Está en la página 1de 42

Prctica

Diseo de Experimentos y Regresin Lineal Simple

Obtencin de Datos: Realizar el experimento de lanzamiento de un helicptero desde una altura bien determinada
Definir con la mayor claridad el experimento
Diagrama y dimensiones del helicptero
Instrucciones y/o secuencia de fabricacin
Instrucciones y/o secuencia para la realizacin del experimento
Identificar las variables respuesta (dar o no en un blanco, tiempo de caida, distancia que se aleja, etc, etc
Identificar el mximo de factores controlables y no controlables que influyen en cada variable respuesta
factores controlables: material, dimensiones, modo de lanzamiento, altura, etc
Cada factor controlable se puede valorar en niveles: por ejemplo pesado, ligero, por ejemplo 5 cm, 10 cm, 13 cm,
factores no controlables: viento, turbulencias, humedad, obstaculos, errores sistemticos,.
Un diagrama de Ishikawa o diagrama de causa efecto o diagrama de esqueleto de pescado ayuda a visualizar y or
Cada uno de ustedes modifico un factor controlable, realiz en lanzamiento 5 veces y cada vez midi las variables respuesta
Se realizaron modificaciones del factor antes y despus de un valor promedio (por ejemplo si el valor promedio de la longitud d
Algunas Hiptesis que podemos contrastar son
Existe al menos un nivel de factor que influya significativamente sobre la respuesta
Si es el caso cual o cuales niveles influyen ms sobre la respuesta
Para que niveles no se observan diferencias significativas sobre la respuesta
Es posible decir que a medida que el nivel del factor aumenta , aumenta o disminuyen la respuesta ?
Es posible decir que los niveles altos influyen ms que los niveles bajos sobre la respuesta ?
El estudio estadstico descriptivo es congruente con los resultados de intervalos de confianza ?
Se cumplen las hiptesis de Normalidad e Igualdad de varianzas ?
layyoutmuestras
x
x
x
x

layoutdox
x

x
x
x

Herramientas Estadsticas
Adems del arsenal de Estadstica descriptiva (graficas, tablas, estadsticas)
Los intervalos de confianza nos permiten establecer estimaciones de intervalo para una respuesta. Por ejemplo e
Las pruebas de hiptesis nos permiten contrastar una aseveracin con otra. Por ejemplo el promedio de tiempo d
El Anlisis de Varianza permite decidir si hay o no diferencias entre ms de dos muestras
El Anlisis de Regresin permite evaluar la asociacin entre dos variables y obtener eventualmente un modelo lin
En la hoja regresin esta una salida completa de computadora: obtener una salida completa para sus datos apoya
El Anlisis de varianza de regresin permite evaluar si el modelo es o no significativo

x
x
x

Las comparaciones mltiples despus del ANOVA permiten distinguir cuales niveles tienen mayor, menor o mism
Las pruebas de Normalidad nos permiten evaluar si los rsiduos provienen o no de una distribucin Normal (qqpl
Las pruebas de igualdad de varianzas nos permiten evaluar si las varianzas son o no iguales entre dos o mas mues

Una cruz indica cul es el arreglo de los datos ms adecuado para aplicar la herramienta
Documentos de Apoyo

http://ce.azc.uam.mx/profesores/hjv/texts/ProgramaR/EstadisticaenR/Risk-Cartas-sobre-Estadistica.pdf
http://ce.azc.uam.mx/profesores/hjv/texts/ProgramaR/EstadisticaenR/Beasley-BioestatisticaUsandoR.pdf
http://www.cs.wisc.edu/~yandell/st571/R/append.html
fotocopias entregadas en clase
Usar las bibliotecas de normalidad en R
para instalar la biblioteca nortest solo hay que ir al menu instalar paquetes a partir de archivo test y elegir nortest
Entregar en Excel y en R con el mximo de formulas editadas y con el mapa

se aleja, etc, etc


iable respuesta

mplo 5 cm, 10 cm, 13 cm, etc

do ayuda a visualizar y organizar los factores y su efecto sobre una respuesta dada (no siempre resulta el mismo diagrama Ishikawa para distintas variables respuesta)
s variables respuesta
promedio de la longitud del ala es 10 cm, se eligieron los niveles 6 cm, 8 cm, 10cm, 12 cm, 14 cm.), en el caso del material se eligieron dos materales ligeros y dos pesados respect

respuesta ?

respuesta. Por ejemplo el promedio poblacional se encuentra entre tal y tal valor a un nivel de confianza de 1- alfa
el promedio de tiempo de caida es 5 sec, contra el promedio de tiempo de caida es distinto a 5 sec.

tualmente un modelo lineal, no lineal


eta para sus datos apoyandose en los documentos y en el libro de Regresin Lineal

en mayor, menor o misma influencia sobre la respuesta (diferencia mnima significativa, diferencia de Tukey, diferencia ponderada, etc)
istribucin Normal (qqplot, Shapiro, Anderson Darling, Cramer, Kolmogorov, Ch2,)
es entre dos o mas muestras (radio de dos varianzas, prueba de Bartlett, etc)

e-Estadistica.pdf
sticaUsandoR.pdf

chivo test y elegir nortest

s variables respuesta)

ales ligeros y dos pesados respecto al papel bond.

MUESTRA 1
PAPEL CEBOLLA

MUESTRA 2
PAPEL ESTRAZA

REPETICIN TIEMPO (s) DISTANCIA (cm)


1
3.2
486
2
3.9
466
3
2.8
50
4
3.0
182
5
4.9
262

REPETICIN TIEMPO (s)


1
5.4
2
3.6
3
5.2
4
5.5
5
4.2

MUESTRA 3
PAPEL BOND
DISTANCIA (cm)
501
400
574
95
374

REPETICIN TIEMPO (s) DISTANCIA (cm)


1
5.5
610
2
6.5
758
3
5.4
254
4
5.7
76
5
5.4
407

MUESTRA 4
PAPEL CARTONCILLO

MUESTRA 5
PAPEL FOMI

REPETICIN TIEMPO (s) DISTANCIA (cm)


1
2.7
137
2
3.1
165
3
2.7
172
4
2.6
291
5
2.8
55

REPETICIN
1
2
3
4
5

TIEMPO (s) DISTANCIA (cm)


4.2
320
4.5
235
3.6
509
3.9
87
3.6
177

t1

d1
3.2
3.9
2.8
3.0
4.9

t2
486
466
50
182
262

d2
5.4
3.6
5.2
5.5
4.2

tlig

t3
501
500
574
95
374

d3
5.5
6.5
5.4
5.7
5.4

t4
610
758
254
76
407

tpes
3.2
3.9
2.8
3.0
4.9
5.4
3.6
5.2
5.5
4.2

2.7
3.1
2.7
2.6
2.8
4.2
4.5
3.6
3.9
3.6

t.test(x, y = NULL,
alternative = c("two.sided", "less", "greater"),
mu = 0, paired = FALSE, var.equal = FALSE,
conf.level = 0.95, ...)
t.test(x$t1,alternative = c("two.sided"), mu = 2, conf.level = 0.95)
t.test(x$t1, alternative = c("greater"), mu = 2, conf.level = 0.95)
var.interval = function(data, conf.level = 0.95) {
df = length(data) - 1
chilower = qchisq((1 - conf.level)/2, df)
chiupper = qchisq((1 - conf.level)/2, df, lower.tail = FALSE)
v = var(data)
c(df * v/chiupper, df * v/chilower)
}
var.interval(x$t1)

var.test(y$tlig, y$tpes, ratio = 1, alternative = c("two.sided"), conf.level = 0.95)


t.test(y$tlig, y$tpes,alternative = c("less"), mu = 0,var.equal = TRUE, conf.level = 0.95)

2.7
3.1
2.7
2.6
2.8

d4

t5
137
165
172
291
55

d5
4.2
4.5
3.6
3.9
3.6

320
235
509
87
177

papel

distancia
1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
4
4
4
4
4
5
5
5
5
5

tiempo
486
466
50
182
262
501
400
574
95
374
610
758
254
76
407
137
165
172
291
55
320
235
509
87
177

3.2
3.9
2.8
3.0
4.9
5.4
3.6
5.2
5.5
4.2
5.5
6.5
5.4
5.7
5.4
2.7
3.1
2.7
2.6
2.8
4.2
4.5
3.6
3.9
3.6
4.156

3.56

4.78

5.7

2.78

3.96

dif total
-0.956
-0.256
-1.356
-1.156
0.744
1.244
-0.556
1.044
1.344
0.044
1.344
2.344
1.244
1.544
1.244
-1.456
-1.056
-1.456
-1.556
-1.356
0.044
0.344
-0.556
-0.256
-0.556
1.06581E-14

dif intra
0.913936
0.065536
1.838736
1.336336
0.553536
1.547536
0.309136
1.089936
1.806336
0.001936
1.806336
5.494336
1.547536
2.383936
1.547536
2.119936
1.115136
2.119936
2.421136
1.838736
0.001936
0.118336
0.309136
0.065536
0.309136
32.6616

-0.36
0.34
-0.76
-0.56
1.34
0.62
-1.18
0.42
0.72
-0.58
-0.2
0.8
-0.3
0
-0.3
-0.08
0.32
-0.08
-0.18
0.02
0.24
0.54
-0.36
-0.06
-0.36

4.4409E-16

7.9936E-16

2.6645E-16

8.8818E-17

0.1296
0.1156
0.5776
0.3136
1.7956
0.3844
1.3924
0.1764
0.5184
0.3364
0.04
0.64
0.09
0
0.09
0.0064
0.1024
0.0064
0.0324
0.0004
0.0576
0.2916
0.1296
0.0036
0.1296
7.36

3.56
3.56
3.56
3.56
3.56
4.78
4.78
4.78
4.78
4.78
5.7
5.7
5.7
5.7
5.7
2.78
2.78
2.78
2.78
2.78
3.96
3.96
3.96
3.96
3.96
4.156

-0.596
-0.596
-0.596
-0.596
-0.596
0.624
0.624
0.624
0.624
0.624
1.544
1.544
1.544
1.544
1.544
-1.376
-1.376
-1.376
-1.376
-1.376
-0.196
-0.196
-0.196
-0.196
-0.196

dif entre
0.355216
0.355216
0.355216
0.355216
0.355216
0.389376
0.389376
0.389376
0.389376
0.389376
2.383936
2.383936
2.383936
2.383936
2.383936
1.893376
1.893376
1.893376
1.893376
1.893376
0.038416
0.038416
0.038416
0.038416
0.038416
25.3016

papel

distancia
1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
4
4
4
4
4
5
5
5
5
5

tiempo
486
466
50
182
262
501
400
574
95
374
610
758
254
76
407
137
165
172
291
55
320
235
509
87
177

kg
3.2
3.9
2.8
3.0
4.9
5.4
3.6
5.2
5.5
4.2
5.5
6.5
5.4
5.7
5.4
2.7
3.1
2.7
2.6
2.8
4.2
4.5
3.6
3.9
3.6

6
6
6
6
6
8
8
8
8
8
10
10
10
10
10
12
12
12
12
12
14
14
14
14
14

No

x-xbar

y-ybar

(x-xb)(y-yb)

(x-xbar)^2

1
2
3
4
5
6

43
48
56
61
67
70
57.5
345

128
120
135
143
141
152
136.5
819

-14.5
-9.5
-1.5
3.5
9.5
12.5

-8.5
-16.5
-1.5
6.5
4.5
15.5

123.25
156.75
2.25
22.75
42.75
193.75
541.5
541.5

210.25
90.25
2.25
12.25
90.25
156.25
561.5
561.5
0.96438112
81.0480855

(y-ybar)^2 (yhat-ybar)^2

(y-yhat)^2

Mean
Sum

b
a

Clculos para el ANOVA de la Regresin


No

1
2
3
4
5
6

43
48
56
61
67
70
57.5
345

128
120
135
143
141
152
136.5
819

Mean
Sum

81+.96X
yhat

122.52
127.34
135.05
139.88
145.66
148.55

72.25
272.25
2.25
42.25
20.25
240.25
SST
649.5000

195.54
83.94
2.09
11.39
83.94
145.32
SSM
522.2124

30.07
53.85
0.00
9.76
21.73
11.87
SSE
127.2876

SUMMARY OUTPUT
Regression Statistics

Multiple R
0.89667281
R Square
0.80402214
Adjusted R Square
0.75502767
Standard Error 5.64109082
Observations
6
ANOVA
df

Regression
Residual
Total

SS

1 522.212378 522.212378
4 127.287622 31.8219056
5
649.5
Coefficients Standard Error

Intercept

MS

81.0480855

t Stat

13.8808808 5.83882872

Significance F

16.4104684 0.01546317

P-value

Lower 95%

0.00428903 42.5085819

X Variable 1

0.96438112

0.23806098 4.05098364

RESIDUAL OUTPUT
Observation

1
2
3
4
5
6

Predicted Y

Residuals

122.516474 5.48352627
127.338379 -7.33837934
135.053428 -0.05342832
139.875334 3.12466607
145.661621 -4.66162066
148.554764 3.44523598

0.01546317 0.30341789

yhat

(y-yhat)^2

122.52
127.34
135.05
139.88
145.66
148.55

30.07
53.85
0.00
9.76
21.73
11.87
127.287622

gnificance F

Upper 95%

119.587589

Lower 95.0% Upper 95.0%

42.5085819 119.587589

1.62534436

0.30341789 1.62534436

Treatment

1
1
1
1
1
2
2
2
2
2
3
3
3
3
3

(x-xbar)^2
5.138
18.204
1.604
52.804
27.738
3.004
0.071
22.404
59.804
32.871
7.471
1.604
18.204
0.071
13.938
264.933

11.8
11.8
11.8
11.8
11.8
3.8
3.8
3.8
3.8
3.8
7.6
7.6
7.6
7.6
7.6

Mean
11.8
3.8
7.6
7.73333333

Sum
59
19
38
116.000

Sum^2
3481
361
1444

n
5
5
5
15

Sum^2/n
696.2
72.2
288.8

SS
160.133
104.800
264.933

df
2
12
14

MS
80.067
8.733

F
9.168

Total

Treat 1
Treat 2
Treat 3
Total

xibar (xibar-xbar)^2(x-xibar)^2

10
12
9
15
13
6
8
3
0
2
5
9
12
8
4

16.538
3.24
16.538
0.04
16.538
7.84
16.538
10.24
16.538
1.44
15.471
4.84
15.471
17.64
15.471
0.64
15.471
14.44
15.471
3.24
0.018
6.76
0.018
1.96
0.018
19.36
0.018
0.16
0.018
12.96
160.133
104.800
SSM(between)SSE(within)
160.133

ANOVA Table
Source
Model (between)
Error (within)
Total

Tabla ANOVA para x segn Treatment

Anlisis de la Varianza
-----------------------------------------------------------------------------Fuente

Sumas de cuad.

Gl

Cuadrado Medio

Cociente-F

P-Valor

-----------------------------------------------------------------------------Entre grupos

160.133

80.0667

Intra grupos

104.8

12

8.73333

9.17

0.0038

-----------------------------------------------------------------------------Total (Corr.)

264.933

14

Tabla de Medias para x segn Treatment


con 95.0 intervalos LSD
--------------------------------------------------------------------------------

Error Estndar
Treatment

Frec.

Media

(s agrupada)

Lmite inf.

Lmite sup.

-------------------------------------------------------------------------------1

11.8

1.32162

9.76384

13.8362

3.8

1.32162

1.76384

5.83616

7.6

1.32162

5.56384

9.63616

-------------------------------------------------------------------------------Total

15

7.73333

Tabla de Medias para x segn Treatment


con 95.0 intervalos HSD de Tukey
-------------------------------------------------------------------------------Error Estndar
Treatment

Frec.

Media

(s agrupada)

Lmite inf.

Lmite sup.

-------------------------------------------------------------------------------1

11.8

1.32162

9.29997

14.3

3.8

1.32162

1.29997

6.30003

7.6

1.32162

5.09997

10.1

-------------------------------------------------------------------------------Total

15

7.73333

Anlisis de Regresin - Modelo Lineal Y = a + b*X


----------------------------------------------------------------------------Variable dependiente: x
Variable independiente: Treatment
----------------------------------------------------------------------------Error Estadstico
Parmetro Estimacin
estndar
T
P-Valor
----------------------------------------------------------------------------Ordenada
11.9333
2.81556
4.23836
0.0010
Pendiente
-2.1
1.30335
-1.61123
0.1311
-----------------------------------------------------------------------------

Anlisis de la Varianza
-----------------------------------------------------------------------------

Fuente
Suma de cuadrados GL Cuadrado medio Cociente-F P-Valor
----------------------------------------------------------------------------Modelo
44.1 1
44.1
2.60
0.1311
Residuo
220.833 13 16.9872
----------------------------------------------------------------------------Total (Corr.)
264.933 14
Coeficiente de Correlacin = -0.407991

Contraste Mltiple de Rango para x segn Treatment

-------------------------------------------------------------------------------Mtodo: 95.0 porcentaje LSD

Treatment

Frec.

Media

Grupos homogneos

-------------------------------------------------------------------------------2

3.8

7.6

11.8

-------------------------------------------------------------------------------Contraste

Diferencias

+/-

Lmites

-------------------------------------------------------------------------------1 - 2

*8.0

4.07231

1 - 3

*4.2

4.07231

2 - 3

-3.8

4.07231

-------------------------------------------------------------------------------* indica una diferencia significativa.

-------------------------

-------------------------

------------------------+/-

Lmites

------------------------4.07231
4.07231
4.07231

-------------------------

No

x
1
2
3
4
5
6

Sum
Mean

Correlation coefficient

(x-xbar)

43
48
56
61
67
70

128
120
135
143
141
152

345
57.5

819
136.5

(y-ybar)
-14.5
-9.5
-1.5
3.5
9.5
12.5

-8.5
-16.5
-1.5
6.5
4.5
15.5

0.89667281

(x-xbar)^2
(y-ybar)^2
210.25
72.25
90.25
272.25
2.25
2.25
12.25
42.25
90.25
20.25
156.25
240.25
561.5

649.5

SSxx

SSyy

(x-xbar)(y-ybar)
123.25
156.75
2.25
22.75
42.75
193.75
541.5
SPxy