INSTITUTO TECNOLÓGICO DE CD.

JIMÉNEZ

INGENIERÍA INDUSTRIAL
PRACTICA NO.2

ANOVA DE UN SOLO FACTOR

Integrantes del equipo:

Rodrigo Betancourt Talamantes (20740101)

Erick Alejandro Bojórquez Ramírez (19740123)

Alan Cardoza Holguín (20740216)

Eduardo Rubio Jiménez (18740231)

Neyda Judith Vázquez Márquez (20740125)

Estadística inferencial II

M.I. Ricardo Salazar Unzueta

GRUPO: 01/ IND

02 Junio 2022
 Índice

Objetivo y competencias .................................................................... 3

Consideraciones temáticas ................................................................ 4

Material y equipo .................................................................................. 6

Metodología ......................................................................................... 7

Cálculos y resultados ......................................................................... 9

Conclusiones ....................................................................................... 13

Bibliografías.......................................................................................... 14

Anexos ................................................................................................. 15

2
 PRACTICA NO.2

ANOVA DE UN SOLO FACTOR

OBJETIVO

Aplica el método de Anova de un Solo Factor para determinar si existe diferencia

significativa entre 4 marcas de palomitas de maíz para horno de microondas.

COMPETENCIAS

a) El estudiante identifica el factor de interés.

b) El estudiante identifica los tratamientos o niveles del factor de interés.
c) El estudiante identifica la variable de respuesta
d) El estudiante explica las gráficas: Diagrama de caja y análisis residual
e) El estudiante aplica las pruebas de comparaciones de medias (aún y
cuando no sea necesario)
f) El estudiante toma decisiones y concluye sobre las hipótesis planteadas.
g) El estudiante redacta conclusiones de forma adecuada sobre el
experimento realizado.
h) Utiliza un criterio de menor es mejor para determinar cuál de las marcas
de palomitas es la que tiene menos granos de maíz sin reventar.

3
 CONSIDERACIONES TEMÁTICAS

Diseño completamente al azar y ANOVA

Muchas comparaciones, como las antes mencionadas, se hacen con base en el

diseño completamente al azar (DCA), que es el más simple de todos los diseños
que se utilizan para comparar dos o más tratamientos, dado que sólo consideran
dos fuentes de variabilidad: los tratamientos y el error aleatorio. En el siguiente
capítulo veremos diseños que consideran la influencia de otras fuentes de
variabilidad (bloques).
En caso de que los tratamientos tengan efecto, las observaciones Yij se podrán
describir con el modelo estadístico lineal dado por:
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗

ANOVA para el diseño completamente al azar (DCA)

El análisis de varianza (ANOVA) es la técnica central en el análisis de datos

experimentales. La idea general de esta técnica es separar la variación total en las
partes con las que contribuye cada fuente de variación en el experimento. En el
caso del DCA se separan la variabilidad debida a los tratamientos y la debida al
error. Cuando la primera predomina “claramente” sobre la segunda, es cuando se
concluye que los tratamientos tienen efecto, o, dicho de otra manera, las medias son
diferentes. Cuando los tratamientos no dominan contribuyen igual o menos que el
error, por lo que se concluye que las medias son iguales.

Diagrama de cajas

El diagrama de caja es una herramienta para describir el comportamiento de unos

datos, y es de suma utilidad para comparar procesos, tratamientos y, en general,
para hacer análisis por estratos (lotes, proveedores, turnos). El diagrama de caja se
basa en los cuartiles y parte el rango de variación de los datos en cuatro grupos,
cada uno de los cuales contiene 25% de las mediciones. De esta forma se puede
visualizar dónde empieza 25% de los datos mayores, dónde 25% de los datos
menores y de dónde a dónde se ubica 50% de los datos que están al centro.
4
Método de Tukey
Un método más conservador para comparar pares de medias de tratamientos es el
método de Tukey, el cual consiste en comparar las diferencias entre mediasmuéstrales
con el valor crítico dado por:

Ta = qa (k, N – k) CM n E i /

donde CME es el cuadrado medio del error, n es el número de observaciones por

tratamiento, k es el número de tratamientos, N – k es igual a los grados de libertad
para el error, a es el nivel de significancia prefijado y el estadístico qa (k, N – k) son
puntos porcentuales de la distribución del rango estudentizado, que se obtienen de
la correspondiente tabla en el apéndice. Se declaran significativamente diferentes
los pares de medias cuya diferencia muestral en valor absoluto sea mayor que Ta.
A diferencia de los métodos LSD y Duncan, el método de Tukey trabaja con un error
a muy cercano al declarado por el experimentador.

5
6
 MATERIAL

Para el desarrollo de la presente Práctica se utilizó el siguiente material y equipo

Material

 Paquetes de palomitas de maíz

 Cuaderno
 Tazón
 Lápiz

Equipo y Software

• Computadora
• Horno de microondas
• Minitab
• Excel
• Cámara de celular

7
 METODOLOGÍA

Para el desarrollo de la presente práctica se llevaron a cabo los siguientes pasos.

1. Se formaron equipos de 4 o 5 estudiantes de manera libre.

2. Se realizo la recolección del producto. (Imagen 1)
3. Se realizó la aleatorización de los paquetes de palomitas. (Imagen 2)
4. Se desarrollo una tabla con el orden aleatorizado de corridas. (Imagen 3)
5. Se cocino el producto en un mismo microondas y con el mismo tiempo
para cada paquete de palomitas (Imagen 4)
6. Se llevo a cabo el conteo de granitos sin reventar (Imagen 5)
7. Se diseño y se llevó acabo el vaciado de datos en la tabla de resultados.
(Imagen 6)

Imagen 1 Imagen 2

Marcas de Aleatorización
palomitas 1 2 3 4
Act II 10 5 1 14
Movie Pop 12 9 3 2
Great Value 11 6 8 13
Precissimo 16 4 15 7

8
Imagen 3

Imagen 4 Imagen 5

Marcas de Replicas
palomitas 1 2 3 4
Act II 16 21 22 12
Movie Pop 22 20 39 32
Great Value 19 15 18 16
Precissimo 14 29 12 19
Imagen 6

9
 CALCLOS Y RESULTAODOS

Para realizar la presente práctica se consideró un solo factor con 4 niveles, en

la cual nuestro factor de interés son las marcas de palomitas, buscando
comprobar si son significativas en cuanto a la minimización de granos sin
reventar. (Tabla 1)

Marcas de Replicas
palomitas 1 2 3 4
Act II 16 21 22 12
Movie Pop 22 20 39 42
Great Value 19 15 18 16
Precissimo 9 29 12 19

Tabla 1. Datos resultantes del experimento

Los datos anteriores se analizaron utilizando software estadístico Minitab. A

continuación, se muestran y explican los resultados.

1.- Gráfica de caja

10
Se puede lograr apreciar que los datos de la marca Act II tienen datos asimétricos
hacia abajo y para la marca de Precissimo los datos asimétricos son direccionados
hacia arriba. Los centros y mediana de las marcas de Great Value, Act II y
Precissimo son similares y parecen ser diferentes a la marca de Movie Pop.

2.- Anova

ANOVA de un solo factor: Granos vs. Marca

Método
Hipótesis nula Todos τ son iguales
Hipótesis alterna No todos los τ son
iguales
Nivel de α = 0.05
significancia

Se presupuso igualdad de varianzas para el análisis.

Información del factor

Factor NivelesValores
Marca 4 act, great, movie,
precissimo

Análisis de Varianza
Fuente GL SC Sec. Contribución SC Ajust. MC Ajust. Valor F Valor p
Marca 3 541.2 43.66% 541.2 180.40 3.10 0.067
Error 12 698.2 56.34% 698.2 58.19
Total 15 1239.4 100.00%

El factor de interés son las marcas si son significativas en cuanto la minimización de

granos sin reventar.
Los tratamientos para este modelo son las marcas: Act II, Movie Pop, Great Value
y Precissimo.
La variable respuesta de nuestro modelo es los granos sin reventar en las bolsas
de palomitas.
Tal como se observa en la tabla Anova los tratamientos son la marca de las
palomitas. Dado el valor p, se concluye que la marca no es significativa para el
modelo.

11
Resumen del modelo
R-cuadrado
S R-cuadrado R-cuadrado(ajustado) PRESS (pred)
7.62807 43.66% 29.58% 1241.33 0.00%

Además, se observa que el valor de R-cuadrado es de 29.58% lo que indica que el

modelo es malo para estimar.

Medias
Marca N Media Desv.Est. IC de 95%
act 4 17.75 4.65 (9.44, 26.06)
great 4 17.000 1.826 (8.690,
25.310)
movie 4 30.75 11.35 (22.44, 39.06)
precissimo 4 17.25 8.88 (8.94, 25.56)

Desv.Est. agrupada = 7.62807

Comparaciones en parejas de Fisher

Agrupar información utilizando el método LSD de Fisher y una confianza de
95%
Marca N Media Agrupación
movie 4 30.75 A
act 4 17.75 B
precissimo 4 17.25 B
great 4 17.000 B

Las medias que no comparten una letra son significativamente diferentes.

Logramos observar que las marcas Act II, Precissimo y Great Value no son
significativamente diferentes por lo tanto con el criterio menor es mejor sería
conveniente elegir cualquiera de esas marcas.

Pruebas individuales de Fisher para diferencias de las medias

Diferencia
de las EE de Valor p
Diferencia de niveles medias diferencia IC de 95% Valor T ajustado
great – act -0.75 5.39 (-12.50, -0.14 0.892
11.00)
movie – act 13.00 5.39 (1.25, 24.75) 2.41 0.033
precissimo - act -0.50 5.39 (-12.25, -0.09 0.928
11.25)

12
 movie - great 13.75 5.39 (2.00, 25.50) 2.55 0.026
precissimo - great 0.25 5.39 (-11.50, 0.05 0.964
12.00)
precissimo - movie -13.50 5.39 (-25.25, -1.75) -2.50 0.028

Nivel de confianza simultánea = 81.57%

Gráfica de residuos vs. ajustes

Empleamos la gráfica de residuos para saber si el modelo es adecuado en dicho grafico

se observa que este cuenta con una distribución aleatoria y cuenta con una varianza
constante.

Grafica de probabilidad normal

Se observa que los datos se encentran cerca de la línea trazada esto indica un
buen ajuste la distribución normal parece ajustarse adecuadamente a los datos.

Histograma

Se observa que los datos del histograma son asimétricos la mayoría de los datos
se encuentran en la parte derecha del gráfico.

Gráfica de residuos vs. orden

13
Empleamos la gráfica para saber si los residuos son o no son independientes
entre sí los residuos independientes no muestran tendencias.

14
 CONCLUSIONES

Queda de manifiesto a través del análisis de los datos obtenidos, generados y

seleccionados conforme a la aleatorización de cuatro tipos de marcas de
palomitas, se concluye con la obtención de datos satisfactorios, posterior al
desarrollo puntual de la metodología. Y obtención de resultados como la tabla
anova, grafico de residuos, etc.

En consecuencia, la elaboración de la presente practica agrega conocimientos

al perfil de egreso reforzando así los conocimientos sobre la estadística y
desarrollando habilidades de interpretación y análisis de casos prácticos.

15
 BIBLIOGRAFIAS

Gutierrez Pulido, H. (2008). Análisis y diseño de experimentos (Segunda edición

ed.). México, México: Mc Graw Hill Interamericana. Montgomery C., D. (2004).
Diseño y Análisis de Experimentos (Segunda edición ed.). México, México:
Limusa Editores.

16
 ANEXOS

Anexo I

Aleatorización
Adquisición del producto

Cocción

Conteo de granitos sin reventar

17
Anexo II

Tutorial de Anova de un solo factor.

El primer paso es colocar los datos en las celdas como se muestra a

continuación:

Colocando en la primera columna las variables de respuesta y en la segunda

columna los valores del factor.

18
 Una vez que se tienen los datos en minitab nos dirigimos al apartado de:

Estadística-Anova-Un solo factor, y damos clic sobre este último.

Una vez realizado esto se abrirá un cuadro en donde tendremos que colocar la
variable de respuesta y el factor

Para poder
colocar la Doble
respuesta y el clic
factor es
necesario
hacer doble
clic sobre
estas o
simplemente
se debe de dar
clic sobre el
botón de
seleccionar

19
Una vez colocados el factor y la variable de respuesta damos clic en resultados y
en la opción de presentación de resultados seleccionamos las tablas expandidas y
luego damos clic en aceptar.

Después seleccionamos la opción de gráficas y activamos la opción de cuatro en

uno y damos en aceptar.

Seleccionamos la
opción de cuatro
en uno y damos
clic en aceptar.

20
Al finalizar lo anterior seleccionamos la opción de comparaciones y activamos la
opción de Fisher, para después dar clic en el botón de aceptar.

Activamos la
casilla de Fisher y
damos en
aceptar.

21
 Una vez realizado esto damos clic en aceptar.

Al hacer esto obtendríamos nuestros resultados de los cálculos de la regresión del

Anova de un solo factor obteniendo algo similar a lo siguiente, en donde podemos
encontrar la información del factor, el análisis de varianza, las comparaciones de
Fisher, las medias y las gráficas finalizando así el Anova de un solo factor.

22
23
24
25