ASIGNATURA DISEÑO EXPERIMENTAL

:
DOCENTE: PEDRO JOSE FRAGOSO CASTILLA
Taller #5: Diseños Completos al
Azar
ESTUDIANTE: Karen Lorena Arias Benítez Identificación 1002353624
:
ESTUDIANTE: Linda Lucia Martínez Galván Identificación 1068392341
:
ESTUDIANTE: Enrique Luis Martínez Iseda Identificación 1066283777
:
ESTUDIANTE: Luanis Pérez Mendoza Identificación 1003038492
:
ESTUDIANTE: Gisell Rodríguez Rincón Identificación 1003087839
:
ESTUDIANTE: Andrea Pacheco Doria Identificación
:
FECHA: 20/04/2020 Calificación:

TALLER #5

1. Explique en qué consiste y cuándo se debe aplicar el diseño completamente al azar con un solo
criterio de clasificación.
El diseño completamente al azar se refiere a aquella prueba que se basa en un análisis de varianza, en
donde el total de esta es descompuesta en “varianza de los tratamientos” y “varianza del error”. Por
tanto, está centrado en comparar los tratamientos en cuanto a sus medias poblacionales y se utiliza
cuando el objetivo es comparar más de dos tratamientos.

2. Supongamos que se desea probar la igualdad entre sí de cinco medias. Una alternativa para
hacer esto sería comparar de dos en dos las medias, utilizando la prueba T de Student y al final
tomar una decisión. Explique por qué esto aumenta el error tipo I.
En este caso con 5 medias tenemos 10 posibles pares de medias.
Probabilidad de aceptar la Ho para cada prueba individual es
1-α=0,95,
Probabilidad de aceptar las diez Ho es
0,9510
= 0,5987
Lo cual representa un aumento considerable del error tipo I

3. ¿Qué mide el cuadrado medio del error en el ANOVA de un experimento?

En ANOVA, los cuadrados medios se utilizan para determinar si los factores (tratamientos) son
significativos. El cuadrado medio del tratamiento se obtiene dividiendo la suma de
los cuadrados del tratamiento entre los grados de libertad
 4. ¿Qué son los grados de libertad para una suma de cuadrados en un análisis de varianza?

Representa el número de piezas de información independientes en la suma de cuadrados. En

general, es el número de observaciones menos el número de parámetros estimados de los datos.

5. A continuación se muestra parte del ANOVA para comparar cinco tratamientos con cuatro réplicas
cada uno.

Fuente de variación Suma de cuadrados G. de libertad C. medio Razón F Valor-p

Tratamiento 800

Error 400

Total

a) Agregar en esta tabla los grados de libertad, el cuadrado medio y la razón F para cada una de las
fuentes de variación.
Fuente de Suma de G. de libertad C. medio Razón F Valor-p
variación cuadrados

Tratamiento 800 4 200 7,5 p (3.06>7.5)

Error 400 15 26,66

Total 1200 9

b) Explique de manera esquemática cómo calcularía el valor-p o la significancia observada, para ver si
hay diferencia entre tratamientos. Valor-p es el área bajo la distribución Fk-1, N-k a la derecha del
estadístico F0, es decir, el valor-p=P(F>F0)

c) ¿Con la información disponible se pueden hacer conjeturas sobre si hay diferencias significativas
entre tratamientos? Argumente su respuesta.
Es posible determinar la diferencia entre los tratamientos, mediante la información presentada en la
tabla ANOVA con el valor obtenido del estadístico F0 que sigue una distribución F con (k-1) grados
de libertad en el numerador y (N-k) grados de libertad en el denominador y el valor obtenido de la
tablas de la distribución F para probar la hipótesis de igualdad de los tratamientos con respecto a la
media de la correspondiente variable de respuesta. Ya que en caso de rechazar la hipótesis anterior se
estaría asumiendo que las medias de los tratamientos son diferentes.
 d) Anote el modelo estadístico y formule la hipótesis pertinente.

6. Se desea investigar el efecto del pH en el crecimiento de cierto microorganismo en un medio

específico. Para ello se realiza un experimento, teniendo como punto de partida la misma cantidad
de microorganismos. Se hacen cuatro repeticiones y se obtienen los siguientes resultados. ¿Estos
datos son evidencia suficiente para afirmar que los niveles de pH donde se logra menor y mayor
crecimiento son e1 3 y el 2, respectivamente? Explique su respuesta.

Nivel de pH Crecimiento promedio (en

%) Revisando el enunciado y los
1 80 datos brindados se puede
deducir, que no se puede
2 105 afirmar que el nivel de pH
3 75 influya directamente en el
crecimiento promedio, se
considera que hay más
factores que intervienen,
además es necesario que
nos proporcionen , además
es necesario que nos
proporcionen más datos por tratamiento para tomar esa decisión.

7. Se desea investigar la influencia de la temperatura en el rendimiento de un proceso químico, en

particular interesa investigar un rango de temperatura entre 60 y 120°C. Se tienen recursos para
realizar 20 corridas experimentales.

a) Los niveles de temperatura con los que se experimenta son: 60, 65, 70 y 120; se hacen cinco
repeticiones con cada nivel. ¿Considera que es adecuado el diseño experimental usado? Argumente
su respuesta, y de ser necesario proponga alternativas. No es adecuado el diseño el diseño
experimental debido a que los niveles de temperatura con los cuales se pretende experimentar no
están distribuidos uniformemente en el rango establecido, se recomienda hacer un experimento con 5
réplicas para los siguientes tratamientos: 60,80,100,120.

b) El orden en que decidieron hacer las corridas experimentales para facilitar el trabajo experimental
fue: primero las cinco del nivel bajo de temperatura, luego las cinco del siguiente y así hasta finalizar.
¿Es correcto lo que hicieron? Argumente su respuesta. No es correcto, las corridas experimentales
 deben ser aleatorias para que el resultado de un tratamiento no influya en el inmediato siguiente ( no
violar los supuestos del modelo).

c) Para hacer el análisis estadístico se comparan, mediante una prueba T de Student, de dos en dos
niveles de temperatura, y con base en esto obtuvieron conclusiones. ¿Es adecuado tal análisis?,
argumente, y en su caso proponga alternativas.

No adecuado, aumenta el error tipo I : rechazar la Ho siendo verdadera en cada par de medias.

8. Describa en qué consiste cada uno de los supuestos del modelo en un análisis de varianza, y
explique la forma típica en que estos supuestos se verifican.
Normalidad: consiste en que los residuos sigan una distribución normal con media
cero y se verifica graficando los residuos en una escala X-Y de tal manera que si los
residuos siguen una distribución normal al graficarlos tienden a quedar alineados en
una línea recta.
Varianza constante: comprobar que los residuos de cada tratamiento tienen la
misma varianza, es verificado graficando los predichos contra los residuos y si los
puntos en esta grafica se distribuyen de manera aleatoria en una banda horizontal
(sin ningún patrón claro y contundente) entonces es señal de que cumple el supuesto
de que los tratamientos tienen igual varianza.
Independencia: probar que los residuos son independientes entre sí, se verifica si
se grafica el orden en que se colecto un dato contra el residuo correspondiente, de
esta manera si al graficar en el eje horizontal al tiempo (orden de corrida) y en el eje
vertical los residuos, se detecta una tendencia o patrón no aleatorio claramente
definido, esto es evidencia de que existe una correlación entre los errores y por lo
tanto el supuesto de independencia no cumple.

9. ¿Qué son y cuándo se aplican las pruebas para comparar medias?

Son métodos que nos permiten hacer comparaciones entre todos los posibles pares de medias,
dependiendo del número de tratamiento para identificar cuales resultaron diferentes, se aplica
cuando se rechaza la Ho (todas las medidas son iguales)

10. En una industria química se prueban diferentes mezclas para ver si difieren en cuanto al peso
molecular final. Se prueban cuatro diferentes mezclas, con cinco repeticiones cada una. A
continuación, se muestra una parte de la tabla del análisis de varianza y los promedios obtenidos
para cada mezcla.
 Fuente de variación Valor p

Mezcla 0.01

Error

a) ¿Las mezclas difieren de manera significativa en cuanto a su peso molecular?

Sí, se puede observar en los datos, una diferencia significativa entre el peso molecular.

b) Con el análisis de varianza y de acuerdo al promedio, ¿se puede asegurar que con la mezcla B se
logra un menor peso molecular? Argumente su respuesta.

No, dado que es necesario saber qué condiciones influyeron en cada uno de los
experimentos.

c) Si al verificar los supuestos de varianza constante (igual varianza entre las mezclas), éstos no se
cumplen, ¿qué significa eso? ¿Se puede seguir apoyando la conclusión del inciso a)?

Sí, ya que al inicio se especificó que hay una gran diferencia entre los tratamientos, esto se debe
a una diferencia notable entre las varianzas.

11. Se hace un estudio sobre la efectividad de tres marcas de spray para matar 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 hacen seis réplicas y los resultados obtenidos se muestran a
continuación.

Número de réplica

Marca de spray 1 2 3 4 5 6

1 72 65 67 75 62 73

2 64 74 61 58 51 69

a) Formule la hipótesis adecuada y el modelo estadístico.

H0: µ1= µ2= µ3= µ (Las medias de los tres tratamientos son estadísticamente iguales)

HA: µi ≠ µj para algún i ≠j (Al menos dos son distintos) Con un criterio de Rechazo: F0 > F (α, k-1,
N-k)Se ha utilizado el Análisis de Varianza para llegar a la solución.

b) ¿Existe diferencia entre la efectividad promedio de los productos en spray?

ANOVA unidireccional: M1, M2, M3
Fuente GL SC MC F P
Factor 2 296.3 148.2 2.79 0.093
Error 15 795.7 53.0
Total 17 1092 .0
S = 7.283 R-cuad = 27.14% R-cuad.(ajustado) = 17.42%
Dado el criterio de rechazo anterior con α=0.05, si 2.79 > F (o.o5, 3-1, 18-3) se
rechaza la H0.2.79 > 3.682 (No se cumple, por lo tanto no se rechaza la hipótesis
nula, indicando que no hay diferencia entre la efectividad promedio de los productos
en Spray) Otra forma de decirlo es al ver que el valor P=0.093 no es menor que el
valor prefijado de α=0.05.

12. En un centro de investigación se realiza un estudio para comparar varios tratamientos que, al
aplicarse previamente a los frijoles crudos, reducen su tiempo de cocción. Estos tratamientos son a
base de bicarbonato de sodio (NaHCO3) y cloruro de sodio o sal común (NaCl). El primer
tratamiento es el de control, que consiste en no aplicar ningún tratamiento. El tratamiento T2 es el
remojo en agua con bicarbonato de sodio, el T3 es remojar en agua con sal común y el T4 es
remojar en agua con una combinación de ambos ingredientes en proporciones iguales. La variable
de respuesta es el tiempo de cocción en minutos. Los datos se muestran en la siguiente tabla:

Control T2 T T4
3
213 76 57 84

214 85 67 82

204 74 55 85
 208 78 64 92

212 82 61 87

200 75 63 79

207 82 63 90

a) ¿De qué manera el experimentador debe aleatorizar los experimentos y el material experimental?

: Los datos deben ser seleccionados completamente al azar, de esta manera se determinará el
orden que se van a realizar los experimentos.

b) Dé ejemplos de factores que deben estar fijos durante las pruebas experimentales, para que no
afecten los resultados y las conclusiones.

: Los factores que deben estar fijos son:

•Especie de frijoles

•Calidad de reactivos utilizados

•Volumen de agua utilizado

•Grosor de recipiente donde se cocerán

•Tipo de flama utilizada en el experimento

c) Formule y pruebe la hipótesis de que las medias de los tratamientos son iguales.

Ho:μ1=μ2=μ3=μ4

Ha:μ i ≠ μ j ;

Al menos hay una pareja de las medias de tiempos de cocción que son
diferentes

ANÁLISIS DE VARIANZA

Valor
critico para
Fv Sc G Cm F Probabilida F
l d
 Entre 2174 2 1887 59,239619 1, 2074E- 3,5545571
grupo 4 08 5
s

Dentr 330,28571 1 18,349206

o de 4 8 3
los
grupo
s

Total 2504,2857 2
1 0

El valor crítico de F es mayor que el valor F de tablas, por lo tanto, es aceptada de

HA, de acuerdo a los resultados obtenidos se acepta la hipótesis alternativa.

13. Para estudiar la confiabilidad de ciertos tableros electrónicos para carros, se someten a un
envejecimiento acelerado durante 100 horas a determinada temperatura, y como variable de interés
se mide la intensidad de corriente que circula entre dos puntos, cuyos valores aumentan con el
deterioro. Se probaron 20 módulos repartidos de manera equitativamente en cinco temperaturas y
los resultados obtenidos fueron los siguientes:

20° 40° 60°C 80°C 100

C C °C
15 17 23 28 45

18 21 19 32 51

13 11 25 34 57

12 16 22 31 48

a) Formule la hipótesis y el modelo estadístico para el problema.

Factor: La temperatura

Niveles: T1, T 2, T3, T4 y T5

Variables: Intensidad de corriente que circula entre los puntos

Replicas: 4

b) Realice el análisis de varianza para estos datos, a fin de estudiar si la temperatura afecta la
intensidad de corriente promedio.
Modelo estadístico

KiF= R + H + WiF

I: 1,2,3,4 y 5

KiF representa la intensidad de corriente de la repetición F del tratamiento i, R la

media poblacional del valor de la intensidad, H el efecto del iesimo tratamiento en
temperaturas y WiF el error asociado a la observación, distribuidos normalmente
con media 0 varianza o2 e independientes.

c) ¿La temperatura afecta la variabilidad de las intensidades? Es decir, verifique si hay igual varianza
entre los diferentes tratamientos.

Análisis de varianza de un factor

RESUMEN Modelo estadístico

KiF= R + H + WiF

I: 1,2,3,4 y 5

KiF representa la intensidad de corriente de la repetición F del tratamiento i, R la

media poblacional del valor de la intensidad, H el efecto del iesimo tratamiento en
temperaturas y WiF el error asociado a la observación, distribuidos normalmente
con media 0 varianza o2 e independientes.

Grupo Cuenta Suma Promedio Varianza

20°C 4 58 14.5 7

40°C 4 65 16.25 16.91666

60°C 4 89 22.25 6.25

80°C 4 125 31.25 6.25

100°C 4 201 50.25 26.25

ANALISIS DE VARIANZA

Origen de las variaciones Suma de cuadrados Grados de libertad

Entre grupos 3411.8 4

 Dentro de los grupos 188 15
Total 3599.8 19

Promedio de los F Probabilidad Valor crítico para

Cuadrados 68.0545213 1.9635E-09 F

852.95 3.05556828

12.5333333
Total
3599.8 19

Ya que F0= 68.05>F0.05= 3.05 se rechaza H0 que significa que podemos afirmar
que diferencia significativa entre las diferentes intensidades de corriente promedio,
las diferentes temperaturas si afecta la respuesta de cada una de las intensidades.
Dado que la probabilidad= 1,9635E-09 es menos que el a= 0,05 se rechaza.