Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Caso # 1
Diseño de un solo factor aleatorio:
La primera situación que vamos evaluar es si utilizar diferentes tipos de zancadas puede
incrementar la que puede alcanzar un persona del común. Es importante tener en cuenta que la
zancada es la distancia que existe desde el punto de contacto de uno de los pies hasta el punto de
contacto del pie opuesto. Teniendo esto claro podemos definir como nuestro factor a estudiar como
las Zancadas y los tipos de zancadas como los niveles de tratamiento. Para este experimento vamos
agarrar como población a los estudiantes de la universidad y vamos a tomar una muestra inicial de
6 observaciones para determinar cuál es el valor real que debe tener nuestra muestra. Les
pediremos a los estudiantes que corran como normalmente lo hacen. La distancia que se va a
recorrer para tomar el tiempo es de 28 m, el largo aproximado de una cancha de microfútbol, por lo
tanto si el estudiante recorre la distancia estipulada en menor tiempo eso significara que la
velocidad que alcanzo utilizando las zancadas largas fue mayor.
Dado que la muestra preliminar que utilizamos es pequeña, se debe utilizar la siguiente fórmula
para calcular el valor apropiado de la muestra:
𝑡𝛼 𝑠 2
𝑛≥[ ] T-STUDENT ABIERTA EN
𝑥̅ 𝑘 AMBAS COLAS
Datos:
𝛼
𝛼=0,05 → = 0,025 → 𝑡𝛼 = 2,262
2 2
𝑘=1,5%=0,015
𝑠=0,015
𝑥=̅ 6
Solución:
𝑡𝛼 𝑠 2
𝑛≥[ ]
𝑥̅ 𝑘
(2,262)∗(0,015) 2
𝑛≥[ (6)∗(0,015)
]
𝑛 ≥ 14,2 ≅ 14
Con esto concluimos que el tamaño de muestra correcto que debemos tomar es 14.
Muestra Real
Zancada Natural 2,83 2,83 2,86 2,86 2,83 2,85 2,86 2,86 2,83 2,83 2,85 2,83 2,84 2,83
Zancada Larga 2,79 2,78 2,78 2,77 2,78 2,77 2,78 2,77 2,77 2,77 2,79 2,77 2,78 2,77
Los resultados anteriores están en segundos (s)
Tabla ANOVA
Conclusión
Puesto que el valor-P de la prueba-F es menor que 0,05, existe una diferencia estadísticamente
significativa entre las medias de las 2 variables con un nivel del 95,0% de confianza. Esto quiere
decir que efectivamente existe una diferencia en la velocidad que puede alcanzar una persona si
utiliza zancadas naturales y zancadas largas dado que se consigue recorrer la misma distancia en
menor tiempo.
ESTUDIANTES
Hombre Mujer
ZANCADAS 2,85 2,85 2,83 2,84 2,85 2,84 2,84 2,88 2,88 2,86 2,88 2,86 2,87 2,87
NATURALES 2,84 2,83 2,85 2,84 2,83 2,84 2,85 2,87 2,88 2,88 2,88 2,85 2,86 2,86
ZANCADAS 2,75 2,78 2,76 2,75 2,76 2,77 2,75 2,79 2,77 2,77 2,78 2,78 2,8 2,78
LARGAS 2,76 2,78 2,78 2,77 2,77 2,78 2,75 2,78 2,78 2,78 2,78 2,8 2,77 2,8
Los resultados anteriores están en segundos (s)
Tabla ANOVA
Conclusión
Puesto que los 2 valores-P son menores que 0,05, estos factores tienen un efecto estadísticamente
significativo sobre TIEMPO con un 95,0% de nivel de confianza. Esto quiere decir que el largo de
las zancadas y el género que posee una persona afecta en la velocidad que puede lograr alcanzar.
Ya que se consigue recorrer la misma distancia en menor tiempo.
Conclusión
Dado que solo existen 2 niveles de tratamiento, las conclusiones a las que se llegan son las mismas
que en la tabla ANOVA. .
Diseño factorial:
Para la última situación vamos a manejar las mismas condiciones del experimento anterior con las
diferencias que el nuevo factor a evaluar es el braceo, el cual nos ayuda a realizar el impulso hacia
adelante cuando corremos y además nos permite conservar mejor la energía y tener mejor
equilibrio al momento de correr. También tendremos 2 niveles de tratamientos para este factor, los
cuales serían el braceo natural y braceo a 90°. El braceo a 90° quiere decir que entre el antebrazo y
el brazo debe haber 90°.
Los valores altos y bajos para cada uno de los factores son los siguientes.
Factores - +
Zancada(A) Natural Largas
Brazos forman ángulo de
Braceo(B) Natural
90 °
FACTORES
A B TIEMPO
-1 -1 2,83 2,84 2,84 2,82 2,85 2,83 2,83 2,82 2,84 2,85 2,83 2,84 2,84 2,83
1 -1 2,76 2,75 2,76 2,76 2,77 2,75 2,75 2,76 2,77 2,76 2,75 2,75 2,75 2,75
-1 1 2,79 2,8 2,78 2,79 2,8 2,78 2,8 2,78 2,8 2,79 2,8 2,79 2,79 2,78
1 1 2,75 2,75 2,74 2,75 2,76 2,76 2,76 2,76 2,76 2,76 2,74 2,76 2,74 2,76
Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
A:Zancada 0,0468643 1 0,0468643 794,66 0,0000
B:Braceo 0,00777857 1 0,00777857 131,90 0,0000
AB 0,00600714 1 0,00600714 101,86 0,0000
bloques 0,00138571 13 0,000106593 1,81 0,0768
Error total 0,0023 39 0,0000589744
Total (corr.) 0,0643357 55
Conclusión
En este caso, los 3 efectos tienen una valor-P menor que 0,05, indicando que son
significativamente diferentes de cero con un nivel de confianza del 95,0%. Esto quiere decir que la
zancada, el braceo y el uso adecuado de estos dos factores de manera coordinada pueden afectar
significativamente la velocidad que puede alcanzar una persona y en consecuencia a esto se
recorrió los mismos 28 m en menor tiempo.
El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 96,425% de la variabilidad
en Tiempo.
Conclusión
Optimizar Respuesta
Conclusión
Dado que para nuestro ejemplo lo que se busca es disminuir el tiempo en que se recorren los 28m,
cuando optimizamos los factores buscamos es minimizar la respuesta. Esta tabla muestra la
combinación de los niveles de los factores, la cual minimiza El TIEMPO máximo que toma
recorrer los 28 m, en ambos casos se prefiere utilizar su valor alto, es decir, zancadas largas y
braceos a 90°.
HORAS TARIFAS
Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 3,3839E7 1 3,3839E7 10,67 0,0309
Intra grupos 1,26836E7 4 3,1709E6
Total (Corr.) 4,65226E7 5
Conclusión
Puesto que el valor-P de la prueba-F es menor que 0,05, existe una diferencia estadísticamente
significativa entre las medias de las 2 variables con un nivel del 95,0% de confianza. Lo que quiere
decir que existe una diferencia significativa entre pedir el servicio a las 9am y a las 9pm.
DIAS DE LA SEMANA
HORAS LUNES MARTES MIÉRCOLES JUEVES VIERNES
9:00 A. M. 5300 6700 5200 6500 6700 5500 5500 5200 5500 6700 5300
5200 5500 5200 5200
9:00 P. M. 10500 8100 12500 8400 10500 12500 8200 8800 10500 8300
12849 8800 10500 12000 8500
Los resultados anteriores están en pesos ($)
Tabla ANOVA
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
EFECTOS PRINCIPALES
A:Horas 1,44098E8 1 1,44098E8 80,01 0,0000
B:BLOQUE 5,12753E6 4 1,28188E6 0,71 0,5920
RESIDUOS 4,32232E7 24 1,80097E6
TOTAL (CORREGIDO) 1,92448E8 29
Todas las razones-F se basan en el cuadrado medio del error residual
Conclusión
Puesto que un valor-P es menor que 0,05, este factor tiene un efecto estadísticamente significativo
sobre Tarifas con un 95,0% de nivel de confianza.
Pruebas de Múltiple Rangos para Tarifas por Horas
1 15 5680,0 346,503 X
2 15 10063,3 346,503 X
Conclusión
Dado que solo existen 2 niveles de tratamiento, las conclusiones a las que se llegan son las mismas
que en la tabla ANOVA. Esto quiere decir que las horas seleccionadas si afectan en el precio de las
tarifas pero los días de la semana no.
Diseño factorial:
Para la última situación vamos a manejar las mismas condiciones del experimento anterior con la
diferencia que ahora el nuevo factor a evaluar es la reserva, es decir, que el servicio se solicite con
antelación.
Los valores altos y bajos para cada uno de los factores son los siguientes.
Factores - +
Horas(A) 9 am 9 pm
Reserva(B) Sin reserva Con reserva
FACTORES
A B TARIFA
-1 -1 5300 6700 5200
1 -1 10500 12500 10500
-1 1 11000 12400 10900
1 1 16200 18200 16200
Los resultados anteriores están en segundos (s)
TABLA ANOVA INICIAL
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
A:Horas 8,85633E7 1 8,85633E7 2571,19 0,0000
B:Reserva 9,747E7 1 9,747E7 2829,77 0,0000
AB 0,0 1 0,0 0,00 1,0000
bloques 7,94E6 2 3,97E6 115,26 0,0000
Error total 206667, 6 34444,4
Total (corr.) 1,9418E8 11
Conclusión
La tabla ANOVA particiona la variabilidad de Tarifa en piezas separadas para cada uno de los
efectos. Entonces prueba la significancia estadística de cada efecto comparando su cuadrado
medio contra un estimado del error experimental. En este caso, 3 efectos tienen una valor-P menor
que 0,05, indicando que son significativamente diferentes de cero con un nivel de confianza del
95,0%. Dado que la combinación hora y reserva se puede retirar del modelo y nos quedaría asi:
El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 99,8936% de la variabilidad
en Tarifa
constante 11300,0
A:Horas 2716,67
B:Reserva 2850,0
La ecuación del modelo ajustado es
Optimizar Tarifa
Conclusión
Como en este casi lo que buscamos es llegar a la tarifa más pequeña, lo correcto al momento de
optimizar es minimizar la respuesta, por lo tanto la combinación ideal para minimizar tarifa es
horas y reserva en su nivel bajo.