Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ORIZABA
INTEGRANTES EQUIPO:
GIRÓN FLORES CÉSAR ENRIQUE
MELÉNDEZ FLORES ALFREDO
2. ¿Cuántos efectos se pueden estudiar con una factorial 4 × 3 × 2? Bosqueje su tabla de análisis de
varianza.
R= Se pueden estudiar 7 efectos en el modelo y son (A, B, C, AC, BC y ABC)
4. ¿Cuál es la implicación práctica de utilizar tres niveles de prueba en lugar de dos en un factor dado?
R=Si un factor se prueba en dos niveles, todo su efecto marginal (individual) es lineal, o sea qué su efecto
individual no se puede descomponer; pero, si tuviera tres niveles su efecto marginal se puede descomponer en
una parte lineal y otra cuadrática pura
5. ¿Por qué no tiene sentido utilizar el modelo de regresión cuando los factores son cualitativos? Si
fueran cuantitativos, ¿qué se gana con el modelo de regresión en relación al modelo de efectos?
R= Porque cuando son cualitativos no se puede hacer un análisis minucioso sobre el comportamiento de la
variable de respuesta alno tener datos numéricos. Con el modelo de regresión podemos obtener una predicción
más acertada del comportamiento de cierta variable en cambio con el modelo de efectos solo nos sirve para
determinar qué tan significativos son los factores involucrados.
7. ¿Cuáles son los supuestos del modelo en un diseño factorial y con cuáles gráficas de residuos se
puede verificar cada uno de estos supuestos?
R= Los supuestos del modelo son normalidad, varianza constante e independencia de los residuos y se pueden
verificar graficando los residuos contra los predichos en las gráficas de normalidad en la que se cumple el supuesto
del modelo si caen todos los residuos alineados en la línea recta de la gráfica y la varianza constante al caer todos
los puntos distribuidos dentro de una banda horizontal.
8. En la pregunta anterior, ¿cómo se vería en las gráficas un punto muy alejado o aberrante?
R=
9. De los tres supuestos del modelo, ¿cuál puede afectar más el análisis en caso de no cumplirse?
R= Los supuestos de normalidad y varianza constante
10. En caso de no cumplirse los supuestos de normalidad y varianza constante, ¿qué se puede hacer
para evitar problemas con el análisis y los resultados obtenidos?
R= Existen al menos tres maneras de solucionar o minimizar el problema por falta de normalidad y varianza
heterogénea en los residuos:
Utilizar métodos de análisis no parametritos, que no requieren las suposiciones de normalidad y varianza
constante
Hacer el análisis mediante modelos lineales generalizados (GLM), en los que se ajusta un modelo lineal
usando otras distribuciones diferentes a la normal, donde la varianza no tiene por qué ser constante
Hacer el análisis sobre la respuesta transformada a una escala en la que los supuestos se cumplan.
11. ¿Con base en qué se puede encontrar una transformación adecuada de la respuesta cuando no se
cumplen los supuestos?
R= Para corregir o minimizar los problemas de falta de normalidad y de varianza constante depende del tipo de
relación que existe entre la media y la varianza de y. Esta relación se puede visualizar en la gráfica de residuos
vs. Predichos. Según lo pronunciado que sea la “forma de corneta” de los puntos en dicha gráfica, se determina
la transformación más adecuada.
12. ¿Qué significa que el modelo estadístico sea de efectos aleatorios? ¿En qué cambian las hipótesis de
interés en factor aleatorio con respecto de uno fijo?
R= Cuando los niveles de prueba utilizados en un factor son una muestra aleatoria de la población de niveles para
ese factor.
La diferencia entre las hipótesis aleatorias y fijas son: en las fijas se basa en el efecto sobre la variabilidad de
respuesta y en las aleatorias se basa en la varianza.
H0: σ2α = 0, H0: σ2 β = 0 Y H0: σ2α β = 0
a. Suponga efectos fijos, anote el modelo estadístico apropiado y formule la hipótesis a probar para este
experimento.
Modelo estadístico: γ=μ+αi+ βj+(αβ)ij+εijk
Hipótesis:
Para A
Ho=α 1=α 2
Hi=α 1≠α 2
Para B
Ho=β 1=β 2
Hi=β 1≠ β 2
Para AB
Ho=αβ=0
Hi=αβ ≠ 0
b. Agregue en esta tabla los grados de libertad, el cuadrado medio y la razón F para cada una de las fuentes
de variación.
Nivel de B
B1 B2 B3 Total Yi..
44 49 52
Niveles de A
b) Calcule las sumas de cuadrados correspondientes: SCA, SCB, SCAB, SCT y SCE.
c) Obtenga la tabla de análisis de varianza y anote las principales conclusiones. ANOVA
FV SC GL CM FC FT
Nivel A 1440,06 1 1440,06 52,79 > 4,747 No significativo
Nivel B 785,44 2 392,72 14,40 > 3,885 Significativo
Nivel
AB 81,44 2 40,72 1,49 < 3,885 Significativo
Error 327,33 12 27,28
Total 2634,28 17 154,96
Conclusiones:
Existe efecto del nivel A que influye en el diseño factorial.
Existe efecto del nivel B que influye en el diseño factorial.
No existe efecto de interacción en el diseño factorial
d) Sin tomar en cuenta el posible efecto de interacción, obtenga la diferencia mínima significativa (LSD)
para comparar las medias en los niveles de factor A y la LSD para comparar las medias de Y en los
niveles del factor B.
e) ¿Cuál sería la LSD exacta tomando en cuenta la interacción? Conclusiones: El LSD interacción
exacto es el nivel B3 con el nivel A2 si se trata de maximización. El LSD interacción exacto es el nivel
B1 con el nivel A1 si se trata de minimizar
Conclusiones:
El LSD interacción exacto es el nivel B3 con el nivel A2 si se trata de maximización.
El LSD interacción exacto es el nivel B1 con el nivel A1 si se trata de minimizar.