UNIVERSIDAD JUÁREZ AUTÓNOMA DE TABASCO

Maestría en Ciencias en Ingeniería

Diseño de experimentos

Manuel Olán Ramos

PROBLEMARIO II

23 de noviembre de 2018.

1
Manuel Olán Ramos
Diseño de Experimentos
Maestría en Ciencias en Ingeniería
1-. ¿En qué situaciones se aplica un diseño de bloque completos al azar? ¿En
qué difieren los factores de tratamientos y de bloques?
R= El diseño de bloques completos al azar se aplica cuando el efecto de un
tratamiento a comparar depende de otros factores que pueden incluir en el resultado
de experimento y que deben de tomarse en cuenta para anular su posible efecto y
evitar sesgo al comparar los factores de interés. Para evitar este sesgo se deben
incluir estos factores adicionales en la experimentación y probarlos con cada uno
de los factores de interés de manera tal que puedan presentarse todas las
combinaciones posibles entre ambos para obtener resultados en la comparación
que sean válidos.
La diferencia radica en que los factores de bloque no se incluyen en el experimento
de manera explícita porque interese analizar su efecto, sino como un medio para
estudiar de manera adecuada y eficaz al factor de interés para no sesgar la
comparación. Estos entran al estudio con un nivel de importancia secundaria con
respecto al factor de interés y la inclusión de estos es un medio no un fin para lograr
la comparación.

2-. ¿Qué diferencia hay entre un DBCA y los diseños en cuadro latino?
R= La diferencia que existe en estos diseños es que en el cuadro latino se
consideran 4 fuentes de variabilidad que pueden afectar la respuesta observada y
en el DBCA solo se consideran 3 fuentes de variabilidad.

3-. Considere el modelo estadístico para un diseño en bloques. Si en una

situación experimental se tiene un factor de tratamientos y otro de bloque,
¿Qué efecto tiene sobre el error aleatorio el que se considere o no en el
análisis el efecto del bloque? “Apoyar la explicación con base en el modelo”
R= En el modelo de bloques completamente al azar DBCA, se consideran tres
fuentes de variabilidad: el factor de tratamientos, el factor de bloques y el error
aleatorio. La aleatorización de este modelo se hace dentro de cada bloque, no de
manera total como en el DBCA, por esto resulta poco práctico o incluso imposible
de aleatorizar todo el experimento en su totalidad. El modelo estadístico está dado
por:

2
Manuel Olán Ramos
Diseño de Experimentos
Maestría en Ciencias en Ingeniería
Las hipótesis a comprobar solo contemplan la media poblacional o los efectos
debidos a los tratamientos:

Cuando mediante un diseño de bloques se concluye que los tratamientos son

diferentes, es probable que no se haya llegado a esa conclusión, si no que se haya
considerado el factor de bloque. Si en el ANOVA no se considera el efecto de bloque
(operador), entonces la variabilidad y los grados de libertad atribuibles a operadores
se irían al error, lo cual puede modificar las conclusiones sobre los tratamientos
(métodos).

4-. Explique por qué se utiliza el adjetivo azar en el nombre del diseño en
bloques completos al azar.
R= En un DCBA se consideran 3 fuentes de variabilidad: factor de tratamientos,
factor de bloque y error aleatorio. Al decir completo, se refiere a quien cada bloque
se prueban todos los tratamientos, es decir, están completos los bloques; al decir al
azar, hace referencia dentro de cada bloque se hace la aleatorización; por lo tanto,
no se realiza de manera total como en el diseño completamente al azar.

5-. Una compañía farmacéutica realizo un experimento para estudiar los

tiempos promedios (en días) necesarios para que una persona se recupere de
los efectos y complicaciones que siguen a un resfriado común. En este
experimento se hizo una comparación de distintas dosis diarias de vitamina c.
Para hacer el experimento se contactó a un número determinado de personas,
que en cuanto les daba el resfriado empezaban a recibir algún tipo de dosis. Si
la edad de las personas es una posible fuente de variabilidad explique con
detalle como aplicaría la idea de bloqueo para controlar tal fuente de
variabilidad.

3
Manuel Olán Ramos
Diseño de Experimentos
Maestría en Ciencias en Ingeniería
R= Para controlar esta fuente de variabilidad lo que resulta conveniente hacer, es un
diseño para hacer un producto o procesos no controlables, aplicaría el estudio a un
rango de edad especifico, por ejemplo, a los adultos de 20 a 29 años. utilizaría como
factor diferentes rangos de edades y como unidad experimental un grupo de
personas con la misma edad, si esto no se controla el resultado no sería válido.

6-. A continuación, se muestran los datos para un diseño de bloques al azar.

Tratamiento Bloque Total por

1 2 3 4 tratamiento
A 3 4 2 6 Y1.=
B 7 9 3 10 Y2.=
C 4 6 3 7 Y3.=
Total por bloque Y.1= Y.2= Y.3= Y.4= Total global = Y..

a) Complete las sumas totales de la tabla anterior.

R=
Tratamiento Bloque Total por
1 2 3 4 tratamiento
A 3 4 2 6 Y1.= 15
B 7 9 3 10 Y2.= 29
C 4 6 3 7 Y3.= 20
Total por bloque Y.1= 14 Y.2= 19 Y.3= 8 Y.4= 23 Total global = Y..
64

b) Calcule las sumas de cuadrados correspondientes: SCTRAT, SCB, SCT y

SCE.
R=
152 + 292 + 202 642
𝑆𝐶𝑇𝑅𝐴𝑇 = − = 25.166
4 12

4
Manuel Olán Ramos
Diseño de Experimentos
Maestría en Ciencias en Ingeniería
 142 + 192 + 82 + 232 642
𝑆𝐶𝐵 = − = 42
3 12

2 2 2 2 2 2 2
642 2 2 2 2 2
𝑆𝐶𝑇 = (3 + 4 + 2 + 6 + 7 + 9 + 3 + 10 + 4 + 6 + 3 + 7 ) − = 72.666
12

𝑆𝐶𝐸 = 72.666 − 25.166 − 42 = 5.5

c) Obtenga la tabla de análisis de varianza y anote las principales
conclusiones.
R=

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
TRATAMIENTOS 2 25.167 12.5833 13.73 0.006
BLOQUES 3 42.000 14.0000 15.27 0.003
Error 6 5.500 0.9167
Total 11 72.667

Conclusiones:
De acuerdo a los valores de p podemos concluir que para los tratamientos el valor
de p fue menor que el 0.05 por lo que hace que se rechace la hipótesis nula de que
la media de los tratamientos es igual, y para el valor de p de los bloques también es
menor de 0.05 lo que nos muestra que los bloques son diferentes.

d) Obtenga la diferencia mínima significativa (LSD) para comparar

tratamientos en este diseño en bloques.

𝐿𝑆𝐷 = 𝑡∝ , 𝑁 − 𝐾√2𝐶𝑀𝐸 /𝑛
2

𝐿𝑆𝐷 = 𝑡 0.025, 6 √2(0.9167)/4

5
Manuel Olán Ramos
Diseño de Experimentos
Maestría en Ciencias en Ingeniería
 𝐿𝑆𝐷 = 2.44√2(0.9167)/4 = 1.65

Diferencia Valor absoluto

comparado
μA - μB 3.5>1.65 Significativa
μA – μC 1.25<1.65 No significativa
μB – μC 2.25>1.65 Significativa

7-. Se hace un estudio sobre la efectividad de tres marcas de atomizador

contra las moscas. Para ello, cada producto se aplica a un grupo de 100
moscas, y se cuenta el número de moscas muertas expresado en porcentajes.
Se hicieron seis réplicas, pero en días diferentes; para ello, se sospecha que
puede hacer algún efecto importante debido a esta fuente de variación. Los
datos obtenidos se muestran a continuación:

a) Suponiendo un DBCA, formule las hipótesis adecuadas y el modelo

estadístico.
Hipótesis: H0 : μ1 = μ2 = μ3 = μ (las medias muestrales de los tratamientos son
iguales)
HA : μi ≠ μj para algún i ≠ j (al menos dos tratamientos son diferentes)
H0 : τ 1 = τ 2 = τ 3 = 0
HA : τi ≠ 0 para i
Modelo estadístico: Yij=μ + τi + γi + εij
b) ¿Existe diferencia entre la efectividad promedio de los atomizadores?
Por medio del análisis de varianza se obtiene un valor-p = 0.103 para las marcas de
atomizador, como 0.103 > 0.05 (significancia), se acepta la hipótesis nula, por lo
que se puede determinar que no existe diferencia significativa entre las marcas
conforme a su efectividad.

6
Manuel Olán Ramos
Diseño de Experimentos
Maestría en Ciencias en Ingeniería
 Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Marca 2 296.3 148.17 2.88 0.103
Réplica (día) 5 281.3 56.27 1.09 0.421
Error 10 514.3 51.43
Total 17 1092.0

c) ¿Hay algún atomizador mejor? Argumente su respuesta.

Si comparamos las gráficas de cajas podríamos estimar que la marca 1 tiene
mejores resultados, sin embargo, como las cajas se traslapan, no se puede inferir
que uno sea mejor que otro, no sin antes sin probar otros análisis como LSD o
Tukey, etc.

Gráfica de caja de Mortandad (%)

75

70
Mortandad (%)

65

60

55

50

1 2 3
Marca

d) ¿Hay diferencias significativas en los resultados de diferentes días en las

que se realizó el experimento? Argumente su respuesta.
El valor-p de los días de aplicación es de 0.421 > 0.05 (significancia), por lo que no
tampoco hay efecto significativo en los resultados del experimento aplicado en
diferentes días.
e) Verifique los supuestos de normalidad y de igual varianza entre las marcas.

7
Manuel Olán Ramos
Diseño de Experimentos
Maestría en Ciencias en Ingeniería
Se cumple con el supuesto de normalidad, ya que los residuos de probabilidad se
ajustan en una línea recta, las observaciones proceden de poblaciones normales y
las muestras son aleatorias e independientes.

8-. En una empresa lechera se tienen varios silos para almacenar leche
(cisternas de 60 000 L). Un aspecto crítico para que se conserve la leche es la
temperatura de almacenamiento. Se sospecha que en algunos silos hay
problemas, por ello, durante cinco días se decide registrar la temperatura a
cierta hora crítica. Obviamente la temperatura de un día a otro es una fuente
de variabilidad que podría impactar la variabilidad total.

8
Manuel Olán Ramos
Diseño de Experimentos
Maestría en Ciencias en Ingeniería
a) En este problema, ¿cuál es el factor de tratamiento y cuál el factor de
bloque?

R= El factor de tratamiento son los silos y el factor de bloques son los das.

b) Suponiendo un DBCA, formule las hipótesis adecuadas y el modelo

estadístico.

R= modelo estadístico:
𝑖 = 1, 2, 3, , , , , , 𝑘
Yij= µ + Ʈ1 + Yj + εij {
𝑗 = 1, 2, 3, , , , , 𝑏

Donde Yij es la medición que corresponde al tratamiento i y al bloque j, µ es

la media global poblacional, Ʈ1 es el efecto debido al tratamiento i, Yj es el es
el efecto debido al bloque j y εij es el error aleatorio.

Hipótesis:
H0: µ1= µ2= µ3= ….. µk= µ
H1: µ1≠ µJ para algún i≠j

En esta hipótesis la afirmación a probar es que la respuesta media

poblacional lograda con cada tratamiento es la misma para k tratamientos y
que, por lo tanto, cada respuesta media µ1 es igual a la media global
poblacional µ.

c) ¿Hay diferencia entre los silos?

R=

Fuente de Suma de Grados Cuadrado F0 Valor-p

variabilidad cuadrados de medio
libertad
Tratamientos 4.46 4 1.115 0.69 0.246
Bloques 9.76 4 2.44 1.51 0.609
Error 25.84 16 1.615
total 40.06 24

9
Manuel Olán Ramos
Diseño de Experimentos
Maestría en Ciencias en Ingeniería
 Aquí podemos observar que el valor-p de los silos es mayor que el valor de
significancia, es decir, que el valor-p de los silos es 0.246 y el de significancia
es 0.05 y por lo tanto es mayor, lo que significa que estadísticamente son
iguales.

d) ¿La temperatura de un día a otro es diferente?

R= por medio del inciso anterior podemos observar que la temperatura es
igual porque el valor-p de los bloques es 0.609 y el nivel de significancia es
0.05 asi que se muestra que el valor-p de bloque es mayor que la
significancia y por lo tanto las temperaturas son iguales.

e) Revise residuos, ¿hay algún problema evidente?

R= En el recuadro de la gráfica de probabilidad normal nos muestra que el

supuesto de normalidad se cumple porque los residuos o puntos está más o
menos cerca de la línea recta.
Por mientras que el recuadro vs ajuste también se cumple el supuesto de
varianza porque los residuos se ubican aleatoriamente dentro de una banda
horizontal

10
Manuel Olán Ramos
Diseño de Experimentos
Maestría en Ciencias en Ingeniería