Documentos de Académico
Documentos de Profesional
Documentos de Cultura
[1/90]
Contenido
[2/90]
Contenido
REPRODUCCIÓN
Esto significa que las pruebas se puedan repetir bajo las
mismas condiciones en más de una ocasión. La reproduc-
ción por lo tanto es importante por al menos dos razones:
[3/90]
Contenido
ALEATORIDAD
Significa que tanto el material asigando a una prueba en
particular, como el orden en que se realizen las pruebas
se efectúen de manera aleatoria. La aleatoridad por lo
tanto es importante por al menos dos razones:
[4/90]
Contenido
[5/90]
Contenido
3. Definir el diseño
Implica definir de que manera se efectuarán las prue-
bas y que modelo matemático describe mejor el experi-
mento. Existen varios tipos de experimentos, y deberá
seleccionarse el que mejor se ajuste a la situación par-
ticular a resolver.
4. Efectuar el experimento
Se realizará de acuerdo al modelo seleccionado en el
paso 3. Cuidando detalladamente que todo se lleve a
cabo de acuerdo a lo establecido; así como todos los as-
pectos de planeación y logística.
[7/90]
Contenido
[8/90]
Contenido
∗ Introducción al diseño de experimentos
∗ Diseño de un solo factor
∗ Disenós en bloques aleatorizados
∗ Diseños Factoriales
∗ Diseño factorial 2k
∗ Diseño factorial 2k con puntos centrales
∗ Diseño de Composición Central - DCC
Contenido
» Diseño unifactorial
[9/90]
Contenido
» Diseño unifactorial
Ejemplo
En cierto estudio de calibración de espectroscopia de absorción
atómica, las medidas de respuesta fueron las unidades de absor-
ción de un instrumento según la cantidad de cobre diluido en una
solución ácida. Se usaron cinco niveles de cobre con cuatro répli-
cas del nivel cero y dos réplicas de los otros cuatro niveles. En la
siguiente tabla se dan los datos de espectroscopia para cada nivel
de cobre como microgramos de cobre/mililitro de solución.
Cobre (mg/ml)
0.00 0.05 0.10 0.20 0.50
0.045 0.084 0.115 0.183 0.395
0.047 0.087 0.116 0.191 0.399
0.051 0.082 0.118 0.185 0.397
0.054 0.089 0.112 0.188 0.398
[10/90]
Contenido
» Diseño unifactorial
En el ejemplo podemos ver que:
∗ Variable respuesta: Unidades de absorción del instrumento
∗ Factor controlado: Cantidad de cobre diluido en solución
ácida
∗ Número de Niveles o de Tratamientos: 5 (Porque se están
probando 5 diferentes concentraciones)
yij = µ + τi + ϵij
[11/90]
Contenido
» Diseño unifactorial
Para este diseño se tienen dos hipótesis:
Hipótesis Nula:
H0 : No influye la cantidad de cobre diluido en solución ácida en
las unidades de absorción del instrumento.
O que es lo mismo,
H 0 : µ1 = µ2 = µ 3 = µ 4 = µ 5
Donde µ1 es la media para el nivel 0.00, µ2 es la media para el nivel
0.05, µ3 es la media para el nivel 0.10, µ4 es la media para el nivel
0.20 y µ5 es la media para el nivel 0.50
Hipótesis Alternativa:
Ha : Influye la cantidad de cobre diluido en solución ácida en las
unidades de absorción del instrumento.
O lo que es lo mismo,
Ha : µi ̸= µk (Al menos un par de medias son diferentes para
i ̸= k) Para determinar con cual hipótesis nos quedamos, es
necesario realizar una Análisis de Varianza.
[12/90]
Contenido
[13/90]
Contenido
SST MST
Tratamiento a−1 SStrat MST = F0 =
a−1 MSE
SCE
Error N−a SSerror MSE =
N−a
Xa Xa X
n
2
SStratamiento =n (yi. − y.. ) SStotal = yij − y..
2
[15/90]
Contenido
[16/90]
Contenido
[18/90]
Contenido
[19/90]
Contenido
» Prueba de Tukey
Tα = qα (t, f) Syi
r
CMERROR
Donde: Syi =
n
[20/90]
Contenido
[21/90]
Contenido
∗ Varianza constante
[22/90]
Contenido
Si d < dL Se rechaza H0
Si d > dU No se rechaza H0
Si dL ≤ d ≤ dU Sin decisión
[24/90]
Contenido
[25/90]
Contenido
yij = µ + τi + βj + ϵij
[27/90]
Contenido
Hipótesis Nula:
H0 : No influye la velocidad de agitación en la medida de la textura
O que es lo mismo,
H 0 : µ1 = µ2 = µ 3 = µ 4
Hipótesis Alternativa:
Ha : Si influye la velocidad de agitación en la medida de la textura
O lo que es lo mismo,
Ha : µi ̸= µj (Al menos un par de medias son diferentes para i ̸= j)
[28/90]
Contenido
Hipótesis Nula:
H0 : τ1 = τ2 = τ3 = τ4 = 0
Hipótesis Alternativa:
Ha : τi ̸= 0 (Al menos un para una i)
Para determinar con cual hipótesis nos quedamos, es necesario
realizar una Análisis de Varianza.
[29/90]
Contenido
SST MST
Tratamientos a−1 SStrat MST = F0 =
a−1 MSE
SSB MSB
Bloques b−1 SSbloques MSB = F0 =
b−1 MSE
SSE
Error (a − 1) (b − 1) SSerror MSE =
(a − 1) (b − 1)
Total ab − 1 SStotal
[31/90]
Contenido
[33/90]
Contenido
La expresión:
r
2CMERROR
LSD = t α , (a − 1) (b − 1)
b
2
Se le conoce como Mínima Diferencia Significativa.
[34/90]
Contenido
» Prueba de Tukey
Tα = qα (t, f) Syi
r
MSERROR
Donde: Syi =
b
[35/90]
Contenido
[36/90]
Contenido
∗ Varianza constante
[37/90]
Contenido
Si d < dL Se rechaza H0
Si d > dU No se rechaza H0
Si dL ≤ d ≤ dU Sin decisión
Si d < dL Se rechaza H0
Si d > dU No se rechaza H0
Si dL ≤ d ≤ dU Sin decisión
[40/90]
Contenido
[41/90]
Contenido
[42/90]
Contenido
SCT CMT
Tratamientos p−1 SCtrat CMT = F0 =
p−1 CME
SCR CMR
Renglones p−1 SCreng CMR = F0 =
p−1 CME
SCC CMC
Columnas p−1 SCcol CMC = F0 =
p−1 CME
SCE
Error (p − 2) (p − 1) SCerror CME =
(p − 2) (p − 1)
Total p2 − 1 SCtotal
[43/90]
Contenido
p
1X 2 y2
SStratamientos = y.j. − ...
p N
j=1
p
1X 2 y2
SSrenglones = yi.. − ...
p N
i=1
p
1X 2 y2
SScolumnas = y..k − ...
p N
k=1
XXX y2
SStotal = y2ijk − ...
N
i j k
SSError = SStotal − SStratamientos − SSrenglones − SScolumnas
[44/90]
Contenido
SCLT CMLT
Tratamientos con lt p−1 SCLT CMLT = F0 =
p−1 CME
SCLG CMLG
Tratamientos con lg p−1 SCLG CMLG = F0 =
p−1 CME
SCR CMR
Renglones p−1 SCreng CMR = F0 =
p−1 CME
SCC CMC
Columnas p−1 SCcol CMC = F0 =
p−1 CME
SCE
Error (p − 3) (p − 1) SCerror CME =
(p − 3) (p − 1)
Total p2 − 1 SCtotal
[45/90]
Contenido
[46/90]
Contenido
∗ Introducción al diseño de experimentos
∗ Diseño de un solo factor
∗ Disenós en bloques aleatorizados
∗ Diseños Factoriales
∗ Diseño factorial 2k
∗ Diseño factorial 2k con puntos centrales
∗ Diseño de Composición Central - DCC
Contenido
» Diseños factoriales
Los arreglos factoriales se utilizan cuando en una investigación
se pretende estudiar simultáneamente la influencia del cambio de
nivel de varios factores sobre la variable de respuesta. Este tipo
de diseño permite estimar los efectos simples de los factores y el
efecto de las interacciones de dichos factores. Sin embargo, se
evalúan de manera independiente por lo que se tendrá un par de
hipótesis para cada efecto.
[47/90]
Contenido
» Diseños factoriales
Tipos de efectos para los factores principales
Respuesta
[48/90]
Contenido
» Diseños factoriales
Tipos de efectos para los factores principales
Respuesta
[49/90]
Contenido
» Diseños factoriales
Tipos de efectos para los factores principales
Respuesta
[50/90]
Contenido
» Diseños factoriales
Casos para las interacciones
Respuesta
Nivel alto
FACTOR B
Nivel bajo
Sin interacción
[51/90]
Contenido
» Diseños factoriales
Casos para las interacciones
Respuesta
Nivel alto
FACTOR B
Nivel bajo
[52/90]
Contenido
» Diseños factoriales
Casos para las interacciones
Respuesta
Nivel alto
FACTOR B
Nivel bajo
[53/90]
Contenido
[56/90]
Contenido
[57/90]
Contenido
SSA MSA
Tratamiento A a−1 SSA MSA = F0 =
a−1 MSE
SSB MSB
Tratamiento B b−1 SSB MSB = F0 =
b−1 MSE
SSAB MSAB
Interacción (a − 1) (b − 1) SSAB MSAB = F0 =
(a − 1) (b − 1) MSE
SSE
Error ab (n − 1) SSerror MSE =
ab (n − 1)
[58/90]
Contenido
[59/90]
Contenido
[63/90]
Contenido
SSA MSA
A a−1 SSA MSA = F0 =
a−1 MSE
SSB MSB
B b−1 SSB MSB = F0 =
b−1 MSE
SSC MSC
C c−1 SSC MSC = F0 =
c−1 MSE
SSAB MSAB
AB (a − 1) (b − 1) SSAB MSAB = F0 =
(a − 1) (b − 1) MSE
SSBC MSBC
BC (b − 1) (c − 1) SSBC MSBC = F0 =
(b − 1) (c − 1) MSE
[65/90]
Contenido
SSAC MSAC
AC (a − 1) (c − 1) SSAC MSAC = F0 =
(a − 1) (c − 1) MSE
SSABC MSABC
ABC (a − 1) (b − 1) (c − 1) SSABC MSABC = F0 =
(a − 1) (b − 1) (c − 1) MSE
SSE
Error abc (n − 1) SSerror MSE =
abc (n − 1)
[66/90]
Contenido
∗ Introducción al diseño de experimentos
∗ Diseño de un solo factor
∗ Disenós en bloques aleatorizados
∗ Diseños Factoriales
∗ Diseño factorial 2k
∗ Diseño factorial 2k con puntos centrales
∗ Diseño de Composición Central - DCC
Contenido
» Diseño Factorial 2k
Familia de diseños factoriales 2k (k ≤ 5)
Tratamiento Notación de Yates A B C D E
1 1 − − − − −
2 a + − − − −
3 b − + − − −
4 ab + + − − −
5 c − − + − −
6 ac + − + − −
7 bc − + + − −
8 abc + + + − −
9 d − − − + −
10 ad + − − + −
11 bd − + − + −
12 abd + + − + −
13 cd − − + + −
14 acd + − + + −
15 bcd − + + + −
16 abcd + + + + −
[67/90]
Contenido
» Diseño Factorial 2k
Tratamiento Notación de Yates A B C D E
17 e − − − − +
18 ae + − − − +
19 be − + − − +
20 abe + + − − +
21 ce − − + − +
22 ace + − + − +
23 bce − + + − +
24 abce + + + − +
25 de − − − + +
26 ade + − − + +
27 bde − + − + +
28 abde + + − + +
29 cde − − + + +
30 acde + − + + +
31 bcde − + + + +
32 abcde + + + + +
[68/90]
Contenido
» Diseño Factorial 2k
[69/90]
Contenido
» Diseño Factorial 22
Ejemplo
Se tiene dos variables A (tiempo) y B (dosificación de reactivo) el
cual se obtuvieron los siguientes resultados (Recuperación) para
lo cual se hicieron 4 réplicas para cada experimento.
[70/90]
Contenido
» Diseño Factorial 22
Donde:
µ: Media global
τ : Efecto del tiempo A
β: Efecto de la dosificación de reactivo B
τ β: Interacción entre el tiempo y la dosificación de reactivo (AB)
ϵ: Error aleatorio o residual
[71/90]
Contenido
» Diseño Factorial 22
Las hipótesis que se pueden probar son:
[72/90]
Contenido
» Diseño Factorial 23
Ejemplo
Se ha observado que él % de Recuperación de Cu en una planta
concentradora es bajo debido al profundidad de la mina y a la
aparición de roca magmática que ha distorsionado alguno parámet-
ros del proceso. Para solucionar gran parte de este problema se
va hacer varias pruebas metalúrgicas para identificar las variables
que realmente mejoran el proceso y de esta manera saber cuál de
ellas deben ser optimizadas con un diseño estrella o rotable, las
variables y niveles que se va investigar son:
Niveles
Factores
−1 +1
x1 : Colector (lb/tn) 0.02 0.06
x2 :Ph 10 11
x3 : % en peso 27 33
[73/90]
Contenido
» Diseño Factorial 23
[74/90]
Contenido
» Diseño Factorial 23
Planteamineto de Hipótesis:
1. Para el efecto simple del colector:
H0 : τi = 0 (No influye el efecto simple del colector sobre la
recuperación de Cu)
Ha : τi ̸= 0 (Si influye el efecto simple del colector sobre la
recuperación de Cu)
2. Para el efecto simple del pH:
H0 : βj = 0 (No influye el efecto simple del pH sobre la
recuperación de Cu)
Ha : βj ̸= 0 (Si influye el efecto simple del pH sobre la
recuperación de Cu)
3. Para el efecto simple del % en peso:
H0 : γk = 0 (No influye el efecto simple del % en peso sobre la
recuperación de Cu)
Ha : γk ̸= 0 (Si nfluye el efecto simple del % en peso sobre la
recuperación de Cu)
[75/90]
Contenido
» Diseño Factorial 23
4. Para el efecto de interacción entre el colector y el pH:
H0 : (τ β)ij = 0 (No influye el efecto de interacción entre el
colector y el pH sobre la recuperación de Cu)
Ha : (τ β)ij ̸= 0 (Si iinfluye el efecto de interacción entre el
colector y el pH sobre la recuperación de Cu)
5. Para el efecto de la interacción entre el efecto del colector y
el % en peso
H0 : (τ β)ik = 0 (No influye el efecto de la interacción entre el
efecto del colector y el % en peso sobre la recuperación de
Cu)
Ha : (τ β)ik ̸= 0 (Si influye el efecto de la interacción entre el
efecto del colector y el % en peso sobre la recuperación de
Cu)
[76/90]
Contenido
» Diseño Factorial 23
[77/90]
Contenido
∗ Introducción al diseño de experimentos
∗ Diseño de un solo factor
∗ Disenós en bloques aleatorizados
∗ Diseños Factoriales
∗ Diseño factorial 2k
∗ Diseño factorial 2k con puntos centrales
∗ Diseño de Composición Central - DCC
Contenido
-
- FACTOR A + [78/90]
Contenido
Respuesta
Respuesta
Respuesta
Ejemplo
Un ingeniero está interesado en determinar las condiciones de op-
eración que maximizan el rendimiento de un proceso. Dos vari-
ables controlables influyen en el rendimiento: el tiempo y la tem-
peratura. El ingeniero decide realizar un experimento 2k con pun-
tos centrales para tener una idea del comportamiento del proceso.
A continuación se detalla los resultados del experimento.
[82/90]
Contenido
Tratamientos Respuesta
A B y
−1 −1 76.5
1 −1 78
−1 1 77
1 1 79.5
0 0 79.9
0 0 80.3
0 0 80
0 0 79.7
0 0 79.8
[83/90]
Contenido
∗ Introducción al diseño de experimentos
∗ Diseño de un solo factor
∗ Disenós en bloques aleatorizados
∗ Diseños Factoriales
∗ Diseño factorial 2k
∗ Diseño factorial 2k con puntos centrales
∗ Diseño de Composición Central - DCC
Contenido
[84/90]
Contenido
(0; α)
x2
(α, 0) (0; 0) (α, 0) x1
x1
(0; −α)
[85/90]
Contenido
[86/90]
Contenido
y = β0 + β1 x1 + β2 x2 + β12 x1 x2 + ϵ
y = β0 + β1 x1 + β2 x2 + β12 x1 x2 + Curvatura + ϵ
[87/90]
Contenido
» Puntos axiales
∗ En un DCC los puntos axiales deben estar a una distancia α del
cero, esto para garantizar la rotabilidad del diseño.
∗ El valor de α depende del número de puntos factoriales que se
tengan en el diseño.
∗ A continuación se presenta una tabla con los valores propuestos
para α en función del número de puntos factoriales.
F: Número de 1/4
puntos factoriales
α = (F)
4 1.414
8 1.682
16 2.000
32 2.378
64 2.828
128 3.364
256 4.000
[88/90]
Contenido
Ejemplo
[89/90]
Contenido
[90/90]