EJERCICIO EN CLASE 5.2.

pçag 121

Se desea estudiar el efecto d ela profundidad de corte de un metal (Factor A) y la velocidad de alimentación (Factor

PROFUNDIDAD VELOCIDAD ACABADO

0.24 0.25 104
0.24 0.3 114
0.21 0.2 82
0.15 0.3 99
0.18 0.2 79
0.18 0.25 98
0.15 0.2 74
0.21 0.3 108
0.24 0.2 99
0.15 0.3 98
0.24 0.2 104
0.15 0.2 64
0.18 0.2 68
0.15 0.25 92
0.15 0.2 60
0.21 0.3 110
0.18 0.3 104
0.24 0.25 110
0.18 0.25 104
0.18 0.3 99
0.15 0.25 86
0.21 0.25 99
0.24 0.2 96
0.21 0.3 99
0.18 0.25 88
0.18 0.2 73
0.21 0.25 108
0.15 0.25 88
0.24 0.3 111
0.21 0.2 88
0.24 0.3 107
0.21 0.2 92
0.24 0.25 99
0.15 0.3 102
0.18 0.3 95
0.21 0.25 95
velocidad de alimentación (Factor B) en el acabado (Variable de respuesta)

Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Model 11 5842.7 531.15 18.49 0
  Linear 5 5285.6 1057.12 36.81 0
    PROFUNDIDAD 3 2125.1 708.37 24.66 0
    VELOCIDAD 2 3160.5 1580.25 55.02 0
  2-Way Interactions 6 557.1 92.84 3.23 0.018
    PROFUNDIDAD*VELOCIDAD
6 557.1 92.84 3.23 0.018
Error 24 689.3 28.72      
Total 35 6532         

Model Summary
S R-sq R-sq(adj) R-sq(pred)
5.35931 89.45% 84.61% 76.26%

Si comparamos las sumas de cuadrados

SSerror = 689,3 < SSprofundidad = 2125,11

SSerror = 689,3 < SSvelocidad = 3160,5

Como la suma de cuadrados del error SSerror es menor a la SS de efectos principales indica que el experimento si fu
es decir, la variación en el acabado del metal solo fue afectada por la profundidad de corte y la velocidad de aliment
No hubo otros factores externos que afectaran el comporatamiento de la variable de respuesta Y

Se procede entonces a verificar si existen diferencia significativas entre los niveles de los efectos principales
si esxite o no efecto de interacción, esta verificación se realiza a traves de las hipótesis para cada fuente de variación
Validada con el p-valor

cipales indica que el experimento si fue bien controlado en campo
dad de corte y la velocidad de alimentación
able de respuesta Y
eles de los efectos principales
hipótesis para cada fuente de variación
Prueba de hipótesis para profundidad de c
Ho: prom 0.15 = prom 0.18 = prom 0.21 = prom 0
Regla de decisión
Rechazo Ho si p-valor < alfa (NC del 95%)
Decisión: como el p-valor = 0.000 < alfa = 0.05 - Re
Conclusión: con un nivel de confianza del 95% exi
uno o varios de los niveles de profundidad de cort
de acabado del metal
Prueba de hipótesis para velocidad de alim
Ho: prom 0.20 = prom 0.25 = prom 0.30
Regla de decisión
Rechazo Ho si p-valor < alfa (NC del 95%)
Decisión: como el p-valor = 0.000 < alfa = 0.05 - Re
Conclusión: con un nivel de confianza del 95% exi
uno o varios de los niveles de velocidad de alimen
de acabado del metal
Prueba de hipótesis para la interacción pro
Ho: prom 0.15;0.20 = prom 0.15;0.25 = …. =prom
Regla de decisión
Rechazo Ho si p-valor < alfa (NC del 95%)
Decisión: como el p-valor = 0.018 < alfa = 0.05 - Re
Conclusión: con un nivel de confianza del 95% exi
existe efecto de interacción entre los niveles de p
es decir, existe relación entre los efectos principa
pótesis para profundidad de corte
= prom 0.18 = prom 0.21 = prom 0.24 vs Ha: algunos de los prom i es diferente

-valor < alfa (NC del 95%)

el p-valor = 0.000 < alfa = 0.05 - Rechazo Ho

un nivel de confianza del 95% existe suficiente evidencia para afirmar que
los niveles de profundidad de corte marcan diferencia significativa en el promedio

pótesis para velocidad de alimentación

= prom 0.25 = prom 0.30 vs Ha: algunos de los prom j es diferente

-valor < alfa (NC del 95%)

el p-valor = 0.000 < alfa = 0.05 - Rechazo Ho

un nivel de confianza del 95% existe suficiente evidencia para afirmar que
los niveles de velocidad de alimentación marcan diferencia significativa en el promedio

pótesis para la interacción profundidad de corte por velocidad de alimentación

0.20 = prom 0.15;0.25 = …. =prom 0,24;0.30 vs Ha: algunos de los prom ij es diferente

-valor < alfa (NC del 95%)

el p-valor = 0.018 < alfa = 0.05 - Rechazo Ho

un nivel de confianza del 95% existe suficiente evidencia para afirmar que
interacción entre los niveles de profundidad de corte y los niveles de velocidad de alimentación
relación entre los efectos principales
Como el objetivo del estudio es minimizar el acabado del metal, el mejor tra
y una profundidad de corte de 0.15 mm. En estas condiciones se obtiene un

Se deben validar los supuestos del ANOVA para saber si se puede confiar en

Validación del supuesto de normalidad de los residuales

Ho: los residuos se ajustan a un comportamiento normal vs. Ha: los residuos

Regla de decisión: Rechazo Ho si p-valor < alfa (NC de 95%)

Decisión: Como el p-valor = 0.510 > alfa = 0.05

No rechazo Ho
Conclusión: Con un NC del 95% asumimos normalidad en los residuales.
Se cumple el supuesto de normalidad de los residuales

Como se puede observar en el gráfico de percentiles, los puntos se ajustan a

el acabado del metal, el mejor tratamiento es cuando se tiene una velocidad de 0.20 rpm
n estas condiciones se obtiene un acabado del metal de 66 gr

para saber si se puede confiar en la metodología empleada.

e los residuales
miento normal vs. Ha: los residuos no se ajustan a un comportamiento normal

alfa (NC de 95%)

 normalidad en los residuales.
os residuales

ercentiles, los puntos se ajustan a la línea de tendencia, por tanto se cumple el supuesto de normalidad
Validación del supuesto de igualdad de varianzas de los residuales
Ho: los residuos tienen varianzas estadisticamente iguales vs. Ha: los residuos no tienen varianzas estadisticamente

Regla de decisión: Rechazo Ho si p-valor < alfa (NC de 95%)

Decisión: Como el p-valor = 0.946 > alfa = 0.05

No rechazo Ho
 Conclusión: Con un NC del 95% asumimos igualdad de varianzas
Se cumple el supuesto de igualdad de varianzas de los residuales

normalidad
 Validación del supuesto de aleatoriedad e indep
Ho: los residuos son aleatorios e independientes
tienen varianzas estadisticamente iguales
Regla de decisión:

Si DW < dl Rechazo Ho
si dl < DW <dCumple con reserva
Si DW> du No rechazo Ho
 (∑▒(𝑒_𝑖−𝑒_(𝑖−1) )^2 )/(∑▒(𝑒_𝑖 )^2 )
DW =

Se interpreta cuando los residuales se ajustan a un comportamiento normal

Levene`s testSe interpreta cuando los residuales no se ajustan a un comportamiento normal

Decisión
Como DW es 1.718 que es mayor a du - No recha
upuesto de aleatoriedad e independencia
son aleatorios e independientes vs. Ha: los residuos no son aleatorios e independientes

n 36
k 3 Y= ℬ0 + ℬ1A + ℬ2B + ℬ3AB + E
mple con reserva dl 1,295
o rechazo Ho du 1,654
−1) )^2 )/(∑▒(𝑒_𝑖 )^2 )
ei ei -1 (e_i-e_(i-1) )^(𝑒_𝑖 )^2
-0.33333333 0.11111111
3.33333333 -0.33333333 13.4444444 11.1111111
-5.33333333 3.33333333 75.1111111 28.4444444
-0.66666667 -5.33333333 21.7777778 0.44444444
5.66666667 -0.66666667 40.1111111 32.1111111
1.33333333 5.66666667 18.7777778 1.77777778
8 1.33333333 44.4444444 64
2.33333333 8 32.1111111 5.44444444
718 que es mayor a du - No rechazo H-0.66666667 2.33333333 9 0.44444444
-1.66666667 -0.66666667 1 2.77777778
4.33333333 -1.66666667 36 18.7777778
-2 4.33333333 40.1111111 4
-5.33333333 -2 11.1111111 28.4444444
3.33333333 -5.33333333 75.1111111 11.1111111
-6 3.33333333 87.1111111 36
4.33333333 -6 106.777778 18.7777778
4.66666667 4.33333333 0.11111111 21.7777778
5.66666667 4.66666667 1 32.1111111
7.33333333 5.66666667 2.77777778 53.7777778
-0.33333333 7.33333333 58.7777778 0.11111111
-2.66666667 -0.33333333 5.44444444 7.11111111
-1.66666667 -2.66666667 1 2.77777778
-3.66666667 -1.66666667 4 13.4444444
-6.66666667 -3.66666667 9 44.4444444
-8.66666667 -6.66666667 4 75.1111111
-0.33333333 -8.66666667 69.4444444 0.11111111
7.33333333 -0.33333333 58.7777778 53.7777778
-0.66666667 7.33333333 64 0.44444444
0.33333333 -0.66666667 1 0.11111111
0.66666667 0.33333333 0.11111111 0.44444444
-3.66666667 0.66666667 18.7777778 13.4444444
4.66666667 -3.66666667 69.4444444 21.7777778
-5.33333333 4.66666667 100 28.4444444
2.33333333 -5.33333333 58.7777778 5.44444444
-4.33333333 2.33333333 44.4444444 18.7777778
-5.66666667 -4.33333333 1.77777778 32.1111111
1184.66667 689.333333

DW 1.71856867
18453785
17775252