Ejercicios Dis Exp Factoriales

Diseño de Experimentos factoriales
Ejercicio 5.5
Johnson y Leone describen un experimento realizado para investigar la torcedura de

placas de cobre. Los dos factores estudiados fueron la temperatura y el contenido de
cobre de las placas. La variable de respuesta fue de una medida de la cantidad de
torcedura. Los datos fueron los siguientes:
Contenido de cobre (%)

Temperatura (°C) 40 60 80 100
50 17, 20 16, 21 24, 22 28, 27
75 12, 9 18, 13 17, 12 27, 31
100 16, 12 18, 21 25, 23 30, 23
125 21, 17 23, 21 23, 22 29, 31
Diseño del Experimento
Multilevel Factorial Design
Factors: 2 Replicates: 2
Base runs: 16 Total runs: 32
Base blocks: 1 Total blocks: 1
Number of levels: 4, 4
a) ¿Existe algún indicio de que alguno de los dos factores afecta la cantidad de
torcedura? ¿Hay alguna interacción entre los factores? Utilizar alfa = 0.05
Analysis of Variance for Torcedura, using Adjusted SS for Tests
Source DF Seq SS Adj SS Adj MS F P

Temperatura 3 156.094 156.094 52.031 7.67 0.002
% cobre 3 698.344 698.344 232.781 34.33 0.000
Temperatura*% cobre 9 113.781 113.781 12.642 1.86 0.133
Error 16 108.500 108.500 6.781
Total 31 1076.719
S = 2.60408 R-Sq = 89.92% R-Sq(adj) = 80.48%
De acuerdo al valor obtenido de P, los dos factores afectan la cantidad de torcedura.

La posible interacción entre los dos factores no es significativa a nivel de 0.05,
Profesor: Dr. Primitivo Reyes

Aguilar
Alumna: Lic. Esperanza Jiménez Becerril
Pagina 1 de 22
Febrero 23, 2006
b) Analizar los residuales de este experimento
Normal Probability Plot of the Residuals

(response is Torcedura)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
Standardized Residual
La gráfica nos demuestra una normalidad al aproximarse los residuales a la línea recta,
concluyendo que el modelo es válido.
Residuals Versus the Fitted Values

(response is Torcedura)
2
-1
-2
10 15 20 25 30
Fitted Value
Los residuales son aleatorios por arriba y por debajo de la línea, concluyéndose que existe
independencia en la respuesta.

Aguilar
Pagina 2 de 22
Febrero 23, 2006
c) Graficar la torcedura promedio con cada nivel del contenido de cobre y

compararlas con una distribución t con la escala apropiada. Describir las
diferencias en los efectos de los diversos niveles del contenido de cobre sobre la
torcedura. Si es deseable una torcedura baja, ¿qué nivel del contenido de cobre
debería de especificarse?
Main Effects Plot (data means) for Torcedura

Temperatura % cobre
30.0
27.5
Mean of Torcedura
25.0
22.5
20.0
17.5
15.0
50 75 100 125 40 60 80 100
Esta gráfica nos muestra que a mayor contenido de cobre es mayor el nivel de torcedura,
siendo este incremento mayor a partir de 80% de cobre.
Si lo que buscamos es una menor torcedura se recomendaría el 40% de cobre.
Interaction Plot (data means) for Torcedura

Temperatura
30
50
75
100
125
25
Mean
20
15
10
40 60 80 100
% cobre
Profesor:
Dr. Primitivo Reyes
Aguilar
Pagina 3 de 22
Febrero 23, 2006
d) Suponga que no es sencillo controlar la temperatura en el medio ambiente

donde van a usarse las placas de cobre ¿Este hecho modifica la respuesta que
se dio en el inciso c?
No, ya que la interacción cobre temperatura es no significativa
Ejercicio 5.16
El porcentaje de la concentración de madera dura en la pulpa bruta, la presión de la

cuba y el tiempo de cocción de la pulpa se investiga en cuanto a sus efectos sobre la
resistencia del papel. Se seleccionan tres niveles de la concentración de madera dura,
tres niveles de la presión y dos tiempos de cocción. Se lleva a cabo un experimento
factorial con dos réplicas, obteniéndose los siguientes datos:
% de la Tiempo de cocción 3.0 Tiempo de cocción 4.0

concentración de Presión Presión
la madera 400 500 650 400 500 650
2 196.6 197.7 199.8 198.4 199.6 200.6
196.0 196.0 199.4 198.6 200.4 200.9
4 198.5 196.0 198.4 197.5 198.7 199.6
197.2 196.9 197.6 198.1 198.0 199.0
8 197.5 195.6 197.4 197.6 197.0 198.5
196.6 196.2 198.1 198.4 197.8 199.8
Diseño del Modelo
Number of levels: 3, 3, 2
a) Analizar los datos y sacar conclusiones. Utilizar alfa = 0.05
General Linear Model: Resistencia versus % concentrac, Presión, Tiempo
Factor Type Levels Values

% concentración fixed 3 2, 4, 8
Presión fixed 3 400, 500, 650
Tiempo fixed 2 3, 4

Aguilar
Pagina 4 de 22
Febrero 23, 2006
Analysis of Variance for Resistencia, using Adjusted SS for Tests

% concentración 2 7.5939 7.5939 3.7969 7.42 0.004
Presión 2 17.6172 17.6172 8.8086 17.21 0.000
Tiempo 1 22.8803 22.8803 22.8803 44.69 0.000
% concentración*Presión 4 6.4311 6.4311 1.6078 3.14 0.040
% concentración*Tiempo 2 1.4772 1.4772 0.7386 1.44 0.262
Presión*Tiempo 2 3.5172 3.5172 1.7586 3.44 0.054
% concentración*Presión*Tiempo 4 2.5778 2.5778 0.6444 1.26 0.322
Error 18 9.2150 9.2150 0.5119
Total 35 71.3097
S = 0.715503 R-Sq = 87.08% R-Sq(adj) = 74.87%
El análisis de varianza nos muestra que los factores porcentaje de concentración, presión y
tiempo son significativos así como la interacción concentración-presión.
b) Construir las gráficas de los residuales apropiadas y comentar la adecuación del

modelo

(response is Resistencia)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
Profesor:Dr. Primitivo Reyes

Aguilar
Pagina 5 de 22
Febrero 23, 2006

(response is Resistencia)
3
2
-1
-2
-3
196 197 198 199 200 201
Fitted Value
Las gráficas nos muestras que existe normalidad por lo que es válido el modelo y hay
independencia de los factores con los resultados
c) ¿Bajo qué conjunto de condiciones debería operarse este proceso? ¿Por qué?
Éste modelo para maximizar la resistencia nos sugiere que se aplique el porcentaje de
concentración 2 y la presión de 650, así como el tiempo de cocción de 4 horas. (basado en las
siguientes gráficas)
Main Effects Plot (data means) for Resistencia

% concentración Presión
199.0
198.5
198.0
Mean of Resistencia
197.5
2 4 8 400 500 650

Tiempo
199.0
198.5
198.0
197.5
3 4
Profesor:
Dr. Primitivo Reyes
Aguilar
Pagina 6 de 22
Febrero 23, 2006
Interaction Plot (data means) for Resistencia

400 500 650 3 4
200 % concentración
2
4
% concentr ación 198 8
196
200 Presión
400
500
198 650
P r esión
196
T iempo
Ejercicio 5.17
El departamento de control de calidad de una planta de acabados textiles estudia el

efecto de varios factores sobre el teñido de una tela de algodón y fibras sintéticas
utilizadas para fabricar camisas para caballero. Se seleccionaron tres operadores, tres
duraciones del ciclo y dos temperaturas, y se tiñeron tres ejemplares pequeños de la
tela bajo cada conjunto de condiciones. La tela terminada se comparó con un patrón, y
se le asignó una evaluación numérica. Los datos se presentan enseguida. Analizar los
datos y sacar conclusiones. Comentar la adecuación del modelo.
Temperatura
Duración 300° 350°
del ciclo Operador Operador
1 2 3 1 2 3
40 23 27 31 24 39 34
24 28 32 23 36 36
25 26 29 28 35 39
50 36 34 33 37 34 34
35 38 34 39 38 36
36 39 35 35 36 31
60 28 35 26 26 36 28
24 35 27 29 37 26
27 34 25 25 34 24
Profesor:
Dr. Primitivo Reyes
Aguilar
Pagina 7 de 22
Febrero 23, 2006
Diseño del Modelo
Number of levels: 3, 2, 3
General Linear Model: Teñido versus Duración, Temperatura, Operador

Duración fixed 3 40, 50, 60
Temperatura fixed 2 300, 350
Operador fixed 3 1, 2, 3
Analysis of Variance for Teñido, using Adjusted SS for Tests

Duración 2 432.704 432.704 216.352 63.84 0.000
Temperatura 1 52.019 52.019 52.019 15.35 0.000
Operador 2 267.148 267.148 133.574 39.42 0.000
Duración*Temperatura 2 82.259 82.259 41.130 12.14 0.000
Duración*Operador 4 353.519 353.519 88.380 26.08 0.000
Temperatura*Operador 2 12.481 12.481 6.241 1.84 0.173
Duración*Temperatura*Operador 4 49.074 49.074 12.269 3.62 0.014
Error 36 122.000 122.000 3.389
Total 53 1371.204
El análisis de la varianza muestra que los factores duración, temperatura, operador y las
interrelaciones duración temperatura, duración operador tienen un efecto significativo.
S = 1.84089 R-Sq = 91.10% R-Sq(adj) = 86.90%

(response is Teñido)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3

Aguilar
Pagina 8 de 22
Febrero 23, 2006
La gráfica de normalidad de los residuos nos muestra que están distribuidos cerca de la recta,
lo que nos valida el modelo

(response is Teñido)
2
-1
-2
25.0 27.5 30.0 32.5 35.0 37.5

Fitted Value
La distribución por arriba y por debajo de la línea nos denota independencia
Interaction Plot (data means) for Teñido

300 350 1 2 3
Duración
35
40
50
60
Dur ación 30
25
Temperatura
35
300
350
T emper atur a 30
25
O per ador
El mejor teñido se da con las condiciones de duración del ciclo en 50, con el operador 2 y la
temperatura de 350°.
Profesor:
Dr. Primitivo Reyes
Aguilar
Pagina 9 de 22
Febrero 23, 2006
Ejercicio 5.19
Se estudia el rendimiento de un proceso químico. Los dos factores de interés son la

temperatura y la presión. Se seleccionan tres niveles de cada factor; sin embargo, sólo
es posible hacer nueve corridas en un día. El experimentador corre una réplica en cada
día. Los datos se muestran en la tabla siguiente. Analizar los datos, suponiendo que los
días son bloques.
Día 1 Día 2
Temperatur Presión Presión
a 250 260 270 250 260 270
Baja 86.3 84.0 85.8 86.1 85.2 87.3
Intermedia 88.5 87.3 89.0 89.4 89.9 90.3
Alta 89.1 90.2 91.3 91.7 93.2 93.7
Diseño del Modelo
Number of levels: 3, 3
General Linear Model: Rendimiento versus Blocks, Temperatura, Presion

Blocks fixed 2 1, 2
Temperatura fixed 3 1, 2, 3
Presion fixed 3 250, 260, 270
Analysis of Variance for Rendimiento, using Adjusted SS for Tests

Blocks 1 13.005 13.005 13.005 24.48 0.001
Temperatura 2 99.854 99.854 49.927 93.98 0.000
Presion 2 5.508 5.508 2.754 5.18 0.036
Temperatura*Presion 4 4.452 4.452 1.113 2.10 0.173
Error 8 4.250 4.250 0.531
Total 17 127.069
S = 0.728869 R-Sq = 96.66% R-Sq(adj) = 92.89%
El análisis de varianza nos muestra que la temperatura tiene un efecto significativo, que la
presión tiene un efecto muy bajo y que la interacción Temperatura presión no es significativa.

Aguilar
Pagina 10 de 22
Febrero 23, 2006

(response is Rendimiento)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
Los puntos cerca de la recta nos indican que el modelo es válido

(response is Rendimiento)
2
-1
-2
84 85 86 87 88 89 90 91 92 93
Fitted Value
Los puntos en forma aleatoria arriba y debajo de la recta nos indican independencia de la
respuesta
Profesor:
Dr. Primitivo Reyes
Aguilar
Pagina 11 de 22
Febrero 23, 2006
Main Effects Plot (data means) for Rendimiento

Temperatura Presion
92
91
Mean of Rendimiento
90
89
88
87
86
85
1 2 3 250 260 270
La gráfica nos indica que al aumentar la temperatura se aumenta el rendimiento, en lo que

corresponde a la presión baja el rendimiento cuando es de 250 a 260 y aumenta cuando paso de
260 a 270.
Interaction Plot (data means) for Rendimiento

93 Temperatura
1
92 2
3
91
90
89
Mean
88
87
86
85
84
250 260 270
Presion
Como lo que se desea es aumentar el rendimiento se recomendaría la temperatura 3 con

presión de 270.

Aguilar
Pagina 12 de 22
Febrero 23, 2006
Ejercicio 6.1
Un ingeniero está interesado en los efectos de la velocidad de corte (A), la geometría

de la herramienta (B) y el ángulo de corte (C) sobre la vida (en horas) de una máquina
herramienta. Se eligen dos niveles de cada factor y se corren tres réplicas de un diseño
factorial 23. Los resultados fueron los siguientes:
A B C Combinación de Réplicas
tratamientos I II III
- - - (1) 22 31 25
+ - - a 32 43 29
- + - b 35 34 50
+ + - ab 55 47 46
- - + c 44 45 38
+ - + ac 40 37 36
- + + bc 60 50 54
+ + + abc 39 41 47
Full Factorial Design
Factors: 3 Base Design: 3, 8

Runs: 24 Replicates: 3
Blocks: 1 Center pts (total): 0
All terms are free from aliasing.
a) estimar los efectos de los factores. ¿Qué efectos parecen ser grandes?
Factorial Fit: Vida versus A, B, C
Estimated Effects and Coefficients for Vida (coded units)
Term Effect Coef SE Coef T P

Constant 40.792 1.111 36.72 0.000
A 0.250 0.125 1.111 0.11 0.912
B 11.250 5.625 1.111 5.06 0.000
C 6.750 3.375 1.111 3.04 0.008
A*B -1.750 -0.875 1.111 -0.79 0.442
A*C -8.917 -4.458 1.111 -4.01 0.001
B*C -2.917 -1.458 1.111 -1.31 0.208
A*B*C -2.250 -1.125 1.111 -1.01 0.326
S = 5.44289 R-Sq = 77.25% R-Sq(adj) = 67.30%
Los efectos mayores son producidos por los factores B, C y la interacción AC

Aguilar
Pagina 13 de 22
Febrero 23, 2006
Normal Probability Plot of the Standardized Effects

(response is Vida, Alpha = .05)
99
Effect Ty pe
Not Significant
95 Significant
90 B F actor N ame
A A
80 B B
C C C
70
Percent
60
50
40
30
20
10 AC
5
1
-5.0 -2.5 0.0 2.5 5.0
Standardized Effect
La gráfica anterior nos confirma que los factores significativos son A y B así como la
interacción AC
Pareto Chart of the Standardized Effects

(response is Vida, Alpha = .05)
2.120
F actor N ame
A A
B
B B
C C
AC
C
Term
BC
ABC
AB
0 1 2 3 4 5
Standardized Effect
En esta gráfica se aprecia que los efectos en orden ascendente son el factor B, la interacción
AC y el factor C
b) Usar el análisis de varianza para confirmar las conclusiones del inciso a.
Analysis of Variance for Vida (coded units)
Profesor:
Dr. Primitivo Reyes
Aguilar
Pagina 14 de 22
Febrero 23, 2006

Main Effects 3 1033.12 1033.12 344.37 11.62 0.000
2-Way Interactions 3 546.46 546.46 182.15 6.15 0.006
Residual Error 16 474.00 474.00 29.63
Pure Error 16 474.00 474.00 29.63
Total 23 2083.96

Aguilar
Pagina 15 de 22
Febrero 23, 2006
c) Escribir un modelo de regresión para predecir la vida de la herramienta (en

horas) con base en los resultados de este experimento.
yˆ  40.7925  5.625 A  3.375 B  4.458 AC
d) Analizar los residuales. ¿hay algún problema evidente?
De acuerdo a las gráficas siguientes no se presenta evidencia de problema

(response is Vida)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3

(response is Vida)
2.5
2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
25 30 35 40 45 50 55
Fitted Value

Aguilar
Pagina 16 de 22
Febrero 23, 2006
e) Con base en el análisis de las gráficas de los efectos principales y las

interacciones, ¿Cuáles serían los niveles de A, B y C que se recomendaría
utilizar?
Main Effects Plot (data means) for Vida

A B
45.0
42.5
40.0
37.5
Mean of Vida
35.0
-1 1 -1 1
C
45.0
42.5
40.0
37.5
35.0
-1 1
Interaction Plot (data means) for Vida

-1 1 -1 1
50
A
-1
1
40
A
30
50
B
-1
1
40
B
30
Se recomendaría utilizar el mayor valor de B y el mayor valor de C

Aguilar
Pagina 17 de 22
Febrero 23, 2006
Ejercicio 6.15
Se utiliza una aleación de níquel y titanio para fabricar componentes de los motores de
turbinas de aviones. La formación de fisuras es un problema potencialmente serio de
las piezas terminadas, ya que pueden provocar fallas irreversibles. Se realiza una
prueba de las piezas para determinar el efecto de cuatro factores sobre las fisuras. Los
cuatro factores son la temperatura de vaciado (A), el contenido de titanio (B), el
método de tratamiento térmico (C) y la cantidad de refinador de grano usada (D). se
hacen dos réplicas de un diseño 2 4 y se mide la longitud de las fisuras (en mm x 10 -2)
inducidas en un ejemplar de prueba de muestra sometido a una prueba estándar. Los
datos se muestran en la siguiente tabla:
A B C D Combinación de Réplica
tratamientos I II
- - - - (1) 7.037 6.376
+ - - - a 14.707 15.219
- + - - b 11.635 12.089
+ + - - ab 17.273 17.815
- - + - c 10.403 10.151
+ - + - ac 4.368 4.098
- + + - bc 9.360 9.253
+ + + - abc 13.440 12.923
- - - + d 8.561 8.951
+ - - + ad 16.867 17.052
- + - + bd 13.876 13.658
+ + - + abd 19.824 19.639
- - + + cd 11.846 12.337
+ - + + acd 6.125 5.904
- + + + bcd 11.190 10.935
+ + + + abcd 15.653 15.053
Creación del Diseño
Full Factorial Design
Factors: 4 Base Design: 4, 16

Runs: 32 Replicates: 2
Blocks: 1 Center pts (total): 0
a) Estimar los efectos de los factores ¿Qué efectos de los factores parecen ser
grandes?
Factorial Fit: Fisura versus Vaciado (A), Titanio (B), ...
Estimated Effects and Coefficients for Fisura (coded units)
Term Effect Coef SE Coef T P

Constant 11.988 0.05036 238.04 0.000
Vaciado (A) 3.019 1.509 0.05036 29.97 0.000
Titanio (B) 3.976 1.988 0.05036 39.47 0.000
T. Termico (C) -3.596 -1.798 0.05036 -35.70 0.000
Grano (D) 1.958 0.979 0.05036 19.44 0.000
Vaciado (A)*Titanio (B) 1.934 0.967 0.05036 19.20 0.000
Vaciado (A)*T. Termico (C) -4.008 -2.004 0.05036 -39.79 0.000
Aguilar
Pagina 18 de 22
Febrero 23, 2006
Vaciado (A)*Grano (D) 0.076 0.038 0.05036 0.76 0.459

Titanio (B)*T. Termico (C) 0.096 0.048 0.05036 0.95 0.355
Titanio (B)*Grano (D) 0.047 0.024 0.05036 0.47 0.645
T. Termico (C)*Grano (D) -0.077 -0.038 0.05036 -0.76 0.456
Vaciado (A)*Titanio (B)* 3.137 1.569 0.05036 31.15 0.000
T. Termico (C)
Vaciado (A)*Titanio (B)*Grano (D) 0.098 0.049 0.05036 0.97 0.345
Vaciado (A)*T. Termico (C)*Grano (D) 0.019 0.010 0.05036 0.19 0.852
Titanio (B)*T. Termico (C)*Grano (D) 0.036 0.018 0.05036 0.35 0.728
Vaciado (A)*Titanio (B)* 0.014 0.007 0.05036 0.14 0.890
T. Termico (C)*Grano (D)
S = 0.284885 R-Sq = 99.77% R-Sq(adj) = 99.56%
Normal Probability Plot of the Standardized Effects

(response is Fisura, Alpha = .05)
99
Effect Ty pe
Not Significant
95 B Significant
90 F actor N ame
A BC
A V aciado (A )
80 A B Titanio (B)
D C T. Termico (C )
70 AB D G rano (D )
Percent
60
50
40
30
20
10 C
5 AC
1
-50 -40 -30 -20 -10 0 10 20 30 40
Standardized Effect
Profesor:
Dr. Primitivo Reyes
Aguilar
Pagina 19 de 22
Febrero 23, 2006
Pareto Chart of the Standardized Effects

(response is Fisura, Alpha = .05)
2.12
F actor N ame
AC
A V aciado (A )
B B Titanio (B)
C C T. Termico (C )
D G rano (D)
ABC
A
D
AB
Term
ABD
BC
CD
AD
BD
BC D
ACD
A BC D
0 10 20 30 40
Standardized Effect
b) Conducir un análisis de varianza. ¿Algunos de los factores afecta la formación

de fisuras? Utilizar alfa = 0.05
Analysis of Variance for Fisura (coded units)

Main Effects 4 333.496 333.496 83.3740 1027.28 0.000
Residual Error 16 1.299 1.299 0.0812
Pure Error 16 1.299 1.299 0.0812
Total 31 572.246
Todos los factores son significativos en la formación de fisuras
c) Escribir un modelo de regresión que pueda usarse para predecir la longitud de

las fisuras como una función de los efectos principales y las interacciones
significativas que se han identificado en el inciso b.
yˆ  11 .988  1.509 A  3.976B  1.798C  0.979D  0.967 AB  2.004 AC  1.569 ABC
Profesor:
Dr. Primitivo Reyes
Aguilar
Pagina 20 de 22
Febrero 23, 2006
d) Analizar los residuales de este experimento.
Al analizar las siguientes gráficas nos muestran que existe normalidad en los residuos y por lo
tanto el modelo es válido y existe independencia de los factores con la respuesta.

(response is Fisura)
99
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3

(response is Fisura)
2
1
-1
-2
5.0 7.5 10.0 12.5 15.0 17.5 20.0
Fitted Value
e) ¿hay algún indicio de que alguno de los factores afecte la variabilidad de la

formación de fisuras?
f) ¿Qué recomendaciones se harían respecto de las operaciones del proceso?

Utilizar gráficas de las interacciones y/o de los efectos principales como ayuda
para sacar conclusiones.

Aguilar
Pagina 21 de 22
Febrero 23, 2006
Main Effects Plot (data means) for Fisura

Vaciado (A) Titanio (B)
14
13
12
11
Mean of Fisura
10
-1 1 -1 1
T. Termico (C) Grano (D)
14
13
12
11
10
-1 1 -1 1
Interaction Plot (data means) for Fisura

-1 1 -1 1 -1 1
16
Vaciado (A)
-1
1
Vaciado (A) 12
8
16 Titanio
(B)
Titanio (B)
-1
12
1
16 T.
Termico
(C )
T. Termico (C) 12
-1
1
8
Grano (D)
De las anteriores gráficas se puede sugerir que para minimizar las fisura es necesario aplicar
el menor valor de A (vaciado), el menor vaciado de B (titanio), y el menor valor de C
(Tratamiento térmico), así como el menor valor de D (refinador de grano) .
Profesor:
Dr. Primitivo Reyes
Aguilar
Pagina 22 de 22
Febrero 23, 2006

Ejercicios Dis Exp Factoriales

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ejercicios Dis Exp Factoriales

Cargado por

Copyright:

Formatos disponibles

Diseño de Experimentos factoriales

Johnson y Leone describen un experimento realizado para investigar la torcedura de

Contenido de cobre (%)

Diseño del Experimento

Multilevel Factorial Design

Analysis of Variance for Torcedura, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

S = 2.60408 R-Sq = 89.92% R-Sq(adj) = 80.48%

De acuerdo al valor obtenido de P, los dos factores afectan la cantidad de torcedura.

Profesor: Dr. Primitivo Reyes

b) Analizar los residuales de este experimento

Normal Probability Plot of the Residuals

Residuals Versus the Fitted Values

Profesor: Dr. Primitivo Reyes

c) Graficar la torcedura promedio con cada nivel del contenido de cobre y

Main Effects Plot (data means) for Torcedura

Si lo que buscamos es una menor torcedura se recomendaría el 40% de cobre.

Interaction Plot (data means) for Torcedura

d) Suponga que no es sencillo controlar la temperatura en el medio ambiente

No, ya que la interacción cobre temperatura es no significativa

El porcentaje de la concentración de madera dura en la pulpa bruta, la presión de la

% de la Tiempo de cocción 3.0 Tiempo de cocción 4.0

Diseño del Modelo

Multilevel Factorial Design

a) Analizar los datos y sacar conclusiones. Utilizar alfa = 0.05

General Linear Model: Resistencia versus % concentrac, Presión, Tiempo

Factor Type Levels Values

Profesor: Dr. Primitivo Reyes

Analysis of Variance for Resistencia, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

S = 0.715503 R-Sq = 87.08% R-Sq(adj) = 74.87%

b) Construir las gráficas de los residuales apropiadas y comentar la adecuación del

Normal Probability Plot of the Residuals

Profesor:Dr. Primitivo Reyes

Residuals Versus the Fitted Values

Main Effects Plot (data means) for Resistencia

2 4 8 400 500 650

Interaction Plot (data means) for Resistencia

El departamento de control de calidad de una planta de acabados textiles estudia el

Diseño del Modelo

Multilevel Factorial Design

General Linear Model: Teñido versus Duración, Temperatura, Operador

Factor Type Levels Values

Analysis of Variance for Teñido, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

S = 1.84089 R-Sq = 91.10% R-Sq(adj) = 86.90%

Normal Probability Plot of the Residuals

Profesor:Dr. Primitivo Reyes

Residuals Versus the Fitted Values

25.0 27.5 30.0 32.5 35.0 37.5

La distribución por arriba y por debajo de la línea nos denota independencia

Interaction Plot (data means) for Teñido

Se estudia el rendimiento de un proceso químico. Los dos factores de interés son la

Diseño del Modelo

Multilevel Factorial Design

General Linear Model: Rendimiento versus Blocks, Temperatura, Presion

Factor Type Levels Values

Analysis of Variance for Rendimiento, using Adjusted SS for Tests

Source DF Seq SS Adj SS Adj MS F P

S = 0.728869 R-Sq = 96.66% R-Sq(adj) = 92.89%

Profesor: Dr. Primitivo Reyes

Normal Probability Plot of the Residuals

Los puntos cerca de la recta nos indican que el modelo es válido