Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISEÑO DE EXPERIMENTOS
Teoría
Dr. Primitivo Reyes Aguilar
Mail: primitivo_reyes@yahoo.com
Cel. 04455 5217 4912
Diseño de experimentos factorials de dos niveles, factoriales completos, factorials
fraccionales y diseños especiales: Taguchi, Mezclas. Se tomo como referencia el texto de
Douglas Montgomery, Diseño y análisis de experimentos, 2ª. edición
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
OBJETIVO
Objetivo general del módulo. Que los asistentes actualicen los conocimientos
necesarios para diseñar, analizar y obtener inferencias sobre experimentos
conducentes a la mejora de productos y procesos en la industria y que sean capaces de
aplicar la mejor estrategia experimental para resolver un problema de desarrollo de
productos, o de calidad en los productos.
Contenido
1. INTRODUCCIÓN AL DISEÑO DE EXPERIMENTOS...........................................................4
1.1 Aplicaciones del diseño de experimentos...............................................................5
Definición de experimento, diseño de experimentos y eficiencia de un
experimento..............................................................................................................7
1. 2 Principios básicos del diseño de experimentos......................................................7
1.3. Metodología general para realizar un experimento............................................9
1.4. Aplicaciones del diseño de experimentos............................................................13
2. ANALISIS DE VARIANZA DE UN FACTOR (ANOVA 1 VIA).............................................15
2.1 Introducción..........................................................................................................15
2.2 Tipos de variación y sumas de cuadrados.............................................................16
2.3 Uso de Excel:..........................................................................................................18
2.4 Uso de Minitab......................................................................................................19
2.5 Grafica de residuos contra el valor ajustado de ^y ij ...........................................20
2.6 Ejercicios................................................................................................................21
3. ANALISIS DE VARIANZA DE DOS VÍAS o DIRECCIONES (ANOVA 2 VIAS).....................23
3.1 Introducción..........................................................................................................23
3.2 Ejemplos con cálculo manual................................................................................23
3.3 Procedimiento en Excel.........................................................................................24
3.4 ANOVA en Minitab................................................................................................25
4. DISEÑOS FACTORIALES................................................................................................29
4.1 Principios y definiciones básicas...........................................................................29
Ventajas de los diseños factoriales.........................................................................31
4.2 Diseño factorial de dos niveles (2^K)....................................................................32
5. DISEÑOS DE EXPERIMENTOS FRACCIONALES DE DOS NIVELES..................................40
5.1 Concepto de replicación fraccionada....................................................................40
Página 2 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Página 3 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
O bien: es una prueba o una serie de pruebas en las cuales se inducen cambios
deliberados en las variables de entrada de un proceso o sistema, de manera que sea
posible observar e identificar las causas de los cambios en la respuesta de salida.
El proceso o sistema bajo estudio puede representarse por medio del modelo de la
figura 1.1.
Factores controlables
x1 x2 x3 x4 ... xp
Entradas Salida
Proceso
y
z1 z2 z3 z4 ... zq
Factores incontrolables
Figura 1. Modelo general de un proceso o sistema
Algunas de las variables del proceso x 1, x2,..., xk son controlables, mientras que otras z 1,
z2,...,zk son incontrolables (aunque pueden ser controlables para los fines de prueba).
Entre los objetivos del experimento pueden incluirse:
Página 4 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
1. ¿Son estas dos soluciones los únicos medios para lograr la respuesta de
interés?
2. ¿Existen otros factores que pueden afectar la respuesta de las muestras y que
deban ser investigados o controlados?
3. ¿Cuántas muestras deben ser sometidas a cada solución de templado?
4. ¿En que forma debe asignarse cada muestra a los tratamientos, y en qué orden
deben realizarse las mediciones?
5. ¿Qué método de análisis debe utilizarse?
6. ¿Qué diferencia en los niveles promedio de respuesta entre los dos
tratamientos debe considerarse como significativa?
Página 5 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
El uso del diseño de experimentos en estas áreas puede dar por resultado productos
con mayor confiabilidad y mejor funcionamiento en el campo, menores costos, y
menor tiempo de diseño y desarrollo del producto.
F2 F1
F11
F21
F22 F12
CARACTERISTICA
DE CALIDAD
F41
F31
F32
F42
F4 F3
Mediante un experimento podemos inducir cambios en uno varios factores (F 2l. F33 y
F11 por ejemplo) y analizar estadísticamente si el cambio en los factores afecta o no el
resultado o efecto del proceso.
Página 6 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Experimento
Diseño de experimentos
Eficiencia de un experimento
Esto es, un experimento eficiente debe ser lo más simple y económico posible pero
efectivo. Las técnicas del diseño de experimentos pretenden que los experimentos
sean eficientes.
Página 7 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
80º 3.
2.2 2.8 3.6 2.95
C 2
90º 4.
3.4 3.9 4.7 4.07
C 3
Página 8 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
que sea más homogénea que el total del material o cuando las condiciones son
más homogéneas. Al realizar un experimento por bloques se hacen las
comparaciones entre las condiciones de interés del experimento dentro de cada
bloque.
En este paso es necesario definir que tipo de información es exactamente la que nos
interesa, ya que no podemos medir o variar todos y cada uno de los componentes de
un experimento.
En conclusión como resultado de este paso, la hipótesis a probar debe quedar bien
definida. Un diagrama causa-efecto es una buena ayuda en este paso.
Cuantitativa
Precisa.
Página 9 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
¿Cómo seleccionar los diferentes niveles de un factor?, En general un factor puede ser
cualitativo (proveedor, turno, operario, etc), o cuantitativo (temperatura, presión,
altura, tiempo, etc.). Los niveles específicos en cualquier caso se pueden seleccionar ya
sea aleatoriamente dentro de un cierto rango o a un nivel fijo definido por el
experimentador previamente, esto nos lleva a cuatro situaciones generales:
Este caso es similar al anterior excepto que el factor es cuantitativo, por ejemplo:
temperatura, presión, tiempo, concentración de un componente, etc. Para este caso es
recomendable que los diferentes niveles o tratamientos se tomen equiespaciados, esto
es, por ejemplo 10, 20, 30 y 40 °C: 5, 10, 15, 20 y 25 psi; 8, 12, 16 y 20 minutos, etc.
En este caso los niveles o tratamientos se seleccionan al azar de entre varios posibles.
Por ejemplo: se tienen varios lotes de un mismo proveedor, se selecciona al azar cuáles
Página 10 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
de ellos analizar, en este caso la conclusión del experimento se extiende para cubrir
todos los posibles niveles..
Igual que en el caso anterior los diferentes niveles o tratamientos son seleccionados al
azar.
3. Definir el diseño del experimento. Esto imp1ica definir de qué manera se efectuaran
las pruebas y qué modelo matemático describe mejor el experimento. En el resto de
este material se describen varios tipos de experimentos de los cuales se tomará el que
mejor se ajuste a la situación particular.
Este punto pudiera parecer obvio; sin embargo, en la práctica no es sencillo darse
cuenta de que existe un problema que requiere experimentación, ni diseñar un
planteamiento claro y aceptable del mismo. Es necesario desarrollar todas las ideas
sobre los objetivos del experimento. Suele ser importante solicitar la opinión de todas
las partes implicadas. Un planteamiento claro del problema contribuye a menudo en
Página 11 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Página 12 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
6. Análisis de datos.
Deben emplearse métodos estadísticos para analizar los datos, de modo que los
resultados y conclusiones sean objetivos más que apreciativos. Existen muchos
excelentes paquetes de software para el análisis de datos, y varios métodos gráficos
sencillos son importantes en la interpretación de tales datos. El análisis de residuos y la
verificación de la idoneidad del modelo son también técnicas de análisis de gran
utilidad.
Hay que recordar que los métodos estadísticos sólo proporcionan directrices para la
veracidad y validez de los resultados. Los métodos estadísticos, aplicados
adecuadamente, no permiten probar algo experimentalmente, sólo hacen posible
obtener el probable error de una conclusión, o asignar un nivel de confiabilidad a los
resultados. La principal ventaja de los métodos estadísticos es que agregan objetividad
al proceso de toma de decisiones. Las técnicas estadísticas, aunadas aun buen
conocimiento técnico o del proceso y al sentido común, suelen llevar a conclusiones
razonables.
7. Conclusiones y recomendaciones.
Una vez que se han analizado los datos, él experimentador debe extraer conclusiones
prácticas de los resultados y recomendar un curso de acción. En esta fase a menudo
son útiles los métodos gráficos, en especial al presentar los resultados a otras
personas. También deben realizarse corridas de seguimiento y pruebas de
confirmación para validar las conclusiones del experimento.
Página 13 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Es necesario tener claros y en todo caso revisar los siguientes conceptos estadísticos
antes de seguir:
Página 14 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
2.1 Introducción
El análisis de la varianza de un factor (ANOVA) es una metodología para analizar la
variación entre muestras y la variación al interior de las mismas mediante la
determinación de varianzas. Es llamado de una vía porque analiza un variable
independiente o Factor ejemplo: Velocidad. Como tal, es un método estadístico útil
para comparar dos o más medias poblacionales. El ANOVA de un criterio nos permite
poner a prueba hipótesis tales como:
Los supuestos en que se basa la prueba t de dos muestras que utiliza muestras
independientes son:
2
sb
Fc= 2
sw
F α,(k−1),k(n−1))
Donde el número de grados de libertad para el numerador (Sb^2 > Sw^2) es k-1 y para
el denominador es k(n-1), siendo α el nivel de significancia.
k = número de muestras.
Por ejemplo:
Página 15 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
TRATAMIENTOS
1. Variación total entre los 14 empleados, su puntuación no fue igual con todos
VARIACIÓN TOTAL RESPECTO A LA MEDIA GENERAL
r c
SCT =∑ ∑ ( Xij−X )2
i=1 j=1
r
SCTR =∑ r j ( X j −X )2
j=1
Página 16 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
r c
SCE =∑ ∑ ( X ij−X j )2
i=1 j=1
4. Grados de libertad
Página 17 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
ZONA DE
NO RECHAZAR RECHAZO
Distr. F
7. Valor de P Fc
TABLA DE ANOVA
Regla: No rechazar si la F de la muestra es menor que la F de Excel para una cierta alfa
Página 18 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Grados Promedio
ANÁLISIS DE VARIANZA de de
Suma Probabilida
Variaciones cuadrados libertad Cuadrados Fc d F crítica
32.8571428 1.943164 3.9822979
Entre grupos 65.71428571 2 6 4 0.18937731 6
Dentro de 16.9090909
grupos 186 11 1
Total 251.7142857 13
Source DF SS MS F P
Factor 2 65.7 32.9 1.94 0.189
Error 11 186.0 16.9
Total 13 251.7
Página 19 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Página 20 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
2.6 Ejercicios
Página 21 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
A B C D
75 78 55 64
93 91 66 72
78 97 49 68
71 82 64 77
63 85 70 56
76 77 68 95
A B C
85 71 59
75 75 64
82 73 62
76 74 69
71 69 75
85 82 67
Página 22 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
3.1 Introducción
En este caso las fórmulas son parecidas a la del ANOVA de una vía pero ahora
agregando el cálculo por renglones adicional al de columnas donde se incluye la
variable de bloqueo. El bloqueo es completamente al azar.
Los tratamientos se asignan a las columnas y los bloques a los renglones. Un bloque
indica condiciones similares de los sujetos al experimentar con diferentes
tratamientos.
Ejemplo 1.
Suponiendo que se quiere investigar si la producción de tres diferentes máquinas es
igual, tomando en cuenta la experiencia de los operadores a un nivel de significancia
del 5%.
Experiencia Máquinas
de ops. En años Maq 1 Maq 2 Maq 3 Promedios
1 27 21 25 24.33333
2 31 33 35 33
3 42 39 39 40
4 38 41 37 38.66667
Página 23 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
5 45 46 45 45.33333
Promedios 36.6 36 36.2 36.26667
TABLA ANOVA
SS GL CM Fc Falfa
SCTR= 0.933333 2 CMTR= 0.466667 Ftr = 0.09 4.46
Fbl =
SCBL= 764.9333 4 CMBL= 191.2333 37.25 3.84
SCE = 41.06667 8 CME= 5.133333
SCT = 806.9333 14 CMT= 57.6381
Página 24 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Análisis de varianza de dos factores con una sola muestra por grupo
Varianz
RESUMEN Cuenta Suma Promedio a
Fila 1 5 353 70.6 9.3
Fila 2 5 357 71.4 9.3
Fila 3 5 362 72.4 19.3
Fila 4 5 363 72.6 6.8
ANÁLISIS DE VARIANZA
Grados Cuadrado Probabilida F
Fuente de Suma de de s Fc d tablas
Cuadrado
variación s libertad medios Valor P
Filas 12.95 3 4.32 2.38 0.12 3.49
Columnas 157 4 39.25 21.61 2.06E-05 3.26
Error 21.8 12 1.82
Página 25 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Total 191.75 19
Total 231 24
Utilice α=0 . 05 para calcular si hay diferencias entre los efectos de las columnas y
los renglones.
Introducir los datos arreglados con las respuestas en una sola columna e indicando a
que renglón y columna pertenece cada uno de estos, como sigue:
Column
Resp a Fila
73 1 1
73 1 2
75 1 3
73 1 4
68 2 1
67 2 2
68 2 3
71 2 4
74 3 1
75 3 2
78 3 3
75 3 4
71 4 1
72 4 2
73 4 3
75 4 4
67 5 1
70 5 2
68 5 3
69 5 4
Instrucciones:
Página 26 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Graphs
Seleccionar Normal plot of residuals
OK
Resultados:
La gráfica normal de residuos debe mostrar los residuos aproximados por una recta
para validar el modelo:
Los residuos se aproximan a la distribución normal por lo cual se concluye que se está
utilizando un modelo válido.
95
90
80
70
Percent
60
50
40
30
20
10
1
-3 -2 -1 0 1 2 3
Residual
Source DF SS MS F P
Agente Químico 3 12.95 4.3167 2.38 0.121
Rollo 4 157.00 39.2500 21.61 0.000
Error 12 21.80 1.8167
Total 19 191.75
Página 27 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Página 28 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
4. DISEÑOS FACTORIALES
Factor B
B1 B2
A1 20 30
Factor A
A2 40 52
40+52 20+30
A= − =21
2 2
30+52 20+40
B= − =11
2 2
Página 29 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Si los factores tienen más de dos niveles, el procedimiento anterior debe ser
modificado ya que las diferencias entre las respuestas promedio pueden expresarse de
muchas formas.
Factor B
B1 B2
A1 20 40
Factor A
A2 50 12
Puede observarse que existe una interacción entre los factores A y B porque el efecto
de A depende del nivel elegido de B.
60
B2
50
Respu es ta
B1
40
30 B2
20
B1
10
A1 A2
Factor A
Figura 1 Un experimento factorial sin interacciones
Página 30 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
En este caso se ve que las rectas B 1 y B2 no son paralelas. Esto muestra que existe una
interacción entre A y B. Sin embargo, no debe ser la única técnica para analizar los
datos, porque su interpretación es subjetiva y su apariencia, a menudo, es engañosa.
60 B1
R e s p u e s ta
50
B2
40
30
20
B1
10 B2
A1 A2
Factor A
Hay que notar que cuando una interacción es grande los correspondientes efectos
principales tienen poco significado práctico. Una estimación del efecto principal de A
de los datos de la Tabla 2 es:
50+12 20+40
A= − =1
2 2
El cual resulta ser muy pequeño corriéndose el riesgo de concluir que no existe un
efecto debido a A. Sin embargo, cuando se examinó el efecto de A en niveles
diferentes de B se concluyó que éste no era el caso. El factor A tiene un efecto, pero
depende del nivel del factor B. En otras palabras, es más útil conocer la interacción AB
que el efecto principal. Una interacción significativa oculta a menudo el significado de
los efectos principales.
Página 31 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Factor B
B1 B2
A1 A1B1 A1B2
Factor A
A2 A2B1 12
Los diseños factoriales son necesarios cuando alguna interacción puede estar
presente, para evitar hacer conclusiones engañosas.
E l primer diseño de la serie 22 es aquel en el que solo dos factores, A y B, cada uno
con dos niveles. Este diseño se conoce como diseño factorial 2 2. Arbitrariamente,
los niveles del factor pueden llamarse “bajo” y “alto”.
Ejemplo 1 Considérese una investigación llevada a cabo para estudiar el efecto que
tiene la concentración de un reactivo y la presencia de un catalizador sobre el tiempo
de reacción de un proceso químico. Sea la concentración del reactivo el factor A con
dos niveles de interés, 15% y 20%. El catalizador constituye el factor B; el nivel alto o
superior denota el uso de dos sacos de catalizador y el nivel bajo o inferior denota el
uso de un solo saco. El experimento se realiza (“replica o repite”) tres veces, y los
datos son como sigue:
Combinación Replica
de
En la figura 3 siguiente tratamientos I II III Total se presentan
gráficamente las A baja, B baja 28 2 27 80 combinaciones de
tratamiento para este 5 diseño, el efecto de un
factor se denota por la A alta, B baja 36 3 32 100 letra latina minúscula.
2
A baja, B alta 18 1 23 60
Página 32 de973
A alta, B alta 31 3 29 90
0
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
De este modo, “A” se refiere al efecto del factor “A”, y “B” se refiere al efecto del
factor “B”, y “AB” se refiere a la interacción entre AB. En el diseño 2 2 los niveles bajo y
alto de A y B se denotan por “-“ y “+” respectivamente, en los ejes A y B. Así – en el eje
B representa el nivel bajo de catalizador mientras que + denota el nivel alto.
b = 60(18+19+23) ab = 90(31+30+19)
Cantidad de catalizador B
Alto (2 sacos) +
bajo (1 saco) -
(1) = 80(28+25+27) a = 100(36+32+32)
- +
bajo (15%) alto (20%)
Concentracion de reactivo A
Figura
Fig. 3 1: Combinaciones de tratamiento en el diseño factoriall
Así
Por convención (1) se usa para representar a ambos factores en el nivel inferior.
El efecto promedio de un factor se define como el cambio en la respuesta
producida por un cambio en el nivel de ese factor, promediado sobre los niveles
del otro factor.
Como se ilustra en la figura 3, las letras minúsculas (1), a, b y ab también se usan para
representar los totales de las n replicas de las combinaciones de tratamientos
Página 33 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
1 1
A= {[ ab−b ] + [a−(1)] }= [ ab−a−b−(1 )]
2n 2n
El efecto promedio de B se determina a partir de su efecto en el nivel inferior de A (esto
es, {b-(1)}/n, y de su efecto en el nivel superior de A (que es igual a [ab-a]/n
obteniéndose:
1
B= {[ ab−a ] + [b−( 1)] }= 1 [ ab+b-a−( 1)]
2n 2n
El efecto de la interacción AB se define como la diferencia promedio entre el efecto de
A en el nivel superior de B y su efecto en el nivel inferior de B, así:
1
AB= { [ ab−b ]− [ a−(1 )]}= 1 [ab+(1)−a−(b)]
2n 2n
Por otro lado se puede definir AB como la diferencia promedio entre el efecto de B en
el nivel superior de A y el efecto de B en el nivel inferior de A.
Las formulas para los efectos de A, B y AB pueden deducirse por otro método. El efecto
de A puede hallarse como la diferencia en la respuesta promedio de las dos
combinaciones de tratamiento en la mitad derecha (que llamaremos Y A+, puesto
que es la respuesta promedio para las combinaciones de tratamientos a las que A que
se encuentra en el nivel alto) y las dos combinaciones de tratamientos en la mitad
izquierda (o Y A ). Esto es,
A=Y A+−Y A−
ab+a b+(1 )
= −
2n 2n
Página 34 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
1
= [ ab+a−b−(1)]
2n
B=Y B+−Y B−
ab+b a+(1 )
= −
2n 2n
1
= [ ab+b−a−(1)]
2n
Finalmente el efecto de interacción AB es el promedio de las combinaciones de
tratamientos en la diagonal de derecha a izquierda del cuadrado ab y (1) menos el
promedio de las combinaciones de tratamientos en la diagonal de izquierda a derecha
(a y b), o
ab+(1) a+b
AB= −
2n 2n
1
= [ ab+(1 )−a−b ]
2n
Con los datos que aparecen en la figura 1, las estimaciones de los efectos promedio
son:
1
A= (90+100−60−80 )=8.33
2(3)
Página 35 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
1
B= (90+60−100−80 )=−5.00
2(3)
1
AB= (90+80−100−60 )=1.67
2(3)
El efecto de A (concentración de reactivo) es positivo; esto sugiere que al elevar A del
nivel bajo (15%) al nivel alto (25%) incrementará el rendimiento. El efecto de B
(catalizador) es negativo; esto sugiere que elevar la cantidad del catalizador agregada
al proceso reducirá el rendimiento. Al parecer, el efecto de interacciones es pequeño
comparado con los dos efectos principales.
ContrasteA=ab +a−b−( 1)
a 2 a
SSc= ( ∑ ciyi .) /n ∑
1 a
ci
2
.
Página 36 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
2
[ ab+a−b−(1 )]
SS A=
n*4
2
[ ab+b−a−(1) ]
SSB=
n*4
2
[ ab+(1 )−a−b ]
SSAB=
n*4
Con los datos de la figura 3, las sumas de cuadrados se pueden calcular aplicando las
ecuaciones anteriores, obteniéndose:
502
SS A= =208.33
4(3)
−302
SSB= =75.00
4 (3 )
102
SSAB= =8.33
4 (3 )
La suma total de cuadrados se determina de la manera usual mediante:
2 2 nY 2 ...
2
SST= ∑i=1 ∑ j=1 ∑ k=1 Y ijk−
4n
En general SST tiene 4n –1 grados de libertad. La suma de cuadrados del error, con 4(n-
1) G.L. se puede calcular en la forma usual, por diferencia, mediante.
2 2 3
Y2 2
SSE= ∑ ∑ ∑ Y − =9398.00−9075 .00=323.00
ijk
i=1 j= 1 k =1 4 (3 )
SSE=SST −SSA −SSB−SSAB
=323 . 00−208 .33−75 . 00−8 . 33=31 . 34
Página 37 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Efecto (1) a b Ab
s
A: -1 +1 -1 +1
B: -1 -1 +1 +1
AB: +1 -1 -1 +1
Fuente de
variación SS G.L. MS Fo
A 208.33 1 208.33 53.15a
B 75.00 1 75.00 19.13a
AB 8.33 1 8.33 2.13
Error 31.34 8 3.92
Total 323.00 11
a
significativo al 1%
(1) + - - +
a + + - -
b + - + -
ab + + + +
Observe que los coeficientes de los contrastes usados para estimar la interacción son
iguales al producto de los coeficientes correspondientes a los dos efectos principales.
Los coeficientes de los contrastes siempre son +1 o –1 y se puede usar una tabla de
signos positivos y negativos como la mostrada en la de signos algebraicos para
determinar el signo apropiado de cada combinación de tratamientos. En el encabezado
de las columnas de tabla y se encuentran los efectos principales (A y B), la interacción
Página 38 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
1 1
A= { [ ab−b ] + [a−( 1) ] }= [ ab−a−b−(1 ) ]
2n 2n
Los tipos más sencillos de diseños factoriales implican sólo dos factores o conjuntos de
tratamientos. Haya “a” niveles del factor A y “b” niveles del factor B, dispuestos en un
diseño factorial; esto es, cada A repetición o réplica del experimento contiene todas las
combinaciones de tratamiento ab. En general, hay n repeticiones.
Página 39 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Así por ejemplo cuando se tienen siete factores, existen 128 posibles condiciones
experimentales, lo que implica que al hacer una replicación por celda de todo el
experimento requiere un total de 128 observaciones. Si se decide tomar dos replicas
por celda, entonces serian necesarias 256 observaciones, lo cual es una cantidad
excesiva de pruebas para fines prácticos.
Por otro lado, se necesitan 128 observaciones para un experimento con 7 factores por
que se deben evaluar 127 posibles efectos (que son los grados de libertad totales en
128 observaciones) de estos efectos 7 son los factores principales, 21 interacciones de
2 factores, 35 de tres, 35 de cuatro, 27 de cinco en cinco, 7 de seis en seis y una
interacción de 7 factores. En general el número de interacciones de k factores tomados
r en r es:
K!
[ r!(k−r)! ]
El concepto de replicación fraccionada parte de las siguientes hipótesis:
Página 40 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Lo anterior implica que por ejemplo para siete factores son necesarios probablemente
solo 28 grados de libertad (7 factores principales y 21 interacciones de dos factores), y
esto equivale a solo 29 unidades de información y no 128 como en el experimento
original. Esto quiere decir que no es necesario el correr una replicación completa de
todo el experimento cuando el número de factores crece, sino solamente algunas
casillas o condiciones experimentales.
Cuando solamente una parte de las posibles casillas se prueban, se dice que se tiene
una replicación fraccionada del experimento.
Las preguntas que surgen son:
C onsidérese el caso en el que se estudian tres factores de dos niveles cada uno,
pero en el que los experimentadores no pueden costear las 2 3 = 8 combinaciones
de tratamientos, sin embargo, si se puede costear 4 observaciones. Esto sugiere una
fracción un medio, de un diseño 2 3. la fracción un medio del diseño 2 3 se conoce
también como un diseño 23-1 porque tiene 23-1 = 4 combinaciones de tratamiento.
En la tabla 1 aparecen signos positivos y negativos del diseño 2 3. Supóngase que para
componer la fracción un medio, se seleccionan las combinaciones de tratamientos se
usa indistintamente la notación convencional (a,b,c,...) y la de signos positivos y
negativos. La equivalencia de las dos notaciones se muestra a continuación.
Página 41 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Notación Notación 2
1
a + - -
b - + -
c - - +
abc + + +
c ac
b ab
C
B
A
a (1 )
Página 42 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Las combinaciones de tratamientos del diseño 23-1 producen 3 G.L. que pueden usase
para estimar los efectos principales. En la tabla 1 se muestra que las combinaciones
lineales de las observaciones que se utilizan para estimar los efectos principales A, B, y
C son:
L A =1/2(a−b−c+abc)
L B =1/2(−a+b−c+abc)
L C =1/2(−a−b+c+abc)
L BC=1/2(a−b−c+abc)
L AC=1/2(−a+b−c+abc)
L AB=1/2(−a−b+c+abc)
L A → A +BC,
L B →B+AC
L C →C+AB
La estructura de los alias de este diseño pueden determinarse fácilmente con la
relación I = ABC, multiplicando cualquier efecto por la relación que define al diseño,
modulo 2, da como resultado los alias de dicho efecto. En el ejemplo anterior, los alias
son:
A = BC
Página 43 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Esta fracción un medio o semifracción, con I = +ABC, suele llamarse fracción principal.
Ahora supóngase que se eligió la otra mitad de la réplica. Esta se compone de las
combinaciones de tratamientos de la tabla 1 que tiene signo negativo asociado con
ABC. Esta fracción un medio o alterna que consta de las siguientes corridas:
Notación Notación 2
1
(1) ---
ab ++-
ac +-+
abc -++
Usando la fracción alterna, las combinaciones lineales de las observaciones, L’A, L’B y
L’C, son:
L' A → A−BC
L' B →B−AC
L' C →C−AB
E l diseño anterior 23-1 se conoce como diseño de resolución III. En tal diseño los
alias de los efectos principales son interacciones de dos factores. Un diseño es
resolución R si ningún efecto de p factores es alias de otro efecto que tenga menos R –
p factores. Usualmente, se emplea el numeral romano como subíndice para indicar la
Página 44 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
resolución del diseño. Así, la fracción un medio del diseño 2 3 definido por la relación I =
3−1
2III
ABC (o bien I = - ABC) constituye un diseño .
1. Diseño con resolución III: éstos son diseños en los que ningún efecto principal es
alias de otro, pero si lo son de las interacciones de dos factores; a su vez, estas
últimas son alias entre sí. El diseño 23-1 de la tabla 4.1 es de resolución III.
2. Diseño con resolución IV: En estos diseño ningún efecto principal es alias de otro
efecto principal, o bien, de alguna interacción de dos factores. Las interacciones
de dos factores son “alias” entre sí. Un diseño 2 4-1 con I = ABCD es de resolución
4−1
IV ( 2IV ).
3. Diseños resolución V: Estos son diseños en los que ningún efecto principal o
interacción de dos factores es alias de ningún efecto principal o interacciones
5−1
entre dos factores, un diseño 25-1 con I = ABCDE es de resolución V ( 2V ).
Página 45 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Un ingeniero decide probar los tres materiales de la cubierta, único factor controlable
a tres niveles de temperatura (15, 70 y 125 °F) consistentes en el entorno de uso final
del producto. Se prueban cuatro baterías a cada combinación de material de la
cubierta y temperatura, y las 36 pruebas se ejecutan al azar.
Temperatura F
Tipo de material 15 70 125
1 13 155 34 40 2 70
0 0
74 180 80 75 8 58
2
3 15 188 126 122 2 70
0 5
15 126 106 115 5 45
9 8
3 13 110 174 120 9 104
8 6
16 160 150 139 8 60
8 2
Página 46 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
ejemplo del uso del diseño experimental estadístico para el diseño de un producto
robusto (o consistente), un importante problema de ingeniería.
Este diseño es un ejemplo específico del caso general de un diseño con dos factores
(bifactorial). Para pasar al caso general, sea Yijk la respuesta observada cuando el
factor A se encuentra en el i-ésimo nivel (i -1, 2,..., n). En general, los datos observados
se verán como en la tabla 2. El orden en el cual se toman las abn observaciones es
aleatorio, de modo que éste es un diseño completamente aleatorizado.
{ {
Yijk=μ+τi+βj+(τβ)ij+εijk ¿ i=1,2,. .,a ¿ j=1,2,. .,b ¿¿¿¿
En donde es el efecto medio general, i es el efecto del i-ésimo nivel del factor
renglón A, j es el efecto del j-ésimo nivel del factor columna B, ()ij es el efecto de la
interacción entre i y j, ijk es el componente del error aleatorio. Inicialmente se
supone que ambos factores son fijos y que los efectos de tratamiento se definen como
a b
efectos de interacción son fijos y que se definen dé manera que: ∑i=1 ( τβ ) ij=0 . Hay
un total de abn observaciones porque se realizan n réplicas.
Página 47 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
S ea Yi..; el total de las observaciones bajo el i-ésimo nivel del factor A; Y.j. El total
de las observaciones bajo el j-ésimo nivel del factor B, Yij. El total de las
observaciones de la ij-ésima celda, e Y... el total general de todas las observaciones. Se
Página 48 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
b n
Yi..
Yi..=∑ ∑ Yijk Y i..= ;i=1,2,...,a
j=1 k=1 bn
a n
Y. j.
Y . j.=∑ ∑ Yijk Y . j.= ;j=1,2,...,b
i=1 k=1 an ¿
n
Y ... {
Yij.=∑ Yijk Y ij.= ; ¿ i=1,2,...,a ¿¿¿
k=1 n
¿
La suma total de cuadrados corregida puede expresarse mediante:
abn a b ab abn
2 2
¿a ¿∑ ∑(Yijk−Y. ) =¿bn∑(Yi.−Y. )+an∑(Y.j−Y. )+n∑ (Yij.−Yi.−Y.j+Y. ) ¿ +∑ ∑(Yijk-Yij.) ¿
2 2 2
Página 49 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
posible observar que es necesario tener al menos dos réplicas (n 2) para poder
obtenerla suma de cuadrados del error.
Esta descomposición del total de abn -1 grados de libertad para las sumas de
cuadrados se puede justificar como sigue: Los efectos principales de A y B tienen a y b
niveles, respectivamente, por lo tanto, tienen a -1 y b -1 grados de libertad como se
muestra.
Se observa que la suma de los grados de libertad de los términos del miembro derecho
de la ecuación anterior es igual al total de los grados de libertad.
Cada suma de cuadrados dividida entre sus grados de libertad produce una media de
cuadrados.
Por lo tanto, para probar el significado de ambos efectos principales, así como de su
interacción, simplemente deben dividirse las medias de cuadrados correspondientes
entre la media de cuadrados del error. Valores grandes de estas razones implican que
los datos no concuerdan con las hipótesis nulas.
Si se considera que el modelo estadístico es adecuado y que los términos del error ijk
son independientes con distribuciones normales con variancia constante 2, entonces
las razones de las medias de cuadrados MS A/MSE, MSB/MSE y MSAB/MSE tienen
Página 50 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Fuente de
Variación SS G.L. MS Fo
Tratamientos A SSA a - 1 MS A = MS A
SS A MS E
a−1
Tratamientos B SSB b-1
MS B = MS B
SS B MS E
b−1
Interacción SSAB (a - 1)(b -
MS AB= MS AB
1)
SS AB MS E
(a−1)(b−1)
Error SSE ab(n-1)
MS B=
SS E
ab(n−1)
Total SST abn - 1
Es posible obtener las fórmulas para calcular las sumas de cuadrados de la ecuación
anterior. La suma total de cuadrados se calcula en forma usual mediante:
b n 2
a
Y .. .2
SS T= ∑ ∑ ∑ Y ijk−
i=1
j=1 k=1 abn
Página 51 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Y 2 i.. Y 2 .. .
a
SS A =∑ −
bni=1 abn
Y 2 . j. Y 2 .. .
b
SS B=∑ −
anj=1 abn
Es conveniente obtener SSAB en dos etapas. Primero se calcula la suma de cuadrados
entre los totales de las ab celdas, conocida como la suma de cuadrados debido a los
"subtotales":
a b
Y 2 ij. Y 2 ...
SSsubtotales=∑ ∑ −
i=1 j=1 n abn
Esta suma de cuadrados contiene a la SS A y SSB. Por lo tanto, la segunda etapa consiste
en calcular SSAB mediante:
Ti Temperatura (F)
po
de
15 70 125 Yi..
M
at.
Página 52 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
1 1 1 3 4 2 7
3 5 4 0 0 0
2 2
0 5 539 / 4= 99
2 3
7 1 8
134. 758 7 9
8 5
0
4 8 0 5 2 8
0
2 1 1 1 1 2 7
5 8 3 2 5 0
4 1
0 8 6 2 13
623 7 9
1 1 1 1 5 4 00
9 8
5 2 0 1 8 5
9 6 6 5
3 1 1 1 1 9 1
3 1 7 2 6 0
5 3
8 0 4 0 4 15
576 8 4
1 1 1 1 8 6 01
3 2
6 6 5 3 2 0
8 0 0 9
Y.j 1738 1291 770 Y...
.= =
37
99
a b n
Y 2. . . 2
SST= ∑ ∑ ∑ Y ijk− =
i= 1 j=1 k= 1 abn
2
2 2 2 2 3799
130 +155 +74 +.. .+60 − =77,646. 97
36
Página 53 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
a
Y 2 i.. Y 2 ...
SSmaterial=∑ − =
i=1 bn abn
998 +1300 +15012 3799 2
2 2
(3)(4 )
−36 =10,683.72
b 2
Y . j . Y 2 ...
SStemperatura=∑ − =
j=1 an abn
1738 2 +1291 2+7702 37992
(3)(49
−36 =39,118.72
a b
Y 2 ij. Y 2 ...
SSinteraccion= ∑ ∑ − =
i =1 j=1 n abn
2 2 2 2
539 +229 +...+342 3799
4
−36 −10,683.72−
−39,118 .72=9,613.78
Página 54 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Fuente de G.L
variación SS . MS Fo
Tipo de material 10,683.7 2 5,341.86 7.91
2
Temperatura 39,118.7 2 19,558.3 28.97
2 6
Interacción 9,613.78 4 2,403.44 3.56
Error 18,230.7 27 675.21
5
Total 77,646.9 35
7
175
150
Duracion promedio
125
Yij. 100
Material tipo 3
75
50 Material tipo 1
Material tipo 2
25
15 70 125
Temperatura
Página 55 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
El hecho de que las rectas no sean paralelas indica una interacción significativa. En
general, a menor temperatura mayor duración, independientemente del tipo de
material.
Página 56 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
7.1 Introducción
Taguchi ha propuesto una alternativa no del todo diferente que se que conoce como:
Arreglos Ortogonales y las Gráficas Lineales.
Página 57 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
La (b)C
Donde:
a = Representa el número de pruebas o condiciones experimentales que se tomarán.
Esto es el número de renglones o líneas en el arreglo.
b = Representa los diferentes niveles a los que se tomará cada factor.
c = Es el número de efectos independientes que se pueden analizar, esto es el
número de columnas.
F A C T O R E S (c)
No. (a) A B C Resultado
1 1 1 1 Y1
2 1 2 2 Y2
3 2 1 1 Y3
4 2 2 1 Y4
tenemos el siguiente:
De acuerdo con la notación empleada por Taguchi al arreglo mostrado como
ejemplo, se le llama un arreglo L4, por tener cuatro renglones.
En general, para un arreglo a dos niveles, el número de columnas (efectos o factores)
que se pueden analizar, es igual al número de renglones menos 1.
Taguchi ha desarrollado una serie de arreglos para experimentos con factores a dos
niveles, los más utilizados y difundidos según el número de factores a analizar son:
Página 58 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Entre 16 y 31 L32 32
Entre 32 y 63 L64 64
Matriz o
tabla de
interaccione
s
Columnas 1 2 3 4 5 6 7
1 (1) 3 2 5 4 7 6
2 (2) 1 6 7 4 5
3 (3) 7 6 5 4
4 (4) 1 2 3
5 (5) 1 2
6 ¡(1) 6
7 (7)
1 3 2
3 5
1
.7 5 4
6
2 6 4
(a)
(b) 7
Página 59 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Gráficas lineales
Página 60 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Se asume que no hay interacciones por lo que se puede utilizar un arreglo L9,
realizando los experimentos se obtienen los datos siguientes con dos réplicas en cada
nivel del factor de ruido:
n
1
(
S / N=−10 log ∑ y 2i
n i =1 )
Las sumas de cuadrados son las siguientes:
Para el arreglo L9 con nueve respuestas Y1 a Y9 se tiene:
La suma de cuadrados del factor A es:
A1 = Y1 + Y2 + Y3
A2 = Y4 + Y5 + Y6
A3 = Y7 + Y8 + Y9
A 21 + A22 + A 33
SSA= −CF
3
(Y 1 +Y 2 +.. ..+Y 9 ) 2
CF=
9
La suma de cuadrados del factor B es:
Página 61 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
B1 = Y1 + Y4 + Y7
B2 = Y4 + Y5 + Y8
B3 = Y3 + Y6 + Y9
B21 + B22 + B33
SSB= −CF
3
(Y 1 +Y 2 +.. ..+Y 9 ) 2
CF=
9
S = *
Página 62 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Total 8 2276.21
S = *
Página 63 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
-10
-20
Mean of SN ratios
-30
-40
1 2 3 1 2 3
C D
-10
-20
-30
-40
1 2 3 1 2 3
Signal-to-noise: Smaller is better
45
30
15
Mean of Means
0
1 2 3 1 2 3
C D
60
45
30
15
0
1 2 3 1 2 3
5.70044 -10.5261
Factor levels for predictions
A B C D
1 1 3 2
Página 64 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
8.1 Introducción
Son dos herramientas para investigar la dependencia de una variable dependiente Y en
función de una variable independiente X. Y = f(X)
Regresión lineal - La relación entre X y Y se representa por medio de una línea recta
Regresión curvilinea - La relación entre X y Y se representa por medio de una curva.
Y * *
** * * * *
* * * *
* b1 * * * *
* * * *
* * * * * *
b0
Correlación positiva Correlación negativa X
Sin correlación
Y 0 1 X .........Con.base.en.la. población
Y b0 b1 X e...........Con.base.en.datos.de.la.muestra
´*
Y b0 b1 X ................Modelo.de.regresión .estimada
El término de error es la diferencia entre los valores reales observados Yi y los valores
estimados por la ecuación de la recta. Se trata de que estos sean mínimos, para lo cual
se utiliza el método de mínimos cuadrados.
Página 65 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
¿
Y
*
Error=Re siduo=(Yi−Yi)
X
Se trata de minimizar la suma de todos los errores o residuos:
Página 66 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Y
Yest = 4.4 + 1.08 X
Yi = 23 * Desviación no explicada
Error = (Yi - Yest) = 1.32
Variación total
(Yi-media)=5.13 Desviación explicada
(Yest-Ymedia) = 3.81
Ymedia =17.87
X = 16 X
Página 67 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Si todos los puntos estuvieran completamente sobre la recta la ecuación lineal sería y =
a + bx. Como la correlación no siempre es perfecta, se calculan a y b de tal forma que
se minimice la distancia total entre puntos y la recta. Los cálculos tomando las sumas
de cuadrados siguientes se muestran a continuación:
Sxy = 2027.71
Sxx = 698.56
Syy = 6105.94
b1 = β^ 1=
∑ ( Xi− X̄ )(Yi−Ȳ ) = S XY
∑ ( Xi− X̄ )2 S XX = 2.902704421
b0 = β^ 0 =
∑ Y i− β^ 1 ∑ X i =Ȳ − β^ X̄
n = 5.114515575
2 2
SSE=∑ (Y i−Y^ i ) = ∑ (Y i−(bo+b 1∗X i )) = 220.0926
Página 68 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
r= √ r 2 = 0.9816
Resumen
Estadísticas de la regresión
Coeficiente de 0.98181177
correlación múltiple 8
Coeficiente de 0.96395436
determinación R^2 8
0.96238716
R^2 ajustado 7
3.09341962
Error típico 7
Observaciones 25
Promedio
ANÁLISIS DE VARIANZA Suma de de
Grados de Cuadrados cuadrados F Valor
Página 69 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
libertad crítico de F
5885.8520 5885.8520 615.08008 4.24118E-
Regresión 1 69 69 98 18
220.09263 9.5692449
Residuos 23 48 92
6105.9447
Total 24 04
80.00
70.00
60.00 Y Tiempo
50.00
Y Tiempo
Pronóstico Y Tiempo
40.00
30.00 Lineal (Pronóstico Y
20.00 Tiempo)
10.00
0.00
0 5 10 15 20 25
X Servicios
Página 70 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
40
30
20
10
0
0 5 10 15 20
X Servicios
1 ( Xi X ) 2
Sy Se 1 ( Xi X ) 2
n SCx Syi Se 1
*
n SCx
IC . para. y!x Y est tSy *
IP de73Y est tSyi
. para71.Yx
Página
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
Página 72 de 73
CURSO DE DISEÑO DE EXPERIMENTOS P. Reyes / enero 2009
8.5 Ejercicios:
2. En base al porcentaje de puntualidad se trata de ver si hay correlación con las quejas
en una línea aérea. Las quejas son por cada 100000 pasajeros.
%puntos Quejas
Aerolinea X Y
A 81.8 0.21
B 76.6 0.58
C 76.6 0.85
D 75.7 0.68
E 73.8 0.74
F 72.2 0.93
G 70.8 0.72
H 68.5 1.22
Página 73 de 73