Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTUDIANTES:
JÓSE MIGUEL CABRERA PÉREZ (2018116009)
CARLOS ANDRÉS PÉREZ CASTILLA (2014216103)
ÓSCAR DAVID MELÉNDEZ RODRÍGUEZ (2018116036)
ANDREA MARCELA VALLE COLINA (2018116068)
GRUPO 1
Docente
UNIVERSIDAD DEL
MAGDALENA. SANTA MARTA –
MAGDALENA.
Octubre 2020
I.Preguntas (Experimentos con un solo factor)
R// En este caso con cinco medias tenemos diez posibles pares de medias,
y si la probabilidad de aceptar la H 0 para cada prueba individual es de 1- =
0.95, entonces la probabilidad de aceptar las diez H0 es de 0.9510 =
0.5987, lo cual representa un aumento considerable del error tipo I. Aunque
se utilice un nivel de confianza tal que (1- )10= 0.95, el procedimiento
resulta inapropiado porque se pueden producir sesgos por parte del
experimentador.
ANOVA
Grad
Suma
Fuente os de Cuadrad
Cuadrad Fo Fc P valué
de libert o Medio
os (SS)
Variació ad (MS)
n (Dof)
Entre los
800 4 200 7, 3, 0,001583
tratamiento
50 06 95
𝑯𝒐: 𝝁𝟏 = 𝝁𝟐
𝑯𝒂: 𝝁𝒊 ≠ 𝝁𝒋 𝒑𝒂𝒓𝒂 𝒂𝒍𝒈𝒖𝒏 𝒊 ≠ 𝒋
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.
R// No es adecuado 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.
R// La diferencia es que en el diseño en bloques al azar (DBCA) se consideran tres fuentes
de variabilidad que son las siguientes: el factor de tratamientos, el factor de bloque y el
error aleatorio. Mientras que en el cuadro latino (DCL) se controlan dos factores de
bloque y se estudia un factor de tratamientos por lo que se tienen cuatro fuentes de
variabilidad que pueden afectar la observada, tratamientos, columnas, renglones y el
error aleatorio.
3. De acuerdo con el modelo estadístico para un diseño en bloques, ¿por qué a través de
este diseño se reduce el error aleatorio?
R// Porque en el diseño en bloques se analiza bloque a bloque y se toma en cuenta todos
aquellos factores posibles los cuales puedan afectar de manera significativa el
experimento.
5.Explique por qué se utiliza el adjetivo azar en el nombre del diseño en bloques completos
al azar.
6.Una compañía farmacéutica realizó un experimento para estudiar los tiempos promedio (en
días) necesarios para que una persona se recupere de los efectos y complicaciones que
siguen a un resfriado común. En este experimento se hizo una comparación de distintas
dosis diarias de vitamina C. Para hacer el experimento se contactó a un número determinado
de personas, que en cuanto les daba el resfriado empezaban a recibir algún tipo de dosis. Si
la edad de las personas es una posible fuente de variabilidad, explique con detalle cómo
aplica ría la idea de bloqueo para controlar tal fuente de variabilidad.
NUMEROS DE REPLICA
MARCA DE SPRAY 1 2 3 4 5 6 PROMEDIO SUMA
1 72 65 67 75 62 73 69 414
2 55 59 68 70 53 50 59,1666667 355
3 64 74 61 58 51 69 62,8333333 377
PROMEDIO 63,66666667 66 65,33333333 67,6666667 55,3333333 64
SUMA 191 198 196 203 166 192 1146 Y..
72962 F.C
GRAN MEDIA 63,66666667
ANOVA
H o : μ1=μ2=μ 3=μ
H o : μi ≠ μ j para algúni ≠ j
y
ij=μ +τ i + β i + εij i=1 ,2 , …, a
{ j=1 ,2 ,… ,b
R// Puesto que F o = 1,15 < 3,33, se concluye que no existe evidencia empírica para
rechazar H o con un N.C del 95%, por lo tanto, no existe diferencia significativa en las
marcas de spray para matar mosca.
75
70
Observación
65
60
55
50
1 2 3
marca de spray
ANOVA Gráfico para Observación
2 3 1
marca de spray P = 0,0931
Residuos
-14 -4 6 16 26
74
70
Observación
66
62
58
54
1 2 3
marca de spray
Histograma para RESIDUOS
3 Distribución
Normal
2,5
2
frecuencia
1,5
0,5
0
-13 -8 -3 2 7 12 17
RESIDUOS
Verificación de Varianza
Prueba Valor-P
de Bartlett 1,1889 0,55185
3 9
Modelo Estadístico:
y i=1 ,2 , …, a
ij=μ i + εij
{ j=1 ,2 ,… ,n
RESIDU
OS
0,5
3,5
-1,5
-2,5
0,75
4,75
-5,25
-0,25
0,75
-3,25
2,75
-0,25
-3,25
0,75
2,75
-0,25
-5,25
0,75
6,75
-2,25
PRUEBA DE BARLETT
Verificación de Varianza
Prueba Valor-P
de 2,4747 0,649156
Bartlett 9
R// Como se puede observar, el valor-p (0,65) es mucho mayor al alpha (0,05). Por
ende, se concluye que no se rechaza Ho, es decir, la variabilidad se mantiene en
cada tratamiento, se cumple los supuestos de igualdad de varianzas.
3.Una compañía farmacéutica desea evaluar el efecto que tiene la cantidad de
almidón en la dureza de las tabletas. Se decidió producir lotes con una cantidad
determinada de almidón, y que las cantidades de almidón a aprobar fueran 2%,
5% y 10%. La variable de respuesta sería el promedio de la dureza de 20 tabletas
de cada lote. Se hicieron 4 réplicas por tratamiento y se obtuvieron los siguientes
resultados:
Tabla de Medias para dureza por % de almidón con intervalos de confianza del
95,0%
Error Est.
% de Caso Media (s Límite Límite
almidón s agrupada) Inferior Superior
2 4 4,7 0,239792 4,31643 5,08357
5 4 6,7 0,239792 6,31643 7,08357
10 4 8,35 0,239792 7,96643 8,73357
Total 12 6,58333
Análisis: Esta prueba nos demuestra que no se puede rechazar la idea de que
los RESIDUOS provienen de una distribución Normal, con un 0,05% en el
nivel de significancia.
Análisis: No existe una evidencia estadista para afirmar que los porcentajes de
almidón son diferentes. Esto lo podemos corroborar a partir del resultado obtenido
en el Valor-P, puesto que al ser mayor que F nos indica que las medias de los
porcentajes de almidón son iguales. También lo podemos demostrar con la
verificación de varianza expuesta a continuación:
Verificación de Varianza
Prueba Valor-P
de Bartlett 0,2539 0,88074
8 2
R// Para poder maximizar la dureza de las tabletas, se sugiere aumentar el porcentaje de
almidón en el proceso de fabricación de las tabletas.
3 Distribución
Normal
2,5
2
frecuencia
1,5
0,5
0
-0,8 -0,4 0 0,4 0,8
RESIDUOS
0,9
0,6
RE S ID UO S
0,3
-0,3
-0,6
2 5 10
% de almidon
% Probabilidad Normal
120
100
80
60
40
20
0
-0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8
Análisis: A partir de las gráficas de Probabilidad Normal se puede deducir que los
RESIDUOS provienen de una distribución Normal. Además, se cumple el supuesto de que
los tratamientos tienen igual varianza.
4.Se hace un estudio sobre la efectividad de tres marcas de atomizador 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 hicieron seis
réplicas, pero en días diferentes; por ello, se sospecha que puede haber algún
efecto importante debido a esta fuente de variación. Los datos obtenidos se
muestran a continuación:
Ho: µ1 = µ2 = µ3
Hi: al menos uno µi ≠ µj
Tabla de Medias para replicas por Marca atomizador con intervalos de confianza
del 95,0%
Error Est.
Marca Caso Media (s Límite Inferior Límite
atomizador s agrupada) Superior
1 6 69,0 2,97334 64,5187 73,4813
2 6 59,1667 2,97334 54,6854 63,648
3 6 62,8333 2,97334 58,352 67,3146
Total 18 63,6667
R// A partir de la información que presenta la tabla, podemos observar que el
atomizador de la marca 1 es mejor, debido a que nos ofrece mayor efectividad.
R// Sí hay diferencia significativa en los resultados, puesto que, hay atomizadores que
funcionan mejor en otro día.
IGUALDAD DE VARIANZAS
Ho: σ1 = σ2= σ3 las varianzas de los tratamientos son iguales
Hi: σi≠ σj para al menos un par (i, j)
Residuos
3
-4
-2
6
-7
4
-4,16667
-0,166667
8,83333
10,8333
-6,16667
-9,16667
1,16667
11,1667
-1,83333
-4,83333
-11,8333
6,16667
Verificación de Varianza
Prueba Valor-P
de Bartlett 1,1889 0,55185
3 9
Modelo estadístico:
Y ij =μ+ τ i+ y j +δ 1+ ε ij ; i=1, 2, 3, 4, 5 j=1, 2, 3, 4, 5 1=1, 2, 3, 4, 5
Hipótesis:
H o : μ1=μ2=μ 3=μ4 =μ5 …=μ
H a : μi ≠ μ j para algún i ≠ j
LOTE TOTAL
A 42
B 28
C 44
D 17
E 16
N 25
P 5
R 5
FUENTE GRAD
SUMA DE CUADRA
DE OS DE
CUADRA DOS FO FE PVALUE
VARIACIO LIBERT
DOS MEDIOS
N AD
formulaci
141,44 4 35,36 11,31 3,26 0,0005
ones
lotes de
materia 15,44 4 3,86 1,23 3,26 0,0005
prima
operadore
12,24 4 3,06 0,98 3,26 0,0005
s
12
10
8
DIA
0
1 2 3 4 5
LOTE
10
6
DIA
0
1 2 3 4 5
LOTE
Dispersión por Código de Nivel
RESIDUOS 3
-1
-3
-5
1 2 3 4 5
LOTE
d. ¿Los factores de ruido, lote y día afectan el tiempo de reacción del proceso?
R// Del ANOVA se observa que para lote se obtuvo un valor-p = 0.348 > 0.05, por lo
tanto se acepta Ho. Es decir, que no existe diferencia entre el tiempo de
reacción de un proceso químico de los lotes. Por otro lado, del ANOVA se
observa que para días se obtuvo un valor-p = 0.455>0.05, por lo tanto se
acepta Ho. Es decir que no existe diferencia entre el tiempo de reacción de un
proceso químico de los días.
e. Dibuje los gráficos de medias para los tratamientos, los lotes y los días.
¿Cuál tratamiento es mejor?
R// Sería el tratamiento 5, puesto que tiene la media más baja respecto al
tiempo de reacción del proceso.
4 Distribución
Normal
3
frecuencia
0
-6 -4 -2 0 2 4 6
RESIDUOS
3
RESIDUOS
-1
-3
-5
0 4 8 12 16 20 24
Se puede observar en la primera gráfica, donde se grafica los residuos, se evidencia
que estos siguen una distribución Normal, ya que van alineados en una línea recta.
Además, a partir de la segunda gráfica, se puede evidenciar que los predichos sobre
los residuos se distribuyen de manera aleatoria de forma horizontal, por lo que se
cumple el supuesto de que los tratamientos tienen igual varianza
WEBGRAFÍA
https://victoryepes.blogs.upv.es/2013/04/27/diseno-completamente-al-azar-y-
anova/
https://es.slideshare.net/albertojeca/diseno-completamente-al-azar
https://es.slideshare.net/albertojeca/diseno-completamente-al-azar#:~:text=c)%20Si
%20se%20desea%20maximizar,de%20fabricaci%C3%B3n%20de%20las%20tabletas
http://citecuvp.tij.uabc.mx/ii/wp-content/uploads/2020/04/MANUAL-DOE.pdf