Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE MECÁNICA
ESCUELA DE INGENIERÍA INDUSTRIAL
CARRERA DE INGENIERÍA INDUSTRIAL
EJERCICIOS PROPUESTOS
- FECHA: 2018-05-04
RIOBAMBA-ECUADOR
1. TEMA
Diseño de Bloques.
2. OBJETIVO
Comprobar mediante los diseños de bloques el método más eficiente para dar
solución a los problemas propuestos.
3. DESARROLLO:
(1)
4._
A continuación, se muestra parte del ANOVA para un diseño en bloques, que tiene
tres tratamientos y cinco bloques con una sola repetición por tratamiento-bloque.
Fuente de variación S. de
c
a) Agregar en esta tabla los grados de libertad, el cuadrado me dio y la razón F para
cada una de las fuentes de variación.
b) Interprete en forma práctica, para cada caso, lo que está estimando el cuadrado
medio.
c) Escriba el modelo estadístico y las hipótesis pertinentes.
d) Apóyese en las tablas de la distribución F para aceptar o rechazar las hipótesis.
e) Con apoyo de un software obtenga el valor-p para cada caso. Interprete sus resultados.
DESARROLLO
a)
b)
Las fórmulas para calcular el cuadrado medio interpretan una división de cada suma de cuadrados
entre sus respectivos grados de libertad, las mismas que son:
c) MODELO ESTADISTICO
𝑌𝑖𝑗 = 𝑢 + 𝜏𝑖 + 𝜑𝑗 + 𝜀𝑖𝑗
HIPOTESIS
Tratamientos
𝐻𝑜: 𝑢1 = 𝑢2 = 𝑢3
𝐻1: 𝑢𝑖 ≠ 𝑢𝑗
Bloques
𝐻1: 𝑢𝑖 ≠ 𝑢𝑗
d) Criterio de decisión
Tratamientos
4,8 > 4.46 Por lo tanto se rechaza la hipótesis nula, se acepta la hipótesis de trabajo.
Bloques
3,4 > 3.83 Por lo tanto se acepta la hipótesis nula, se rechaza la hipótesis de trabajo.
5. Realice el problema anterior, pero ahora suponga que no se bloqueó. ¿Se hubiesen obtenido
las mismas conclusiones? Argumente.
Resultado: Los resultados siguen siendo los mismos porque el resultado del bloque no tiene ningún
efecto significativo en la respuesta y sin bloque, toda la variación se irá al término error.
9.- A continuación, se muestran los datos para un diseño en bloques al azar.
𝑌..2
b) 𝑆𝐶𝑇 = ∑ 𝑌𝑖𝑗 2 −
𝑁
642
𝑆𝐶𝑇 = (32 + 42 + 22 + ⋯ +32 + 72 ) −
12
𝑆𝐶𝑇 = 72.67
𝑌𝑖.2 𝑌. .2
𝑆𝐶𝑡𝑟𝑎𝑡 = ∑ −
𝑏 𝑁
15 + 29 + 202 642
2 2
𝑆𝐶𝑡𝑟𝑎𝑡 = −
4 12
𝑆𝐶𝑡𝑟𝑎𝑡 = 25.17
𝑌.𝑗 2 𝑌..2
SCB=∑ 𝑘
− 𝑁
14 + 19 + 82 + 232 642
2 2
𝑆𝐶𝐵 = −
3 12
𝑆𝐶𝐵 = 42
𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑡𝑟𝑎𝑡 − 𝑆𝐶𝐵
𝑆𝐶𝐸 = 72.67 − 25.17 − 42
𝑆𝐶𝐸 = 5.5
c) Hipótesis
Tratamientos
𝐻𝑜: 𝑢𝑎 = 𝑢𝑏 = 𝑢𝑐
𝐻1: 𝑢𝑖 ≠ 𝑢𝑗
Bloques
𝐻1: 𝑢𝑖 ≠ 𝑢𝑗
d) TRATAMIENTOS
𝐶𝑀𝐸
LSDtrat = t(α/2,(k-1)(b-1) √
𝑏
LSDtrat = t(0,025;6)(Raíz(0.92/4))
LSDtrat = 1.018
BLOQUES
LSDbloq = t(α/2,(k-1)(b-1) 𝐶𝑀𝐸
√
𝑘
LSDbloq = t(0,025;6)(Raíz(0.92/3))
LSDbloq = 1,346
Conclusion:
Tratamientos
13.73 > 5.14 Por lo tanto rechazamos la hipótesis nula, pero se acepta la hipótesis alternativa.
Bloques
15.27 > 4.76 Por lo tanto rechazamos la hipótesis nula, pero se acepta rechaza la hipótesis
alternativa.
10.-
Se hace un estudio sobre la efectividad de tres marcas de atomizador para matar
moscas.
Para ello, cada producto se aplica a un grupo de 100 moscas, y se cuenta el número de
moscas muertas expresado en porcentajes. Se hicieron seis réplicas, pero en días
diferentes; por ello, se sospecha que puede haber algún efecto importante debido a esta
fuente de variación. Los datos obtenidos se muestran a continuación:
a) Suponiendo un DBCA, formule las hipótesis adecuadas y el modelo estadístico.
b) ¿Existe diferencia entre la efectividad promedio de los atomizadores?
c) ¿Hay algún atomizador mejor? Argumente su respuesta.
d ) ¿Hay diferencias significativas en los resultados de diferentes días en que se realizó
el experimento? Argumente su respuesta.
e) Verifique los supuestos de normalidad y de igual varianza entre las marcas.
a) Hipótesis
Tratamientos
𝐻𝑜: 𝑢1 = 𝑢2 = 𝑢3
𝐻1: 𝑢𝑖 ≠ 𝑢𝑗
Bloques
𝐻1: 𝑢𝑖 ≠ 𝑢𝑗
MODELO ESTADISTICO
𝑌𝑖𝑗 = 𝑢 + 𝜏𝑖 + 𝜑𝑗 + 𝜀𝑖𝑗
b)
𝑌..2
𝑆𝐶𝑇 = ∑ 𝑌𝑖𝑗 2 −
𝑁
11462
𝑆𝐶𝑇 = (722 + 652 + 672 + ⋯ +512 + 692 ) −
18
𝑆𝐶𝑇 = 1092
𝑌𝑖.2 𝑌. .2
𝑆𝐶𝑡𝑟𝑎𝑡 = ∑ −
𝑏 𝑁
414 + 3552 + 3772 11462
2
𝑆𝐶𝑡𝑟𝑎𝑡 = −
6 18
𝑆𝐶𝑡𝑟𝑎𝑡 = 296.33
𝑌.𝑗 2 𝑌..2
SCB=∑ 𝑘
− 𝑁
1912 + 1982 + 1962 + 2032 + 1662 + 1922 11462
𝑆𝐶𝐵 = −
3 18
𝑆𝐶𝐵 = 281.33
𝑆𝐶𝐸 = 514.34
c) CRITERIO
Tratamientos
2.88 < 4.10 Se acepta la hipótesis nula esto nos indica que no existe diferencia entre la efectividad
promedio de los productos en spray.
Bloque
1.09 < 3.33 Se acepta la hipótesis nula, no hubo variación en los efectos de los atomizadores en los
diferentes días.
a) TRATAMIENTOS
𝐶𝑀𝐸
LSDtrat = t(α/2,(k-1)(b-1) √
𝑏
LSDtrat = t(0,025;10)(Raíz(51.43/6))
LSDtrat = 6.52
Mediante el método grafico LSD podemos observar que el spray número 1 es el que tiene mayor
número de moscas muertas por lo tanto es el mejor atomizador para matar moscas.
d) BLOQUES
LSDtrat = t(α/2,(k-1)(b-1) 𝐶𝑀𝐸
√
𝑘
LSDtrat = t(0,025;10)(Raíz(51.43/3))
LSDtrat = 9.22
Bloques
100
80 75.22 76.89
72.89 74.55 73.22
60 64.55
54.45 56.78 56.11 58.45 54.78
40 46.11
20
0
1 2 3 4 5 6
ls media li
Mediante LSD y ANOVA podemos concluir que no existe diferencia significativa en los diferentes
días.
1.09 < 3.33 Se acepta la hipótesis nula Ub1=Ub2=Ub3=Ub4=Ub5=Ub6
11._
En una empresa lechera se tienen varios silos para almacenar le che (cisternas de 60000
L). Un aspecto crítico para que se conserve la leche es la temperatura de
almacenamiento. Se sospecha que en algunos silos hay problemas, por ello, durante
cinco días se decide registrar la temperatura a cierta hora crítica. Obviamente la
temperatura de un día a otro es una fuente de variabilidad que podría impactar la
variabilidad total.
a)
El factor de tratamiento son los silos y el factor de bloque los días.
b)
Hipótesis
Tratamientos
𝐻𝑜: 𝑢𝐴 = 𝑢𝐵 = 𝑢𝐶 = 𝑢𝐷 = 𝑢𝐷
𝐻1: 𝑢𝑖 ≠ 𝑢𝑗
Bloques
𝐻1: 𝑢𝑖 ≠ 𝑢𝑗
MODELO ESTADISTICO
𝑌𝑖𝑗 = 𝑢 + 𝜏𝑖 + 𝜑𝑗 + 𝜀𝑖𝑗
c)
𝑌. .2
𝑆𝐶𝑇 = ∑ 𝑌𝑖𝑗 2 −
𝑁
2 2 2
93.52
2 2
𝑆𝐶𝑇 = (4 + 4 + 5 + ⋯ +2 + 4 ) −
25
𝑆𝐶𝑇 = 389.75 − 349.69
SCT=40.06
𝑌𝑖.2 𝑌. .2
𝑆𝐶𝑡𝑟𝑎𝑡 = ∑ −
𝑏 𝑁
16.5 + 21 + 172 + 21.52 + 17.52 93.52
2
𝑆𝐶𝑡𝑟𝑎𝑡 = −
5 25
𝑆𝐶𝑡𝑟𝑎𝑡 = 4.46
𝑌.𝑗 2 𝑌..2
SCB=∑ 𝑘
− 𝑁
20 + 22 + 20.52 + 132 + 182 93.52
2 2
𝑆𝐶𝐵 = −
5 25
𝑆𝐶𝐵 = 9.76
𝑆𝐶𝐸 = 25.84
Conclusion:
Tratamientos
0,69 < 2,33 Se acepta la hipótesis nula esto nos indica que no existe diferencia entre las
temperaturas de los silos.
D) Bloque
1.51 < 2.33 Se acepta la hipótesis nula, no hubo variación en los efectos de los atomizadores en los
diferentes días.
e) TRATAMIENTOS Y BLOQUES
𝐶𝑀𝐸
LSDtrat = t(α/2,(k-1)(b-1) √
𝑏
LSDtrat = t(0,025;16)(Raíz(1.62/5))
Tratamiento
TRATAMIENTOS
6
5.404807664 5.504807664
5
4.504807664 4.2 4.604807664 4.3 4.704807664
4
3.3 3.4 3.5
3 2.995192336 3.095192336
2 2.095192336 2.195192336 2.295192336
1
0
1 2 3 4 5
an LS LI
Mediante el grafico de LSD y la matriz ANOVA podemos concluir que los silos son estadísticamente
iguales
Bloque
BLOQUES
6
5.60 5.30
5 5.20
4.80
4.4 4.1
4 4 3.80 3.6
3 3.20 2.90
2.80 2.6 2.40
2
1.40
1
0
1 2 3 4 5
Media Y.j Ls Li
Mediante el grafico LSD y la Matriz ANOVA podemos concluir que no existe diferencia significativa
en los diferentes días.
1.51 < 2.33 Se acepta la hipótesis nula Ub1=Ub2=Ub3=Ub4=Ub5
b) Hipótesis
Tratamientos
𝐻𝑜: 𝑢𝐴 = 𝑢𝐵 = 𝑢𝐶 = 𝑢𝐷 = 𝑢𝐷
𝐻1: 𝑢𝑖 ≠ 𝑢𝑗
Bloques
𝐻1: 𝑢𝑖 ≠ 𝑢𝑗
c) Modelo Estadístico
𝑌𝑖𝑗 = 𝑢 + 𝜏𝑖 + 𝜑𝑗 + 𝜀𝑖𝑗
𝑌. .2
2
𝑆𝐶𝑇 = ∑ 𝑌𝑖𝑗 −
𝑁
5662
𝑆𝐶𝑇 = (452 + 432 + 512 + ⋯ +1732 + 2092 ) −
12
𝑆𝐶𝑇 = 27008 − 26696.33 = 311.67
𝑌𝑖.2 𝑌. .2
𝑆𝐶𝑡𝑟𝑎𝑡 = ∑ −
𝑏 𝑁
139 + 1432 + 1562 + 1282 5662
2
𝑆𝐶𝑡𝑟𝑎𝑡 = −
3 12
𝑆𝐶𝐸 = 7.83
CRITERIO DE DECISIÓN
Tratamientos
34.14 > 4.76 Se acepta la hipótesis alternativa, es decir indica la existencia de una diferencia
significativa entre cada marca de detergente.
Bloque
65.20 > 5.14 Se acepta la hipótesis alternativa, es decir entre los 3 modelos de lavadoras existe
una que es la más óptima en comparación a las otras
.
CONCLUSION: haciendo uso del método analítico ANOVA y LSD , se concluye que existe
diferencia significativa entre cada tipo de detergente, por lo tanto el detergente con mayor
eficacia resulta ser el detergente C
LAVADORAS
CONCLUSION: haciendo uso del método analítico ANOVA y LSD , se concluye que existe
diferencia significativa en la eficiencia dependiendo de cad tipo de lavadora , por lo tanto la
mejor eficiencia se encuentra en la lavadora 3.
Referencia Bibliográfica: