UNIVERSIDAD NACIONAL DE CAJAMARCA

“Norte de la Universidad Peruana”

FACULTAD DE INGENIERIA

I. DISEÑO COMPLETAMENTE ALEATORIZADO (DCA)

Un diseño completamente aleatorizado (DCA), es el diseño en el cual las unidades son asignadas
completamente al azar a los tratamientos, o viceversa. Esto es un diseño que no supone
restricciones tales como bloqueo en la distribución de los tratamientos a las unidades
experimentales.

Este diseño debe limitarse su uso a casos en los cuales se dispone de unidades
experimentales homogéneas. Si no pueden obtenerse tales unidades, debe utilizarse algún
bloqueo para incrementar la eficiencia del diseño.

MODELO

 Suponga que se tiene K niveles de un solo factor que se desean comparar.

 La respuesta observada a partir de cada uno de los K niveles o tratamientos es una
variable aleatoria. Los datos aparecen en la tabla. Y ij representa la i_ésima
observación tomada bajo el tratamiento “j”.

Es posible describir las observaciones de la tabla mediante el modelo estadístico lineal.

Yij = u + j + Ɛi j ; i = 1, 2, ... , n
j = 1, 2, ... , k ; modelo efectos fijos

Donde : Yi j : ij-ésima observación.

µ : efecto medio verdadero; parámetro común a todos TT 0S.
j : efecto del j-ésimo tratamiento.

Ɛi j : incluye los efectos de todos los otros factores extraños

Representación simbólica de los datos en un D.C.A

TRATAMIENTOS
1 2 . . . K
y11 y12 . . . y1k
y21 y22 . . . y2k
. . .
OBSERVACIONES
. . .
. . .
yn1 yn2 . . . ynk

T.1 T.2 . . . T.k

TOTAL

Medias
𝑥̅ .1 𝑥̅ ..2 . . . 𝑥̅ ..k
VARIANZAS
S2.1 S2.2 . . . S2.k
𝑥̅ . j = T. j / n j media del j-ésimo TT0 .

Aracelli Poémape - Diseño Completo al Azar 1

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

4. Suposiciones.

El modelo a efectos fijos implica que se está interesado solo en “k” poblaciones representados
por los datos de la muestra. Cualquier inferencia que pueda hacerse se aplica solo a estas
poblaciones.

Suposiciones para el modelo de efectos fijos :

a) Los k conjuntos de datos observados constituyen “k” muestras aleatorias independientes de las
poblaciones respectivas.

b) Cada una de las poblaciones de las cuales proviene las muestras está distribuida
normalmente con media 𝜇 j y varianza 𝜎j2.

c) Las k poblaciones tienen la misma varianza : 𝜎21 = 𝜎 22 = . . . = 𝜎2k

d). Los Ɛi j DNI (0, 𝜎2).

HIPOTESIS.

Puede probarse la hipótesis:

H0 : 𝜇 1= 𝜇 2= . . . = 𝜇 k

H1 : No todas las u j son iguales

Si las medias de las poblaciones son iguales, cada efecto del tratamiento es igual a cero, de
modo que alternativamente la hipótesis puede enunciarse como:

H0 :µj = 0; J=1, 2, . . . k
H1 : no todas las µj =0
Se elige el nivel de significación α :
Si H0 es verdadero y si σ21 = σ22 = ...
= σ2k y las poblaciones tienen una distribución normal; la
situación se observa como fig. 1

σ21 = σ22 = . . . = σ2k

Fig: 1 µ1=µ2= . . . =µk µ1 µ2 … µk

Si H0 es falso pueda serlo debido a que una de las medias de las poblaciones difiere del resto que
son iguales entre si, o bien puede ocurrir que todas las medias poblacionales sean diferentes. Es
decir al menos una de las  j para cualquier valor de j=1,…,k ; sea diferente del resto

Aracelli Poémape - Diseño Completo al Azar 2

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

4. CALCULOS.

Se Desarrollará el análisis de varianza para el modelo de efectos fijos, clasificación en un sentido,

aquí:
k


1
j 0

Partición de la suma de cuadrados:

nj
nj k
T2

k

 (y  y ) y 
2 2
SCT = ij = ij
j 1 i 1 j 1 N
Pero

k nj

SCT =  ( y
j 1 1
ij  y j  y j  y   ) 2

Si se agrupa términos y se desarrolla, se tendrá :

k nj k nj

SCT=  ( y
j 1 1
ij  y j ) 2
+  ( y
j 1 1
j  y  ) 2

SCE SCTR
(Suma de cuadrados dentro) (Suma de cuadrados entre)
(Suma de cuadrados del Error) (Suma de cuadrados de tratamientos)

k nj nj
(T j ) 2
 ( y
k k
 y j )  y 
2 2
SCE = ij = ij = E yy
j 1 1 j 1 j 1 nj

nj
k
(T j ) 2 T2
 ( y
k
 y  ) 
2
SCTR = j =   TYY
j 1 1 j 1 nj N

k (T j ) 2 T2 k (T j ) 2

SCTR =  j 1 nj

N
=  j 1 nj
 M YY

T2 k nj

Donde: M YY =
N
SCE = SCT – SCTR =  y 2
ij - MYY - TYY
y j 1

Aracelli Poémape - Diseño Completo al Azar 3

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

5. TABLA: ANALISIS DE VARIANZA PARA UN DISEÑO C.A.

Fuente de Suma de cuadrados Grados Media de cuadrados F0

variación de
libertad
Entre SCTR =∑ T.J2/n -T..2/N k-1 CMTR = SCTR/(k-1) F0 = CMTR/CME
Tratamientos
k nj k (T j ) 2
SCE=  y  
Dentro de 2 N-K CME = SCE/(N-K)
tratamiento ij
(Error) j 1 j 1 nj
Total SCT=ΣΣyij2 – T..2/N N-1

6. DECISION.
La decisión de realizar o no H0 se toma definiendo la región crítica (RC)

f(F)

RAH0 RRH0

F
F , k-1, N-k

Se rechaza Ho si F> F  , k-1, N-k

Ejemplo 1: Un ingeniero desea mejorar la resistencia a la compresión del concreto. Sospecha que
la resistencia es una función de la concentración de un aditivo. Decide investigar con distintas
concentraciones: 5, 10, 15, 20 y 25 %. Han de tomarse cinco observaciones para cada
concentración de aditivo, empleando una planta piloto. Las 25 observaciones necesarias se
realizan en forma aleatoria, y los datos obtenidos se muestran en la tabla.

Tabla 1.1: Resistencia a la compresión del concreto (PSI = lib/pulg2 )

TRATAMIENTOS
Concentración del aditivo TOTAL
5% 10% 15% 20% 25%
7 12 14 19 7
7 17 18 25 10
15 12 18 22 11
11 18 19 19 15
9 18 19 23 11
TOTALES(Ti) 49 77 88 108 54 376
Numero de observaciones 5 5 5 5 5 25
Medias(ŷi) 9.8 15.4 17.6 21.6 10.8 15.04

Donde: Totales = T = ΣTi / Numero de observaciones = n / Ŷ = T/ n

Aracelli Poémape - Diseño Completo al Azar 4

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

¿Qué conclusiones se puede extraer con α = 0,05?

SOLUCION EJEMPLO 1

1. Modelo: yij = μ +
j + Ɛij (modelo a efectos fijos o de clasificación en un solo sentido)

2. Suposiciones:
 Se tiene 5 muestras independientes
 Cada provisión N(μj , σ2j).
 Poblaciones con variaciones homogéneas: σ12 = σ22 = ... = σ52 = σ2
 ΣΣ Ƭj = 0 y Ɛij DNI(O, σ2)

3. Hipótesis:
H0 : μ1 = μ2 = … = μ5
H1 : No todas las 5 μ son iguales

4. Nivel de significación: α= 0.05

5. Prueba estadística: usamos la siguiente estadística de prueba.

Tyy (suma de cuadrados entre tratamientos)

F0 = -------- ----------------------------------------------------------- = F0.05,4,20
Eyy (suma de cuadrados del error experimental)

6. Regla de decisión:
Si Fc > Fα,(k - 1),(n - k) H0 se rechaza a un nivel de α
Si Fc ≤ Fα,(k - 1),(n - k) H0 no se rechaza.

7. Cálculos: se realizan los cálculos para obtener las estimaciones en la tabla ANOVA; es decir:
El ANOVA resultante se muestra en la siguiente tabla:

Tabla : análisis de resistencia para los datos de resistencia a la tensión.

Fuente de Suma de Grados de Cuadrados Cuadrado

variación cuadrados libertad medios medio F0
esperado
Tratamientos 475.76 4 118.94 14.76 0.00001
Error experi. 161.20 20 8.06
total 636.96 24 ---------

De la tabla se deduce que

F0.05,4,20 = 2.86 y F0 = 14.76
Entonces H0 se rechaza al nivel de 0.05

Se concluye que la concentración del aditivo influye de manera significativa en la

resistencia a la compresión del concreto.

Aracelli Poémape - Diseño Completo al Azar 5

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

INGRESAMOS LOS DATOS A MINITAB V 1

En
Comparisons
indicar los
En Option : indicar el Nivel
métodos de
de Confianza
comparación
múltiples de
Tukey y Fisher

En Graphs : indicar los gráficos realizar

En Storage : indicar visualizar resultados

de Ajustes (Fits) y Residuos (Residuals).

Aracelli Poémape - Diseño Completo al Azar 6

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

RESULTADOS CONCLUSIONES

Como p value = 0.000< 0.05, Se

Rechaza H0 y Se concluye que la
concentración del aditivo influye de
manera significativa en la
resistencia a la compresión del
concreto.

INTERVALOS DE CONFIANZA AL 95% DE LAS RESISTENCIAS A LA COMPRENSIÓN SEGÚN

CONCENTRACIONES DE ADITIVOS

COMPARACIONES MULTIPLES

Mediante el análisis de comparación múltiple de los métodos de Tukey y Fisher, se llega a la

conclusión que la concentración del aditivo, que genera la mayor Resistencia promedio a la
compresión es la del 20%.

GRAFICO DE NORMALIDAD DE LOS RESIDUOS HISTOGRAMA DE LOS RESIDUOS

Aracelli Poémape - Diseño Completo al Azar 7

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

Histogram
(response is Resistencia)

Frequency
3

0
-4 -2 0 2 4
Residual

GRAFICA DE INTERVALOS DE
CONFIANZA DE LA RESISTENCIA Y
CONCENTRACIÓN GRAFICA DE PUNTOS DE LOS RESIDUOS
Interval Plot of Resistencia vs Concentración
95% CI for the Mean
25

20
Resistencia

15

10

5
5.00% 1 0.00% 1 5.00% 20.00% 25.00%
Concentración
The pooled standard deviation was used to calculate the intervals.

ANÁLISIS EXPLORATORIO - GRAFICOS DE BOX PLOTS (GRAFICO DE CAJAS Y BIGOTES)

Aracelli Poémape - Diseño Completo al Azar 8

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

Boxplot of Resistencia
25

4
20

Resistencia
15

10

5
5.00% 1 0.00% 1 5.00% 20.00% 25.00%
Concentración

Aquí podemos apreciar que en el tratamiento 1(Concentración de aditivo al 5%) y tratamiento 2

(Concentración de aditivo al 10%) existe mayor variabilidad o dispersión en sus datos y en el
tratamiento 3 (Concentración de aditivo al 15%) de forma contraria existe una menor
variabilidad o dispersión. También se logra con la observación determinar que el tratamiento
con mayor resistencia a la compresión es el tratamiento 4 (Concentración de aditivo al 20%) y el
tratamiento con menor resistencia es el tratamiento 1 (Concentración de aditivo al 5%). Esto
quedó confirmado con el análisis del Diseño completo al Azar.

Ejemplo 2: Los datos del experimento corresponden a la Resistencia a la tensión de fajas

utilizadas en poleas para trabajos de construcción, cuando se han utilizado los porcentajes de
algodón indicados en la tabla.

Porcentaje de Resistencia a la Tensión

algodón 1 2 3 4 5
15 5 8 15 11 9
20 12 17 12 18 18
25 17 18 18 19 19
30 19 25 22 19 23
35 7 10 11 15 11
FUENTE: Diseño y Análisis de Experimentos de Montgomery

a) ¿Cuál es el objetivo del análisis de los datos de este experimento?

b) ¿Cuál es el diseño experimental que se empleará en este caso?¿Cuál es el modelo
estadístico que le corresponde a dicho diseño? Bajo que supuestos?. Enumérelos
c) ¿Cuál es el análisis estadístico que le corresponde a estos datos ?
d) Realice el análisis correspondiente
e) Previo al análisis ejecutado ¿Qué hubiera sido preciso realizar? Hágalo
f) Cuál es el aporte en el análisis de datos, lo ejecutado en e)?.

SOLUCION EJEMPLO 2

a) ¿Cuál es el objetivo del análisis de los datos de este experimento?

El objetivo es saber ¿Cómo influye el porcentaje de algodón en la Resistencia a la
tensión de las fajas?.

Aracelli Poémape - Diseño Completo al Azar 9

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

b) ¿Cuál es el diseño experimental que se empleará en este caso?¿Cuál es el

modelo estadístico que le corresponde a dicho diseño? Bajo que supuestos?.
Enumérelos
El diseño experimental a emplear es el Diseño Completamente Aleatorizado, al cual le
corresponde el siguiente modelo:

Yij = u + j + ei j ; i = 1, 2, ... , n

j = 1, 2, ... , k ; modelo a efectos fijos

Donde :

 : Es una constante e indica el efecto medio verdadero; parámetro común a todos TT 0S.

j : Es el efecto diferencial del nivel. Recoge la importancia de cada tratamiento.y es el

objetivo del análisis.

ei j : incluye los efectos de todos los otros factores extraños. Es un término de error ,
considerado como variable aleatoria

Puede probarse la hipótesis:

H0 : 1=2= . . . =k

H1 : No todas las µ j son iguales

Si las medias de las poblaciones son iguales, cada efecto del tratamiento es igual a
cero, de modo que alternativamente la hipótesis puede enunciarse como:

H0 : j = 0; j=1, 2, . . . k
H1 : j ≠ 0

Se elige el nivel de significación α :

Todo esto bajo los supuestos de que:
1) El Modelo es Lineal
2) El Modelo es Aditivo
3) Los ei j  N (0, 2 I ).

c) ¿ Cuál es el análisis estadístico que le corresponde a estos datos ?

Se desarrollará el Análisis de Varianza para el modelo de efectos fijos

d) Realice el análisis correspondiente

Con ayuda del paquete estadístico MINITAB 17. realizamos el Análisis correspondiente

H0 : j = 0; ( el efecto de los tratamientos son nulos)

H1 : j ≠ 0 ( efecto de los tratamientos son diferentes )

Nivel de significación α = 0,05

Aracelli Poémape - Diseño Completo al Azar 10

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

Indicar la variable
respuesta que es la
Resistencia a la
tensión y el Factor o
variable respuesta
es el “% de
Algodón”.

En
Comparisons
indicar los
métodos de
En Option: indicar el Nivel
comparación
de Confianza
múltiples de
Tukey y Fisher

RESULTADOS CONCLUSIONES

Como p value = 0.000< 0.05, Se

Rechaza H0 y Se concluye que el
porcentaje de algodón influye de
manera significativa en la
resistencia a la tensión de las fajas.

Aracelli Poémape - Diseño Completo al Azar 11

 UNIVERSIDAD NACIONAL DE CAJAMARCA
“Norte de la Universidad Peruana”
FACULTAD DE INGENIERIA

COMPARACIONES MULTIPLES

Mediante el análisis de comparación múltiple de los métodos de Tukey y Fisher, se llega a la

conclusión que el porcentaje de Algodón, que genera la mayor Resistencia promedio a la tensión
es del 30%.

e) Previo al análisis ejecutado ¿Qué hubiera sido preciso realizar? Hágalo

Hubiera sido preciso realizar un Análisis exploratorio de Datos que nos permitiera como
actividad principal revisarlos para saber como es su comportamiento y así poder asignarle un
modelo adecuado.

Boxplot of Resistencia Tensión

25

20
Resistencia Tensión

15

10

1 5.00% 20.00% 25.00% 30.00% 35.00%

% de algodón

f) Cuál es el aporte en el análisis de datos, lo ejecutado en e)?.

1) Mediante las representaciones visuales es fácil descubrir el modo de comportarse de los

datos.

2) Este método requiere que la atención del analista se centre en los residuales o lo que
queda después de haber aplicado algún tipo de análisis.

3) Mediantes transformaciones matématicas simples, como por ejemplo, el logaritmo y la raíz

cuadrada , los análisis no solo se simplifican sino que adquieren una mejor claridad.

4) El carácter resistente, propio de estos métodos, garantizan el hecho de que los valores de
datos extraños o poco corrientes no influyan indebidamente los resultados de un análisis.

Aracelli Poémape - Diseño Completo al Azar 12