UNIVERSIDAD NACIONAL DE JULIACA

“ESCUELA PROFESIONAL DE INGENIERÍA EN ENERGÍAS

RENOVABLES”

PROGRAMA: “STATGRAPHICS”

CURSO: ANALISIS Y DISEÑO DE EXPERIMENTOS

DOCENTE: MATEO ALEJANDRO SALINAS MENA
PRESENTADO POR: LESSENIA MACHACCA QQUENTA
SEMESTRE: V
TABLA DE DATOS
ANÁLISIS DE HUMEDAD RELATIVA
Analizar Experimento - Col_6

Efectos estimados para Col_6

Efecto Estimado Error Estd. V.I.F.

promedio 41.5885 0.24699

A:Factor_A -12.3195 0.327725 1.0

B:Factor_B 0.475932 0.327725 1.0

C:Factor_C -11.5586 0.327725 1.0

AA 0.863432 0.318989 1.01831

AB 0.35 0.428215 1.0

AC -1.65 0.428215 1.0

BB -0.0909269 0.318989 1.01831

BC -0.15 0.428215 1.0

CC 0.828086 0.318989 1.01831

Errores estándar basados en el error total con 10 g.l.

El StatAdvisor
Esta tabla muestra las estimaciones para cada uno de los efectos estimados y
las interacciones. También se muestra el error estándar de cada uno de estos
efectos, el cual mide su error de muestreo. Note también que el factor de
inflación de varianza (V.I.F.) más grande, es igual a 1.01831. Para un diseño
perfectamente ortogonal, todos los factores serían igual a 1. Factores de 10 o
más normalmente se interpretan como indicativos de confusión seria entre los
efectos.

Para graficar los estimados en orden decreciente de importancia, seleccione

Diagrama de Pareto de la lista de Opciones Gráficas. Para probar la
significancia estadística de los efectos, seleccione Tabla ANOVA de la lista de
Opciones Tabulares. Puede retirar efectos significativos pulsando el botón
secundario del ratón, seleccionando Opciones de Análisis, y pulsando el botón
de Excluir.
 Diagrama de Pareto Estandarizada para Col_6

A:Factor_A +
C:Factor_C -
AC
AA
CC
B:Factor_B
AB
BC
BB
0 10 20 30 40
Efecto estandarizado

Análisis de Varianza para Col_6

Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P

A:Factor_A 518.226 1 518.226 971.07 0.0000

B:Factor_B 0.773437 1 0.773437 1.45 0.2825

C:Factor_C 456.193 1 456.193 854.83 0.0000

AA 2.68695 1 2.68695 5.03 0.0749

AB 0.245 1 0.245 0.46 0.5281

AC 5.445 1 5.445 10.20 0.0242

BB 0.029798 1 0.029798 0.06 0.8226

BC 0.045 1 0.045 0.08 0.7832

CC 2.47146 1 2.47146 4.63 0.0840

Falta de ajuste 0.999026 5 0.199805 0.37 0.8476

Error puro 2.66833 5 0.533667

Total (corr.) 989.505 19

R-cuadrada = 99.6294 porciento

R-cuadrada (ajustada por g.l.) = 99.2958 porciento
Error estándar del est. = 0.730525
Error absoluto medio = 0.301697
Estadístico Durbin-Watson = 2.35518 (P=0.6262)
Autocorrelación residual de Lag 1 = -0.195947

El StatAdvisor
La tabla ANOVA particiona la variabilidad de Col_6 en piezas separadas para
cada uno de los efectos. entonces prueba la significancia estadística de cada
efecto comparando su cuadrado medio contra un estimado del error
experimental. En este caso, 3 efectos tienen una valor-P menor que 0.05,
indicando que son significativamente diferentes de cero con un nivel de
confianza del 95.0%.

La prueba de falta de ajuste está diseñada para determinar si el modelo

seleccionado es adecuado para describir los datos observados ó si se debería
usar un modelo más complicado. La prueba se realiza comparando la
variabilidad de los residuos del modelo actual con la variabilidad entre
observaciones obtenidas en condiciones repetidas de los factores. Dado que el
valor-P para la falta de ajuste en la tabla ANOVA es mayor que 0.05, el modelo
parece ser adecuado para los datos observados al nivel de confianza del
95.0%.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica

99.6294% de la variabilidad en Col_6. El estadístico R-cuadrada ajustada, que
es más adecuado para comparar modelos con diferente número de variables
independientes, es 99.2958%. El error estándar del estimado muestra que la
desviación estándar de los residuos es 0.730525. El error medio absoluto
(MAE) de 0.301697 es el valor promedio de los residuos. El estadístico de
Durbin-Watson (DW) prueba los residuos para determinar si haya alguna
correlación significativa basada en el orden en que se presentan los datos en el
archivo. Puesto que el valor-P es mayor que 5.0%, no hay indicación de
autocorrelación serial en los residuos con un nivel de significancia del 5.0%.

Gráfica de Efectos Principales para Col_6

50

47

44
Col_6

41

38

35
-1.0 1.0 -1.0 1.0 -1.0 1.0
Factor_A Factor_B Factor_C
Coef. de regresión para Col_6

Coeficiente Estimado
constante 41.5885
A:Factor_A -6.15974
B:Factor_B 0.237966
C:Factor_C -5.77932
AA 0.431716
AB 0.175
AC -0.825
BB -0.0454634
BC -0.075
CC 0.414043

El StatAdvisor
Esta ventana despliega la ecuación de regresión que se ha ajustado a los
datos. La ecuación del modelo ajustado es

Col_6 = 41.5885 - 6.15974*Factor_A + 0.237966*Factor_B - 5.77932*Factor_C

+ 0.431716*Factor_A^2 + 0.175*Factor_A*Factor_B - 0.825*Factor_A*Factor_C
- 0.0454634*Factor_B^2 - 0.075*Factor_B*Factor_C + 0.414043*Factor_C^2

en donde los valores de las variables están especificados en sus unidades

originales. Para hacer que STATGRAPHICS evalúe esta función, seleccione
Predicciones de la lista de Opciones Tabulares. Para graficar la función,
seleccione Gráficas de Respuesta de la lista de Opciones Gráficas.

Gráfica de Interacción para Col_6

54 -

49 +- -
-
44 +
Col_6

-
39
+
- + +
34

29 +
-1.0 1.0 -1.0 1.0 -1.0 1.0
AB AC BC
Resultados Estimados para Col_6

Observados Ajustados Inferior 95.0% Superior 95.0%

Fila Valores Valores para Media para Media

1 53.0 53.3649 52.2606 54.4691

2 42.6 42.3454 41.2411 43.4496

3 53.4 53.6408 52.5365 54.745

4 43.2 43.3213 42.2171 44.4256

5 43.6 43.6062 42.502 44.7105

6 29.4 29.2867 28.1825 30.391

7 43.2 43.5821 42.4779 44.6864

8 30.2 29.9627 28.8584 31.0669

9 41.5 41.5885 41.0381 42.1388

10 41.0 41.5885 41.0381 42.1388

11 41.3 41.5885 41.0381 42.1388

12 41.1 41.5885 41.0381 42.1388

13 43.0 41.5885 41.0381 42.1388

14 41.6 41.5885 41.0381 42.1388

15 53.7 53.1705 52.1189 54.2221

16 32.1 32.4492 31.3976 33.5007

17 41.0 41.0596 40.008 42.1112

18 42.1 41.8601 40.8085 42.9117

19 52.7 52.4807 51.4291 53.5322

20 33.0 33.039 31.9875 34.0906

El StatAdvisor
Esta tabla contiene información acerca de los valores de Col_6 generados
usando el modelo ajustado. La tabla incluye:

(1) los valores observados de Col_6 (si alguno)

(2) el valor predicho de Col_6 usando el modelo ajustado
(3) intervalos de confianza del 95.0% para la respuesta media

Cada item corresponde a los valores de los factores experimentales en una fila
especifica de su archivo de datos. Para generar pronósticos para las
combinaciones adiciones de los factores, agregue filas al final su archivo de
datos. En cada nueva fila, introduzca valores para los factores experimentales
pero deje vacía la celda para la respuesta. Cuando regrese a esta ventana, se
habrán agregado pronósticos a la tabla para las nuevas filas pero el modelo no
se verá afectado.
Optimizar Respuesta
Meta: maximizar Col_6

Valor óptimo = 61.7246

Factor Bajo Alto Óptimo

Factor_A -1.682 1.682 -1.682

Factor_B -1.682 1.682 1.59138

Factor_C -1.682 1.682 -1.682

El StatAdvisor
Esta tabla muestra la combinación de los niveles de los factores, la cual
maximiza Col_6 sobre la región indicada. Use el cuadro de diálogo de
Opciones de Ventana para indicar la región sobre la cual se llevará a cabo la
optimización. Puede establecer el valor de uno o más factores a una
constante, estableciendo los límites alto y bajo en ese valor.

Gráfica de Residuos para Col_6

1.5
1
0.5
residuo

0
-0.5
-1
-1.5
29 34 39 44 49 54
predichos
VALORES SIGNIFICATIVOS
Analizar Experimento - Col_6

Efectos estimados para Col_6

Efecto Estimado Error Estd. V.I.F.

promedio 41.5512 0.201878
A:Factor_A -12.3195 0.315572 1.0
C:Factor_C -11.5586 0.315572 1.0
AA 0.872471 0.305639 1.00824
AC -1.65 0.412336 1.0
CC 0.837124 0.305639 1.00824

Errores estándar basados en el error total con 14 g.l.

El StatAdvisor
Esta tabla muestra las estimaciones para cada uno de los efectos estimados y
las interacciones. También se muestra el error estándar de cada uno de estos
efectos, el cual mide su error de muestreo. Note también que el factor de
inflación de varianza (V.I.F.) más grande, es igual a 1.00824. Para un diseño
perfectamente ortogonal, todos los factores serían igual a 1. Factores de 10 o
más normalmente se interpretan como indicativos de confusión seria entre los
efectos.
Para graficar los estimados en orden decreciente de importancia, seleccione
Diagrama de Pareto de la lista de Opciones Gráficas. Para probar la
significancia estadística de los efectos, seleccione Tabla ANOVA de la lista de
Opciones Tabulares. Puede retirar efectos significativos pulsando el botón
secundario del ratón, seleccionando Opciones de Análisis, y pulsando el botón
de Excluir.

Diagrama de Pareto Estandarizada para Col_6

A:Factor_A +
-
C:Factor_C

AC

AA

CC

0 10 20 30 40
Efecto estandarizado
Análisis de Varianza para Col_6

Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P

A:Factor_A 518.226 1 518.226 1524.00 0.0000

C:Factor_C 456.193 1 456.193 1341.58 0.0000

AA 2.77088 1 2.77088 8.15 0.0127

AC 5.445 1 5.445 16.01 0.0013

CC 2.55091 1 2.55091 7.50 0.0160

Error total 4.76059 14 0.340042

Total (corr.) 989.505 19

R-cuadrada = 99.5189 porciento

R-cuadrada (ajustada por g.l.) = 99.3471 porciento
Error estándar del est. = 0.583132
Error absoluto medio = 0.375132
Estadístico Durbin-Watson = 2.1492 (P=0.6151)
Auto correlación residual de Lag 1 = -0.103034

El StatAdvisor
La tabla ANOVA particiona la variabilidad de Col_6 en piezas separadas para
cada uno de los efectos. entonces prueba la significancia estadística de cada
efecto comparando su cuadrado medio contra un estimado del error
experimental. En este caso, 5 efectos tienen una valor-P menor que 0.05,
indicando que son significativamente diferentes de cero con un nivel de
confianza del 95.0%.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica

99.5189% de la variabilidad en Col_6. El estadístico R-cuadrada ajustada, que
es más adecuado para comparar modelos con diferente número de variables
independientes, es 99.3471%. El error estándar del estimado muestra que la
desviación estándar de los residuos es 0.583132. El error medio absoluto
(MAE) de 0.375132 es el valor promedio de los residuos. El estadístico de
Durbin-Watson (DW) prueba los residuos para determinar si haya alguna
correlación significativa basada en el orden en que se presentan los datos en el
archivo. Puesto que el valor-P es mayor que 5.0%, no hay indicación de
autocorrelación serial en los residuos con un nivel de significancia del 5.0%.
 Gráfica de Efectos Principales para Col_6

50

47

44
Col_6

41

38

35
-1.0 1.0 -1.0 1.0
Factor_A Factor_C

Coef. De regresión para Col_6

Coeficiente Estimado

constante 41.5512

A:Factor_A -6.15974

C:Factor_C -5.77932

AA 0.436235

AC -0.825

CC 0.418562

El StatAdvisor
Esta ventana despliega la ecuación de regresión que se ha ajustado a los
datos. La ecuación del modelo ajustado es

Col_6 = 41.5512 - 6.15974*Factor_A - 5.77932*Factor_C + 0.436235*Factor_A^2 -

0.825*Factor_A*Factor_C + 0.418562*Factor_C^2

En donde los valores de las variables están especificados en sus unidades

originales. Para hacer que STATGRAPHICS evalúe esta función, seleccione
Predicciones de la lista de Opciones Tabulares. Para graficar la función,
seleccione Gráficas de Respuesta de la lista de Opciones Gráficas.
 Gráfica de Interacción para Col_6

54 Factor_C=-1.0

49

44 Factor_C=1.0 Factor_C=-1.0
Col_6

39

34

29 Factor_C=1.0
-1.0 1.0
Factor_A

Resultados Estimados para Col_6

Observados Ajustados Inferior 95.0% Superior 95.0%

Fila Valores Valores para Media para Media
1 53.0 53.5201 52.7946 54.2456
2 42.6 42.8506 42.1251 43.5761
3 53.4 53.5201 52.7946 54.2456
4 43.2 42.8506 42.1251 43.5761
5 43.6 43.6115 42.886 44.337
6 29.4 29.642 28.9165 30.3675
7 43.2 43.6115 42.886 44.337
8 30.2 29.642 28.9165 30.3675
9 41.5 41.5512 41.1183 41.9842
10 41.0 41.5512 41.1183 41.9842
11 41.3 41.5512 41.1183 41.9842
12 41.1 41.5512 41.1183 41.9842
13 43.0 41.5512 41.1183 41.9842
14 41.6 41.5512 41.1183 41.9842
15 53.7 53.1461 52.1876 54.1046
16 32.1 32.4247 31.4662 33.3832
17 41.0 41.5512 41.1183 41.9842
18 42.1 41.5512 41.1183 41.9842
19 52.7 52.4562 51.4977 53.4147
20 33.0 33.0146 32.0561 33.9731

El StatAdvisor
Esta tabla contiene información acerca de los valores de Col_6 generados
usando el modelo ajustado. La tabla incluye:

(1) los valores observados de Col_6 (si alguno)

(2) el valor predicho de Col_6 usando el modelo ajustado
(3) intervalos de confianza del 95.0% para la respuesta media

Cada item corresponde a los valores de los factores experimentales en una fila
específica de su archivo de datos. Para generar pronósticos para las
combinaciones adiciones de los factores, agregue filas al final su archivo de
datos. En cada nueva fila, introduzca valores para los factores experimentales
pero deje vacía la celda para la respuesta. Cuando regrese a esta ventana, se
habrán agregado pronósticos a la tabla para las nuevas filas pero el modelo no
se verá afectado.

Superficie de Respuesta Estimada

Factor_C=0.0

59
54
49
Col_6

44
39
34
2
29 1
-2 0
-1 -1
0 1 2 -2 Factor_B
Factor_A

Optimizar Respuesta
Meta: maximizar Col_6

Valor óptimo = 61.717

Factor Bajo Alto Óptimo

Factor_A -1.682 1.682 -1.682

Factor_B -1.682 1.682 -0.40899

Factor_C -1.682 1.682 -1.682

El StatAdvisor
Esta tabla muestra la combinación de los niveles de los factores, la cual
maximiza Col_6 sobre la región indicada. Use el cuadro de diálogo de
Opciones de Ventana para indicar la región sobre la cual se llevará a cabo la
optimización. Puede establecer el valor de uno o más factores a una
constante, estableciendo los límites alto y bajo en ese valor.

Gráfica de Residuos para Col_6

1.5
1
0.5
residuo

0
-0.5
-1
-1.5
29 34 39 44 49 54
predichos