INSTITUTO TECNOLOGICO DE MÉRIDA

INGENIERÍA QUÍMICA
Análisis de datos experimentales
Docente: Iván Rivas
Actividad:
“Experimento factorial en bloques”
Alumna:
Cantón Ortiz Irlanda Anahí
Grupo:
3Q
Fecha de entrega:
25 de noviembre de 2022
Introducción
El objetivo de la actividad es aumentar el rendimiento del producto de la relación
mediante un experimento factorial de dos factores utilizando el control de la
temperatura y del tiempo de residencia.
Descripción del experimento
El experimento busca mejorar el sistema de rendimiento usando el experimento
factorial de dos factores para así tener un control de la temperatura y el tiempo, los
cuales se obtuvieron de las dimensiones que se eligieron para esta muestra de la
simulación del experimento, en este caso se utilizo una dimensión 3*4, lo que
significa que tendríamos un total de 12 tratamientos por bloque, siendo así 3
bloques, dando un total de 36 datos, los cuales servirían para lograr el ANDEVA y
saber si los tratamientos son significativos o no.
Con el fin de tener datos más precisos usamos los labsim 1,2 y 3 para generar un
porcentaje entre los datos de tiempo y temperatura. En tiempo usamos 116-146 y
en temperatura 95-135.
Resultados
En el ANDEVA
En el análisis de varianza de dos factores con una sola muestra por grupo

F   F*
57.0996616 > 2.97823702

Hay diferencia significativa entre los tratamientos

En el calculo de SC, que se verifica con el Análisis de varianza de dos factores
con varias muestras por grupo.
F   F*
126.829565 > 3.00878657
9.71953374 > 3.40282611
0.57951219 < 2.50818882

Hay diferencia significativa

Análisis estadístico

Bloques Niveles tiempo Temperatura

3 3*4 116-146 95-135

12 tratamientos 116 95
131 108

146 121
134

Procedimiento para construir la tabla de ANDEVA

Los datos que se utilizaron para la elaboración del ANDEVA:

labsim 1 labsim 2 labsim 3 12 tratamientos en 3 bloques,

Bloque 1 Bloque 2 Bloque 3 Datos con relación del porcentaje
Trat 1 1.18 1.1 0.2 entre tiempo y temperatura
Trat 2 3.65 3.02 0.57
Trat 3 7.25 5.3 3.13
Trat 4 5.51 5.31 2.15
Trat 5 11.25 9.75 3.77
Trat 6 15.2 12.07 8.84
Trat 7 16.6 12.52 9.54
Trat 8 23.46 18.21 13.37
Trat 9 24.41 24.05 19.36
Trat 10 35.76 30.95 25.43
Trat 11 40.05 35.3 27.58
Trat 12 34.97 34.99 32.85
Una vez obtenidos los datos anteriores procedemos a realizar un análisis de
varianza.
 n=36
 a=3
 b=4
 h=3
ANÁLISIS DE VARIANZA
Fuente SC gl CM F   F*
Fila 225.701309 2 112.850655 0.7237681 < 3.3158295
Columnas 4677.63035 30 155.921012
Error
Total 4903.33165 32        
Con la ayuda de la suma de cuadrados se obtuvieron datos mas exactos en
relación con los tratamientos entre tiempo y temperatura basándose en la
siguiente tabla que muestra la suma de las muestras
tiempo 116 tiempo 131 tiempo 146
temp 95 2.48 7.24 15.68 25.4
temp 108 12.97 24.77 36.11 73.85
temp 121 38.66 55.04 67.82 161.52
temp 134 92.14 102.93 102.81 297.88
totales 146.25 189.98 222.42 558.65

De esta forma el ANDEVA demuestra que hay diferencia significativa

ANÁLISIS DE VARIANZA
Fuente SC gl CM F   F*
Tiempo 4766.41463 3 1588.80488 126.829565 > 3.00878657
Temperatura 243.514872 2 121.757436 9.71953374 > 3.40282611 Como
Interacción 43.5575944 6 7.25959907 0.57951219 < 2.50818882 nos
TT 300.650067 24 12.5270861 muestra
Boque que si
Error 5354.13716 35         hay
Total 3157.5308 21      
diferencia significativa procedemos a realizar la comparación de los gráficos
Conclusiones

DHS POR TEMPERATURA

35

30

25

20

15

10

0
temp 95 temp 108 temp 121 temp 135

conclusión: las temperaturas de 95, 121 y 135 obtienen un mejor rendimiento y

son proporcionales al tiempo.
 DHS POR TIEMPO
50
45
40
35
30
25
20
15
10
5
0
tiempo 116 tiempo 131 tiempo 146

conclusión: el rendimiento aumenta conforme aumenta el tiempo.

Conclusión final: se obtiene un mayor rendimiento con forme aumenta el tiempo
a las temperaturas de 95, 121, y 135 grados Celsius.
Análisis residuales

grafico de homocedasticidad
12

10

0
0 2 4 6 8 10 12

residuales 1 residuales 2 residuales 3

cómo no se forma una cuña se podrían decir que los supuestos de normalidad y
homocedasticidad son válidos, por lo que el análisis de varianza es válido.