FACULTAD DE INGENIERÍA

PROGRAMA DE INGENIERÍA INDUSTRIAL

TALLER 2: EXPERIMENTOS CON UN SOLO FACTOR Y DISEÑO

DE BLOQUES

ESTUDIANTES:
JÓSE MIGUEL CABRERA PÉREZ (2018116009)
CARLOS ANDRÉS PÉREZ CASTILLA (2014216103)
ÓSCAR DAVID MELÉNDEZ RODRÍGUEZ (2018116036)
ANDREA MARCELA VALLE COLINA (2018116068)

GRUPO 1

RICK KEEVIN ACOSTA VEGA

Docente

UNIVERSIDAD DEL
MAGDALENA. SANTA MARTA –
MAGDALENA.
Octubre 2020
I.Preguntas (Experimentos con un solo factor)

1. Explique en qué consiste y cuándo se debe aplicar el diseño

completamente al azar con un solo criterio de clasificación.
R// Es un simple planteamiento practico que permite realizar comparaciones de
dos o más grupos, y/o dos o más tratamientos (experimentos). Se denomina al
azar por el número de repeticiones experimentales que se realizan en orden
aleatoria, ya que se tiene a considerar distintos factores de interés. Además, si
durante la observación se hacen N demostración, por lo tanto, se debe hacer al
azar, de forma de que en lo factible se repartan razonablemente en los
tratamientos.
Así mismo, esas repeticiones que se ejecutan en cada tratamiento necesitan de
la variabilidad que se espera observar en los datos, a la diferencia mínima que
el experimentador considera que es importante detectar y al nivel de confianza
que se desea tener en las conclusiones.

2. Supongamos que se desea probar la igualdad entre sí de cinco medias.

Una alternativa para hacer esto sería comparar de dos en dos las medias,
utilizando la prueba T de Student y al final tomar una decisión. Explique por
qué esto aumenta el error tipo I.

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.

3. ¿Qué mide el cuadrado medio del error en el ANOVA de un experimento?

R// El cuadrado medio del error en el anova representa la variación dentro de
las muestras, y se obtiene dividiendo la suma de los cuadrados del error
residual entre los grados de libertad.

4. ¿Qué son los grados de libertad para una suma de cuadrados en un

análisis de varianza?

R// Los grados de libertad para una suma de cuadrados en un análisis de

varianza representa el número de piezas de información independientes en
la suma de cuadrados. En general, es el número de observaciones menos
el número de parámetros estimados de los datos.
5. A continuación, se muestra parte del ANOVA para comparar cinco
tratamientos con cuatro réplicas cada uno.

a) Agregar en esta tabla los grados de libertad, el cuadrado medio y la razón

F para cada una de las fuentes de variación.

ANOVA

(Tabla Análisis de Varianza para un

Factor)

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

Puesto que F0 = 7,50>

Error (Dentro 3,06, se concluye que
de los 400 1 26,66 hay evidencia
tratamientos) 5 67 empírica para
rechazar a Ho. Por lo
tanto, la media de los
Total 1200 1 tratamientos difiere.
9

b) Explique de manera esquemática cómo calcularía el valor-p o la

significancia observada, para ver si hay diferencia entre tratamientos.
R// Valor-p es el área bajo la distribución F k-1, N-k a la derecha del estadístico
F0, es decir, el valor-p=P (F>F0)
 c) ¿Con la información disponible se pueden hacer conjeturas sobre si hay
diferencias significativas entre tratamientos? Argumente su respuesta.
R// Sí es hacer conjeturas sobre si hay una diferencia significativa entre
tratamientos, puesto que en este caso el valor P es menor que 0,05, lo
que nos da a entender que existe una diferencia en el comportamiento de
los tres tratamientos.

d) Anote el modelo estadístico y formule la hipótesis pertinente.

𝒎𝒐𝒅𝒆𝒍𝒐 𝒆𝒔𝒕𝒂𝒅í𝒔𝒕𝒊𝒄𝒐 𝒀𝒊𝒋 = 𝝁 + 𝑻𝒊 + 𝑬𝒊𝒋

𝑯𝒐: 𝝁𝟏 = 𝝁𝟐
𝑯𝒂: 𝝁𝒊 ≠ 𝝁𝒋 𝒑𝒂𝒓𝒂 𝒂𝒍𝒈𝒖𝒏 𝒊 ≠ 𝒋

6. Se desea investigar el efecto del pH en el crecimiento de cierto

microorganismo en un medio específico. Para ello se realiza un
experimento, teniendo como punto de partida la misma cantidad de
microorganismos. Se hacen cuatro repeticiones y se obtienen los
siguientes resultados. ¿Estos datos son evidencia suficiente para afirmar
que los niveles de pH donde se logra menor y mayor crecimiento son e1 3
y el 2, respectivamente? Explique su respuesta.

Nivel de Crecimiento promedio (en

pH %)
1 8
0
2 1
0
5
3 7
5

R// No se puede afirmar que el nivel de pH influya directamente en el

crecimiento promedio, se considera que hay más factores que intervienen,
además es necesario que nos proporcionen más datos por tratamiento para
tomar esa decisión.

7. Se desea investigar la influencia de la temperatura en el rendimiento de un

proceso químico, en particular interesa investigar un rango de temperatura
 entre 60 y 120°C. Se tienen recursos para realizar 20 corridas
experimentales.

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.

b) El orden en que decidieron hacer las corridas experimentales para

facilitar el trabajo experimental fue: primero las cinco del nivel bajo de
temperatura, luego las cinco del siguiente y así hasta finalizar. ¿Es
correcto lo que hicieron? Argumente su respuesta.

R// No es correcto, las corridas experimentales deben ser aleatorias

para que el resultado de un tratamiento no influya en el inmediato
siguiente (no violar los supuestos del modelo).

c) Para hacer el análisis estadístico se comparan, mediante una prueba T

de Student, de dos en dos niveles de temperatura, y con base en esto
obtuvieron conclusiones. ¿Es adecuado tal análisis?, argumente, y en
su caso proponga alternativas.

R// No es adecuado, aumenta el error tipo l rechazar la H O siendo

verdadera en cada par de medias.

8. Describa en qué consiste cada uno de los supuestos del modelo en un

análisis de varianza, y explique la forma típica en que estos supuestos se
verifican.
R// Varianza Constante: Verifica que los residuos de cada tratamiento tengan
la misma varianza. Se rectifica graficándolos contra los residuos y si en este se
presenta que los puntos en la grafican estén esparcidos de manera aleatoria en
una banda horizontal, sin ningún estándar claro y decisivo, quiere decir
entonces que se cumple el supuesto de que los tratamientos tienen igual
varianza.
Normalidad: Radica en comprobar que los residuos siguen una distribución
normal con media cero, todo esto se lleva a cabo graficando los residuos en un
plano x – y donde si los residuos al momento de graficarlos lleguen a quedar
alineados en una línea recta, estos siguen una distribución normal.
Independencia: Justifica que los residuos son independientes entre si,
se corrobora de manera que si se grafica el orden en que se recopilo un
dato contra el residuo semejante, siendo así de esta manera si al
momento de graficar en el eje horizontal el tiempo (orden de corrida) y en
el eje vertical los residuos, se descubre un patrón no aleatorio
claramente definido, con todo esto se evidencia que existe una
conformidad entre los errores y por ende el supuesto de independencia
no se cumple.

9. ¿Qué son y cuándo se aplican las pruebas para comparar medias?

R// Las pruebas para relacionar medias son métodos con los cuales se
nos permiten hacer relaciones entre todos los factibles pares de medias,
teniendo en cuenta el número de tratamientos para comprobar los que
resultaron distintos, se aplican cuando es rechazada la Ho que significa
que todas las medias son iguales.

II. Preguntas (Diseño de bloques)

1. ¿En qué situaciones se aplica un diseño en bloques completos al azar? ¿En

qué difieren los factores de tratamientos y de bloque?
R// Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un
factor, es deseable que las posibles diferencias se deban principalmente al factor
de interés y no a otros factores que no se consideran en el estudio. Cuando esto no
ocurre y existen otros factores que no se controlan o nulifican a la hora de hacer la
comparación, las conclusiones podrían ser afectadas sensiblemente. El diseño en
bloques completos al azar se aplica cuando el efecto de un tratamiento o comparar
depende de otros factores que pueden influir en el resultado de experimento y que
deben de tomarse en cuenta para anular su posible efecto y evitar sesgo al
comparar los factores de interés. Para evitar este sesgo se deben incluir estos
factores adicionales en la experimentación y probarlos con cada uno de los factores
de interés de manera tal que puedan presentarse todas las combinaciones posibles
entre ambos para obtener resultados en la comparación que sean válidos, esta
forma de nulificar su efecto se llama bloqueo.
La diferencia entre los factores de tratamientos y los de bloques radica en que
estos últimos no se incluyen en el experimento de manera explícita porque interese
analizar su efecto, sino como un medio para estudiar de manera adecuada y eficaz
al factor de interés para no sesgar la comparación. Estos entran al estudio con un
nivel de importancia secundaria con respecto al factor de interés e inclusión de
estos es un medio no un fin para lograr la comparación.
 2. ¿Qué diferencia hay entre un DBCA y los diseños en cuadro latino?

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.

4. Aunque en el análisis de varianza para un diseño en bloques completos al azar

también se puede probar la hipótesis sobre si hay diferencia entre los bloques, se dice
que esta hipótesis se debe ver con ciertas reservas. Explique por qué.
R// Se debe ver con ciertas reservas por el hecho de que hay factores que no pueden
controlarse o nulifican para hacer las comparaciones, en nuestro estudio hay que tener la
mayor certeza de que nuestras características a estudiar son las más posibilitadas ya que
en caso de que no, nuestras conclusiones pueden verse sensiblemente afectadas.

5.Explique por qué se utiliza el adjetivo azar en el nombre del diseño en bloques completos
al azar.

R// La palabra completo en el nombre del diseño se debe a que en cada bloque

se prueban todos los tratamientos, o sea, los bloques están completos.

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.

R// Dependiendo de sí hay muchas personas, se podría dividirlas en diferentes subgrupos o

rangos para asignar diferentes edades se probarían diferentes dosis en diferentes edades
así se aplicaría la idea de bloqueo para controlar la fuente de variabilidad.
 III. Ejercicios
1. Se hace un estudio sobre la efectividad de tres marcas de spray 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 hacen seis
réplicas y los resultados obtenidos se muestran a continuación.

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

(Tabla Analisis de Varianza para un Factor)

Fuente de Suma Cuadrados Grados de Cuadrado
Fo Fc P value
Variacion (SS) libertad (Dof) Medio (MS)
TRATAMIENT
296,3333333 5 59,2666667 1,15 3,33 0,05000000
OS
BLOQUES 281,3333333 2 140,666667 2,73
ERROR 514,3333333 10 51,4333333
TOTAL 1092 17

a) Formule la hipótesis adecuada y el modelo estadístico.

H o : μ1=μ2=μ 3=μ

H o : μi ≠ μ j para algúni ≠ j

Modelo estadístico: Modelo de los efectos

y
ij=μ +τ i + β i + εij i=1 ,2 , …, a
{ j=1 ,2 ,… ,b

b)¿Existe diferencia entre la efectividad promedio de los productos en spray?

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.

c) ¿Hay algún spray mejor? Argumente su respuesta.

R// Puesto que al aceptar la Hipótesis nula confirmamos que las medias de todos
los sprays son iguales, es decir, que estas no difieren, sin embargo, por medio de
los intervalos de confianza, podemos afirmar que el spray 1 es mejor, en cambio
los otros dos parecen estadísticamente iguales.
d) Dé un intervalo al 95% de confianza para la efectividad promedio (porcentaje)
de cada una de las marcas.

Tabla de Medias para Observación por marca de spray con intervalos de

confianza del 95,0%

MARCA DE SPRAY CASOS LÍMITE INFERIOR LÍMITE SUPERIOR

1 6 64,5187 73,4813
2 6 54,6854 63,648
3 6 58,352 67,3146
Total 18

e) Dibuje las gráficas de medias y los diagramas de caja simultáneos, después

interprételos.

Dispersión por Código de Nivel

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

Medias y 95,0% de Fisher LSD

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

Análisis: A partir de las gráficas podemos inferir que el primer spray

estadísticamente mejor, en cambio los otros dos sprays parecen
estadísticamente iguales. También se puede observar en las gráficas que las
observaciones se distribuyen de forma normal, puesto que satisface el supuesto
de normalidad.

f) Verifique los supuestos de normalidad y de igual varianza entre las marcas.

Pruebas de Normalidad para RESIDUOS
Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0,967975 0,758865

Verificación de Varianza
Prueba Valor-P
de Bartlett 1,1889 0,55185
3 9

Comparació Sigma Sigma F-Ratio P-Valor

n 1 2
1/2 5,0990 8,1833 0,38825 0,3224
2 1 4
1/3 5,0990 8,1342 0,39294 0,3284
2 9 7
2/3 8,1833 8,1342 1,01209 0,9898
1 9

Análisis: La prueba de Shapiro-Wilk está basada en la comparación de los

cuartiles de la distribución normal ajustada a los datos. Debido a que el valor-P
más pequeño de las pruebas realizadas es mayor o igual a 0,05, no se puede
rechazar la idea de que RESIDUOS proviene de una distribución normal con 95%
de confianza.
 En las tablas también se muestra una comparación de las desviaciones típicas
para cada par de muestras. Aquí también se evalúa la hipótesis de que la
desviación estándar de residuos dentro de cada uno de los 3 niveles de marca de
sprays es la misma.

2. Para estudiar la confiabilidad de ciertos tableros electrónicos para carros, se

someten a un envejecimiento acelerado durante 100 horas a determinada
temperatura, y como variable de interés se mide la intensidad de corriente que
circula entre dos puntos, cuyos valores aumentan con el deterioro. Se probaron 20
módulos repartidos de manera equitativamente en cinco temperaturas y los
resultados obtenidos fueron los siguientes:

a) Formule la hipótesis y el modelo estadístico para el problema.

Ho: No influye la temperatura en la intensidad de corriente
Hi: Se observa variación en la intensidad de corriente

Ho: µ20 = µ40 = µ60 = µ80 = µ100

Hi: µi ≠ µj para al menos un par (i, j)

Modelo Estadístico:
y i=1 ,2 , …, a
ij=μ i + εij
{ j=1 ,2 ,… ,n

b) Realice el análisis de varianza para estos datos, a fin de estudiar si la

temperatura afecta la intensidad de corriente promedio.
Temperaturas Intensidad de Corriente yi.
en Centígrados 1 2 3 4
20 15 18 13 12 58
40 17 21 11 16 65
60 23 19 25 22 89
80 28 32 34 31 125
100 45 51 57 48 201
yj. 128 141 140 129 538 Factor 14472,
corrección= 2

c) ¿La temperatura afecta la variabilidad de las intensidades? Es decir,

verifique si hay igual varianza entre los diferentes tratamientos.

Ho: σ1 = σ2= σ3 = σ4= σ5 las varianzas de los tratamientos son iguales

Hi: σi≠ σj para al menos un par (i, j)

Usando statgraphics obtenemos que los residuos son:

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

Comparación Sigma1 Sigma2 F-Ratio P-Valor

20 / 40 2,64575 4,11299 0,413793 0,4876
20 / 60 2,64575 2,5 1,12 0,9280
20 / 80 2,64575 2,5 1,12 0,9280
20 / 100 2,64575 5,12348 0,266667 0,3064
40 / 60 4,11299 2,5 2,70667 0,4352
40 / 80 4,11299 2,5 2,70667 0,4352
40 / 100 4,11299 5,12348 0,644444 0,7269
60 / 80 2,5 2,5 1,0 1,0000
60 / 100 2,5 5,12348 0,238095 0,2692
80 / 100 2,5 5,12348 0,238095 0,2692

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:

% DE ALMIDON DUREZA PROMEDIO Yi.

2 4,3 5,2 4,8 4,5 4,7 18,8
5 6,5 7,3 6,9 6,1 6,7 26,8
10 9 7,8 8,5 8,1 8,35 33,4
PROMEDIO 6,6 6,76666667 6,733333333 6,23333333
SUMA 19,8 20,3 20,2 18,7 79 Y
520,0833333 F.C

a. ¿Hay evidencia suficiente de que el almidón influye en la dureza en

las tabletas? Halle el ANOVA.
Residuales - % DE ALMIDON
% DE Residuales
ALMIDON 1 2 3 4
2 -0,4 0,5 0,1 -0,2
5 -0,2 0,6 0,2 -0,6
10 0,65 -0,55 0,15 -0,25
 ANOVA - % DE ALMIDON
(Tabla Analisis de Varianza para un Factor)
Grado
Suma
Fuente de s de Cuadrado
Cuadrad Fo Fc P value
Variacion liberta Medio (MS)
os (SS)
d (Dof)
Entre los
26,7267 2 13,3633333 58,10 4,26 0,00000716
tratamiento
Error Puesto que F0 = 58,10 >4,26, se
(Dentro de concluye que hay evidencia empirica
para rechazar HO con un N.C del 95%,
los 2,07 9 0,23 por lo tanto, la media de los
tratamiento tratamientos difieren. Puesto que P
s) value = 0.00000716 < 0.05, resfuerza la
conclusión dada.
Total 28,7967 12

b. Realice los análisis complementarios necesarios.

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: La cantidad de almidón en las durezas de las tabletas se encuentran

en un intervalo de 4,31 y 8,73.

Pruebas de Normalidad para RESIDUOS

Prueba Estadístico Valor-P

Estadístico W de Shapiro-Wilk 0,934437 0,429521

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.

Tabla ANOVA para RESIDUOS por % de almidón

Fuente Suma de Cuadrados G Cuadrado Razón- Valor-

l Medio F P
Entre grupos 0 2 0 0,00 1,0000
Intra grupos 2,07 9 0,23
Total (Corr.) 2,07 1
1

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

Comparación Sigma1 Sigma2 F-Ratio P-Valor

2/5 0,39157 0,51639 0,575 0,6606
8 8
2 / 10 0,39157 0,51961 0,56790 0,6536
8 5 1
5 / 10 0,51639 0,51961 0,98765 0,9921
8 5 4

Conclusión: A partir de todo lo realizado, podemos notar que del 10% de

almidón se obtienen mucha más dureza en las tabletas. Además de
comprobar que se rechaza la hipótesis nula, lo que quiere decir que las
medias de los porcentajes de almidón son diferentes.

c. Si se desea maximizar la dureza de las tabletas, ¿qué recomendaría al

fabricante?

R// Para poder maximizar la dureza de las tabletas, se sugiere aumentar el porcentaje de
almidón en el proceso de fabricación de las tabletas.

d. Verifique los supuestos.

 Histograma para RESIDUOS

3 Distribución
Normal
2,5

2
frecuencia

1,5

0,5

0
-0,8 -0,4 0 0,4 0,8
RESIDUOS

Dispersión por Código de Nivel

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:

a) Suponiendo un DBCA, formule las hipótesis adecuadas y el modelo estadístico.

Ho: No hay diferencias en la efectividad promedio de los atomizadores
Hi: Se observa variación en la efectividad

Ho: µ1 = µ2 = µ3
Hi: al menos uno µi ≠ µj

Modelo Estadística: Modelo de los efectos

y i=1 ,2 , …, a
ij=μ +τ i + βi + εij
{ j=1 ,2 ,… ,b

b)¿Existe diferencia entre la efectividad promedio de los atomizadores?

Marca de Número de réplica (día) yi.

atomizador 1 2 3 4 5 6
1 72 65 67 75 62 73 414
2 55 59 68 70 53 50 355
3 64 74 61 58 51 69 377
yj. 191 198 196 203 166 192 1146 FC =7296
2
 c) ¿Hay algún atomizador mejor? Argumente su respuesta.

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.

d) ¿Hay diferencias significativas en los resultados de diferentes días en que se

realizó el experimento? Argumente su respuesta.

R// Sí hay diferencia significativa en los resultados, puesto que, hay atomizadores que
funcionan mejor en otro día.

e) Verifique los supuestos de normalidad y de igual varianza entre las marcas.

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

Comparación Sigma1 Sigma2 F-Ratio P-

Valor
1/2 5,09902 8,1833 0,38825 0,3224
1 4
1/3 5,09902 8,1342 0,39294 0,3284
9 7
2/3 8,18331 8,1342 1,01209 0,9898
9
No se rechaza Ho, es decir, las varianzas de los tratamientos son iguales.
PRUEBA DE NORMALIDAD
Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0,967975 0,75886
5

Los datos siguen una distribución Normal.

5.Se quiere estudiar el efecto de cinco diferentes catalizadores (A, B, C, D y E) sobre
el tiempo de reacción de un proceso químico. Cada lote de material sólo permite
cinco corridas y cada corrida requiere aproximadamente 1.5 horas, por lo que sólo
se pueden realizar cinco corridas diarias. El experimentador decide correr los
experimentos con un diseño en cuadro latino para controlar activa mente a los
lotes y días. Los datos obtenidos son:

a. ¿Cómo se aleatorizó el experimento?

R// Se siguió la siguiente estrategia:

1. Se construye el cuadro latino estándar más sencillo.
2. Se aleatoriza el orden de los renglones (o columnas) y después se
aleatoriza el
orden de las columnas (o renglones).
3. Por último, los tratamientos a comparar se asignan en forma aleatoria a
las
letras latinas.
Así se cumple que cada letra debe aparecer solo una vez en cada
renglón y en cada
columna.

b. Anote la ecuación del modelo y las hipótesis estadísticas correspondientes.

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

c. ¿Existen diferencias entre los tratamientos? ¿Cuáles tratamientos son

diferentes entre sí?
 D
YI..
    IA    
LOTE 1 2 3 4 5  
1 8 7 1 7 3 26
2 11 2 7 3 8 31
3 4 9 10 1 5 29
4 6 8 6 6 10 36
5 4 2 3 8 8 25
Y..K 33 28 27 25 34 147
          F.C 864,36

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

error 37,52 12 9,13

Puesto que Fo>Fe se concluye que se rechaza la Ho,
por ende las medias de los tiempos de reacción de
total 206,64 24   un proceso químico difieren.
 Dispersión por Código de Nivel

12

10

8
DIA

0
1 2 3 4 5
LOTE

Medias y 95,0% de Fisher LSD

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.

f. Verifique los supuestos del modelo, considerando que los datos se

obtuvieron columna por columna, día a día.
 Histograma para RESIDUOS

4 Distribución
Normal

3
frecuencia

0
-6 -4 -2 0 2 4 6
RESIDUOS

Gráfica de Serie de Tiempo para 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