EJEMPLOS SOLUCIONADOS DE DISEÑO EXPERIMENTAL

EJERCICIOS.

1. Se pide a un laboratorio de prueba independiente que compare la durabilidad de

cuatro diferentes marcas de pelotas de golf. El laboratorio propone un
experimento en el que se seleccionan, en forma aleatoria ocho pelotas por cada
fabricante y se ponen en una máquina que golpea cada pelota con una fuerza
constante. La medición de interés es el número de veces que la maquina golpea la
pelota antes de que su recubrimiento externo se rompa. En la tabla 12.19 se
encuentra la información que se obtuvo al llevar a cabo el experimento.
TABLA 12.19 Datos de muestra.
MARCA
a. ¿Existe una razón para A B C D creer que la durabilidad
promedio es diferente 205 242 237 212 para cada una de las
cuatro marcas? Úsese 229 253 259 244 ∝=0.05
b. ¿Existe alguna razón 238 226 265 229 para dudar de la
suposición de que las 214 219 229 272 varianzas de los errores
242 251 218 255
son iguales?
225 212 262 233
209 224 242 224
a. Solución. 204 247 234 245
 Una vez se tengan las
observaciones tomadas como en este caso la tabla, teniendo en cuenta
que estas se deben tomar de forma aleatoria, utilizando la utilidad que
nos presentan programas de diseño para aleatorizar los diseños.
 Damos la hipótesis nula que es μ1=μ 2=μ3=μ 4
 Utilizando un método de regresión, pasamos a llenar la tabla
ANOVA, para hacer el análisis y aceptar o rechazar la hipótesis nula
y tomar las decisiones al respecto.
Realizando análisis por medio de Stat Graphipcs.
Primer paso.
Se llenan los datos en el programa.
 El segundo paso es realizar todos los cálculos de pertinentes a través del programa.
Tabla ANOVA para Numero de Golpes por Marcas
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 2305,5 3 768,5 2,75 0,0617
Intra grupos 7838,0 28 279,929
Total (Corr.) 10143,5 31

El StatAdvisor
La tabla ANOVA descompone la varianza de Numero de Golpes en dos componentes: un componente entre-grupos y un
componente dentro-de-grupos. La razón-F, que en este caso es igual a 2,74534, es el cociente entre el estimado entre-
grupos y el estimado dentro-de-grupos. Puesto que el valor-P de la razón-F es mayor o igual que 0,05, no existe una
diferencia estadísticamente significativa entre la media de Numero de Golpes entre un nivel de Marcas y otro, con un
nivel del 95,0% de confianza.

Dispersión por Código de Nivel

280
Luego de ver la tabla
ANOVA Gráfico para Numero de Golpes
260 ANOVA vemos que el
Numero de Golpes

valor de P>∝ , por lo

240 tanto no se rechaza la
hipótesis nula, lo que
220 quiere decir que la
A B D
Marcas durabilidad deC lasP = 0,0617
200
A B C D
cuatro marcas es
Marcas similar.

Residuos
-45 -25 -5 15 35
 b. Ahora miraremos las varianzas. Aquí suponemos que el diseño se hizo de
forma aleatoria para evitar errores por descalibración de la máquina.

Verificación de Varianza
Prueba Valor-P
de Bartlett 1,01617 0,935251

El StatAdvisor
El estadístico mostrado en esta tabla evalúa la hipótesis de que la desviación estándar de Número de Golpes dentro de
cada uno de los 4 niveles de Marcas es la misma. De particular interés es el valor-P. Puesto que el valor-P es mayor o
igual que 0,05, no existe una diferencia estadísticamente significativa entre las desviaciones estándar, con un nivel del
95,0% de confianza.
Pruebas de Múltiple Rangos para Número de Golpes por Marcas

Método: 95,0 porcentaje LSD

Marcas Casos Media Grupos Homogéneos
A 8 220,75 X
B 8 234,25 XX
D 8 239,25 X
C 8 243,25 X

Contraste Sig. Diferencia +/- Límites

A-B -13,5 17,1361
A-C * -22,5 17,1361
A-D * -18,5 17,1361
B-C -9,0 17,1361
B-D -5,0 17,1361
C-D 4,0 17,1361
* indica una diferencia significativa.

El StatAdvisor
Esta tabla aplica un procedimiento de comparación múltiple para determinar cuáles medias son significativamente
diferentes de otras. La mitad inferior de la salida muestra las diferencias estimadas entre cada par de medias. El asterisco
que se encuentra al lado de los 2 pares indica que estos pares muestran diferencias estadísticamente significativas con un
nivel del 95,0% de confianza. En la parte superior de la página, se han identificado 2 grupos homogéneos según la
alineación de las X's en columnas. No existen diferencias estadísticamente significativas entre aquellos niveles que
compartan una misma columna de X's. El método empleado actualmente para discriminar entre las medias es el
procedimiento de diferencia mínima significativa (LSD) de Fisher. Con este método hay un riesgo del 5,0% al decir que
cada par de medias es significativamente diferente, cuando la diferencia real es igual a 0.

Bueno como nos damos cuenta no existe ninguna razón para creer que las varianzas son
iguales, aquí por medio de la prueba de Bartlett, nos damos cuenta que estas varianzas son
similares puesto que P>∝, y a la vez notamos que existen diferencias en los procesos como
muestra la LSD, son homogéneos. Y a su vez notamos que no hay diferencias significativas
en los niveles, en la prueba similar a la TUKEY.

4. Desde el incremento en los precios de la gasolina se han desarrollado varios dispositivos,

los cuales se colocan en los carburadores de los automóviles, con el propósito de aumentar
el rendimiento de estos. Una empresa selecciona tres de los dispositivos más populares para
someterlos a prueba. La empresa desea compararlos con los carburadores estándar, con el
propósito de determinar si existe un incremento apreciable de millas por galón de gasolina
con el uso de estos dispositivos. La compañía selecciona cinco tipos de automóviles para el
experimento. Para controlar la variación, se planea utilizar el mismo conductor para todo el
experimento.

TABLA 12.24 Datos de la muestra para el ejercicio (millas por galon)

Automóvil Carburador Dispositivo Dispositivo Dispositivo

Estándar A B C
1 18.2 18.9 19.1 20.4
2 27.4 27.9 28.1 29.9
3 35.2 34.9 35.8 38.2
4 14.8 15.2 14.9 17.3
5 25.4 24.8 25.6 26.9

a. Hágase un bosquejo del plan específico para realizar este experimento.

b. Supóngase que se observan los datos que se encuentran en la tabla 12.24. Escríbase
el modelo y establézcase la hipótesis nula por probar. ¿Puede rechazarse la hipótesis
nula para un nivel ∝=0.05.
c. Si se rechaza la hipótesis nula de la parte b, constrúyanse por lo menos dos
contrastes relevantes y pruébese su significancia estadística.

SOLUCION.
a.
b. Se utiliza un modelo de regresión, y tenemos como hipótesis nula μ1=μ 2=μ3=μ 4.
Ahora se pasa a realizar los cálculos con el Stat Graphics.
Primero verifico que sea distribución normal.

Capabilidad de Proceso para Millas por galon

LSE = 1,0
6 Normal
Media=24,945
5 Desv. Est.=7,41843

4 Cpk = -2,95
frecuencia

Ppk = -1,08
3

0
0 10 20 30 40 50
Millas por galon

Como se ve el diseño sigue una distribución normal por ende se puede pasar a
realizar la tabla ANOVA.
Tabla ANOVA para Millas por galón por Automóvil
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Entre grupos 1026,29 4 256,572 198,97 0,0000
Intra grupos 19,3425 15 1,2895
Total (Corr.) 1045,63 19

El StatAdvisor
La tabla ANOVA descompone la varianza de Millas por galón en dos componentes: un componente entre-grupos y un
componente dentro-de-grupos. La razón-F, que en este caso es igual a 198,97, es el cociente entre el estimado entre-
grupos y el estimado dentro-de-grupos. Puesto que el valor-P de la prueba-F es menor que 0,05, existe una diferencia
estadísticamente significativa entre la media de Millas por galón entre un nivel de Automóvil y otro, con un nivel del
95,0% de confianza. Para determinar cuáles medias son significativamente diferentes de otras, seleccione Pruebas de
Múltiples Rangos, de la lista de Opciones Tabulares.

Nos damos cuenta que P<0.05, entonces se rechaza la hipótesis nula, lo que quiere
decir que μ1 ≠ μ2 ≠ μ 3 ≠ μ4 , lo cual demuestra que existe una diferencia en los niveles
y es normal porque se usan vehículos distintos.

Ahora verificamos la diferencia en los niveles mediante la comparación múltiple de

rangos.
Pruebas de Múltiple Rangos para Millas por galón por Automóvil

Método: 95,0 porcentaje LSD

Automóvil Casos Media Grupos Homogéneos
4 4 15,55 X
1 4 19,15 X
5 4 25,675 X
2 4 28,325 X
3 4 36,025 X

Contraste Sig. Diferencia +/- Límites

1–2 * -9,175 1,71148
1–3 * -16,875 1,71148
1–4 * 3,6 1,71148
1–5 * -6,525 1,71148
2–3 * -7,7 1,71148
2–4 * 12,775 1,71148
2–5 * 2,65 1,71148
3–4 * 20,475 1,71148
3–5 * 10,35 1,71148
4–5 * -10,125 1,71148
* indica una diferencia significativa.

El StatAdvisor
Esta tabla aplica un procedimiento de comparación múltiple para determinar cuáles medias son significativamente
diferentes de otras. La mitad inferior de la salida muestra las diferencias estimadas entre cada par de medias. El asterisco
que se encuentra al lado de los 10 pares indica que estos pares muestran diferencias estadísticamente significativas con un
nivel del 95,0% de confianza. En la parte superior de la página, se han identificado 5 grupos homogéneos según la
alineación de las X's en columnas. No existen diferencias estadísticamente significativas entre aquellos niveles que
compartan una misma columna de X's. El método empleado actualmente para discriminar entre las medias es el
procedimiento de diferencia mínima significativa (LSD) de Fisher. Con este método hay un riesgo del 5,0% al decir que
cada par de medias es significativamente diferente, cuando la diferencia real es igual a 0.

Como se ve no hay homogeneidad y también en cada uno de los niveles se da una

diferencia significativa y esto también lo podemos apreciar en los siguiente graficos.
 Dispersión por Código de Nivel

39

34
Millas por galon
29

24

19

14
1 2 3 4 5
Automovil

ANOVA Gráfico para Millas por galon

4 1 5 2 3
Automovil P = 0,0000

Residuos
-22 -12 -2 8 18 28

Ahora se muestra el análisis de varianza.

Verificación de Varianza
Prueba Valor-P
de Bartlett 1,07827 0,910197

El StatAdvisor
El estadístico mostrado en esta tabla evalúa la hipótesis de que la desviación estándar de Millas por galón dentro de cada
uno de los 5 niveles de Automóvil es la misma. De particular interés es el valor-P. Puesto que el valor-P es mayor o igual
que 0,05, no existe una diferencia estadísticamente significativa entre las desviaciones estándar, con un nivel del 95,0% de
confianza.
En esta nos dice que tenemos una hipótesis nula así σ 12=σ 22=σ 23=σ 24
Como vemos que P>∝ , entonces no se rechaza la hipótesis nula, existiendo homogeneidad
en las varianzas.

BIBLIOGRAFIA

Montgomery, Douglas; Runger, George; 2003; Applied Statistics and Probability for
Engineers, John Wiley & Sons, Inc;