UNIVERSIDAD NACIONAL AGRARIA LA

MOLINA

FACULTAD DE ECONOMIA Y PLANIFICACION

ESPECIALIDAD ESTADÍSTICA E INFORMÁTICA

Curso:
MODELOS LINEALES

Profesor:
CESAR MENACHO CHIOK

Semestre:
2010-II

Trabajo:
MODELO DE DISEÑO ANIDADO Y DISEÑO
CRUZADO-ANIDADO

Alumnos:
CORREA URBINA, PAULO SERGIO

La Molina, de Diciembre de 2010

Modelo de Diseño Anidado

Una compañía compra su materia prima a tres diferentes proveedores. La compañía

desea determinar si la pureza de la materia prima es la misma en cada proveedor.

Se seleccionan al azar cuatro lotes de materia prima de cada proveedor y se tomarán

tres determinaciones de pureza en cada lote.

En este problema, los niveles de lote están anidados en el factor proveedor. El efecto
de los lotes es aleatorio, mientras que el efecto de los proveedores es fijo.

Se plantea el siguiente modelo:

Yijk     i   j ( i )   ijk
Donde:

Yijk
es la k-ésima medida de pureza en el j-ésimo lote del i-ésimo proveedor.
 es la media general.
 i es el efecto fijo del i-ésimo proveedor.
 j (i )
es el efecto aleatorio del j-ésimo lote dentro del i-ésimo proveedor.
 ijk
error.
i  1, , a  3
j  1, , b  4
k  1, , n  3
Cuadrados Medios Esperados

Usando la regla de Hesse:

Tipo de Factor F A A
# niveles a b n
Subíndices i j k
i a
0 b n

i 1
i
2

(a  1)
 j (i )  2 1 1 n
 ijk  2 1 1 1

Luego, se forman los siguientes cuadrados medios esperados:

a a

 i
2
 i
2

E CM prov    2  n 2  bn i 1
  2  3 2  12 i 1
(a  1) (a  1)
E  CM lotes    2  n 2   2  3 2
E  CME    2

Análisis de Variabilidad (ANVA)

a b n
y2
SCT   yijk
2
  12  (1) 2    12   4.694  148.306
i 1 j 1 k 1 abn 
1 a 2 y2 1
SC prov  
bn i 1
y i  
abn 12
 ( 5) 2  42  142   4.694  15.056
a b
1 1 a 1 1
SClotes   yij2   yi2   02  (9)2    62    (5) 2  42  142   69.917
n i 1 j 1 bn i 1 3 12
a b n
1 a b 2 1
SCE   yijk2   yij   12  (1) 2    12   02  (9) 2    62   63.333
i 1 j 1 k 1 n i 1 j 1 3
Luego:

F.V. G.L. S.C. C.M. Fc p-value

Proveedor (a-1)=2 15.056 7.528 0.969 0.4158
Lotes(prov) a(b-1)=9 69.917 7.769 2.944 0.0167
Error ab(n-1)=24 63.333 2.639
Total abn-1=35 148.306
Contrastes de Hipótesis (Utilizando un   0.05 )

Para Proveedores:
H 0 :  i  0, i
H1 :  i  0

Según el ANVA: p-value=0.4158

H
Con un nivel de significación de 5% no se puede rechazar 0 . Por lo tanto, no existe
suficiente evidencia estadística para afirmar que existe un efecto significativo del
proveedor en la pureza del material.

Para Lotes:
H 0 :  2  0
H1 :  2  0

Según el ANVA: p-value=0.0167

H
Con un nivel de significación de 5% se rechaza 0 . Por lo tanto, existe evidencia
estadística para afirmar que la pureza de los lotes de materia prima del mismo
proveedor difieren significativamente, es decir, existe variabilidad entre ellos.

Estimación de los Componentes de Variancia

Var  Y    2   2
  Y   ˆ 2 ¨CME
Var 

CM lotes ( prov )  CME 7.769  2.639

 ˆ 2    1.71
n 3

Por lo tanto:
  Y   1.71  2.639  4.349
Var

Fuente: http://www.dpye.iimas.unam.mx/patricia/indexer/aleatorios.pdf
Modelo de Diseño Cruzado-Anidado

Un ingeniero industrial está estudiando la inserción a mano de componentes

electrónicos en tarjetas de circuitos impresos para mejorar la velocidad de la
operación de ensamblaje.

Ha diseñado 3 dispositivos de ensamblaje y 2 esquemas que se ven prometedores.

Se requieren operadores para realizar el ensamblado, por lo que decide seleccionar

aleatoriamente 4 operadores para cada tipo de esquema. Ya que hay diferentes
lugares donde se van a probar estos dos factores, es difícil usar los mismos 4
operadores, por lo que los 4 operadores escogidos para el esquema 1 son diferentes a
los 4 del esquema 2.

Se corren en forma aleatoria la combinación de tratamientos y se obtienen dos

repeticiones. Se mide el tiempo de ensamblado en segundos.

Se puede ver claramente que los efectos de dispositivos y esquemas son fijos mientras
que el efecto operador es aleatorio y está anidado en esquema. Dispositivos se cruza
con esquema y también con operador, que se encuentra dentro de esquema. Un
dibujo referencial del comportamiento de los factores puede ser el siguiente:
Donde A  Esquema , B  Dispositivo y C  Operador .

Por lo tanto, el modelo para este diseño es el siguiente:

Yijkl     i   j   k (i )  ( )ij  ( ) jk (i )   ijkl

Donde:

Yijkl
es el tiempo de ensamblado en segundos con el i-ésimo esquema, el j-ésimo
dispositivo y el k-ésimo operador en la l-ésima repetición.
 es la media general.
 i es el efecto fijo del i-ésimo esquema.
j
es el efecto fijo del j-ésimo dispositivo.
 k (i )
es el efecto aleatorio del k-ésimo operador anidado dentro del i-ésimo esquema.
( )ij
es efecto fijo de interacción entre el i-ésimo esquema y el j-ésimo dispositivo.
(  ) jk (i )
es el efecto aleatorio de interacción entre el j-ésimo dispositivo y el k-ésimo
operador.
 ijkl
error , l=1,2.

i  1, , a  2
j  1, , b  3
k  1, , c  4
l  1, , n  2

Cuadrados Medios Esperados

Para determinar los cuadrados medios esperados para este diseño haré uso de la Regla
de Hesse. Así, se forma la siguiente tabla:
 Tipo Factor F F A A
# niveles a b c n
Subíndices i j k l
i a
0 b c n

i 1
i
2

a 1
j b
a 0 c n

j 1
2
j

b 1
 k (i )  2 1 b 1 n
( )ij a b
0 0 c n
 ( )
i 1 j 1
2
ij

(a  1)(b  1)
(  ) jk (i )  2 1 0 1 n
eijkl  2 1 1 1 1

De esta forma, se tienen los siguientes cuadrados medios esperados:

a a
bcn  i2  i
2

E CM esq    2  bn 2  i 1

  2  6 2  24 i 1

a 1 a 1
b b
acn   j2  2
j
j 1 j 1
E CM disp    2  n 
2
   2  2 
2
 16
b 1 b 1
a b a b
cn ( )ij2   ( ) 2
ij
i 1 j 1 i 1 j 1
E CM esqdisp    2  n 
2
   2  2 
2
8
( a  1)(b  1) (a  1)(b  1)
E CM op     bn    62

2

2

2


E CM opdisp (esq )    2  n 

2
  2  2 
2

E  CME    2

Análisis de Variancia (ANVA)

2 3 4 2
SCT   ( yijkl  y ) 2  (22  26.083) 2  (24  26.083) 2    (27  26.083) 2  299.667
i 1 j 1 k 1 l 1
2
SCesq  bcn ( yi   y ) 2  3(4)(2) (25.792  26.083) 2  (26.375  26.083) 2   4.083
i 1
 3
SCdisp  acn ( y j   y ) 2  2(4)(2) (25.25  26.083) 2  (27.938  26.083) 2  (25.063  26.083) 2 
j 1

 82.792
2 4
SCop  bn ( yi k   y ) 2  3(2) (24.833  25.792) 2    (26.667  26.375) 2   71.917
i 1 k 1
2 3
SCdispesq  cn ( yij   yi   y j   y ) 2
i 1 j 1

 4(2) (24.75  25.792  25.25  26.083) 2    (26  26.375  25.063  26.083) 2 

 19.042
2 3 4
SCopdisp ( esq )  n ( yijk   yij   yi k   yi  ) 2
i 1 j 1 k 1

 (2) (23  24.75  24.833  25.792) 2    (27.5  26  26.667  26.375) 2 

 65.833
2 3 4 2
SCE   ( yijkl  yijk  ) 2  (22  23) 2    (27  27.5) 2  56
i 1 j 1 k 1 l 1

Luego:

F.V. G.L. S.C. C.M. Fc p-value

Esquema (a-1)=1 4.083 4.083 0.341 0.581
Dispositivo (b-1)=2 82.792 41.396 7.546 0.0076
Operador(Esq a(c-1)=6 71.917 11.986 5.138 0.0016
)
Esq x Disp (a-1)(b-1)=2 19.042 9.521 1.736 0.218
Op x Disp(Esq) a(c-1)(b- 65.833 5.486 2.351 0.036
1)=12
Error abc(n-1)=24 56 2.333
Total abcn-1=47 299.667

Contrastes de Hipótesis (utilizando un   0.05 )

Para esquemas:
H 0 :  i  0, i
H1 :  i  0 para al menos un i

Según el ANVA: p-value=0.581

H
Con un nivel de significación de 5% no se rechaza 0 . Por lo tanto, no existe evidencia
estadística para afirmar que existen diferencias significativas entre los esquemas 1 y 2
en el tiempo de ensamblado.
Para Dispositivos:
H 0 :  j  0, j
H1 :  j  0 para al menos un j

Según el ANVA: p-value=0.0076

H
Con un nivel de significación de 5% se rechaza 0 . Por lo tanto, existe suficiente
evidencia estadística para afirmar que existe una diferencia o efecto significativo en al
menos un tipo de dispositivo en el tiempo de ensamblado.

Para la interacción entre Dispositivos y Esquemas:

H 0 : ( )ij  0, (i, j )

H1 : ( )ij  0 para al menos un par (i, j )

Según el ANVA: p-value=0.218

H
Con un nivel de significación de 5% no se rechaza 0 . Por lo tanto, no existe suficiente
evidencia estadística para afirmar que existe interacción significativa entre dispositivos
y esquemas en el tiempo de ensamblado.

Para Operadores anidados en Esquemas:

H 0 :  2  0
H1 :  2  0

Según el ANVA: p-value=0.0016

H
Con un nivel de significación de 5% se rechaza 0 . Por lo tanto, existe suficiente
evidencia estadística para afirmar que existe una variabilidad significativa entre los
operadores del mismo esquema en el tiempo de ensamblado.

Para la interacción entre los Operadores y los Dispositivos:

H 0 :  
2
0
H1 :  
2
0

Según el ANVA: p-value=0.036

H
Con un nivel de significación de 5% se rechaza 0 . Por lo tanto, existe suficiente
evidencia estadística para afirmar que existe una variabilidad significativa en la
interacción entre los operadores del mismo esquema y los dispositivos en el tiempo de
ensamblado.

Estimación de los Componentes de Variancia

Var  Y    2   2   2
  Y   ˆ 2  ˆ 2  CME
Var  

CM op  CME 11.986  2.333

 ˆ 2    1.609
bn 3(2)

CM opdisp  CME 5.486  2.333

 ˆ 2    1.577
n 2

Por lo tanto:
  Y   1.609  1.577  2.333  5.519
Var

Fuente: http://www.dpye.iimas.unam.mx/patricia/disenos/notas/modelos_mixtos.pdf