Unidad 2: ANOVA de dos factores – Semana 7

Tema: ANOVA de dos factores

Bibliografía:
 Montgomery, D. y Runger, G. (2005) Probabilidad y estadística aplicadas a la ingeniería. México,
D.F.: Limusa Wiley. Capítulo 13. Sección 13.1 y 13.4
 Triola, M. (2013). Estadística. 11va. Edición. Pearson Educación, México, D.F. Capítulo 12. Sección
12.3 y 12.4.

Verificando tus conocimientos previos

Actividad estudiante con profesor

La pregunta de investigación es: ¿Qué factores influyen en la mayor conservación del queso?

A partir de revisar el siguiente video sobre la conservación de queso: https://youtu.be/Q-8-D4Xisy8

Discuta con sus compañeros de su sección e indique al menos dos factores que puede incluirse en la
hipótesis de investigación.

La hipótesis de investigación es: ¿Cómo afecta el tipo de queso y el método de conservación al tiempo
de conservación del queso?

Complete los elementos del diseño experimental:

Factor A Tipo de queso

Niveles del factor A Queso fresco, queso tierno, queso curado

Factor B Método de conservación

Niveles Envase de plástico, papel aluminio y papel de horno.

Queso fresco – envase de plastic
Queso fresco-papel aluminio
Queso fresco – papel horno

Queso tierno- envase de plástico

Tratamientos Queso tierno- papel aluminio
Queso tierno- papel horno

Queso curado-envase de plástico

Queso curado- papel aluminio
Queso curado- papel horno
Número de tratamientos 3* 3 = 9 tratamiento

Variable respuesta Tiempo de conservación del queso, dias

Unidad experimental Un trozo de queso

40
 Yij= u + Tau i + βj +(Tau β)ij +eijk i= 1,2,3 j = 1,2,3, K= repeticiones
Modelo matemático
en cada tratamiento
Existe interacción entre los niveles de los factores sobre la variable
Hipótesis estadística
respuesta.
Existe interacción entre los tipos de quesos y los métodos de conservación sobre el tiempo de
H1:
conservación del queso.

Después de la revisión de la infografía

Actividad estudiante con profesor

Caso: Duración de la pintura de las piezas de las aeronaves.

Un ingeniero sospecha que el tipo de pintura tapaporos y el método de aplicación afectan el
tiempo de duración de la pintura de las piezas de las aeronaves. Él está interesado en
determinar si algún tipo de pintura con algún nivel del método de aplicación influyen en el
tiempo de duración de la pintura de las piezas de las aeronaves. Idea dos experimentos,
obteniendo las siguientes gráficas.

¿En cuál de las gráficas se logra apreciar el interés del ingeniero?

Se puede presentar cualesquiera de las dos situaciones siguientes:

Sin Interacción Con Interacción

Método de aplicación Método de aplicación

Para cualesquiera de los métodos de aplicación Para el método de aplicación T1 y T2 la pintura P2,
que se use, el tipo de pintura P1 sería la que obtiene la mayor duración; mientras para T3 la
presenta mayor tiempo de duración. pintura P1 obtiene la mayor duración.

Hipótesis inicial en un Diseño Factorial:

Ho: No existe interacción entre los niveles de los factores sobre la variable respuesta.

H1: Existe interacción entre los niveles de los factores sobre la variable respuesta.

Analizar los efectos de cada

¿Se Rechaza Ho? No
factor por separado
Si

Prueba de 41
comparaciones
para la interacción
 De la teoría a la práctica, aprendamos a interpretar
el ANOVA para dos factores
Actividad estudiante con profesor

Fuente de Grados de Suma de Cuadrado F

variación libertad cuadrados medio
A a-1 SC(A) CM(A) CM(A)/CME
B b -1 SC(B) CM(B) CM(B)/CME
AB (a -1) (b -1) SC(AB) CM(AB) CM(AB)/CME
Error ab (n – 1) SCE CME
Total abn - 1 SCT

i = 1,2,3…. a a, es el número de niveles del factor A

j = 1,2,3 …. b b : es el número de niveles del factor B

SC TOTAL = SCA + SCB +SC(AB) +SCE

Fcal= CM(AB) /CME

Caso: Tecno Gas S. A.

Tecno Gas S. A. es una empresa que fabrica y comercializa termas a gas para uso doméstico e industrial. La
terma a gas es un artefacto calentador de agua que funciona de forma continua mediante la combustión de
42
gas. Su planta de producción está ubicada en la ciudad del Callao y sus productos se comercializan a través
de sus locales de venta y centros comerciales ubicados en Lima y Provincias. Constantemente está
mejorando su tecnología para producir termas a gas a un precio competitivo y de primerísima calidad,
reduciendo al mínimo las fallas y reclamos de los clientes. El Jefe del departamento de ingeniería está
interesado en determinar si hay influencia del turno de producción y la capacidad de las termas en el
porcentaje de termas con defecto. Para esto diseña un experimento factorial con tres niveles del turno de
producción y tres niveles de la capacidad de las termas, obteniendo la siguiente información:

Turno de Capacidad
producción 10 L 14 L 18 L
3,8 5,5 4,5
Mañana 4,0 5,0 4,0
4,2 4,8 4,2
4,5 5,0 3,8
Tarde 4,2 5,3 4,0
4,8 5,8 3,5
5,0 6,0 3,8
Noche 4,5 5,8 4,0
5,2 5,5 4,1

¿Qué capacidad de terma y/o turno de producción debe elegir jefe de departamento de ingeniería, para
obtener menor porcentaje de termas con defectos? Realice el análisis correspondiente con un nivel de
significación del 5%.

Pregunta 1: Completar los siguientes elementos del experimento:

Variable Respuesta Porcentaje de termas con defectos

Factor A Turno de producción

Niveles del Factor A Mañana tarde y noche

Factor B Capacidad de la terma
Niveles del Factor B 10L 14L y 18L

Tratamientos
Mañana -10L Noche-10L
Mañana -14L Noche-14L
Mañana . 18L Noche-18 L

Tarde- 10L
Tarde-14L
Tarde-18 L

Unidad experimental Un lote de termas

Número de réplicas 3
(repericiones) por
tratamiento
Modelo Y ijk =μ+τ i + β j +(τβ)ij +ε ijk

43
 H1: Existe interacción entre los turnos de
Hipótesis alterna
producción y las capacitades de terma sobre
el porcentaje de termas con defecto.

Pregunta 2: Prueba de supuestos:

Prueba Anderson Darling Prueba de Barlett

AD= 0.327 EP=2.34
Valor-p=0.505 Valor-p=0.969

PRUEBA DE NORMALIDAD
Prueba de A_D
Ho: Los errores o residuos tienen distribución normal.
H1. Los errores o residuos NO tienen distribución normal.

p-valor = 0.505 > alfa= 0.05, NRHo

conclusión:
a un n.s. del 5%, existe evidencia estadística para afirmar que los errores o residuos tiene distribución
Entonces el supuesto se cumple.

PRUEBA DE HOMOGENEIDAD DE VARIANZAS:

Prueba de Barlett

Ho: Las varianzas de los tratamientos son iguales . OK

H1. Al menos una varianza de algún tratamiento es diferente X

p-valor = 0.969 > alfa= 0.05, NRHo

conclusión:
a un n.s. del 5%, existe evidencia estadística para afirmar que las varianzas de los tratamientos son similares
o iguales.
Entonces el supuesto se cumple.

Pregunta 3: Completar la siguiente tabla de Análisis de Varianza:

Fuente de Grados de Suma de Cuadrado F

Variación libertad cuadrados medio
Turno 2 0.9267 0.4635
Capacidad b-1= 3-1 =2 9.4289 4.71445

44
 Turno*Capacidad 4 1.2978 0.32445 3.81
Error 26-2-2-4= 18 1.5333 0.08518
Total 26 13.1867

SC TOTAL = SCA + SCB +SC(AB) +SCE

13.1867= 0.9267+9.4289+SCAB + 1.5333

SC AB = 1.2978

Gráfica de
Pregunta 4: Completar la siguiente distribucióngráfica e indique la decisión:
la siguiente
F, df1=4, df2=18

0.7

0.6
Decisión: _RHo_____
0.5
Fcal= 3.81_> Fcrítico=2.928
Densidad

0.4

0.3

0.2

0.1
Conclusión:
0.05
0.0
0 2.928
A un 5% de n.s. hay
X
evidencia estadística para
afirmar que existe
interaccion entre los turnos
de producción y la
capacidad de las termas
Recuerda sobre el porcentaje de
termas con defectos
Fcrítico = F[⍺,(a-1)(b-1),ab(n-1)] =

F(0.05;glAB, glE) = F(0.05;4;18)= 2.928

Actividad realizada por el profesor

a. ¿Qué capacidad de terma y/o turno de producción debe elegir jefe de departamento de ingeniería,
para obtener menor porcentaje de termas con defectos?

Con un nivel de sig del 5%, los tratamientos con menor porcentaje de termas defectuosas son :

Mañana y 10 L ó noche y 18 L ó Tarde con 18 litros.

El siguiente reporte proviene del programa estadístico Minitab:

Agrupar información utilizando el método de Tukey y una confianza de 95%

45
 Turno*Capacida
d N Media Agrupación

Noche 14 L 3 5.76667 A        
Tarde 14 L 3 5.36667 A B      
Mañana 14 L 3 5.10000 A B C    
Noche 10 L 3 4.90000   B C D  
Tarde 10 L 3 4.50000     C D E
Mañana 18 L 3 4.23333       D E
Mañana 10 L 3 4.00000         E
Noche 18 L 3 3.96667         E
Tarde 18 L 3 3.76667         E
Las medias que no comparten una letra son significativamente diferentes.

b. Si Hubiera salido el siguiente reporte como resultado del caso anterior, ¿Qué capacidad de terma y/o
turno de producción debe elegir jefe de departamento de ingeniería, para obtener menor porcentaje
de termas con defectos?

Agrupar información utilizando el método de Tukey y una confianza de 95%

Turno*Capacida Con un n.s. del 5% los tratamientos

d N Media Agrupación (combinaciones de niveles de los factores)
Noche 14 L 3 5.76667 A         que minimizan el porcentaje de termas con
defectos son:
Tarde 14 L 3 5.36667 A B      
Mañana 14 L 3 5.10000 A B C     Noche con 18

Noche 10 L 3 4.90000   B C D   Y tarde con 18

Tarde 10 L 3 4.50000     C D
Mañana 18 L 3 4.23333       D
Mañana 10 L 3 4.00000       D
Noche 18 L 3 3.76667         E
Tarde 18 L 3 3.56667         E
Las medias que no comparten una letra son significativamente diferentes.

46