UNIVERSIDAD MAYOR DE SAN ANDRÉS

FACULTAD DE INGENIERÍA

CARRERA DE INGENIERÍA MECÁNICA

MEC – 615 TÉCNICAS DE INVESTIGACIÓN

ANOVA CON EL MÉTODO LSD Y MÉTODO TUKEY

INTEGRANTES:
ING. LOPEZ RAFAEL CLAUDIO HERIBERTO
ING. SIÑANI CANAVIRI ORLANDO
ING. TITO ARTEAGA ABAD

DOCENTE: ING. MOISÉS ARTEAGA MIRANDA

NOVIEMBRE 2023
 1. INTRODUCCIÓN

ANOVA CON EL MÉTODO DE DIFERENCIA MÍNIMA SIGNIFICATIVA O LSD

La LSD es una técnica estadística utilizada para comparar las medias de varios
grupos y determinar si hay diferencias significativas entre ellos.

El método LSD (Least Significant Difference) es una técnica post hoc utilizada
después de realizar un ANOVA y encontrar una diferencia significativa entre los
grupos. Si el ANOVA indica que hay diferencias significativas entre al menos dos
grupos, el método LSD se utiliza para identificar exactamente qué grupos difieren
entre sí.

2. DESCRIPCIÓN DEL MÉTODO

1. Análisis de Varianza (ANOVA): Antes de aplicar el LSD, es necesario

realizar un ANOVA para determinar si hay diferencias significativas entre
los grupos. El ANOVA evalúa la variabilidad entre los grupos y la
variabilidad dentro de los grupos.

2. Si en el análisis de Varianza ANOVA se rechaza H 0 se utilizará el método

LSD.

3. Calcular los pares de medias

k (k  1)
Pares de medias 
2

4. Hipótesis

5. Calcular la LSD
1 1
LSD  t CM E (  )
2
, N k ni n j

6. Comparación con Diferencias Observadas: Se comparan las

diferencias observadas entre las medias de los grupos con la diferencia
mínima significativa calculada. Si la diferencia observada entre dos
grupos es igual o mayor que la diferencia mínima significativa, se
considera que hay una diferencia significativa entre esos grupos.

H 0 : i   j
Se rechaza si ocurre que
 Se declaran significativas aquellas diferencias que son mayores a este
número (LSD).

7. Toma de decisiones

3. APLICACIÓN DEL MÉTODO

Supongamos que estamos investigando tres métodos diferentes de enseñanza

de matemáticas: Método A, Método B y Método C. Queremos determinar si hay
diferencias significativas en el rendimiento promedio de los estudiantes entre
estos tres métodos.
Hemos seleccionado al azar 30 estudiantes y los hemos asignado a uno de los
tres grupos de enseñanza (10 estudiantes en cada grupo). Al final del periodo de
enseñanza, medimos los puntajes en una prueba de matemáticas.

Los datos observados son los siguientes:

PASO 1: Análisis de Varianza (ANOVA)

Hipótesis nula
H 0  El método no influye en el rendimiento promedio de los estudiantes
H 0  1   2  3
Hipótesis Alternativa
H1  El método si influye en el rendimiento promedio de los estudiantes
H1  1   2  3
Ftabla  Fcalculada Acepta H 0
Fcalculada  Ftabla Acepta H1

Para el análisis ANOVA se utilizó EXCEL (Utilizado la herramienta análisis de

datos)
 Fcalculada  Ftabla Acepta H1
4,39  3,35 Acepta H1
Rechazamos H 0

PASO 2: Rechazamos H0 se utilizará el método LSD

PASO 3: Calculamos los pares de medias

Calcular los pares de medias

k (k  1) 3(3  1) 6
Pares de medias    3
2 2 2

PASO 4: Hipótesis

PASO 5: Calcular la LSD

1 1
LSD  t CM E (  )
2
, N k ni n j
Como en este caso el experimento es balanceado, la siguiente fórmula se
resume a:

2CM E
LSD  t
2
,N k n

Donde α = 0,05 (nivel de significancia)

N = 30 (Número de observaciones)
k = 3 (Cantidad de tratamientos del experimento)

2CM E
LSD  t 0,05
2
,30 3 n

Por tablas de t-student se obtiene el siguiente valor

t0.025,27  2, 0518

CM E  25,574
El cuadrado medio del error se obtiene del análisis de varianza
ANOVA.
Teniendo todos los valores se procede a introducirlos en la fórmula del LSD

2(25,574)
LSD  2, 0518
10
LSD  4, 64

PASO 6: Comparación con Diferencias Observadas

No significativa: aceptamos H 0
Significativa: aceptamos H1

4. APLICACIONES EN INGENIERÍA

El método de diferencia mínima significativa (LSD, por sus siglas en inglés) se

utiliza comúnmente en el análisis de varianza (ANOVA) para realizar
comparaciones entre grupos o tratamientos. En ingeniería, este método puede
ser aplicado en diversas áreas para evaluar la significancia de las diferencias
entre medias.

1. Pruebas de Materiales:

En las pruebas de resistencia de materiales, se pueden realizar pruebas

para comparar las propiedades mecánicas de diferentes materiales. Por
ejemplo, se puede evaluar la resistencia a la tracción de diferentes
materiales de acero o la resistencia a la compresión de diferentes tipos de
hormigón.

2. Control de Calidad en Procesos de Fabricación:

En entornos de fabricación, se pueden realizar análisis de varianza para

comparar la calidad de productos fabricados con diferentes procesos o
ajustes de maquinaria. El LSD podría utilizarse para identificar qué
configuración o método de fabricación produce resultados
significativamente diferentes.
 3. Optimización de Procesos:

En un entorno de fabricación, se pueden realizar análisis de variación para

comparar la calidad de los productos fabricados mediante diferentes
procesos o configuraciones de la máquina. El LSD se puede utilizar para
determinar qué configuración o método de fabricación produce resultados
significativamente diferentes.

4. Diseño de Experimentos (DOE):

En ingeniería experimental, el LSD se puede utilizar para hacer

comparaciones de diferentes condiciones o niveles de variables
independientes en un diseño experimental. Esto es muy importante para
la investigación y desarrollo de nuevos productos o procesos.

5. Control de Proyectos y Tiempos de Entrega:

En la gestión de proyectos, especialmente en la planificación y la gestión

del tiempo, el LSD se puede utilizar para analizar las diferencias en los
plazos de entrega entre diferentes etapas o métodos de desarrollo.

6. Eficiencia Energética:

Un proyecto de eficiencia energética puede comparar tecnologías o

métodos para determinar cuáles son los más eficientes en términos de
consumo de energía.

7. Análisis de Datos de Sensores:

En sistemas que utilizan sensores para recopilar datos, como el monitoreo

de variables ambientales o industriales, el LSD se puede utilizar para
comparar las lecturas de diferentes sensores y evaluar su precisión y
confiabilidad.

5. CONCLUSIONES

El método LSD supone que los datos cumplen ciertas condiciones, como
normalidad y homogeneidad de varianzas. Además, siempre es una buena idea
trabajar con un estadístico o experto en análisis de datos al utilizar estos métodos
para garantizar la validez de los resultados obtenidos.

Es importante señalar que el riesgo de errores de tipo I (falsos positivos) es

mayor cuando se realiza una gran cantidad de comparaciones, como es el caso
de múltiples pruebas que utilizan el método LSD. Por lo tanto, es importante
controlar este riesgo utilizando métodos como la corrección de Bonferroni u otros
métodos de control de la tasa de error tipo I.
ANOVA CON EL MÉTODO TUKEY

1. INTRODUCCIÓN

El método de Tukey se utiliza en ANOVA para crear intervalos de confianza para

todas las diferencias en parejas entre las medias de los niveles de los factores
mientras controla la tasa de error por familia en un nivel especificado. Es
importante considerar la tasa de error por familia cuando se hacen
comparaciones múltiples, porque la probabilidad de cometer un error de tipo I
para una serie de comparaciones es mayor que la tasa de error para cualquier
comparación individual. Para contrarrestar esta tasa de error más elevada, el
método de Tukey ajusta el nivel de confianza de cada intervalo individual para
que el nivel de confianza simultáneo resultante sea igual al valor que usted
especifique.

2. DESCRIPCION DEL MÉTODO

1. Solo es aplicable a las fuentes de variación de un ANDEVA que tengan

un resultado significativo. Lo más importante es aplicarla al factor de
interés, siempre y cuando sea significativo.

2. Calcular las medias de cada nivel de la fuente de variación

3. Ordenar las medias de cada nivel por magnitud, ya sea en forma

ascendente o descendente.

4. Elaborar el Cuadro de Rangos Múltiples o CRM

Se hace una matriz donde se colocan las medias de cada nivel en forma
ascendente en la parte superior y en el margen izquierdo se colocan las
medias de cada nivel en forma descendente, o viceversa. En el interior de
la matriz se calculan las diferencias de medias para cada posible
comparación.

Para un factor de interés con 4 niveles y que el orden por magnitud sea A, B, C,
D

5. Plantear los contrastes de hipótesis (continuación):

Comparaciones Posibles/4 niveles:

D Vs A
D Vs B
D Vs C
C Vs A
C Vs B
B Vs A

6. Cálculo del comparador TUKEY para un DCA Donde q α,k,glee es el valor de

acuerdo al número de niveles del factor que se ubica en la rangos studentizados

El cálculo del error estándar de la media para un DCA de un solo factor, se

calcula por

Punto crítico de rechazo (balanceado) DCA

Punto crítico de rechazo (desbalanceado)

CÁLCULO DEL ERROR ESTÁNDAR DE LA MEDIA/otros DISEÑOS

7. Comparar las diferencias de medias de los niveles del factor con el

comparador TUKEY

3. APLICACIÓN DEL MÉTODO

Cemento Panamá, S.A. es la empresa líder en la fabricación de cemento en

Panamá. Para la construcción de la ampliación del Canal de Panamá, esta
empresa se interesó en maximizar la resistencia a la tensión del cemento que se
utilizó. Para esto contrataron a un ingeniero civil, el cual sabe por experiencia
que elevar el contenido de Caliza (componente del cemento), incrementa la
resistencia. El ingeniero civil asesorado por un ingeniero industrial en la
conducción del experimento, decide considerar 5 porcentajes de caliza: 15, 20,
25, 30 y 35 %., tomando cinco muestras para cada uno.

Luego de una debida planificación del experimento se obtuvieron los datos del
cuadro:
Cuadro de Rangos Múltiples.
En el margen superior se colocan las medias de mayor a menor y en el margen
izquierdo de menor a mayor.

Contrastes de Hipótesis:
Descartar Ho
Regla de decisión: Si

, se descarta Ho.

Cálculo del Comparador TUKEY

Se concluye que existe diferencia significativa en la resistencia promedio a la
tensión del cemento para los siguientes pares de medias:

μ 4 y μ 1 (30% y 15% de caliza en el cemento)

μ 4 y μ 5 (30 % y 35% de caliza en el cemento)
μ 4 y μ 2 30% y 20% de caliza en el cemento)
μ 3 y μ 1 (25 % y 15% de caliza en el cemento)
μ 3 y μ 5 (25 % y 35% de caliza en el cemento)
μ 2 y μ 1 (20 % y 15% de caliza en el cemento)

Para los siguientes pares, la resistencia promedio a la tensión del cemento no

varía significativamente.

μ 4 -μ 3 ; μ 3 -μ 2 ; μ 2 - μ 5 ; μ 5 - μ 1

4. APLICACIONES EN INGENIERÍA

El método Tukey, también conocido como proceso Tukey, es una técnica

estadística para identificar valores atípicos en un conjunto de datos. Este
enfoque es particularmente útil en ingeniería y ciencias aplicadas, donde la
detección de valores extremos o atípicos es esencial para la correcta
interpretación de los datos y la toma de decisiones.

Aquí hay algunas aplicaciones del método Tukey en ingeniería:

1. Control de Calidad:

En la fabricación de productos, el método Tukey se puede utilizar para

identificar lotes defectuosos o productos que se desvían
significativamente de las especificaciones de calidad.

2. Análisis de Datos Experimentales:

En ingeniería experimental donde se realizan pruebas y mediciones, el

método de Tukey puede ayudar a identificar mediciones anormales que
pueden deberse a errores experimentales o problemas imprevistos.

3. Fiabilidad y Mantenimiento Predictivo:

En la gestión de activos e instalaciones, el método Tukey se puede utilizar

para identificar instalaciones o componentes que exhiben un
comportamiento inusual que puede indicar un mayor riesgo de falla.

4. Estudios de Desempeño de Sistemas:

El método de Tukey puede ayudar a identificar puntos de falla o

comportamiento inesperado al analizar datos relacionados con el
desempeño de sistemas complejos como redes de comunicación o
sistemas informáticos.
 5. Ingeniería Ambiental:

En el monitoreo ambiental, el método Tukey se puede utilizar para

identificar mediciones inusuales en conjuntos de datos relacionados con
el agua, la calidad del aire u otros factores ambientales.

6. Diseño de Experimentos:

Al diseñar y analizar experimentos, el método de Tukey se puede utilizar

para identificar condiciones o factores experimentales que conducen a
resultados inesperados o extremos.

7. Optimización de Procesos:

En la mejora continua de procesos, el método Tukey se puede utilizar para

identificar factores que afectan negativamente el desempeño del proceso
o que pueden ajustarse para mejorar la eficiencia.

8. Estudios de Fatiga y Resistencia de Materiales:

En ingeniería de materiales, especialmente en estudios de fatiga y

resistencia, el método Tukey se puede utilizar para identificar muestras
que exhiben un comportamiento atípico en términos de fatiga y
resistencia.

5. CONCLUSIONES

El método de Tukey es versátil y puede adaptarse a una variedad de situaciones

técnicas donde la identificación de valores atípicos es esencial para una
interpretación precisa de los datos y una toma de decisiones informada.