Está en la página 1de 21

Trabajo Final Diseo de Experimentos

Carlos Hernn Suarez Rodrguez

Universidad Tecnolgica de Pereira


Facultad de Ingeniera Industrial
Maestra en Sistemas Integrados de Gestin
Pereira, 2015

ii

Tabla de contenido

Capitulo 1 Comprensin y planteamiento del problema................................................................. 2


Capitulo 2 Diseo Experimental 2k................................................................................................. 4
Informacin recopilada ............................................................................................................... 4
Directrices para el diseo del experimento ................................................................................. 5
Capitulo 3 Diseo Experimental ANOVA de un factor ................................................................. 8
Conclusiones ................................................................................................................................. 17

iii

Lista de tablas

Tabla 1. Datos recopilados.............................................................................................................. 4


Tabla 2. Informacin para el desarrollo del experimento ............................................................... 5
Tabla 3. Promedio de estudiantes con dos tratamientos ................................................................. 8
Tabla 4. Datos para el diseo .......................................................................................................... 8

iv

Lista de figuras

Figura 1. Grfica de Pareto

Figura 2. Ajuste factorial

Figura 3. Anlisis de medias 12


Figura 4. ANOVA Promedio Vs. Proyecto...13
Figura 5. Anlisis de Tukey..14
Figura 6. Prueba de normalidad de residuos15
Figura 7. Independencia de residuos16
Figura 8. Prueba de homocedasticidad17
Figura 8. Diagrama de bigotes18

Captulo 1
Comprensin y planteamiento del problema

La Facultad de Ingenieras de la Universidad La Gran Colombia seccional Armenia, ha


desarrollado procesos de innovacin con la finalidad de dar valor a la formacin de los
ingenieros con la aplicacin de nuevas metodologas, didcticas de evaluacin y el impacto que
generan en el proceso educativo. Uno de ellos es el Proyecto Integrador, donde esta actividad
acadmica a travs del desarrollo de la investigacin desde el primer semestre, motiva al
estudiante a indagar, a explorar el contexto, a trabajar en equipo y a integrar los contenidos
tericos de los diferentes cursos, evidenciando la pertinencia en la lectura del contexto y la
evaluacin sistmica del proceso formativo (Medina & Cifuentes, 2013).

Igualmente, el proyecto integrador permite integrar saberes y contenidos disciplinares en


torno a problemas de investigacin, relacionados con las lneas de investigacin de la Facultad,
con el fin de logar el fortalecimiento de las competencias cognitivas, socio-afectivas,
argumentativas y propositivas de los estudiantes orientados por sus docentes, en donde la
motivacin hacia la lectura crtica para encontrar los referentes y el material de apoyo para el
desarrollo del proyecto se hace indispensable.

Por otro lado, gran parte de los estudiantes de esta Facultad provienen del departamento
del Quindo y el Norte del Valle, a estos ltimos se les cataloga como forneos y se vinculan
inmediatamente a los programas de atencin para evitar la desercin estudiantil. Por tanto, el

propsito de este trabajo es analizar la interaccin que tienen factores como la presentacin de
proyectos integradores y la procedencia de los estudiantes, sobre el promedio acadmico del
periodo inmediatamente anterior para identificar si esta estrategia mejora el rendimiento
acadmico de los estudiantes.

Captulo 2
Diseo Experimental 2k

Informacin recopilada

Al interior de la Facultad de Ingenieras de la Universidad La Gran Colombia seccional


Armenia se encuentran matriculados 162 estudiantes pertenecientes a los programa de Ingeniera
Agroindustrial e Ingeniera Geogrfica y Ambiental. Es importante resaltar que la procedencia de
los estudiantes se encuentra distribuida en su mayora entre el Norte del Valle y el Departamento
del Quindo. Como se mencion anteriormente, algunos de ellos desarrollan el proyecto
integrador como estrategia pedaggica encaminada a mejorar las competencias y rendimiento de
los mismos.

Con el propsito de identificar la incidencia que tienen los factores de lugar de


procedencia y proyecto integrador sobre el promedio acadmico de los estudiantes, se
consideraron los datos que se muestran en la Tabla 1.
Tabla 1. Datos recopilados
PROYECTO
INTEGRADOR

NO= -1

SI= +1

FORANEOS

NO= -1

SI= +1

PROYECTO

FORANEO

PROMEDIOS

-1

-1

3,8

3,4

3,8

3,2

4,0

3,2

3,2

3,7

3,7

3,8

-1

3,2

4,3

3,7

3,9

3,9

3,8

4,3

3,9

4,3

4,4

-1

4,3

3,7

3,6

4,3

3,5

4,3

3,7

4,0

3,3

3,7

4,2

4,1

3,4

4,6

4,2

3,4

3,9

4,1

3,5

3,9

Fuente: Universidad La Gran Colombia

Directrices para el diseo del experimento

A continuacin, se presenta en la Tabla 2 la informacin que se utilizar para el


desarrollo del experimento.
Tabla 2. Informacin para el desarrollo del experimento
Tipo de Diseo: Modelo Factorial 22
Variable de respuesta: Promedio general
Factor 1: Proyecto integrador
Niveles: 2
Factor 2: Forneos
Niveles: 2
Tratamientos: 4
Replicas: 10
Nmero de unidades experimentales: 40
Unidades experimentales: Cada uno de los estudiantes de la facultad de ingenieras
Fuente: los autores

Una vez se desarroll la aleatorizacin en Minitab y se ejecut el modelo, se obtuvo la


grfica de Pareto mostrada en la Figura 1.

Grfica de Pareto de efectos estandarizados


(la respuesta es PROMEDIO, Alfa = 0,05)

2,028
F actor
A
B

Trmino

AB

0,0

0,5

1,0
1,5
Efecto estandarizado

Figura 1. Grfica de Pareto


Fuente: los autores

2,0

N ombre
P RO YE C TO
F O RA N E O

Al analizar el diagrama de Pareto se evidencia que no existe interaccin entre las


variables proyecto integrador y forneo. Muestra como variable significativa solo el proyecto
integrador. Para verificar esta informacin analizamos el valor P de las variables que se muestran
en la figura 2.
Ajuste factorial: PROMEDIO vs. PROYECTO. FORANEO
Efectos y coeficientes estimados para PROMEDIO (unidades codificadas)
Trmino
Constante
PROYECTO
FORANEO
PROYECTO*FORANEO

Efecto
0,24000
0,11000
-0,15000

Coef
3,83000
0,12000
0,05500
-0,07500

Coef. de EE
0,05665
0,05665
0,05665
0,05665

T
67,60
2,12
0,97
-1,32

P
0,000
0,041
0,338
0,194

Figura 2. Ajuste factorial


Fuente: los autores

Con los datos obtenidos en la Figura 2 se hace la comprobacin de la siguiente hiptesis:


Ho= T1 = T2 = . = Tk = 0
Ha= Ti 0

para algn i

Ho se rechaza si p (0,005)
En este sentido, la p de proyecto (0,041) es menor que , por lo cual hay evidencia para
rechazar Ho, lo que indica que uno de los tratamientos es significativo, corroborando el
diagrama de Pareto.
Por otro lado, la p de forneo (0,338) es mayor que , por lo cual no hay evidencia para
rechazar la Ho, lo que indica que los tratamientos de este factor son iguales. Ninguno es
significativo para continuar el estudio.
Finalmente, la p de la interaccin entre proyecto integrador y forneo (0,194) es mayor que ,
por lo cual no hay evidencia para rechazar Ho, lo que indica que los tratamientos de dicha
interaccin son iguales. Ninguno es significativo para continuar el estudio.

En este sentido, se puede inferir que la nica variable significativa es proyecto


integrador y se debe realizar el estudio con un modelo ANOVA de un factor.

Captulo 3
Diseo Experimental ANOVA de un factor

De acuerdo a los resultados obtenidos en el captulo anterior, se propone aplicar un nuevo


diseo experimental denominado ANOVA de un factor. Para el desarrollo del mismo se
consideraron los datos que se muestran en la Tabla 3.
Tabla 3. Promedio de estudiantes con dos tratamientos
PROYECTO
INTEGRADOR
No presenta
Si presenta

PROMEDIOS
3,8
4,3
3,2
4,2

3,4
3,7
4,3
4,1

3,8
3,6
3,7
3,4

3,2
4,3
3,9
4,6

4,0
3,5
3,9
4,2

3,2
4,3
3,8
3,4

3,2
3,7
4,3
3,9

3,7
4,0
3,9
4,1

3,7
3,3
4,3
3,5

3,8
3,7
4,4
3,9

Fuente: Departamento informtica y Sistemas UGCA

A continuacin, se presenta en la Tabla 4 la informacin que se utilizar para el


desarrollo del experimento.
Tabla 4. Datos para el diseo
TIPO DE DISEO: Modelo ANOVA de un factor
Variable de respuesta: Promedio general
Factor: Proyecto integrador
Niveles: 2: Tratamientos
Replicas: 20
Nmero de unidades experimentales: 40
Unidades experimentales: estudiantes de la facultad de ingenieras
Fuente: los autores

Paso1. Determinacin de significancia de los tratamientos


Para el anlisis de este caso, es importante determinar el tratamiento que eleva el

promedio general de los estudiantes.

A continuacin, en la Figura 3, se presenta la informacin obtenida, luego de procesar los


datos en Minitab.
Anlisis de medias
Alfa = 0,05

4,00
3,95

3,9457

Media

3,90
3,85
3,83
3,80
3,75
3,7143

3,70
no

si
Proyecto

Figura 3. Anlisis de medias


Fuente: los autores

En la Figura 3. Anlisis de medias, se evidencia que el tratamiento para los


estudiantes que presentan proyecto integrador es el que hace aumentar el promedio
general de los estudiantes.

Como es evidente que uno de los tratamientos proporciona evidencia de los resultados
que se esperaban, se plantean entonces las siguientes hiptesis para comprobar la efectividad del
modelo.
H0= 1=2=
HA= AL MENOS UNA ES DIFERENTE

10
ANOVA unidireccional: Promedio vs. Proyecto
Fuente
Proyecto
Error
Total

GL
1
38
39

S = 0,3616

SC
0,576
4,968
5,544

MC
0,576
0,131

F
4,41

R-cuad. = 10,39%

P
0,043

R-cuad.(ajustado) = 8,03%

P=0,043
ALFA=0,05
Figura 4. ANOVA Promedio Vs. Proyecto
Fuente: los autores

Se puede evidenciar en la Figura 4, que P es menor que , entonces hay evidencia para
rechazar la hiptesis nula. Por tanto, uno de los dos tratamientos es significativo, como se haba
indicado tambin en la Figura 4. Anlisis de medias.

Por otro lado, Al verificar los valores del MC (mnimo cuadrado), se evidencia que el
MC del tratamiento (81%) es mayor que el del error aleatorio (19%), lo que indica que los
tratamientos tienen efecto.

Paso 2. Anlisis Tukey

Este es un mtodo conservador para comparar pares de medias de tratamientos. Consiste


en comparar medias muestrales con un valor crtico (Gutirrez & de la Vara, 2012).

En Este sentido, al hacer el anlisis de Tukey, se encuentra la informacin que se presenta en la


Figura 5.

11

Nivel
no
si

N
20
20

Media
3,7100
3,9500

Desv.Est.
0,3508
0,3720

ICs de 95% individuales para la media


basados en Desv.Est. agrupada
----+---------+---------+---------+----(----------*----------)
(----------*----------)
----+---------+---------+---------+----3,60
3,75
3,90
4,05

Proyecto = no restado de:


Proyecto
si

Inferior
0,0085

Centro
0,2400

Superior
0,4715

--+---------+---------+---------+------(-----------*-----------)
--+---------+---------+---------+-------0,20
0,00
0,20
0,40

Figura 5. Anlisis de Tukey


Fuente: los autores

Se puede evidenciar que el promedio de quienes realizan proyecto integrador es mayor de


quienes no lo realizan. En este caso, es el mejor tratamiento.

Paso 3. Validacin del modelo

Como lo indican (Vergara & Babativa, 2010), es importante que los investigadores,
cuando tengan hiptesis, y en general cualquier procedimiento estadstico, comprueben los
supuestos necesarios, pues el investigador puede caer en falsas conclusiones cuando no se tienen
en cuenta los requerimientos mnimos exigidos por un mtodo estadstico.

Para la validacin del modelo se deben probar los supuestos de normalidad,


varianza constante e independencia.

12

Supuesto 1. Prueba de normalidad

El supuesto de normalidad, se cumple, al caer los residuos o puntos en apariencia de una


lnea recta, como se puede observar en la Figura 6.

Prueba de normalidad
Normal

99

Media
Desv .Est.
N
AD
Valor P

95
90

-9,99201E-17
0,3569
40
0,416
0,318

Porcentaje

80
70
60
50
40
30
20
10
5

-1,0

-0,5

0,0
RESID1

0,5

1,0

Figura 6. Prueba de normalidad de residuos


Fuente: los autores

Ho=LOS RESIDUOS SIGUEN UNA DISTRIBUCIN NORMAL


Ha=LOS RESIDUOS SIGUEN OTRO TIPO DE DISTRIBUCIN

Como P (0,318) > (0,05), no hay evidencia para rechazar la hiptesis nula, por tanto, los
residuos siguen una normalidad.

13

Supuesto 2. Independencia de residuos

En este supuesto, se busca que los residuos se ubiquen aleatoriamente dentro de la banda
horizontal, como se puede apreciar en la Figura 7.

vs. orden

(la respuesta es Promedio)

0,50

Residuo

0,25
0,00
-0,25
-0,50
-0,75
1

10

15
20
25
Orden de observacin

30

35

40

Figura 7. Independencia de residuos


Fuente: los autores

La grfica evidencia dispersin, por lo tanto los errores son independientes.


Ho= Los errores son independientes
Ha= Los errores no son independientes

14

Supuesto 3. Varianza constante (Homocedasticidad)

En estadstica, se dice que los modelos predictivos presentan homocedasticidad cuando la


varianza del error de la variable endgena se mantiene a lo largo de las observaciones. Es decir,
cuando los errores son constantes. Para este ejercicio, se toma la decisin, basndose en la
prueba de Leven, como se indica en la Figura 8.

Homosedasticidad
Prueba F
Estadstica de prueba
Valor P

Proyecto

no

0,89
0,800

Prueba de Lev ene


Estadstica de prueba
Valor P

si

0,25

0,17
0,680

0,30
0,35
0,40
0,45
0,50
0,55
Intervalos de confianza de Bonferroni de 95% para Desv.Est.

Proyecto

no

si

3,00

3,25

3,50

3,75
4,00
Promedio

4,25

4,50

Figura 8. Prueba de homocedasticidad


Fuente: los autores

Ho=LAS VARIANZAS SON CONSTANTES


Ha=LAS VARIANZAS NO SON CONSTANTES

Como P (0,680) es mayor que (0,05), no hay evidencia para rechazar la hiptesis nula, por lo
tanto las varianzas son constantes y hay homocedasticidad.

15

Como se cumplen los supuestos del modelo, se pude concluir que el estudio es confiable y dicho
modelo se puede utilizar.

Paso 4. Anlisis de datos atpicos

Esta presentacin visual, asocia las cinco medidas que suelen trabajarse de forma
individual. Presenta al mismo tiempo, informacin sobre la tendencia central, dispersin y
simetra de los datos de estudio. Adems, permite identificar con claridad y de forma individual,
observaciones que se alejan de manera poco usual del resto de los datos. A estas observaciones
se les conoce como valores atpicos.

La Figura 9, de cajas, evidencia que no hay datos atpicos en las muestras tomadas.

Grfica de caja de Promedio


4,6
4,4

Promedio

4,2
4,0
3,8
3,6
3,4
3,2
3,0
no

si
Proyecto

Figura 9. Diagrama de bigotes


Fuente: los autores

16

17

Conclusiones

No existe una interaccin entre el proyecto integrador y la condicin de forneo de los


estudiantes de la Facultad de Ingenieras de la Universidad La Gran Colombia Armenia.

Estadsticamente los promedios de los estudiantes de procedencia fornea y de la regin


son iguales. Es decir que no hay incidencia alguna del lugar de origen sobre el promedio
acadmico de los mismos.

La nica variable significativa para el estudio es Proyecto Integrador y al no presentar


interaccin con otras variables y sobre pasar los lmites de significancia, debe estudiarse
de manera independiente.

Al estudiarse la variable Proyecto Integrador, se tiene como resultado que este


tratamiento, hace aumentar el promedio acadmico de los estudiantes que lo presentan.
Por consiguiente es una estrategia recomendada dentro del proceso de formacin.

18

Bibliografa

Gutirrez, H., & de la Vara, R. (2012). Anlisis y Diseo de Experimentos. Mxico: McGrawHill.

Medina, B., & Cifuentes, X. (2013). El proyecto integrador en la Facultad de Ingenieras. WEEF
WORLD ENGINEERING EDUCATION FORUM, INNOVATION IN RESEARCH AND
ENGINEERING EDUCATION: KEY FACTORS FOR GLOBAL COMPETITIVENESS.

Vergara, M., & Babativa, G. (2010). El supuesto de normalidad: mito o realidad ? Equidad
Desarrollo.