DISEÑO EXPERIMENTAL

FASE 4 – DISEÑO FACTORIAL

PRESENTADO A:
JUAN MENDOZA

ESTUDIANTE:

CÓDIGO: 1124855725

GRUPO: 30156_761

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

FECHA
MAYO 2020
Apéndice 4
1. A partir de la lectura del capítulo 6 del libro análisis y
diseños de experimentos, aplique los conceptos del diseño
factorial al siguiente enunciado.
Un estudiante en la UNAD, viene realizando experimentos sobre
la solubilidad de un extruido tipo cereal para el desayuno. El
estudio se encuentra enfocado en determinar el efecto del polvo
de hornear y la proporción de yuca que contiene el producto
sobre el índice de solubilidad en leche (ISL). El trabajo
experimental se localizó en la planta piloto de la ECBTI, en el
cual se utilizaron tres concentraciones de yuca y tres
concentraciones de polvo de hornear en la formulación del
extruido.

A continuación, se describe la tabla con los resultados para cada

uno de los tratamientos, cada variable de respuesta (ISL) se
midió 3 veces.

Tabla 1. Datos de ISL (%) del cereal para desayuno.

Polvo de hornear (%)

Yuca (%) Concentración Concentración Concentración
1 2 3
10.21 12.53 14.79
Concentración 1 10.64 12.50 14.85
10.85 12.39 15.21
10.67 12.26 15.75
Concentración 2 10.75 12.79 15.63
10.82 13.10 16.81
11.13 13.78 16.57
Concentración 3 11.56 14.91 16.88
11.88 14.53 17.30
 a. Plantear el modelo estadístico para este diseño, explicar
cada uno de los términos en función del ejercicio (5 /120)

Para la investigación planteada se desarrollará un análisis de varianzas

(ANOVA) de dos factores definidos por las siguientes variables.

 Variable de interés: Solubilidad de un extruido tipo cereal para el

desayuno.
 Factores: Proporción de Yuca (Factor A), Efecto del polvo para
hornear (Factor B)
 Nivel del factor: n=3

b. Realice las hipótesis de interés para la investigación

(igualdad y alterna). (5 /120)

Como se tienen 3 niveles por factor, entonces se plantean tres

conjuntos de hipótesis

H 0 :μ i=0 para todo i={1,2,3}

H a : μi ≠ 0 , para algún i={1,2,3 }

Ho: τ i=0 para todo i={1,2,3}

Ha: τ i ≠ 0 , para algún i={1,2,3 }

Ho: ( μτ )ij =0 para i, j={1,2,3 }

Ha: ( μτ )ij ≠ 0 , para algún i≠ j con i , j={1,2,3 }

Donde μi es la proporción de Yuca en el i-ésimo factor, τ i el promedio del

polvo para hornear en el i-ésimo nivel, y μ τ ij es la interacción entre los

factores.
 c. Realice los cálculos correspondientes al análisis de varianza

y elabore la tabla ANOVA correspondiente, = 0.05. (20
/120)

Para el análisis de varianzas se realizan la suma de todas las

observaciones por columna ( Y ij ) y luego por factor A ( Y i ), factor B ( Y j ), se
sintetiza la información en la siguiente tabla.

Polvo de hornear (%)

Yuca (%) Concentrac Concentrac Concentrac
Yi..
ión 1 ión 2 ión 3
10,21 12,53 14,79
Concentrac
10,64 12,5 14,85
ión 1 113,97
10,85 12,39 15,21

Yij. 31,7 37,42 44,85

10,67 12,26 15,75

Concentrac
10,75 12,79 15,63
ión 2 118,58
10,82 13,1 16,81

Yij. 32,24 38,15 48,19

11,13 13,78 16,57

Concentrac
11,56 14,91 16,88
ión 3 128,54
11,88 14,53 17,3

Yij. 34,57 43,22 50,75

Y=
Y.j. 98,51 118,79 143,79 361,09
Se pasa a desarrollar la tabla de la ANOVA, descomponiendo la variación

de las sumas de cuadrados ( SC), se tiene en cuenta con los grados de

libertad, dividiendo las sumas de los cuadrados entre los grados de

libertad correspondientes ( CM ). El cuadrado medio del error (CME) se

obtiene estadísticos de prueba de la distribución F de Fisher. Se

presenta la siguiente tabla

TABLA ANOVA
FV SC GL CM Fo Valor -p
μi: Yuca 12,324 2 6,1618 30,32 0,0000
τ i : Polvo h 114,317 2 57,1585 281,24 0,0000
μ τ ij 1,716 4 0,4289  2,80 0,057 
Error 2,756 22 2,80    
Total 131,112 26      

d. Realizar la validación de la ANOVA por medio de un

programa estadístico (diferente a Excel), adjuntar
pantallazo. (20 /120)
Se desarrollará la ANOVA en el software Minitab 17, así se ingresan los
datos
Obteniendo así la siguiente ANOVA
 e. A partir del resultado del valor – P y F 0 (2 criterios
diferentes), que se puede concluir con respecto a las
hipótesis planteadas. (10 /120)

Con una significancia del 5%, se tiene evidencia suficiente para rechazar
las hipótesis nulas μi=0 y τ i =0. En conclusión, se tiene evidencia
suficiente para afirmar que por lo menos uno de los niveles de la
proporción de Yuca y uno de los niveles del factor Polvo para hornear
afectan la solubilidad de un extruido tipo cereal para el desayuno.

Además, con una significancia del 5% se tiene evidencia suficiente para

aceptar la tercera hipótesis nula, es decir, que la interacción entre la
proporción de Yuca y los niveles de polvo para hornear, no afectan la
solubilidad de un extruido tipo de cereal para el desayuno.

Esta última conclusión no contradice las dos primeras, debido a que en

la primeras se aprecia las variables de manera independiente afectan la
solubilidad, mas no la interacción de ellas.

f. Realice las hipótesis para la comparación de las medias

para los tratamientos de la investigación. (10 /120)

Para la comparación de medias se plantean las hipótesis, para el Factor

A de proporción de Yuca Se tiene

H 0 :μ 1=μ2=μ3

H a : μi ≠ μ j para algúni ≠ j, con i , j={1,2,3 }

Para el factor el facto B, Polvo para hornear, se tiene

H 0 :τ 1=τ 2=τ 3

H a :τ i ≠ τ j para algún i≠ j , con i, j={1,2,3 }

 g. Aplique la prueba de Tukey con un alfa de 0.05, para
diferencia entre las medias de los tratamientos. (30/120)

Se presenta el test de Tukey

Nivel N Media Desviación estándar

Concentración 1 9 10,946 0,5072
Concentración 2 9 13,198 0,982
Concentración 3 9 15,977 0,9387

De los resultados se observa que las concentraciones 2 y 3 tienen igual

significancia y son mejores que la significancia que tiene la

concentración 1.

h. Describa al menos 4 programas o paquetes estadísticos que

son utilizados para el análisis de diseños experimentales.
(10 /120)

Para el análisis de diseños experimentales se tiene una gran diverisdad

de paquetes estadísticos, algunos de ellos son

 SPSS: Es uno de los programas más usados en la actualidad el cual

permite el trabajo con bases de datos de gran tamaño. Este

 programa se basa en un módulo base y módulos anexos los cuales se

actualizan constantemente con nuevos procedimientos estadísticos.

 R: Es el lenguaje de programación basado en lenguaje Python y

enfocado al análisis estadístico que más fuerza a tomado en el último

tiempo, esta herramienta permite el manejo de grandes volúmenes

de información y su análisis mediante la programación.

 Minitab: este programa permite calcular la mayoría de métodos

estadísticos habituales para el análisis investigativo, es una

herramienta bastante útil y de fácil manejo para la corroboración de

resultados y el análisis estadístico.

 H-Stat: es un complemento de Excel producido por la Editorial

Prentice Hall. Permite la creación de gráficos de control de calidad,

diagramas de tallos y hojas, cajas de dispersión, intervalos de

confianza en estimación, análisis de varianza, entre otros.

 BIBLIOGRAFÍA

 Gutiérrez, H., (2008). Análisis y diseño de experimentos. México

DF, México.

 Montgomery, D. C. (2005). Diseño y análisis de experimentos.

Limusa Wiley.