Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capitulo III. D.C.A
Capitulo III. D.C.A
Capítulo III
Desventajas:
- Se requiere de material homogéneo.
-Toda la variabilidad entre las unidades estarán incluidas en el
error.
Croquis experimental
Asignación al azar
Cuadro de datos
Suponga que se desea comparar t tratamientos. El i-ésimo tratamiento cuenta
con ni repeticiones y cada unidad experimental (u.e.) genera una observación
Yij. Luego, cuadro de datos sería el siguiente:
𝑛𝑖
𝑌𝑖. = 𝑌𝑖𝑗
𝑗=1
𝑌𝑖.
𝑌ത𝑖. =
𝑛𝑖
n= σ𝑡𝑖=1 𝑛𝑖
Donde:
𝑌𝑖𝑗 : valor observado en el i-ésimo tratamiento y la j-ésima repetición.
Donde:
( )
ni ni
t t
Y••2
SC (Total ) = SC (Y ) = Yij − Y •• = Y −
2
2
ij
i =1 j =1 i =1 j =1 n
( ) Yi•2 Y· 2·
t t
SC (Trat ) = ni Yi• − Y •• = − TC
2
TC =
i =1 i =1 ni n
SC(Error) = SC(Total) – SC(Trat)
Procedimiento para la prueba
P1) Para el Modelo I (Efectos fijos) P4) Regla de decisión:
a) Los efectos de los tratamientos: Rechazar H0 si: 𝐹𝑐𝑎𝑙 > 𝐹 1−𝛼 ;(𝑡−1,𝑛−𝑡)
𝐶𝑀(𝐸𝑟𝑟𝑜𝑟)
𝐶𝑉% = ∗ 100%
𝑌ത..
Prueba de Ardenson Darling (AD)
Se debe verificar el supuesto que la variable y los errores se distribuyen normalmente:
Procedimiento:
P1) H0: La variable se distribuye normalmente.
H1: La variable no se distribuye normalmente.
P6) Conclusión
Prueba de Homogeneidad de Varianzas de Bartlett
Se debe verificar el supuesto de varianzas homogéneas
Procedimiento:
P1) H : 𝜎 2 = 𝜎 2 = 𝜎 2 = ⋯ = 𝜎 2 = 𝜎 2 ; i = 1, 2, 3, …, t
0 1 2 3 𝑖
2
H1: Al menos un 𝜎𝑖 es diferente i = 1, 2, 3, …, t
P2) Nivel de significancia:
P6) Conclusión
Ejemplo 1:
Para estudiar el efecto de la temperatura sobre el rendimiento de un proceso químico
se produjeron cinco lotes con cada uno de tres valores de temperatura. Los resultados
aparecen en la tabla siguiente. Usando un nivel de significación de 0.05 y con los
siguientes datos:
Temperatura
50 °C 60 °C 70 °C
34 30 23
24 31 28
36 34 28
39 23 30
32 27 31
a. Verificar los supuestos de normalidad de datos y homogeneidad de varianzas
b. Definir el modelo aditivo lineal y sus componentes.
c. ¿Se puede afirmar que, el nivel de temperatura tiene efecto sobre la media del
rendimiento del proceso?
d. Calcule el coeficiente de variabilidad.
Ejemplo 1: minitab
Test for Equal Variances: Rendimiento vs Nivel de Temperatura
Multiple comparison intervals for the standard deviation, α = 0.05
Multiple Comparisons
P-Value 0.554
50 C Levene’s Test
P-Value 0.649
Nivel de Temperatura
60 C
70 C
2 4 6 8 10 12 14 16
= 0.05
Rechazar H0 si p – valor <
Como el p-valor = 0.858 > 0.05 ==> No se
Rechaza H0.
Conclusión
A un nivel de significación de 0.05, no existe evidencia
estadística para rechazar H0, es decir, no se puede
afirmar que el rendimiento del proceso químico no se
distribuye normalmente.
Homogeneidad de varianzas
H0: 𝜎12 = 𝜎22 = 𝜎32 = 𝜎 2
H1: Al menos un 𝜎𝑖2 es diferente i = 1, 2, 3
Salida de la prueba en Minitab
Test for Equal Variances: Rendimiento vs Nivel de Temperatura
= 0.05 Multiple comparison intervals for the standard deviation, α = 0.05
Nivel de Temperatura
Conclusión 60 C
varianzas. If intervals do not overlap, the corresponding stdevs are significantly different.
Ejemplo 1: solución
b. Definir el modelo aditivo lineal y sus componentes
𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗 𝑖 = 1, 2, 3; 𝑗 = 1, 2, 3, 4, 5
Donde:
𝑌𝑖𝑗 : Rendimiento del proceso químico usando el i-ésimo nivel de temperatura
en el j-ésimo lote de estudio
𝜇: Efecto de la media general del rendimiento del proceso.
𝑆𝐶 𝑇𝑜𝑡𝑎𝑙 = 𝑌𝑖𝑗2 − 𝑇𝐶 = 642 + 672 + 622 + 642 + ⋯ + 592 + 622 + 602 − 77128.2 = 191.8
𝑖=1 𝑗=1
𝑡
𝑌𝑖2 3232 2952 3252 2992
𝑆𝐶 𝑇𝑟𝑎𝑡 = − 𝑇𝐶 = + + + − 77128.2 = 147.8
𝑛𝑖 5 5 5 5
𝑖=1
𝑆𝐶 𝐸𝑟𝑟𝑜𝑟 = 𝑆𝐶 𝑇𝑜𝑡𝑎𝑙 − 𝑆𝐶 𝑇𝑟𝑎𝑡 = 191.8 − 147.8 = 44
El ANVA es:
Fuente de Grados de Suma de
Cuadrados Medios: CM Fcal
Variación: FV Libertad: GL Cuadrados: SC
=0.05
1- = 0.95
0 3.24
17.92
𝑅𝐴𝐻0 𝑅𝑅𝐻0
P6) Conclusión
Con un nivel de significación del 5% existe suficiente evidencia estadística para
rechazar H0, es decir, se puede afirmar que al menos uno de los programas de
motivación difiere del resto al analizar el tiempo medio de ensamblaje.
Ejemplo 1: solución
c. Calcule el coeficiente de variabilidad.
𝐶𝑀(𝐸𝑟𝑟𝑜𝑟)
𝐶𝑉% = ∗ 100%
𝑌ത..
CM(Error) = 2.75
𝑌.. 1242
𝑌ത.. = = = 62.1
𝑛 20
Luego:
2.75
CV% = ∗ 100% = 2.67%
62.1