Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ANÁLISIS
“LOS PLANES MEJOR
PENSADOS”
Lo anterior implica la
aplicación del diseño
En la figura 3.1 se muestra la relación que existe entre los diferentes pasos de la
metodología de la investigación y el diseño de experimentos. Como se puede observar, el
diseño experimental se puede utilizar en la comprobación de la hipótesis (en donde se
diseña el experimento para comprobar la hipótesis), como en el análisis y discusión de los
resultados (en donde se acepta o rechaza la hipótesis de trabajo). En esta última etapa,
el análisis de varianza es primordial para la obtención de conclusiones objetivas, basadas
en resultados experimentales, sujetos a errores del mismo tipo.
Se supone que se cuenta con los resultados de un diseño aleatorizado, los cuales
generan una matriz de datos de tamaño mn en donde m es el total de tratamientos
aplicados (niveles del factor) y n es el número de réplicas en cada tratamiento. En este
caso se debe contrastar la hipótesis de que las medias de los m tratamientos son todas
iguales. Si se aplica la notación a la j-ésima observación en el i-esimo nivel del
tratamiento por yij la matriz de datos en general es la siguiente:
Ec. 3.1
H0: 1 = 2 = ···· = m = 0
H1: i 0 para al menos una i
Para contrastar la hipótesis nula de que las m medias de los tratamientos sean
todas iguales, compararemos dos estimaciones de 2, una basada en la varianza entre
medias muestrales y otra basada en la variación dentro de las muestras. 2, esta varianza
se puede estimar por cualquiera de las varianzas muestrales.
Ec. 3.2
Ec. 3.3
Nótese que cada una de las varianzas muestrales Si2 está basada en n-1 grados
de libertad y por lo tanto a2 (varianza dentro de la muestra) está basada en m(n-1)
grados de libertad. Ahora la varianza de la media m muestral está dada por la ecuación
3.4
Ec. 3.4
Ec. 3.5
La ecuación 3.6 es un valor de una variable aleatoria que tiene distribución F, con
m-1 y m(n-1) grados de libertad. Como la varianza entre muestras, b2, puede esperarse
que exceda a la varianza dentro de la muestra, a2, cuando la hipótesis nula es falsa ésta
deberá rechazarse si Fcal excede a F; donde F se obtiene de la tabla 3 del apéndice A
con m-1 y m(n-1) grados de libertad.
Ec. 3.7
Ec. 3.8
Debido a que la ecuación 3.8 está estructurada con base a la suma de cuadrados
de los numeradores de las varianzas antes mencionadas, dicha ecuación se puede
representar con la simbología presentada en la ecuación 3.9.
Ec. 3.9
En donde:
Ec.
3.10
En donde:
FC = Factor de corrección
T = Suma total de los mn datos
m = Número de tratamientos
n = Número de datos por tratamiento
Ec. 3.11
Ec. 3.12
Ec. 3.13
El valor para la prueba Fisher (FTr) se calcula mediante la ecuación 3.14. En donde
CMTr y CME son el cuadrado medio de los tratamientos y del error respectivamente y
que corresponde a la varianza de ambos componentes.
Ec. 3.14
Del teorema de Cochran, se tiene que los grados de libertad totales, son igual a la
suma de los grados de libertad de los componentes, como se muestra en la ecuación
3.15.
Ec. 3.15
En donde son los grados de libertad totales, que se calculan como el número total
de datos menos uno. son los grados de libertad de los tratamientos, los cuales se
calculan como el número de tratamientos menos uno. Finalmente, representa a los
grados de libertad del error, los que se pueden determinar por diferencia de los grados de
libertad totales menos los grados de libertad de los tratamientos.
Los valores de F0.05 y F0.01 de la tabla 3.5, se obtienen de la tabla 3 del apéndice A,
entrando con un grado de libertad en el numerador y 18 grados de libertad en el
denominador.
repetición, el cual se puede usar para analizar la influencia de un factor y hasta una
fuente extraña de variación.
Ec. 3.16
Tabla 3.6. Matriz de datos para el diseño totalmente aleatorizado con repetición
Repetición 1 Repetición l
Suma Muestra Suma
Muestra Total
parcial parcial
1 1
2
. . . . . .
. . . . . .
i i
. . . . . .
. . . . . .
m m
H0: 1 = 2 = ···· = m = 0
1 = 2 = ····· = r = 0
H1: i 0 para al menos una i
k 0 para al menos una k
Ec. 3.17
Ec. 3.18
Ec. 3.19
Ec. 3.20
Ec. 3.21
Ec. 3.22
El valor para la prueba Fisher para los tratamientos (FTr), se calcula mediante la
ecuación 3.23.
Ec. 3.23
El valor para la prueba Fisher para las repeticiones (FRep), se determina haciendo
uso de la ecuación 3.24
Ec. 3.24
¿Es posible que la regeneración del carbón permita obtener una capacidad de adsorción
del carbón comercial?
T..1 = 198.2
T..2 = 202.1
Total = 400.3
Aplicando las fórmulas abreviadas del las ecuaciones 3.18 a la 3.22 se tiene:
En dicha tabla, se observa que para los tratamientos, Fcal > F (paso 5), entonces se
rechaza Ho y se concluye que al menos una de las concentraciones produce un resultado
diferente en la transmitancia, con un nivel de significación de 0.01. Por otra parte se tiene
que para las repeticiones, Fcal < F (paso 5), por lo que los carbones no producen
diferencias significativas en la transmitancia de la solución. Con lo que se concluye que
el carbón regenerado por tercera ocasión, produce los mismos resultados que el carbón
comercial, con α = 0.01.
Ec. 3.25
En donde:
FC = Factor de corrección
T = Suma total de todos los datos
N = Número total de datos en la matriz
Ec. 3.26
Ec. 3.27
En donde:
EJEMPLO 3.3. Medina (1998), empleó cascarilla molida tratada con solución de 25 g/L de
NaOH, para elaborar materiales compuestos de cascarilla de arroz y cemento Portland.
Para la elaboración de los materiales se aplicaron los tratamientos mostrados en la tabla
3.11. En donde las variables a modificar fueron fijadas basadas en información
bibliográfica
1 333.83 406.36
2 412.35 --------
3 330.60 491.06
4 389.71 --------
SOLUCIÓN: Para realizar el análisis de varianza es necesario realizar las sumas en cada
uno de los tratamientos y obtener la suma total de todos los datos, como se muestra en
la tabla 3.13.
En dicha tabla, se observa que para los tratamientos, Fcal > F0.05 y Fcal < F0.01 (paso 5),
entonces se rechaza Ho para α = 0.05. Con lo que se concluye que al menos uno de los
tratamientos empleados en la elaboración de los materiales compuestos, modifica la
resistencia a la compresión, con α = 0.05.
Ec. 3.28
Ec. 3.29
Ec. 3.30
EJEMPLO 3.4: Aplicar la prueba del rango múltiple de Duncan a los datos del ejemplo 3.3
para determinar cuáles tratamientos presentan diferencias en la resistencia a la
compresión. Utilice una = 0.05.
SOLUCIÓN: Los datos que se requieren del ejemplo 3.3 son: CME = 7752.005, α = 0.05
y = 2. Con los datos de la tabla 3.13, se calculan los promedios de los tratamientos,
como se ve en la Tabla 3.15.
A partir de la tabla I del apéndice B se obtiene los valores de r0.05(p,f), para este ejemplo:
r0.05(4,2) = 6.09
r0.05(3,2) = 6.09
r0.05(2,2) = 6.09
= 370.095
= 389.71
= 410.83
= 412.35
Luego se calculan los rangos menos significativos (Rp) empleando la ecuación 3.30.
R4 = = 6.09(76.25) = 464.3625
R3 = = 6.09(76.25) = 464.3625
R2 = = 6.09(76.25) = 464.3625
A continuación se calculan los rangos entre medias y se hace la comparación con los
rangos menos significativos, como se muestra en la tabla 3.16.
Conclusión: Debido a que ningún rango de medias es mayor que el rango menos
significativo, no se detecta ninguna diferencia entre las medias con α = 0.05
Las ecuaciones empleadas pare este modelo son las mismas que se emplean para
el modelo de efectos fijos. La única diferencias presentada en este modelo, es que las
conclusiones son válidas para todo el conjunto de niveles de la variable analizada, del
cual se extrajeron, de manera aleatoria, los niveles de la variable empleados en el
experimento.
Ec. 3.31
H0; 1 = 2 =.....= a = 0
1 = 2 =.....= b = 0
H1; a 0
b 0
Ec. 3.32
Ec. 3.33
Ec. 3.34
Ec. 3.35
Ec. 3.36
Ec. 3.37
En donde: yij es el dato del i-ésimo tratamiento y j-ésimo bloque, Ti. es la suma de
las b observaciones del i-ésimo tratamiento, T.j es la suma de las a observaciones del j-
ésimo bloque y T.. es la suma total de todas los datos. FC, SCT, SCTr, SCE y SCBl, son:
el factor de corrección, la suma de cuadrados totales, Suma de cuadrados del
tratamiento, suma de cuadrados del error y suma de cuadrados del Bloque,
respectivamente.
Ec. 3.38
La hipotesis nula H0; 1 = 2 =.....= b = 0, se rechazará si FBl > F para b-1 y (a-1)
(b-1) grados de libertad.
Ec. 3.39
Aplicando las fórmulas abreviadas del las ecuaciones 3.33 a la 3.37 se tiene:
Para mayor sencillez en la presentación los resultados, estos se presentan con dos cifras
significativas. Con esta información se construye la tabla 3.21.
En dicha tabla, se observa que para los tratamientos, Fcal > F0.05 (paso 5), entonces se
rechaza Ho, no siendo así para un nivel de significación de 0.01, ya que FTr es menor que
F0.01, por lo que se acepta Ho. Así mismo, se tiene que para las repeticiones, Fcal < F0.05
(paso 5), por lo que las avenas no producen diferencias significativas en la viscosidad de
los extractos. Con lo que se concluye que los extractos de avena obtenidos a diferentes
relaciones de sólido-líquido, presentan una diferencia en la viscosidad, con α = 0.05.
ij
Tabla 3.22. Matriz de datos para el diseño en bloques al azar con repetición
Repetición 1 Repetición l
Trata- Bloques Suma Trata- Bloques Suma
miento Total
miento B.1., B.2 · · · B.j.· · ··B.b. parcial B.1., B.2 · · · B.j.· · ··B.b. parcial
1 1
2
. . . . . .
. . . . . .
i i
. . . . . .
. . . . . .
a a
Ec. 3.40
En donde: µ es el promedio de todos los datos, αi,j, k, y ijk, son los efectos
debido al tratamiento, al bloque, a la repetición y al error experimental, respectivamente,
para i = 1, 2,., a, j = 1, 2,…, b y k = 1, 2,….r.
H0: 1 = 2 = ···· = a = 0
1 = 2 = ····· = b = 0
1 = 2 = ····· = r = 0
Ec. 3.41
Ec. 3.42
Ec. 3.43
Ec. 3.44
Ec. 3.45
Ec. 3.46
Ec. 3.47
El valor para la prueba Fisher para los tratamientos (FTr), bloques (FBl) y Réplicas
(FRep) se calcula mediante las ecuaciones 3.48, 3.49 y 3.50, respectivamente.
Ec. 3.48
Ec. 3.49
Ec. 3.50
Tr2 20% 20% 80% 90% 20% 80% 90% 20% 100%
Tr3 40% 30% 90% 100% 40% 90% 100% 40% 100%
Tr4 0% 30% 90% 100% 30% 90% 100% 30% 100%
Tr5 30% 0% 80% 100% 0% 80% 100% 10% 100%
Tr6 20% 30% 80% 70% 40% 80% 70% 40% 100%
Tr7 20% 20% 80% 90% 20% 80% 90% 20% 100%
Tr8 50% 20% 60% 100% 20% 100% 100% 20% 100%
Es necesario hacer notar que las sumas de las Ti.., T.j. y T..k dan el valor de T… (4360), por
lo que como procedimiento de cálculo, es necesario ir corroborando para evitar errores
de suma.
Aplicando las fórmulas abreviadas del las ecuaciones 3.33 a la 3.37 se tiene:
Tr2 20% 20% 80% 90% 20% 80% 90% 20% 100% 520
Tr3 40% 30% 90% 100% 40% 90% 100% 40% 100% 630
Tr4 0% 30% 90% 100% 30% 90% 100% 30% 100% 570
Tr5 30% 0% 80% 100% 0% 80% 100% 10% 100% 500
Tr6 20% 30% 80% 70% 40% 80% 70% 40% 100% 530
Tr7 20% 20% 80% 90% 20% 80% 90% 20% 100% 520
Tr8 50% 20% 60% 100% 20% 100% 100% 20% 100% 570
200 180 630 740 200 670 750 210 780 T…=
4360
T..k 1010 1610 1740
Con esta información se construye la tabla 3.27, en donde los resultados se presentan
con dos cifras significativas.
En la tabla 3.27, el valor de FTr, FBl y FRep se calculan mediante las ecuaciones 3.48, 3.49
y 3.50. Los valores de F0.05 y F0.01 para el tratamiento, se obtienen de la tabla 3 del
apéndice A, entrando con 7 grados de libertad en el numerador y 60 grados de libertad
en el denominador. Para los bloques y las repeticiones, dichos valores se obtiene con 2
grado de libertad para el numerador y 60 grados de libertad en el denominador.
acepta Ho. Así mismo se tiene que para los bloques y las repeticiones, Fcal > F0.01 (paso 5).
Con lo que se concluye, que al menos un tipo de explante, asi como al menos un tiempo
empleado, modifican el % de explantes que respondieron positivamente a la
micropropagación con α = 0.01. Por otra parte, los tratamientos aplicados no realizan
ninguna diferencia en la respuesta.
Aunque el procedimiento está descrito para ver la diferencia entre las medias de
los tratamientos, el cálculo se puede realizar para los bloques o réplicas. Para lo cual, el
cálculo del error típico se obtiene al dividir entre el número de datos con los que se
calcula la media del bloque o la repetición, denotado por m.
EJEMPLO 3.7. Aplicar el recorrido múltiple de Duncan tanto para los bloques como las
repeticiones, a los datos del ejemplo empelando una α = 0.05.
SOLUCIÓN: Los datos que se requieren del ejemplo 3.6 son: CME = 329.81 y = 2 y mBl =
24 y mRep = 24. Con los valores de T.j. y T..k de la tabla 3.27, se calculan los promedios de
los bloques y las repeticiones.
Primero se realizará el cálculo del recorrido de Duncan para los bloques (tipo de
explante). Lo promedios para los bloques son:
En seguida se calcula el error típico, usando una adaptación dela ecuación 3.28.
A partir de la tabla I del apéndice B se obtiene los valores de r0.05(p,f), para este ejemplo:
r0.05(3,60) = 2.98
r0.05(2,60) = 2.83
= 24.5833
= 70.4166
= 86.6667
Luego se calculan los rangos menos significativos (Rp) empleando la ecuación 3.30.
R3 = = 2.98(3.70) = 11.026
R2 = = 2.83(3.70) = 10.471
A continuación se calculan los rangos entre medias, empleando dos cifras significativas y
se hace la comparación con los rangos menos significativos, como se muestra en la tabla
3.28.
Tabla 3.28. Comparación de los rangos para los bloques del ejemplo 3.7
Rango menos
Rangos entre medias Comparación
significativo
> R3 =11.026
> R2 = 10.471
> R2 = 10.471
Conclusión: De la tabla 3.28 se tiene que todos los rangos de medias son mayor que el
rango menos significativo correspondiente, se puede decir que todas las medias son
significativamente diferentes con α = 0.05. Por lo que se puede concluir, que los
explantes que mayor porcentaje de respuesta positiva a la micropropagación presentan
son los de yemas apicales y el de menor respuesta, es el de hipocótilos con α = 0.05.
A partir de la tabla I del apéndice B se obtiene los valores de r0.05(p,f), para este ejemplo:
r0.05(3,60) = 2.98
r0.05(2,60) = 2.83
= 42.0833
= 67.0833
= 72.50
Luego se calculan los rangos menos significativos (Rp) empleando la ecuación 3.30.
R3 = = 2.98(3.70) = 11.026
R2 = = 2.83(3.70) = 10.471
A continuación se calculan los rangos entre medias, empleando dos cifras significativas y
se hace la comparación con los rangos menos significativos, como se muestra en la tabla
3.29.
Tabla 3.29. Comparación de los rangos de las repeticiones del ejemplo 3.7
Rango menos
Rangos entre medias Comparación
significativo
> R3 =11.026
< R2 = 10.471
> R2 = 10.471
Conclusión: De la tabla 3.29 se tiene que existen diferencias significativas entre todos los
pares de medias entre la media 3 y la 2, la única media que no cae en un rango no
significativo, es la por lo que dicha media es la que produce una respuesta mucho menor
que las demás. Por lo que se puede concluir, que el tiempo que menor porcentaje de
respuesta positiva a la micropropagación presenta es el de 15 días con α = 0.05.
Se debe recordar que en el caso de los modelos de efectos fijos, los niveles de las
variables (valores que se le asignen a las mismas) son fijados o establecidos por el
experimentador.
Si yijk es el dato tomado del i-ésimo nivel del factor A y el j-ésimo nivel del factor B
de la k-ésima réplica (o bloque), entonces la matriz de datos generada por un Diseño
experimental de dos factores(totalmente aleatorizado o en bloques al azar) se presenta
en la tabla 3.29.
Ec. 3.51
Ec. 3.52
En este caso es la media mayor, i es el efecto del i-ésimo nivel del factor A, j
es el efecto del j-ésimo nivel del factor B, k es el efecto de la k-ésima replica (o bloque),
ijk es el efecto debido al error y ()ij es la interacción o efecto conjunto del i-ésimo nivel
del factor A con el j-ésimo nivel del factor B. Para i = 1,2....a; j = 1,2.....b y k = 1,2....r.
Ho: i = 0
j = 0
k = 0
()ij = 0
Ec. 3.42
Ec. 3.43
Ec. 3.53
Ec. 3.54
Ec. 3.37
Ec. 3.55
Ec. 3.56
Ec. 3.57
En donde T.i. es el total del i-ésimo nivel del facto A y T.j. es el total de la j-ésimo
nivel del factor B. Para poder obtener estos totales, es necesario estructurar la
información en una matriz de datos, en donde las filas corresponden a los diferentes
niveles del factor A y en las columnas, los diferentes niveles del factor B (ver tabla 3.29).
La suma de cuadrados de la interacción AB (SCAB), se obtiene por diferencia a partir de
la ecuación 3.55.
El valor para la prueba Fisher para el factor A (FA), el factor B (FB), la interacción
AB (FAB) y el bloque, se calcula a partir de las ecuaciones 3.58, 3.59, 3.60 y 361,
respectivamente. En donde los grados de libertad del factor, es igual al número de niveles
del factor menos uno y los grados de libertad de la interacción, se obtiene al multiplicar
los grados de libertad de los factores que intervienen en la interacción. La tabla de
ANOVA (tabla 3.31), se construye con la información obtenida, es necesario hacer notar
que no se incluye a los tratamientos, sino a sus componentes (factor A, factor B e
interacción AB).
Ec. 3.58
Ec. 3.59
Ec. 3.60
Ec. 3.61
EJEMPLO 3.8. Bahena (2001) para evaluar el efecto que tienen la fuerza de conformado
y el % de cascarilla en la resistencia a la compresión de materiales compuestos
elaborados a base de cascarilla de arroz y cemento Portland, aplicó un diseño
experimental de dos factores 4x5, modificando el % (base seca) de cascarilla empleado
(10, 20, 30 y 40 %) y la fuerza de conformado (0, 0.5, 1.0, 1.5 y 2.0 toneladas). El diseño
experimental se realizó completamente al azar. Los resultados con dos cifras
significativas, se presentan en la tabla 3.32.
3.32. Resultados del diseño experimental de dos factores del ejemplo 3.8
No. de Factor A Factor B Réplicas (MPa)
experimento % de cascarilla fuerza(ton) 1 2 3
1 10 0.0 5.64 21.41 22.55
2 10 0.5 33.18 6.25 22.99
3 10 1.0 25.79 17.34 20.04
4 10 1.5 21.10 26.82 10.33
5 10 2.0 20.87 16.56 13.38
6 20 0.0 11.82 11.92 10.52
7 20 0.5 10.51 15.73 11.95
8 20 1.0 11.90 10.81 8.34
9 20 1.5 3.17 9.20 8.87
10 20 2.0 6.75 11.49 9.50
11 30 0.0 5.27 6.88 6.07
12 30 0.5 3.27 1.48 5.32
13 30 1.0 7.64 3.22 4.74
14 30 1.5 4.51 3.32 5.01
15 30 2.0 3.10 4.74 3.93
16 40 0.0 5.22 4.00 1.04
17 40 0.5 5.09 4.91 4.84
18 40 1.0 4.99 5.47 3.29
19 40 1.5 3.98 5.47 3.86
20 40 2.0 4.99 3.45 4.89
SOLUCIÓN: El análisis de varianza se lleva a cabo, aplicando los cinco pasos del
ANÁLISIS DE DATOS EXPERIMENTALESPágina 36
CAPITULO 3. ANÁLISIS ESTADÍSTICO
procedimiento de la prueba Fischer, para probar las siguientes hipótesis (paso 1) acerca
del modelo de la ecuación 3.51:
Ho: i = 0, j = 0, y ()ij = 0
Es necesario hacer notar que las sumas de las Tij.,. y T..k dan el valor de T… (570.72), por
lo que como procedimiento de cálculo es necesario ir corroborando, para evitar errores
de suma.
Como el diseño se realizó totalmente al azar, al aplicar las fórmulas abreviadas para el
cálculo de la suma de cuadrados, no se empleará la ecuación 3.54 (SCBl), únicamente
se usaran las ecuaciones: 3.13, 3.42, 3.43 y 3.47 y 3.53:
La SCA, SCB y SCAB se obtienen a partir de las ecuaciones 3.56, 357 y 355
respectivamente.
Con esta información se construye la tabla 3.35, en donde los resultados se presentan
con dos cifras significativas. En esta tabla se puede observar, que no están los
tratamientos como fuente de variación, ya que aparecen sus componentes (SCA, SCB y
SCAB). Así mismo, debido a que el experimento se realizó como un diseño totalmente
aleatorizado no contiene a la SCBl.
En dicha tabla se observa que para el factor A, FA > F0.05(3,40) y FA > F0.01(4,40) (paso 5), por lo
que se rechaza Ho. Así mismo se tiene que para el factor B y la Interacción AB, Fcal < F0.05
(paso 5) por lo que se acepta H0. Con lo que se concluye que al menos un porcentaje de
cascarilla modifica la resistencia a la compresión del material compuesto de cascarilla de
arroz y cemento portland elaborado, con α = 0.01. Por otra parte, ni la fuerza de
conformado ni la interacción % de cascarilla-fuerza de conformado modifican dicha
resistencia.
.
El modelo del fenómeno se establece como:
Cuando el Ingeniero Químico requiere que los resultados sean válidos para toda la
población de niveles del factor investigado, entonces tiene que elegir los niveles de tal
factor de forma aleatoria, de la población de dichos niveles.
Ec. 3.62
Ec. 3.63
SOLUCIÓN: El análisis de varianza se lleva a cabo, aplicando los cinco pasos del
procedimiento de la prueba Fischer, para probar las siguientes hipótesis (paso 1) acerca
del modelo de la ecuación 3.52.
Ho: i = 0, j = 0, k = 0 y ()ij = 0
máquinas, el factor B a los obreros y los turnos son los bloques, con lo que: a = 3, b = 4 y
r=3
Es necesario hacer notar que las sumas de las Tij.,. y T..k dan el valor de T… (7651), por lo
que como procedimiento de cálculo es necesario ir corroborando, para evitar errores de
suma.
Como el diseño se realizó en bloques al azar, se emplean las fórmulas abreviadas de las
ecuaciones: 3.37, 3.42, 3.43 y 3.47 , 3.53 y 3.54:
728.38889
La segunda parte del procedimiento, consiste en calcular las sumas Ti.. y T.j., a partir de la
tabla 3.36, como se muestra en la tabla 3.38.
M1 220 225 235 230 235 248 300 302 311 210 213 219 2948
M2 140 144 149 150 154 159 220 226 230 150 153 158 2033
M3 200 206 211 180 183 190 270 274 280 220 225 231 2670
Suma T.j. 1730 1729 2413 1779 T… = 7651
Con los valores calculados de Ti.. y T.j. se obtiene la SCA, SCB y SCAB se obtienen a
partir de las ecuaciones 3.56, 357 y 355 respectivamente.
En tabla de anova se observa que para todas las fuentes de variación analizadas
(factores, interacción y bloques), Fcal > F0.01 (paso 5), por lo que se rechaza Ho para todos
los casos. Con lo que se concluye que los trabajadores, las máquinas y los turnos de
trabajo de la fábrica, producen diferentes números de pastillas defectuosas con α = 0.01.
3.2.3 POTENCIA DE
LOS MODELOS FIJOS
Y ALEATORIOS
Por lo general, después de determinar qué factores y cuáles
niveles se van a estudiar, el Ingeniero Químico se encuentra
ante el dilema de determinar cuántas réplicas deben de
realizarse, puesto que entre más réplicas se realicen, mayor
va a ser el costo y el tiempo de la investigación. Por otra parte,
conforme a lo dicho en el capítulo 1, el número de réplicas
influyen en la probabilidad de cometer el error tipo II (), la
cual está asociada a lo que se denomina como potencia de la
prueba. Por lo general, debido al costo de la experimentación, se decide realizar dos o
tres réplicas y posteriormente se calcula la potencia de la prueba.
Ec. 3.64
En donde:
Ec. 3.65
Puesto que el CME es conocido, es posible utilizar una estimación anterior o definir
el valor de que se desea detectar en términos de la razón .
3.3
EXPERIMENTOS
CON MÁS DE DOS
FACTORES 3.3.1 EXPERIMENTO
FACTORIAL
GENERAL
Una gran parte de la investigación y
experimentación industrial en la
que participa el Ingeniero Químico,
está dirigida a descubrir los efectos
individuales y de conjunto de las variables que modifican los
procesos químicos investigados y que implican más de
dos factores. Por ejemplo, es muy conocido que la velocidad
de una reacción química, está influida por la concentración
de los reactantes, la temperatura, la presión, el uso de catalizador, entre otros. Motivo por
el cual es importante conocer, como se lleva a cabo el análisis estadístico de los
experimentos factoriales de más de dos factores.
Ec. 3.66
Regla 2. Además de la media general (µ) y del término de error [(ij..)z], el modelo contiene
todos los efectos principales y cualquier interacción que el experimentador suponga que
existe. Si se dan todas las posibles interacciones entre los k factores, interacciones de
Regla 3. Los subíndices de cada término del modelo deben dividirse en tres clases:
Regla 4. Grados de libertad. Los grados de libertad de cualquier término del modelo
corresponden al producto del número de niveles asociados con cada subíndice pasivo y
el número de niveles menos uno, asociados con cada subíndice activo.
Por ejemplo, los grados de libertad asociados con ()ij, son (a-1)(b-1), y los grados
de libertad asociados con (ij)k son ab(r-1).
Regla 5. Suma de cuadrados. Para obtener las fórmulas con el fin de calcular las sumas
de cuadrados de cualquier efecto, primero se deben desarrollar los grados de libertad de
dicho efecto. Por ejemplo, para , los grados de libertad expandidos son simplemente b-
1. Cada término de esta cantidad corresponde a una forma simbólica de una suma de
cuadrados no corregida. Después debe usarse el siguiente procedimiento.
Ec. 3.67
Cada una de las formas simbólicas restantes se representa mediante el total de las
observaciones en forma de sumatoria. Así, a b le corresponde la ecuación 3.68.
Ec. 3.68
Ec. 3.69
Ec. 3.70
Ec. 3.71
Ec. 3.72
Ec. 3.73
Ec. 3.74
Regla 2. Cuadrado medio esperado. Para obtener los valores esperados de los
cuadrados medios debe prepararse la tabla 3.42. Existe un renglón por cada componente
del modelo (cuadrado medio) y una columna por cada subíndice. Sobre cada subíndice
debe escribirse el número de niveles asociado con él y si el factor es fijo (F) o aleatorio
(A). Las réplicas siempre se consideran aleatorias.
1 1
Ec. 3.75
ANÁLISIS DE DATOS EXPERIMENTALESPágina 49
CAPITULO 3. ANÁLISIS ESTADÍSTICO
a 0 r
0 0 r
1 1 1
MODELO DE EFECTOS ALEATORIOS
F F A
Cuadrado Medio
FACTOR a b r
Esperado
i j k
0 b r
a 0 r
0 0 r
1 1 1
MODELO DE EFECTOS ALEATORIOS
F F A
Cuadrado Medio
FACTOR a b r
Esperado
i j k
0 b r
a 0 r
0 0 r
1 1 1
Ec. 3.76
Ec. 3.77
Ec. 3.78
Ec. 3.79
Ec. 3.80
Ho:
Y la hipótesis alternativa:
media hora. El diseño se realizó en forma totalmente aleatoria y los resultados obtenidos
se muestran en la tabla 3.43.
Determinar los factores y sus interacciones que afectan la resistencia a la compresión del
material compuesto elaborado.
SOLUCIÓN: El análisis de varianza se lleva a cabo, aplicando los cinco pasos del
procedimiento de la prueba Fischer, para probar las siguientes hipótesis (paso 1) acerca
del modelo de la ecuación 3.80.
Ho:
Y la hipótesis alternativa:
Los sumas obtenidas en la tabla 3.45 se utilizan para calcular la SCA, SCB y SCAB
mediante las siguientes ecuaciones abreviadas
Con la información calculada se construye la tabla de ANOVA (ver tabla 3.48), en donde
los resultados se presentan con dos cifras significativas. En esta tabla, los grados de
libertad de los factores se calculan retando uno al número de niveles del factor, los de las
interacciones se obtienen al multiplicar los grados de libertad que intervienen en la
interacción, los grados de libertad totales son la diferencia del total de datos menos uno y
finalmente los grados de libertad del error se obtienen por diferencia. Así mismo, debido
a que se aplicó un modelo de efectos fijos, los cuadrados medios se calculan dividiendo
la suma de cuadrados entre los grados de libertad y los valores de Fcal se obtienen
dividiendo el cuadrado medio del origen de variación entre el cuadrado medio del error.
EJERCICIOS DE REPASO
3.3. Arrieta et al. (2003), evaluaron la influencia de bacterias reductoras de sulfato (BSR)
en la velocidad de corrosión realizadas a muestras de acero al carbón de especificación
API-XL52, empleado para el transporte de hidrocarburos. Para medir la velocidad se
emplearon dos técnicas: resistencia a la polarización e impedancia electroquímica.
Ambas se emplearon a diferentes tiempos durante la prueba (la inoculación de las
bacterias se realizó a las 17:30 horas después de iniciada). Los resultados se presentan
en la tabla siguiente.
3.4. Con la finalidad de determinar la toxicidad de tres tipos de extractos (Hoja, tallo y
raíz) de Lepidium virginicum, Rebolledo et al. (2002) llevaron a cabo un diseño en
bloques al azar, en donde se emplearon soluciones metanólicas de los tres tipos de
extractos en tres concentraciones diferentes (10, 100 y 1000 ppm) y una solución inocua
como testigo (DMSO). Para medir la toxicidad se emplearon larvas de Artemia salina
expuestas durante 24 horas. Los resultados de toxicidad en % de mortalidad se muestran
en la siguiente tabla.
Toxicidad (% de mortalidad)
Concentración
Extracto de Extracto de Extracto de Testigo
(ppm)
raíz hoja tallo (DMSO)
1000 21.80 11.20 9.90 14.90
100 18.60 9.80 8.30 10.00
10 17.20 11.10 7.10 2.90
3.6. Nava et al. (2003) en su estudio sobre las propiedades reológicas de los yogures
realizaron un experimento para determinar la sinéresis de estos cuando se le añade
grenetina. En la siguiente tabla se muestran los resultados
Dichos medios de cultivo se aplicaron a tres tipos de explantes (bloques): cotiledón (C),
hipocótilo (H) y yema apical (Y) de L. virginicum. Con tres tiempos diferentes
(repeticiones): 15, 30 y 60 días. La respuesta medida fue el porcentaje de inducción de
morfogénesis. Los resultados se muestran en la tabla 2.
a) Analice los datos y determine si hay influencia del medio de cultivo, tipo de explante y
tiempo de desarrollo.
d) Empleando el recorrido múltiple de Duncan y determine cuales medios de cultivo,
explantes y tiempos son los que presentan mejores resultados.
3.9. Con la finalidad de determinar la calidad de un producto tipo Crazy Fruit elaborado
con suero de leche, Salazar et al. (2001), emplearon un diseño experimental en bloques
al azar con repetición. En dicho diseño emplearon el tiempo como tratamientos, la
propiedad evaluada como bloques y el método de almacenamiento como repetición. Los
resultados se presentan en la siguiente tabla. Usando los siguientes valores numéricos al
análisis sensorial: E = 10, MB = 9 y B = 8, realizar el análisis estadístico a los datos y
obtenga las conclusiones correspondientes.
3.10. López et al., llevaron a cabo un experimento para determinar el efecto de la presión
y el tiempo sobre la eliminación de ceras y lignina de bagazo de caña de azúcar, cuando
dicho bagazo se trataba con soluciones acuosas de NaOH. Los resultados se presentan
en la tabla siguiente. Analizar los datos y establecer si la presión y el tiempo modifican la
cantidad de ceras y lignina.
3.12. Considerando que la radiación gamma modifica la superficie del polietileno del alta
densidad (HDPE) y con la finalidad de determinar la influencia de la misma, al emplear
HDPE tratado con diferentes intensidades de radiación gamma en la elaboración de
materiales compuestos de cemento Portland. López et al. (2003), aplicaron un diseño
experimental en donde se uso HDPE irradiado a 4 diferente niveles de radiación y 3 % de
polietileno con lo que se elaboró el material compuesto. Los resultados de esfuerzo a la
compresión del material compuesto se muestran en la tabla.
Ex Nivel de Nivel de
% de Esfuerzo en Mpa. Exp % de Esfuerzo en Mpa.
p radiación radiación
HDPE No. HDPE
No. KGy. 1 2 3 KGy. 1 2 3
1 0 4 3.45 3.80 4.05 7 50 6 6.16 7.05 8.24
2 10 4 8.60 10.09 11.29 8 100 6 8.43 9.09 6.13
3 50 4 7.85 14.28 9.45 9 0 8 0.99 0.85 0.57
4 100 4 11.29 7.59 8.88 10 10 8 5.26 4.36 6.07
5 0 6 2.11 1.45 1.45 11 50 8 7.32 5.18 6.09
6 10 6 10.68 10.25 6.59 12 100 8 5.62 5.91 5.63
3.13. Moreno et al. (2006) en el desarrollo de una nueva crema cosmética, determinaron
la medir la viscosidad como un parámetro que indica la estabilidad de la misma, cuando
fue sometida 5 diferentes temperatura, dos tipos de envase y 4 tiempos de
almacenamiento. En la tablas 1 y 2 se presentan los resultados de viscosidad en
centipoises de dos lotes elaborados exprofeso.
Temp. Amb. 16450 16200 17500 14950 19800 14550 18550 15750
Temp. Amb. 11500 11300 11200 11100 12050 11100 11900 11200
Realizar un análisis para un diseño factorial de tres factores y determinar si los factores e
interacciones estudiados son significativos.
3.15. En su estudio para alargar la vida de anaquel de alimentos encurtidos, Zapata et al.
(2003) estudiaron el efecto que tenía la variación de la concentración del NaCl y el tiempo
en el pH, la acidez y el contenido de cloruros de dos materiales encurtidos: zanahoria y
cebolla en rebanadas. Los resultados se presentan en la tabla siguiente. Realice un
análisis estadístico para un diseño factorial de tres factores y determine si las variables
estudiadas son significativas.
3.16. López et al. (2005) en su trabajo de reutilización del polietileno de alta densidad
(HDPE) en materiales compuestos con cemento Portland, decidieron emplear un diseño
experimental para evaluar el efecto en la resistencia a la compresión del material
compuesto, al modificar el polietileno mediante un tratamiento térmico, con el empleo de
diferentes porcentajes de HDPE y sometiendo a temperatura de calcinación el material
compuesto elaborado. Los resultados se presentan en la tabla, realice el análisis y
obtenga las conclusiones correspondientes.
3.17. Cortez y Coria (2000) en una parte de su proyecto ganador del Primer lugar
Nacional del Certamen Nacional Juvenil de Ciencia y Tecnología en el “Area Científica”,
Subtema “Ciencias Exactas” y en la categoría "AA", celebrado en Monterrey N. L.,
presentan un diseño experimental para determinar el efecto que tienen en la capacidad
de adsorción del carbón activado, el tamaño de carbón, la cantidad de carbón y la
concentración de la solución alcohólica de resina. En tabla se presentan los resultados de
los 72 experimentos realizados, en donde: el nivel 1, 2, 3. 4, 5 y 6 del tamaño de carbón
(factor A) corresponden a +12, -12 +14, -14 +16, -16 +18, -18 +20 y -20 +25
respectivamente; los niveles 1 y 2 de la cantidad de carbón (factor B) corresponde a 1 y 2
gramos; y los niveles 1, 2, 3, 4, 5 y 6 corresponden a una concentración (factor C) de 2,
4, 6, 8, 10 y 12 g/L respectivamente. La repuesta evaluada fue la capacidad de adsorción
en g de resina/g de carbón.
Capacidad Capacidad
Factor de adsorción Factor de adsorción
Exp Exp
gr /gr gr /gr
A B C 1 2 A B C 1 2
1 1 1 1 0.082 0.087 37 4 1 1 0.093 0.088
2 1 1 2 0.154 0.161 38 4 1 2 0.164 0.183
3 1 1 3 0.262 0.272 39 4 1 3 0.256 0.245
4 1 1 4 0.348 0.357 40 4 1 4 0.302 0.306
5 1 1 5 0.462 0.479 41 4 1 5 0.291 0.300
6 1 1 6 0.563 0.567 42 4 1 6 0.493 0.484
7 1 2 1 0.044 0.044 43 4 2 1 0.033 0.021
8 1 2 2 0.088 0.092 44 4 2 2 0.089 0.074
9 1 2 3 0.138 0.136 45 4 2 3 0.123 0.143
10 1 2 4 0.189 0.186 46 4 2 4 0.160 0.132
11 1 2 5 0.237 0.235 47 4 2 5 0.155 0.134
12 1 2 6 0.284 0.283 48 4 2 6 0.239 0.247
13 2 1 1 0.083 0.082 49 5 1 1 0.088 0.082
14 2 1 2 0.174 0.162 50 5 1 2 0.174 0.180
15 2 1 3 0.247 0.246 51 5 1 3 0.267 0.274
16 2 1 4 0.340 0.333 52 5 1 4 0.359 0.371
17 2 1 5 0.4430 0.440 53 5 1 5 0.451 0.471
18 2 1 6 0.538 0.533 54 5 1 6 0.559 0.568
19 2 2 1 0.033 0.029 55 5 2 1 0.036 0.045
20 2 2 2 0.086 0.087 56 5 2 2 0.082 0.083
21 2 2 3 0.130 0.130 57 5 2 3 0.126 0.140
22 2 2 4 0.177 0.189 58 5 2 4 0.180 0.187
23 2 2 5 0.233 0.230 59 5 2 5 0.233 0.241
24 2 2 6 0.283 0.281 60 5 2 6 0.287 0.289
25 3 1 1 0.083 0.078 61 6 1 1 0.085 0.096
26 3 1 2 0.173 0.151 62 6 1 2 0.168 0.168
27 3 1 3 0.257 0.251 63 6 1 3 0.268 0.284
28 3 1 4 0.304 0.285 64 6 1 4 0.365 0.377
29 3 1 5 0.304 0.291 65 6 1 5 0.480 0.505
30 3 1 6 0.495 0.474 66 6 1 6 0.584 0.605
31 3 2 1 0.023 0.038 67 6 2 1 0.045 0.035
32 3 2 2 0.088 0.090 68 6 2 2 0.083 0.079
33 3 2 3 0.128 0.134 69 6 2 3 0.141 0.143
Referencias
Aquino Ruiz Cecilia., Porcayo Calderón Jesús y Salazar Montoya Juan Alfredo, “Efecto de
la temperatura y relación sólido-líquido en la caracterización reologica al flujo de cizalla
simple de extractos acuosos de avena (Avena sativa)”, Libro de Resúmenes del XI
Seminario sobre Residencias Profesionales en el Área de Ingeniería Química y
Bioquímica, Departamento de Ingeniería Química y Bioquímica Instituto Tecnológico de
Zacatepec, Zacatepec, Mor. México (2006)
Arrieta González Cinthya Dinorah, Porcayo Calderón Jesús y Martínez Gómez Lorenzo,
“Monitoreo de la actividad microbiana mediante técnicas electroquímicas”, Libro de
Resúmenes del Quinto Seminario sobre Residencias Profesionales en el Área de
Ingeniería Química y Bioquímica, Departamento de Ingeniería Química y Bioquímica
Instituto Tecnológico de Zacatepec, Zacatepec, Mor. México (2003)
Berk Kenneth N. y Carey Patrick, Análisis de datos con Microsoft® Excel, Primera edición,
Thompson Learning editores, México, EUM (2001)
Figueroa Meneses Odette, Altamira Demetrio Javier, Osuna Torres Lidia Teresa,
“Micropropagación de lepidium virginicum (brassicaceae) planta con actividad
antiprotozoaria”, Libro de Resúmenes del Quinto Seminario sobre Residencias
Profesionales en el Área de Ingeniería Química y Bioquímica, Departamento de
Ingeniería Química y Bioquímica Instituto Tecnológico de Zacatepec, Zacatepec, Mor.
México (2003)
García Zapata Mariana, Cano Ochoa Carlos Felipe y Zamora Gutiérrez. Efraín A.
“Alargamiento de la vida útil de cebolla y zanahoria mediante el método de encurtido”,
Libro de Resúmenes del Sexto Seminario sobre Residencias Profesionales en el Área de
Ingeniería Química y Bioquímica, Departamento de Ingeniería Química y Bioquímica
Instituto Tecnológico de Zacatepec, Zacatepec, Mor. México (2003)
Hinchen J. D., Practical Statistics for Chemical Research, Methuen & Co. Ltd. And
Science Paperbacks, U. S. A. (1969)
López Bailón Rodolfo, Avilés Ortíz Roberto y Servín Olivares José María, “Lignina y Ceras
en Materiales Compuestos Formados por Bagazo de Caña de Azúcar y Cemento
Portland”, Información Tecnológica ISSN 0716-8756: 10 (2), 259 – 264 (1999).
López Bailón Rodolfo, Quiñónez Bahena Dorothy, Martínez Barrera Gonzalo y Álvarez
Castillo Alberto, “Efecto de la radiación gamma en el polietileno empleado en la
elaboración de materiales compuestos”, Memorias del XXIV Encuentro Nacional de la
Academia de Investigación y Docencia en Ingeniería Química, Ixtapa, Gro. México (2003)
Miller Irwin, Freund John E. y Johnson Richard A., Probabilidad y Estadística para
Ingenieros, cuarta edición, Ed. Prentice-Hall Hispanoamericana, México (1988)
Nava Ide Berenice, Salazar Montoya J. A., Porcayo Calderón Jesús, “Aplicación del
modelo generalizado de maxwell para estudiar el comportamiento reológico de yogures
conteniendo grenetina”, Libro de Resúmenes del Sexto Seminario sobre Residencias
Profesionales en el Área de Ingeniería Química y Bioquímica, Departamento de
Ingeniería Química y Bioquímica Instituto Tecnológico de Zacatepec, Zacatepec, Mor.
México (2003)
Sanchez Rebolledo Lynnette, Rosales Pérez Jorge, Garduño María Luisa y Osuna
Torres Lidia T., “Producción del compuesto antiamibiano glucotropeolina en lepidium
virginicum micropropagado y silvestre”, Libro de Resúmenes del Quinto Seminario sobre
Residencias Profesionales en el Área de Ingeniería Química y Bioquímica, Departamento
de Ingeniería Química y Bioquímica Instituto Tecnológico de Zacatepec, Zacatepec, Mor.
México (2003)
Uriostegui Trejo Araceli y Elba Banda Michaca Elba, “Efectos de los ciclos de
regeneración térmica en las propiedades del carbón activado, saturado en el reciclaje de
isopropanol”, Tesis de Licenciatura, Instituto Tecnológico de Zacatepec, Zacatepec, Mor.
México (2009)