Está en la página 1de 14

Apéndice 4

1. A partir de la lectura del capítulo 6 del libro análisis y diseños de experimentos, aplique los conceptos del diseño factorial al siguiente
enunciado.

Un estudiante en la UNAD viene realizando experimentos sobre la textura de un extruido tipo cereal para el desayuno. Para determinar el efecto de
variar la concentración del polvo de hornear y la concentración de almidón de yuca que contiene el producto sobre la textura del producto, realizó
un trabajo experimental en la planta piloto de la ECBTI. Para el experimento utilizó tres concentraciones del almidón de yuca y tres concentraciones
de polvo de hornear en el extruido.

A continuación, se describe la tabla con los resultados para cada uno de los tratamientos, cada variable de respuesta (Fuerza máxima de fractura) se
midió 3 veces.

Tabla 1. Datos de la textura del cereal para desayuno.

Almidón de yuca (%) Polvo de hornear (%)


Concentración 1 Concentración 2 Concentración 3
Concentración 1 11.2 10.8 10.4
11.4 10.7 10.2
11.1 10.6 10.1
Concentración 2 12.1 11.9 11.1
12.3 11.9 11.0
12.4 11.8 11.0
Concentración 3 13.6 13.2 12.7
13.8 13.1 12.6
13.9 13.0 12.5

A. Plantear el modelo estadístico para este diseño, explicar cada uno de los términos en función del ejercicio (5 /120)
La tabla 1 nos ilustra un modelo factorial 3k, con 2 factores, es decir 3Λ2, con 2 factores y con 3 niveles cada tratamiento o combinación
con 3 mediciones, donde los factores son:

Factor A (Columna): Polvo de hornear en porcentaje %

Factor B (Fila): Almidón de yuca en porcentaje

El modelo estadístico para este tipo de diseño está dado por

𝑌𝑖𝑗𝑘 = 𝑢 + 𝛼𝑖 + 𝛽𝑗 + 𝜀𝑖𝑗𝑘 ;

𝑖 = 1,2 … . . , 𝑎; 𝑗 = 1,2, … , 𝑏; 𝑘 = 1,2 … , 𝑛

Para este caso

𝒂 = 𝟑; 𝒃 = 𝟑; 𝒏 = 𝟑 𝒓𝒆𝒑𝒍𝒊𝒄𝒂𝒔

B. Realice las hipótesis de interés para la investigación (igualdad y alterna). (5 /120)

𝐻𝑜 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑎𝑙𝑚𝑖𝑑𝑜𝑛 𝑑𝑒 𝑦𝑢𝑐𝑎 (%)(𝐴) = 0


𝐻𝐴 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑎𝑙𝑚𝑖𝑑𝑜𝑛 𝑑𝑒 𝑦𝑢𝑐𝑎 (%)(𝐴) ≠ 0

𝐻𝑜 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑝𝑜𝑙𝑣𝑜 𝑑𝑒 ℎ𝑜𝑟𝑛𝑒𝑎𝑟 (%)(𝐵) = 0


𝐻𝐴 = 𝐸𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑝𝑜𝑙𝑣𝑜 𝑑𝑒 ℎ𝑜𝑟𝑛𝑒𝑎𝑟 (%)(𝐵) ≠ 0

𝐻𝑜 = 𝑎𝑙𝑚𝑖𝑑𝑜𝑛 𝑑𝑒 𝑦𝑢𝑐𝑎 ∗ 𝑝𝑜𝑙𝑣𝑜 𝑑𝑒 ℎ𝑜𝑟𝑛𝑒𝑎𝑟 (𝐴𝐵) = 0


𝐻𝐴 = 𝑎𝑙𝑚𝑖𝑑𝑜𝑛 𝑑𝑒 𝑦𝑢𝑐𝑎 ∗ 𝑝𝑜𝑙𝑣𝑜 𝑑𝑒 ℎ𝑜𝑟𝑛𝑒𝑎𝑟 (𝐴𝐵) ≠ 0

C. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla ANOVA correspondiente,  = 0.05. (20 /120)

Almidón de yuca (%) Polvo de hornear (%) TOTAL


Concentración 1 Concentración 2 Concentración 3
11,2 10,8 10,4
Concentración 1 11,4 10,7 10,2 96,50
11,1 10,6 10,1
12,1 11,9 11,1
Concentración 2 12,3 11,9 11 105,50
12,4 11,8 11
13,6 13,2 12,7
Concentración 3 13,8 13,1 12,6 118,40
13,9 13 12,5
TOTAL 111,8 107 101,6 320,40

Tabla 2. Sumatoria de filas y columnas

Aplicando las fórmulas del anova tenemos:

𝟑
𝒀𝟐𝒊.. 𝒀𝟐…
𝑺𝑪𝑨 = ∑ −
𝟑𝒏 𝒏𝟑𝟐
𝒊=𝟏

(111,82 + 1072 + 101,62 ) 320,402


𝑺𝑪𝑨 = −
3∗3 3 ∗ 32

12499,24 + 11449 + 10322,56 102656,16


𝑺𝑪𝑨 = −
9 27

𝑆𝑪𝑨 = 𝟑𝟖𝟎𝟕, 𝟖𝟔 − 𝟑𝟖𝟎𝟐, 𝟎𝟖 = 𝟓, 𝟕𝟖


𝟑
𝒀𝟐𝒋.. 𝒀𝟐…
𝑺𝑪𝑩 = ∑ −
𝟑𝒏 𝒏𝟑𝟐
𝒋=𝟏

(96,502 + 105,502 + 118,402 ) 320,402


𝑺𝑪𝑩 = −
3∗3 3 ∗ 32

9312,25 + 11130.25 + 14018,56 102656,16


𝑺𝑪𝑩 = −
9 27

𝑺𝑪𝑩 = 𝟑𝟖𝟐𝟗, 𝟎𝟏 − 𝟑𝟖𝟎𝟐, 𝟎𝟖 = 𝟐𝟔, 𝟗𝟑

Almidón de yuca Polvo de hornear (%)


(%) Concentración 1 Concentración 2 Concentración 3
11,2 10,8 10,4
Concentración 1 11,4 10,7 10,2
11,1 10,6 10,1
33,7 32,1 30,7
12,1 11,9 11,1
Concentración 2 12,3 11,9 11
12,4 11,8 11
36,8 35,6 33,1
13,6 13,2 12,7
Concentración 3 13,8 13,1 12,6
13,9 13 12,5
41,3 39,3 37,8

𝟑 𝟑
𝒀𝟐𝒊𝒋.. 𝒀𝟐…
𝑺𝑪𝑨𝑩 = ∑ ∑ − − 𝑺𝑪𝑨 − 𝑺𝑪𝑩
𝒏 𝒏𝟑𝟐
𝒊=𝟏 𝒋=𝟏
(33,72 + 32,12 + 30,72 + 36,82 + 35,62 + 33,12 + 41,32 + 39,32 + 37,82 ) 320,402
𝑆𝐶𝐴𝐵 = − − 5,78 − 26,93
3 3 ∗ 32

(1135,69 + 1030,41 + 942,49 + 1354,24 + 1267,36 + 1095,61 + 1705,69 + 1544,49 + 1428,84) 102656,16
𝑆𝐶𝐴𝐵 = − − 5,78
3 27
− 26,93

11504,82 102656,16
𝑆𝐶𝐴𝐵 = − − 5,78 − 26,93
3 27

𝑆𝐶𝐴𝐵 = 3834,94 − 3802,08 − 5,78 − 26,93

𝑆𝐶𝐴𝐵 = 𝟎, 𝟏𝟓

Polvo de hornear (%)


Almidón de yuca (%)
Concentración 1 Concentración 2 Concentración 3
11,2 10,8 10,4
Concentración 1 11,4 10,7 10,2
11,1 10,6 10,1
12,1 11,9 11,1
Concentración 2 12,3 11,9 11
12,4 11,8 11
13,6 13,2 12,7
Concentración 3 13,8 13,1 12,6
13,9 13 12,5

𝟑 𝟑 𝒏
𝒀𝟐…
𝑺𝑪𝑻 = ∑ ∑ ∑ 𝒀𝟐𝒊𝒋𝒌 −
𝒏𝟑𝟐
𝒊=𝟏 𝒋=𝟏 𝒌=𝟏
𝑆𝐶𝑇 = (11,22 + 11,42 + 11,12 + 10,82 + 10,72 + 10,62 + 10,42 + 10,22 + 10,12 + 12,12 + 12,32 + 12,42 + 11,92 + 11,92 + 11,82
320,402
+ 11,12 + 112 + 112 + 13,62 + 13,82 + 13,92 + 13,22 + 13,12 + 132 + 12,72 + 12,62 + 12,52 ) −
3 ∗ 32

𝑆𝐶𝑇 = (125,44 + 129,96 + 123,21 + 116,64 + 114,49 + 112,36 + 108,16 + 104,04 + 102,01 + 146,41 + 151,29 + 153,76 + 141,61
+ 141,61 + 139,24 + 123.21 + 121 + 121 + 184,96 + 190,44 + 193,21 + 174.24 + 171.61 + 169 + 161,29
102656,16
+ 158,76 + 156,25) −
27

𝑆𝐶𝑇 = 3835,20 − 3802,08 = 𝟑𝟑, 𝟏𝟐

𝑺𝑪𝑬 = 𝑺𝑪𝑻 − 𝑺𝑪𝑨 − 𝑺𝑪𝑩 − 𝑺𝑪𝑨𝑩 = 𝟑𝟑, 𝟏𝟐 − 𝟓, 𝟕𝟖 − 𝟐𝟔, 𝟗𝟑 − 𝟎, 𝟏𝟓

𝑺𝑪𝑬 = 𝟎, 𝟐𝟔

Para los factores los grados de libertad son constantes y respectivamente son:
A=2
B=2
AB=4
Grados de libertad para el error

32 (𝑛 − 1) = 32 (3 − 1) = 𝟏𝟖

Grados de libertad para el total

𝑛3𝑘 − 1 = 3 ∗ 32 − 1 = 𝟐𝟔
Se hallan los cuadrados medios

𝑺𝑪𝑨 5,78
𝑪𝑴𝑨 = 𝐶𝑀𝐴 = = 𝟐, 𝟖𝟗
𝟐 2

𝑺𝑪𝑩 26,93
𝑪𝑴𝑩 = 𝐶𝑀𝐵 = = 13,465
𝟐 2

𝑺𝑪𝑨𝑩 0,15
𝑪𝑴𝑨𝑩 = 𝟐
𝐶𝑀𝐴𝐵 = = 𝟖, 𝟑𝟑𝟑
𝟑 (𝒏 − 𝟏) 18

𝑺𝑪𝑬 0,26
𝑪𝑴𝑬 = 𝐶𝑀𝐸 = = 𝟎, 𝟎𝟏
𝒏𝟑𝒌 − 𝟏 26

Ahora hallamos F0

𝐶𝑀𝐴 2,89
= = 𝟐𝟖𝟗
𝐶𝑀𝐸 0,01

𝐶𝑀𝐵 13,465
= = 𝟏𝟑𝟒𝟔, 𝟓
𝐶𝑀𝐸 0,01

𝐶𝑀𝐴𝐵 8,333
= = 𝟖𝟑𝟑, 𝟑
𝐶𝑀𝐸 0,01
Tabla 3. Tabla anova

Fuente de Suma de Grado de Cuadrado


FO Valor -p
variabilidad cuadrado libertad Medio

A 5,78 2 2,89 289 0


B 26,93 2 13,465 1346,5 0
AB 0,15 4 8,333 833,3 0,26204
Error 0,26 18 0,01
Total 33,12 26

Tabla 4. Tabla anova punto c


D. Realizar la validación de la ANOVA por medio de un programa estadístico (diferente a Excel), adjuntar pantallazo. (20 /120)
E. A partir del resultado del valor – P y F0 (2 criterios diferentes), que se puede concluir con respecto a las hipótesis planteadas. (10 /120)

Como el valor –p es menor a alfa en las 2 primeras hipótesis rechazo las hipótesis de igualdad, mientras que la tercera hipótesis como el
valor –p es mayor a alfa se acepta la hipótesis.

F. Realice las hipótesis para la comparación de las medias para los tratamientos de la investigación. (10 /120)

𝐻0 = 𝑈𝑎 = 𝑈𝑏

𝐻𝐴 = 𝑈𝑎 ≠ 𝑈𝑏

Para k tratamientos se tiene, como K=2

(𝑘 − 1) 1
𝑘 =2∗ =1
2 2

Existe 1 posible par de medias.

G. Calcular el LSD. (10 /120)

𝟐𝑪𝑴𝑬
𝑳𝑺𝑫 = 𝒕𝜶/𝟐 ; 𝟑𝟐 (𝒏 − 𝟏) √
𝒏

𝟐𝑪𝑴𝑬
𝑳𝑺𝑫 = 𝟎, 𝟎𝟐𝟓; 𝟏𝟖 √
𝒏
Tabla 5. Tabla t-student
2(0,01)
𝐿𝑆𝐷 = 2,1009√
9

𝐿𝑆𝐷 = 2,1009(0,0471)

𝐿𝑆𝐷 = 0,0989
Se hallan las medias

Factor A (Columna): Polvo de hornear en porcentaje %

111,8 107 101,6


𝐴1 = = 12,422 𝐴2 = = 11,888 𝐴3 = = 11,288
9 9 9

Factor B (Fila): Almidón de yuca en porcentaje

96,50 105,50 118,40


𝐵1 = = 10,722 𝐵2 = = 11,722 𝐵3 = = 13,155
9 9 9

Diferencia poblacional factor A |12,422 − 11,888| = 0,534

Diferencia poblacional factor B |10,722 − 11,722| = 1


Diferencia
Diferencia muestral Decisiones
poblacional
UA1 - UA2 0,534> 0,0989 Significativa
UB1 - UB2 1> 0,0989 Significativa

H. Aplique el concepto de LSD para aceptar o rechazar las hipótesis para la comparación de las medias. (30 /120)

Como lo ilustra la tabla 6, el valor de la diferencia poblacional para ambos casos es mayor (significativa), por tanto se rechaza Ho.

I. Investigue que programas o paquetes estadísticos son utilizados para el análisis de diseños experimentales (mencionar 3). (10 /120)

SPSS: es un formato que ofrece IBM para un análisis completo. Es el acrónimo de Producto de Estadística y Solución de Servicio.
... SPSS es un software popular entre los usuarios de Windows, es utilizado para realizar la captura y análisis de datos para crear tablas y
gráficas con data compleja.

XLSTAT: Utiliza esta herramienta para crear un diseño experimental óptimo o casi óptimo en el contexto de los experimentos diseñados
para modelar las preferencias de un conjunto de consumidores o de expertos para varios productos.

JASP: software permite análisis estadístico, pruebas estadísticas (incluyendo ANOVA y ANCOVA), análisis multivariado tales como
regresión, análisis de componentes principales, modelos de ecuaciones estructurales, entre otros. Su única limitante refiere a la edición de
datos directamente en el software.