Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Anidados PDF
Anidados PDF
Niveles de B
Niveles de A 1 2 3 4 5
Todos los niveles de cada factor
1 y11 y12 y13 y14 y15
están combinados con todos los
2 y21 y22 y23 y24 y25
niveles de los restantes factores
3 y31 y32 y33 y34 y35
4 y41 y42 y43 y44 y45
Niveles de B
Niveles de A 1 2 3 4 5
1 y11 y12
2 y23
3 y34
4 y45
La presencia de un nivel de B depende de la de un cierto nivel de A; en este
caso diremos que el factor B está anidado en el factor A, y con Bj(i) indicaremos
que el j¡ésimo nivel de B corresponde al i-ésimo de A.
Modelo equilibrado: Un factor anidado con el mismo número de obser-
vaciones por celda
Modelo no-equilibrado: Un factor anidado con distinto número de ob-
servaciones por celda
1
DISEÑO JERÁRQUICO CON UN FACTOR ANIDADO Y
EL MISMO NÚMERO DE OBSERVACIONES POR CELDA
1) Distinto no de niveles del factor anidado por cada nivel del factor principal
MODELO ESTADÍSTIC0
µ : la media global
τi : el efecto del nivel i¡ésimo del factor A; (i = 1, 2, ¢ ¢ ¢ , a)
β j(i) : el efecto producido por el nivel j¡ésimo del factor B dentro del nivel
i¡ésimo del factor A, (j = 1, 2, ¢ ¢ ¢ , bi )
(k = 1, 2, ¢ ¢ ¢ , r) : r es el número de réplicas
X
n: número de observaciones: n = r i
bi
2
ECUACIÓN BÁSICA DEL ANÁLISIS DE LA VARIANZA
SCT = SCA + SCB(A) + SCR
H0 ´ τ i =0 ; 8i ; H0 ´ β j(i) =0 ; 8i,j
X
R : el número total de niveles del factor B R = bi
i
X
n el número total de observaciones. n = r £ bi
i
SCA SCB(A)
CM A CM B(A)
Fexp(A)= a ¡ 1 = ; Fexp(A(B)) = R ¡ a =
SCR CM R SCR CM R
R(r ¡ 1) R(r ¡ 1)
3
MODELO DE EFECTOS ALEATORIOS
SCA SCB(A)
CM A CMB(A)
Fexp(A) = a ¡ 1 = ; Fexp(A(B))= R ¡ a =
SCB(A) CM B(A) SCR CM R
R¡a R(r ¡ 1)
Bajo H0 Fexp(A) Ã Fa¡1;R¡a Bajo H0 Fexp(A(B)) Ã FR¡a;R(r¡1)
4
Ejemplo. Diseños con un factor anidado (no-balanceado)
Una entidad bancaria tiene siete sucursales en tres ciudades, distinguiéndose
éstas por su distinto carácter económico. En la central del banco están intere-
sados en saber si la diferente captación de clientes, medida por el volumen de
las cuentas corrientes, entre unas sucursales y otras, así mismo entre ciudades,
se debe al hecho de ser las ciudades diferentes económicamente, a la labor de
los directores de las sucursales, o a ambas cosas a la vez. Para contrastar estas
posibles fuentes de variabilidad, se decide utilizar un diseño factorial jerárquico
(los niveles del factor sucursales no pueden combinarse con todos y cada uno de
los niveles del factor ciudades) y se toma una muestra de tres cuentas corrientes
en cada sucursal, en miles de ptas.
Ciudad 1 Ciudad 2 Ciudad 3
Sucursales Suc. 1 Suc. 2 Suc. 1 Suc. 2 Suc. 3 Suc. 1 Suc. 2
1150 1120 1060 1043 1020 800 835
1157 1119 1050 1048 1010 860 810
1148 1125 1056 1052 1030 827 870
yij. 3455 3364 3166 3143 3060 2487 2515
yi.. 6819 9369 5002
Modelo jerárquico con un factor anidado: las sucursales están jerarquizadas
según las ciudades.
X 2
y::: (21190)2
2 2 2
SCT = yijk ¡ = (1150) + ¢ ¢ ¢ + (870) ¡ = 298766,96
n 21
i;j;k
3 · ¸
1 X yi::
2 2
y::: 1 (6819)2 (9369)2 (5002)2 (21190)2
SCA = ¡ = + + ¡ =
r i=1 bi n 3 2 3 2 21
= 291204,12
a
1X 2 1 X yi::
2
1£ ¤
SCB(A) = yij: ¡ = (3455)2 + (3364)2 + ¢ ¢ ¢ + (2515)2 ¡
r i;j r i=1 bi 3
· ¸
1 (6819)2 (9369)2 (5002)2
¡ + + = 3583,5
3 2 3 2
5
F. V. S. C. G. L. C. M.
Factor A SCA = 291204,12 2 CM A = 145602,06
Fact B en A SCB(A) = 3583,50 7 ¡ 3 = 4 CMB(A) = 895,8750
Error SCR = 3979,33 2 £ 7 = 14 CMR = 284,2381
TOTAL SCT = 298766,96 20
Modelo de efectos fijos: Ciudades (factor A) y Sucursales (factor B ). son
de efectos fijos.
H0A ´ τ i = 0 y H0B(A) ´ β j(i) = 0
F.V. g.l. C.M. Fexp
Factor A 2 CM A = 145602,06 CMA/CM R = 512,254
Fact B en A 4 CM B(A) = 895,8750 CM B(A)/CMR = 3,152
Error 14 CM R = 284,2381
Si α = 0.05, como Fexp(A) = 512,254 > F0,05;2,14 = 3,74, la captación de clientes
es significativamente distinta en los tres tipos de ciudades, debido al hecho de
su distinto carácter económico y Fexp(A(B)) = 3,152 > F0,05;4,14 = 3,11 la labor de los
directores de sucursal también es significativamente distinta.
Modelo de efectos aleatorios: Ciudades (A) y Sucursales (B) son de
efectos aleatorios
H0A ´ σ 2A = 0 y H0B(A) ´ σ2B = 0
F.V. g.l. C.M. Fexp
Factor A 2 CM A = 145602,06 CMA/CM B(A) = 162,525
Fact B en A 4 CM B(A) = 895,8750 CM B(A)/CM R = 3,152
Error 14 CM R = 284,2381
Si α = 0.05, como Fexp(A) = 162,525 > F0,05;2,4 = 6,94, los distintos niveles del factor
A (Ciudades) son significativamente distintos y Fexp(B(A)) = 3,152 > F0,05;4,14 = 3,11
también son significativamente distintos los efectos del factor B (sucursales).
Modelo de efectos mixtos: Ciudades (A): Efectos fijos y Sucursales
(B): Efectos aleatorios. Los contrastes H0A ´ τ i = 0 8i y H0B ´ σ2B = 0 se
resuelven como en el modelo de efectos aleatorios llegándose a las mismas
conclusiones.
6
2) Igual no de niveles del factor anidado en todos los niveles del factor principal
MODELO ESTADÍSTIC0
8
< i = 1, 2, ¢ ¢ ¢ , a
yijk = µ + τ i + β j(i) + u(ij)k j = 1, 2, ¢ ¢ ¢ , b
:
k = 1, 2, ¢ ¢ ¢ , r
Diseño anidado balanceado: El mismo no de niveles de B dentro de cada
nivel de A y el mismo no de réplicas.
EJEMPLO
Consideremos una compañía que compra su materia prima a tres diferentes
proveedores. La compañía desea determinar si la pureza de la materia prima de
cada uno de los proveedores es la misma. Hay cuatro lotes de materia disponible
de cada proveedor y se hacen tres determinaciones de la pureza de cada lote.
7
Ejemplo: Diseños con un factor anidado (balanceado)
Un compañía compra su materia prima por lotes a tres proveedores. La
pureza de la materia prima varía considerablemente, se desea determinar si la
variabilidad en la pureza puede atribuirse a diferencias entre los proveedores.
Para ello, selecciona al azar cuatro lotes de materia prima y se hacen tres
determinaciones de la pureza sobre cada lote.
Proveedores 1 2 3
Lotes 1 2 3 4 1 2 3 4 1 2 3 4
1 ¡2 ¡2 1 1 0 ¡1 0 2 ¡2 1 3
Observaciones ¡1 ¡3 0 4 ¡2 4 0 3 4 0 ¡1 2
0 ¡4 1 0 ¡3 2 ¡2 2 0 2 2 1
8
Ejemplo: Diseños con un factor anidado (balanceado)
Con el propósito de estudiar el rendimiento de cinco máquinas diferentes, se
realiza un experimento en el que cada máquina es operada por cuatro diferentes
operarios y se seleccionan y prueban cuatro piezas de cada operador y se mide el
tiempo que tardan en realizarlas. Debido a que las máquinas están en diferente
localidad no es posible usar los mismos operarios en cada máquina; además los
operarios se eligen al azar.
Máquinas
Operario A B C D E
1 6,2,0,8 10,9,7,12 0,0,5,5 11,0,6,4 1,4,7,9
2 13,3,9,8 2,1,1,10 10,11,6,7 5,10,8,3 6,7,0,3
3 1,10,0,6 4,1,7,9 8,5,0,7 1,8,9,4 3,0,2,2
4 7,4,7,9 0,3,4,1 7,2,5,4 0,8,6,5 3,7,4,0
9
DISEÑO JERÁRQUICO FACTORIAL
DISEÑO JERÁRQUICO Y FACTORES CRUZADOS
MODELO ESTADÍSTICO
µ : la media global
τi : el efecto del nivel i¡ésimo del factor A; (i = 1, 2, ¢ ¢ ¢ , a)
βj : el efecto producido por el nivel j¡ésimoel factor B ;(j = 1, 2, ¢ ¢ ¢ , b)
: el efecto producido por el nivel k¡ésimoel factor C dentro del nivel
γ k(j)
j¡ésimo del factor B; (k = 1, 2, ¢ ¢ ¢ , c)
(τ β)ij : el efecto producido por la interacción A £ B
(τ γ)ik(j) : el efecto producido por la interacción del factor A £ C dentro
del factor B
(l = 1, 2, ¢ ¢ ¢ , r) donde r denota el número de réplicas
: el error experimental. Se suponen variables aleatorias independi-
u(ijk)l
entes N(0, σ)
C está anidado en B ) no existen las interacciones B £ C ni A £ B £ C.
A está cruzado con B y C ) Puede existir interacción entre A£B y A £ C
10
X 2 a
X
2 y:::: y2 i:::
2
y::::
SCT = yijkl ¡ SCA = ¡
abcn i:=1
bcn abcn
i:j:k:l
Xb 2 X y:jk:
2 Xb 2
y:j:: y2 y:j::
SCB = ¡ :::: SC(C(B)) = ¡ .
j=1
acn abcn an j=1
acn
j;k
X yij::
2 2
y::::
SC(A £ B) = ¡ ¡ SCA ¡ SCB
i;j
cn abcn
X yijk:
2 X y:jk:
2 X yij::
2 Xb 2
y:j::
SC(A £ C(B)) = ¡ ¡ + ;
n an i;j
cn j=1
acn
i;j;k j;k
11
Ejemplo: Diseños con un factor anidado y dos factores cruzados
En un experimento se trata de mejorar la rapidez de ensamblaje en una
línea de producción, para ello se estudia la intersección manual de componentes
electrónicos en circuitos impresos. Se diseñan tres aparatos para ensamblar y
dos distribuciones del lugar de trabajo. Se requiere que los operadores realicen
el ensamblaje y se decide seleccionar a cuatro para cada combinación aparato-
distribución. Sin embargo, no se pueden probar a los mismos cuatro operadores
en cada distribución de lugar de trabajo debido a que los lugares de trabajo
están en diferentes localidades dentro de la planta. Por lo tanto, los cuatro
operadores de la distribución 1 son diferentes a los de la distribución 2. Se
obtienen aleatoriamente dos réplicas de cada combinación de tratamientos de
este diseño. Los tiempos de ensamblaje se muestran en la siguiente tabla
Distribución 1 Distribución 2
Operario 1 2 3 4 1 2 3 4 yi...
22 23 28 25 26 27 28 24
Aparato 1 24 24 29 23 28 25 25 23
404
30 29 30 27 29 30 24 28
Aparato 2 27 28 32 25 28 27 23 30
447
25 24 27 26 27 26 24 28
Aparato 3 21 22 25 23 25 24 27 27
401
X 2
y:::: (1252)2
2
SCT = yijkl ¡ = 32956 ¡ = 299,67
abcr 48
i:j:k:l
X
2
yi:::
2
i y:::: (1252)2
SCA = ¡ = 32739,13 ¡ = 82,80
bcr abcr 48
X
2
y:j::
2
j y:::: (1252)2
SCB = ¡ = 32660,42 ¡ = 4,08
acr abcr 48
12
X
2
yij::
2
i;j y:::: (1252)2
SC(A £ B) = ¡ ¡ SCA ¡ SCB = 32762,25 ¡ ¡
cr abcr 48
= 82,80 ¡ 4,08 = 19,04.
X X
2 2
y:jk: y:j::
j;k j
SC(C(B)) = ¡ = 32732,33 ¡ 32660,42 = 71,91
ar acr
X X X X
2 2 2 2
yijk: y:jk: yij:: y:j::
i;j;k j;k i;j j
SC(A £ C(B)) = ¡ ¡ = +
r ar cr acr
= 32900 ¡ 32732,33 ¡ 32762,25 + 32660,42 = 65,84
SCR = SCT ¡SCA¡SCB ¡SC(A£B)¡SC(C(B))¡SC(A£C(B)) = 56
13