Nombre Appellido Rol USM sin Nª Verificador Verificador

Integrante 1 Gerardo Figueroa 201854002 1

Integrante 2 Martin Castro 201751033 1

Si el verificador es k reemplácelo por 10

Instrucciones

1.- Antes de empezar, llenar los datos personales en esta hoja. Es importante hacerlo al principio ya que esto cam
2.- No editar la hoja "Datos Integrantes".
3.- Responder todo en este archivo Excel. Subir las respuestas a AULA a más tardar a medianoche del viernes 23 de
4.- Favor ser ordenados.
5.- Cálculos sin explicación tendrán descuentos. Las explicaciones deben ser precisas y concisas.
6.- Someter a Aula con el formato Apellido1_Apellido2_ADEI_S1_2021.xlsx.
7.- Recordar que cada integrante debe someter la solución y que debe coincidir con la de su compañer@.
8.- Si utiliza aplicaciones diferentes de Excel, favor justificar claramente cómo se obtuvieron los resultados.
 e-mail
gerardo.figueroa@sansano.usm.cl
martin.castros@sansano.usm.cl

i el verificador es k reemplácelo por 10

mportante hacerlo al principio ya que esto cambiará los datos de sus preguntas.

LA a más tardar a medianoche del viernes 23 de julio de 2021. No se recibirán soluciones después de esta hora límite.

eben ser precisas y concisas.

ebe coincidir con la de su compañer@.

ente cómo se obtuvieron los resultados.
2 19.8196 24.9024 22.8101 26.0917 5.5978 46.0058 31.4804
22.5837 19.1658 25.3187 23.3754 9.7523 46.5572 33.845
25.8785 21.9381 21.0274 21.7656 8.3802 43.6997 40.815
24.6551 19.0958 23.6376 20.3782 9.6628 47.882 37.0977
19.9256 24.8731 23.2677 22.8379 11.7881 47.1535 32.1463
21.9259 18.7346 21.3884 22.1101 11.1902 45.8471 35.6086
18.5874 22.2887 26.5099 22.7459 10.6034 44.6646 34.423
19.4679 22.6655 24.1309 23.3176 13.2066 49.0152 32.8727
18.4704 22.4388 17.6279 25.0512 12.6543 46.5029 34.3229
22.1702 22.132 25.0194 17.1909 9.2385 43.3235 33.5435
18.9284 22.4479 21.0983 27.9444 13.3462 40.2578 35.6033
 36.77 19.563 56.9474 38.8545 27.3285 15.8188 55.2461 39.8053 51.2539 32.3705
25.1245 16.7859 51.4216 39.052 25.609 15.1661 47.4934 42.9106 50.8002 37.4499
33.6387 18.2688 50.3572 39.3363 28.0587 18.4785 49.17 34.6753 45.8773 38.3338
26.7059 20.6516 55.1504 41.3303 28.0119 15.956 51.7422 40.5576 49.6282 39.5652
29.0942 17.1349 52.17 45.7053 26.3107 15.2905 50.72 37.5645 49.0194 36.8148
30.4797 14.3733 51.1301 39.6472 27.2305 15.6986 52.5312 32.9271 48.3575 40.6061
30.0809 18.566 52.568 40.9089 33.5592 10.8541 58.0736 41.3439 52.0002 33.3396
30.1426 15.1391 50.1955 43.8121 28.5001 16.3627 54.7778 41.9865 50.3755 40.6256
23.2843 18.9529 48.0189 35.7018 28.6998 14.1288 53.5287 42.1924 51.6443 35.7721
31.1217 19.5643 50.9626 40.3223 28.8426 15.7703 53.2545 41.4998 47.1751 37.0579
26.0047 16.8624 53.911 43.3693 27.8174 20.4408 51.2977 41.3188 51.1618 37.713
72.6154 59.441 57.5574 62.7699 62.205 20.93 -2.5890 4.0100 0.2870
73.4131 59.5046 64.0467 61.167 59.7137 20.1 -1.62 5.67 -0.741
74.4784 62.6292 61.1743 61.9592 60.3096 18.5 -2.197 4.246 0.421
77.3174 62.6673 60.9757 63.063 61.9581 16.66 -1.465 6.01 -0.41
77.3252 60.8774 58.8395 65.5086 64.5867 18.96 -1.127 5.64 -0.194
70.8332 63.8343 62.3758 61.4275 61.9561 15.03 -0.95 5.386 0.194
72.0249 60.8048 62.5568 57.3245 62.6791 13.41 -0.504 4.55 0.003
75.8245 62.0994 59.7741 59.8711 64.4803 15.95 -0.58 6.4 0.057
74.6234 61.7516 63.5652 62.8404 63.7447 13.77 -0.387 6.01 -0.642
68.1698 64.3634 59.9273 58.4904 60.8651 15.78 -1.368 4.34 0.195
75.7024 62.308 59.5396 56.9866 66.1465 19.53 -1.32 2.62 -0.649
 0.0053 0.2180 0.0438 0.0024 0.022000 0.003970 0.001768 -0.018300 -0.000548
0.00495 -0.086 0.0578 0.00067 0.045 -0.00161 0.003461 -0.0049 0.000394
0.01222 0.564 -0.0112 0.00197 -0.128 0.0008 0.000768 -0.0148 -0.001142
0.01494 0.062 0.0603 0.00016 0.0328 -0.00136 0.002515 -0.0149 -5.5E-05
0.0078 -0.153 -0.0159 -0.00011 -0.078 -0.00035 0.002288 0.0212 0.000169
0.01577 0.112 -0.0779 -0.000415 -0.0635 0.0008 0.001528 0.00446 -0.000536
0.0317 -0.024 -0.0091 -0.00353 0.047 0.00135 0.001618 -0.0053 0.000282
0.01638 -0.312 -0.0845 -0.00129 -0.1586 -0.0009 0.001804 0.0371 0.000502
0.021 -0.206 0.048 -0.00211 0.007 -0.00092  0.003115 -0.0096 0.000474
0.0181 0.091 -0.0009 -0.0002 -0.005 0.00183 0.001289 -0.005 -0.0001
0.0087 0.247 0.032 0.00094 0.206 0.00442 0.00318 -0.0144 -0.000522
-0.000156 -0.000188 5.4E-05
-0.00012 -5E-05 -2E-06
3.9E-05 0.00036 2.4E-05
-7.5E-05 3.5E-05 1.2E-05
1.6E-05 0.000207 -3.6E-05
0.000159 3.5E-05 9E-06
5.3E-05 -0.000169 1.2E-05
0.000168 0.000257 -7E-05
-9.4E-05 -5E-05 1.8E-05
2.9E-05 -6.2E-05 1.2E-05
-0.000114 -0.000326 2.7E-05
Con el fin de remover iones de Cu previo a la descarga de un efluente minero al ambiente,
se le ha propuesto a su grupo un estudio a escala de laboratorio que permita verificar la
factibilidad de la remoción, para su posterior aplicación a otro metales pesados. Su grupo
decidió trabajar con especialistas en análisis y diseño de experimentos, los cuales analizaron
resultados de un proceso de extracción multietapas. Se estudiaron 4 variables operacionales
en dos niveles, y su efecto en la extracción de Cu. Las variables y los niveles se muestran en la
Tabla adjunta:

Variable Unidades Nivel Bajo

Razón "solución CuSO4/volumen de la emulsión" X1 1
Concentración de Extractante X2 %w/w 0.5
Tiempo de agitación X3 min 1
Velocidad de agitación X4 rpm 240

Los resultados de los experimentos están dados por:

X1 X2 X3 X4 Y
1 0.5 1 240 22.58
1 0.5 1 240 19.17
1 0.5 1 240 25.32
1 0.5 1 240 23.38
10 0.5 1 240 9.75
1 5 1 240 46.56
10 5 1 240 33.85
1 0.5 20 240 25.12
10 0.5 20 240 16.79
1 5 20 240 51.42
10 5 20 240 39.05
1 0.5 1 600 25.61
10 0.5 1 600 15.17
1 5 1 600 47.49
10 5 1 600 42.91
1 0.5 20 600 50.80
10 0.5 20 600 37.45
1 5 20 600 73.41
10 5 20 600 59.5046
10 5 20 600 64.0467
10 5 20 600 61.167
10 5 20 600 59.7137

Nota:
Responder cada ítem en hojas separadas.
Justificar cada uno de sus cálculos en Excel
Dejar espacios para asignación de puntaje y comentarios.
Ser ordenados en la resolución e indicar claramente dónde se presenta la respuesta.
 i) Si se desean estimar los parámetros del diseño factorial completo 2 4 usando toda la información disponible
Justifique claramente su respuesta.

ii) Si se desea usar toda la información disponible del diseño factorial completo 2 4, con el fin de resolverlo com
¿Cuántos soluciones existirían? Justifique claramente su respuesta.

iii) Determine los efectos principales e interacciones. Reporte el error cuadrático medio (EMC), ¿Qué ECM rep

iv) Determine la significancia de los efectos con la información disponible.

v) ¿Cuánto cambian los efectos principales, interacciones y el ECM si sólo se consideran aquellos considerado

vi) Un grupo de colegas desconfió de los resultados obtenidos por su grupo de trabajo y pidió un análisis esta
software comercial. Usted tubo acceso al modelo obtenido (diseño factorial 2 4 completo), el cual está dado p

_2+𝐺 〖 𝑋〗 _1 〖 𝑋〗 _3+𝐻 〖 𝑋〗 _1 〖 𝑋〗 _4+𝐼 〖 𝑋〗 _2 〖 𝑋〗 _3+𝐽 〖 𝑋〗 _2 〖 𝑋〗 _4+𝐾 〖 𝑋〗 _3 〖 𝑋〗 _4+𝐿 〖 𝑋〗 _1 〖 𝑋〗 _2 〖 𝑋〗

donde

A= 20.1 E= 0.00495
B= -1.62 F= -0.086
C= 5.67 G= 0.0578
D= -0.741 H= 0.00067

Indique si este modelo se encuentra codificado. Determine diferencias respecto a lo obtenido en iii). Justifiqu
Nivel Alto
10
5
20
600

Y I X1 X2 X3 X4 X1X2 X1X3
22.58 1 -1 -1 -1 -1 1 1
19.17 1 -1 -1 -1 -1 1 1
25.32 1 -1 -1 -1 -1 1 1
23.38 1 -1 -1 -1 -1 1 1
9.75 1 1 -1 -1 -1 -1 -1
46.56 1 -1 1 -1 -1 -1 1
33.85 1 1 1 -1 -1 1 -1
25.12 1 -1 -1 1 -1 1 -1
16.79 1 1 -1 1 -1 -1 1
51.42 1 -1 1 1 -1 -1 -1
39.05 1 1 1 1 -1 1 1
25.61 1 -1 -1 -1 1 1 1
15.17 1 1 -1 -1 1 -1 -1
47.49 1 -1 1 -1 1 -1 1
42.91 1 1 1 -1 1 1 -1
50.80 1 -1 -1 1 1 1 -1
37.45 1 1 -1 1 1 -1 1
73.41 1 -1 1 1 1 -1 -1
59.5046 1 1 1 1 1 1 1
64.0467 1 1 1 1 1 1 1
61.167 1 1 1 1 1 1 1
59.7137 1 1 1 1 1 1 1
 información disponible ¿Cuántos grados de libertad existen?
(10 pts)

n el fin de resolverlo como sistema de ecuaciones lineales,

(10 pts)

io (EMC), ¿Qué ECM reportaría en el caso no replicado?

(20 pts)

(20 pts)

an aquellos considerados significativos en iv)? Comente.

(20 pts)

o y pidió un análisis estadístico independiente. Se utilizó

eto), el cual está dado por:

〖 𝑋〗 _1 〖 𝑋〗 _2 〖 𝑋〗 _3+𝑀 〖 𝑋〗 _1 〖 𝑋〗 _2 〖 𝑋〗 _4+𝑁 〖 𝑋〗 _1 〖 𝑋〗 _3 〖 𝑋〗 _4+𝑂 〖 𝑋〗 _2 〖 𝑋〗 _3 〖 𝑋〗 _4+𝑃 〖 𝑋〗 _1 〖 𝑋

I= 0.045 M 0.000394
J= -0.00161 N -0.00012
K= 0.003461 O -5E-05
L= -0.0049 P -2E-06

obtenido en iii). Justifique.

(20 pts)
X1X4 X2X3 X2X4 X3X4 X1X3X4 X1X2X3 X2X3X4 X1X2X4
1 1 1 1 -1 -1 -1 -1
1 1 1 1 -1 -1 -1 -1
1 1 1 1 -1 -1 -1 -1
1 1 1 1 -1 -1 -1 -1
-1 1 1 1 1 1 -1 1
1 -1 -1 1 -1 1 1 1
-1 -1 -1 1 1 -1 1 -1
1 -1 1 -1 1 1 1 -1
-1 -1 1 -1 -1 -1 1 1
1 1 -1 -1 1 -1 -1 1
-1 1 -1 -1 -1 1 -1 -1
-1 1 -1 -1 1 -1 1 1
1 1 -1 -1 -1 1 1 -1
-1 -1 1 -1 1 1 -1 -1
1 -1 1 -1 -1 -1 -1 1
-1 -1 -1 1 -1 1 -1 1
1 -1 -1 1 1 -1 -1 -1
-1 1 1 1 -1 -1 1 -1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
〖 𝑋〗 _4+𝑃 〖 𝑋〗 _1 〖 𝑋〗 _2 〖 𝑋〗 _3 〖 𝑋〗 _4
X1X2X3X4 Y I 37.443731 I
1 22.58 X1 -5.435006 22.5837 1
1 19.17 X2 12.031381 19.1658 1
1 25.32 X3 6.9506688 25.3187 1
1 23.38 X4 6.8000563 23.3754 1
-1 9.75 X1X2 0.1887938 33.845 1
-1 46.56 X1X3 -0.360444 16.7859 1
1 33.85 X1X4 0.3498688 51.4216 1
-1 25.12 X2X3 -0.177106 15.1661 1
1 16.79 X2X4 -0.043894 47.4934 1
1 51.42 X3X4 4.4983438 50.8002 1
-1 39.05 X1X3X4 -0.968269 59.5046 1
-1 25.61 X1X2X3 -0.562019 64.0467 1
1 15.17 X2X3X4 -0.242631 61.167 1
1 47.49 X1X2X4 0.6743688 59.7137 1
-1 42.91 X1X2X3X4 -0.039844
1 50.80 DC DFF
-1 37.45 I 37.443731 37.403888
-1 73.41 A X1 -5.435006 -5.677638
1 59.5046 B X2 12.031381 11.063113
1 64.0467 C X3 6.9506688 7.6250375
1 61.167 D X4 6.8000563 6.2380375
1 59.7137 AB X1X2 0.1887938 4.6871375
AC X1X3 -0.360444 -0.404337
AD X1X4 0.3498688 0.1727625
BC X2X3 -0.177106
BD X2X4 -0.043894
CD X3X4 4.4983438
ACD X1X3X4 -0.968269
ABC X1X2X3 -0.562019
BCD X2X3X4 -0.242631
ABD X1X2X4 0.6743688
ABCD X1X2X3X4 -0.039844
A B C D AB AC AD BC BD CD
X1 X2 X3 X4 X1X2 X1X3 X1X4 X2X3 X2X4 X3X4
-1 -1 -1 -1 1 1 1 1 1 1
-1 -1 -1 -1 1 1 1 1 1 1
-1 -1 -1 -1 1 1 1 1 1 1
-1 -1 -1 -1 1 1 1 1 1 1
1 1 -1 -1 1 -1 -1 -1 -1 1
1 -1 1 -1 -1 1 -1 -1 1 -1
-1 1 1 -1 -1 -1 1 1 -1 -1
1 -1 -1 1 -1 -1 1 1 -1 -1
-1 1 -1 1 -1 1 -1 -1 1 -1
-1 -1 1 1 1 -1 -1 -1 -1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1

37.403888 Generador
-5.677638 I ABCD
11.063113 1A BCD 1A
7.6250375 2B ACD 2B
6.2380375 3C ABD 3C
4.6871375 4D ABC 4D
-0.404337 5 AB CD 5 AB
0.1727625 6 AC BD 6 AC
7 AD BC 7 AD
ACD ABC BCD ABD ABCD
X1X3X4 X1X2X3 X2X3X4 X1X2X4 X1X2X3X4
-1 -1 -1 -1 1
-1 -1 -1 -1 1
-1 -1 -1 -1 1
-1 -1 -1 -1 1
1 -1 1 -1 1
-1 -1 1 1 1
1 -1 -1 1 1
-1 1 1 -1 1
1 1 -1 -1 1
-1 1 -1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
i) Si se desean estimar los parámetros del diseño factorial completo 2 4 usando toda la información disponible ¿Cuántos grados
Justifique claramente su respuesta.

Primero debemos tener en cuentra el número de datos experimentales que se tiene, en

este caso 22, debido a que se tienen 4 efectos principales, teniendo en cuenta los 12
efectos combinados de las variables independientes se deben calcular 16 parámetros.

Teniendo en cuenta eso calculamos los grados de libertad:

𝐺.𝐿=𝑁° 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜𝑠−𝑁° 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠
𝐺.𝐿=22−16=6
ción disponible ¿Cuántos grados de libertad existen?
(10 pts)

entales que se tiene, en

do en cuenta los 12
cular 16 parámetros.
ii) Si se desea usar toda la información disponible del diseño factorial completo 2 4, con el fin de resolverlo como sistema de ec
¿Cuántos soluciones existirían? Justifique claramente su respuesta.

Se puede resolver como sistema de ecuaciones lineales, a pesar de tener soluciones infinitas mediante los
métodos utilizados anteriormente para regresión lineal se puede obtener la solución que minimice los
errores cuadrados. La otra opción es utilizar los promedios de los datos replicados, en este experimento
tenemos 8 datos replicados de los cuales se obtendrán 2 promedios, de esta manera se tendrán 16 datos,
16 parámetros y 0 grados de libertad.

La principal diferencia entre ambas maneras es que al utilizar los 22 datos si bien se tiene un diseño
factorial balanceado y sin confusión no se cumple con un diseño ortogonal lo cual se logra apreciar al
calcular la Suma de los productos entre las distintas columnas como se logra apreciar en la tabla
adjuntada, al momento de calcular los parámetros si bien parecen ser los mismos estos no son iguales en
pequeña magnitud debido a la existencia de distintos minimos errores cuadraticos en el cálculo.
Por otro lado al utilizar los datos promedios se tendrá un diseño ortogonal que es el diseño que se
utilizará posteriormente para el calculo de los efectos.

Con estos resultados ya es

suficiente para darnos cuenta que
el diseño factorial no es ortogonal
e resolverlo como sistema de ecuaciones lineales,

(10 pts)

b_0 X1 X2 X3 X4 Y
tas mediante los
minimice los 1 -1 -1 -1 -1 22.5837
e experimento 1 -1 -1 -1 -1 19.1658
ndrán 16 datos,
1 -1 -1 -1 -1 25.3187
1 -1 -1 -1 -1 23.3754
un diseño 1 1 -1 -1 -1 9.7523
a apreciar al
a tabla 1 -1 1 -1 -1 46.5572
o son iguales en 1 1 1 -1 -1 33.845
álculo. 1 -1 -1 1 -1 25.1245
o que se
1 1 -1 1 -1 16.7859
1 -1 1 1 -1 51.4216
1 1 1 1 -1 39.052
1 -1 -1 -1 1 25.609
1 1 -1 -1 1 15.1661
1 -1 1 -1 1 47.4934
1 1 1 -1 1 42.9106
1 -1 -1 1 1 50.8002
1 1 -1 1 1 37.4499
1 -1 1 1 1 73.4131
1 1 1 1 1 59.5046
1 1 1 1 1 64.0467
1 1 1 1 1 61.167
1 1 1 1 1 59.7137
22 0 0 0 0
sumas de productos= 0 22 6 6 6
0 6 22 6 6
iii) Determine los efectos principales e interacciones. Reporte el error cuadrático medio (EMC), ¿Qué ECM reportaría en el caso

Primero se determinaran los efectos principales tomando en cuenta los casos replicados, ya que existen estas replicas es
posible calcular el error cuadratico medio.

Matriz de diseño(A)
I X1 X2 X3 X4 X1X2 X1X3 X1X4
1 -1 -1 -1 -1 1 1 1
1 -1 -1 -1 -1 1 1 1
1 -1 -1 -1 -1 1 1 1
1 -1 -1 -1 -1 1 1 1
1 1 -1 -1 -1 -1 -1 -1
1 -1 1 -1 -1 -1 1 1
1 1 1 -1 -1 1 -1 -1
1 -1 -1 1 -1 1 -1 1
1 1 -1 1 -1 -1 1 -1
1 -1 1 1 -1 -1 -1 1
1 1 1 1 -1 1 1 -1
1 -1 -1 -1 1 1 1 -1
1 1 -1 -1 1 -1 -1 1
1 -1 1 -1 1 -1 1 -1
1 1 1 -1 1 1 -1 1
1 -1 -1 1 1 1 -1 -1
1 1 -1 1 1 -1 1 1
1 -1 1 1 1 -1 -1 -1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1

Matriz de diseño(A)
I X1 X2 X3 X4 X1X2 X1X3 X1X4
1 -1 -1 -1 -1 1 1 1
1 1 -1 -1 -1 -1 -1 -1
1 -1 1 -1 -1 -1 1 1
1 1 1 -1 -1 1 -1 -1
1 -1 -1 1 -1 1 -1 1
1 1 -1 1 -1 -1 1 -1
1 -1 1 1 -1 -1 -1 1
1 1 1 1 -1 1 1 -1
1 -1 -1 -1 1 1 1 -1
1 1 -1 -1 1 -1 -1 1
1 -1 1 -1 1 -1 1 -1
1 1 1 -1 1 1 -1 1
1 -1 -1 1 1 1 -1 -1
1 1 -1 1 1 -1 1 1
1 -1 1 1 1 -1 -1 -1
1 1 1 1 1 1 1 1
¿Qué ECM reportaría en el caso no replicado?
(20 pts)
ya que existen estas replicas es

X2X3 X2X4 X3X4 X1X3X4 X1X2X3 X2X3X4 X1X2X4 X1X2X3X4

1 1 1 -1 -1 -1 -1 1
1 1 1 -1 -1 -1 -1 1
1 1 1 -1 -1 -1 -1 1
1 1 1 -1 -1 -1 -1 1
1 1 1 1 1 -1 1 -1
-1 -1 1 -1 1 1 1 -1
-1 -1 1 1 -1 1 -1 1
-1 1 -1 1 1 1 -1 -1
-1 1 -1 -1 -1 1 1 1
1 -1 -1 1 -1 -1 1 1
1 -1 -1 -1 1 -1 -1 -1
1 -1 -1 1 -1 1 1 -1
1 -1 -1 -1 1 1 -1 1
-1 1 -1 1 1 -1 -1 1
-1 1 -1 -1 -1 -1 1 -1
-1 -1 1 -1 1 -1 1 1
-1 -1 1 1 -1 -1 -1 -1
1 1 1 -1 -1 1 -1 -1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1

X2X3 X2X4 X3X4 X1X3X4 X1X2X3 X2X3X4 X1X2X4 X1X2X3X4

1 1 1 -1 -1 -1 -1 1
1 1 1 1 1 -1 1 -1
-1 -1 1 -1 1 1 1 -1
-1 -1 1 1 -1 1 -1 1
-1 1 -1 1 1 1 -1 -1
-1 1 -1 -1 -1 1 1 1
1 -1 -1 1 -1 -1 1 1
1 -1 -1 -1 1 -1 -1 -1
1 -1 -1 1 -1 1 1 -1
1 -1 -1 -1 1 1 -1 1
-1 1 -1 1 1 -1 -1 1
-1 1 -1 -1 -1 -1 1 -1
-1 -1 1 -1 1 -1 1 1
-1 -1 1 1 -1 -1 -1 -1
1 1 1 -1 -1 1 -1 -1
1 1 1 1 1 1 1 1
 Ya que la matriz de diseño no es ortogonal, esta matriz presenta val
error cuadratico medio, se prosigue con el desarrollo del problema.

AT*A
Y 22 0 0 0 0
22.5837 0 22 6 6 6
19.1658 0 6 22 6 6
25.3187 0 6 6 22 6
23.3754 0 6 6 6 22
9.7523 6 0 0 0 0
46.5572 6 0 0 0 0
33.845 6 0 0 0 0
25.1245 6 0 0 0 0
16.7859 6 0 0 0 0
51.4216 6 0 0 0 0
39.052 0 6 6 6 6
25.609 0 6 6 6 6
15.1661 0 6 6 6 6
47.4934 0 6 6 6 6
42.9106 6 0 0 0 0
50.8002
37.4499 C
73.4131 #NAME? #NAME? #NAME? #NAME? #NAME?
59.5046 #NAME? #NAME? #NAME? #NAME? #NAME?
64.0467 #NAME? #NAME? #NAME? #NAME? #NAME?
61.167 #NAME? #NAME? #NAME? #NAME? #NAME?
59.7137 #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?

AT*A
Y 16 0 0 0 0
22.6109 0 16 0 0 0
9.7523 0 0 16 0 0
46.5572 0 0 0 16 0
33.845 0 0 0 0 16
25.1245 0 0 0 0 0
16.7859 0 0 0 0 0
51.4216 0 0 0 0 0
39.052 0 0 0 0 0
25.609 0 0 0 0 0
15.1661 0 0 0 0 0
47.4934 0 0 0 0 0
42.9106 0 0 0 0 0
50.8002 0 0 0 0 0
37.4499 0 0 0 0 0
73.4131 0 0 0 0 0
61.108
C
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME?
ogonal, esta matriz presenta valores distintos a cero fuera de la diagonal. Sin embargo, como se nos pide estimar el
con el desarrollo del problema.

6 6 6 6 6 6 0 0
0 0 0 0 0 0 6 6
0 0 0 0 0 0 6 6
0 0 0 0 0 0 6 6
0 0 0 0 0 0 6 6
22 6 6 6 6 6 0 0
6 22 6 6 6 6 0 0
6 6 22 6 6 6 0 0
6 6 6 22 6 6 0 0
6 6 6 6 22 6 0 0
6 6 6 6 6 22 0 0
0 0 0 0 0 0 22 6
0 0 0 0 0 0 6 22
0 0 0 0 0 0 6 6
0 0 0 0 0 0 6 6
6 6 6 6 6 6 0 0

#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?

#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?

0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
16 0 0 0 0 0 0 0
0 16 0 0 0 0 0 0
0 0 16 0 0 0 0 0
0 0 0 16 0 0 0 0
0 0 0 0 16 0 0 0
0 0 0 0 0 16 0 0
0 0 0 0 0 0 16 0
0 0 0 0 0 0 0 16
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0

#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?

#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME? #NAME?
stimar el

AT*Y
0 0 6 850.2564
6 6 0 28.5312
6 6 0 307.9934
6 6 0 226.702
6 6 0 224.2922
0 0 6 254.1774
0 0 6 245.3896
0 0 6 256.7546
0 0 6 248.323
0 0 6 250.4544
0 0 6 323.1302
6 6 0 99.999
6 6 0 106.499
22 6 0 111.6092
6 22 0 126.2812
0 0 22 250.5192

Coeficientes Efectos
#NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? X1 #NAME? #NAME?
#NAME? #NAME? #NAME? X2 #NAME? #NAME?
#NAME? #NAME? #NAME? X3 #NAME? #NAME?
#NAME? #NAME? #NAME? X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X2 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X3 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X2X3 #NAME? #NAME?
#NAME? #NAME? #NAME? X2X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X3X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X3X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X2X3 #NAME? #NAME?
#NAME? #NAME? #NAME? X2X3X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X2X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X2X3X4 #NAME? #NAME?

AT*Y
0 0 0 599.0997
0 0 0 -86.9601
0 0 0 192.5021
 0 0 0 111.2107
0 0 0 108.8009
0 0 0 3.0207
0 0 0 -5.7671
0 0 0 5.5979
0 0 0 -2.8337
0 0 0 -0.7023
0 0 0 71.9735
0 0 0 -15.4923
0 0 0 -8.9923
16 0 0 -3.8821
0 16 0 10.7899
0 0 16 -0.6375

Coeficientes Efectos
#NAME? #NAME? #NAME? #NAME?
#NAME? #NAME? #NAME? X1 #NAME? #NAME?
#NAME? #NAME? #NAME? X2 #NAME? #NAME?
#NAME? #NAME? #NAME? X3 #NAME? #NAME?
#NAME? #NAME? #NAME? X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X2 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X3 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X2X3 #NAME? #NAME?
#NAME? #NAME? #NAME? X2X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X3X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X3X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X2X3 #NAME? #NAME?
#NAME? #NAME? #NAME? X2X3X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X2X4 #NAME? #NAME?
#NAME? #NAME? #NAME? X1X2X3X4 #NAME? #NAME?
 T-STUDENT 2.45
v 6.00

X1 X2 X3 X4 Y (Y-Yprom)^2
1 0.5 1 240 22.58 0.00073984
1 0.5 1 240 19.17 11.86871401
1 0.5 1 240 25.32 7.33218084
1 0.5 1 240 23.38 0.58446025
promedio 22.61
10 5 20 600 59.5046 2.57089156
10 5 20 600 64.0467 8.63595769
10 5 20 600 61.167 0.003481
10 5 20 600 59.7137 1.94407249
promedio 61.108
 Y Y mod sin repeticiones ME
22.6109 #NAME? 1.13912E-27
9.7523 #NAME?
46.5572 #NAME? Para el caso no replicado, el EMC deberia dar
33.845 #NAME? 0, ya que como se tendrian 16 experimentos y
16 condiciones, los grados de libertad serian
25.1245 #NAME? igual a 0, por ende el EMC tambien deberia dar
16.7859 #NAME? 0.
51.4216 #NAME?
Para corroborar lo anterior, se modifico la
39.052 #NAME? matriz de diseño solo ocupando una fila de las
25.609 #NAME? condiciones que se repetian, donde el valor de
15.1661 #NAME? la variable dependiente(Y) equivale al
promedio de las mediciones entregadas.
47.4934 #NAME?
42.9106 #NAME? Con estas consideraciones, se prosiguio con el
50.8002 #NAME? calculo de los coeficientes, para luego poder
calcular los valores de Y con el diseño factorial
37.4499 #NAME? sin repeticiones.
73.4131 #NAME?
Ya con dichos valores calculados, se estimo el
61.108 #NAME? error de estos comparandolos con los valores
de Y obtenidos experimentalmente. Asi, se
obtuvo un valor de EMC de 1,14*10^(-27), lo
que practicamente equivaldria a 0,
confirmando lo planteado inicialmente.
 Para poder estimar el EMC, primero se calculara el valor de
la T-student.
Como ya se menciono en la pregunta 1, los grados de
libertad son igual a 6, con este valor y una confianza del
95% se obtiene el valor de la T-student.
Luego se estima el valor de S_y primero estimando los
errores esperados comparando los valores de la variable
suma de errores S_y dependiente con el promedio correspondiente de la
32.94049768 2.3430926 condicion. Estos son elevados al cuadrado y sumados para
ECM 5.49008295 poder estimar el error de medicion. Ya con este, se calcula
S_y diviendo la suma de los errores por los grados de
ME 2.02704217 libertad.
Finalmente, para calcular el EMC se multiplican los valores
del S_y por la T-Student, y estos son divididos por el la raiz
de la cantidad de experimentos, obteniendo un valor de
EMC igual a 2,027.
 Utilizamos el Error cuadratico medio ECM utilizado previamente, recalcar que
este se obtiene gracias a las replicas medidas las cuales finalmente nos
permiten obtener el error asociado a la medición en la extracción de cobre.
Para ello realizaremos el siguente procedimiento:

ECM 5.49008295 s 2.3430926 El Margen de error obtenido n

n° datos 22
A partir del error cuadratico medio
obtenido previamente, obtenemos la
desviación estándar correspondiente
a las réplicas mediante la siguente
expresión
descartar los parámetros los c
la modelación se confunde en
T 2.45 medición siendo realmente irr
diseño debido a su baja signifi
Margen error
ME 2.02704217
Los grados de libertad corresponde a el n°
de datos replicados (8) - el número de
promedios utilizados en el cálculo del error
(2), por lo que los grados de libertad para el
margen de error son 6.

El analisis de significancia se realiza con el

estimador T con un 95% de confianza.
𝑀𝐸=±𝑇_(𝛼/2,𝜈)∙𝑠_𝑦/(√𝑛)

GRÁFICA NORMAL
N° dato Parámetro Ordenados Efectos ord. Percentil
1 -5.43500625 -5.43500625 -10.8700125 3%
2 12.0313813 -0.96826875 -1.9365375 10% 120%
3 6.95066875 -0.56201875 -1.1240375 17%
4 6.80005625 -0.36044375 -0.7208875 23% 100%
5 0.18879375 -0.24263125 -0.4852625 30%
6 -0.36044375 -0.17710625 -0.3542125 80%
37%
7 0.34986875 -0.04389375 -0.0877875 43%
60%
8 -0.17710625 -0.03984375 -0.0796875 50%
9 -0.04389375 0.18879375 0.3775875 57% 40%
10 4.49834375 0.34986875 0.6997375 63%
11 -0.96826875 0.67436875 1.3487375 70% 20%
12 -0.56201875 4.49834375 8.9966875 77%
13 -0.24263125 6.80005625 13.6001125 83% 0%
-15 -10 -5 0
14 0.67436875 6.95066875 13.9013375 90%
15 -0.03984375 12.0313813 24.0627625 97%
 Finalmente, los parámetros relevantes
son los efectos principales A,B,C,D y el
efecto secundario CD.

Parámetros
El Margen de error obtenido nos sirve para b_o 37.4437313 |Parámetro| |Efecto|
descartar los parámetros los cuales su efecto en
la modelación se confunde entre el error de A -5.43500625 5.43500625 10.8700125
medición siendo realmente irrelevantes en el B 12.0313813 12.03138125 24.0627625
diseño debido a su baja significancia. C 6.95066875 6.95066875 13.9013375
D 6.80005625 6.80005625 13.6001125
AB 0.18879375 0.18879375 0.3775875
AC -0.36044375 0.36044375 0.7208875
AD 0.34986875 0.34986875 0.6997375
BC -0.17710625 0.17710625 0.3542125
BD -0.04389375 0.04389375 0.0877875
CD 4.49834375 4.49834375 8.9966875
ACD -0.96826875 0.96826875 1.9365375
ABC -0.56201875 0.56201875 1.1240375
BCD -0.24263125 0.24263125 0.4852625
ABD 0.67436875 0.67436875 1.3487375
ABCD -0.03984375 0.03984375 0.0796875

Gráfico Normal
120%

100%

80%

60%

40%

20%

0%
-5 0 5 10 15 20 25 30
tros relevantes Otra manera de analizar la significancia es realizar un test de hipotesis, con las siguentes hipotesis:
𝐻_0:𝛽_𝑖=0
les A,B,C,D y el 𝐻_1:𝛽_𝑖≠0
Podemos calcular el pivote T para nuestro test de hipotesis como:
𝑇=(𝛽_0−0)/(𝑠/(√𝑛))
Todos los pivotes menores al T obtenido previamente son insignificantes, lo obtenido es concordante y
puede visualizar de mejor manera en el diagrama de Pareto obtenido en MiniTab:
b_i/(s/raiz(n))
-5.6818036316
12.5777124321
7.26629062212
7.10883898175
0.19736665701
-0.376811086
0.36575588746
-0.1851484411
-0.0458869147
4.70260836494
-1.0122367201
-0.5875393749
-0.2536488559
0.70499105917
-0.0416530089
 las siguentes hipotesis:

o obtenido es concordante y se
iniTab:
b_o A B C D CD Y
1 -1 -1 -1 -1 1 22.6109
1 1 -1 -1 -1 1 9.7523
1 -1 1 -1 -1 1 46.5572
1 1 1 -1 -1 1 33.845
1 -1 -1 1 -1 -1 25.1245
1 1 -1 1 -1 -1 16.7859
1 -1 1 1 -1 -1 51.4216
1 1 1 1 -1 -1 39.052
1 -1 -1 -1 1 -1 25.609
1 1 -1 -1 1 -1 15.1661
1 -1 1 -1 1 -1 47.4934
1 1 1 -1 1 -1 42.9106
1 -1 -1 1 1 1 50.8002
1 1 -1 1 1 1 37.4499
1 -1 1 1 1 1 73.4131
1 1 1 1 1 1 61.108

Para la nueva matriz de diseño se tomaron en cuenta las columnas de los efectos significativos
de la matriz de diseño original sin contar las replicas realizadas. Con esta nueva matriz se
obtienen tanto la matriz "C" como la matriz "AT*Y. Con estas matrices estimadas se calculan
los nuevos parametros descartando los efectos no significativos. Al comparar los nuevos
parametros con los estimados anteriormente, se observa que se mantienen iguales.

El resultado anterior, primero se debe a que a pesar de "eliminar" informacion del problema,
esta en si no era relevante y por ende solo tendia a aumentar el error entre el diseño de
nuestro experimento y los valores experimentales.

Tambien, los nuevos parametros no varian respecto a los obtenidos anteriormente, ya que
manteniendo solo los efectos significantes, corresponderia al diseño mas optimo.
 Matriz C
0.0625 0 0 0 0 0
0 0.0625 0 0 0 0
0 0 0.0625 0 0 0
0 0 0 0.0625 0 0
0 0 0 0 0.0625 0
0 0 0 0 0 0.0625

Matriz AT*Y
599.0997
-86.9601
192.5021 diagonal=1/16
111.2107
108.8009
71.9735

efectos significativos
nueva matriz se
timadas se calculan
arar los nuevos
en iguales.

acion del problema,

re el diseño de

riormente, ya que
optimo.
 CASO 2 NO CAMBIAN! CASO 1

Parámetros Parámetros
#NAME? b_0 #NAME? b_o 37.4437313 Y experimental
#NAME? A #NAME? A -5.43500625 22.5837
#NAME? B #NAME? B 12.0313813 19.1658
#NAME? C #NAME? C 6.95066875 25.3187
#NAME? D #NAME? D 6.80005625 23.3754
#NAME? CD #NAME? CD 4.49834375 9.7523
46.5572
Se logra comprobar como los efectos significantes no cambian. 33.845
A la hora de calcular el EMC se deben desglosar los datos que estaban
replicados ya que estos aportan al error entre el modelo y los datos 25.1245
experimentales, se logra observar como el EMC disminuye en 16.7859
comparación a lo obtenido en iii), pero en gran parte puede atribuirse a 51.4216
que en este caso existen 16 G.L v/s los 6 que se tenian anteriormente.
39.052
De igual manera el modelo al utilizar solo parámetros significantes 25.609
permite modelar de buena manera la situación experimental y es que a 15.1661
pesar de tener en ciertos casos mayores diferencias que al ocupar 16
parámetros se obtiene un modelo mucho más simple con menos 47.4934
variables que controlar, siendo las varibales eliminadas insignificantes y 42.9106
confundiéndose con el error experimental o margen de error (ME) 50.8002
previamente calculado.
37.4499
73.4131
59.5046
64.0467
61.167
59.7137
Y modelo (yexp-y mod)^2
#NAME? #NAME?
21.594975 5.900891180625
21.594975 13.86612787563
21.594975 3.169913180625
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
#NAME? #NAME?
62.289175 3.088894125625
62.289175 1.259276730625
62.289175 6.633071475625
SUMA ERROR 73.66080061
G.L=22(datos)-6
G.L 16 parámetros.
MSE 4.603800038125
 vi) Un grupo de colegas desconfió de los resultados obtenidos por su grupo de trabajo y pidió un análisis estadístico independi
software comercial. Usted tubo acceso al modelo obtenido (diseño factorial 2 4 completo), el cual está dado por:

〖 𝑋〗 _3+𝐻 〖 𝑋〗 _1 〖 𝑋〗 _4+𝐼 〖 𝑋〗 _2 〖 𝑋〗 _3+𝐽 〖 𝑋〗 _2 〖 𝑋〗 _4+𝐾 〖 𝑋〗 _3 〖 𝑋〗 _4+𝐿 〖 𝑋〗 _1 〖 𝑋〗 _2 〖 𝑋〗 _3+𝑀 〖 𝑋〗 _1

donde

A= #REF! E= #REF! I=
B= #REF! F= #REF! J=
C= #REF! G= #REF! K=
D= #REF! H= #REF! L=

Indique si este modelo se encuentra codificado. Determine diferencias respecto a lo obtenido en iii). Justifique.

Con UNIDADES DE INGENIERIA

Prom X1 X2 X3 X4 X1X2 X1X3 X1X4

1 1 0.5 1 240 0.5 1 240
1 1 0.5 1 240 0.5 1 240
1 1 0.5 1 240 0.5 1 240
1 1 0.5 1 240 0.5 1 240
1 10 0.5 1 240 5 10 2400
1 1 5 1 240 5 1 240
1 10 5 1 240 50 10 2400
1 1 0.5 20 240 0.5 20 240
1 10 0.5 20 240 5 200 2400
1 1 5 20 240 5 20 240
1 10 5 20 240 50 200 2400
1 1 0.5 1 600 0.5 1 600
1 10 0.5 1 600 5 10 6000
1 1 5 1 600 5 1 600
1 10 5 1 600 50 10 6000
1 1 0.5 20 600 0.5 20 600
1 10 0.5 20 600 5 200 6000
1 1 5 20 600 5 20 600
1 10 5 20 600 50 200 6000
1 10 5 20 600 50 200 6000
1 10 5 20 600 50 200 6000
1 10 5 20 600 50 200 6000

CON VARIABLES CODIFICADAS

Promedio A B C D AB AC AD
1 -1 -1 -1 -1 1 1 1
1 1 -1 -1 -1 -1 -1 -1
1 -1 1 -1 -1 -1 1 1
1 1 1 -1 -1 1 -1 -1
1 -1 -1 1 -1 1 -1 1
1 1 -1 1 -1 -1 1 -1
1 -1 1 1 -1 -1 -1 1
1 1 1 1 -1 1 1 -1
1 -1 -1 -1 1 1 1 -1
1 1 -1 -1 1 -1 -1 1
1 -1 1 -1 1 -1 1 -1
1 1 1 -1 1 1 -1 1
1 -1 -1 1 1 1 -1 -1
1 1 -1 1 1 -1 1 1
1 -1 1 1 1 -1 -1 -1
1 1 1 1 1 1 1 1

En primera instanciaes posible inferir que la ecuación presentada junto con los parámet
razones:
1. Cuando se tiene el modelo con los parámetros codificados la variable constante A cor
para el experimento analizado en iii) este promedio es de 39 aprox. en contraste al 20,1
2. Las magnitudes de los parámetros son distintas en comparación a los obtenidos en iii
medición que constantemente perjudican a los experimentos, sin embargo, la diferencia
magnitud por el hecho de que esta viarable presenta mayores ordenes de magnitud en
codificado.

Finalmente se intenta modelar los datos entregados para el primer diseño con el nuevo
obtenidos a que el modelo se encuentra no codificado.
Cabe señalar que existen errores debido a pesar de ocupar el modelo no codificado deb
experimento, lo cual ocasiona leves diferencias entre los parámetros obtenidos para la m
n análisis estadístico independiente. Se utilizó
al está dado por:

〖 𝑋〗 _2 〖 𝑋〗 _3+𝑀 〖 𝑋〗 _1 〖 𝑋〗 _2 〖 𝑋〗 _4+𝑁 〖 𝑋〗 _1 〖 𝑋〗 _3 〖 𝑋〗 _4+𝑂 〖 𝑋〗 _2 〖 𝑋〗 _3 〖 𝑋〗 _4+𝑃 〖 𝑋〗 _1 〖 𝑋〗 _2 〖 𝑋〗

#REF! M #REF!
#REF! N #REF!
#REF! O #REF!
#REF! P #REF!

n iii). Justifique.
(20 pts)

X2X3 X2X4 X3X4 X1X2X3 X1X2X4 X1X3X4 X2X3X4 X1X2X3X4

0.5 120 240 0.5 120 240 120 120
0.5 120 240 0.5 120 240 120 120
0.5 120 240 0.5 120 240 120 120
0.5 120 240 0.5 120 240 120 120
0.5 120 240 5 1200 2400 120 1200
5 1200 240 5 1200 240 1200 1200
5 1200 240 50 12000 2400 1200 12000
10 120 4800 10 120 4800 2400 2400
10 120 4800 100 1200 48000 2400 24000
100 1200 4800 100 1200 4800 24000 24000
100 1200 4800 1000 12000 48000 24000 240000
0.5 300 600 0.5 300 600 300 300
0.5 300 600 5 3000 6000 300 3000
5 3000 600 5 3000 600 3000 3000
5 3000 600 50 30000 6000 3000 30000
10 300 12000 10 300 12000 6000 6000
10 300 12000 100 3000 120000 6000 60000
100 3000 12000 100 3000 12000 60000 60000
100 3000 12000 1000 30000 120000 60000 600000
100 3000 12000 1000 30000 120000 60000 600000
100 3000 12000 1000 30000 120000 60000 600000
100 3000 12000 1000 30000 120000 60000 600000
PROMEDIO
 BC BD CD ACD ABC BCD ABD ABCD
1 1 1 -1 -1 -1 -1 1
1 1 1 1 1 -1 1 -1
-1 -1 1 -1 1 1 1 -1
-1 -1 1 1 -1 1 -1 1
-1 1 -1 1 1 1 -1 -1
-1 1 -1 -1 -1 1 1 1
1 -1 -1 1 -1 -1 1 1
1 -1 -1 -1 1 -1 -1 -1
1 -1 -1 1 -1 1 1 -1
1 -1 -1 -1 1 1 -1 1
-1 1 -1 1 1 -1 -1 1
-1 1 -1 -1 -1 -1 1 -1
-1 -1 1 -1 1 -1 1 1
-1 -1 1 1 -1 -1 -1 -1
1 1 1 -1 -1 1 -1 -1
1 1 1 1 1 1 1 1

sentada junto con los parámetros se encuentra no codificada esto principalmente por 2
dos la variable constante A corresponde al promedio de las variables dependientes medidas,
39 aprox. en contraste al 20,1 que se nos entrega ahora.
mparación a los obtenidos en iii), quizas esto igual pueda suceder debido a los errores de
ntos, sin embargo, la diferencia más notora es en el efecto de D el cual cambia drásticamente su
ores ordenes de magnitud en sus valores (200-600) lo cual es un claro indicar del diseño no

el primer diseño con el nuevo modelo, llegando a una clara demostración mediante los errores

ar el modelo no codificado debido a los constantes errores de medición que afectan al

parámetros obtenidos para la mismas condiciones pero en diferente momento.
 Valores codific
𝑃 〖 𝑋〗 _1 〖 𝑋〗 _2 〖 𝑋〗 _3 〖 𝑋〗 _4 Parámetro Variable Valor EXP 2 Valor Mín
A promedio #REF!
B X1 #REF! 1
C X2 #REF! 0.5
D X3 #REF! 1
E X4 #REF! 240
F X1X2 #REF!
G X1X2 #REF!
H X1X4 #REF!
I X2X3 #REF!
J X2X4 #REF!
K X3X4 #REF!
L X1X3X4 #REF!
M X1X2XX3 #REF!
N X2X3X4 #REF!
O X1X2X4 #REF!
Y Y_2 Error^2 P X1X2X3X4 #REF!
22.5837 #REF! 0.00055838
19.1658 #REF! #REF!
25.3187 #REF! #REF!
23.3754 #REF! #REF!
9.7523 #REF! #REF!
46.5572 #REF! #REF!
33.845 #REF! #REF!
25.1245 #REF! #REF!
16.7859 #REF! #REF!
51.4216 #REF! #REF!
39.052 #REF! #REF!
25.609 #REF! #REF!
15.1661 #REF! #REF!
47.4934 #REF! #REF!
42.9106 #REF! #REF!
50.8002 #REF! #REF!
37.4499 #REF! #REF!
73.4131 #REF! #REF!
59.5046 #REF! #REF!
64.0467 #REF! #REF!
61.167 #REF! #REF!
59.7137 #REF! #REF!
38.6480182 SUMA ERRORES 32.9802991
 Y Y2 Error^2
22.6109 #REF! 33.6499187
9.7523 #REF! #REF!
46.5572 #REF! #REF!
33.845 #REF! #REF!
25.1245 #REF! #REF!
16.7859 #REF! #REF!
51.4216 #REF! #REF!
39.052 #REF! #REF!
25.609 #REF! #REF!
15.1661 #REF! #REF!
47.4934 #REF! #REF!
42.9106 #REF! #REF!
50.8002 #REF! #REF!
37.4499 #REF! #REF!
73.4131 #REF! #REF!
61.108 #REF! #REF!
SUMA ERRORES 7771.97722
Valores codificados
Valor Máx Parámetro EXP1
37.44373125
10 -5.43500625
5 12.03138125
20 6.95066875
600 6.80005625
0.18879375
-0.36044375
0.34986875
-0.17710625
-0.04389375
4.49834375
-0.96826875
-0.56201875
-0.24263125
0.67436875
-0.03984375