Documentos de Académico
Documentos de Profesional
Documentos de Cultura
134
DISEÑOS FACTORIALES CON DOS FACTORES
Se toma una observación para cada combinación de niveles de los dos factores
Numero de observaciones: N = ab
y ij : Observación del nivel (i ) del factor A y del nivel ( j ) del factor B
µ : Media general ;
τ i : Efecto del nivel ( i ) del factor A
β j : Efecto del nivel ( j ) del factor B ;
(τβ ) ij : Efecto de la int eracción entre A × B
u ij : Errores exp erimentales
135
HIPOTESIS DEL MODELO
a b a b
∑ τ =0
i =1 i ∑ β =0
j =1 j ∑ i =1
(τβ ) ij = ∑ j =1
(τβ ) ij = 0
u ij : v.a. independientes → N ( 0;1)
Parámetros Número
El número de parámetros a estimar (ab +1)
µ 1 supera al número de observaciones ab
τi a-1
βj b-1
(τβ )ij (a - 1)(b - 1) Algún parámetro no será estimable
σ2 1
Total ab + 1
136
ESTIMACIÓN DE LOS PARAMETROS DEL MODELO
Factor B
Factor A 1 j b
1 y 11 .... y 1 j .... y 1b
. . . .
i y i1 .... y ij .... y i b
. . . .
a y a1 .... y aj .... y ab
µˆ = y ;
.. τˆi = y i − y ;
. .. βˆ j = y j − y
. ..
(τβm ) ij = yij − µˆ − τˆi − βˆ j
m =0
eij = y ij − yˆ ij = y ij − µˆ − τˆi − βˆ j − (τβ ) ij
¾ Replicamos el experimento
ˆ
¾ Suponemos que las interacción entre A ä B es nula → eij = y ij − µˆ − τˆi − β j
137
¾ EL MODELO CON REPLICACION
Factor B
Factor A 1 j b
1 y 111,..., y 11r .... y 1 j1,..., y 1 jr .... y 1b1,..., y 1br
. . . . . . . . . . . . .
i y i11,..., y i 1 r .... y i j 1,..., y i jr .... y i b1,..., y i b r
. . . . . . . . . . . . .
a y a11,..., y a1r .... y aj 1,..., y ajr .... y ab1,..., y a br
y
... yi
y
... =∑ y ijs y... = yi.. = ∑ js yijs yi =
.. ..
ijs abr br
y j
.. y ij
.
y j = ∑ y ijs
.. y. j. = y ij = ∑ y ijs
. y ij. =
is ar s r
138
ESTIMACIÓN DE LOS PARAMETROS DEL MODELO
µˆ = y... ; τˆi = y i − y
.. ... ; βˆ j = y. j. − y...
(τβm ) ij = yij. − µˆ − τˆi − βˆ j = yij. − yi.. − y. j. + y...
m =
∑iτˆi =∑ j βˆ j =0; ∑i (τβ ) ij ∑ j (τβm ) ij = 0 ⇒
m = ( a − 1)( b − 1)
G.L.(τˆi ) = a − 1; G.L.( βˆ j ) = b − 1; G.L.(τβ ) ij
RESIDUOS
m =y −y
eijs = y ijs − yˆ ijs = y ijs − µˆ − τˆi − βˆ j − τβ
( ) ij ijs ij .
∑ k eijk = 0 ⇒ G.L. ( Re s.) = ab ( r − 1)
2 1 a b r 2
SR = ∑ ∑ ∑ e
ab(r − 1) i =1 j =1 s =1 ijs
139
DESCOMPOSICION DE LA VARIABILIDAD
2 2 2
∑ijs ( y ijs − y...) ( .. − y...)
= br ∑ i y i . . ...)
+ ar ∑ j ( y j − y +
2 2
r ∑ ij ( y ijs − y i
.. − y. j. + y...) + ∑ijs ( yijs − yij.)
2 2
SCA = br ∑ yi
( .. ...)−y
SCT = ∑ ijs ( y ijs − y...) i
2 2
SCB = ar ∑ j ( y. j. − y... ) SCAB = r ∑ ij ( y ijs − y i .. − y. j. + y...)
2
SCR = ∑ ijs ( y ijs − y ij .)
SCT = SCA + SCB + SCAB + SCR
SCA
( a − 1) CMA
H 0 A : τ 1 = τ 2 = ... = τ a = 0 FA = = → F( a −1) , ab( r −1)
SCR CMR
ab ( r − 1)
SCB
( b − 1) CMB
H 0 B : β1 = β 2 = ... = β b = 0 FB = = → F( b−1) , ab( r −1)
SCR CMR
ab ( r − 1)
CMAB
H 0 AB : (τβ ) ij = 0 ∀ ij F AB = → F( a −1)( b−1) , ab( r −1)
CMR
141
TABLA ANOVA
F. V. S. C. G. L. C. M. Fexp
♦ COEFICIENTE DE DETERMINACIÓN
142
FORMA PRÁCTICA DE LA TABLA ANOVA
F. V. S. C. G. L. C. M. Fexp
2
1 a 2 y ...
Factor A ∑ y
..i − a-1 CMA CMA / CMR
br i =1 abr
2
Factor B 1 b 2 y... b-1 CMB CMB / CMR
ar
∑ j =1 y. j. − abr
143