Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Covarianza
Diseño de Experimentos
3
Modelo
yi j = µ + α i + β ( xi j − x •• ) + ε i j
i=1, 2,..., a; j=1,2,.., n. ε ij ~ NID(0, σ )
2
αi : Efecto tratamiento i
xij : Medición de la covariable
Meda de las mediciones de la
x •• : covariable
µ: Media global 4
Ejemplo
• Una pieza metálica se va a platinar.
Se estudian 3 proveedores
• Se sabe que el grosor de la capa de
platino (Y) depende del grosor de la
pieza metálica que se va a platinar (X)
• Se desea determinar si la capa de
platino es igual en los 3 proveedores
• Datos a continuación. El grosor se
mide en 10-6 m
5
Pro Pro Pro
vee vee vee
dor X Y dor X Y dor X Y
A 61 24 B 63 28 C 112 41
A 75 32 B 90 24 C 74 37
A 40 14 B 45 22 C 94 29
A 138 35 B 59 13 C 97 48
6
Minitab
• Verificar que x – y estén
correlacionados: Graph – Scatterplot
• También se puede correr una regresión
lineal simple y calcular el coeficiente de
correlación
• Stat – Anova – General Linear Model
• Response: la variable de respuesta
• Covariates: la covariable
• Solicitar análisis de residuales 7
Scatterplot of Y vs X
50
40
30
Y
20
10
50 75 100 125 150
X
Correlations: X, Y
Pearson correlation of X and Y = 0.684
P-Value = 0.014 8
Fitted Line Plot
Y = 9.171 + 0.2499 X
50 S 7.97836
R-Sq 46.7%
R-Sq(adj) 41.4%
40
30
Y
20
10
50 75 100 125 150
X
9
10
Residual Plots for Y
Normal Probabilit y Plot of t he Residuals Residuals Versus t he Fit ted Values
99 10
90 5
Residual
Percent
50 0
-5
10
1 -10
-10 0 10 20 25 30 35 40
Residual Fitted Value
1.5 5
Frequency
Residual
0
1.0
0.5 -5
0.0 -10
-10 -5 0 5 10 1 2 3 4 5 6 7 8 9 10 11 12
Residual Observation Order
11
General Linear Model: Y versus Proveedor
13
Conclusión 2
• La regresión no es significativa en el
nivel 0.05, sin embargo es significativa
en el nivel 0.07
• Hay evidencia débil de relación lineal
14
Sin análisis de covarianza
• A continuación se corre un anova, sin
el enfoque de análisis de covarianza,
para los mismos datos de platinado
• Nótese que ahora la decisión es
contraria: rechazar H0 (valor p =
0.037), y concluir que si hay efecto
significativo del proveedor sobre el
grosor de platinado
15
One-way ANOVA: Y versus Proveedor
Source DF SS MS F P
Proveedor 2 620.7 310.3 4.86 0.037
Error 9 574.3 63.8
Total 11 1194.9
16
• Al emplear este diseño (análisis de
covarianza), la contribución de la
variabilidad del factor perturbador no
controlable (pero que se puede
cuantificar) se separó de la
variabilidad aleatoria y del factor, lo
que permitió mejorar la sensibilidad
de la prueba para detectar diferencias
entre los tratamientos
17
Tarea
• Libro: Montgomery (2004). Diseño y
Análisis de Experimentos, 2ª Edición.
• Pág. 627, 628: # 14-10, 14-14, 14-16
18