Ingeniería De Calidad I

Universidad De Costa Rica

Sede Alajuela
I-2019

Ing. Alexander Jenkins

 Objetivos.
• Análisis De Varianza (ANOVA).
– Distribución F.
– Análisis De Varianza De Un Solo Factor.
– Supuestos Del Modelo.
– Análisis De Resultados.
– Análisis De Varianza Para Dos Factores.

Ing. Alexander Jenkins

 Introducción.
• En el análisis de estimaciones u pruebas
de hipótesis, nos restringimos a no
considerar más de dos parámetros de la
población.
• En este caso, que trata con inferencias de
dos muestras, representa un caso
especial de lo que se denomina el
problema de un solo factor.

Ing. Alexander Jenkins

 Introducción.
• En el problema de k > 2 muestras, se
supone que hay k muestras provenientes
de k poblaciones.
• Un procedimiento muy común que se
utiliza cuando se prueban medias
poblacionales se denomina análisis de
varianza, o ANOVA.

Ing. Alexander Jenkins

Distribución F.

Ing. Alexander Jenkins

 Distribución F.
• Encuentra enorme aplicación en la
comparación de varianzas muestrales.
Las aplicaciones de la distribución F se
encuentran en problemas que implican
dos o más muestras.
• Se le conoce la distribución de razón de
varianzas.

Ing. Alexander Jenkins

 Distribución F.
• El estadístico F se define como la razón
de dos variables aleatorias chi cuadradas
independientes, dividida cada una entre
su número de grados de libertad. Tenemos
entonces:

Ing. Alexander Jenkins

 Distribución F.
• Donde U y V son variables aleatorias
independientes que tienen distribuciones
chi cuadradas con v1 y v2 grados de
libertad, respectivamente.

Ing. Alexander Jenkins

 Distribución F.
• Características:
– Existe una "familia" de distribuciones F. Un
miembro específico de la familia se determina por
dos parámetros: los grados de libertad en el
numerador y en el denominador.
– La distribución F es una distribución continua.
– F no puede ser negativa.
– La distribución F tiene un sesgo positivo.
– A medida que aumentan los valores, la curva se
aproxima al eje x, pero nunca lo toca

Ing. Alexander Jenkins

Distribución F.

Ing. Alexander Jenkins

 Distribución F.
• Sea fα el valor f por arriba del cual
encontramos un área igual a α.

Ing. Alexander Jenkins

 Distribución F.
• Generalmente se tienen tablas
acumuladas para un α y varias
combinaciones de v1 y v2. Sin embargo
mediante el siguiente teorema se puede
ampliar un poco su uso:
– Al escribir fα (v1, v2) para fα con v1 y v2 grados
de libertad, obtenemos:

Ing. Alexander Jenkins

 Distribución F.
• Ejemplo 1.

Ing. Alexander Jenkins

 Distribución F.
• Distribución F con dos varianzas
muestrales.
– Si S21 y S22 son las varianzas de muestras
aleatorias independientes de tamaño n1 y n2
tomadas de poblaciones normales con
varianzas σ21 y σ22 respectivamente,
entonces:

– Tiene una distribución F con v1 = n1 – 1 y v2 =

n2 – 1 grados de libertad.

Ing. Alexander Jenkins

 Distribución F.
– Por lo tanto, podemos escribir:

– Donde f1-α/2(v1, v2) y fα/2(v1, v2) son los valores

de la distribución F con v1 y v2 grados de
libertad, que dejan áreas de 1-α/2 y α/2,
respectivamente, a la derecha. Al sustituir
para F, escribimos:

Ing. Alexander Jenkins

 Distribución F.
– Así, tenemos un intervalo de confianza de
(1-α)100% para σ21/σ22:

Ing. Alexander Jenkins

 Distribución F.
• Ejemplo 2.
– Si se tiene los siguientes datos tomados de
dos muestras de una misma población, en
dos momentos en el tiempo: σ1 = 24, n1 = 7 y
σ2 = 20 y n2 = 5, encuentre si se tiene al
menos 95% de confianza de que hay una
diferencia significativa entre la varianza s1 y
s2.

Ing. Alexander Jenkins

Análisis De Varianza.

ANOVA.

Ing. Alexander Jenkins

 Introducción – Situación.
• Antecedentes.
– La agroindustria nacional encuentra los
principales mercados de exportación en
Estados Unidos y Europa, esto hace
necesario exportar productos frescos a estos
países.
– Para lograr lograr que el producto llegue
fresco y una mayor disponibilidad en anaquel
en el país receptor, en muchos casos se
necesita exportar vía aérea.

Ing. Alexander Jenkins

 Introducción – Situación.
– La industria aérea cobra la exportación
utilizando el siguiente algoritmo.
• Se calcula el volumen de la caja (cm3).
• Se pesa la caja.
• Se convierte el volumen a un equivalente de peso
por medio de la fórmula (Volumen en cm3/6000=
peso a cobrar).
• Se cobra al cliente por peso utilizando el más
elevado encontrado entre los pasos 2 y 3.

Ing. Alexander Jenkins

 Introducción – Situación.
• El problema.
– Un exportador se ha percatado que recientemente le han
empezado a cobrar por volumen y no por peso como
anteriormente lo hacían, y más le conviene, en uno de sus
productos estrella.
– Por esta razón decide iniciar un estudio de pesos, para
saber que es lo que está pasando, pero tiene varias
fincas, antes de empezar el estudio se pregunta si las
plantas de todas las fincas tienen el mismo peso o hay
que hacer un estudio específico para cada finca.
– Al tomar la decisión el empresario toma una muestra de
cada finca.

Ing. Alexander Jenkins

 Introducción – Situación.

Media De Pesos Desviación Número De

Finca
(gr) Estándar (gr) Muestras
A 50 12 35
B 44 13 35
C 56 10 35
D 40 12 35

Son iguales los Qué lógica utilizaría

promedios? para resolverlo?

Ha enfrentado Cuál es la
problemas como significancia
este antes? estadística?

Ing. Alexander Jenkins

 Análisis De Varianza.
• Como mencionamos anteriormente:
– En el problema de k > 2 muestras, se supone
que hay k muestras provenientes de k
poblaciones.
– Un procedimiento muy común que se utiliza
cuando se prueban medias poblacionales se
denomina análisis de varianza, o ANOVA.

Ing. Alexander Jenkins

 Análisis De Varianza.
• En el procedimiento del análisis de
varianza, se supone que cualquier
variación que exista entre los promedios
de poblaciones se atribuye a:
– Variación entre observaciones dentro de la
misma población.
– Variación entre los tipos de población.

Ing. Alexander Jenkins

 Análisis De Varianza.
• Debe considerarse la variación dentro de
la población (muestras de la misma) como
una variación aleatoria o al azar, y parte
del objetivo del análisis de varianza es
determinar si las diferencias entre las
medias muestrales son lo que se
esperaría debido a la sola variación
aleatoria.

Ing. Alexander Jenkins

 Análisis De Varianza.
• Imagine el caso, en que usted está
evaluando la consistencia del sellado de
las bolsas que recibe de tres proveedores
diferentes, para determinar si existe
diferencia entre ellos y decidir con ayuda
del factor económico si debe comprar solo
a 1, a 2 o a los 3…

Ing. Alexander Jenkins

 Análisis De Varianza.
• Usted a recolectado la siguiente
información:

Ing. Alexander Jenkins

 Análisis De Varianza.
• Las unidades experimentales (muestras) son las
unidades que proporcionan la heterogeneidad
que lleva el error experimental en una
investigación.

• La asignación al azar elimina el sesgo que podría

originarse en una asignación sistemática.

• El objetivo consiste en distribuir en forma uniforme

entre los niveles de los factores los riesgos que
introduce la heterogeneidad de las unidades
experimentales.

Ing. Alexander Jenkins

• Las unidades experimentales (muestras) son las
unidades que proporcionan la heterogeneidad
que lleva el error experimental en una
investigación.

• La asignación al azar elimina el sesgo que podría

originarse en una asignación sistemática.

• El objetivo consiste en distribuir en forma uniforme

entre los niveles de los factores los riesgos que
introduce la heterogeneidad de las unidades
experimentales.

Ing. Alexander Jenkins

Análisis De Varianza De Un Solo Factor:
Diseño Completamente Al Azar (ANOVA De Un Solo Factor).

ANOVA.

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• De k poblaciones se seleccionan muestras
aleatorias de tamaño n.
• Las k poblaciones diferentes se clasifican
con base en un criterio único, como
tratamientos o grupos diferentes.
• El término tratamiento se utiliza para
designar las diferentes clasificaciones.

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Suposiciones e hipótesis del ANOVA de
un solo factor:
– Las k poblaciones son independientes y están
distribuidas en forma normal con medias μ1,
μ2, …, μk, y varianza común σ2.
– Se desean probar las hipótesis:

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Siendo que yij denote la j-ésima
observación del i-ésimo tratamiento, se
podrían acomodar los datos como sigue:

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Modelo de ANOVA para un solo factor.
– Puede escribirse cada observación de la forma:

– Donde εij mide la desviación que tiene la

observación j-ésima de la i-ésima de la muestra,
con respecto a la media del tratamiento
correspondiente.
– El término εij representa el error aleatorio y juega
el mismo papel que los términos del error en los
modelos de regresión.

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Una forma alternativa (preferible) de la ecuación
anterior, se obtiene al sustituir , sujeta
a la restricción . Por lo tanto, se escribe:

• Dónde:
– μ es la media global de todas la μi, es decir:
– αi se denomina efecto del i-ésimo tratamiento.
– De esta forma, tenemos las hipótesis equivalentes:

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• La prueba se basará en una comparación
de dos estimadores independientes de la
varianza poblacional común σ2. Dichos
estimadores se obtendrán haciendo la
partición de la variabilidad total de las
observaciones, a saber:

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• La identidad de la suma de cuadrados
puede representarse con la ecuación:

• Teorema.

– Si H0 es verdadera, un estimador de σ2 con

base en k – 1 grados de libertad, está dado
por:

Ing. Alexander Jenkins

Análisis De Varianza De Un Solo
Factor.
– Si H0 es verdadera, y por ello cada αi en el
teorema anterior es igual a cero, se observa
que:

–Y es un estimador insesgado de σ². Sin

embargo, si H1 es verdadera, se tiene que:

Ing. Alexander Jenkins

Análisis De Varianza De Un Solo
Factor.
–Y estima a σ² más un término adicional,
que mide la variación debido a los efectos
sistemáticos.
– Otro estimador independiente de σ², con base
en k(n-1) grados de libertad, es:

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• La prueba F en el ANOVA.
– El estimador s2 es insesgado sin que importe
la verdad o falsedad de la hipótesis nula.
– La identidad de la suma de cuadrados ha
hecho la partición no sólo de la variabilidad
total de los datos, sino también del número
total de grados de libertad. Es decir:

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Razón F para probar igualdad de medias.
– Cuando H0 es verdadera, la razón ,
es una valor de la variable aleatoria F, que
tiene distribución F con k – 1 y k(n – 1)
grados de libertad.
– Con un nivel de significancia α, se rechaza la
hipótesis nula H0 cuando:

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Se resumen los cálculos para el análisis
de varianza a continuación:

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Ejemplo 1.
– Imagine el caso, en que usted está evaluando la
consistencia del sellado de las bolsas que recibe
de tres proveedores diferentes, para determinar
si existe diferencia entre en la resistencia que
cada proveedor le ofrece. Es de su interés,
garantizar a sus clientes que el producto cumple
con las características de calidad y que va
sellado de forma que no ganará humedad o
perderá condiciones de esterilidad por el sellado.
Se presenta la información recolectada a
continuación:

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Ejemplo 1.

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• ANOVA con tamaños diferentes de
muestra.
– El análisis anterior para tamaños de muestras
iguales debe validarse con la modificación a
las fórmulas de la suma de cuadrados.
– Ahora tendremos que las k muestras
aleatorias son de tamaño n1, n2, …,nk,
respectivamente.

Ing. Alexander Jenkins

Análisis De Varianza De Un Solo
Factor.
– Tenemos:

– Después se hace la partición de los grados

de libertad, como antes: N-1 para SST, k-1
para SSA, y N-1-(k-1) = N-k para SSE, donde:

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Ejemplo 2.
– Se muestran a continuación, el peso en
gramos de ciertas piezas plásticas cuando se
utilizan diferentes presiones de empaque en
el proceso de moldeo con el cual se
manufacturan. Determine si la presión de
empaque afecta el peso de la parte
moldeada.

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Ejemplo 2.

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• El ANOVA es un procedimiento para
evaluar si existen diferencias significativas
entre conjunto de datos.
• Una vez detectada la diferencia, es de útil
interés determinar que conjunto presente
los valores medios mínimos y máximos,
dependiendo del enfoque del análisis.

Ing. Alexander Jenkins

 Análisis De Varianza De Un Solo
Factor.
• Supuestos del modelo.
– Al igual que la regresión, se deben de cumplir
los supuestos con respecto a los residuos:
• Independencia.
• Aleatoriedad.
• Normalidad (con media cero).
• Igualdad de varianzas.

Ing. Alexander Jenkins