UNIDAD 3: FASE 4.

DISEÑOS FACTORIALES

PRESENTADO POR

SANTIAGO ALBERTO CALLE CAVIJO

1061657560

NÚMERO DE GRUPO COLABORATIVO:

30156_22

DISEÑO EXPERIMENTAL

PRESENTADO AL TUTOR:
JUAN CAMILO MENDOZA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

(UNAD)

MAYO DEL 2020

 Introducción

La experimentación es una técnica utilizada para encontrar el comportamiento de

una variable a partir de diferentes combinaciones de factores o variables de
entrada de un proceso, que al cambiar afectan la respuesta. Para entrar a
experimentar es necesario pasar primero por el diseño de experimentos, esta
técnica busca la manipulación sistemática de las variables de entrada de un
proceso para entender el efecto que estas pueden causar en la variable respuesta.
Es ampliamente utilizado en las empresas debido a que éste permite visualizar
situaciones que pueden suceder a partir de la realización de un proceso. En la
industria se utiliza principalmente para buscar el mejoramiento del rendimiento de
un proceso, para reducir la variabilidad y permitir que haya un mayor acercamiento
a los parámetros de la empresa, para reducir tiempos de procesamiento y reducir
costos. Cualquier problema experimental incluye: diseño del experimento y
análisis de los datos
 Apéndice 4
1. A partir de la lectura del capítulo 5, 6 y 7 del libro análisis y diseños de
experimentos, aplique los conceptos del diseño factorial al siguiente
enunciado.
Un estudiante en la UNAD, viene realizando experimentos sobre la solubilidad de
un extruido tipo cereal para el desayuno. El estudio se encuentra enfocado en
determinar el efecto del polvo de hornear y la proporción de yuca que contiene el
producto sobre el índice de solubilidad en agua (ISA). El trabajo experimental se
localizó en la planta piloto de la ECBTI, en el cual se utilizaron tres
concentraciones de yuca y tres concentraciones de polvo de hornear en la
formulación del extruido.

A continuación, se describe la tabla con los resultados para cada uno de los
tratamientos, cada variable de respuesta (ISA) se midió 3 veces.

Tabla 1. Datos de ISA (%) del cereal para desayuno.

Yuca (%) Polvo de hornear (%)

Concentración Concentración Concentración 3
1 2
Concentración 1 10.11 12.33 14.89
10.34 12.30 14.95
10.55 12.19 15.01
Concentración 2 10.77 12.76 15.65
10.85 12.89 15.83
10.92 13.01 16.01
Concentración 3 11.23 13.88 16.67
11.66 14.01 16.98
11.98 14.23 17.03

a. Plantear el modelo estadístico para este diseño, explicar cada uno de los
términos en función del ejercicio (10 /120)

Respuesta:

a. La tabla 1 nos ilustra un modelo factorial 3k, con 2 factores, es decir 3Λ2,
con 2 factores y con 3 niveles cada tratamiento o combinación con 3
mediciones, donde los factores son:

Factor A: Polvo de hornear (%)

Factor B: Yuca (%)

 El modelo estadístico para este tipo de diseño está dado por

Para este caso

b. Realice las hipótesis de interés para la investigación (igualdad y

alterna). (10 /120)

Respuesta:

En este modelo las hipótesis de interés para los tres efectos son:

Factor A: efecto del polvo de hornear (%)

Factor B. proporción de yuca (%)

H0: efecto del polvo de hornear (%) = 0

HA: efecto del polvo de hornear (%) =≠ 0

H0: Efecto del factor de la proporción de Yuca (%) = 0

H0: Efecto del factor de la proporción de la yuca (%) ≠ 0

H0: Efecto del polvo de hornear x Efecto del factor de la proporción de Yuca = 0
H0: Efecto del polvo de hornear x Efecto del factor de la proporción de Yuca ≠ 0
 c. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla ANOVA correspondiente, 
= 0.05. (20 /120)

Resultados:

Polvo de hornear (%)

Yuca (%)
Concentración 1 Concentración 2 Concentración 3 Totales
10.11 12.33 14.89
Concentración 1 10.34 12.30 14.95 112,67
10.55 12.19 15.01
10.77 12.76 15.65
Concentración 2 10.85 12.89 15.83 118,69
10.92 13.01 16.01
11.23 13.88 16.67
Concentración 3 11.66 14.01 16.98
127,67
11.98 14.23 17.03
98,41 117,6 143,02
Total 359,03

Tabla 2. Sumatoria de filas y columnas

Análisis de varianza de dos factores con varias muestras por grupo
 Concentració Concentración
Concentración 1 Total
RESUMEN n2 3
Concentració
n1        
Cuenta 3 3 3 9
Suma 31 36,82 44,85 112,67
Promedio 10,33333333 12,27333333 14,95 12,51888889
Varianza 0,048433333 0,005433333 0,0036 4,044586111

Concentració
n2        
Cuenta 3 3 3 9
Suma 32,54 38,66 47,49 118,69
Promedio 10,84666667 12,88666667 15,83 13,18777778
Varianza 0,005633333 0,015633333 0,0324 4,720719444

Concentració
n3        
Cuenta 3 3 3 9
Suma 34,87 42,12 50,68 127,67
Promedio 11,62333333 14,04 16,89333333 14,18555556
Varianza 0,141633333 0,0313 0,038033333 5,272077778

Total        
Cuenta 9 9 9
Suma 98,41 117,6 143,02
Promedio 10,93444444 13,06666667 15,89111111
Varianza 0,365277778 0,616525 0,728711111
ANÁLISIS DE VARIANZA
Origen de las Suma de Grados de Promedio de los Probabilida Valor crítico
variaciones cuadrados libertad cuadrados F d para F
3,55455714
Muestra 12,66225185 2 6,331125926 176,9019973 1,4609E-12 6
3,55455714
Columnas 111,2772074 2 55,6386037 1554,633447 6,9337E-21 6
2,92774417
Interacción 0,377659259 4 0,094414815 2,638104108 0,0680418 3
Dentro del
grupo 0,6442 18 0,035788889

Total 124,9613185 26        
Aplicando las formulas del anova tenemos
 Para los factores los grados de libertad son constantes y respectivamente
son:
A=2
B=2
AB=4
Grados de libertad para el error

Grados de libertad para el total

Se hallan los cuadrados medios

Ahora hallamos F0
 Tabla 3. Tabla anova

ANÁLISIS DE VARIANZA
Origen de
las Grados de Promedio de los Probabilida Valor crítico
variaciones Suma de cuadrados libertad cuadrados F d para F
Muestra 12,66225185 2 6,331125926 176,9019973 1,4609E-12 3,554557146
Columnas 111,2772074 2 55,6386037 1554,633447 6,9337E-21 3,554557146
Interacción 0,377659259 4 0,094414815 2,638104108 0,0680418 2,927744173
Dentro del
grupo 0,6442 18 0,035788889

Total 124,9613185 26  

Tabla 4. Tabla anova punto c

En la tabla 4, se visualiza la tabla anova con sus respectivos datos tomando de ejemplo la tabla 3, en esta cabe
aclarar que la última columna de izquierda a derecha llamada valor –p, se realizó con ayuda del comando de Excel.
d. A partir del resultado del valor – P y F 0 (2 criterios diferentes), que se
puede concluir con respecto a las hipótesis planteadas. (10 /120)

Respuesta:

Como el valor –p es menor a alfa en las 2 primeras hipótesis rechazo las hipótesis
de igualdad, mientras que la tercera hipótesis como el valor –p es mayor a alfa se
acepta la hipótesis.

e. Realice las hipótesis para la comparación de las medias para los

tratamientos de la investigación. (10 /120)

Respuesta:

Para k tratamientos se tiene, como K=2

Existe 1 posible par de medias.

f. Calcular el LSD. (20 /120)

Buscamos esta coordenada en la tabla que se muestra a continuación, la

correspondiente a la t student.
Tabla 5. Tabla t-student
 Tabla 6. Aplicación de la prueba LSD

g. Aplique el concepto de LSD para aceptar o rechazar las hipótesis para la

comparación de las medias. (30 /120)

Respuesta;
Como lo ilustra la tabla 6, el valor de la diferencia poblacional para ambos casos
es mayor (significativa), por tanto se rechaza Ho.

h. Investigue que programas o paquetes estadísticos son utilizados para el

análisis de diseños experimentales (mencionar 3). (10 /120)

Respuesta:

R versión 3.4.2: es un entorno de software libre para computación y gráficos

estadísticos, además de ser utilizado para el análisis de problemas de diseño
experimental. Se compila y se ejecuta en una amplia variedad de plataformas
UNIX, Windows y MacOS. Para descargar R , elija su espejo CRAN preferido.
IBM SPSS Statistics Base: programa de estadística avanzada que permite a los
comerciales, analistas y programadores estadísticos trabajar conjuntamente. Este
programa, indicado para especialistas y algo complejo de utilizar, ofrece en esta
versión nuevas funciones y un rendimiento mejorado. Sin embargo, la interfaz de
este programa es muy sencilla e intuitiva, aunque se recomienda, antes de
comprarlo, probar la versión de prueba para comprobar que se ajuste a las
necesidades requeridas por el usuario.
JASP: software permite análisis estadístico, pruebas estadísticas (incluyendo
ANOVA y ANCOVA), análisis multivariado tales como regresión, análisis de
componentes principales, modelos de ecuaciones estructurales, entre otros. Su
única limitante refiere a la edición de datos directamente en el software. 
 Bibliografia

1. Bavaresco, A. (1979). Las técnicas de la investigación. Edit. Scott, Foresman &

Co. 4ª edición. Gienview, Illinois, USA. (1ª Edición: 1974).

2. Berenson, M., Levine, D. & Krehbiel, T. (2001). Estadística para administración.

Edit, Pearson, 2a Edición, México, 734p

3. Bicking, A.(s.f). Some Uses of statistics en the Planning of Experiments.

Industrial Quality Control, Vol. 10 No. 4.

4. Bunge, M. (1980). Ciencia y desarrollo. Edit. Siglo Veinte. Buenos Aires,

Argentina.

5. Christensen, H. (1990). Estadística paso a paso. Edit Trillas. 5ª Edic, México.

682 p.

6. Cochran, W. & Cox, G. (2001). Diseños experimentales. Edit, Trillas, 5

reimpresion. Mexico, 661p.

7. Cox, D. (1978). Planning of Experiments. John Wiley and Sons, Inc. New York,

700p.

8. Dawson, B. & Trapp, R. (2002). Bioestadística médica. Edit, manual moderno. 3

Edición. Mexco, 435p.

9. Hernández, R. (2003). Metodología de la investigación. Edit Mac Graw hill.

Mexico, 692 p.

10. Hinkelmann, K. (1994). Design and analysis of experiments. Vol I, edit. John

Wiley & sons, inc.495 p.

11. Howard, B. (2004). Estadística paso a paso. Edit, Trillas, 3 edicion.Mexico,

682p.

12. Kempthorne O. (1952). The Design and Analysis of Experiments. John Wiley