Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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.
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
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
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)
(10 pts)
(20 pts)
I= 0.045 M 0.000394
J= -0.00161 N -0.00012
K= 0.003461 O -5E-05
L= -0.0049 P -2E-06
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.
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.
(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
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
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
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:
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.
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:
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.
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:
#REF! M #REF!
#REF! N #REF!
#REF! O #REF!
#REF! P #REF!
n iii). Justifique.
(20 pts)
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