TALLER DE DISEÑO

(Archivo 1)

ANA MILENA MENDEZORTIZ

CERLY NEGRETE PINTO
ADRIANA VERTEL GONZALEZ
JESUS CAVADIA RAMOS

GRUPO #4

ESTAD. JORGE MARIO MARTINEZ

UNIVERSIDAD DE CORDOBA
FACULTAD DE INGENIERIAS
PROGRAMA INGENIERIA DE ALIMENTOS
SEDE-BERASTEGUI
2019
8. . Se realizó un experimento para probar el efecto de suministrar diferentes niveles
de energéticos suministrados a diferentes dietas a base de sorgo, en el consumo
de alimento para pollos abarca desde los 5 días de edad hasta las 8 semanas. Para
ello se utilizaron 160 pollos de 5 línea comerciales mismas que constituyeron los
bloques; dentro de los cuales, fueron distribuidos los tratamientos; entonces cada
grupo de 8 pollos constituyó una unidad experimental, obteniéndose la siguiente
información

a) Probar la hipótesis de diferencia entre los cítricos de lavado, use α = 0.05

b) Calcule la eficiencia relativa de usar la sombra como método de bloqueo
c) Realizar los supuestos necesarios del modelo, haga sus conclusiones (software
R)

Solución

1) Planteamos Hipótesis
Ho = µ1 = µ2 = µ3 = µ4
HAlt = Al menos una es diferente
Ho = El bloqueo no fue efectivo
HAlt = El bloqueo fue efectivo
 2) Calculamos las sumas por tratamientos y por bloques.
T1 T2 T3 T4 Y.r
Bloque 1 4,268 4,482 4,699 4,549 17,998
Bloque 2 4,500 4,500 4,880 4,750 18,63
Bloque 3 4,300 4,250 4,500 4,480 17,53
Bloque 4 4,250 4,290 4,470 4,420 17,43
Bloque 5 4,220 4,200 4,450 4,300 17,17
Y.t 21,538 21,722 22,999 22,499 88,758

3) Número de unidades experimentales

𝑛 = 𝑟 𝑥 𝑡 = 5 𝑥 4 = 20
 Factor de Corrección (FC)

𝑌2 88,7582
𝐹𝐶 = = = 393, 8991282
𝑛 20

 Suma de cuadros del total

𝑆𝐶𝑇 = ∑𝑡𝑖=1 ∑𝑟𝑗=1 𝑌 2 𝑖𝑗 − 𝐹𝐶 = ( 4,2682 + 4,500 2 + 4,300 2 + 4,2502 + 4,2202 + 4,4822 +

4,500 2 + 4,250 2 + 4,2902 + 4,2002 + 4,6992 + 4,8802 + 4,5002 + 4,470 2 + 4,450 2 +
4,549 2 + 4,750 2 + 4,480 2 + 4,420 2 +4,3002 ) = 394,55275
𝑆𝐶𝑇 = 394,55275 − 393,8991282 = 0,6536218

 Suma de cuadrados de los Tratamientos

𝑡
𝑌𝑖 2 21,5382 + 21,7222 + 22,9992 + 22,4992
𝑆𝐶𝑡𝑡𝑜𝑠 = ∑ − 𝐹𝐶 = = 394,177946
𝑟 5
𝑖−1

𝑆𝐶𝑡𝑡𝑜𝑠 = 394,177946 − 393,8991282 = 0,2788178

  Suma de cuadrados de los bloque

𝑡
𝑌𝑗 2 17,9982 + 18,632 + 17,532 + 17,432 + 17,172
𝑆𝐶𝑏𝑙𝑜𝑞 = ∑ − 𝐹𝐶 = = 394,229901
𝑡 4
𝑗−1

𝑆𝐶𝑏𝑙𝑜𝑞 = 394,229901 − 393,8991282 = 0,3307728

 Suma de Cuadrados del Error

𝑆𝐶𝑒 = 𝑆𝐶𝑇 − 𝑆𝐶𝑡𝑡𝑜𝑠 − 𝑆𝐶𝑏𝑙𝑜𝑞 = 0,6536218 − 0,2788178 − 0,3307728 = 0,0440312

Tabla ANAVA

Fv gl Sc Cm Fc 𝑭𝟎,𝟎𝟓
Bloq 4 0,3307728 0,0826932 13,14656365 𝐹(0,05 4 7)
= 4,120
Tttos 3 0,2788178 0,0929392 14,77547257 𝐹(0,05 3 7)
= 4,347
Error 7 0,0440312 0,0062901
Total

Conclusiones:

1. Como Fc = 13,14656365 > 𝐹𝑐0,05 = 4,120. Se rechaza la hipótesis nula

(Ho), por lo tanto, los tratamientos tienen diferencia significativa entre los
lavados de cítricos
2. Como Fc = 14,77547257 >𝐹𝑐0,05 = 4,347. Se rechaza la hipótesis nula
(Ho), por lo tanto, lavar los cítricos en diferente lavados si produce efecto
significativo en los tratamientos.
b) CALCULO DE LA EFICIENCIA RELATIVA
(𝑟 − 1)𝐶𝑀𝑏𝑙𝑜𝑞 + 𝑟(𝑡 − 1)𝐶𝑀𝑒 (5 − 1)0,0826932 + 5(4 − 1)0,0062901
𝐸𝑅 = =
(𝑟𝑡 − 1)𝐶𝑀𝑒 (5 ∗ 4 − 1)0,0062901
(4)0,0826932 + (15)0,0062901
= = 3,55717
(19)0,0062901
ER= Como ER 3,557 el uso de la sombra como método de bloqueo si afecto
ESTIMACION DE LA UNIDAD PÉRDIDA

T1 T2 T3 T4 Y.r
Bloque 1 4,268 4,482 4,699 4,549
Bloque 2 4,500 4,500 4,880 4,750
Bloque 3 4,250 4,500 4,480 13,23
Bloque 4 4,250 4,290 4,470 4,420
Bloque 5 4,220 4,200 4,450 4,300
Y.t 17,238

𝑟𝑌𝑖 ′ + 𝑡𝑌𝑗 ′ − 𝑌… ′ (5)(17,238) + (4)(13,23) − 84,428

𝑌𝑖𝑗 ′ = = 4,557
(𝑟 − 1)(𝑡 − 1) (5 − 1)(4 − 1)

T1 T2 T3 T4 Y.r
Bloque 1 4,268 4,482 4,699 4,549 17,998
Bloque 2 4,500 4,500 4,880 4,750 18,63
Bloque 3 4,557 4,250 4,500 4,480 17,787
Bloque 4 4,250 4,290 4,470 4,420 17,43
Bloque 5 4,220 4,200 4,450 4,300 17,17
Y.t 21,795 21,722 22,999 22,499 89,015

 Factor de Corrección (FC)

𝑌2 89,0152
𝐹𝐶 = = = 396, 1835113
𝑛 20

 Suma de cuadros del total

𝑆𝐶𝑇 = ∑𝑡𝑖=1 ∑𝑟𝑗=1 𝑌 2 𝑖𝑗 − 𝐹𝐶 = ( 4,2682 + 4,500 2 + 4,557 2 + 4,2502 + 4,2202 + 4,4822 +

4,500 2 + 4,250 2 + 4,2902 + 4,2002 + 4,6992 + 4,8802 + 4,5002 + 4,470 2 + 4,450 2 +
4,549 2 + 4,750 2 + 4,480 2 + 4,420 2 +4,3002 ) = 396,82899
𝑆𝐶𝑇 = 396,82899 − 396,1835113 = 0,6454877
  Suma de cuadrados de los Tratamientos

𝑡
𝑌𝑖 2 21,7952 + 21,7222 + 22,9992 + 22,4992
𝑆𝐶𝑡𝑡𝑜𝑠 = ∑ − 𝐹𝐶 = = 396,405262
𝑟 5
𝑖−1

𝑆𝐶𝑡𝑡𝑜𝑠 = 396,405262 − 396,1835113 = 0,2217509

 Suma de cuadrados de los bloque

𝑡
𝑌𝑗 2 17,9982 + 18,632 + 17,7872 + 17,432 + 17,172
𝑆𝐶𝑏𝑙𝑜𝑞 = ∑ − 𝐹𝐶 =
𝑡 4
𝑗−1
= 396,4990183

𝑆𝐶𝑏𝑙𝑜𝑞 = 394,229901 − 396,1835113 = 0,31550695

 Suma de Cuadrados del Error

𝑆𝐶𝑒 = 𝑆𝐶𝑇 − 𝑆𝐶𝑡𝑡𝑜𝑠 − 𝑆𝐶𝑏𝑙𝑜𝑞 = 0,6454877 − 0,2217509 − 0,31550695

= 0,10822985
rep <- c(4.268,4.500,4.300,4.250,4.220, 4.482,4.500,4.250,4.290,4.200,
4.699,4.880,4.500,4.470,4.450, 4.549,4.750,4.480,4.420,4.300)
> ttos <- factor(rep(c(1:4), c(5,5,5,5)))
> sumas <- tapply(rep,ttos,sum); sumas
1 2 3 4
21.538 21.722 22.999 22.499
> promedio <- tapply(rep,ttos,mean); promedio
1 2 3 4
4.3076 4.3444 4.5998 4.4998
> Mediana <- tapply(rep,ttos,median); promedio
1 2 3 4
4.3076 4.3444 4.5998 4.4998
> des.est <- tapply(rep,ttos, sd); promedio
1 2 3 4
4.3076 4.3444 4.5998 4.4998
> rj <- tapply(rep,ttos,length); rj
1 2 3 4
5 5 5 5
> res <- round(rbind(sumas, Mediana, promedio, des.est),2)
> n<-length(rep); n
[1] 20
> y.. <- sum(rep); y..
[1] 88.758
> Fc = (y..)^2/n; Fc
[1] 393.8991
> SCT <- sum(rep^2) - Fc ; SCT
[1] 0.6536218
> SCttos <- sum(sumas^2/rj) - Fc ; SCttos
[1] 0.2788178
> SCe <- SCT - SCttos ; SCe
[1] 0.374804
> modelo <- aov(rep~ttos)
> anova(modelo)

Analysis of Variance Table

Response: rep
Df Sum Sq Mean Sq F value Pr(>F)
ttos 3 0.27882 0.092939 3.9675 0.02728 *
Residuals 16 0.37480 0.023425
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> qf(0.05,3,7, lower.tail = F)
[1] 4.346831
> qf(0.05,4,7, lower.tail = F)
[1] 4.120312
8. Se estudia el efecto de 5 ingredientes diferentes (A, B, C, D, E) sobre el tiempo
de reacción de un proceso químico. Cada lote de material nuevo solo alcanza para
permitir la realización de 5 corridas. Además, cada corrida requiere
aproximadamente 1(1/2) horas, por lo que pueden realizarse solo 5 corridas en un
día. El experimentador decide realizar el experimento como un cuadrado latino para
que los efectos del día y el lote puedan controlarse sistemáticamente.

a) Escriba un modelo lineal para este experimento, explique los términos y calcule
el análisis de varianza.
b) Cual es la eficiencia relativa del bloque por día?
c) Realice la prueba de Tukey para comparar si existe diferencia entre el tratamiento
ByC

Solución

a) Modelo Estático:

𝑌𝑖𝑗𝑙 = µ + 𝑇𝑖 + 𝛾j + 𝛿𝑙 + 𝜀𝑖𝑗𝑙

Donde 𝑌𝑖𝑗𝑙 : El tiempo de reacción de la i- esima corrida, realizada por día (factor
columnas) con el l-esimo lote de materia prima (factor fila); 𝑇𝑖 : es la medida del
efecto de la i-esima corrida en el tiempo de reacción

𝜀𝑖𝑗𝑙 = es el error aleatorio y µ : es la medida global real de todas las corridas

 Día
lote 1 2 3 4 5 total fila
1 A=8 B=7 D=1 C=7 E=3 26
2 C=11 E=2 A=7 D=3 B=8 31
3 B=4 A=9 C=10 E=1 D=5 29
4 D=6 C=8 E=6 B=6 A=10 36
5 E=4 D=2 B=3 A=8 C=8 25
total columna 33 28 27 25 34

Suma de cuadrado de los ttos:

A B C D E
42 28 44 17 16
y= 147
(147)2
𝐹𝐶 =
25
FC= 864.36
SCT= (82 + 112 + 42 + 62 + 42 + 72 +22 +… +82)
SCT= 1071-FC
SCT= 206.64
1
SCfila= 5 (262 + 312 + 292 + 362 + 252 ) − 𝐹𝑐

SCfila= 879.8-864.36 = 15.44

1
SCcol= 5 (332 + 282 + 272 + 252 + 342 ) − 𝐹𝑐

SCcol= 876.6- 864.36

SCcol= 12.24
1
SCttos= (422 + 282 + 442 + 172 + 162 ) − 𝐹𝑐
5

SCttos= 1005.8 – 864.36

SCttos= 141.44
SCE= 206.64 – 15.44 – 12.24 – 141.44
SCE= 37.52
Tabla ANOVA:

F de V gl Sc CM Fc
Fila 4 15.44 3.86 1.237
Col 4 12.24 3.06 0.98
Ttos 4 141.44 35.36 11.3
Error 12 37.52 3.12
Total 24 206.64

Conclusión análisis de varianza:

(F0.05, 4,12) = 3.259
Fc = 1.237 < Fꭤ = 3.259
Se acepta la hipótesis nula Ho y concluye que no existen diferencias entre las
medias de los tratamientos, donde ꭤ representa el nivel de significancia
Fc < Fꭤ se acepta la hipótesis nula Ho y se concluye que el bloqueo no fue efectivo.
b) Eficiencia relativa:
(5 − 1)3.86 + 5(5 − 1)3.12
𝐸𝑅 =
(25 − 1)3.12
(4)3.86+(20)3.12 15.44+62.4
𝐸𝑅 = (24)3.12
= 74.88

ER= 1.04 -------- 1.04 – 1 = 0.04 x 100 = 4%

 El bloqueo por tiempo aumento la eficiencia en 4%
 ER>1 (100 %) la cantidad de bloques ha sido útil.

C) Prueba de tukey
Replicas iguales

𝐶𝑀𝐸
I ȳj - ȳi I > Tꭤ = q( ꭤ , t,gle ) √ 𝑟

q( ꭤ , t,gle ) = ( 0.05, 5, 12,) = 3.259

ttos ȳi
A 8.4
B 5.6
C 8.8
D 3.4
E 3.2
I ȳ1 - ȳ2 I = I 8.4 – 5.6 I = 2.8 > DMS
I ȳ1 - ȳ3 I = I 8.4 – 8.8 I = 0.4 < DMS
I ȳ1 - ȳ4I = I 8.4 – 3.4 I = 5 > DMS
I ȳ1 - ȳ5 I = I 8.4 – 3.2 I = 5.2 > DMS
I ȳ2 - ȳ3 I = I 5.6 – 8.8 I = 3.2 > DMS
I ȳ2- ȳ4 I = I 5.6 – 3.4 I = 2.19 > DMS
I ȳ2- ȳ5 I = I 5.6 – 3.2 I = 2.4 > DMS
I ȳ3- ȳ4 I = I 8.8 – 3.4 I = 5.4 > DMS
I ȳ3- ȳ5 I = I 8.8 – 3.2 I = 5.6 > DMS
I ȳ4- ȳ5 I = I 3.4 – 3.2 I = 0.2 < DMS

𝐶𝑀𝐸
q( ꭤ , t,gle ) √ 𝑟

3.86
= (3.106)( √ 5

= 1.2
No hay diferencias entre el tratamiento B y C

Análisis de varianza en R

fila <- factor(rep(1:5, each=5))

> col <- factor(rep(1:5,5))
> ttos <- factor(c("A","B","D","C","E", "C","E","A","D","B", "B","A","C",
"E","D", "D","C","E","B","A", "E","D","B","A","C"))
> tiempo <- c(8, 7, 1, 7, 3, 11, 2, 7, 3, 8, 4, 9, 10, 1, 5, 6, 8, 6, 6,
10, 4, 2, 3, 8, 8)
> # Análisis de variance
> producto = aov(tiempo ~ fila + col + ttos)
> anova(producto)

Analysis of Variance Table

Response: tiempo
Df Sum Sq Mean Sq F value Pr(>F)
fila 4 15.44 3.860 1.2345 0.3476182
col 4 12.24 3.060 0.9787 0.4550143
ttos 4 141.44 35.360 11.3092 0.0004877 ***
Residuals 12 37.52 3.127
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

 Hay un valor de p que es menor a 0.05, un factor presenta efecto significativo

en los 5 ingredientes diferentes sobre el tiempo de reacción del proceso
químico.

PRUEBA DE TUKEY

rep <- c(8, 7, 1, 7, 3, 11, 2, 7, 3, 8, 4, 9, 10, 1, 5, 6, 8, 6, 6, 10, 4

, 2, 3, 8, 8)
> ttos <- factor(rep(c(1:5), c(5,5,5,5,5)))
> modelo <- aov(rep ~ ttos)
> PTukey <- TukeyHSD(modelo)
> PTukey

Tukey multiple comparisons of means

95% family-wise confidence level

Fit: aov(formula = rep ~ ttos)

$ttos
diff lwr upr p adj
2-1 1.0 -4.851604 6.851604 0.9852395
3-1 0.6 -5.251604 6.451604 0.9979039
4-1 2.0 -3.851604 7.851604 0.8419297
5-1 -0.2 -6.051604 5.651604 0.9999729
3-2 -0.4 -6.251604 5.451604 0.9995738
4-2 1.0 -4.851604 6.851604 0.9852395
5-2 -1.2 -7.051604 4.651604 0.9712215
4-3 1.4 -4.451604 7.251604 0.9503665

5-3 -0.8 -6.651604 5.051604 0.9936368

5-4 -2.2 -8.051604 3.651604 0.7916487
Grafica de tukey:
plot(PTukey)

Tukey <- TukeyHSD(producto)

> plot(Tukey, pch=19)