Captulo 1

Prcticas y problemas de diseo

de experimentos.

1.1. Problemas de diseo de experimentos con ordenador.

Problema 3.1. Datos apareados.
El Ministerio de Trabajo desea saber si un plan de seguridad en el trabajo es efectivo
en la reduccin del nmero de accidentes laborables y por tanto en la prdida de horas de
trabajo debido a accidentes. Para ello se hace un seguimiento en 16 fbricas, observando las
horas de trabajo semanales prdidas a causa de accidentes, antes y despus de implantar
el plan de seguridad. Los datos obtenidos son los de la tabla adjunta. Analizar estos datos
y obtener conclusiones acerca del problema planteado.

Fbrica 1 2 3 4 5 6 7 8
Antes 55 63 90 47 75 90 73 92
Despus 52 60 85 49 65 87 67 85
Fbrica 9 10 11 12 13 14 15 16
Antes 110 33 44 74 60 87 41 15
Despus 95 35 47 70 55 75 45 18

Desarrollo del Problema 3.1.

Este problema puede resolverse por dos mtodos distintos pero equivalentes que llevan
a las mismas conclusiones.
En primer lugar y dado que el factor-tratamiento (plan de seguridad ) solo tiene dos
niveles (antes y despus de implantar el plan) se puede considerar como un problema de
datos apareados. Se calcula la variable diferencia

Ydif = Yantes Ydespues ;

y se contrasta la hiptesis de que E (Ydif ) = 0:

1
2 Modelos estadsticos aplicados. Juan Vilar

Con el Statgraphics se utiliza el siguiente mdulo

comparacion > dos muestras > comparacion de muestras pareadas

Una vez introducidas las variables Yantes e Ydespues ; el mdulo proporciona resultados
analticos y grcos acerca de la variable diferencia Ydif . Utilizando el test de la t respecto
a la media de una muestra resuelve el contraste H0 : E (Ydif ) = 0:
Utilizando directamente los datos de la tabla podra resolverse el problema contras-
tando la hiptesis H0 : E (Yantes ) = E (Ydespues ) ; frente a la alternativa de que las medias
son diferentes?
Si se quiere resolver el problema de esta forma cmo se debe recoger la muestra?,
los resultados obtenidos por ambos procedimientos son iguales?, cul de los dos proce-
dimientos es mejor?
La resolucin del problema tambin puede hacerse por una tabla ANOVA de un modelo
de diseo de experimentos con un factor tratamiento (plan de seguridad ) y un factor-bloque
(fbrica). Se siguen los siguientes pasos:

1. Con los datos del problema se crean tres variables de 32 observaciones:

? la variable respuesta Y;
? el factor (plan de seguridad ) con dos niveles (antes y despus),
? el factor bloque fbrica con 16 niveles.

2. Se utiliza el siguiente mdulo

comparacion > analisis de la varianza > anova factorial
sin interaccin (mximo orden de interaccin=1).
Este mdulo proporciona un amplio estudio analtico y grco para responder al
problema planteado. Cmo son el p valor del test de la t utilizado en la tcnica
de datos apareados y el p valor del test de la F utilizado en la tcnica de la tabla
ANOVA?
Es inuyente la variable bloque fbrica? En consecuencia es adecuada la recogida
muestral para la resolucin del problema?

3. Finalmente se contrastan las hiptesis bsicas estructurales utilizando las tcnicas

expuestas en el captulo anterior.

Problema 3.2. (Diseo de experimentos en bloques completamente aleato-

rizados)
Se ha realizado un diseo de experimentos para estudiar la calidad de las soldaduras,
el objetivo es determinar si existen diferencias entre las soldaduras segn el elemento de
soldadura que se utilice entre tres posibles: nquel, hierro o cobre. Como pueden haber
Prcticas y problemas de diseo de experimentos. 3

diferencias signicativas entre los elementos a soldar se ha utilizado un diseo de bloques

completamente aleatorizados. Para ello se han utilizado diez lingotes (bloques) y de cada
uno de ellos se han soldado dos componentes utilizando los tres tipos de soldadura. Final-
mente se mide la fuerza (expresada en 100 libras por pulgada cuadrada) necesaria para
romper la soldadura. Los resultados obtenidos son los de la tabla adjunta. En base a estos
datos estudiar la inuencia de factor tipo de soldadura, cambian los resultados si no se
tiene en cuenta el bloque lingote? .

B1 B2 B3 B4 B5 B6 B7 B8 B9 B10
Nquel 760 0 660 3 680 9 740 7 730 0 720 7 800 0 830 6 610 2 620 6
Cobre 710 6 740 1 700 7 750 4 660 7 650 0 700 8 760 2 660 0 720 0
Hierro 760 4 730 4 690 7 740 7 600 2 610 2 710 7 570 0 580 5 660 3

Desarrollo del Problema 3.2.

Se utiliza el siguiente mdulo

comparacion > analisis de la varianza > anova factorial

En este mdulo al introducir como variable dependiente resistenciay los dos factores:
el factor-tratamiento tipo de soldadura y el factor-bloque lingote, se obtiene un completo
anlisis de la varianza que comprende:
- la tabla ANOVA que permite contrastar la inuencia de los dos factores;
- la tabla de medias que calcula la media de cada nivel de cada uno de los factores, as
como intervalos de conanza para las mismas;
- el test de rangos mltiples que permite obtener los grupos homogneos en ambos
factores y las diferencias signicativas entre las medias de dos niveles de un factor, se
pueden utilizar diferentes mtodos (LSD, Sche, Tuckey,.. ).
El estudio grco que ofrece el mdulo es bastante completo:
- el grco de puntos y el de medias permiten conrmar gracamente las conclusiones
que se deducen de la tabla ANOVA,
- los tres grcos de residuos permiten tener idea aproximada acerca del cumplimiento
de las hiptesis bsicas del modelo,
- si en el mdulo de opciones de analisis se eligen interacciones de orden 2 , se
obtienen grcos de interacciones que pueden dar una idea aproximada acerca de la posible
existencia o no de interacciones.
Tambin se puede calcular el l test de Tuckey sobre la no existencia de interaccin
aunque con un mayor trabajo ya que el paquete no lo calcula directamente.
Como en el anlisis de cualquier modelo estadstico se deben guardar los residuos y
analizar el cumplimeinto de las hiptesis bsicas estructurales como se indic en el captulo
anterior. El estudio sobre la heterocedasticidad debe hacerse en relacin a cada uno de los
dos factores.
4 Modelos estadsticos aplicados. Juan Vilar

Qu ocurre si no se tiene en cuenta el factor-bloque?

Se puede repetir el estudio introduciendo solamente el factor tipo de soldadura. Esto
puede hacerse en este mdulo o en el siguiente

comparacion > analisis de la varianza > anova simple

Problema 3.3. (Diseo de experimentos de dos factores con interaccin).

Se desea analizar el efecto que sobre el tiempo medio de respuesta tienen dos factores:
la distribucin de los cheros de las que se consideran tres variantes codicadas como F1,
F2 y F3; y el nmero de bu ers del sistema, tambin se consideran tres niveles: 10, 20 y
30 buers. Se ha hecho una prueba con cada una de las nueve combinaciones posibles, cada
prueba consisti en observar el sistema un da completo y calcular el tiempo de respuesta
media al compilar un programa en lenguaje C en ese perodo de tiempo. El experimento
se replic tres veces. Los resultados obtenidos se presentan en la tabla adjunta. En base a
estos datos existe inuencia de alguno de los dos factores en el tiempo de respuesta del
sistema informtico?, existe interaccin entre ambos factores?
B10 B20 B30 B10 B20 B30 B10 B20 B30
20 7 20 0 10 8 20 9 20 7 20 2 30 7 20 9 30 5
F1 20 4 20 2 10 5 F2 30 4 20 4 10 9 F3 30 4 30 4 30 4
20 3 10 9 10 6 30 3 20 5 20 3 30 9 30 3 30 8

Desarrollo del Problema 3.3.

El desarrollo de este problema es anlogo al anterior, se utiliza el anlisis

comparacion > analisis de la varianza > anova factorial

? Se introduce la variable dependiente tiempoy los dos factores cheroy bu ers.

? En un primer estudio conviene introducir el factor rplica que indica el orden en
el que se repiti el experimento y se estudia el modelo de tres factores sin replicacin. Si
el modelo se ha replicado correctamente la tabla ANOVA indicar que el factor rplica
no inuye.
? En este caso se deshecha el factor rplica y se repite el estudio considerando el
modelo de dos factores e interaccin entre los dos factores (interaccin de orden 2). Se
obtienen conclusiones segn los resultados obtenidos.
? Se naliza con el anlisis de residuos.

Problema 3.4. (Diseo de experimentos en cuadrado latino).

Se quiere estudiar la ecacia de cuatro frmacos diferentes (F1, F2, F3 y F4) en el
tratamiento de una enfermedad. Para ello se observa el nmero de das que tardan en
curar enfermos tratados con estos frmacos. Se considera que el factor edad y el factor
peso pueden inuir en el experimento, por ello se controlan estos factores y se consideran
cuatro niveles de edad (E1, E2, E3 y E4) y cuatro de peso (P1, P2, P3 y P4). Los resultados
del experimento diseado segn la tcnica del cuadrado latino son los de la tabla adjunta.
Qu conclusiones se deducen del experimento?
Prcticas y problemas de diseo de experimentos. 5

E1 E2 E3 E4
P1 10 F1 90 5 F2 7 F4 110 5F3
P2 8 F2 10 F1 80 5 F3 9 F4
P3 7 F3 60 5 F4 7 F1 8 F2
P4 6 F4 5 F3 6 F2 9 F1
Desarrollo del Problema 3.4.
Se deben introducir los datos de forma correcta en el chero, una vez realizado sto,
se utiliza el anlisis anterior, siendo la variable respuesta tiempo y los tres factores
peso, edad y frmaco. Al calcular la tabla ANOVA si alguno de los factores no es
signicativo se elimina del modelo y se calcula la nueva tabla ANOVA.

1.2. Problemas resueltos de diseo de experimentos.

Problema 3.5. (Diseo de experimentos con bloques completamente alea-
torizados)
El servicio bibliotecario de una universidad est interesado en un programa para
gestionar la localizacin de un libro en la base de datos. Le ofrecen cinco programas para
tal n: P1, P2, P3, P4, P5. En la universidad se dispone de cuatro tipos de ordenadores
y se desea saber si el tiempo de respuesta de los cinco programas ofertados es el mismo.
Para ello se disea el siguiente experimento: se eligen diez libros al azar y se localizan
utilizando los cinco programas y los cuatro tipos de ordenadores. Los tiempos medio de
respuesta (en segundos) en cada caso son los de la tabla adjunta.
Prog.1 Prog.2 Prog.3 Prog.4 Prog.5
Ord.1 10 3 10 6 00 5 10 2 10 1
Ord.2 20 2 20 4 00 4 20 0 10 8
Ord.3 10 8 10 7 00 6 10 5 10 3
Ord.4 30 9 40 4 20 0 40 1 30 4

Solucin al Problema 3.5.

Clculo de las medias condicionadas (segn programa y segn ordenador )

Prog.1 Prog.2 Prog.3 Prog.4 Prog.5 yi ^i

Ord.1 10 3 10 6 00 5 10 2 10 1 10 14 00 82
Ord.2 20 2 20 4 00 4 20 0 10 8 10 76 00 20
Ord.3 10 8 10 7 00 6 10 5 10 3 10 38 00 58
Ord.4 30 9 40 4 20 0 40 1 30 4 30 56 +10 60
P
yj 20 3 20 525 00 875 20 2 10 9 y = 10 96 ^i = 0
^ P^
j 00 340 00 565 10 085 00 240 00 060 j =0
6 Modelos estadsticos aplicados. Juan Vilar

Siendo ^ i = yi y y ^ j = y j y
Factor la ( ) = Factor-bloque ordenador, i = 1; 2; 3; 4:
Factor columna ( ) = Factor-tratamiento programa, j = 1; 2; 3; 4; 5:
Las predicciones de cada tratamiento (casilla) se calculan utilizando
y^ij = ^ + ^ i + ^ j = yi + y j y ;
se obtiene
Predicciones Prog.1 Prog.2 Prog.3 Prog.4 Prog.5
Ord.1 10 48 10 705 00 055 10 38 10 08
Ord.2 20 10 20 325 00 675 20 00 10 70
Ord.3 10 72 10 945 00 295 10 62 10 32
Ord.4 30 90 40 125 20 475 30 80 30 50
A partir de esta tabla se calculan los residuos
eij = yij y^ij ;
obteniendo la siguiente tabla de residuos
Residuos Prog.1 Prog.2 Prog.3 Prog.4 Prog.5
Ord.1 00 18 00 105 00 455 00 18 00 02
Ord.2 00 10 00 075 00 275 00 00 00 10
Ord.3 00 08 00 245 00 305 00 12 00 02
Ord.4 00 00 00 275 00 475 00 30 00 10
Observar que la suma de los residuos de cada la y de cada columna es cero.

Clculo de las sumas de cuadrados:

4
X
scT ( ) = scT (ordenador ) = 5 ^ 2i
i=1
= 5 0 82 + 0 20 + 0 58 + 10 602 = 180 044:
0 2 0 2 0 2

5
X
scT ( ) = scT (programa) = 4 ^ 2
j
j=1

= 4 0 34 + 0 565 + 1 085 + 00 242 + 00 062 = 60 693:

0 2 0 2 0 2

De donde
scT = scT ( ) + scT ( ) = 180 044 + 60 693 = 240 737:
La variabilidad total es
4 X
X 5
scG = (yij y )2
i=1 j=1
2 2 2 2
= 10 3 10 96 + 10 6 10 96 + : : : + 40 1 10 96 + 30 4 10 96
= 250 688:
Prcticas y problemas de diseo de experimentos. 7

Una forma alternativa de calcular la variabilidad total (scG) es la siguiente

1X X 2
scG = ns2Y = n y y2
n i j ij
0 1
X 4 X5
= @ 2A
yij 20 10 962 :
i=1 j=1

La suma de residuos al cuadrado se obtiene como

scR = scG scT = 250 688 240 737 = 00 951:

El valor de scR tambin se puede calcular directamente

4 X
X 5
scR = e2ij = 00 182 + 00 1052 + : : : + 00 302 + 00 102 = 00 951
i=1 j=1

La Tabla ANOVA que se obtiene es la siguiente

Tabla ANOVA
Efecto Sum cuad. g.l. Varianza estadst. F p-valor
scT ( ) : ordenador. 180 044 3 s^2 = 60 015 F^ = 750 89 00 000
scT ( ): programa. 60 693 4 s^2 = 10 673 F^ = 210 11 00 000
scT 240 737 7
scR 0 951 12 s^2R = 00 079
0

scG 250 688 19 s^2Y = 10 352

Contrastes que se deducen de esta tabla son los siguientes:

Sobre la inuencia del factor-tratamiento programa

(1)
H0 : el factor-tratamiento programa no inuye: i = 0; j = 1; : : : ; 5:

s^2 10 673
F^ = = = 210 11 F4;12 ? ) p val = 00 000:
s^2R 00 079
Se rechaza la hiptesis nula de no inuencia del factor programa.

Sobre la inuencia del factor-bloque ordenador.

(2)
H0 : el factor-bloque ordenador no inuye: i = 0; i = 1; : : : ; 4:

s^2 60 015
F^ = 2 = 0 = 750 89 F3;12 ? ) p val = 00 000:
s^R 0 079
Se rechaza la hiptesis nula de no inuencia del factor ordenador. Ha sido conve-
niente bloquear.
8 Modelos estadsticos aplicados. Juan Vilar

Coecientes de determinacin.
- Porcentaje de variabilidad explicada por el factor-tratamiento programa

scT ( ) 180 044

R2 ( ) = = 0 = 00 70243 ) 700 243 %:
scG 25 688

- Porcentaje de variabilidad explicada por el factor-bloque ordenador

scT ( ) 60 693
R2 ( ) = = 0 = 00 26055 ) 260 055 %:
scG 25 688
- Porcentaje de variabilidad explicada por el modelo

scT
R2 = R2 ( ) + R2 ( ) = = 00 96298 ) 960 298 %:
scG
Si no tiene en cuenta el factor-bloque ordenador se obtiene la siguiente tabla ANOVA
que se deduce de la anterior

Tabla ANOVA con slo el factor-tratamiento programa ( )

Efecto Sum cuad. g.l. Varianza estadst. F p-valor
scT ( ): programa. 0
6 693 2 0
4 s^ = 1 673 F^ = 10 32 00 307
scR 180 995 15 s^2R = 10 266
scG 250 688 19 s^2Y = 10 352

Tener en cuenta que si no utiliza el factor-bloque ordenador, el diseo de experimentos

es otro y la muestra recogida diferente. En cualquier caso los resultados del anlisis no
deberan variar mucho respecto a los aqu obtenidos.
Al hacer el contraste

(1)
H0 : el factor programa no inuye: i = 0; j = 1; : : : ; 5;

se obtiene

s^2 10 673
F^ = = = 10 32 2 F4;15 ? ) p val = 00 307
s^2R 10 266
Se acepta la hiptesis nula de no inuencia del factor programa, en contradiccin con
lo obtenido anteriormente.
A la vista de lo obtenido en este problema, es fundamental controlar los factores
inuyentes en la variable respuesta.

Las siguientes grcas permiten examinar las hiptesis bsicas del modelo:
En la Figura 3.1. se observa el grco de residuos frente a predicciones.
En las Figuras 3.2. y 3.3. se presentan los grcos de interacciones por cada uno de los
dos factores. De ellos se deduce la no existencia de interaccin entre ambos factores.
Prcticas y problemas de diseo de experimentos. 9

Figura 3.1. Grco de residuos.

Figura 3.2. Grco de interaccin respecto a programa.

Figura 3.3. Grco de interaccin respecto a ordenador.

10 Modelos estadsticos aplicados. Juan Vilar

Intervalos de conanza al 90 % para los parmetros del modelo.

Intervalo de conanza para la varianza, 2;

(I 1) (J 1) s^2R 2 3 4 00 079 2
2 (I 1)(J 1) ) 2 12

3 4 00 079
50 226 = 2
12 00 05 2
2
12 00 95 = 210 026

00 948 00 948
= 00 045 2
00 181 =
210 026 50 226
Intervalo de conanza para los efectos (ordenador). Se hace para 2 :
r
2I 1 2 ^2 n
^2 N 2; ) t(I 1)(J 1)
n s^R I 1
r
2 ( 00 82) 20
) t12
00 079 3
r
0 0 2 ( 00 82) 20
) 1 78 = t12 0 95 t12 00 95 = 10 78
00 079 3

10 78
) 2 2 00 82 = 00 82 00 054 = 00 874; 00 766 :
320 68
Intervalo de conanza para los efectos (programa). Se hace para 3 :
^ r n
^ 2J 1 3 3
3 N 3; ) t(I 1)(J 1)
n s^R J 1
r
( 1 0 085) 20
3
) 0
t12
0 079 4
r
( 1 0 085) 20
3
) 10 78 = t12 00 95 0
t12 00 95 = 10 78
0 079 4

) 3 2 10 085 00 063 = 10 148; 10 022 :

Intervalos de conanza para la diferencia de medias. Se hace para 1 3:

r r
(y 1 y 3 ) ( 1 3) I 10 425 ( 1 3) 4
t(I 1)(J 1) ) 0
t12
s^R 2 0 079 2
r
0 10 425 ( 1 3) 4
1 78 0
10 78
0 079 2

( 1 3) 2 10 425 00 099 = (10 326; 10 524):

Prcticas y problemas de diseo de experimentos. 11

Al calcular grupos homogneos de los ordenadores se obtienen dos grupos:

? O1
? O3 - O2 -O4
La existencia de estos grupos se puede observar en el grco de medias

Figura 3.4. Grco de medias de los ordenadores.

Al calcular grupos homogneos de los programas se obtienen tres grupos:

? P3 - P4
? P5 - P4
? P1 - P2
Esto se observa en el siguiente grco de medias de los programas.

Figura 3.5. Grco de medias de los programas.

12 Modelos estadsticos aplicados. Juan Vilar

Problema 3.6. (Diseo de experimentos con dos factores e interaccin)

Una empresa dedicada a la fabricacin de bateras est interesada en disear una
batera que sea relativamente insensible a la temperatura ambiente. Para ello decide probar
con tres materiales distintos: M1, M2, y M3. Para estudiar el efecto del material y la
temperatura se disea el siguiente experimento: utilizando bateras fabricadas con los tres
materiales se observa la duracin de las bateras en horas cuando stas trabajan a tres
niveles de temperatura: baja, media y alta. El experimento se replicaba cuatro veces y los
resultados obtenidos son los de la tabla adjunta.
Analizar estos datos y estudiar la inuencia de los factores material y temperatura en
el rendimiento de la batera. Conclusiones.

Temperatura
Material Baja Media Alta
130 155 34 40 20 70
M1
74 180 80 75 82 58
150 188 136 122 25 70
M2
159 126 106 115 58 45
138 110 174 120 96 104
M3
168 160 150 139 82 60

Solucin al Problema 3.6.

El modelo matemtico a ajustar es el siguiente

yijk = + i + j +( )ij + "ijk

donde i es el efecto del factor material, i = 1; 2; 3 ) I = 3

j es el efecto del factor temperatura, j = 1; 2; 3 ) J = 3
( )ij es el efecto de la interaccin entre ambos factores.
Para estimar estos parmetros se calculan las medias de cada casilla y las medias de
cada la y cada columna.

Medias
yij Baja Media Alta yi
M1 1340 75 570 25 570 5 830 17
M2 1550 75 1190 75 490 5 1080 33
M3 1440 0 1450 75 850 5 1250 08
yj 1440 83 1070 58 640 17 y = 1050 53
Se calculan los parmetros del modelo utilizando

^ i = yi y ; ^ =yj
j y ; (d)ij = yij yi yj +y ;

se obtiene
Prcticas y problemas de diseo de experimentos. 13

Parmetros del modelo

(d)ij Baja Media Alta ^i
M1 120 28 270 95 150 69 220 36
M2 80 12 90 37 170 47 20 80
M3 200 38 180 62 10 78 190 55
^ 390 30 20 05 410 35
j

Se calculan las predicciones a partir de

y^ij = ^ + ^ i + ^ j + (d)ij = yij ;

se obtiene

Predicciones = Medias casilla

y^ij Baja Media Alta
0
M1 134 75 0
57 25 570 5
M2 1550 75 1190 75 490 5
M3 0 0
144 0 145 75 850 5
Los residuos se calculan como

eijk = yijk y^ij ; i; j = 1; 2; 3;

obteniendo
Residuos Baja Media Alta
40 75200 25 230 25170 25 370 5 120 5
M1
600 75 450 25 220 75 170 75 240 5 00 5
50 75 320 25 0
16 25 20 25 24 5 200 5
0
M2
30 25 290 75 130 75 40 75 80 5 40 5
60 0 340 0 280 25 250 75 100 5 180 5
M3
240 0 160 0 40 25 60 75 30 5 250 5

Observar que la suma de residuos de cada casilla vale cero.

Clculo de las sumas de cuadrados:

scT ( ) = scT (material ) = 3 4 220 362 + 20 82 + 190 552 = 10;6830 70:

scT ( ) = scT (temperatura) = 3 4 390 32 + 20 052 + 410 352 = 39;1180 70:

0 1
120 282 + 270 972 + 150 692 +
B C
scT ( ) = scT (interaccin) = 4 @ 80 122 + 90 372 + 170 472 + A = 9;6130 78:
200 382 + 180 622 + 10 782

scT = scT ( ) + scT ( ) + scT ( )

= 10;683 70 + 39;118 70 + 9;6130 78 = 59;4160 18:
0 0
14 Modelos estadsticos aplicados. Juan Vilar

3 X
X 3 X
4
scG = (yijk y )2
i=1 j=1 k=1
1X X X 2
= ns2Y = n y y2 = 77;6470 0:
n i j k ijk

scR = scG + scT = 77;6470 0 59;4160 18 = 18;2300 7:

La suma de cuadrados de residuos tambin se puede calcular directamente

3 X
X 3 X
4 3 X
X 3 X
4
scR = eijk = (yijk y^ij )2 =
i=1 j=1 k=1 i=1 j=1 k=1

40 752 + 200 252 + : : : + 30 52 + 250 52 =

= 18;2300 7:

Si se utiliza calculadora es ms sencillo hacerlo por el mtodo anterior.

La Tabla ANOVA que se obtiene en este problema es la siguiente:

Tabla ANOVA
Efecto Sum cuad. g.l. Varianza estadst. F p-valor
scT ( ) 10;6830 70 2 s^2 = 5;3410 86 70 91 00 002
scT ( ) 39;1180 70 2 s^2 = 19;5590 4 280 97 00 000
scT ( ) 9;6130 78 4 s^2 = 2;4030 44 30 56 00 019
scT 59;4160 18 8
scR 18;2300 7 27 s^2R = 6750 213 s^R = 250 98
scG 77;6470 0 35 s^2Y = 2;2180 48 s^Y = 470 10
Los coecientes de determinacin que se obtienen son
scT ( ) 10;6830 70
R2 ( ) = R2 (material ) = = = 00 1376 ) 130 76 %:
scG 77;6470 0
scT ( ) 39;1180 70
R2 ( ) = R2 (temperatura) = = = 00 5038 ) 500 38 %:
scG 77;6470 0
scT ( ) 9;6130 78
R2 ( ) = R2 (interaccin) = = = 00 1238 ) 120 38 %:
scG 77;6470 0
scT 59;4160 18
R2 = = R2 ( ) + R2 ( ) + R2 ( )= = 00 7652 ) 760 52 %:
scG 77;6470 0

Contrastes que se deducen la tabla ANOVA son los siguientes:

1. Sobre la inuencia del factor-tratamiento material

Prcticas y problemas de diseo de experimentos. 15

(1)
H0 : el factor no inuye: i = 0; i = 1; : : : ; 3:

s^2 5;3410 86
F^ = 2 = = 70 91 F2;27 ? ) p val = 00 002:
s^R 6750 213
Se rechaza la hiptesis nula de no inuencia del factor material. Hecho que se observa
claramente en el grco de medias del factor material,

Figura 3.6. Grco de medias respecto a material.

Figura 3.7. Grco de medias respecto a la temperatura.

2. Sobre la inuencia del factor-tratamiento temperatura

(2)
H0 : el factor temperatura no inuye: i = 0; j = 1; : : : ; 3:

s^2 19;5590 4
F^ = = = 280 97 F2;27 ? ) p val = 00 000:
s^2R 6750 213
16 Modelos estadsticos aplicados. Juan Vilar

Se rechaza la hiptesis nula de no inuencia del factor temperatura. Esto se observa

en el grco de medias del factor temperatura (Figura 3.7.).
3. Sobre la inuencia de la interaccin de los dos factores.
(3)
H0 : la interaccin de los dos factores no inuye: ( )ij = 0; i; j = 1; : : : ; 3:

s^2 2;4030 44
F^ = = = 30 56 F2;27 ? ) p val = 00 019:
s^2R 6750 213
Se rechaza la hiptesis nula de no inuencia de la interaccin de los factores para
niveles superiores a 00 02. Esto se puede observar en los grcos de interacciones (respecto
al factor material, Figura 3.8. y respecto al factor temperatura, Figura 3.9.).

Figura 3.8. Grco de interacciones respecto a material.

Figura 3.9. Grco de interacciones respecto a temperatura.

En la Figura 3.10. se presenta el grco de residuos frente a predicciones en el que no

se observa ningn problema.
Prcticas y problemas de diseo de experimentos. 17

Figura 3.10. Grco de residuos frente a predicciones.

Problema 3.7. (Diseo de experimentos en cuadrado latino).

Para estudiar el efecto de la iluminacin (A=natural, B=muy fuerte, C=escasa) en la
velocidad de lectura se realiza un experimento que consiste en contar el nmero de palabras
ledas en un minuto en distintos tipos de papel (b=blanco, c=en color, s=satinado) y dife-
rente tipografa (g=letra grande, p=letra pequea, n=normal). Los resultados obtenidos
son los de la tabla adjunta.
Analizar estos datos y estudiar la posible inuencia de los factores iluminacin, tipos
de papel y diferente tipografa en la variable de inters velocidad de lectura.

Tipo de papel
Letra satinado blanco color
grande 258 A 230 C 240 B
normal 235 B 270 A 240 C
pequea 220 C 225 B 260 A

Solucin al Problema 3.7.

El modelo matemtico-estadstico a ajustar es

yij(k) = + i + j + (k) + "ij(k) ;

donde el factor la representa al factor tipo de letra, el factor columna representa al

factor tipo de papel y el factor letra (cuadrado latino) representa el factor iluminacin.
Es un modelo con tres factores, cada uno de los cuales tiene tres niveles, se supone que no
existen interacciones entre los factores y puede resolverse con solo 32 = 9 observaciones
por medio del diseo fraccional de cuadrado latino.
Se calculan las medias y parmetros del modelo como sigue

y = 242
18 Modelos estadsticos aplicados. Juan Vilar

Medias y estimaciones
yi ^ i = yi y yj ^ =yj y y k ^k = y k y
j
2420 67 0
+0 67 0
237 67 0
4 33 2620 67 +200 67
2480 33 +60 33 2410 67 00 33 2330 33 80 67
2350 00 70 00 2460 67 +40 66 2300 00 120 00
A partir de estos valores se calculan las predicciones

y^ij(k) = ^ + ^ i + ^ j + ^(k) ; i; j = 1; 2; 3;

obteniendo
Predicciones
2590 00 2300 33 2380 67
2350 33 2680 67 2410 00
2180 67 2260 00 2600 33
Los residuos son
eij(k) = yij(k) y^ij(k) ; i; j = 1; 2; 3;
se obtiene

Residuos
10 00 00 33 10 33
00 33 10 33 10 00
10 33 10 00 00 33
Clculo de las sumas de cuadrados

scT ( ) = scT (tipo letra) = 3 00 672 + 60 332 + 72 = 2680 67:

scT ( ) = scT (papel ) = 3 40 332 + 00 332 + 40 662 = 1220 00:

scT ( ) = scT (iluminacin) = 3 200 672 + 80 672 + 122 = 1;9380 67:

scT = scT ( ) + scT ( ) + scT ( ) =

= 2680 67 + 1220 00 + 1;9380 67 = 2;3290 34:

La suma de cuadrados total es

3 X
X 3
2 1X X 2
scG = yij(k) y = ns2Y = n y y 2 = 2;338
n i j ij(k)
i=1 j=1

La suma de cuadrados no explicada (residual) es

scR = scG scT = 2;338 2;3290 34 = 80 67:

Tambin scR puede calcularse directamente de los residuos

Prcticas y problemas de diseo de experimentos. 19

3 X
X 3 3 X
X 3
2
scR = e2ij(k) = yij(k) y^ij(k)
i=1 j=1 i=1 j=1

= 1 + 0 33 + 1 33 + 0 332 + 10 332 + 12 + 10 332 + 12 + 00 332

2 0 2 0 2 0

= 80 67:

Los coecientes de determinacin son:

scT ( ) 2680 67
R2 ( ) = R2 (tipo letra) = = = 00 1149 ) 110 49 %:
scG 2;338

scT ( ) 1220 00
R2 ( ) = R2 (papel ) = = = 00 522 ) 50 22 %:
scG 2;338

scT ( ) 1;9380 67
R2 ( ) = R2 (iluminacin) = = = 00 8292 ) 820 92 %:
scG 2;338

sgT 2;3290 34
R2 = = R2 ( ) + R2 ( ) + R2 ( ) = = 00 9962 ) 990 62 %:
scG 2;338

La tabla ANOVA que se obtiene es la siguiente

Tabla ANOVA
Efecto Sum cuad. g.l. Varianza estadst. F p-valor
scT ( ) 2680 67 2 s^2 = 1340 33 31 00 031
scT ( ) 1220 00 2 s^2 = 610 00 0
14 08 00 066
scT ( ) 1;9380 67 2 s^2 = 9690 33 2230 69 00 004
scT 2;3290 34 6
scR 80 66 2 s^2R = 40 33 s^R = 20 08
scG 2;3380 0 8 s^2Y = 2920 25 s^Y = 170 09

De esta tabla se deducen los siguientes contrastes:

1. Sobre la inuencia del factor tipo de letra.

(1)
H0 : el factor tipo de letra no inuye: i = 0; i = 1; 2; 3:

s^2 1340 33
F^ = 2 = 0 = 31 F2;2 ? ) p val = 00 031:
s^R 4 33

Se rechaza para niveles de > 00 031 (por ejemplo = 00 05) la hiptesis nula de no
inuencia del factor tipo de letra. El grco de medias conrma este hecho.
20 Modelos estadsticos aplicados. Juan Vilar

Figura 3.11. Grco de medias respecto al tipo de letra.

2. Sobre la inuencia del factor tipo de papel se obtiene,

(2)
H0 : el factor tipo de papel no inuye: i = 0; i = 1; 2; 3:

s^2 610 00
F^ = = = 140 08 F2;2 ? ) p val = 00 066:
s^2R 40 33
Se acepta para niveles de < 00 066 (por ejemplo = 00 05) la hiptesis nula de no
inuencia del factor tipo de papel. El grco de medias del factor tipo de papel es

Figura 3.11. Grco de medias respecto al tipo de papel.

3. Sobre la inuencia del factor tipo de iluminacin, se deduce el siguiente contraste

(3)
H0 : el factor tipo de iluminacin no inuye: i = 0; i = 1; 2; 3:

s^2 9690 33
F^ = 2 = 0 = 2330 39 F2;2 ? ) p val = 00 004:
s^R 4 33
Prcticas y problemas de diseo de experimentos. 21

Se rechaza para niveles de > 00 004 (por ejemplo = 00 05) la hiptesis nula de no
inuencia del factor tipo de iluminacin. Esto puede observarse en el grco de medias del
factor

Figura 3.13. Grco de medias respecto al tipo de iluminacin.

1.3. Problemas propuestos de diseo de experimentos.

Problema 3.8.
Los siguientes datos proporcionan la presin, sistlica y diastlica, de la sangre (en
mm Hg) de 15 pacientes con hipertensin moderada, medidas antes y despus de probar
un nuevo frmaco. En base a estos datos puede armarse que el nuevo frmaco es efectivo
para bajar la tensin arterial?

Sistlica Diastlica Sistlica Diastlica

Pac Ant Desp Ant Desp Pac Ant Desp Ant Desp
1 210 201 130 125 9 173 147 115 103
2 169 165 122 121 10 146 136 102 98
3 187 166 124 121 11 174 151 98 90
.
4 160 157 104 106 12 201 168 119 98
5 167 147 112 101 13 198 179 106 110
6 176 145 101 85 14 148 129 107 103
7 185 168 121 98 15 154 131 100 82
8 206 180 124 105

Problema 3.9.
Una empresa desea contrastar si el lunes es el da de la semana en que se presentan
ms bajas por enfermedad comn. Para ello, en base a los datos de cinco aos, se eligen
al azar 10 lunes, 10 martes, 10 mircoles, 10 jueves y 10 viernes, anotando el nmero de
bajas durante tales das. Los resultados obtenidos son los de la tabla adjunta
22 Modelos estadsticos aplicados. Juan Vilar

Muestreo 1
Da nmero de bajas por da
Lunes 26 37 22 55 23 38 46 25 25 23
Martes 35 20 28 12 17 17 57 42 25 63
Mircoles 25 40 63 18 62 30 38 23 37 26
Jueves 51 20 30 13 42 28 17 73 25 22
Viernes 30 62 40 15 26 37 52 12 16 25

Un segundo estudio se realiz en base al mismo experimento pero cambiando el esquema

del muestreo, ahora se eligieron al azar diez semanas completas de los cinco aos. Los
resultados que se obtuvieron son los siguientes:

Muestreo 2
Semana (nmero de bajas por da)
Da S1 S2 S3 S4 S5 S6 S7 S8 S9 S10
Lunes 40 32 56 65 18 43 30 51 46 38
Martes 32 51 34 35 23 22 45 35 32 58
Mircoles 42 30 29 30 15 30 42 51 31 26
Jueves 20 32 30 40 21 28 46 36 36 22
Viernes 26 27 27 17 23 37 53 22 15 22

En base a estos datos:

1. Indicar los modelos matemticos asociados a ambos tipos de muestreo.

2. Calcular en ambos casos la tabla ANOVA. Conclusiones.

3. Utilizando los dos tipos de muestreo existe un da o ms en que el nmero de bajas

por enfermedad comn sea signicativamente mayor?

4. En ambos casos se verican las hiptesis del modelo? En caso negativo, transformar
los datos y recalcular los modelos.

5. Comparar razonadamente ambos esquemas de muestreo. Proponer un modelo de

muestreo ms adecuado.

Problema 3.10.
Se realiza un experimento para investigar el proceso de obtencin de la penicilina,
siendo la variable de inters la produccin obtenida. El estudio se centra en observar los
resultados de 4 variantes del proceso bsico, denominadas tratamientos A, B, C y D. Se
quiere controlar una materia prima importante, el licor de maz, para ello se utilizan cinco
mezclas de licor de maz (bloques) con los que se realiza el experimento. Los resultados
observados son los de la tabla adjunta. En base a estos datos inuye la variante del
proceso en la produccin obtenida? El resultado sera el mismo si no se tiene en cuenta
el tipo de maz utilizado?.
Prcticas y problemas de diseo de experimentos. 23

Tratamientos
Bloque A B C D
Mezcla 1 89 88 97 94
Mezcla 2 84 77 92 79
Mezcla 3 81 87 87 85
Mezcla 4 87 92 89 84
Mezcla 5 79 81 80 88

Problema 3.11.
Un experimento consiste en anotar las dcimas de segundo que se tarda en parar el
cronmetro despus de ponerlo en marcha. Para ello, se inicializa el cronmetro en 0:00:00,
se pone en marcha pulsando un botn para, despus, pararlo pulsando el mismo botn. Se
anota el tiempo que se ha tardado en pararlo, sto es, el tiempo que aparece indicado en
el cronmetro.
Con este experimento se desea estudiar la inuencia en la variable de inters (tiempo que
se tarda en detener el cronmetro en dcimas de segundo) de dos factores: el tipo de reloj
utilizado (se han utilizado cuatro relojes: R1, R2, R3 y R4) y de la mano utilizada (derecha
(D) o izquierda (I)).
Todos los datos de este experimento han sido realizados por una sola persona que ha real-
izado cinco rplicas de cada tratamiento. Los datos obtenidos son los de la tabla adjunta.
En base a ellos estudiar la inuencia de los factores y analizar la existencia de interaccin
entre los dos factores, verican los residuos las hiptesis del modelo?.

Reloj
Mano R1 R2 R3 R4
11 11 10 18 18 16 12 14
Derecha 16 12 20 17 17 20 15 16
11 13 15 16
17 17 30 22 21 25 21 16
Izquierda 11 17 28 22 22 23 18 21
16 20 26 18

Problema 3.12.
Se ha realizado un experimento para comprobar si existen diferencias signicativas
en el tiempo de ejecucin entre tres programas que calculan el factorial de un nmero.
Tambin se desea investigar si inuye en la variable de inters el intervalo al que pertenece
el nmero del que se calcula el factorial.
Los programas utilizados son tres:
- Recfact, que calcula el factorial de forma recursiva.
- Tailfact, calcula el factorial de usando tail-recursion.
- Loopfact, calcula el factorial utilizando un bucle en el que calcula en sucesivas itera-
ciones el producto nal.
24 Modelos estadsticos aplicados. Juan Vilar

Los intervalos elegidos para hacer el estudio son de longitud cien unidades: [1,100],
[101,200], [201,300], [301,400], [401,500].
En el experimento se generaba para cada uno de los cinco intervalos diez nmeros
aleatorios (diez rplicas) y para cada nmero se calculaba el tiempo de ejecucin de los
tres programas que calculan el factorial.Los datos obtenidos del experimento son los de la
tabla adjunta.

Intervalo
Programa I.1. I.2. I.3. I.4. I.5.
10 6 70 9 170 3 130 3 280 8 350 2 390 9 440 9 510 5 510 7
70 8 110 8 140 7 230 4 310 9 290 2 400 9 440 8 520 6 500 1
Recfact 80 5 40 5 190 0 220 2 320 0 310 0 360 9 390 5 550 1 500 6
50 7 20 8 190 3 140 8 290 9 310 1 460 4 430 1 490 0 560 6
0
82 40 6 240 8 150 0 340 5 260 5 370 5 390 2 490 1 550 9
30 2 110 7 210 5 280 4 460 3 510 6 580 9 680 0 850 6 740 1
100 9 170 0 360 6 270 9 520 6 430 7 550 9 650 2 760 6 840 7
Tailfact 10 7 70 9 250 5 210 6 430 0 390 5 590 6 550 1 780 2 790 6
5 9 110 2
0 220 0 320 8 470 6 440 8 600 2 670 5 830 5 750 8
60 1 110 9 340 5 340 5 460 4 470 8 700 2 610 9 770 6 740 1
100 7 10 7 330 7 210 5 420 5 460 4 530 4 540 5 720 4 760 3
110 0 30 2 270 8 210 0 460 7 410 8 580 7 660 1 740 6 770 4
Loopfact 7 8 110 7
0 240 9 210 1 500 3 430 5 680 3 630 4 820 6 750 8
60 0 110 6 350 8 270 3 380 4 450 1 570 4 570 8 720 2 830 5
50 9 160 7 180 9 320 0 450 2 510 3 650 8 600 4 740 0 810 3

Las variables en estudio son:

Programa: programa utilizado (1=Recfact, 2=Tailfact, 3=Loopfact)
Intervalo: intervalo del que se elega el nmero (1,2,3,4, 5).
Rplica: rplica del experimento (1,...,10)
Tiempo: tiempo de ejecucin en cada caso.
En base a estos datos,

1. Estudiar de la inuencia de los tres factores.

2. Qu modelo estadstico se debe utilizar? Se ajusta bien el modelo propuesto a

los datos? Existe interaccin entre los factores?, en caso armativo interpretar la
interaccin.

3. Analizar las hiptesis bsicas del modelo.

Problema 3.13.
Se disea un experimento para estudiar la inuencia del tipo de cinta(dos niveles)
y del tipo de impresora(dos niveles) en la variable duracin de la cinta en horas. Los
datos se recogen en la tabla adjunta
Prcticas y problemas de diseo de experimentos. 25

Impresora I 1 Impresora I 2
Cinta A Cinta B Cinta A Cinta B
0 0
17 1 15 2 190 4 170 2 0 0
12 3 11 6 150 6 160 1
160 5 160 7 180 9 200 7 130 8 120 1 170 2 180 3
0
14 9 200 1 0
10 8 160 7

En base a estos datos

1. Escribir el modelo matemtico asociado al problema y las hiptesis que se suponen.

2. Calcular la tabla ANOVA y obtener los contrastes que se deducen.

3. Si suponemos que la interaccin es nula cmo inuye en la tabla ANOVA? Se

modican las conclusiones?

4. Calcular un intervalo de conanza al 90 % para la duracin media de la cinta con la

impresora I1.

Problema 3.14.
Se realiza un experimento para estudiar el efecto del tipo de material y el tratamiento
empleado en el desgaste de unas piezas mecnicas. Los datos obtenidos son los de la tabla
adjunta. En base a estos datos analizar la inuencia de los dos factores (diseo anadidado
o jerarquizado).

Material A B C D E
Tratamiento a b a b a b a b a b
Rplica 1 23 30 42 45 37 39 41 44 20 24
Rplica 2 25 31 44 50 38 39 42 49 25 30

Problema 3.15.
Se realiza un experimento para comparar la energa que se requiere para llevar a
cabo tres actividades fsicas: correr, pasear y montar en bicicleta. La variable de inters
es Y =nmero de kilocaloras consumidas por kilmetro recorrido. Se cree que las dife-
rencias metablicas entre los individuos puede afectar al nmero de kilocaloras requeridas
para llevar a cabo una determinada actividad y se quiere controlar esta variable extraa.
Para ello se seleccionan ocho individuos al azar y se les pide que hagan las tres actividades
mencionadas. Se mide el nmero de kilocaloras consumidas por kilmetro obteniendo los
datos de la tabla adjunta. Las actividades se realizan en orden aleatorio con tiempo de
recupeacin entre una y otra. Puede pensarse que no inuye la actividad realizada en el
nmero de kilocaloras consumidas?.

B.1. B.2. B.3. B.4. B.5. B.6. B.7. B.8

Correr 10 4 10 5 10 8 10 7 10 6 10 5 10 7 20 0
Caminar 10 1 10 2 10 3 10 3 00 7 10 2 10 1 10 3
Pedalear 00 7 00 8 00 7 00 8 00 1 00 7 00 4 00 6
26 Modelos estadsticos aplicados. Juan Vilar

Problema 3.16.
Se estn investigando los efectos que sobre la resistencia del papel produce el por-
centaje de concentracin de bra de madera (hardwood) en la pulpa, la presin del tanque
y el tiempo de coccin de la pulpa. Se seleccionan tres niveles de concentracin de madera
y de presin, y dos niveles de tiempo de coccin. Por tanto, los factores son: concentracin
porcentual de bra que se estudia a tres niveles (2, 4 y 8); presin durante el tiempo de
coccin que se estudia a tres niveles (400, 500 y 650); y tiempo de coccin que se estudia
a dos niveles, 3 y 4 horas.
Se realiza un experimento completamente aleatorizado con dos rplicas y se registran
los datos que se recogen en el chero problema-3-16.

1. Analizar los datos y obtener conclusiones.

2. Obtener los grcos de residuos apropiados y comentar la adecuacin del modelo.