Sebastin Montoya Jimnez 1.152.189.976 Laura Martnez Londoo 1.017.159.480 Juan David Cano Gmez 1.035.229.

186

Ingry Natalia Gmez Miranda

Mtodos Estadsticos

Trabajo de diseos factoriales

Universidad de Antioquia Medelln / Antioquia 2013

Introduccin
El presente trabajo

Tabla de contenido
Introduccin Contenido Conclusin Bibliografa

Contenido
Para este trabajo los ejercicios a realizar sern: 1. Un administrador de red est interesado en comprobar cules son las condiciones ptimas para que un servidor de pginas WEB tenga el tiempo de respuesta ms eficiente a distintas peticiones. Para ello instala tres clases de servidores distintos (Apache, Cherokee, JAVA System Web Server) en distintas marcas de equipos (IBM, Dell y CISCO) y bajo dos sistemas operativos diferentes (Windows y Linux). Luego y desde distintos puestos de cmputo encarga a diferentes usuarios de la web que visiten diferentes pginas en un orden totalmente aleatorio. Los datos correspondientes al tiempo de respuesta en milisegundos se encuentran en la tabla 1. Analizar los datos y sacar conclusiones. Clase Servidor Apache Apache Apache Apache Apache Apache Cherokee Cherokee Cherokee Cherokee Cherokee Cherokee JAVA System Web Server JAVA System Web Server JAVA System Web Server JAVA System Web Server JAVA System Web Server JAVA System Web Server
Tabla 1

Sistema Operativo Tipo Maquina Observaciones R1 R2 R3 Linux IBM 23 24 25 Linux Dell 27 28 26 Linux Cisco 31 32 29 Windows IBM 24 23 28 Windows Dell 38 36 35 Windows Cisco 34 36 39 Linux IBM 36 35 36 Linux Dell 34 38 39 Linux Cisco 33 34 35 Windows IBM 37 39 35 Windows Dell 34 38 36 Windows Cisco 34 36 31 Linux IBM 28 24 27 Linux Dell 35 35 34 Linux Cisco 26 27 25 Windows IBM 26 29 25 Windows Dell 36 37 34 Windows Cisco 28 26 24

Lo primero que se hace al abrir el statgraphics ser elegir en el men DOE un nuevo diseo como en la figura 1.

Figura 1

Luego de ello seleccionamos un diseo multifactorial categrico como en la figura 2.

Figura 2

A continuacin en la figuras 3, 4, 5 y 6 se procedern a determinar los factores y la variable respuesta.

Figura 3

Figura 4

Figura 5

Figura 6

Tambin se procede a decir cul es el nmero de rplicas para este ejercicio (figura 7), donde en el programa debemos tener en cuenta que es el nmero de rplicas menos uno.

Figura 7

Entonces, una vez especificado el diseo se procede a llenar los datos como en la figura 8.

Figura 8

Una vez los datos estn ingresados al programa, pasaremos a analizar la variable respuesta siguiendo los siguientes pasos como se muestran las figuras 9, 10, 11 y 12.

Figura 9

Figura 10

Figura 11

Figura 12

Al terminar todos estos pasos, llegamos a las diferentes tablas y graficos que permiten analizar los datos de este problema. La primer pantalla que aparece da un breve resumen de los factores, la variable respuesta y numero de datos para este ejercicio.

De all pasamos a la tabla ANOVA que indica que los factores A, B y C por separado tienen efectos significativos sobre la variable respuesta tiempo (ms) ya que los valores P de tales factores son menores a 0,05. De igual modo las interacciones AB, AC y ABC

tambin son significativas, pero para la interaccin BC segn la tabla 2, el valor P es mayor a 0,05 lo cual aparentemente indicara que tal interaccin no tiene efecto en la variable respuesta, pero se debe considerar que la interaccin ABC puede ser ms significativa y as generar un enmascaramiento de tal interaccin, es decir, que los efectos de BC no se reflejan porque de alguna manera las tres interacciones juntas esconden los efectos de est.

Tabla 2

En la tabla 3, se analiza cada factor y cada interaccin dando como resultado: la cantidad de datos, la media, el error estndar y en las ltimas dos columnas de la derecha indica el intervalo de confianza (lmite inferior y superior) en el que se encuentran los datos de la media.

Tabla 3

En las tablas 4.1, 4.2 y 4.3 se realiza la prueba LSD de Fisher para cada factor independientemente. Por ejemplo, en la tabla 4.1 se observa que entre los servidores JAVA y Apache no hay diferencia de medias, pero Cherokee a comparacin con los anteriores servidores si tiene diferencia en su media; por tanto, el mejor servidor puede ser JAVA o Apache porque estos ofrecen los menores tiempos de respuesta y sus medias por esta prueba indican que no difieren.

Tabla 4.1

Ahora en la tabla 4.2, se observa que existe una diferencia en las medias de los sistemas operativos (S.O), donde Linux es el S.O. con menor tiempo de respuesta.

Tabla 4.2

Igualmente, en la tabla 4.3 las medias de los tipos de maquina son todas diferentes y en consecuencia los tiempos de respuesta organizados de menor a mayor corresponden a IBM, Cisco y Dell. Lo que hace a IBM como la maquina con menor tiempo de respuesta.

Tabla 4.3

Entonces, la mejor combinacin de Servidores, S.O. y Tipos de maquina aparentemente seria: JAVA o Apache con sistema operativo Linux y maquina IBM. Ahora pasaremos a analizar las grficas. La primeras tres de ellas son graficas de dispersin para los factores independientes (eje X) contra el tiempo de respuesta (eje y). En la figura 13.1 se observa entonces como es la dispersin de los datos donde Apache y JAVA tienen una distribucin similar con promedio alrededor de 29 o 30 ms y para Cherokee sus datos estn distribuidos entre 31 y 39 ms con una media alrededor de 35 ms, esto corrobora los resultados de la tabla 4.1. Para la figura 13.2, Linux y Windows aparentemente tienen una dispersin de datos muy similar por lo cual a simple vista sera muy difcil decidir quin tiene el promedio de tiempo menor, pero la tabla 4.2 (Prueba LSD Fisher para los S.O) nos dice que debe ser Linux. Finalmente, para la figura 13.3 se observa que el tipo de maquina IBM tiene una dispersin con datos de menor tiempo, por lo cual a simple vista se asume que tendr el mejor tiempo promedio de respuesta.
Scatterplot by Level Code

39

35
Tiempo (ms)

31

27

23 Linux S.O. Windows

Figura 13.1
Scatterplot by Level Code

Figura 13.2

39

35
Tiempo (ms)

31

27

23 Cisco Dell Tipo Maquina IBM

Figura 13.3

Para la figura 14 (o tabla ANOVA), se lleva la informacin de tal tabla a esta grafica donde nos indica los valores P de los factores A, B y C, tambin se sitan

Figura 14

Luego, pasamos a los diagramas de medias y rangos de incertidumbre. La figura 15.1 nos muestra en donde estn situadas las medias de cada servidor como adems indica que se traslapan los rangos de los servidores Apache y JAVA lo cual significa que no hay diferencia significativa entre sus medias. Las figuras 15.2 y 15.3 tambin nos indican donde se encuentran las medias de los sistemas operativos y de los tipos de maquina con la diferencia que en estas dos graficas ningunos de los rangos se traslapan y por tanto hay diferencias significativas para todas sus medias.
Means and 95,0 Percent LSD Intervals

Means and 95,0 Percent LSD Intervals

38 36

34

33
Tiempo (ms)
34 32 30 28 Apache Cherokee Servidor JAVA System

Tiempo (ms)

32

31

30 Linux S.O. Windows

Figura 15.1

Figura 15.2

Means and 95,0 Percent LSD Intervals

36

34

Tiempo (ms)

32

30

28 Cisco Dell Tipo Maquina IBM

Figura 15.3 Las figuras 16.1, 16.2 y 16.3 muestra como es el comportamiento del tiempo (eje y) contra la interaccin de los factores del problema (eje x y lneas dentro de las grficas). La figura 16.1 compara los servidores con los sistemas operativos de modo tal que Linux tiene mejores tiempos de respuesta que Windows con los servidores Apache y JAVA, con el servidor Cherokee no importa el sistema operativo porque da los mismos tiempos de respuesta.
Interaction Plot 37 35 S.O. Linux Windows

Tiempo (ms)

33 31 29 27 Apache Cherokee Servidor JAVA System

Figura 16.1

La figura 16.2 hace una comparativa entre tipos de mquina y servidores, donde se observa que para Apache junto con IBM da los menores tiempos de respuesta, para Cherokee el mejor tipo de maquina seria Cisco y para JAVA igualmente Cisco da un tiempo de respuesta bajo.
Interaction Plot

39 36

Tipo Maquina Cisco Dell IBM

Tiempo (ms)

33 30 27 24 Apache Cherokee Servidor JAVA System

Figura 16.2

Para la figura 16.3 en la que se compara sistema operativo con tipo de mquina, sin duda IBM da el menor tiempo de respuesta tanto con Linux como con Windows.
Interaction Plot

36

34

Tipo Maquina Cisco Dell IBM

Tiempo (ms)

32

30

28 Linux S.O. Windows

Figura 16.3

Para esta ltima grfica (figura 17), se analizan los residuales de tal forma que se busca un patrn pero al no verse a simple vista, se asume que la distribucin de los datos es normal con media cero y varianza constante.
Residual Plot for Tiempo (ms)

residual

-2

-4 23 27 31 predicted 35 39

Figura 17

Con el fin de comprobar tal afirmacin se estudiaran los residuales, para eso se dar clic en 22. , y luego se seguirn los pasos que se muestran en las figuras 18, 19, 20, 21 y

Figura 18

Figura 19

Figura 20

Figura 21

Figura 22

Una vez que se han realizado todos estos pasos, la primera pantalla indicara cual es la media de los residuales y la desviacin estndar de estos.

Luego en la tabla 5 tendremos la prueba de bondad de ajuste que es aquella que indica si la distribucin de los datos se comporta como una distribucin normal. Entonces, al ser el valor P mayor a 0,05 se afirma que la distribucin si es normal.

Tabla 5

Ahora observando las grficas de los residuales, la figura 23 muestra que hay una distribucin de los residuos con respecto a cero muy simtrica y de igual modo, para la figura 24 el histograma muestra que hay esa misma distribucin. Lo que reafirma la prueba de bondad de ajuste.

Histogram for RESIDUALS

Density Trace for RESIDUALS

10
0,24

Distribution Normal

8
0,2

frequency

0,16

6 4 2

density

0,12 0,08 0,04 0 -3 -2 -1 0 RESIDUALS 1 2 3

0 -4 -2 0 RESIDUALS 2 4

Figura 23

Figura 24

Finalmente, se pasara a verificar la homocedasticidad de los factores de este ejercicio por medio de la prueba de Bartlett. Para los Servidores

Se entender que la varianza 1 es para el servidor Apache, la varianza 2 es para el servidor Cherokee y la varianza 3 para el servidor Java. Para Apache 23 27 31 24 38 34 24 28 32 23 36 36 25 26 29 28 35 39 Para Cherokee 36 34 33 37 34 34 35 38 34 39 38 36 36 39 35 35 36 31 Para Java 28 35 26 26 36 28 24 35 27 29 37 26 27 34 25 25 34 24

Seguimos con:

[(

Luego ; Entonces, como se rechaza la hiptesis nula lo que nos indica que las varianzas de los servidores son diferentes.

 Para los Sistemas Operativos

Se entender que la varianza 1 es para el sistema operativo Linux, y la varianza 2 para el sistema operativo Windows. Para Linux 23 27 31 36 34 33 28 35 26 24 28 32 35 38 34 24 35 27 25 26 29 36 39 35 27 34 25 Para Windows 24 38 34 37 34 34 26 36 28 23 36 36 39 38 36 29 37 26 28 35 39 35 36 31 25 34 24

Seguimos con:

[(

Luego ; Entonces, como se rechaza la hiptesis nula lo que nos indica que las varianzas de los sistemas operativos son diferentes.

 Para los tipo de maquina

Se entender que la varianza 1 es para el tipo de maquina IBM, la varianza 2 es para el tipo de maquina Dell y la varianza 3 para el tipo de maquina Cisco. Para IBM 23 24 36 37 28 26 24 23 35 39 24 29 25 28 36 35 27 25 Para Dell 27 38 34 34 35 36 28 36 38 38 35 37 26 35 39 36 34 34 Para Cisco 31 34 33 34 26 28 32 36 34 36 27 26 29 39 35 31 25 24

Seguimos con:

[(

Luego ; Entonces, como se rechaza la hiptesis nula lo que nos indica que las varianzas de los tipos de maquina son diferentes.

2. En un estudio del rendimiento en el desarrollo de un proceso, se analizan cuatro factores, cada uno con dos niveles: tiempo (A), concentracin (B), presin (C), y temperatura (D). Se corre slo una rplica para el diseo , y los datos resultantes son los que aparecen en la tabla 6:

Nmero de corrida
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Tabla 6

Orden real de la corrida

5 9 8 13 3 7 14 1 6 11 2 15 4 16 10 12

A B C D
+ + + + + + + + + + + + + + + + + + + + + + + + + + + + + + + +

Rendimiento (lbs)
12 18 13 16 17 15 20 15 10 25 13 24 19 21 17 23

Niveles de los factores Bajo (-)

A (h) 2.5 B (%) 14 C (psi) 60 D (C) 225

Alto (+)
3 18 80 250

Nota: Solo interesa saber cules son las mejores combinaciones de uno o dos factores en el rendimiento del proceso.

En primer lugar y una vez abierto el statgraphics se procede elegir el asistente de diseo de experimentos como en la figura 25.

Figura 25

De all se define la variable respuesta (figura 26), los diferentes factores del diseo (figura 27), el tipo de diseo que en este caso ser Multinivel categrico (figura 28), los niveles de los factores donde cada uno tiene dos niveles y se especifica el nmero de rplicas, que debido al programa se debe ingresar el nmero de rplicas menos uno (figura 29). Despus es necesario confirmar todas las especificaciones del diseo (figura 30) y llenar los datos en la propia hoja de estas (Figura 31).

Figura 26

Figura 27

Figura 28

Figura 29

Figura 30

Figura 31

Una vez ingresados los datos al programa pasaremos a analizar la variable respuesta rendimiento siguiendo la ruta especificada por la figura 32 y eligiendo esa variable como en la figura 33.

Figura 32

Figura 33

Como en el enunciado de este segundo ejercicio solo pide analizar los efectos de uno o dos factores al mismo tiempo, limitamos el nmero de interacciones a dos como se muestra en la figura 34 y se marca la opcin de Ignorar nmeros de bloques. Finalmente se escogen todas las tablas y graficas (Figura 35).

Figura 34

Figura 35

Una vez terminados todos estos pasos, llegamos a las diferentes tablas y graficos que permitiran analizar los datos de este problema. Pero ahora, en la tabla 7 para este diseo entrega los efectos estimados y las interacciones, tambin indica cual es el error estandar de cada uno.

Tabla 7

A continuacin (tabla 8), se puede observar la tabla ANOVA en la cual los valores P de los factores e interacciones A, D, AC y AD al ser menores a 0,05 indican que tienen un efecto significativo sobre la variable respuesta rendimiento. Basndonos tambin en la tabla 7, la interaccin AC es negativa por lo cual evitar tal interaccin sera lo mejor a la hora de implementar este diseo en la realidad. Para los dems factores e interacciones no se tendrn en cuenta as sean negativos como la interaccin AB ya que sus efectos en el rendimiento no perjudicaran significativamente a la variable respuesta. El valor R cuadrado nos indica que 95% de la variabilidad del rendimiento es explicada por los factores: tiempo, concentracin, presin y temperatura.

Tabla 8

Para la tabla de coeficientes de regresin (tabla 9), se observa cules son los coeficientes con los que se puede crear una ecuacin que describa de mejor manera el comportamiento de la variable respuesta dados unos valores estimados para los factores tiempo, concentracin, presin, temperatura y para sus diferentes combinaciones.

Tabla 9

La tabla o matriz de correlacin para los efectos estimados (tabla 10), indica que todos los factores e interacciones son independientes ya que en su diagonal principal solo hay 1s y en las dems posiciones solo hay ceros.

Tabla 10

Para esta ltima tabla (tabla 11) se muestran cules son las mejores combinaciones para maximizar el rendimiento, se pueden encontrar en la columna optimum y donde el valor optimo es 24,625; Entonces esto se logra con la combinacin de tiempo en alto, concentracin en bajo, presin en bajo y temperatura en alto.

Tabla 11

Ahora vamos a seguir con la interpretacin de las grficas. La primera de ellas (Figura 36) es una grfica de barras de efectos estandarizados donde las barras de color gris indican que el factor o la interaccin tienen un efecto positivo sobre el rendimiento y las barras de color azul un efecto negativo sobre el mismo. Otro aspecto a tener en cuenta es que si las barras sobrepasan la lnea vertical roja entonces tales factores van a tener un efecto significativo o mejor dicho, ms relevante en la variable de respuesta.
Standardized Pareto Chart for Rendimiento

A:Tiempo AC AD D:Temperatura C:Presion AB B:Concentracion BC CD BD 0 1 2 3 Standardized effect 4 5 6

+ -

Figura 36

La figura 37 es una grfica que contrasta el rendimiento cuando hay cambio en los niveles (de bajo a alto) de los factores principales, por ejemplo, todos los factores aumentan el rendimiento cuando pasan a su nivel alto pero se observa que los factores tiempo y temperatura tiene una pendiente o cambio ms significativo en la variable respuesta.
Main Effects Plot for Rendimiento

20

19
Rendimiento

18 17 16

15 Tiempo Concentracion Presion Temperatura

Figura 37

En cambio la figura 38 estudia el contraste entre el rendimiento y las interacciones de los factores, asumiendo que la primera letra o factor es el que corresponde al eje X (que ira de bajo a alto) y las lneas seran los niveles de la segunda letra o factor, entonces: Para AB, el menor rendimiento cuando rendimiento cuando A es alto y B es bajo. Para AC, el menor rendimiento cuando rendimiento cuando A es alto y C es bajo. Para AD, el menor rendimiento cuando rendimiento cuando A es alto y D es alto. Para BC, el menor rendimiento cuando rendimiento cuando B es alto y C es alto. Para BD, el menor rendimiento cuando rendimiento cuando B es alto y D es alto. Para CD, el menor rendimiento cuando rendimiento cuando C es alto y D es alto. A es bajo y B es bajo, y un mejor A es bajo y C es bajo, y un mejor A es bajo y D es alto, y un mejor B es bajo y C es bajo, y un mejor B es bajo y D es bajo, y un mejor C es bajo y D es bajo, y un mejor

Interaction Plot for Rendimiento

24 + 22 -

Rendimiento

20 18 16 14 12 + -

+ + + + + +

+ + + -

AB

AC

AD

BC

BD

CD

Figura 38

En la grfica de probabilidad normal (figura 39), los efectos que caen sobre la recta son insignificantes mientras que aquellos que se encuentran ms alejados de la recta tienen efectos ms significativos.
Normal Probability Plot for Rendimiento 99,9 99 95
A:Tiempo AD

percentage

80
B:Concentracion

D:Temperatura C:Presion

50 20 5 1 0,1 -6 -4
AC AB

CD BD

BC

-2 0 2 Standardized effects

Figura 39

Ahora se interpretara las grficas de rea de superficie y de contorno, en la figura 40

Contours of Estimated Response Surface Concentracion=0,0,Temperatura=0,0 1 Rendimiento 10,0 11,5 13,0 19,0 14,5 16,0 17,5 19,0 20,5 22,0 23,5 25,0 17,5 0,2 Tiempo 0,6 20,5

0,6

Presion

0,2

-0,2

-0,6 13,0 -1 -0,6 14,5 -0,2 16,0

-1

Figura 40

Estimated Response Surface Presion=0,0,Temperatura=0,0

Contours of Estimated Response Surface Presion=0,0,Temperatura=0,0 1 19,0 Rendimiento 10,0 11,5 13,0 14,5 16,0 17,5 19,0 20,5 22,0 23,5 25,0

0,6
25
Rendimiento

22 19 16 13 10 -1 -0,6 -0,2 Tiempo 0,2 0,6 1 -0,2 -0,6 -1 Concentracion 0,2 0,6 1

Concentracion

0,2

-0,2

-0,6 16,0 -1 -0,6 -0,2 Tiempo

17,5

-1

0,2

0,6

Figura 41

Estimated Response Surface Tiempo=0,0,Temperatura=0,0

Contours of Estimated Response Surface Tiempo=0,0,Temperatura=0,0 1 Rendimiento 10,0 11,5 13,0 14,5 16,0 17,5 19,0 20,5 22,0 23,5 25,0

25
Rendimiento

0,6

22 19 16 13 10 -1 -0,6 -0,2 0,2 0,6 1 -1 -0,2 -0,6 0,2 0,6 1

Presion

0,2 17,5 -0,2

-0,6

Presion

-1 -1 -0,6 -0,2 0,2 Concentracion 0,6 1

Concentracion

Figura 42

Estimated Response Surface Tiempo=0,0,Concentracion=0,0

1

Contours of Estimated Response Surface Tiempo=0,0,Concentracion=0,0 Rendimiento 10,0 11,5 13,0 14,5 19,0 16,0 17,5 19,0 20,5 22,0 23,5 25,0 17,5

0,6

25
Rendimiento

22 19 16 13 10 -1 -0,6 -0,2 Presion 0,2 0,6 1 0,2 -0,2 -0,6 -1 Temperatura 0,6 1

Temperatura

0,2

-0,2

-0,6 16,0 -1 -0,6 -0,2 Presion 0,2 0,6 1

-1

Figura 43

Para esta ltima grfica (figura 44), se analizan los residuales de tal forma que se busca un patrn pero al no verse a simple vista, se asume que la distribucin de los datos es normal con media cero y varianza constante.
Residual Plot for Rendimiento

residual

-1

-2 10 13 16 predicted 19 22 25

Figura 44

Con el fin de comprobar tal afirmacin se estudiaran los residuales, para eso se dar clic en 49. , y luego se seguirn los pasos que se muestran en las figuras 45, 46, 47, 48 y

Figura 45

Figura 46

Figura 47

Figura 48

Figura 49

Una vez que se han realizado todos estos pasos, la primera pantalla indicara cual es la media de los residuales y la desviacin estndar de estos.

Luego en la tabla 12 tendremos la prueba de bondad de ajuste que es aquella que indica si la distribucin de los datos se comporta como una distribucin normal. Entonces, al ser el valor P mayor a 0,05 se afirma que la distribucin si es normal.

Tabla 12

Ahora observando las grficas de los residuales, la figura 50 muestra que hay una distribucin de los residuos de manera asimtrica donde se tiene una cola pesada a la derecha y la media se centrara aproximadamente en cero, luego para la figura 51 el histograma muestra que hay esa misma distribucin. Lo que reafirma la prueba de bondad de ajuste.

Density Trace for RESIDUALS

Histogram for RESIDUALS

0,5
4 Distribution Normal

0,4
3
density
frequency

0,3

0,2

0,1

0 -1,7 -0,7 0,3 RESIDUALS 1,3 2,3

0 -1,8 -0,8 0,2 RESIDUALS 1,2 2,2

Figura 50

Figura 51

Finalmente, se pasara a verificar la homocedasticidad de los factores de este ejercicio por medio de la prueba de Bartlett. Para el tiempo

Tenga en cuenta: Para 2,5 horas 12 17 10 19 13 20 13 17

= Varianza para 2,5 horas y

= Varianza para 3 horas.

Para 3 horas 18 15 25 21 16 15 24 23

Seguimos con:

[(

Luego ; Entonces, como se rechaza la hiptesis nula lo que nos indica que las varianzas de los tiempos son diferentes.

 Para la concentracin

Tenga en cuenta: Para 14% 12 17 10 19 18 15 25 21

= Varianza para 14% y

= Varianza para 18%. Para 18% 13 20 13 17 16 15 24 23

Seguimos con:

[(

Luego ; Entonces, como se rechaza la hiptesis nula lo que nos indica que las varianzas de las concentraciones son diferentes.

 Para la presin

Tenga en cuenta: Para 60psi 12 13 10 13 18 16 25 24

= Varianza para 60 psi y

= Varianza para 80psi. Para 80 psi 17 20 19 17 15 15 21 23

Seguimos con:

[(

Luego ; Entonces, como se rechaza la hiptesis nula lo que nos indica que las varianzas de las presiones son diferentes.

 Para la temperatura

Tenga en cuenta: Para 225 C 12 13 17 20 18 16 15 15

= Varianza para 225 C y

= Varianza para 250 C. Para 250 C 10 13 19 17 25 24 21 23

Seguimos con:

[(

Luego ; Entonces, como se rechaza la hiptesis nula lo que nos indica que las varianzas de las temperaturas son diferentes.

Conclusin

Bibliografa
1. Montgomery, Douglas C. Mxico: Limusa Wiley, 2003. Diseo y anlisis de experimentos. - 2. Ed. 2. Gujarati, Damodar N; Porter, Dawn C. Mxico: McGraw-Hill Interamericana, 2010. Econometra. - 5. Ed.