Clase 2

Jorge Mario Martinez

17/8/2018

Aplicaciones del DCA

Ejemplo 1

Replicas iguales por tratamiento

• En una determinada fábrica de galletas se desea saber si las harinas de sus cuatro proveedores producen
la misma viscosidad en la masa. Para ello, produce durante un día 16 masas, 4 de cada tipo de harina,
y se mide su viscosidad. Los resultados obtenidos son:

• La empresa desea saber si existe diferencia significativa en la viscosidad de la masa producida por sus
diferentes proveedores, use un nivel de significancia del α = 5%

Aplicación del DCA

Analisis General de los datos

1
 Aplicación del DCA
Solución
• Como primer paso se plantea las hipótesis


H0 : µ1 = µ2 = µ3 = µ4






H1 : Al menos una media es diferente
• Como segundo paso determinamos el numero de repeticiones y la suma de cada unos de los tratamientos

Aplicación del DCA

• Tercer paso Calculamos las expresiones generales del modelo
• Total general

2
 • Número de unidades experimentales

n = rt = (5)(4) = 20

• Factor de Corrección (FC)

Y..2 (1836)2
FC = = = 168544.8
n 20

Aplicación del DCA

Calculo de las fuentes de variabilidad
• Suma de cuadros del total

t X
X r
SCT = Yij2 − F C = (922 + 862 + · · · + 982 + 902 ) − 168544.8
i=1 j=1

= 168830 − 168544.8 = 285.2

• Suma de cuadrados de los Tratamientos

t
X Y.j2 1
4442 + 4672 + 4542 + 4712 − 168544.8


SCtttos = − FC =
i=1
r.j 5
= 168636.4 − 168544.8 = 91.6

• Suma de Cuadrados del Error

SCE = SCT − SCtttos = 285.2 − 91.6 = 193.6

ANAVA
Tabla de Analisis de Varianza - ANAVA
• Finalmente organizamos las fuentes de variabilidad en una tabla y obtenemos el valor de Fc

3
 • Para encontrar el valor Ft en la tabla de Fisher, tenemos que F(0.05,3,16) = 3.239
# Si queremos buscar el valor de Ft en R, tenemos que
qf(0.05,3,16, lower.tail = F)

## [1] 3.238872
Conclusión
Como Fc = 2.5234 < Ft = 3.239, Se acepta la hipótesis nula (H0 ), por lo tanto, no existe diferencia
significativa entre la viscosidad de las masas suministrada por los diferentes proveedores, con un nivel de
significancia del 5%

Tabla de Fisher
• Para encontrar el valor antes mencionado tenemos que

4
 Aplicación en R
• Guardamos los datos en un vector por tratamiento
rep <- c(92,86,90,89,87, 97,90,95,96,89, 89,91,97,85,92, 96,92,95,98,90)
ttos <- gl(4,5) # Indicamos las repeticiones por tratamiento
ttos

## [1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4
## Levels: 1 2 3 4
• Determinamos el modelo
modelo <- aov(rep ~ ttos)
anova(modelo)

## Analysis of Variance Table

##
## Response: rep
## Df Sum Sq Mean Sq F value Pr(>F)
## ttos 3 91.6 30.533 2.5234 0.09448 .
## Residuals 16 193.6 12.100
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

5
 • Como Pvalor = 0.09448 > α = 0.05, Se acepta la hipótesis nula (H0 ), por lo tanto, no existe diferencia
significativa entre la viscosidad de las masas suministrada por los diferentes proveedores

Aplicación del DCA

Ejemplo 2

Replicas distintas por tratamiento

• Supongamos que un investigador desea determinar la temperatura óptima de almacenamiento para la
conservación de manzanas. La variable de respuesta es el número de manzanas podridas en cada cajón,
por lo cual se decide tomar 5 tratamientos con distintas repeticiones e identificar a que temperatura es
aconsejable el almacenamiento de las manzanas, use un nivel de significancia de (α = 5%)

Aplicación del DCA

Analisis General de los datos

6
 Aplicación del DCA
Solución
• Como primer paso se plantea las hipótesis


H0 : µ1 = µ2 = µ3 = µ4 = µ5






H1 : Al menos una media es diferente
• Como segundo paso determinamos el numero de repeticiones y la suma de cada unos de los tratamientos

7
 Aplicación del DCA
• Tercer paso Calculamos las expresiones generales del modelo
• Total general

r X
X t
Y.. = Yij = 2 + 3 + 6 + · · · + 10 + 14 = 170
i=1 j=1

• Número de unidades experimentales

X
n= rj = 5 + 4 + 4 + 5 + 4 = 22

• Factor de Corrección (FC)

Y..2 (170)2
FC = = = 1313.636
n 22

Aplicación del DCA

Calculo de las fuentes de variabilidad
• Suma de cuadros del total

t X
X r
SCT = Yij2 − F C = (22 + 32 + 62 + · · · + 102 + 142 ) − 1313.636
i=1 j=1

= 1630 − 1313.636 = 316.3636

• Suma de cuadrados de los Tratamientos

8
 t
Y.j2 272 212 222 522 482
X  
SCtttos = − FC = + + + + − 1313.636
i=1
r.j 5 4 4 5 4
= 1493.85 − 1313.636 = 180.2136

• Suma de Cuadrados del Error

SCE = SCT − SCtttos = 316.3636 − 180.2136 = 136.15

ANAVA
Tabla de Analisis de Varianza - ANAVA
• Finalmente organizamos las fuentes de variabilidad en una tabla y obtenemos el valor de Fc

• Para encontrar el valor Ft en la tabla de Fisher, tenemos que F(0.05,4,17) = 2.965

# Si queremos buscar el valor de Ft en R, tenemos que
qf(0.05,3,16, lower.tail = F)

## [1] 3.238872
Como Fc = 5.6255 > Ft = 2.9659, se rechaza la hipótesis nula (H0 ), por lo tanto, existe diferencia
significativa entre las temperaturas de almacenamiento para la conservación de las manzanas, con un nivel de
significancia del 5%

Tabla de Fisher
• Para encontrar el valor antes mencionado tenemos que

9
 Aplicación en R
• Guardamos los datos en un vector por tratamiento
rep <- c(2,3,6,9,7, 3,7,7,4, 3,3,10,6, 9,8,12,10,13, 16,8,10,14)
ttos <- factor(c(rep(1,5),rep(2,4),rep(3,4),rep(4,5),rep(5,4))) # Indicamos las repeticiones por tratami
ttos

## [1] 1 1 1 1 1 2 2 2 2 3 3 3 3 4 4 4 4 4 5 5 5 5
## Levels: 1 2 3 4 5
• Determinamos el modelo
modelo <- aov(rep ~ ttos)
anova(modelo)

## Analysis of Variance Table

##
## Response: rep
## Df Sum Sq Mean Sq F value Pr(>F)
## ttos 4 180.21 45.053 5.6255 0.004509 **
## Residuals 17 136.15 8.009
## ---

10
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
• Como Pvalor = 0.00450 < α = 0.05, se rechaza la hipótesis nula (H0 ), por lo tanto, existe diferencia
significativa entre las temperaturas de almacenamiento para la conservación de las manzanas

11