2.

Diseo de experimentos

Curso 2011-2012
Estadstica

2.1 Diseos Factoriales

(dos factores)
 Ejemplo
ANTDOTO
A B C D
0.31 0.82 0.43 0.45
0.45 1.10 0.45 0.71
I
V 0.46 0.88 0.63 0.66
E 0.43 0.72 0.72 0.62
N 0.36 0.92 0.44 0.56
E 0.29 0.61 0.35 1.02
II
N 0.40 0.49 0.31 0.71
O 0.23 1.24 0.40 0.38
S 0.22 0.30 0.23 0.30
0.21 0.37 0.25 0.36
III
0.18 0.38 0.24 0.31
0.23 0.29 0.22 0.33

Se analiza el efecto de tres venenos y cuatro antdotos

en el tiempo de supervivencia de unas ratas.

Diseo Experimentos 3

Modelo
Factor 1
1 2 I
y111 y 211 y I 11 yijk i j ij uijk
y112 y 212 y I 12
1
Normalidad
Factor 2

y11m y 21m y I 1m
y121 y 221 y I 21 Independencia
2
y122 y 222 y I 22 Homocedasticidad

y12 m y 22 m yI 2m I J tratamientos
y1J 1 y2 J1 y IJ 1 m replicaciones
y1J 2 y2 J 2 y IJ 2
J
n=m I J
y1Jm y 2 Jm y IJm

Diseo Experimentos 4
 Factor 1
1 2 ... I

1 ...
1 1 11 2 1 21 I 1 I1
Factor 2

2 ...
1 2 12 2 2 22 I 2 I2

J ...
1 J 1J 2 J 2J I J IJ

Modelo
yijk i j ij uijk
I
I
i 1 i 0 J
j 1 j 0 i 1 ij 0, j
J
j 1 ij 0, i
: Media global
i : Efecto del Factor 1 i, i=1,...,I
j : Efecto del Factor 2 j, j=1,...,J

ij: Interaccin de niveles ij

uijk : Componente aleatoria N(0, 2),

Diseo Experimentos 6
 Estimacin del modelo
: 1 y
yi y
i : I 1 i

j y j y
j : J 1
ij y ij yi y j y
ij : ( I 1)( J 1) 2
eijk
2
2 sR2
: 1 IJ (m 1)

m J m I m I J m
yijk yijk yijk yijk
k 1 j 1 k 1 i 1 k 1 i 1 j 1 k 1
y ij yi y j y
m mJ mI n

Diseo Experimentos 7

Estimacin del modelo

yijk i j ij uijk

yijk i j ij eijk

eijk yijk ( i j ij ) yijk yij

Diseo Experimentos 8
 Estimacin
ANTDOTO
A B C D
0.31 0.82 0.43 0.45
V 0.45 1.10 0.45 0.71
I
0.46 0.88 0.63 0.66
E 0.43 0.72 0.72 0.62
0.41 0.88 0.56 0.61
N 0.36 0.92 0.44 0.56
0.29 0.61 0.35 1.02
II
E 0.40 0.49 0.31 0.71
0.23 1.24 0.40 0.38
N 0.32 0.82 0.38 0.67
0.22 0.30 0.23 0.30
O 0.21 0.37 0.25 0.36
III
0.18 0.38 0.24 0.31
S 0.23 0.29 0.22 0.33
0.21 0.34 0.24 0.33

Diseo Experimentos 9

Estimacin
ANTDOTO
A B C D Medias i
0,31 0,82 0,43 0,45
0,45 1,10 0,45 0,71
V I 0,46 0,88 0,63 0,66 0,615 0,136
0,43 0,72 0,72 0,62
E Medias 0,41 0,88 0,56 0,61
ij -0,038 0,067 0,032 -0,061
N 0,36 0,92 0,44 0,56
0,29 0,61 0,35 1,02
E II 0,40 0,49 0,31 0,71 0,544 0,066
0,23 1,24 0,40 0,38
N Medias 0,32 0,82 0,38 0,67
ij -0,060 0,073 -0,080 0,068
O 0,22 0,30 0,23 0,30
0,21 0,37 0,25 0,36
S III 0,18 0,38 0,24 0,31 0,276 -0,202
0,23 0,29 0,22 0,33
Medias 0,21 0,34 0,24 0,33
0,098 -0,139 0,048 -0,007
ij
Medias 0,314 0,677 0,389 0,534 0,479
-0,164 0,198 -0,089 0,056
j
Diseo Experimentos 10
 Residuos
RESIDUOS
ANTDOTO
A B C D
-0.103 -0.060 -0.128 -0.160 2
V 0.038 0.220 -0.108 0.100 2 2
eijk
I
0.048 0.000 0.073 0.050
s R 0,022
IJ (m 1)
E 0.018 -0.160 0.163 0.010
0.00 0.00 0.00 0.00
N 0.040 0.105 0.065 -0.108
-0.030 -0.205 -0.025 0.353
II
E 0.080 -0.325 -0.065 0.043
-0.090 0.425 0.025 -0.288
N 0.00 0.00 0.00 0.00
0.010 -0.035 -0.005 -0.025
O 0.000 0.035 0.015 0.035
III
-0.030 0.045 0.005 -0.015
S 0.020 -0.045 -0.015 0.005
0.00 0.00 0.00 0.00

Diseo Experimentos 11

Anlisis de la varianza

yijk i j ij uijk yijk i j ij eijk

yijk y ( yi y ) (y j y ) ( y ij yi y j y ) ( yijk y ij )
yijk y ( yi y ) (y j y ) ( y ij yi y j y ) eijk
I J m I J m I J m
2 2
( yijk y ) ( yi y ) (y j y )2
i 1 j 1 k 1 i 1 j 1 k 1 i 1 j 1 k 1
I J m I J m
( y ij yi y j y )2 eijk2
i 1 j 1 k 1 i 1 j 1 k 1

I J m I J
( yijk y )2 mJ ( yi y ) 2 mI (y j y )2
i 1 j 1 k 1 i 1 j 1
I J I J m
m ( y ij yi y j y )2 2
eijk
i 1 j 1 i 1 j 1 k 1

Diseo Experimentos 12
 Variabilidades
I J m
VT ( yijk y )2
i 1 j 1 k 1
I
VE ( A) mJ ( yi y )2
i 1
J
VE ( B ) mI (y j y )2
j 1
I J
VE ( A B ) m ( y ij yi y j y )2
i 1 j 1
I J m
VNE ( yijk y ij ) 2
i 1 j 1 k 1

VT VE ( A) VE ( B) VE ( A B) VNE
(n 1) ( I 1) ( J 1) ( I 1)( J 1) IJ (m 1)

Diseo Experimentos 13

Contraste de Hiptesis
Si el Veneno no influye, los I niveles son iguales
a efectos de tiempo de supervivencia, entonces
I
1 2 I i 1 i 0

H0 : 1 2 I 0
H1 : Algn i es distinto de 0

Diseo Experimentos 14
 Contraste efecto principal de factor A

H0 : 1 2 I 0
H1 : Algn i es distinto de 0
VNE
s R2 E[ s R2 ] 2

IJ (m 1)
2 VE ( A)
Si Ho es cierto, s A E[ s A2 ] 2

I 1
I

s 2 mJ ( yi y )2 I 1
A i 1
FA 2 2
FI 1; IJ ( m 1)
s R s R

Si FA F Se rechaza Ho
Diseo Experimentos 15

Contraste efecto principal de factor B

H0 : 1 2 J 0
H1 : Algn j es distinto de 0

VE ( B)
Si Ho es cierto, s B2 E[ s B2 ] 2

J 1
J
mI (y y )2 J 1
s B2 j 1
j
FB FJ 1; IJ ( m 1)
s R2 s 2
R

Si FB F Se rechaza Ho
Diseo Experimentos 16
 Contraste interaccin AxB
H0 : 11 12 IJ 0
H1 : Algn ij es distinto de 0
2 VE ( A B) 2 2
Si Ho es cierto, s AB E[ s AB ]
( I 1)( J 1)
2
s AB
FAB 2
F( I 1)( J 1); IJ ( m 1)
sR
Si FAB F Se rechaza Ho
A y B interaccio nan
Diseo Experimentos 17

Tabla de anlisis de la varianza

Fuentes Suma de Grados de
Variabilid ad Cuadrados Libertad. Varianza F p valor
2
s A
A mJ ( yi y )2 I 1 s A2 sR2 pA

sB2
2 2
B mI (y j y ) J 1 s B sR2 pB
2
s AB
A B m ( yij yi y j y )2 ( I 1)( J 1) 2
s AB s R2 p AB
2
Residual eijk IJ (m 1) sR2

Total ( yijk y )2 n 1

Diseo Experimentos 18
 Tabla de anlisis de la varianza

Fuentes Suma de Grados

Variabilid ad Cuadrados. Libertad. Varianza F p valor
Veneno 1.033 2 0.516 23.2 .0000
Antdoto 0.921 3 0.307 13.8 .0000
Ven Ant 0.250 6 0.041 1.87 .1123
Residual 0.801 36 0.022
Total 3.005 47

Diseo Experimentos 19

Contrastes mltiples: Factor A

H0 : i j R.R. R.R
tIJ(m-1)
H1 : i j 1-
yi y /2 /2
i
i j yi yj R. Acept. H0
j yj y
2 2
-t /2 t /2
i j N( i j , )
mJ mJ
yi yj 2
yi yj t / 2 sR
t IJ ( m 1) mJ
2 LSD
sR Se rechaza Ho
mJ
Diseo Experimentos 20
 Contrastes mltiples: Factor B

H0 : R.R. R.R
i j
tIJ(m-1)
H1 : i j 1-
/2 /2
y y
i i
i j y i y j
R. Acept. H0
j y j y
2 2
-t /2 t /2
i j N( i j , )
mI mI
y y 2
i j yi y t / 2 sR
t IJ ( m 1)
j
mI
2
sR LSD

mI Se rechaza Ho

Diseo Experimentos 21

Intervalos de confianza
(interaccin nula)

sR
i yi t /2
mJ

sR
i y j t /2
mI

Diseo Experimentos 22
 Intervalos de confianza

0.72 0.75

0.62 0.65
tiempo

0.52

tiempo
0.55

0.42 0.45

0.32 0.35

0.22 0.25
1 2 3 A B C D
veneno antidoto

Diseo Experimentos 23

Diagnosis: homocedasticidad

0.6 0.6

0.3 0.3
residuos

0 0

-0.3 -0.3

-0.6 -0.6
A B C D 1 2 3
antidoto veneno
Diseo Experimentos 24
 Heterocedasticidad

0.6
0.4
residuos

0.2
0
-0.2
-0.4
-0.6
0 0.2 0.4 0.6 0.8 1
valores previstos
Diseo Experimentos 25

Normalidad
99.9
99
probabilidad

95
80
50
20
5
1
0.1
-0.5 -0.25 0 0.25 0.5
Residuos
Diseo Experimentos 26
 Diagnosis: homocedasticidad
datos transformados z=1/y
1.3 1.3
0.9 0.9
0.5 0.5
0.1 0.1
-0.3 -0.3
-0.7 -0.7
-1.1 -1.1
1 2 3 A B C D
veneno antidoto
Diseo Experimentos 27

Datos transformados

1.2
0.8
residuos

0.4
0
-0.4
-0.8
-1.2
0 1 2 3 4 5 6
valores previstos

Diseo Experimentos 28
 Normalidad (datos transformados)

99.9
99
probabilidad

95
80
50
20
5
1
0.1
-1.2 -0.8 -0.4 0 0.4 0.8 1.2
Residuos
Diseo Experimentos 29

Tabla de anlisis de la varianza

datos transformados 1/y

Fuentes Suma de Grados

Variabilid ad Cuadrados. Libertad. Varianza F p valor
Veneno 34.87 2 17.4 72.6 .0000
Antdoto 20.41 3 6.80 28.3 .0000
Ven Ant 1.57 6 0.26 1.09 .3867
Residual 8.68 36 0.24
Total 65.50 47

Diseo Experimentos 30
 Comparaciones mltiples
intervalos de confianza

4 4
3.6 3.6
1/tiempo

1/tiempo
3.2 3.2
2.8 2.8
2.4 2.4
2 2
1.6 1.6
1 2 3 1 2 3 4
veneno antidoto

Diseo Experimentos 31

Comandos en R
ARCHIVO TEXTO: venenos.txt

Diseo Experimentos 32
 Dos factores con interaccin

Diseo Experimentos 33

Intervalos de Confianza
0.7

0.7
0.6

0.6
0.5
medias

medias

0.5
0.4

0.4
0.3

0.3
0.2

I II III A B C D

VEN ANT

Diseo Experimentos 34
 Tabla ANOVA

Diseo Experimentos 35

Comparaciones Mltiples

Diseo Experimentos 36
 Comparaciones Mltiples

Diseo Experimentos 37

Interacciones

Diseo Experimentos 38
 Diagnosis

Diseo Experimentos 39

Diagnosis (Transformacin)

Diseo Experimentos 40
 2.2 Bloques Aleatorizados

Ejemplo de introduccin
Fluorita
0% 1% 2% 3% 4%
M 1 15.02 11.86 9.94 12.45 13.23
e 2 8.42 10.15 8.54 6.98 8.93
z 3 18.31 16.84 15.86 14.64 15.96
c 4 10.49 10.52 8.04 10.50 10.34
l 5 9.78 9.59 6.96 8.15 9.24
a 6 9.28 8.84 7.04 6.66 9.46

Se desea estudiar el efecto de la Fluorita en la

reduccin del coste energtico en la fabricacin de
cemento. Se emplean 6 mezclas distintas de materias
primas.

Diseo Experimentos 42
 Modelo
Tratamientos
1 2 I yij i j uij
1 y11 y21 yI1
Bloques

Normalidad
2 y12 y22 yI 2
Independencia
J y1J y2 J y IJ Homocedasticidad
: Media global
i : Efecto del tratamiento i, i=1,...,I
I
i 1 i 0
j : Efecto del bloque j, j=1,2,...,J J
0
j 1 j
uij : Componente aleatoria N(0, 2)

Diseo Experimentos 43

Tratamientos
1 2 ... I

1 ...
1 1 2 1 I 1
Bloques

2 ...
1 2 2 2 I 2

J ...
1 J 2 J I J
 Estimacin del modelo
: 1 y
i yi y
i: I 1
Parmetros : Estimadore s : j y j y
j: J 1
eij2
2
2
: 1 s R2
( I 1)( J 1)
J I I J
yij yij yij
j 1 i 1 i 1j 1
yi y j y
J I n

yij i j uij eij yij i j

yij i j eij yij yi y j y

Diseo Experimentos 45

Estimacin

1 2 I j

1 y11 y 21 y I1 y 1 y 1 y
2 y12 y 22 yI 2 y 2 y 2 y

J y1J y2 J y IJ y J y J y
y1 y2 yI y
i y1 y y2 y yI y

Diseo Experimentos 46
 Estimacin (ejemplo)

Fluorita
0% 1% 2% 3% 4%
M 1 15.02 11.86 9.94 12.45 13.23 12.50 1.77
e 2 8.42 10.15 8.54 6.98 8.93 8.60 -2.13
z 3 18.31 16.84 15.86 14.64 15.96 16.32 5.59 j
c 4 10.49 10.52 8.04 10.50 10.34 9.98 -0.76
l 5 9.78 9.59 6.96 8.15 9.24 8.74 -1.99
a 6 9.28 8.84 7.04 6.66 9.46 8.26 -2.48
11.88 11.30 9.40 9.90 11.19 10.73
1.15 0.57 -1.34 -0.84 0.46

Diseo Experimentos 47

Residuos: Varianza residual

eij yij i j yij yi y j y

Fluorita
0% 1% 2% 3% 4%
M 1 1.37 -1.21 -1.22 0.79 0.27
e 2 -1.33 0.98 1.27 -0.79 -0.13
z 3 0.84 -0.05 0.88 -0.84 -0.82
c 4 -0.64 -0.02 -0.60 1.36 -0.10
l 5 -0.11 0.28 -0.45 0.24 0.04
a 6 -0.13 0.02 0.12 -0.76 0.74

eij2 17.51
sR2 0.88
( I 1)( J 1) 20

Diseo Experimentos 48
 Contraste de Hiptesis
Si la Fluorita no influye, los I tratamientos
son iguales a efectos de coste, entonces
I
1 2 I i 1 i 0

H0 : 1 2 I 0
H1 : Algn i es distinto de 0

Diseo Experimentos 49

Anlisis de la varianza

yij i j uij yij i j eij

yij y ( yi y ) (y j y ) ( yij yi y j y )
yij y ( yi y ) (y j y ) ( yij yi y j y )
I J I J I J I J
2 2 2
( yij y ) ( yi y ) (y j y ) eij2
i 1 j 1 i 1 j 1 i 1 j 1 i 1 j 1

I J I J I J
2 2 2
( yij y ) J ( yi y ) I (y j y ) eij2
i 1 j 1 i 1 j 1 i 1 j 1

Diseo Experimentos 50
 Variabilidades

I J
VT ( yij y )2
i 1 j 1
I
VE (T ) J ( yi y )2
i 1
J VT VE (T) VE (B) VNE
2
VE ( B) I (y j y )
j 1
I J (n 1) ( I 1) ( J 1) ( I 1)( J 1)
2
VNE e
ij
i 1 j 1

Diseo Experimentos 51

Contraste sobre tratamientos

H0 : 1 2 I 0
H1 : Algn i es distinto de 0
VNE
sR2 E[ s R2 ] 2
( I 1)( J 1)
VE(Tratamient os)
Si Ho es cierto, sT2 E[ sT2 ] 2
I 1
I
J ( yi y )2 I 1
sT2 i 1
FT FI 1; ( I 1)( J 1)
sR2 s R2
Si FT F Se rechaza Ho
Diseo Experimentos 52
 Explicacin del contraste
2
Si Ho es cierto i 0 yij N( j, )
J
yi1 yi 2 yiJ J j 1 j
yi , E[ y i ]
J J
2
y1 , y 2 ,..., y I N( , )
J
I I
J ( y i - y )2 J ( y i - y )2
y1 y2 yI
y sT2 i 1
E i 1 2
I I 1 I 1

Cuando Ho es cierto, sT2 y sR2 sern parecidas.

Cuando Ho es falso, sT2 ser mayor que sR2 .

Diseo Experimentos 53

Contraste de bloques
H0 : 1 2 J 0
H1 : Algn j es distinto de 0

VE(Bloques )
Si Ho es cierto, sB2 E[ sB2 ] 2
J 1

J
I (y j y )2 J 1
s B2 j 1
FB FJ 1; ( I 1)( J 1)
s R2 s R2
Si FB F Se rechaza Ho
Diseo Experimentos 54
 Tabla de anlisis de la varianza
Fuentes Suma de Grados de
Variabilidad Cuadrados Libertad. Varianza F p valor
sT2
Tratamient o J ( yi y )2 I 1 sT2 s R2 pT

s B2
Bloque I (y j y )2 J 1 s B2 sR2 pB

Residual eij2 ( I 1)( J 1) s R2

Total ( yij y )2 n -1

Diseo Experimentos 55

Tabla de anlisis de la varianza

Diseo Experimentos 56
 Sin bloques

Diseo Experimentos 57

Intervalos de confianza
(ejemplo)
sR
i yi t /2
J

Fluorita Medias L.inf. L.Sup.

0% 11.88 11.09 12.68
1% 11.30 10.50 12.10
2% 9.40 8.60 10.19
3% 9.90 9.10 10.69
4% 11.19 10.40 11.99

Diseo Experimentos 58
Intervalos de Confianza (% Fluorita)

12
medias

11
10
9

0 1 2 3 4

FLUO

Diseo Experimentos 59

Intervalos de Confianza (Mezcla)

16
14
medias

12
10
8

1 2 3 4 5 6

MEZ

Diseo Experimentos 60
 Contraste multiples: tratamientos

H0 : i j R.R. R.R
t(I-1)(J-1)
H1 : i j 1-
yi y /2 /2
i
i j yi yj R. Acept. H0
j yj y
2 2
-t /2 t /2
i j N( i j, )
J J

yi yj 2
t( I 1)( J 1) yi yj t / 2 sR Se rechaza H 0
2 J
sR
J LSD

Diseo Experimentos 61

Contraste multiples: bloques

H0 : i j R.R. R.R
t(I-1)(J-1)
H1 : i j 1-
y y /2 /2
i i
i j y i y j R. Acept. H0
j y j y
2 2
-t /2 t /2
i j N( i j, )
I I

y i y j 2
t( I 1)( J 1) y i y j t / 2 sR Se rechaza H 0
2 I
sR
I LSD

Diseo Experimentos 62
 Comparacin de medias
Fluorita LSD = 1.13
0% 1% 2% 3% 4%
2
LSD t s
/2 R
0% 0 0,58 2,49 1,99 0,69
J 1% 0 1,90 1,40 0,11
2% 0 -0,50 -1,80
2 3% 0 -1,30
2.085 0.93
6 4% 0

1.13
LSD=1.24
1 2 3 4 5 6
Mezcla 1 0,00 3,90 -3,82 2,52 3,76 4,24
2 2 0 6,60 -1,37 -0,14 -0,35
LSD t s
/2 R 3 0 6,34 7,58 8,07
I 4 0 1,23 1,72
2 5 0 0,49
2.085 0.93 6 0
5
1.24

Diseo Experimentos 63

Comparacin de medias (Tukey)

95% family-wise confidence level

1-0
2-0
3-0
4-0
2-1
3-1
4-1
3-2
4-2
4-3

-4 -2 0 2

Differences in mean levels of FLUO

Diseo Experimentos 64
 Comparacin de medias (Tukey)
95% family-wise confidence level

2-1
4-1
6-1
4-2
6-2
5-3
5-4
6-5

-10 -5 0 5 10

Differences in mean levels of MEZ

Diseo Experimentos 65

Diagnosis: 2
1.5
Homocedasticidad 1
0.5
0
-0.5
Grfico de residuos -1
-1.5
2 -2
1.5 0 1 2 3 4 5 6
1 Mezcla
0.5
0 1.6
-0.5 1.2
-1 0.8
residuos

-1.5 0.4
-2 0
0 1 2 3 4 -0.4
Fluorita -0.8
-1.2
-1.6
5 10 15 20
Valores previstos
 Diagnosis

Diseo Experimentos 67

2.3 Diseos Factoriales

(tres factores)
 Diseo con tres factores
Factor A
Factores A, B y C con NA, NB,
A1 A2 A3 A4 A5 A6 Nc niveles.
B1
N de Tratamientos
Factor B

B2 T=NAxNBxNc
B3 Efectos principales 3 A, B , C
B4 Interacciones de orden dos 3
B5 AxB, AxC, BxC
C1 Interaccin de orden tres 1.
C2
C3 AxBxC

Tratamiento: Cada combinacin de niveles de los factores

6 x 5 x 3 = 90
Diseo Experimentos 69

K factores con N1, N2, ..., NK

niveles
K efectos principale s con N i 1 grados de libertad cada uno
K
interaccio nes de orden 2, con (N i 1 )(N j 1 ) grados
2
de libertad
K
interaccio nes de orden 3, con (N i 1 )(N j 1 )(N k 1 )
3
grados de libertad
...
K
1 interacci n de orden k, con (N 1 1 )(N 2 1 ) (N K 1 )
K
grados de libertad

Diseo Experimentos 70
 Datos Factor 1 1
Factor 3
2 ... K

11 22 ... II
11 22 ...... K
K 11 22 ...... K
K 11 22 ...
... K
K
y1111 y1121 y11K 1 y 2111 y 2121 y11K 1 y I 111 y I 121 y I 1K 1
11 y1112 y1122 y11K 2 y 2112 y 2122 y11K 2 y I 112 y I 122 y I 1K 2

y111 M y112 M y11KM y 211 M y 212 M y11KM y I 11M y I 12 M y I 1KM

Factor 2

11 22 ...... K
K 11 22 ...... KK 11 22 ...
... KK
y1211 y1221 y12 K1 y 2211 y 2221 y 22 K 1 y I 211 y I 221 y I 2K1
2 y1212 y1222 y12 K 2 y 2212 y 2222 y 22 K 2 y I 212 y I 222 yI 2K 2

y121 M y122 M y12 KM y 221 M y 222 M y 22 KM y I 21M y I 22 M y I 2 KM

...
11 22 ...... K
K 11 22 ...
... KK 11 22 ...... K
K
y1J 11 y1J 21 y1JK1 y 2 J 11 y 2 J 21 y 2 JK1 y IJ 11 y IJ 21 y IJK1
JJ y1J 12 y1J 22 y1JK 2 y 2 J 12 y 2 J 22 y 2 JK 2 y IJ 12 y IJ 22 y IJK 2

y1J 1M y1J 2 M y1JKM y 2 J 1M y2 J 2M y 2 JKM y IJ 1M y IJ 2 M y IJKM

Diseo Experimentos 71

Ejemplo: Proceso qumico

Concentracin Temperatuta
Tres factores: 1 4% C-1
Catalizador
Ag T-1 300 C
2 6% C-2 Ag+Zn T-2 320 C
3 8% C-3 Zn
4 10%
Variable respuesta: Rendimiento del proceso qumico.
CONCENTRACIN
1 2 3 4
T-1 T-2 T-1 T-2 T-1 T-2 T-1 T-2
72.2 65.0 74.4 69.2 75.0 70.7 80.0 73.0
C-1 74.4 71.6 66.3 71.8 78.9 80.6 65.0 74.4
64.3 61.9 66.5 64.6 64.3 73.4 82.1 78.8
CATALIZADOR

T-1 T-2 T-1 T-2 T-1 T-2 T-1 T-2

62.5 75.9 70.8 79.2 76.3 83.3 72.3 80.3
C-2 65.8 72.9 63.9 80.1 79.1 88.0 72.4 86.9
71.2 77.8 76.6 75.3 89.0 84.7 75.6 86.3
T-1 T-2 T-1 T-2 T-1 T-2 T-1 T-2
69.0 73.8 69.0 84.5 72.8 94.1 78.4 87.5
C-3 70.3 59.2 68.2 93.7 73.7 87.3 79.9 79.7
68.8 80.8 78.7 80.1 80.7 89.0 80.3 79.5

Diseo Experimentos 72
 Modelo
yijkm i j k ij ik jk ijk uijkm
I J I
0 j 1 ij 0, i i 1 ij 0, j
i 1 i
J K I
j 0 k 1 ik 0, i i 1 ik 0, k
j 1
K
K J
0, k jk 0, j
k 1 k 0 j 1 jk k 1

I J K
i ijk 0, j, k , ; j ijk 0, i, k ; k ijk 0, i, j.

I J K tratamientos
Normalidad
uijkm Independencia M replicaciones
Homocedasticidad n = I J K M

Diseo Experimentos 73

Medias
yijkm i j k ij ik jk ijk uijkm
I J K M
yijk
i 1 j 1k 1m 1
y
IJKM
J K M I K M I J M
yijkm yijkm yijkm
j 1k 1m 1 i 1 k 1m 1 i 1 j 1m 1
yi y j y k
JKM IKM IJM
K M J M I K
yijkm yijkm yijkm
k 1m 1 j 1m 1 i 1k 1
y ij yi k y jk
KM JM IM
M
yijkm
m 1
y ijk
M

Diseo Experimentos 74
 Medias: Proceso qumico
Concentracin
1 2 3 4
C-1 68.2 68.8 73.8 75.6 71.6
Catalizador C-2 71.0 74.3 83.4 79.0 76.9
C-3 70.3 79.0 82.9 80.9 78.3
69.9 74.1 80.1 78.5 75.6

1 2 3 4
T-1 68.72 70.49 76.64 76.22 73.02
Temperatura T-2 70.99 77.61 83.46 80.71 78.19
69.9 74.1 80.1 78.5 75.6

T-1 T-2
C-1 71.95 71.25 71.6
C-2 72.96 80.89 76.9
C-3 74.15 82.43 78.3
73.02 78.19 75.6

1 2 3 4
T-1 T-2 T-1 T-2 T-1 T-2 T-1 T-2
C-1 70.30 66.17 69.07 68.53 72.73 74.90 75.70 75.40
C-2 66.50 75.53 70.43 78.20 81.47 85.33 73.43 84.50
C-3 69.37 71.27 71.97 86.10 75.73 90.13 79.53 82.23

Diseo Experimentos 75

Estimacin del modelo

y
i yi y I 1
j y j y J 1

k y k y K 1

ij y ij yi y j y ( I 1)( J 1)

ik yi k yi y k y ( I 1)( K 1)

jk y jk y j y k y ( J 1)( K 1)

ijk y ijk y ij yi k y jk yi y j y k y ( I 1)( J 1)( K 1)

2
2 eijkm
s R2 ; eijkm yijkm y ijk
IJK ( M 1)

Diseo Experimentos 76
 Modelo estimado

yijkm i j k ij ik jk ijk uijkm

yijkm y yi y y j y y k y
y ij yi y j y
yi k yi y k y
y jk y j y k y
y ijk y ij yi k y jk yi y j y k y
yijkm y ijk

Diseo Experimentos 77

Descomposicin de la
variabilidad
I J K M
2
yijkm y
i 1 j 1k 1m 1
2 2 2
JKM yi y IKM y j y IJM y k y
i j k
2
KM y ij yi y j y
i j
2
JM yi k yi y k y
i k
2
IM y jk y j y k y
j k
2
M y ijk y ij yi k y jk yi y j y k y
i j k
2
yijkm y ijk
i j k m

Diseo Experimentos 78
 Variabilidades
I J K M
2 2
VT yijkm y VE ( A) JKM yi y
i 1 j 1k 1m 1 i
2 2
VE ( B ) IKM y j y VE (C ) IJM y k y
j k
2
VE ( A B ) KM y ij yi y j y
i j
2
VE ( A C ) JM yi k yi y k y
i k
2
VE ( B C ) IM y jk y j y k y
j k
2
VE ( A B C ) M y ijk y ij yi k y jk yi y j y k y
i j k
2
VNE yijkm y ijk
i j k m

Diseo Experimentos 79

Grados de libertad

DESCOMPOSI CIN DE LA VARIABILID AD

VT VE ( A) VE ( B ) VE (C )
VE ( A B ) VE ( A C ) VE ( B C )
VE ( A B C ) VNE

GRADOS DE LIBERTAD
(n 1) ( I 1) ( J 1) ( K 1)
( I 1)( J 1) ( I 1)( K 1) ( J 1)( K 1)
( I 1)( J 1)( K 1) IJK ( M 1)

Diseo Experimentos 80
 Tabla ANOVA
FUENTE VARIABILID AD Gr . de Lib. Varianzas F
A JKM yi y
2
I 1 s2 s A2
A
i s R2
B IKM y y
2
J 1 s B2 s B2
j
j s R2
2 sC2
C IJM y k y K 1 sC2
k s R2
2
2 2 s AB
A B KM y ij yi y j y ( I 1)( J 1) s AB
i j s R2
2
2 2 s AC
A C JM yi k yi y k y ( I 1)( K 1) s AC
i k s R2
2
2 2 s BC
B C IM y jk y j y k y ( J 1)( K 1) s BC
j k s R2
M ( y ijk y ij yi k y jk ... 2
i j k 2 s ABC
A B C ( I 1)( J 1)( K 1) s ABC
... y i y y y )2 s R2
j k
2
Residual yijkm y ijk IJK ( M 1) s R2
i j k m
I J K M
2
Total yijkm y IJKM 1
i 1 j 1k 1m 1

Diseo Experimentos 81

Contraste efecto principal de factor A

H0 : 1 2 I 0
H1 : Algn i es distinto de 0
I
JKM ( yi y )2 I 1
s A2 i 1
FA FI 1; IJK ( M 1)
s R2 s R2
FI 1; IJK ( M 1)
Si FA F No se rechaza Ho
RR
Si FA F Se rechaza Ho

F
Diseo Experimentos 82
 Contraste interaccin AxB
H0 : 11 12 IJ 0
H1 : Algn ij es distinto de 0
2 VE ( A B)
Si Ho es cierto, s AB
( I 1)( J 1)
2
s AB
FAB F( I 1)( J 1); IJK ( M 1)
s R2
Si FAB F Se rechaza Ho
A y B interaccio nan
Diseo Experimentos 83

Contraste interaccin AxBxC

H0 : 111 112 IJK 0

H1 : Algn ijk es distinto de 0
Si Ho es cierto
2
s ABC
FABC F( I 1)( J 1)( K 1); IJK ( M 1)
s R2

Si FABC F Se rechaza Ho

Diseo Experimentos 84
 Anlisis de la varianza

Diseo Experimentos 85

Interpretacin
El efecto principal del factor concentracin
influye significativamente (p-valor =0.0000)
en el rendimiento. Ms adelante se
compararn las medias de los cuatro niveles
de este factor. Este factor no interacciona
con ningn otro.
Los efectos principales de catalizador y de
la temperatura son significativos, adems
es muy significativa la interaccin de los dos
factores (p-valor 0.0064). La comparacin
de medias de estos factores debe ser
conjunta.

Diseo Experimentos 86
 Contrastes mltiples: Factor A

H0 : i j R.R. R.R
tIJK(M-1)
H1 : i j 1-
/2 /2
yi y
i
i j yi yj R. Acept. H0
j yj y
2 2 -t /2 t /2
i j N( i j, )
JKM JKM

yi yj 2
t IJK ( M 1) Si yi yj t s
/2 R ,
2 JKM
sR se rechaza Ho
JKM

Diseo Experimentos 87

Intervalos de Confianza
80

80
80

78

78
76
medias

medias

medias
76
75

74
74

72
70

72

70

k1 k2 k3 k4 t1 t2 c1 c2 c3

con temp cat

Diseo Experimentos 88
 Interaccin: Cat. x Temp.
T-1 T-2
C-1 71.95 71.25 71.6
C-2 72.96 80.89 76.9
C-3 74.15 82.43 78.3
73.02 78.19 75.6

Interaccin Cat x Temp

84.00
82.00
80.00
Medias

78.00 Temp - 1
76.00 Temp - 2
74.00
72.00
70.00
0 1 2 3 4
Catalizador

Diseo Experimentos 89

Seleccin de temperatura y
catalizador.

Las mejores combinaciones corresponden a la temperatura 2,

con el catalizador 2 o el 3.

Diseo Experimentos 90
 Diagnosis del modelo
10

10

10
residuals(mod_qui)

residuals(mod_qui)

residuals(mod_qui)
5

5
0

0
-5

-5

-5
-10

-10

-10
1.0 2.0 3.0 4.0 1.0 1.4 1.8 1.0 1.5 2.0 2.5 3.0

con temp cat

Diseo Experimentos 91

Instrucciones de R utilizadas
ARCHIVO TEXTO: quimico.txt

Diseo Experimentos 92
 Anlisis de 3 factores con
menos observaciones
Cuando no existe interaccin de orden tres.
No es necesario replicar para analizar el experimento.
La variabilidad explicada por el trmino A B C se
convierte en Variabilidad Residual con (I-1)(J-1)(K-1)
grados de libertad.
Las expresiones anteriores siguen siendo vlidas,
sustituyendo M=1 (sin replicacin) y con (I-1)(J-1)(K-1)
como grados de libertad de la varianza residual.
Cuando no existe ninguna interaccin
Se puede reducir considerablemente el nmero de
observaciones si el nmero de niveles de los tres
factores es el mismo: CUADRADO LATINO

Diseo Experimentos 93

Tabla ANOVA tres factores

(sin replicacin)
FUENTE VARIABILID AD Gr . de Lib. Varianzas F
A JK yi y
2
I 1 s2 s A2
A
i s R2
2 s B2
B IK y j y J 1 s B2
j s R2
2 sC2
C IJ y k y K 1 sC2
k s R2
2
2 2 s AB
A B K y ij yi y j y ( I 1)( J 1) s AB
i j s R2
2
2 2 s AC
A C J yi k yi y k y ( I 1)( K 1) s AC
i k s R2
2
2 2 s BC
B C I y jk y j y k y ( J 1)( K 1) s BC
j k s R2
( yijk y ij yi k y jk ...
Residual i j k
( I 1)( J 1)( K 1) s R2
2
... y i y j y k y )

I J K
2
Total yijk y IJK 1
i 1 j 1k 1

Diseo Experimentos 94
 Ejemplo: Obleas
Temperatura
Horno AS 1 2 3
1 122.2 103.2 115.8
1
2 138.4 144.3 159.8
1 131.0 133.4 121.8
2
2 147.4 138.0 147.5
1 120.5 102.8 120.0
3
2 140.6 126.6 141.9
1 100.0 105.8 114.7
4
2 117.0 134.4 131.7

Se ha realizado un experimento para analizar la influencia de la

temperatura y el acabado superficial (AS) en el espesor de
xido conseguido en obleas de silicio. El experimento se repiti
en cuatro hornos diferentes. ( Cada uno de los datos del cuadro
representa la media de los espesores medidos en el centro de
cada una de las 30 obleas que caben en un horno)

Diseo Experimentos 95

ANOVA: Obleas

Diseo Experimentos 96
 Comparacin de medias

El AS que produce mayor espesor es el 2

El horno que produce media mayor es el
2, aunque no es significativamente distinto
del 1.
Diseo Experimentos 97

Cuadrado latino
Permite analizar
tres factores con K 1 2 3 4 5
niveles cada uno, 1 C A D B E
utilizando slo K2 D C B E A
2
observaciones. E B A D C
3
Deben ser nulas 4 B E C A D
las interacciones 5 A D E C B
de orden 2 y orden
3.

Diseo Experimentos 98
 Ejemplo: Aditivos gasolina
Una organizacin de consumidores estudi la eficacia de
cinco aditivos que segn los fabricantes reducan el
consumo de combustible. Se realiza un diseo
experimental con cinco conductores, cinco vehculos y
cinco aditivos, eligiendo las 25 combinaciones que se
muestran en la tabla, junto con una medida del consumo.
Vehculo
1 2 3 4 5
C A D B E Aditivo
1
71 64 68 78 82 A
D C B E A
2 B
Conductor

65 64 81 82 82
E B A D C C
3
63 68 74 77 85 D
B E C A D
4 E
66 77 79 88 74
A D E C B
5
73 70 78 80 88

Diseo Experimentos 99

Modelo: Cuadrado Latino

K
yij (k ) i j k uij ( k ) i 1 i 0
K
1 2 3 4 5 j 1 j 0
1 y11(3) y 21(1) y31( 4) y 41( 2) y51(5) K
0
k 1 k
2 y12 ( 4) y 22 (3) y32 ( 2) y 42 (5) y52 (1)
3 y13(5) y 23( 2) y33(1) y 43( 4) y53(3)
4 y14 ( 2) y 24 (5) y34 (3) y 44 (1) y54 ( 4)
5 y15 (1) y 25 ( 4) y35 (5) y 45 (3) y55 ( 2)

Normalidad
uij (k ) Independencia K2 Observaciones
Homocedasticidad

Diseo Experimentos 100

 Estimacin
yij ( k ) i j k uij ( k )
K K K K K
yij ( k ) yij ( k ) yij ( k ) yij ( k )
i 1j 1 j 1 i 1 k 1
y ( ) 2
yi ( ) y j( ) y (k )
K K K K

y ( )

i yi ( ) y ( ) K 1
j y j( ) y ( ) K 1

k y (k ) y ( ) K 1
eij ( k ) yij ( k ) yi ( ) y j( ) y (k ) 2y ( )
2
2
e
ij ( k )
s R2 ;
( K 1)( K 2)

Diseo Experimentos 101

Descomposicin de la
variabilidad
yij ( k ) i j k uij ( k )

yij ( k ) y ( ) ( yi ( ) y ( )) (y j( ) y ( )) (y (k ) y ( )) eij ( k )

K K
2
yij ( k ) y ( )
i 1j 1
2 2 2 2
K yi ( ) y ( ) K y j( ) y ( ) K y (k ) y ( ) eij ( k )
i j k i j

Grados de Libertad
( K 2 1) ( K 1) ( K 1) ( K 1) ( K 1)( K 2)

Diseo Experimentos 102

 Tabla ANOVA
FUENTE VARIABILID AD Gr. de Lib. Varianzas F
A K yi y
2
K 1 s A2 s A2
i
( ) ( )
sR2
B K y y
2
K 1 sB2 s B2
j
j( ) ( )
sR2
2 sC2
C K y y K 1 sC2
k
(k ) ( )
sR2
Residual eij2( k ) ( K 1)( K 2) sR2
i j
K K
2
Total yij ( k ) y ( ) K2 1
i 1 j 1

Diseo Experimentos 103

Tabla anlisis de la varianza

Diseo Experimentos 104

 Comparacin: vehculos

85
80
medias

75
70
65

1 2 3 4 5

VEH

Diseo Experimentos 105

 Diseno de experimentos
1. En una planta piloto se obtiene un nuevo producto mediante un proceso qumico. Con el
fin de mejorar el rendimiento se emplean dos catalizadores distintos y se trabaja con tres
temperaturas diferentes. Los resultados del experimento son

Temperatura
0
Catalizador 20 300 400
A 115 125 130 140 110 120
B 115 105 135 145 100 110

(a) Contrastar si los factores Temperatura y Catalizador tienen efectos significativos. ( =

0.05)
(b) Que tratamiento se debe utilizar para obtener el mayor rendimiento, si se desea garan-
tizar una probabilidad de error tipo I total, T = 0.03?

2. Se pretende estudiar el efecto que produce los factores (1) Porcentaje de algodon (10%, 20%
y 30%) (2) Tipo de confeccion (A y B) en la resistencia al desgaste de ciertos tejidos de fibra
sintetica. Se ha realizado el siguiente diseno con tres replicaciones

10% 20% 30%

115 120 126
A 112 135 118
133 139 142
107 110 132
B 114 102 114
108 117 125

(a) Construir la tabla de Analisis de la Varianza y contrastar la influencia de los dos factores
y la presencia de la interaccion.
(b) Hacer un contraste de diferencia de medias y decidir el tratamiento mas adecuado para
conseguir la mayor resistencia al desgaste.

3. Cierto Organismo Publico (O.P.) encargado de certificar la composicion de aleaciones de

metales preciosos, debe seleccionar entre dos Laboratorios al mas capacitado para la realiza-
cion de futuros analisis de gran precision. Para tomar la decision les somete a la siguiente
prueba: Prepara tres aleaciones A, B y C que contienen proporciones distintas de oro.
De cada una de ellas enva cuatro muestras a cada uno de los dos laboratorios. As pues,
cada laboratorio recibe un lote de 12 muestras (codificadas) ordenadas aleatoriamente sin
conocer como han sido obtenidas. Los resultados recibidos por el O.P. son (entre parentesis
las medias de las casillas):

1
 Aleac. A Aleac. B Aleac. C
10.96 11.03 10.95 11.00 11.07 11.01
Lab. I 11.08 11.01 11.04 10.97 10.97 11.03
(11.02) (10.99) (11.02)
10.97 10.96 10.97 10.96 11.02 11.00
Lab. II 10.94 10.95 10.97 10.98 11.01 11.01
(10.955) (10.97) (11.01)

(a) Determinar si existen diferencias entre los resultados de los laboratorios y si estos han
encontrado diferencias entre las aleaciones.
(b) Aceptando que los datos cumplen la hipotesis de normalidad, indicar si podemos aceptar
que verifican el resto de las hipotesis del modelo y en caso negativo que medidas se deben
adoptar para analizar los datos.
(c) Realizar un test de razon de varianzas para contrastar que las varianzas de los dos
laboratorios son iguales, sabiendo que las tres aleaciones tienen composicion distinta.
Interpretar el resultado.
(d) El O.P. conoce exactamente el porcentaje en oro de la aleacion A (11 %), de la B
(11.02 %) y de la C (11.04 %). Con esta informacion comparar los resultados de los
laboratorios.

4. Complete la tabla ADEVA siguiente y diga de que diseno se trata.

Suma de Cuad. G.L. Varianzas

Factor 1 20 2
Factor 2 5 1.25
Factor 3 10
Int. Segundo orden
Int. Tercer orden 0.25
TOTAL 44 29

5. Se ha realizado un diseno factorial sin replicacion con tres factores A, B, C con 5, 5 y 4

niveles respectivamente. Si la interaccion de tercer orden es nula, obtener la descomposicion
de la variabilidad e indicar los grados de libertad de cada termino.

6. Para estudiar el efecto de tres factores (A,B,C) en el tiempo de fraguado del hormigon se ha
realizado un experimento factorial completo a dos niveles con tres replicaciones (24 datos en
total). Los resultados de la estimacion han sido:

Media A B AB C AC BC ABC
92.5 2.4 3.3 8.5 15.0 -1.4 2.65 0.72

Teniendo en cuenta que la varianza residual obtenida es s2R = 18.8, indicar que efectos son
significativos para un nivel de significacion = 0.05.

2
 7. Una caracterstica de la calidad de la gasolina es su ndice de octanos. Una refinera de
petroleo tiene cinco formulas que pueden emplearse para la obtencion de gasolina con plomo
o sin plomo.

(a) Para determinar que formula proporciona mayor ndice de octanos, con cada una de
ellas se ha repetido 10 veces en el laboratorio el proceso de fabricacion de gasolina con
plomo. Si el coeficiente de determinacion del analisis de la varianza de los resultados
es igual a 0.20, contrastar con = 0.05 si existen diferencias entre las cinco formulas
para este tipo de gasolina.
(b) Los valores medios (yi ) para cada formula son:

Formula 1 2 3 4 5
Media 89.2 90.1 90.7 90.5 89.5
Contrastar con = 0.05 que formulas proporcionan ndices de octanos significativa-
mente distintos y cuales no.
(c) Debido a los problemas medio-ambientales gran parte de la produccion futura debe
estar libre de plomo. Para determinar que formula de las anteriores produce mejores
resultados en cuanto al ndice de octanos , se realizo un diseno experimental similar
al anterior (cinco formulas, 10 observaciones en cada formula) para la obtencion de
gasolina sin plomo. El coeficiente de determinacion en este caso es igual a 0.25 y el
ndice medio para cada formula es,

Formula 1 2 3 4 5
Media 88.0 89.5 88.5 90.2 89.8

Contrastar ( = 0.05) si existe interaccion entre los factores tipo de gasolina (con y sin
plomo) y formula.

8. Para comprobar las propiedades de rigidez de dos materiales A y B a tres temperaturas se

ha realizado un experimento con 4 replicaciones. Las medias se proporcionan en la tabla.
Teniendo en cuenta que la varianza residual ha sido 1.69 y que el analisis de la varianza ha
indicado: (1) que existen diferencias significativas entre los dos materiales, (2) que no existen
diferencias entre las tres temperaturas y (3) que la interaccion de los dos factores es muy
significativa, calcula y dibuja los intervalos de confianza ( = 0.01) para la comparacion de
los dos materiales, de las tres temperaturas y de la interaccion. Interpretar los resultados.

3
 9. Para estudiar la influencia de la temperatura y la presion sobre el rendimiento de un proceso
qumico se ha realizado un experimento con 5 valores de presion y 4 valores de temperatura.
Los resultados se muestran en la tabla siguiente.

Temperatura
10 20 30 40 Medias
1 65,58 96,71 124,20 156,63 110,71
2 66,32 101,5 130,37 161,38 114,89
Presion 3 74,42 99,81 134,63 160,59 117,36
4 80,24 104,11 138,42 166,96 122,43
5 79,61 112,14 143,58 170,68 126,50
Medias 73,24 102,85 134,24 163,19 118,38

(a) Considere solamente el efecto de la presion y estudie si es significativo ( = 0, 05),

sabiendo que las varianzas muestrales corregidas para los datos correspondientes a cada
s21 = 149, 85; b
presion son b s22 = 164, 62; b
s23 = 143, 95; b
s24 = 145, 11; b
s25 = 154, 94.
(b) Incorpore el efecto de la temperatura en un modelo adecuado para los datos. Interprete
el resultado.
(c) Calcule un intervalo de confianza al 95% para la varianza del error experimental de los
modelos de los dos apartados anteriores. Interprete las diferencias.

10. Se desea estudiar la fuerza de percusion de una perforadora en funcion de la VELOCIDAD

de giro (baja y alta) y de un coeficiente mecanico que denominaremos RATIO (0.15, 0.30,
0.45 y 0.60). Se ha experimentado en las ocho posibles combinaciones de ambos factores,
replicando cada experimento dos veces. Los resultados se muestran en la tabla siguiente

0.15 0.30 0.45 0.60 Media

270 245 260 275
Vel. Baja 266.875
278 249 272 286
283 285 286 294
Vel. Alta 286.125
286 280 287 288
Media 279.25 264.75 276.25 285.75 276.5

Las variabilidades explicadas por el RATIO, la VELOCIDAD y la interaccion RAT x VEL

son respectivamente 925, 1482.25 y 418,75 y la Variabilidad Total es 3034.

(a) Completa la tabla de analisis de la varianza e indica que efectos son significativos para
= 0.05.
(b) Interpreta el resultado, indicando como influye el RATIO y la VELOCIDAD en la fuerza
de la perforadora. Dibuja el grafico que permite interpretar la interaccion. Proporciona
el intervalo de confianza para la media de la combinacion RATIO 0.30, y VELOCIDAD
baja.

4
 (c) Cada tratamiento tiene dos observaciones, llamando Dij = |Yij1 Yij2 | , al valor abso-
luto de la diferencia de estas observaciones, demuestra que

Dij2
21
22
P2 P4 2
2 Dij
y que SD = i=1 j=1
16
es un estimador centrado de la varianza del modelo factorial.
(d) Supon que la varianza de las observaciones a velocidad baja es 21 y de las observaciones
a velocidad alta es 22 . Utilizando el resultado del apartado 3, realiza el siguiente
contraste con nivel de significacion 0.05,

H0 : 21 = 22
H1 : 21 6= 22

11. Cuando un lenguaje de alto nivel es compilado, el tiempo de ejecucion depende del compi-
lador. Un ingeniero de software desea comparar tres compiladores (A, B y C), para ello ha
seleccionado 5 programas muy distintos, cada uno de los cuales ha sido compilado por los
tres compiladores. Los tiempos de CPU se proporcionan a continuacion:

1 2 3 4 5 Medias
A 122.9 147.4 189.6 200.9 307.3 193.6
B 113.8 135.1 173.8 199.3 296.6 183.7
C 131.2 152.8 192.7 219.8 318.9 203.1
Medias 122.7 145.1 185.3 206.7 307.6

La variabilidad total es 62899.2, y las variabilidades explicadas por el tipo de compilador y

tipo de programa son 937.2 y 61868.9, respectivamente. Da un intervalo de confianza (95%)
para la diferencia de las medias entre los dos compiladores mas rapidos.

12. Se ha realizado el analisis de la varianza de un diseno con un unico factor a 10 niveles con 6
observaciones para cada nivel. El nivel crtico que muestra la tabla ADEVA es p = 0.5832.
Los niveles crticos de los contrastes individuales de igualdad de medias son mayores de 0.05
para todas las parejas excepto para la comparacion entre los niveles 3 y 7 que ha sido igual a
0.0405. Es posible este resultado? Que se puede concluir del analisis? Que procedimiento
sugiere para realizar los contrastes individuales?

13. Se ha realizado un diseno factorial sin replicacion con tres factores A, B, C con 5, 5 y 4
niveles respectivamente. Si la interaccion de tercer orden es nula, obtener la descomposicion
de la variabilidad e indicar los grados de libertad de cada termino.

14. Sea un diseno factorial con 4 factores a 3, 4, 2 y 5 niveles. Calcular el numero de parametros
totales correspondientes a efectos principales e interacciones de orden 2, 3 y 4.

5
15. Un ingeniero ha estudiado el efecto que tienen 5 niveles de iluminacion en una operacion
de ensamblado. El departamento en el que se ha experimentado tiene cuatro estaciones de
trabajo, que representan una fuente potencial de variabilidad. Para cada estacion de trabajo
y nivel de iluminacion se ejecuto la operacion de ensamblado, midiendo la holgura en micras.
Los resultados fueron:

ESTAC. ILUMINACION
1 2 3 4 5 yi
1 131 116 88 75 104 102.8
2 92 96 97 70 75 86.0
3 128 129 99 94 105 111.0
4 121 107 84 89 86 97.4
yj 118 112 92 82 92.5 y = 99.3

(a) Contrastar ( = 0.05) si la iluminacion o la estacion de trabajo influye en los resultados

del ensamblado.
(b) Comparar los niveles de iluminacion y los niveles de las estaciones de trabajo. Indicar
en cada caso cuales se pueden considerar distintos y cuales no.
(c) Calcular la varianza teorica del valor medio previsto para cada observacion.
(d) Explicar por que no se debe contrastar la hipotesis

H0 : 1 = 2 = ... = m

del modelo basico de analisis

 de 
la varianza (un factor), mediante contrastes de la t de
m
Student a cada uno de los pares de muestras.
2

16. Se realiza un experimento para estudiar la influencia de 2 factores en el rendimiento de un

proceso, donde el factor que se encuentra a 3 niveles (Alto, medio y bajo) es la temperatura,
el otro factor, catalizador, tiene dos niveles: catalizador I y II. Los datos del experimento
se muestran en la siguiente tabla:

Alto Medio Bajo

CI 279 172 176 174 277 130 397 348 434
(215.6) (193.6) (393)
CII 253 238 387 252 367 323 417 427 423
(292.6) (314) (422.3)

(Nota: Los numeros entre parentesis son las medias de las casillas)

(a) Contrastar con = 0.05 que efectos son significativos. Interprete el resultado.
(b) Determinar el intervalo con el 99% de confianza para la varianza del error experimental.

6
 (c) Dar un intervalo para una observacion realizada en condiciones optimas. Si se realizan
10 experimentos en estas condiciones, determinar el intervalo que con probabilidad
igual al 95% contiene a todas ellas. Utilice la aproximacion
z + 1 1
tg = z (1 )
4g
donde g son los grados de libertad de la t y z el valor de la normal estandar, tal que
P (Z z ) =

17. Un laboratorio de Analisis Clnicos ha adquirido un nuevo equipo (B) para medir el coles-
terol en la sangre de los enfermos. Para evaluar si el nuevo equipo esta ajustado se decide
analizar muestras de 5 enfermos que previamente han sido analizadas con otro equipo (A),
dando como resultado

Enfermo 1 2 3 4 5 Media
Equipo A 215 305 247 221 286 254.8
Equipo B 224 312 251 232 295 262.8

Contrastar con = 0.05 existen diferencias entre los dos equipos.

18. Para estudiar el consumo de aceite de un motor se prueban 4 motores distintos con 3 tipos
de aceites obteniendo 12 medidas de consumo. Se ha obtenido:

Variabilidad explicada por aceite = 100

Variabilidad explicada por motor = 80
Variabilidad Total = 220
Se pide escribir la tabla ADEVA correspondiente, y obtener conclusiones.
19. Para determinar el consumo de energa electrica para usos domesticos se ha medido el con-
sumo medio por persona en las distintas estaciones del ano en siete comunidades autonomas
para 1989, habiendose obtenido los siguientes resultados:
COMUNIDAD INVIERNO PRIMAVERA VERANO OTONO MEDIAS
1 13.1 11.4 10.6 11.5 11.65
2 13.4 12.1 11.1 12.0 12.15
3 13.8 12.1 11.4 12.9 12.55
4 14.0 12.8 11.7 12.6 12.77
5 14.4 12.6 12.5 13.4 13.22
6 14.8 13.4 13.0 14.0 13.80
7 15.6 14.2 14.1 14.4 14.57
MEDIAS 14.16 12.66 12.06 12.97 12.96

(a) Analizar si el factor estacion del ano es influyente, sabiendo que s2y = 1.53.(No consid-
erar el factor Comunidad).

7
 (b) Razonar estadsticamente cual es la estacion de mayor consumo y la de menor, uti-
lizando el analisis anterior. Calcular los intervalos de confianza para el consumo medio
de cada estacion del ano.
(c) Sabiendo que la variabilidad explicada por el factor comunidad es 23.62, construir una
nueva tabla de la varianza, con dos factores, y decidir que factor es significativo.
(d) Utilizar los resultados del apartado anterior para realizar un contraste de igualdad de
medias del efecto estacion y comparar los resultados con los del apartado 2, justificando
las diferencias encontradas.

( NOTA: Utilizar = 0.05 en todos los contrastes )

20. Se realiza un experimento para estudiar si la presencia de fluorita reduce el coste de fabri-
cacion de clinker de cemento en tres tipos diferentes de mezcla. Los resultados del mismo
(en miles de pesetas por Tm) se muestran en la siguiente tabla:

FLUORITA MI MII MIII y i

0% 15.4 10.6 17.8 14.6
1% 10.3 5.5 10.9 8.9
2% 7.4 1.2 8.1 5.5
3% 10.7 6.5 9.6 8.9
4% 13.5 11.6 15.5 13.5
y 11.4 7.1 12.4

5 X
X 3
e2ij = 10.2 y = 10.3
i=1 j=1

(a) Determinar si el tipo de mezcla y el nivel de fluorita anadido influyen significativamente

en el coste de fabricacion. Se supone que no existe interaccion entre los dos factores.
(b) Contrastar que porcentaje de fluorita produce el menor coste del clinker.

21. El analisis de la varianza de un diseno en bloques aleatorizados proporciona los siguientes

resultados: V T = 232, V E(factor) = 156, V E(bloque) = 15 y V NE = 61. El numero de
niveles del factor es 5 y el numero de bloques 8. Construir la tabla ADEVA. Cual sera
el resultado del analisis si no se tiene en cuenta el efecto de los bloques ? Indicar en que
circunstancias es preferible cada uno de los modelos.

22. Se ha realizado un experimento con tres factores, (A, B y C), con 4, 3, y 5 niveles, sin
replicaciones. El modelo propuesto no incluye las interacciones de orden 3, por lo que la
variabilidad explicada por estas interacciones se pretende utilizar para estimar la varianza
residual. Los resultados proporcionan para la variabilidad explicada por las interacciones de
orden 3 un valor igual a 234.5; que es muy superior a lo esperado. Debido a esto se repitio
por completo el experimento, obteniendose para este segundo experimento un valor de 158.7

8
 (para la variabilidad explicada por la interacciones de orden 3). Proponer un procedimiento
para contrastar si se ha producido un cambio significativo en esta variabilidad de uno a otro
experimento, indicando las hipotesis en las que se basa el contraste. (Dejar el resultado del
contraste indicado en funcion de los valores crticos de la tabla correspondiente.)

23. 8.25. (2-96) En un modelo de analisis de la varianza se ha observado que la desviacion tpica
(si ) y la media (y i ) de las observaciones de cada tratamiento estan relacionadas linealmente,
si = ky i , donde k es una constante. Cual de las siguientes transformaciones es la mas
adecuada para corregir la heterocedasticidad ? z = log y, z = y 2 o z = ky

24. La oxidacion es una etapa de la fabricacion de chips y consiste en anadir una capa de
oxido sobre la placa silicio (oblea). Se esta experimentando con 6 tratamientos (Ti ) para
seleccionar el que proporciona un mayor espesor de oxido en un mismo tiempo de proceso.
Una caracterstica que influye en el espesor es el acabado superficial de la oblea, por lo que
se tomaron 5 tipos distintos de acabado (Oj ). De cada tipo (Oj ) se tomaron 6 obleas y se
asignaron aleatoriamente a los tratamientos. En la tabla se proporciona el espesor obtenido
en cada oblea y las medias por filas y columnas.

T1 T2 T3 T4 T5 T6
O1 85.60 90.90 93.00 80.50 85.20 88.90 87.35
O2 89.30 91.50 93.60 83.20 87.80 91.00 89.40
O3 84.70 87.50 90.90 81.00 83.20 86.30 85.60 VT = 465.1
O4 87.60 90.50 95.60 84.60 87.60 91.10 89.50
O5 87.30 93.10 94.90 82.70 86.70 88.70 88.90
86.90 90.70 93.60 82.40 86.10 89.20 88.15

(a) Contrastar si el tipo de oblea y el tratamiento influyen en el espesor del oxido. Elegir el
tipo de oblea y tratamiento mas adecuado, indicando si son significativamente distintos
del resto.
(b) Para fijar los seis tratamientos, se seleccionaron dos temperaturas (t1 , t2 ) y tres presiones
(p1 , p2 , p3 ) y se combinaron de forma que T1 = (t1 , p1 ), T2 = (t1 , p2 ), T3 = (t1 , p3 )
T4 = (t2 , p1 ), T5 = (t2 , p2 ) y T6 = (t2 , p3 ). Calcular las variabilidades explicadas por la
temperatura, la presion y su interaccion (t p).
(c) Indicar si sus efectos son significativos, suponiendo nulas las interacciones de los factores
O t, O p y O t p.

25. Demostrar que en un modelo de bloques aleatorizados, , i y j son independientes.

26. Un centro ha realizado un experimento para mejorar la resistencia a la tension de ciertos

muelles de acero. En una etapa del proceso el muelle caliente se sumerge en aceite templado.
Se han estudiado tres factores, A (temperatura del acero antes de la inmersion, con tres
niveles), B (temperatura del bano de aceite, dos niveles) y C (concentracion de carbono en
el acero, dos niveles). El experimento se ha replicado tres veces. En la tabla se muestra la
media y la varianza (corregida) para los tres datos de cada tratamiento.

9
 A B C yi s2i
1 1 1 40.2 0.25
1 1 2 61.1 2.68
1 2 1 35.9 2.43
1 2 2 57.1 4.44
2 1 1 49.0 3.49
2 1 2 70.3 7.77
2 2 1 46.7 5.08
2 2 2 67.6 1.03
3 1 1 41.9 4.27
3 1 2 62.7 11.41
3 2 1 37.1 1.33
3 2 2 60.3 6.13

(a) Dar un intervalo del 95 % de confianza para la varianza del error experimental, 2 .
(b) Indicar si los efectos principales de A, B y C son significativamente distintos de cero.
(c) Dado 2 , construir un intervalo que cumpla que la probabilidad de que s2i (la varianza
muestral corregida de un tratamiento) este contenido en el sea igual a 0.95. Sustituir 2
por su estimador y con ayuda de este intervalo, discutir si se puede rechazar la hipotesis
de homocedasticidad de las observaciones.

27. Estimar por maxima verosimilitud los parametros , i y j del modelo de bloques aleator-
izados. Obtener la distribucion de estos estimadores, indicando su media y varianza.

28. Explicar por que en un modelo de dos factores con interaccion es necesario poner las condi-
ciones
I
X J
X I
X J
X
i = 0, j = 0, ()ij = 0 para todo j, y ()ij = 0 para todo i.
i=1 j=1 i=1 j=1

Se podran haber puesto otras condiciones distintas a las anteriores? Justificar la respuesta.

29. La calidad de un producto qumico despues de un largo periodo de almacenamiento depende

del conservante empleado y de las caractersticas de almacenamiento. Se ha estudiado el
efecto de cuatro conservantes distintos (columnas) y cinco almacenamientos (filas) sobre la
degradacion del producto:

1 2 3 4 Medias
1 15.1 11.0 18.8 10.3 13.8
2 8.1 4.3 11.8 3.8 7.0
3 15.3 11.5 15.6 9.2 12.9
4 8.0 4.4 11.0 5.8 7.3
5 13.5 9.3 15.8 18.2 14.2
Medias 12.0 8.1 14.6 9.46 11.04

10
 La tabla de analisis de la varianza para los datos anteriores es:

Suma de Grados de S. Cuadrados Nivel

F
Cuadrados Libertad Medios Crtico
Almacen. 205.488 4 51.372 10.03 0.0008
Conserv. 123.676 3 41.225 8.05 0.0033
Residuos 61.484 12 5.123
Total 390.648 19

(a) Elegir con = 0.05 el conservante y el almacenamiento que producen menor degradacion.
(b) El analisis de los residuos muestra como atpica la observacion y54 = 18.2. Un examen
qumico confirma el resultado anomalo por lo que se recomienda eliminar la observacion.
Segun el modelo de dos factores sin interaccion, la prediccion de la observacion yIJ
(eliminada) es:
SI SJ S
ybIJ = +
(J 1) (I 1) (I 1)(J 1)
donde I = 5, J = 4, SI es la suma de las observaciones de la fila I (sin incluir la elimi-
nada), SJ es la suma de las observaciones de la columna J (sin incluir la eliminada), y
S es la suma de las observaciones restantes no incluidas en la fila I ni en la columna
J. Obtener la distribucion (media y varianza) del error de prediccion eIJ = yIJ ybIJ .
(c) Cuando, como en el caso anterior, falta una observacion se recomienda el siguiente pro-
cedimiento: sustituir la observacion faltante por su prediccion y aplicar los contrastes
habituales teniendo en cuenta que los residuos tienen un grado de libertad menos. La
nueva descomposicion de la variabilidad es: VT=339.63, VE(Conservantes)=166.02,
VE(Almacenamiento)=164.02 y VNE=9.59. Contestar al apartado 1 con esta modifi-
cacion e interpretar las diferencias.

30. Una instalacion tpica de almacenamiento de combustible en una Estacion de Servicio (gaso-
linera) esta formada por un tanque enterrado de gran capacidad, al que se encuentran
conectados distintos surtidores. La cantidad total de gasolina suministrada en un da se
puede determinar midiendo directamente la variacion que se ha producido en el tanque de
almacenamiento (Y1j ) o por la suma de los suministros de los distintos surtidores (Y2j ). La
comparacion de ambas medidas permite determinar perdidas en la instalacion enterrada y
otras anomalas. En el proceso de comparacion es necesario tener en cuenta que las medidas
estan afectadas por errores aleatorios. Durante 20 das se han tomado los valores anteriores
en un gasolinera:
Da 1 2 3 4 5 6 7 8 9 10
Y1j 4116,2 5627,0 2820,4 2521,8 2973,5 2834,9 2335,7 2590,8 2182,7 2621,4
Y2j 4143,6 5632,0 2868,1 2477,7 2955,4 2851,9 2312,7 2630,6 2208,9 2635,9

Da 11 12 13 14 15 16 17 18 19 20
Y1j 4323,6 1880,7 2131,4 3349,6 2545,0 2247,3 1817,5 1461,3 1646,5 1955,4
Y2j 4305,4 1877,9 2159,2 3366,7 2566,1 2281,4 1854,6 1461,5 1607,3 1956,4

11
 (a) Llamando Dj = Y1j Y2j a la diferencia en las medidas de un mismo da, contrastar
con = 0.05
H0 : D = 0
H1 : D 6= 0
donde Dj tiene distribucion N(D , D ). Calcular el nivel crtico del contraste aproxi-
mando la distribucion t de Student por la normal.
(b) Los datos anteriores pueden ser analizados mediante un modelo de bloques aleatorizados
tomando el tipo de medida (tanque, surtidores) como un factor y los das como bloques.
Demostrar con caracter general que en el modelo de bloques aleatorizados si el factor
tiene dos niveles la varianza residual cumple:
1
sb2R = sb2D
2
donde sb2D es la estimacion de 2D del apartado 1.
(c) Teniendo en cuenta lo anterior, demostrar que el contraste correspondiente al factor en
el modelo de bloques aleatorizados es equivalente al contraste del apartado 1.

31. Una forma alternativa de la ecuacion del modelo para comparar I tratamientos es

yij = + i + uij , i = 1, 2, ..., I; j = 1, 2, ..., m

donde
es la media global
1 , P
2 , ..., I son los parametros que determinan los efectos de cada tratamiento, cumplen
que Ii=1 i = 0
uij son variables aleatorias independientes con identica distribucion normal de media cero y
varianza 2 .

(a) Obtener el estimador maximo verosmil de i , indicar su distribucion de probabilidad,

media y varianza.
P
(b) Calcular la esperanza de la variabilidad explicada (V E = m Ii=1 b 2i ) cuando los
parametros i no son todos nulos.
(c) Calcular la correlacion entre b
i y un residuo eij cualquiera (del mismo o diferente
tratamiento). Que implicacion tiene este resultado en el contraste de analisis de la
varianza.

32. Un ingeniero esta estudiando metodos para mejorar ciertas propiedades mecanicas de una
aleacion metalica. Los dos factores que considera mas importantes son la cantidad de Man-
ganeso y la temperatura de templado. Se disena un experimento empleando tres niveles
para el factor manganeso y dos para la temperatura, en total 32 = 6 tratamientos. Se
dispone de 6 hornos diferentes para realizar la fundicion. Cada horno requiere un operador
y se disponen de seis operadores cada uno de los cuales es capaz de manejar los seis hornos.
Disenar un experimento que con 36 observaciones permita estudiar las diferencias entre los

12
 seis tratamientos y que tenga en cuenta el tipo de horno y el operador como variables blo-
ques. Construir la tabla de analisis de la varianza, indicando los grados de libertadad de
cada variabilidad, separando en ella el factor manganeso, el factor temperatura y su inter-
accion. (Los bloques y los factores no interaccionan). (Nota: no es necesario indicar en la
tabla como se obtienen las distintas variabilidades).

33. Una asociacion de consumidores para comprobar la utilidad de ciertos compuestos que segun
sus fabricantes reducen el consumo de gasolina de los automoviles realizo el siguiente exper-
imento: eligio al azar 9 vehculos nuevos de distintas marcas con cilindrada similar y con
cada uno de ellos recorrio tres veces un mismo trayecto con conductores distintos. Ademas
en cada uno de estos tres trayectos empleo un tratamiento diferente para la gasolina:

A: Gasolina con Cyber-Gas
Tratamiento B: Gasolina con Consumin

C: Gasolina sin aditivo

En la tabla siguiente se muestra el consumo en litros de gasolina en cada uno de los recorridos
y el tipo de tratamiento (letra latina).
Numero Conductores Media
Vehculo 1 2 3 fila
1 15,5 (A) 15,6 (B) 16,6 (C) 15,90
2 13,0 (B) 13,3 (A) 13,0 (C) 13,10
3 11,8 (B) 13,1 (C) 12,5 (A) 12,47
4 14,4 (A) 14,8 (C) 15,0 (B) 14,73 A:13,89
Media de
5 12,4 (B) 14,3 (A) 14,1 (C) 13,60 B:13,42
Tratam.
6 15,6 (C) 15,3 (A) 14,7 (B) 15,20 C:14,18
7 12,7 (C) 12,0 (B) 12,0 (A) 12,23
8 14,2 (C) 14,0 (B) 15,1 (A) 14,43
9 12,6 (A) 13,5 (C) 12,3 (B) 12,80
Media Media Total
Columna 13,58 13,99 13,92 13,83

El analisis de los datos se realiza con el siguiente modelo

yijk = + i + j + k + uijk

donde yijk representa el consumo en litros, la media global; i , i = 1, 2, ..., 9 y j , j =

1, 2, 3 los efectos correspondientes a los vehculos (filas) y los conductores (columnas). La
estimacion e interpretacion de estos parametros es similar al modelo de bloques aleatorizados.
Ademas se incluye los parametros
P k , k = 1, 2, 3 que miden el efecto de los tratamientos (tipo
de aditivo) y cumplen 3k=1 k = 0. Por ultimo, uijk la componente aleatoria son variables
aleatorias independientes con distribucion normal de media cero y varianza 2 para todas
las observaciones.

(a) Obtener razonadamente los estimadores maximo verosmiles de k .

13
 (b) La tabla del analisis de la varianza del modelo anterior es

Suma de Grados de
Cuadrados Libertad Varianza F p-Valor
Tratamiento 2,67 2 1,31 6,7 0,0091
Vehculo 40,2 8 5,02 25,7 0,0000
Conductor 0,876 2 0,438 2,2 0,1428

Residual 2,73 14 0,195

Total 46,4 26

Reducen los aditivos el consumo de gasolina? Existen diferencias significativas entre

Cyber-gas (A) y Consumin (B)? (Realizar los contrastes con nivel de significacion 0.05).
(c) Demostrar que el diseno anterior, independientemente de los valores numericos (yijk )
obtenidos, es un diseno ortogonal, es decir que cumple:

VT = VE(Vehculos) + VE(Conductores) + VE(Tratamientos) + VNE

(Nota.- Es suficiente con demostrar la ortogonalidad del vector correspondiente a los

tratamientos con respecto a los otros tres).

34. Un informatico quiere comparar los tiempos de ejecucion de tres programas realizados en
lenguajes diferentes que realizan el mismo proceso. Para hacer la comparacion utilizan 4
ordenadores con microprocesadores distintos. Los tiempos requeridos por cada programa en
cada ordenador han sido:

ORDENADOR PROGRAMA
A B C yi
1 1,36 2,23 1,54 1,71
2 0,97 0,70 0,76 0,81
3 1,79 1,74 1,84 1,79
4 0,64 0,69 0,74 0,69
yj 1,19 1,34 1,22 1,25

Existen diferencias significativas en los tiempos requeridos por los 3 programas?

35. Se ha realizado un experimento con dos factores cada uno de ellos con 3 niveles. El 20%
de la variabilidad total esta explicada por la interaccion de los dos factores y el 40% de
la variabilidad total es debida a la variabilidad residual. Determinar el numero de replica-
ciones necesarias en cada tratamiento para que la interaccion sea significativa con = 0.01.
(Explicar el procedimiento de calculo, dejando el resultado indicado en funcion de las tablas).

14
 36. Un investigador quiere estudiar el efecto de sexo (hombre, mujer) y tipo de formacion (cien-
cias, letras) en el dominio del ingles escrito en profesores universitarios. Para ello analiza el
numero de incorrecciones gramaticales en artculos cientficos enviados a publicacion. Para
cada combinacion de niveles de los factores se han elegido al azar tres profesores. En la tabla
se proporciona el numero de fallos detectados en artculos de 15 paginas

Letras Ciencias
Hombre 8, 6, 13 22, 28, 33
Mujer 5, 10, 6 12, 14, 9

Contrastar con nivel de significacion 0.05 si los efectos principales y la interaccion son signi-
ficativos. Tener en cuenta que P (F1,8 5.32) = 0.95, siendo F1,8 la distribucion F con grados de
libertad 1 y 8. Interpretar los resultados.

37. Un alumno, como trabajo de la asignatura de estadstica, ha comparado tres marcas distintas
(A,B,C) de palomitas de maz precocinadas. Cada marca puede prepararse friendolas en
una sarten (metodo 1) o en el horno microondas (metodo 2). El alumno ha realizado un
diseno factorial completo 32 con cinco replicaciones en cada uno de los seis tratamientos.
La variable respuesta medida es el porcentaje de granos de maz que no se han inflado
adecuadamente. Los resultados del experimento se muestran en la tabla, en cada tratamiento
se proporciona la media y entre parentesis la desviacion tpica corregida para las cinco
replicaciones. Contrastar si la interaccion entre los dos factores es significativa.

A B C
5.5 3.6 7.5
Sarten
(1,4) (1,8) (2,5)
3.8 3.4 4.3
Horno
(1,3) (0,9) (1,3)

38. Se ha realizado un experimento con dos factores, A (temperatura con tres niveles), B (con-
centracion con cuatro niveles). El experimento se ha replicado 5 veces. En la tabla se

15
 muestra la media y la varianza (corregida) para los 5 datos de cada tratamiento.

A B yi s2i
1 1 240 1.2
1 2 261 1.6
1 3 235 1.4
1 4 257 2.4
2 1 249 1.4
2 2 270 5.7
2 3 246 5.8
2 4 267 1.7
3 1 241 4.2
3 2 262 9.4
3 3 237 1.3
3 4 260 6.1

Escribir la tabla de analisis de la varianza.

39. Se desea estudiar la influencia de 2 factores en el error de medida de un equipo de vision

artificial. Un factor F es la distancia focal, para el que se han fijado 4 niveles y el otro factor
L es el nivel de iluminacion con 2 niveles. Ademas se dispone de 2 equipos diferentes para
realizar las medidas. Se ha tomado un patron y se ha medido en las combinaciones indicadas
en la tabla, donde yijk es el error obtenido al situar la distancia focal i, con iluminacion j y
el equipo k.

F 1 2 3 4 1 2 3 4
L 1 1 1 1 2 2 2 2
Equipo 1 y111 y211 y311 y411 y121 y221 y321 y421
Equipo 2 y112 y212 y312 y412 y122 y222 y322 y422

Construir la tabla de analisis de la varianza, que incluya los efectos principales debidos a la
distancia focal (F ), la iluminacion (L) y el equipo, y ademas la interaccion F L, suponiendo
que son nulas el resto de interacciones.

40. Cierta industria de lentes para gafas desea comparar dos tipos de recubrimiento antireflec-
tante A, B. Los dos tipos tienen identico aspecto y prestaciones, pero antes de decidirse por
uno u otro desean comprobar si el tipo de recubrimiento influye en el desgaste que sufre la
lente. Para ello construyen gafas con una lente de cada tipo que distribuyen entre 10 per-
sonas seleccionadas al azar que habitualmente utilizan gafas. Al cabo de seis meses miden
el desgaste y se obtienen los valores que se indican en la tabla.

16
 Persona Lente A Lente B
1 6.7 6.9
2 5.0 5.8
3 3.6 4.1
4 6.2 7.0
5 5.9 7.0
6 4.0 4.6
7 5.2 5.5
8 4.5 5.0
9 4.4 4.3
10 4.1 4.8

Que tipo de recubrimiento recomendara a los fabricantes con el criterio de mnimo desgaste?.

41. Demuestre que en un modelo en bloques aleatorizados, con I niveles para el factor y J niveles
para el bloque, con modelo

yij = +i+ j +uij ,el valor esperado de la variabilidad explicada por el factor es: E[V E()] =
P
(I 1) 2 + J Ji=1 2i ,siendo 2 la varianza del error experimental.

42. Se desea comprobar si el orden en el que aparecen las preguntas de un examen test influye
en resultado obtenido por el alumno. Se han preparado dos examenes, el Test A tiene
las preguntas en orden de dificultad creciente y el Test B a la inversa. Se ha elegido una
muestra aleatoria de 20 alumnos y se han emparejado segun su habilidad, de forma que los
dos alumnos de cada pareja han demostrado durante el curso una habilidad similar. De
cada pareja, un alumno se ha asignado aleatoriamente al Test A y el otro al Test B. Los
resultados finales del ejercicio han sido (cada pareja es una columna)

Test A: 83 82 95 92 91 60 89 69 70 72
Test B: 76 62 70 74 52 63 48 80 76 74

Es evidente que las puntuaciones del Test B son mas bajas que las del Test A?

43. El analisis de la varianza de un diseno en bloques aleatorizados proporciona los si-guientes

resultados: V T = 129, V E(factor) = 38, 5 y V E(bloque) = 82, 5. El numero de niveles del
factor es 4 y el numero de bloques 4. Construir la tabla de analisis de la varianza y hacer
los contrastes correspondientes con nivel de significacion 0,05.
44. Se ha estudiado la influencia de la cantidad de cierto aditivo en la opacidad de un material
plastico que se puede fabricar por tres metodos de extrusion. El objetivo es conseguir el
tratamiento con opacidad mnima. Cada tratamiento se ha replicado 5 veces, los valores
medios y las desviaciones tpicas corregidas para cada caso se proporcionan en la tabla 1.
La tabla 2 corresponde al analisis de la varianza. Se ha comprobado que se verifican las
condiciones de normalidad y homocedasticidad.

17
 Metodo Aditivo Medias Desv. Tp.
1 1 9.5 0.83
1 2 9.3 0.67
2 1 10.0 1.53 (TABLA 1)
2 2 8.1 0.77
3 1 11.5 0.78
3 2 6.0 1.23

Suma de
cuadrad. g.l. Var. F p-valor
Extrus. 2.210 2 1.105 1.072 0.358
Aditivo 47.636 1 47.636 46.2 0.000 (TABLA 2)
Interac. 37.572 2 18.786 18.2 0.000
Residual 24.728 24 1.030
Total 112.146 29

(a) A la vista de los resultados de las dos tablas indica que metodo de extrusion es acon-
sejable para conseguir la opacidad mnima.
(b) Da un intervalo del 95% de confianza para la opacidad media en las condiciones optimas.
(c) Sea
di = y i1 y i2
la diferencia entre las medias observadas en los dos niveles del factor aditivos para el
metodo de extrusion i. Calcula el valor esperado y la varianza de di en terminos de los
parametros del modelo factorial.
(d) Si E(di) = 0 para los tres metodos, obten la distribucion de probabilidad de

5 d21 + d22 + d23

.
2 2

45. Se ha estudiado el efecto de tres hornos diferentes y dos temperaturas (290 o C y 320 o C)
en la duracion de cierto componente. Para cada combinacion de horno y temperatura se
ha replicado el experimento 3 veces. En la tabla siguiente se proporcionan las medias y
desviaciones tpicas de los datos de cada tratamiento.

Temperatura o C
290 o C 320 o C
Media Desv. T. Media Desv. T.
Horno 1 245.6 8.50 180.0 2.65
Horno 2 191.0 15.39 144.0 2.65
Horno 3 187.0 4.58 134.3 8.62

18
 Suma Grados
Fuente Cuadrado Libertad Varianza F p-valor
Horno 9646.3 2 4823.2 69.1 0.000
Temp. 13667.6 1 13667.6 195.9 0.000
HxT 274.8 2 137.4 1.97 0.182
Residual 837.3 12 69.8
Total 24426 17

Seleccionar el horno y la temperatura que proporcionan maxima duracion, haciendo los con-
trastes de igualdad de medias con nivel de significacion 0.01.

19