Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE XALAPA
INGENIERÍA INDUSTRIAL
Sabatino
Estadística Inferencial II
Hernández Piña Manuel Alberto
22 de mayo del 2021
Algunos experimentos diseñados pueden proveer información de manera efectiva cuando las
mediciones son difíciles o muy costosas de hacer o pueden minimizar el efecto de variabilidad no
deseada en la inferencia del tratamiento. Para mostrar estos diseños, se consideran dos factores de
tratamiento (A y B) y su interacción (A*B). Sin embargo, estos diseños no están restringidos a dos
factores. Si el diseño es balanceado, se puede utilizar el ANOVA balanceado para analizar los datos.
Si no es así, utilice GLM.
Procedimiento
Después de abrir el programa ir a la opción DDE, procedimientosDOE heredados y crear un
diseño nuevo.
INSTITUTO TECNOLÓGICO SUPERIOR
DE XALAPA
INGENIERÍA INDUSTRIAL
Sabatino
Estadística Inferencial II
Hernández Piña Manuel Alberto
22 de mayo del 2021
El diseño se realizará con un solo factor categórico en esta ocasión y 1 variable derespuesta.
El factor categórico será el detergente, por lo cual, colocamos nombres a las etiquetas sólo
como un ejemplo y en el número de niveles serán 4, ya que es la cantidad de detergentes a
analizar.
INSTITUTO TECNOLÓGICO SUPERIOR
DE XALAPA
INGENIERÍA INDUSTRIAL
Sabatino
Estadística Inferencial II
Hernández Piña Manuel Alberto
22 de mayo
La variable de respuesta será la blancura, delunidad
con la 2021 de medida de luxes, utilizada para
medir iluminación, asignado sólo para este ejemplo.
Esta vez el experimento se realizará en bloques aleatorios, donde sólo nos otorga la opción
de 1 factor de bloqueo, el diseño no se replicará, será aleatorizado y de 3 bloques.
El StatAdvisor
Este procedimiento ejecuta un análisis de varianza de varios factores para Blancura. Realiza varias pruebas y gráficas para
determinar qué factores tienen un efecto estadísticamente significativo sobre Blancura. También evalúa la significancia de
las interacciones entre los factores, si es que hay suficientes datos. Las pruebas-F en la tabla ANOVA le permitirán
identificar los factores significativos. Para cada factor significativo, las Pruebas de Rangos Múltiples le dirán cuales medias
son significativamente diferentes de otras. La Gráfica de Medias y la Gráfica de Interacciones le ayudarán a interpretar los
efectos significativos. Las Gráficas de Residuos le ayudarán a juzgar si los datos han violado los supuestos subyacentes al
análisis de varianza.
El StatAdvisor
La tabla ANOVA descompone la variabilidad de Blancura en contribuciones debidas a varios factores. Puesto que se ha
escogido la suma de cuadrados Tipo III (por omisión), la contribución de cada factor se mide eliminando los efectos de los
demás factores. Los valores-P prueban la significancia estadística de cada uno de los factores. Puesto que 2 valores-P son
menores que 0.05, estos factores tienen un efecto estadísticamente significativo sobre Blancura con un 95.0% de nivel de
confianza.
El análisis de varianza anterior nos dice que el valor de P tanto para el detergente,
como para el bloque de manchas, son menores a 0.05, por lo tanto, la hipótesis nula
planteada, la cual nos decía que las medias en la medida de la blancura de cada
detergente y las manchas son iguales, se rechaza y se acepta la hipótesis nula, que
nos plantea que existen diferencias estadísticamente significativas en los
Detergentes y en las Manchas.
INSTITUTO TECNOLÓGICO SUPERIOR
DE XALAPA
INGENIERÍA INDUSTRIAL
Sabatino
Estadística Inferencial II
Hernández Piña Manuel Alberto
22 de mayo del 2021
Tabla de Medias por Mínimos Cuadrados para Blancura con intervalos de confianza del 95.0%
Error Límite Límite
Nivel Casos Media Est. Inferior Superior
MEDIA GLOBAL 12 47.0833
Detergente
ACE 3 46.3333 1.02289 43.8304 48.8363
ARIEL 3 48.3333 1.02289 45.8304 50.8363
FOCA 3 51.0 1.02289 48.4971 53.5029
PERSIL 3 42.6667 1.02289 40.1637 45.1696
BLOQUE
ACEITE QUEMADO 4 51.75 0.885845 49.5824 53.9176
AGUACATE 4 45.5 0.885845 43.3324 47.6676
MOLE 4 44.0 0.885845 41.8324 46.1676
El StatAdvisor
Esta tabla muestra la media de Blancura para cada uno de los niveles de los factores. También muestra los errores estándar
de cada media, los cuales son una medida de la variabilidad en su muestreo. Las dos columnas de la extrema derecha
muestran intervalos de confianza del 95.0% para cada una de las medias. Pueden desplegarse estas medias e intervalos
seleccionado Gráfica de Medias de la lista de Opciones Gráficas.
En la tabla de medias obtenemos conclusiones detalladas sobre los detergentes y los tipos de
manchas examinados, en este ejercicio obtenemos que el dato de la media más grande en los
detergentes es el detergente “FOCA” (Detergente 3) conuna media de 51 luxes.
Mientras que, del lado de los tipos de manchas, la que resulta más difícil de borrar de acuerdo
a los datos capturados, es la de MOLE (Mancha 2) con media de 44.
El StatAdvisor
Esta tabla aplica un procedimiento de comparación multiple para determinar cuáles medias son significativamente diferentes
de otras. La mitad inferior de la salida muestra las diferencias estimadas entre cada par de medias. El asterisco que se
encuentra al lado de los 4 pares indica que estos pares muestran diferencias estadísticamente significativas con un nivel del
95.0% de confianza. En la parte superior de la página, se han identificado 3 grupos homogéneos según la alineación de las
X's en columnas. No existen diferencias estadísticamente significativas entre aquellos niveles que compartan una misma
columna de X's. El método empleado actualmente para discriminar entre las medias es el procedimiento de diferencia
mínima significativa (LSD) de Fisher. Con este método hay un riesgo del 5.0% al decir que cada par de medias es
significativamente diferente, cuando la diferencia real es igual a 0.
INSTITUTO TECNOLÓGICO SUPERIOR
DE XALAPA
INGENIERÍA INDUSTRIAL
Sabatino
Estadística Inferencial II
Hernández Piña Manuel Alberto
22 de mayo del 2021
En la prueba de rangos múltiples se analiza con mayor detalle las diferencias entre cada
detergente y determinar si son significativas o no, esto aporta en la decisión que se tome al
final por distintos factores, por ejemplo, entre el precio de uno y otro.El detergente “PERSIL”
(Detergente 4), presenta diferencias significativas con los 3detergentes restantes, un factor
clave para descartarlo si así se requiere, y la otra diferencia estadísticamente significativa la
encontramos entre los detergentes “ACE” (Detergente 1) y “FOCA” (Detergente 3).
Gráficos
55
52
49
Blancura
46
49
46
43
40
ACE ARIEL FOCA PERSIL
Detergente
Conclusión
También se puede concluir que, la mancha más difícil de limpiar ha sido “MANCHA
DE MOLE”, con una media de blancura menor a las otras dos manchas.
Bibliografía
upport.minitab. (01 de Enero de 2021). https://support.minitab.com/. Obtenido de
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-
statistics/anova/supporting-topics/anova-models/what-are-randomized-block-designs-and-
latin-square-designs/