Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TAREA 4 Difieren Los Factores de Tratamiento y de Bloque
TAREA 4 Difieren Los Factores de Tratamiento y de Bloque
Source DF SS MS F P
Marca Atomizador 2 296.33 148.167 2.88 0.103
Día 5 281.33 56.267 1.09 0.421
Error 10 514.33 51.433
Total 17 1092.00
De esta tabla se observa que para marca atomizador se obtuvo un valor-p = 0.103 >
0.05, por lo tanto se acepta Ho. Es decir que no existe diferencia entre la efectividad
promedio de los atomizadores.
c) Hay algún atomizador mejor? Argumente su respuesta.
Empleando el SW Minitab se obtiene la siguiente información:
90 5
Residual
Percent
50 0
10 -5
1 -10
-10 -5 0 5 10 50 55 60 65 70
Residual Fitted Value
Residual
0
2.4
1.2 -5
0.0 -10
-10 -5 0 5 10 2 4 6 8 10 12 14 16 18
Residual Observation Order
En la gráfica 1 (Normal Probability Plot of the Residuals) se han graficado los
residuos y se observa que estos siguen una distribución normal ya que tienden a
quedar alineados en una línea recta.
En la gráfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningún patrón claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.
10
8
Respuesta
0
1 2 3 4 5
Catalizador
10
8
Respuesta
0
1 2 3 4 5
Lote
De tal forma, los intervalos de confianza de los lotes se traslapan por lo que sus
respuestas medias son iguales estadísticamente.
10
8
Respuesta
0
1 2 3 4 5
Día
De tal forma, los intervalos de confianza de los días se traslapan por lo que sus
respuestas medias son iguales estadísticamente.
d) Los factores de ruido, lote y día afectan el tiempo de reacción del proceso?
Del ANOVA se observa que para lote se obtuvo un valor-p = 0.348 > 0.05, por lo tanto
se acepta Ho. Es decir que no existe diferencia entre el tiempo de reacción de un
proceso químico de los lotes.
Por otro lado, del ANOVA se observa que para días se obtuvo un valor-p = 0.455 >
0.05, por lo tanto se acepta Ho. Es decir que no existe diferencia entre el tiempo de
reacción de un proceso químico de los días.
e) Dibuje los gráficos de medias para los tratamientos, los lotes y los días. Cuál
tratamiento es el mejor?
Sería el tratamiento 5, puesto que tiene la media más baja respecto al tiempo de
reacción del proceso.
f) Verifique los supuestos del modelo, considerando que los datos se obtuvieron
columna por columna, día a día.
50 0
-1
10
-2
1
-3.0 -1.5 0.0 1.5 3.0 2 4 6 8 10
Residual Fitted Value
Residual
3.0 0
-1
1.5
-2
0.0
-2 -1 0 1 2 2 4 6 8 10 12 14 16 18 20 22 24
Residual Observation Order
En la gráfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningún patrón claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.
23. Un investigador está interesado en el efecto del porcentaje de lisina y del
porcentaje de proteína en la producción de vacas lecheras. Se consideran 7 niveles de cada
factor.
% de lisina: 0,0 (A), 0,1 (B), 0,2 (C), 0,3 (D), 0,4 (E), 0,5 (F), 0,6 (G),
% de proteína: 2 (), 4(β), 6(χ), 8(σ), 10(ε), 12(φ), 14(γ)
Para el estudio, se seleccionan siete vacas al azar, a las cuales se les da un seguimiento de
siete períodos de tres meses. Los datos en galones de leche fueron los siguientes:
Vaca/Período 1 2 3 4 5 6 7
1 304 436 350 504 417 519 432
2 381 505 425 564 494 350 413
3 432 566 479 357 461 340 502
4 442 372 536 366 495 425 507
5 496 449 493 345 509 481 380
6 534 421 352 427 346 478 397
7 543 386 435 485 406 554 410
a) Analice este experimento, qué factores tienen efecto en la producción de
leche?
Empleando el SW Minitab se obtiene la siguiente información:
Analysis of Variance for Respuesta, using Adjusted SS for Tests
Del ANOVA se observa que para VACA se obtuvo un valor-p = 0.261 > 0.05, por lo
tanto se acepta Ho. Es decir que no existe diferencia en la producción de leche.
Por otro lado, del ANOVA se observa que para PERIODO se obtuvo un valor-p =
0.943 > 0.05, por lo tanto se acepta Ho.
De igual forma para el % DE LISINA se obtuvo un valor-p = 0.000 < 0.05, por lo
tanto se se rechaza Ho. Es decir si existe diferencia en la producción de leche debida a
dicho porcentaje.
De igual forma para el % DE PROTEINA se obtuvo un valor-p = 0.000 < 0.05, por lo
tanto se se rechaza Ho. Es decir si existe diferencia en la producción de leche debida a
dicho porcentaje.
b) Interprete los resultados usando gráficos de medias.
Interval Plot of Respuesta vs Vaca
95% CI for the Mean
525
500
475
Respuesta
450
425
400
375
350
1 2 3 4 5 6 7
Vaca
De tal forma, los intervalos de confianza de las vacas se traslapan por lo que sus
respuestas medias son iguales estadísticamente.
500
Respuesta
450
400
350
1 2 3 4 5 6 7
período
De tal forma, los intervalos de confianza de los períodos se traslapan por lo que sus
respuestas medias son iguales estadísticamente.
Interval Plot of Respuesta vs % lisina
95% CI for the Mean
550
500
450
Respuesta
400
350
300
1 2 3 4 5 6 7
% lisina
De tal forma, los intervalos de confianza de los % de lisina se traslapan por lo que sus
respuestas medias son iguales estadísticamente.
550
500
Respuesta
450
400
350
300
1 2 3 4 5 6 7
% proteina
De tal forma, los intervalos de confianza de los % de proteína no se traslapan por lo
que sus respuestas medias no son iguales estadísticamente.
c) Cómo puede explicar la falta de efectos en vacas y período?
El diseño pretendía verificar el efecto del porcentaje de lisina y del porcentaje de
proteína en la producción de vacas lecheras por lo que se bloquearon los aspectos
relacionados a las vacas y al período.
d) Que porcentajes de lisina y proteína dan los mejores resultados?
De las gráficas anteriores, % de lisina que brinda los mejores resultados es: 0,4 (E).
Respecto del % de proteínas, el mejor es: 14(γ).
e) Verifique los supuestos del modelo.
Residual Plots for Respuesta
Normal Probability Plot of the Residuals Residuals Versus the Fitted Values
99
50
90
25
Residual
Percent
50 0
-25
10
-50
1
-50 -25 0 25 50 300 400 500 600
Residual Fitted Value
12 50
25
Frequency
9
Residual
0
6
-25
3
-50
0
-60 -30 0 30 60 1 5 10 15 20 25 30 35 40 45
Residual Observation Order
En la gráfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningún patrón claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.