Documentos de Académico
Documentos de Profesional
Documentos de Cultura
14 de mayo de 2019
tail(datos)
attach(datos)
## T1 T2
## 4.979167 2.937500
tapply(Respuesta,Maquina,mean)
## M1 M2 M3 M4
## 3.416667 5.875000 0.875000 5.666667
tapply(Respuesta,Hora,mean)
## 11A 3P 8A
## 3.62500 4.46875 3.78125
tapply(Respuesta,list(Maquina,Proceso),mean)
## T1 T2
## M1 4.333333 2.50
## M2 7.000000 4.75
## M3 1.750000 0.00
## M4 6.833333 4.50
tapply(Respuesta,list(Maquina,Hora),mean)
## 11A 3P 8A
## M1 1.500 5.000 3.750
## M2 5.125 7.000 5.500
## M3 1.000 0.750 0.875
## M4 6.875 5.125 5.000
tapply(Respuesta,list(Hora,Proceso),mean)
## T1 T2
## 11A 4.6875 2.5625
## 3P 5.6250 3.3125
## 8A 4.6250 2.9375
## T1 T2
## 239 141
tapply(Respuesta,Maquina,sum)
## M1 M2 M3 M4
## 82 141 21 136
tapply(Respuesta,Hora,sum)
## 11A 3P 8A
## 116 143 121
tapply(Respuesta,list(Maquina,Proceso),sum)
## T1 T2
## M1 52 30
## M2 84 57
## M3 21 0
## M4 82 54
tapply(Respuesta,list(Maquina,Hora),sum)
## 11A 3P 8A
## M1 12 40 30
## M2 41 56 44
## M3 8 6 7
## M4 55 41 40
tapply(Respuesta,list(Hora,Proceso),sum)
## T1 T2
## 11A 75 41
## 3P 90 53
## 8A 74 47
tapply(Respuesta,list(Proceso,Hora,Maquina),sum)
## , , M1
## 11A 3P 8A
## T1 9 24 19
## T2 3 16 11
## , , M2
## 11A 3P 8A
## T1 27 31 26
## T2 14 25 18
## , , M3
## 11A 3P 8A
## T1 6 8 7
## T2 2 -2 0
## , , M4
## 11A 3P 8A
## T1 33 27 22
## T2 22 14 18
tapply(Respuesta,list(Proceso,Hora,Maquina),mean)
## , , M1
## 11A 3P 8A
## T1 2.25 6 4.75
## T2 0.75 4 2.75
## , , M2
## 11A 3P 8A
## T1 6.75 7.75 6.5
## T2 3.50 6.25 4.5
## , , M3
## 11A 3P 8A
## T1 1.5 2.0 1.75
## T2 0.5 -0.5 0.00
## , , M4
## 11A 3P 8A
## T1 8.25 6.75 5.5
## T2 5.50 3.50 4.5
mean(Respuesta)
## [1] 3.958333
## Call:
## aov(formula = Respuesta ~ Proceso * Hora * Maquina, data = datos)
##
## Terms:
## Proceso Hora Maquina Proceso:Hora Proceso:Maquina
## Sum of Squares 100.0417 12.8958 393.4167 1.6458 1.5417
## Deg. of Freedom 1 2 3 2 3
## Hora:Maquina Proceso:Hora:Maquina Residuals
## Sum of Squares 71.0208 9.7708 447.5000
## Deg. of Freedom 6 6 72
##
## Residual standard error: 2.493046
## Estimated effects may be unbalanced
model.tables(mod,'means')
## Tables of means
## Grand mean
## 3.958333
## Proceso
## Proceso
## T1 T2
## 4.979 2.937
## Hora
## Hora
## 11A 3P 8A
## 3.625 4.469 3.781
## Maquina
## Maquina
## M1 M2 M3 M4
## 3.417 5.875 0.875 5.667
## Proceso:Hora
## Hora
## Proceso 11A 3P 8A
## T1 4.687 5.625 4.625
## T2 2.562 3.312 2.937
## Proceso:Maquina
## Maquina
## Proceso M1 M2 M3 M4
## T1 4.333 7.000 1.750 6.833
## T2 2.500 4.750 0.000 4.500
## Hora:Maquina
## Maquina
## Hora M1 M2 M3 M4
## 11A 1.500 5.125 1.000 6.875
## 3P 5.000 7.000 0.750 5.125
## 8A 3.750 5.500 0.875 5.000
## Proceso:Hora:Maquina
## , , Maquina = M1
## Hora
## Proceso 11A 3P 8A
## T1 2.25 6.00 4.75
## T2 0.75 4.00 2.75
## , , Maquina = M2
## Hora
## Proceso 11A 3P 8A
## T1 6.75 7.75 6.50
## T2 3.50 6.25 4.50
## , , Maquina = M3
## ## Hora
## Proceso 11A 3P 8A
## T1 1.50 2.00 1.75
## T2 0.50 -0.50 0.00
## , , Maquina = M4
## Hora
## Proceso 11A 3P 8A
## T1 8.25 6.75 5.50
## T2 5.50 3.50 4.50
anova(mod)
## Analysis of Variance Table
## Response: Respuesta
## Df Sum Sq Mean Sq F value Pr(>F)
## Proceso 1 100.04 100.042 16.0961 0.0001456 ***
## Hora 2 12.90 6.448 1.0374 0.3595999
## Maquina 3 393.42 131.139 21.0994 6.518e-10 ***
## Proceso:Hora 2 1.65 0.823 0.1324 0.8762014
## Proceso:Maquina 3 1.54 0.514 0.0827 0.9692587
## Hora:Maquina 6 71.02 11.837 1.9045 0.0917018 .
## Proceso:Hora:Maquina 6 9.77 1.628 0.2620 0.9527296
## Residuals 72 447.50 6.215
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
qf(0.05,1,72,lower.tail=F)
## [1] 3.973897
qf(0.05,2,72,lower.tail=F)
## [1] 3.123907
qf(0.05,3,72,lower.tail=F)
## [1] 2.731807
qf(0.05,2,72,lower.tail=F)
## [1] 3.123907
qf(0.05,3,72,lower.tail=F)
## [1] 2.731807
qf(0.05,6,72,lower.tail=F)
## [1] 2.227404
qf(0.05,6,72,lower.tail=F)
## [1] 2.227404
HIPOTESIS
PROCESO: Como Fc:16.09 > Qf:3.973, se rechaza Ho, es decir, el proceso de tratamiento termico afecta de manera
distinta por si solo a la longitud de las barras de acero.
HORA: Como Fc:1.03 < Fc:3.12, es decir que las horas del dia no afectan a la longitud de las barras de acero.
MAQUINA: Como Fc:21.09 > Qf:2.13, es decir la maquina por si sola afecta significativamente a longitud de las
barras de acero.
PROCESO-HORA: Como Fc:0.132 < Qf:3.12, es decir que la interaccion entre el proceso termico con las horas del dia
no afectan significativamente a la longitud de las barras de acero.
PROCESO-MAQUINA: Como Fc:0.08 < Qf:2.73, es decir que la interaccion entre el proceso termico con las maquinas
no afecta de manera significativa a la longitud de las barras de acero.
HORA-MAQUINA: Como Fc:1.90 < Qf:2.227, es decir que la interaccion entre las horas del dia con las maquinas no
afectan significativamente a la longitud de las barras de acero.
PROCESO-HORA-MAQUINA: Como Fc:0.262 < Qf:2.22, es decir que la interaccion entre el proceso termico, las horas
del dia y las maquinas no afectan de manera significativa a la longitud de las barras de acero.
# Detección de datos atípicos
rest<-residuals(mod)/sqrt(447.50)
min(rest)
## [1] -0.2954497
max(rest)
## [1] 0.2127238
plot(rest,ylim=c(-5,5),main="Residuales estudentizados",
ylab="Residuales")
abline(h=c(3,-3))
DATOS ATIPICOS
En la grafica podemos observar que no existen datos atipicos, ya que ningun dato sobre pasa los limites
de -3 a 3
# Normalidad
res<-residuals(mod)
qqnorm(res)
qqline(res)
VARIANZA HOMOGENEA
# Prueba de Bartlett
bartlett.test(residuals(mod),Proceso,data=datos)
## Bartlett test of homogeneity of variances
## data: residuals(mod) and Proceso
## Bartlett's K-squared = 0.028108, df = 1, p-value = 0.8669
PROCESO: Como P-value:0.8669>0.05 de significancia, es decir que las varianzas en los errores son
homogeneas en el proceso termico.
bartlett.test(residuals(mod),Maquina,data=datos)
## Bartlett test of homogeneity of variances
## data: residuals(mod) and Maquina
## Bartlett's K-squared = 2.3338, df = 3, p-value = 0.5061
MAQUINA: Como P-value:0.5061>0.05 de significancia, es decir que las varianzas en los errores
son homogeneas en las maquinas
bartlett.test(residuals(mod),Hora,data=datos)
## Bartlett test of homogeneity of variances
##
## data: residuals(mod) and Hora
## Bartlett's K-squared = 8.1577, df = 2, p-value = 0.01693
bartlett.test(residuals(mod) ~
interaction(Proceso,Maquina,Hora),data=datos)
## Bartlett test of homogeneity of variances
##
## data: residuals(mod) by interaction(Proceso, Maquina, Hora)
## Bartlett's K-squared = 21.425, df = 23, p-value = 0.5552
bartlett.test(residuals(mod) ~
interaction(Proceso,Hora),data=datos)
## Bartlett test of homogeneity of variances
##
## data: residuals(mod) by interaction(Proceso, Hora)
## Bartlett's K-squared = 10.554, df = 5, p-value = 0.06097
#independencia
tiempo<-seq(1,length(Respuesta))
plot(tiempo, res,type="l")
abline(h=0, col=2)
x<-factor(sign(res))
runs.test(x) ##
## Runs Test
##
## data: x
## Standard Normal = 2.6731, p-value = 0.007515
## alternative hypothesis: two.sided
INDEPENDENCIA EN LOS ERRORES:
HORA: Ya que todos los intervalos contienen al cero como se puede observar en la grafica, podemos
afirmar que no existe diferencia entre ninguna de las comparaciones.
Tuke<-TukeyHSD(mod,"Proceso") #prueba de tukey
Tuke
## Tukey multiple comparisons of means
## 95% family-wise confidence level
##
## Fit: aov(formula = Respuesta ~ Proceso * Hora * Maquina, data = datos)
##
## $Proceso
## diff lwr upr p adj
## T2-T1 -2.041667 -3.056122 -1.027211 0.0001456
plot(Tuke)
PROCESO: Ya que el interval no contiene al cero como se observa en la grafica, Podemos afirmar que
existe diferencia entre el proceso termico 1 y el proceso termico 2
Tuke<-TukeyHSD(mod,"Maquina") #prueba de tukey
Tuke
plot(Tuke)
MAQUINA: Como se puede observar graficamente el unico interval que contiene al cero es M4-M2 por lo
cual es la unica comparacion en la que no existe diferencia.