Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Desarrollo
f)
FACTORES CONTROLABLES
-Tiempo de secado
-Cantidad de pegamento
Placas
- Temperatura de curado - Resistencia a la torsión
- Tipo de pegamento
-
FACTORES NO CONTROLABLES
- Proveedor del pegamento
- Fuerza aplicada al pegar los componentes a las
placas
a) Plantee la hipótesis de interés en este problema y el modelo estadístico correspondiente.
Este experimento es del tipo diseño factorial 2x3. La variable de interés es la resistencia a la torsión de las
adhesiones de componentes electrónicos sobre placas. El modelo es el siguiente:
2
Hipótesis de los efectos
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo
que nos indica que el efecto del tipo de pegamento si es significativo sobre el modelo.
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo
que nos indica que el efecto de la temperatura de curado si es significativo sobre el modelo.
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo
que nos indica que el efecto de interacción entre el tipo de pegamento y la temperatura de
curado es significativo sobre el modelo.
En la gráfica izquierda se observa que el pegamento A1 genera una mejor resistencia a la torsión de las
adhesiones de componentes electrónicos sobre placas. En la gráfica central se observa que la temperatura de
3
curado de 100ºC genera una mejor resistencia a la torsión de las adhesiones de componentes electrónicos sobre
placas.
En la gráfica de la derecha se observa que el efecto que influye en mayor medida sobre la variable de respuesta
es la temperatura de curado, siendo la de 100ºC la mejor opción. En cuanto al tipo de pegamento es mejor el
primero (A1). Por tanto, el mejor tratamiento es cuando se utiliza el pegamento A1 y una temperatura
de curado de 100ºC.
Método LSD
4
Modelo
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que el modelo es significativo.
Intercepto
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que el intercepto es significativo sobre el modelo.
Pegamento A1
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que el parámetro pegamento A1 es significativo sobre el modelo.
Temperatura 80
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que el parámetro temperatura 80 es significativo sobre el modelo.
Temperatura 100
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que el parámetro temperatura 100 es significativo sobre el modelo.
5
H0: 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑝𝑒𝑔𝑎𝑚𝑒𝑛𝑡𝑜𝐴1: 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎80 𝑛𝑜 𝑒𝑠 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝛼 = 0.05
H1:𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑝𝑒𝑔𝑎𝑚𝑒𝑛𝑡𝑜𝐴1: 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎80 𝑒𝑠 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝑉𝑎𝑙𝑜𝑟 𝑝 = 0.1211
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 > 𝟎. 𝟎𝟓, se acepta la hipótesis nula, lo que nos indica que la interacción PegamentoA1:
temperatura80 no es significativo sobre el modelo.
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que la interacción PegamentoA1: temperatura100 es significativo sobre el modelo.
e) Verifique residuos.
Normalidad
6
En el histograma y en la caja de bigotes se observa una simetría lo que nos puede indicar que los residuos si
proceden de una distribución normal, en cuanto al grafico cuantil-cuantil se observa que los datos reales se
encuentran sobre la banda, por lo que provienen de una distribución normal.
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que los residuos no proceden de una distribución normal, por tanto, será necesario realizar una
medida remedial en el modelo.
Homocedasticidad
En la gráfica de valores ajustados se puede que concluir que los residuos tienen aproximadamente una varianza
constante, así como en las graficas de los factores vs residuos.
7
H0: Los residuos tienen varianza constante
H1: Los residuos no tienen una varianza constante
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que los residuos no tienen varianza constante, por tanto, será necesario realizar una medida
remedial en el modelo.
Independencia
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 > 𝟎. 𝟎𝟓, se acepta la hipótesis nula, lo que nos indica
que los residuos si son independientes entre sí.
Medida remedial del modelo: aplicamos logaritmo a la variable de respuesta y volvemos a realizar
todo el diseño
8
Hipótesis de los efectos
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo
que nos indica que el efecto del tipo de pegamento si es significativo sobre el modelo.
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo
que nos indica que el efecto de la temperatura de curado si es significativo sobre el modelo.
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo
que nos indica que el efecto de interacción entre el tipo de pegamento y la temperatura de
curado es significativo sobre el modelo.
Efectos
9
En la gráfica izquierda se observa que el pegamento A1 genera una mejor resistencia a la torsión de las
adhesiones de componentes electrónicos sobre placas. En la gráfica central se observa que la temperatura de
curado de 100ºC genera una mejor resistencia a la torsión de las adhesiones de componentes electrónicos sobre
placas.
En la gráfica de la derecha se observa que el efecto que influye en mayor medida sobre la variable de respuesta
es la temperatura de curado, siendo la de 100ºC la mejor opción. En cuanto al tipo de pegamento es mejor el
primero (A1). Por tanto, el mejor tratamiento es cuando se utiliza el pegamento A1 y una temperatura
de curado de 100ºC.
Método LSD
10
Modelo
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que el modelo es significativo.
Intercepto
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que el intercepto es significativo sobre el modelo.
Pegamento A1
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que el parámetro pegamento A1 es significativo sobre el modelo.
Temperatura 80
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que el parámetro temperatura 80 es significativo sobre el modelo.
Temperatura 100
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que el parámetro temperatura 100 es significativo sobre el modelo.
11
H0: 𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑝𝑒𝑔𝑎𝑚𝑒𝑛𝑡𝑜𝐴1: 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎80 𝑛𝑜 𝑒𝑠 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝛼 = 0.05
H1:𝑙𝑎 𝑖𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑝𝑒𝑔𝑎𝑚𝑒𝑛𝑡𝑜𝐴1: 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎80 𝑒𝑠 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑜 𝑉𝑎𝑙𝑜𝑟 𝑝 = 0.0202
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula, lo que nos indica que la interacción
PegamentoA1: temperatura80 es significativo sobre el modelo.
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que la interacción PegamentoA1: temperatura100 es significativo sobre el modelo.
Verificación de residuales
Normalidad
En el histograma y en la caja de
bigotes se observa una simetría
lo que nos puede indicar que los
residuos si proceden de una
distribución normal, en cuanto
al grafico cuantil-cuantil se
observa que los datos reales se
encuentran sobre la banda, por
lo que provienen de una
distribución normal.
12
H0: Los residuos proceden de una distribución normal
H1: Los residuos no proceden de una distribución normal
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 > 𝟎. 𝟎𝟓, se acepta la hipótesis nula, lo que nos indica que los residuos proceden de una
distribución normal.
Homocedasticidad
En la gráfica de valores
ajustados se puede que
concluir que los residuos
tienen aproximadamente
una varianza constante,
así como en las gráficas
de los factores vs
residuos.
Como 𝒗𝒂𝒍𝒐𝒓 − 𝒑 < 𝟎. 𝟎𝟓, se rechaza la hipótesis nula y se acepta la hipótesis alternativa, lo que nos
indica que los residuos no tienen varianza constante, por tanto, será necesario realizar una medida
remedial en el modelo.
13
Independencia
Conclusiones:
Según la ANOVA todos los factores (tipo de pegamento y temperatura de curado) influyen
significativamente sobre la variable de respuesta.
Para mejorar la resistencia a la torsión de las adhesiones de componentes electrónicos sobre
placas lo recomendable es utilizar una temperatura de curado de 100ºC y el tipo de pegamento
A1.
En la solución del diseño fue necesario realizar una medida remedial para así validar el modelo,
aunque al final comparando las ecuaciones del modelo, la variable de respuesta no se ve tan
afectada entre el primer modelo y el modelo al que se les hizo la transformación a los datos.
En la verificación del modelo al que se le fue aplicada la medida remedial, la homocedasticidad
siguió sin ser constante por lo que se puede concluir que puede ser necesario otra medida
remedial para que los residuos den con una varianza constante y así el modelo se pueda validar.
Los diseños factoriales permiten evaluar el efecto de varios factores sobre una variable de
respuesta, por esto es muy importante familiarizarse con este tipo de experimentos, que lo mas
seguro es que utilizaremos muy frecuentemente en nuestras investigaciones.
14