OBJETIVOS:

Considere una compañía que compra materia prima a tres diferentes proveedores. La
compañía desea determinar si la pureza de la materia prima de cada una es la misma.
 Hay cuatro lotes de materia prima disponible de cada proveedor. Se hacen tres
determinaciones de la pureza en cada lote.
MARCO TEORICO

EL diseño anidado, conocido también por diseño jerárquico, es un formato de investigación

frecuentemente utilizado en ámbitos educativos, sociales y clínicos aplicados. Inicialmente,
recibió el nombre de diseño de grupos intra-tratamientos, dado que los grupos se anidan
dentro de los distintos valores de la variable de tratamiento. Así los distintos grupos son
asignados a los niveles de la variable independiente, no dándose una relación de combinación
entre las variables de grupos y la variable de tratamiento.
En otras palabras, los valores de la variable de grupos no se repiten para los valores de la
variable de tratamiento .definida la estructura de anidación de los grupos intra-tratamientos,
de cada grupo se eligen al azar los sujetos experimentales

RESOLUCION

DATOS
PROVEEDORES LOTES PUREZA
1 1 1
1 1 -1
1 1 0
1 2 -2
1 2 -3
1 2 -4
1 3 -2
1 3 0
1 3 1
1 4 1
1 4 4
1 4 0
2 1 1
2 1 -2
2 1 -3
2 2 0
2 2 4
2 2 2
2 3 -1
2 3 0
2 3 -2
2 4 0
2 4 3
2 4 2
3 1 2
 3 1 4
3 1 0
3 2 -2
3 2 0
3 2 2
3 3 1
3 3 -1
3 3 2
3 4 3
3 4 2
3 4 1

UNIANOVA PUREZA BY PROVEEDOR LOTES

/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/CRITERIA=ALPHA(0.05)
/DESIGN=PROVEEDOR LOTES*PROVEEDOR.

Análisis de varianza univariante

Pruebas de los efectos inter-sujetos

Variable dependiente: PUREZA
Origen Suma de gl Media F Sig. FT
cuadrados cuadrática
tipo III
Modelo corregido 84,972a 11 7,725 2,927 ,013 2,609
Intersección 4,694 1 4,694 1,779 ,195 249,052
PROVEEDOR 15,056 2 7,528 2,853 ,077 19,454
PROVEEDOR * 69,917 9 7,769 2,944 ,017 2,900
LOTES
Error 63,333 24 2,639
Total 153,000 36
Total corregida 148,306 35

a. R cuadrado = ,573 (R cuadrado corregida = ,377)

CONCLUSIONES
Como vemos con un 95% de confianza, en la cola significación la variables significativas
son aquella menores a 0.05 nos fijamos la unica variable significativa seria proveedor * lote
En conclusión podemos ver que no se puede elegir un proveedor mejor o peor. Pero si vamos
a proveedor * lote es un poco significativo podemos decir que algunos lotes son mejores que
otros pero que no podemos elegir cual es proveedor mejor
Aquí los tres proveedores están fallando en su control de calidad porque no nos están
garantizando la pureza de sus lotes
BIOGRAFIA
https://drive.google.com/file/d/15xvQDajQiNjYCAFSUFcDeJknNbwMyLAx/view
https://es.slideshare.net/wilber2/diseo-de-experimentos-38642485