TAREA 4

1. En que situaciones se aplica un diseo de bloques completos al azar? En que

difieren los factores de tratamiento y de bloque?
Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor sin
que las posibles diferencias se deban a otros factores que no se consideraron en el
estudio. En el diseo DBCA, en cada bloque se prueban todos los tratamientos. La
aleatorizacin se hace dentro de cada bloque. Un tratamiento es una combinacin de
niveles de todos los factores y los factores de bloque son las variables adicionales al
factor de inters que se incorporan de manera explicita en un experimento
comparativo para no sesgar la comparacin.
2. Que diferencia hay entre un DBCA y los diseos en cuadro latino?
En el DBCA se consideran tres fuentes de variabilidad: el factor de tratamientos, el
factor de bloque y el error aleatorio, mientras que en el diseo en cuadro latino se
controlan dos factores de bloque y uno de tratamientos; los tres factores tienen la
misma cantidad de niveles. Los tratamientos se representan por letras latinas y se
distribuyen en forma adecuada en un cuadro.
3. De acuerdo con el modelo estadstico para un diseo en bloques, porque a travs de
este diseo se reduce el error aleatorio?
Porque ahora al considerar los bloques, la variabilidad observada que no se poda
explicar por los factores estudiados resulta del efecto de dichos bloques y del error
experimental.
9. A continuacin se muestran los datos para un diseo en bloques al azar.
Bloque Total por
Tratamiento 1 2 3 4 tratamiento
A 3 4 2 6 Y1. =
B 7 9 3 10 Y2. =
C 4 6 3 7 Y3. =
. . . .
Total por bloque Y1 = Y2 = Y3 = Y4 = Y..
a) Complete las sumas totales que se piden en la tabla anterior.
Bloque Total por
Tratamiento 1 2 3 4 tratamiento
A 3 4 2 6 Y1. = 15
B 7 9 3 10 Y2. = 29
C 4 6 3 7 Y3. = 20
. . . .
Total por bloque Y 1 = 14 Y 2 = 19 Y3 = 8 Y 4 = 23 Y.. = 64

b) Calcule las sumas de cuadrados correspondientes: SCTrat, SCB, SCT y SCE

SCT = (3 + 42 + + 72) (642/12) = 72.6667
2

SCTrat = ((152 + 292 + 202) / 4) - (642/12) = 25.1667

SCB = (142 + 192 +82 +232) /3) - (642/12) = 42.0000
SCE = 72.6667 25.1667 42.0000 = 5.5000
c) Obtenga la tabla de anlisis de varianza y anote las principales conclusiones.
Empleando el SW Minitab se obtiene la siguiente informacin:
Two-way ANOVA: Respuesta versus Tratamiento, Bloque
Source DF SS MS F P
Tratamiento 2 25.1667 12.5833 13.73 0.006
Bloque 3 42.0000 14.0000 15.27 0.003
Error 6 5.5000 0.9167
Total 11 72.6667

d) Obtenga la diferencia mnima significativa (LSD) para comparar

tratamientos en este diseo en bloques.
2(0.9167) 2(0.9167)
LSD t 0.025,( 31)( 4 1) 2.4469 (2.4469)(0.45835) 1.1215
4 4
10. Se hace un estudio sobre la efectividad de tres marcas de atomizador para matar
moscas. Para ello, cada producto se aplica a un grupo de 100 moscas y se cuenta el
nmero de moscas muertas expresado en porcentajes. Se hicieron seis rplicas, pero en
das diferentes; por ello, se sospecha que puede haber algn efecto importante debido a
esta fuente de variacin. Los datos obtenidos se muestran a continuacin.
Nmero de rplica (da)
Marca de 1 2 3 4 5 6
atomizador
1 72 65 67 75 62 73
2 55 59 68 70 53 50
3 64 74 61 58 51 69
a) Suponiendo un DBCA, formule las hiptesis adecuadas y el modelo estadstico.
Modelo estadstico:
Yij = + i + j + ij ; i = 1,2,3 y j = 1,2,3,4,5,6
Las hiptesis adecuadas son:
Ho: 1 + 2 + 3 =
Ha: i j para algn i j
Que tambin se puede expresar como:
Ho: 1 = 2 = 3 = 0
Ha: i 0 para algn i
b) Existe diferencia entre la efectividad promedio de los atomizadores?
Empleando el SW Minitab se obtiene la siguiente informacin:
Two-way ANOVA: Respuesta_1 versus Marca Atomizador, Da

Source DF SS MS F P
Marca Atomizador 2 296.33 148.167 2.88 0.103
Da 5 281.33 56.267 1.09 0.421
Error 10 514.33 51.433
Total 17 1092.00

De esta tabla se observa que para marca atomizador se obtuvo un valor-p = 0.103 >
0.05, por lo tanto se acepta Ho. Es decir que no existe diferencia entre la efectividad
promedio de los atomizadores.
c) Hay algn atomizador mejor? Argumente su respuesta.
Empleando el SW Minitab se obtiene la siguiente informacin:

Individual 95% CIs For Mean Based on

Marca Pooled StDev
Atomizador Mean --+---------+---------+---------+-------
1 69.0000 (----------*----------)
2 59.1667 (----------*---------)
3 62.8333 (----------*----------)
--+---------+---------+---------+-------
54.0 60.0 66.0 72.0
En este caso como los intervalos de confianza se traslapan entonces los atomizadores
son estadsticamente iguales en cuanto a sus medias.
d) Hay diferencias significativas en los resultados de diferentes das en que se realiz
el experimento? Argumente su respuesta.
Individual 95% CIs For Mean Based on
Pooled StDev
Da Mean --+---------+---------+---------+-------
1 63.6667 (-----------*----------)
2 66.0000 (-----------*----------)
3 65.3333 (-----------*----------)
4 67.6667 (-----------*----------)
5 55.3333 (----------*-----------)
6 64.0000 (-----------*-----------)
--+---------+---------+---------+-------
48.0 56.0 64.0 72.0
En este caso como los intervalos de confianza se traslapan entonces los resultados de
diferentes das en que se realizo el experimento son estadsticamente iguales en cuanto
a sus medias.
e) Verifique los supuestos de normalidad y de igual varianza entre las marcas.
Residual Plots for Respuesta_1
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99 10

90 5
Residual
Percent

50 0

10 -5

1 -10
-10 -5 0 5 10 50 55 60 65 70
Residual Fitted Value

Histogram of the Residuals Residuals Versus the Order of the Data

10
4.8
5
3.6
Frequency

Residual

0
2.4

1.2 -5

0.0 -10
-10 -5 0 5 10 2 4 6 8 10 12 14 16 18
Residual Observation Order
En la grfica 1 (Normal Probability Plot of the Residuals) se han graficado los
residuos y se observa que estos siguen una distribucin normal ya que tienden a
quedar alineados en una lnea recta.

En la grfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningn patrn claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.

16. Se quiere estudiar el efecto de cinco diferentes catalizadores (A, B, C, D y E) sobre

el tiempo de reaccin de un proceso qumico. Cada lote de material solo permite cinco
corridas y cada corrida requiere aproximadamente 1.5 horas, por lo que solo se pueden
realizar cinco corridas diarias. El experimentador decide correr los experimentos con un
diseo en cuadro latino para controlar activamente a los lotes y das. Los datos
obtenidos son:
Da
1 2 3 4 5
Lote 1 A=8 B=7 D=1 C=7 E=3
Lote 2 C = 11 E=2 A=7 D=3 B=8
Lote 3 B=4 A=9 C = 10 E=1 D=5
Lote 4 D=6 C=8 E=6 B=6 A = 10
Lote 5 E=4 D=2 B=3 A=8 C=8
a) Cmo se aleatoriz el experimento?
Se sigui la siguiente estrategia:
1. Se construye el cuadro latino estndar ms sencillo.
2. Se aleatoriza el orden de los renglones (o columnas) y despus se aleatoriza el
orden de las columnas (o renglones).
3. Por ltimo, los tratamientos a comparar se asignan en forma aleatoria a las
letras latinas.
As se cumple que cada letra debe aparecer solo una vez en cada rengln y en cada
columna.
b) Anote la ecuacin del modelo y las hiptesis estadsticas correspondientes.
Modelo estadstico:
Yij = + i + j + l + ij ; i = 1,2,3,4,5 j = 1,2,3,4,5, l = 1,2,3,4,5
Las hiptesis adecuadas son:
Ho: 1 + 2 + 3 + 4 + 5=
Ha: i j para algn i j
Que tambin se puede expresar como:
Ho: 1 = 2 = 3 = 4 = 5 = 0
Ha: i 0 para algn i
 c) Existen diferencias entre los tratamientos? Cules tratamientos son diferentes entre
si?
Analysis of Variance for Y, using Adjusted SS for Tests

Source DF Seq SS Adj SS AdjMS F P

Catalizador 4 141.440 141.440 35.360 11.31 0.000
Lote 4 15.440 15.440 3.860 1.23 0.348
Da 4 12.240 12.240 3.060 0.98 0.455
Error 12 37.520 37.520 3.127
Total 24 206.640

S = 1.76824 R-Sq = 81.84% R-Sq(adj) = 63.69%

De esta tabla se observa que para Catalizador se obtuvo un valor-p = 0.000 < 0.05, por
lo tanto se rechaza Ho. Es decir que al menos dos de los catalizadores son diferentes.

Interval Plot of Respuesta vs Catalizador

95% CI for the Mean
12

10

8
Respuesta

0
1 2 3 4 5
Catalizador

De tal forma, los intervalos de confianza de los catalizadores 1 y 2 se traslapan por lo

que sus respuestas medias son iguales estadsticamente. Los intervalos de confianza de
los catalizadores 2 y 3 se traslapan por lo que sus respuestas medias son iguales
estadsticamente. Los intervalos de confianza de los catalizadores 4 y 5 se traslapan
por lo que sus respuestas medias son iguales estadsticamente. Los intervalos de
confianza de los catalizadores 2 y 4 se traslapan por lo que sus respuestas medias son
iguales estadsticamente. Los intervalos de confianza de los catalizadores 2 y 5 se
traslapan por lo que sus respuestas medias son iguales estadsticamente. Finalmente al
no traslaparse los intervalos los catalizadores1 y 2 son diferentes a los catalizadores 4
y 5.
De igual forma el anlisis se realiza para los 2 bloques.

Interval Plot of Respuesta vs Lote

95% CI for the Mean
12

10

8
Respuesta

0
1 2 3 4 5
Lote

De tal forma, los intervalos de confianza de los lotes se traslapan por lo que sus
respuestas medias son iguales estadsticamente.

Interval Plot of Respuesta vs Da

95% CI for the Mean

10

8
Respuesta

0
1 2 3 4 5
Da
De tal forma, los intervalos de confianza de los das se traslapan por lo que sus
respuestas medias son iguales estadsticamente.
d) Los factores de ruido, lote y da afectan el tiempo de reaccin del proceso?
Del ANOVA se observa que para lote se obtuvo un valor-p = 0.348 > 0.05, por lo tanto
se acepta Ho. Es decir que no existe diferencia entre el tiempo de reaccin de un
proceso qumico de los lotes.
Por otro lado, del ANOVA se observa que para das se obtuvo un valor-p = 0.455 >
0.05, por lo tanto se acepta Ho. Es decir que no existe diferencia entre el tiempo de
reaccin de un proceso qumico de los das.
e) Dibuje los grficos de medias para los tratamientos, los lotes y los das. Cul
tratamiento es el mejor?
Sera el tratamiento 5, puesto que tiene la media ms baja respecto al tiempo de
reaccin del proceso.
f) Verifique los supuestos del modelo, considerando que los datos se obtuvieron
columna por columna, da a da.

Residual Plots for Y

Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99
2
90
1
Residual
Percent

50 0

-1
10
-2
1
-3.0 -1.5 0.0 1.5 3.0 2 4 6 8 10
Residual Fitted Value

Histogram of the Residuals Residuals Versus the Order of the Data

6.0
2
4.5 1
Frequency

Residual

3.0 0

-1
1.5
-2
0.0
-2 -1 0 1 2 2 4 6 8 10 12 14 16 18 20 22 24
Residual Observation Order

En la grfica 1 (Normal Probability Plot of the Residuals) se han graficado los

residuos y se observa que estos siguen una distribucin normal ya que tienden a
quedar alineados en una lnea recta.

En la grfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningn patrn claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.
 23. Un investigador est interesado en el efecto del porcentaje de lisina y del
porcentaje de protena en la produccin de vacas lecheras. Se consideran 7 niveles de cada
factor.
% de lisina: 0,0 (A), 0,1 (B), 0,2 (C), 0,3 (D), 0,4 (E), 0,5 (F), 0,6 (G),
% de protena: 2 (), 4(), 6(), 8(), 10(), 12(), 14()
Para el estudio, se seleccionan siete vacas al azar, a las cuales se les da un seguimiento de
siete perodos de tres meses. Los datos en galones de leche fueron los siguientes:

Vaca/Perodo 1 2 3 4 5 6 7
1 304 436 350 504 417 519 432
2 381 505 425 564 494 350 413
3 432 566 479 357 461 340 502
4 442 372 536 366 495 425 507
5 496 449 493 345 509 481 380
6 534 421 352 427 346 478 397
7 543 386 435 485 406 554 410
a) Analice este experimento, qu factores tienen efecto en la produccin de
leche?
Empleando el SW Minitab se obtiene la siguiente informacin:
Analysis of Variance for Respuesta, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

Vaca 6 8754 8588 1431 1.39 0.261
perodo 6 1761 1702 284 0.27 0.943
% lisina 6 38906 40171 6695 6.48 0.000
% proteina 6 148628 148628 24771 23.98 0.000
Error 24 24792 24792 1033
Total 48 222841

S = 32.1406 R-Sq = 88.87% R-Sq(adj) = 77.75%

Del ANOVA se observa que para VACA se obtuvo un valor-p = 0.261 > 0.05, por lo
tanto se acepta Ho. Es decir que no existe diferencia en la produccin de leche.
Por otro lado, del ANOVA se observa que para PERIODO se obtuvo un valor-p =
0.943 > 0.05, por lo tanto se acepta Ho.
De igual forma para el % DE LISINA se obtuvo un valor-p = 0.000 < 0.05, por lo tanto
se se rechaza Ho. Es decir si existe diferencia en la produccin de leche debida a dicho
porcentaje.
De igual forma para el % DE PROTEINA se obtuvo un valor-p = 0.000 < 0.05, por lo
tanto se se rechaza Ho. Es decir si existe diferencia en la produccin de leche debida a
dicho porcentaje.
b) Interprete los resultados usando grficos de medias.
 Interval Plot of Respuesta vs Vaca
95% CI for the Mean

525

500

475
Respuesta

450

425

400

375

350
1 2 3 4 5 6 7
Vaca

De tal forma, los intervalos de confianza de las vacas se traslapan por lo que sus
respuestas medias son iguales estadsticamente.

Interval Plot of Respuesta vs perodo

95% CI for the Mean
550

500
Respuesta

450

400

350
1 2 3 4 5 6 7
perodo

De tal forma, los intervalos de confianza de los perodos se traslapan por lo que sus
respuestas medias son iguales estadsticamente.
 Interval Plot of Respuesta vs % lisina
95% CI for the Mean
550

500

450
Respuesta

400

350

300
1 2 3 4 5 6 7
% lisina

De tal forma, los intervalos de confianza de los % de lisina se traslapan por lo que sus
respuestas medias son iguales estadsticamente.

Interval Plot of Respuesta vs % proteina

95% CI for the Mean
600

550

500
Respuesta

450

400

350

300
1 2 3 4 5 6 7
% proteina
De tal forma, los intervalos de confianza de los % de protena no se traslapan por lo
que sus respuestas medias no son iguales estadsticamente.
c) Cmo puede explicar la falta de efectos en vacas y perodo?
El diseo pretenda verificar el efecto del porcentaje de lisina y del porcentaje de
protena en la produccin de vacas lecheras por lo que se bloquearon los aspectos
relacionados a las vacas y al perodo.
d) Que porcentajes de lisina y protena dan los mejores resultados?
De las grficas anteriores, % de lisina que brinda los mejores resultados es: 0,4 (E).
Respecto del % de protenas, el mejor es: 14().
e) Verifique los supuestos del modelo.
Residual Plots for Respuesta
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99
50
90
25

Residual
Percent

50 0

-25
10
-50
1
-50 -25 0 25 50 300 400 500 600
Residual Fitted Value

Histogram of the Residuals Residuals Versus the Order of the Data

12 50

25
Frequency

9
Residual

0
6
-25
3
-50
0
-60 -30 0 30 60 1 5 10 15 20 25 30 35 40 45
Residual Observation Order

En la grfica 1 (Normal Probability Plot of the Residuals) se han graficado los

residuos y se observa que estos siguen una distribucin normal ya que tienden a
quedar alineados en una lnea recta.

En la grfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningn patrn claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.