U N I D A D 5
Diseos de experimentos

5.1. Experimentos con un factor.
5.2. Experimentos con dos factores.
5.3. Experimentos con tres factores.
5.4. Comparacin de las medias de los tratamientos.
5.5. Diseo de bloques totalmente aleatorizado.
5.6. Diseos factoriales:
5.6.1. Definicin de diseos factoriales 2K.
5.6.2. Diseos Factoriales Fraccionales.
5.7. Mtodos de Optimizacin.








U N I D A D 5

5.1. Experimentos con un factor.

Se llaman Experimentos Factoriales a aquellos experimentos en los que se
estudia simultneamente dos o ms factores, y donde los tratamientos se forman
por la combinacin de los diferentes niveles de cada uno de los factores.
Los experimentos factoriales en si no constituyen un diseo experimental si no que
ellos deben ser llevados en cualquiera de los diseos tal como D.C.A. ; D.B.C.A.;
D.C.L.
Los experimentos factoriales se emplean en todos los campos de la investigacin,
son muy utiles en investigaciones exploratorias en las que poco se sabe acerca de
muchos factores.

VENTAJAS:
1.- Permite estudiar los efectos principales, efectos de interaccin de factores,
efectos simples y efectos cruzados.
2.- Todas las unidades experimentales intervienen en la determinacin de los
efectos principales y de los efectos de interaccin de los factores, por lo que el
nmero de repeticiones es elevado para estos casos.
3.- El nmero de grados de libertad para el error experimental es alto,
comparndolo con los grados de libertad de los experimentos simples de los
mismos factores, lo que contribuye a disminuir la variancia del error experimental,
aumentando por este motivo la precisin del experimento.

DESVENTAJA:
1.- Se requiere un mayor nmero de unidades experimentales que los
experimentos simples y por lo tanto se tendr un mayor costo y trabajo en la
ejecucin del experimento.
2.- Como en los experimentos factoriales c/u de los niveles de un factor se
combinan con los niveles de los otros factores; a fin de que exista un balance en el
anlisis estadstco se tendr que algunas de las combinaciones no tiene inters
prctico pero deben incluirse para mantener el balance.
3.- El anlisis estadistco es ms complicado que en los experimentos simples y la
interpretacin de los resultados se hace ms dificil a medida de que aumenta el
nmero de factores y niveles por factor en el experimento.


CONCEPTOS GENERALES:
FACTOR.- Es un conjunto de tratamientos de una misma clase o caracterstica.
Ejemplo: tipos de riego, dosis de fertilizacin, variedades de cultivo, manejo de
crianzas, etc.
FACTORIAL.- Es una combinacin de factores para formar tratamientos.
NIVELES DE UN FACTOR.- Son los diferentes tratamientos que pertenecen a un
determinado factor. Se acostumbra simbolizar algn elemento "i" por la letra
minuscula que representa al factor y el valor del respectivo subindice.
Ejemplo:
A: Tipos de riego: Secano Goteo Aspersin
Niveles: a
0
a
1
a
2


TIPOS DE FACTORES:
1.- Factores Cuantitativos.
2.- Factores Cualitativos.

1.- FACTORES CUANTITATIVOS.- Son aquellos factores cuyos niveles son
cantidades numricas.
Ejemplo:
Factor A : Dosis de fertilizacin
Niveles : 10 Kg/Ha (a
o
), 20Kg/Ha (a
1
), 30Kg/Ha (a
2
).
2.- FACTORES CUALITATIVOS.- Son aquellos factores cuyos niveles son
procedimientos o cualidades.
Ejemplo:

Factor A: Variedades de cultivo
Niveles : Variedad 1, Variedad 2.

Ejemplo de formacin de factoriales:
Sea los factores A y B con sus respectivos niveles:
Factor A: a
0
a
1
a
2

Factor B: b
0
b
1

La combinacin de los niveles de los factores ser:
a
0
a
1
a
2

b
0
b
1
b
0
b
1
b
0
b
1

a
0
b
0
a
0
b
1
a
1
b
0
a
1
b
1
a
2
b
0
a
2
b
1
} tratamientos

Al combinar ambos factores (A y B) se tiene:
3 x 2 = 6 tratamientos para ser evaluados
niveles de A x niveles de B
Si cada tratamiento se aplica a 4 unidades experimentales, se requiere 24
unidades experimentales, para realizar el experimento:
Repeticiones a
0
b
0
a
0
b
1
a
1
b
0
a
1
b
1
a
1
b
0
a
2
b
1

1
2
3
4

FORMACION DE FACTORIALES:
En la informacin de factoriales, se debe tener presente lo siguiente:
1.- Que factores deben incluirse.
2.- Que factores son fijos (modelo I) y que factores son al azar (modelo II).
3.- Cuantos niveles se tiene por factor.
4.- Si son factores cuantitativos , cual debe ser el espaciamiento entre los niveles
del factor.
Por ejemplo:
0%, 5% y 10% de nitrogeno, significa i|gual espaciamiento.

TIPOS DE EXPERIMENTOS FACTORIALES:
Los experimentos factoriales para un determinado diseo se diferencian entre si,
por el nmero de factores y por la cantidad de niveles de estos factores que
intervienen en el experimento.
Para simbolizar se usa la letra del factor:

pA x qB dos factores "A y "B", con "p" niveles para "A" y "q" niveles para "B"

Nmero de factores.

2A 2B = 2A x 2B 2 x 2 2
2
Nmero de niveles de c/factor (4 tratamientos).

Nmero de factores.

3A 3B = 3A x 3B 3 x 3 3
2
Nmero de niveles ( 9 tratamientos ).

Nmero de factores.

4A 4B = 4A x 4B 4 x 4 4
2
Nmero de niveles ( l6 tratamientos ).

EFECTOS DE LOS EXPERIMENTOS FACTORIALES:

1.- EFECTO PRINCIPAL.- Es una medida del cambio en el promedio entre los
niveles de un factor, promediado sobre los diferentes niveles del otro factor.
Ejemplo: Dosis de Nitrogeno en las U.E.
2.- EFECTO INTERACCION.- Es una medida de cambio que expresa el efecto
adicional resultante de la influencia combinada de dos o ms factores.
Ejemplo: Efecto conjunto de nitrogeno y fosforo.
3.- EFECTO SIMPLE.- Es una medida de cambio en los promedios de los niveles
de un factor, manteniendo constante, uno de los niveles del otro factor.
Ejemplo: Efecto de nitrogeno ante la presencia de 5% de fosforo.































COMPARACIONES MLTIPLES

Con las pruebas F empleadas se demostraba si las diferencias entre varias medias
eran significativas, pero no informaban si una media en particular (o medias) difieren en
forma significativa de otra media considerada (o grupo de medias). En el caso de los pesos
de los recubrimientos puede ser importante que los laboratorios difieran unos de los otros.
Si un experimentador tiene ante s k medias, parece razonable probar entre todos los
pares posibles, esto es efectuar k.(k-1)/2 pruebas t bimuestrales. Esto no es eficiente. Para
ello se utilizan Pruebas de Comparaciones Mltiples, y entre ellas la Prueba del Rango
Mltiple de Duncan.
Las suposiciones bsicas son, en esencia, las del anlisis de la varianza en una
dimensi para tamaos muestrales iguales.
La prueba compara el Rango de Mnima Significancia, R
p
, dado por:


R
p
s
x
r
p


aqu es una estimacin de:
o
x

o
n


y puede calcularse como:

s
x

MSE
n


donde MSE es la media de los cuadrados de error en el Anlisis de Varianza. El valor de r
p

depende del valor deseado de significancia y del nmero de grados de Libertad
correspondiente a la MSE, que se obtienen de tablas existentes en la bibliografa (Miller y
Freund, Estadstica para Ingenieros, tablas 12a, para o=0.05 y 12b, para o=0.01, con
p=2,3,,10 y para varios grados de libertad entre 1 y 120).

Ejemplo: Con respecto a los datos de los pesos de los recubrimientos de estao, aplicar la
prueba del Rango Mltiple de Duncan para probar cules medias de los laboratorios
difieren de las otras empleando un nivel de significancia de 0.05.

Para ello se ordenan, en orden creciente, las cuatro medias muestrales:

Laboratorio B C D A
Media 0.227 0.230 0.250 0.268

luego, se calcula usando MSE = 0.0015 del Anlisis de Varianza:

s
x

0.0015
12
0.011


siendo el nmero de grados de libertad v = k.(n-1) = 44. Por interpolacin, en la Tabla 12-a,
se obtienen los valores de r
p
:

p 2 3 4
r
p
2.85 3.00 3.09

multiplicando r
p
por = 0.011:

P 2 3 4
R
p
0.031 0.033 0.034

El rango de las cuatro medias es 0.268 0.227 = 0.041, que excede a R
4
= 0.034,
que es el rango significativo mnimo.
Esto era de esperar, porque la prueba F indic que las diferencias entre las cuatro
medias eran significativas con a = 0.05.
Para probar que hay diferencias significativas entre tres medias adyacentes, se
obtienen los rangos de 0.038 y 0.023 respectivamente para 0.230, 0.250, 0.268 y 0.227,
0.230, 0.250. Puesto que el primero de estos valores sobrepasa a R
3
= 0.033, las diferencias
correspondientes no son significativas.
Por ltimo en el caso de parejas adyacentes de medias, ningn par adyacente tiene
rango mayor que el rango significativo mnimo R
2
= 0.031. Esto se resume:



donde se ha dibujado una lnea bajo cualquier conjunto de medias adyacentes para las
cuales el rango es menor que un valor correspondiente de R
p
, esto es, bajo cualquier
conjunto de medias adyacentes, para las cuales las diferencias no son significativas.
Se concluye as que el Laboratorio A obtiene los pesos medios de recubrimiento
ms alto que los Laboratorios B y C.

Verificacin Supuestos del Modelo


Para estimar los parmetros , o
1
, o
2
, o
3
y o
4
se puede emplear mnimos cuadrados
minimizando:

1
k
i 1
n
j
y
ij
o
i
( )
2

=

con respecto a y a las o
i
, sujetas a la restriccin



Esto se puede hacer por el mtodo de los Multiplicadores de Lagrange. Derivando la
penltima expresin respecto de e igualando a cero:

1
k
i 1
n
j
2 y
ij
o
i
( )

=
0

1
k
i 1
n
j
y
ij

= 1
k
i 1
n
j

1
k
i 1
n
j
o
i

=
0

1
k
i 1
n
j
y
ij

=
k n 0 0


para un i dado:
1
n
j
2 y
ij
o
i
( )

=
0
1
n
j
o
i

= 1
n
j
y
ij

= 1
n
j




Ejemplo: Estimar los parmetros del modelo con un criterio de clasificacin para los
revestimientos de estao del ejemplo anterior.

11.69
48
0.244

o
1
3.21
12
11.69
48
0.024

o
2
2.72
12
11.69
48
0.017

o
3
2.76
12
11.69
48
0.0135

o
4
3.00
12
11.69
48
0.006


Ejemplo completo:





















Ejemplo adicional: