Tema: ANOVA de dos factores

Bibliografía:
• Montgomery, D. y Runger, G. (2005) Probabilidad y estadística aplicadas a la ingeniería. México, D.F.:
Limusa Wiley. Capítulo 13. Sección 13.1 y 13.4
• Triola, M. (2013). Estadística. 11va. Edición. Pearson Educación, México, D.F. Capítulo 12. Sección
12.3 y 12.4.

Verificando tus conocimientos previos

Actividad estudiante con profesor

La pregunta de investigación es: ¿Qué factores influyen en la mayor conservación del queso?

A partir de revisar el siguiente video sobre la conservación de queso: https://youtu.be/Q-8-D4Xisy8

Discuta con sus compañeros de su sección e indique al menos dos factores que puede incluirse en la hipótesis
de investigación.

¿Cómo afecta el tipo de queso y el método de conservación al tiempo de

La hipótesis de investigación es:
conservación del queso?

Complete los elementos del diseño experimental:

Factor A Tipos de quesos

Niveles del factor A Queso fresco, queso tierno, queso curado

Factor B Método de conservación

Niveles Envase de plástico, papel aluminio y papel de horno

Queso freso y envase plástico, queso fresco y papel de aluminio, queso

fresco y papel de horno, queso tierno y envase plástico, queso tierno y
Tratamientos papel de aluminio, queso tierno y papel de horno, queso curado y envase
plástico, queso curado y papel de aluminio, queso curado y papel de
horno.

Número de tratamientos 3x3=9

Variable respuesta Tiempo de conservación del queso en días

Unidad experimental Un trozo de queso

Modelo matemático Yijk = μ + τi + βj + (τβ)ij + εijk

Existe interacción entre los niveles de los factores sobre la variable

Hipótesis estadística
respuesta
Existe interacción entre los tipos de queso y los métodos de conservación sobre el tiempo de
H1:
conservación del queso.
De la teoría a la práctica (después de revisar la infografía)

Un ingeniero sospecha que el tipo de pintura tapaporos y el método de aplicación

afectan el tiempo de duración de la pintura de las piezas de las aeronaves. Él está
interesado en determinar si algún tipo de pintura con algún nivel del método de
aplicación influyen en el tiempo de duración de la pintura de las piezas de las
aeronaves. Idea dos experimentos, obteniendo las siguientes gráficas.

¿En cuál de las gráficas se logra apreciar el interés del ingeniero?

Se puede presentar cualesquiera de las dos situaciones siguientes:

Sin Interacción Con Interacción

Para cualesquiera de los métodos de aplicación Para el método de aplicación T1 y T2 la pintura P2,
que se use, el tipo de pintura P1 sería la que obtiene la mayor duración; mientras para T3 la
presenta mayor tiempo de duración. pintura P1 obtiene la mayor duración.

Hipótesis inicial en un Diseño Factorial:

H0: No existe interacción entre los niveles de los factores sobre la variable respuesta.
H1: Existe interacción entre los niveles de los factores sobre la variable respuesta.

Analizar los efectos de cada

¿Se rechaza H0? No
factor por separado

Si

Prueba de comparación por

pares para la interacción
 Para obtener el valor del estadístico de prueba, se debe elaborar la tabla del ANOVA:

Fuente de Grados de Suma de Cuadrado

F cal
variación libertad cuadrados medio
CM(A)
A a-1 SC(A) CM(A)
CME
CM(B)
B b -1 SC(B) CM(B)
CME
CM(AB)
AB (a -1) (b -1) SC(AB) CM(AB)
CME
Error ab (n – 1) SCE CME

Total abn - 1 SCT

Fuente de Grados de Cuadrado

Suma de cuadrados F calculado F crítico
variación libertad medio
a
1 y2 SC(A) CM(A)
Factor A a–1 ∑ y2i.. - … F [α, a-1, ab (n – 1)]
bn abn a-1 CME
i=1

b
1 y2 SC(B) CM(B)
Factor B b–1 ∑ y2.j. - … F [α, b-1, ab (n – 1)]
an abn b-1 CME
j=1

a b
1 y2
∑ ∑ y2ij. - … SC(AB) CM(AB)
Interacción AxB (a – 1) (b – 1) n abn F [α, (a-1) (b-1), ab (n – 1)]
i=1 j=1
(a - 1) (b - 1) CME
SC(Subtotales) – SCA - SCB

SCE
Error ab (n – 1) SCT – SC(A) – SC(B) – SC(AB)
ab (n - 1)
a b n
y2…
Total abn – 1 ∑ ∑ ∑ y2ijk -
abn
i=1 j=1 k=1
Casos de aplicación
Caso: Tecno Gas S.A.

Tecno Gas S. A. es una empresa que fabrica y comercializa termas a gas para uso doméstico e industrial. La
terma a gas es un artefacto calentador de agua que funciona de forma continua mediante la combustión de
gas. Su planta de producción está ubicada en la ciudad del Callao y sus productos se comercializan a través de
sus locales de venta y centros comerciales ubicados en Lima y Provincias. Constantemente está mejorando su
tecnología para producir termas a gas a un precio competitivo y de primerísima calidad, reduciendo al mínimo
las fallas y reclamos de los clientes. El jefe del departamento de ingeniería está interesado en determinar si
hay influencia del turno de producción y la capacidad de las termas en el porcentaje de termas con defecto.
Para esto diseña un experimento factorial con tres niveles del turno de producción y tres niveles de la
capacidad de las termas, obteniendo la siguiente información:

Turno de Capacidad
producción 10 L 14 L 18 L
3.8 5.5 4.5
Mañana 4.0 5.0 4.0
4.2 4.8 4.2
4.5 5.0 3.8
Tarde 4.2 5.3 4.0
4.8 5.8 3.5
5.0 6.0 3.8
Noche 4.5 5.8 4.0
5.2 5.5 4.1

¿Qué capacidad de terma y/o turno de producción debe elegir jefe de departamento de ingeniería, para
obtener menor porcentaje de termas con defectos? Realice el análisis correspondiente con un nivel de
significación del 5%.

Pregunta 1: Completar los siguientes elementos del experimento:

Variable Respuesta Porcentaje de termas con defectos

Factor A Turno de producción

Niveles del Factor A Mañana, Tarde y Noche

Factor B Capacidad de termas

Niveles del Factor B 10L, 14L, 18L

M 10L, T 10L, N 10L, M 14L, T 14L, N 14L, M 18L,
Tratamientos
T 18L, N 18L.
Unidad experimental Un lote de termas
Número de réplicas por
3
tratamiento
Modelo Yijk = μ + τi + βj + (τβ)ij + εijk
H1: Existe interacción de los turnos de
Hipótesis alterna producción y las capacidades de terma sobre el
porcentaje de termas con defecto.
Pregunta 2: Prueba de supuestos:

Prueba Anderson Darling Prueba de Barlett

AD = 0,327 EP = 2,34
Valor – p = 0,505 Valor – p = 0,969

Prueba de Normalidad de los errores

H0: Los errores de los datos se distribuyen normalmente p – valor ≤ α → Se rechaza H0
H1: Los errores de los datos no se distribuyen normalmente p – valor > α → No se rechaza H0

Decisión: Como p – valor = 0.505 > α = 0.05, no se rechaza H0.

Conclusión: Con un nivel de significación de 5%, se asume que los errores de los datos se distribuyen
normalmente. Por lo tanto, se cumple el supuesto.

Prueba de Homogeneidad de Varianzas

H0: Las varianzas de los tratamientos son iguales
H1: Al menos una varianza de los tratamientos es diferente

Decisión: Como p – valor = 0.969 > α = 0.05, no se rechaza H0.

Conclusión: Con un nivel de significación de 5%, se asume que las varianzas de los tratamientos son
homogéneas. Por lo tanto, se cumple el supuesto.

Pregunta 3: Completar la siguiente tabla de Análisis de Varianza:

Fuente de Grados de Suma de Cuadrado

F calculado
Variación libertad cuadrados medio
0.9267 0.4635
Turno 2 0.9267 = 0.4635 = 5.4401
2 0.0852
9.4289 4.7145
Capacidad 3–1=2 9.4289 = 4.7145 0.0852
= 55.3345
2
1.2978 0.3245
Turno*Capacidad 4 1.2978 = 0.3245 0.0852
= 3.8087
4
1.5333
Error 3x3(3 – 1) = 18 1.5333 18
= 0.0852

Total 26 13.1867

Pregunta 4: Completar la siguiente la siguiente gráfica e indique la decisión:

Decisión: Se rechaza H0

F cal = 3.81 > F crítico= F (0.05, 4, 18) = 2.928

Conclusión: Al 5% de nivel de significación,

la evidencia muestral es suficiente para
afirmar que existe interacción entre los
turnos de producción y las capacidades de
las termas sobre el porcentaje de termas
3.81
con defectos.
2.928
¿Qué capacidad de terma y/o turno de producción debe elegir jefe de departamento de ingeniería, para
obtener menor porcentaje de termas con defectos?

Con un nivel de significación de 5%, se puede mencionar que los tratamientos, turno tarde y capacidad
10L, turno mañana y capacidad de 18L, turno mañana y capacidad de 10L, turno noche y capacidad de
18L; y turno tarde y capacidad de 18L nos otorgan los menores porcentajes promedio de termas con
defectos.

Además, las mejores combinaciones que minimicen el porcentaje de termas con defecto son: turno
mañana y capacidad de 10L, turno noche y capacidad de 18L; y turno tarde y capacidad de 18L, ya que
son significativamente menores al resto de combinaciones.

El siguiente reporte proviene del programa estadístico Minitab:

Agrupar información utilizando el método de Tukey y una confianza de 95%

Turno*Capacidad N Media Agrupación

Noche 14 L 3 5.76667 A
Tarde 14 L 3 5.36667 A B
Mañana 14 L 3 5.10000 A B C
Noche 10 L 3 4.90000 B C D
Tarde 10 L 3 4.50000 C D E
Mañana 18 L 3 4.23333 D E
Mañana 10 L 3 4.00000 E
Noche 18 L 3 3.96667 E
Tarde 18 L 3 3.76667 E
Las medias que no comparten una letra son significativamente diferentes.

Si hubiera salido el siguiente reporte como resultado del caso anterior: ¿Qué capacidad de terma y/o turno
de producción debe elegir jefe de departamento de ingeniería, para obtener menor porcentaje de termas
con defectos?

Agrupar información utilizando el método de Tukey y una confianza de 95%

Turno*Capacidad N Media Agrupación

Con un nivel de significación de 5%, las
Noche 14 L 3 5.76667 A mejores combinaciones que minimicen el
Tarde 14 L 3 5.36667 A B porcentaje de termas con defecto son:
turno noche y capacidad de 18L; y turno
Mañana 14 L 3 5.10000 A B C
tarde y capacidad de 18L, ya que son
Noche 10 L 3 4.90000 B C D significativamente menores al resto de
Tarde 10 L 3 4.50000 C D combinaciones.
Mañana 18 L 3 4.23333 D
Mañana 10 L 3 4.00000 D
Noche 18 L 3 3.76667 E
Tarde 18 L 3 3.56667 E
Las medias que no comparten una letra son significativamente diferentes.