https://www.youtube.com/watch?

v=bMU8oDYKOhM
19. Se corre un diseño factorial de 3*2 con 10 réplicas para investigar el hinchamiento
del catalizador después de la extrusión den la fábrica de botellas de polietileno de alta
densidad. El catalizador se utiliza en la obtención de dicho polietileno. Los factores
investigados son: molde (con dos niveles) y B: catalizador (con tres niveles). Los datos
obtenidos se muestran en la siguiente tabla.

Catalizador
𝑩𝟏 𝑩𝟐 𝑩𝟑
93 92 93 92 90 92 95 94 94
𝑨𝟏 92 91 90 94 91 91 94 97 96
90 90 90 92 94 95
91 91 91 92 94 96
Molde 88 88 87 90 89 88 91 97 91
𝑨𝟐 88 87 88 88 90 89 90 89 91
87 87 88 89 92 90
87 87 88 88 90 91

a) Plantee la hipótesis de interés en este problema y el modelo estadístico correspondiente.

b) Construya una tabla de análisis de varianza y determine cuales efectos están activos.
c) Dibuje las tablas de medias para los dos efectos principales con los métodos LSD y de
Tukey. Compare los resultados de ambos métodos.
d) Haga una gráfica de interacción con intervalos de confianza sobrepuestos.
e) Determine cuál es el mejor tratamiento. ¿Cuál es el hinchamiento predicho en el mejor
tratamiento?
f) Verifique los supuestos de normalidad y varianza constante.
g) Utilice la gráfica de residuos contra los factores para detectar los posibles efectos sobre la
dispersión del hinchamiento. ¿En cuál molde parece que es menor la dispersión?

Suma total

Y= 5450 d=2 b=3 n=10

(2777)2 + (2673)2 (5450)2

𝑆𝐶𝐴 = − = 𝟏𝟖𝟎. 𝟐𝟔𝟔𝟔
3 ∗ 10 3 ∗ 2 ∗ 10

(1787)2 + (1802)2 + (1861)2 (5450)2

𝑆𝐶𝐵 = − = 𝟏𝟓𝟑. 𝟎𝟑𝟑𝟑
2 ∗ 10 60

(913)2 + (915)2 + (949)2 + (874)2 + (887)2 + (912)2 (5450)2

𝑆𝐶𝐴𝐵 = − − 180.26
10 60
− 153.0333 = 𝟑. 𝟒𝟑𝟒𝟑

(5450)2
𝑆𝐶𝑇 = 495.466 − = 𝟒𝟐𝟒. 𝟑𝟑𝟑𝟑𝟑𝟑
60

𝑆𝐶𝐸 = 424.333333 − 180.2666 − 153.0333 − 3.4343 = 𝟖𝟕. 𝟔

Fv SC GL CM 𝑭𝟎 valor – p
Efecto A 180.2666 1 180.267 111.12 0.000
Efecto B 153.0333 2 76.517 47.17 0.000
Efecto AB 3.4343 2 1.717 1.06 0.0354
Error 87.6 54 1.622
Total 424.333333 59
22. En una fábrica de aceites vegetales comestibles la calidad resulta afectada por la
cantidad de impurezas dentro del aceite, ya que estas causan oxidación, y ello repercute
a su vez en las características de sabor y color del producto final. El proceso de
“blanqueo” es el responsable de eliminar las impurezas, y una forma de medir su
eficacia es midiendo el color del aceite para generar una primera aproximación a la
solución del problema se decide estudiar el efecto de la temperatura y el porcentaje de
arcilla en el color del aceite inicialmente a nivel laboratorio. El diseño y los datos de las
pruebas experimentales se muestran a continuación.

Porcentaje de arcilla
Temperatura .8𝟎. 𝟖 𝟎. 𝟗 𝟏. 𝟎 1.1
90 5.8 5.9 5.4 5.5 4.9 5.1 4.5 4.4
100 5.0 4.9 4.8 4.7 4.6 4.4 4.1 4.3
110 4.7 4.6 4.4 4.4 4.1 4.0 3.7 3.6

a) Construya el modelo estadístico y formule la hipótesis pertinente

𝑌𝑖𝑗𝑘 = µ + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘 ;

i= 1, 2,…,a; j=1,2,…,b; k= 1,2,…,n

H0:efecto A =0 H0:efecto B=0 H0:efecto AxB=0

HA:efecto A≠ 0 HA:efecto B≠ 0 HA:efecto AxB≠ 0

b) ¿Cuál es el nombre del diseño utilizado? - Diseño factorial por dos factores.

c) Por lo general, a condiciones reales se utiliza el 1.1% de arcilla y 100 grados de

temperatura. ¿Por qué cree que se eligieron precisamente esos niveles de prueba para el
experimento?
Porque estos niveles de prueba han funcionado hasta el momento.

d) Realice un análisis de varianza para probar las hipótesis y obtenga conclusiones.

Y= 111.8 a=3 b=4 n=2

(41.5)2 + (36.8)2 + (33.5)2 (111.8)2

𝑆𝐶𝐴 = − = 𝟒. 𝟎𝟒𝟎𝟖𝟑
8 24
(30.9)2 + (29.2)2 + (27.1)2 + (24.6)2 (111.8)2
𝑆𝐶𝐵 = − = 𝟑. 𝟕𝟎𝟏𝟔𝟔
6 24
2
1057.56 (111.8)
𝑆𝐶𝐴𝐵 = − − 4.04083 − 3.70166 = 𝟎. 𝟐𝟑𝟓𝟖𝟒𝟑
2 24
(111.8)2
𝑆𝐶𝑇 = 528.88 − = 𝟖. 𝟎𝟕𝟖𝟑𝟑
24
𝑆𝐶𝐸 = 8.07833 − 4.04083 − 3.70166 − 0.235843 = 𝟎. 𝟏
Fv SC GL CM 𝑭𝟎 valor – p
Efecto A 4.04083 2 2.020415 242.4498 0.000
Efecto B 3.70166 3 1.233886 148.0663 0.000
Efecto AB 0.235843 6 0.039307 4.71685 0.011
Error 0.1 12 0.008333
Total 8.07833 23

Análisis de varianza para Resp, utilizando SC ajustada para pruebas

Fuente GL SC sec. SC ajust. MC ajust. F P

A 2 4.04083 4.04083 2.02042 242.45 0.000
B 3 3.70167 3.70167 1.23389 148.07 0.000
A*B 6 0.23583 0.23583 0.03931 4.72 0.011
Error 12 0.10000 0.10000 0.00833
Total 23 8.07833

Los tres efectos están activos, comprobado por medio de los valores-p, los tres son menores que
0.05.

e) Apoyándose en las gráficas de efectos, ¿Cuál es la relación general entre el color y los
factores controlados en su rango de experimentación?
La nitidez del color según las gráficas de efectos es menor cuando los niveles en ambos
factores son altos y es menor en su nivel mas bajo.

f) A partir de las gráficas de interacciones, ¿cree que haya un efecto no lineal?

No, el efecto se considera lineal

g) Considerando el nivel mínimo aceptable de blancura es de 4.8, ¿qué tratamiento

utilizaría?
Factor B en nivel 1 y factor A en nivel 3.

h) ¿Vale la pena plantear el estudio en condiciones reales?

Si, para ver resultados más notorios.

i) ¿Qué cambio le haría al experimento si lo corre en condiciones reales?

Añadir más replicas para obtener un resultado mas confiable.
26. Los siguientes datos corresponden a diseño de 3*3 con tres réplicas. Interesa
investigar el efecto de ambos factores sobre Y, para encontrar las condiciones
adecuadas para maximizar.
B
A 𝑩𝟏 𝑩𝟐 𝑩𝟑
𝑨𝟏 10 6 14 3 5 1 1 2 1
𝑨𝟐 60 73 79 88 70 76 71 71 69
𝑨𝟑 44 35 28 38 22 26 29 20 22

a) Especifique el modelo estadístico para el problema y las hipótesis pertinentes.

𝑌𝑖𝑗𝑘 = µ + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘 ;

i= 1, 2,…,a; j=1,2,…,b; k= 1,2,…,n

H0: efecto A=0 H0: efecto B=0 H0: efecto AB=0

HA: efecto A ≠ 0 HA: efecto B ≠ 0 HA: efecto AB ≠ 0

b) Haga un análisis de varianza y obtenga conclusiones.

Y= 964 n=3 a=3 b=3

(43)2 + (657)2 + (264)2 (964)2

𝑆𝐶𝐴 = − = 𝟐𝟏𝟒𝟗𝟐. 𝟎𝟕𝟒𝟎𝟑
9 27
2 2
(349) + (329) + (286) 2 (964)2
𝑆𝐶𝐵 = − = 𝟐𝟑𝟎. 𝟐𝟗𝟔𝟐𝟗𝟔𝟕
9 27
(30)2 + (212)2 + (107)2 + (9)2 + (234)2 + (86)2 + (4)2 + (211)2 + (71)2
𝑆𝐶𝐴𝐵 = − 𝑆𝐶𝐴 − 𝑆𝐶𝐵
3
169104 (964)2
𝑆𝐶𝐴𝐵 = − − 21492.07403 − 230.2962967 = 𝟐𝟐𝟕. 𝟐𝟓𝟗𝟑𝟎𝟐𝟗
3 27
(964)2
𝑆𝐶𝑇 = 57080 − = 𝟐𝟐𝟔𝟔𝟏. 𝟔𝟐𝟗𝟔𝟑
27
𝑆𝐶𝐸 = 22661.62963 − 21492.07403 − 230.2962967 − 227.2593029 = 𝟕𝟏𝟐

Fx SC GL CM F0 valor – p
Efecto A 21492.07403 2 10746.03702 271.6698 0.000
Efecto B 230.2962967 2 115.1481484 2.9110 0.080
Efecto AB 227.2593029 4 56.814825 1.43633 0.263
Error 712 18 39.555
Total 22661.62963 26
Análisis de varianza para respuesta, utilizando SC ajustada para pruebas

Fuente GL SC sec. SC ajust. MC ajust. F P

A 2 21492.1 21492.1 10746.0 271.67 0.000
B 2 230.3 230.3 115.1 2.91 0.080
A*B 4 227.3 227.3 56.8 1.44 0.263
Error 18 712.0 712.0 39.6
Total 26 22661.6

S = 6.28932 R-cuad. = 96.86% R-cuad.(ajustado) = 95.46%

En el ANOVA podemos observar que el único efecto activo es el de A, el efecto B y el de
interacción no influye en la respuesta del experimento.

c) Interprete con detalle el efecto de interacción, si es significativo

No tiene caso sacar conclusiones analizando la gráfica de interacción debido a que no es un efecto
activo sobre la variable de respuesta.

d) Verifique supuestos

Podemos notar que se cumple

el supuesto de normalidad y el
de varianza constante.

e) ¿Hay un tratamiento mejor? Argumente con pruebas estadísticas.

No, ninguna combinación de niveles de los factores es significativo ante el ANOVA por lo
tanto no se puede determinar un tratamiento que sea mejor.
28. Se cree que la adhesividad de un pegamento depende de la presión y de la
temperatura al ser aplicado. Se realiza un experimento factorial con ambos factores
fijos.
Temperatura
𝐏𝐫𝐞𝐬𝐢ó𝐧 (𝒍𝒃/𝒑𝒖𝒍𝒈𝟐 ) 25250 260 270

120 9.60 11.28 9.00

130 9.69 10.10 9.57
140 8.43 11.01 9.03
150 9.98 10.44 9.80
a) Formule las hipótesis y el modelo estadístico que desea probar.

𝑌𝑖𝑗𝑘 = µ + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘 ;

i= 1, 2,…,a; j=1,2,…,b; k= 1,2,…,n

H0: efecto A=0 H0: efecto B=0 H0: efecto AB=0

HA: efecto A ≠ 0 HA: efecto B ≠ 0 HA: efecto AB ≠ 0

b) Analice los datos y obtenga las conclusiones apropiadas

No podemos completar la tabla ANOVA, debido a que en el experimento solo se tiene una réplica,
cuando mínimo deben ser dos, ya que los grados de libertad para el error son ab(n-1), por lo tanto
no podemos obtener el cuadrado medio del error y tampoco el estadístico de prueba, Fisher.

c) ¿Se puede analizar si hay interacción entre los dos factores controlados?
No se puede analizar ningún efecto en el ANOVA.

d) Verifique residuos
Es imposible.

Y=117.93 a=4 b=3 n=1 N=12

(29.88)2 + (29.36)2 + (28.47)2 + (30.22)2 (117.93)2

𝑆𝐶𝐴 = − = 𝟎. 𝟓𝟖𝟎𝟔𝟗
3 12
2 2
(37.7) + (42.83) + (37.4) 2 (117.93)2
𝑆𝐶𝐵 = − = 𝟒. 𝟔𝟓𝟕𝟔𝟓
4 12
1166.3493 (117.93)2
𝑆𝐶𝐴𝐵 = − − 0.58069 − 4.65765 = 𝟐. 𝟏𝟓𝟑𝟖𝟖𝟓
1 12
(117.93)2
𝑆𝐶𝑇 = 1166.3493 − = 𝟐. 𝟏𝟓𝟑𝟖𝟖𝟓
12
𝑆𝐶𝐸 = 2.153885 − 0.58069 − 4.65765 − 2.153885 = −𝟓. 𝟐𝟑𝟖𝟑𝟒
𝐶𝑀𝐸 = 𝟎