VARIABLE DE RESPUESTA CP

 Atributos de la Superficie de Respuesta

Nombre del Diseño: Diseño de compuesto central: 2^2+estrell
Características del diseño: Rotable

Diseño Base
Número de factores experimentales: 2
Número de bloques: 1
Número de respuestas: 1
Número de corridas: 10, incluyendo 2 puntos centrales por bloque
Grados de libertad para el error: 4

Factores Bajo Alto Unidades Continuo

x1 -1.0 1.0 Sí
x2 -1.0 1.0 Sí

Respuestas Unidades
CP

Ha creado un diseño Diseño de compuesto central: 2^2+est el cual estudiará los efectos de
2 factores en 10 corridas. El diseño deberá ser ejecutado en un solo bloque. El orden de
los experimentos no ha sido aleatorizado. Si hay variables ocultas presentes, ellas pueden
distorsionar los resultados.

 Análisis de Varianza para CP

Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
A:x1 14,9941 1 14,9941 6,68 0,0415
AA 27,4821 1 27,4821 12,25 0,0128
BB 18,8733 1 18,8733 8,41 0,0273
Error total 13,4591 6 2,24318
Total 61,3254 9
(corr.)

R-cuadrada = 78,053 porciento

R-cuadrada (ajustada por g.l.) = 67,0795 porciento
Error estándar del est. = 1,49773
Error absoluto medio = 0,861748
Estadístico Durbin-Watson = 1,71634 (P=0,3634)
Autocorrelación residual de Lag 1 = 0,141607

La tabla ANOVA particiona la variabilidad de CP en piezas separadas para cada uno de los
efectos. entonces prueba la significancia estadística de cada efecto comparando su
cuadrado medio contra un estimado del error experimental. En este caso, 3 efectos tienen
una valor-P menor que 0,05, indicando que son significativamente diferentes de cero con
un nivel de confianza del 95,0%.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 78,053% de la

variabilidad en CP. El estadístico R-cuadrada ajustada, que es más adecuado para
comparar modelos con diferente número de variables independientes, es 67,0795%. El
error estándar del estimado muestra que la desviación estándar de los residuos es 1,49773.
El error medio absoluto (MAE) de 0,861748 es el valor promedio de los residuos. El
estadístico de Durbin-Watson (DW) prueba los residuos para determinar si haya alguna
correlación significativa basada en el orden en que se presentan los datos en el archivo.
Puesto que el valor-P es mayor que 5,0%, no hay indicación de autocorrelación serial en los
residuos con un nivel de significancia del 5,0%.

 Coef. de regresión para CP

Coeficiente Estimado

constante 75,875
A:x1 1,36904
AA 2,45189
BB 2,03188

Esta ventana despliega la ecuación de regresión que se ha ajustado a los datos. La ecuación
del modelo ajustado es

CP = 75,875 + 1,36904*x1 + 2,45189*x1^2 + 2,03188*x2^2

en donde los valores de las variables están especificados en sus unidades originales. Para
hacer que STATGRAPHICS evalúe esta función, seleccione Predicciones de la lista de
Opciones Tabulares. Para graficar la función, seleccione Gráficas de Respuesta de la lista
de Opciones Gráficas.

 Matriz de Correlación para los Efectos Estimados

(1) (2) (3) (4)

(1) promedio 1,0000 0,0000 -0,7559 -0,7559

(2) A:x1 0,0000 1,0000 0,0000 0,0000

(3) AA -0,7559 0,0000 1,0000 0,4286

(4) BB -0,7559 0,0000 0,4286 1,0000

La matriz de correlación muestra el grado de confusión entre los efectos. Un diseño

perfectamente ortogonal mostrará una matriz diagonal con 1´s en la diagonal y 0´s fuera de
ella. Cualquier término distinto de cero implica que los estimados de los efectos
correspondientes a esa fila y columna estarán correlacionados. En este caso, hay 1 par de
efectos con correlación distinta de cero. No obstante, como ninguna es mayor o igual que
0,5, probablemente será capaz de interpretar los resultados sin mucha dificultad.

 Optimizar Respuesta
Meta: maximizar CP

Valor óptimo = 86,7786

Facto Bajo Alto Óptimo

r
x1 - 1,41421 1,41421
1,41421
x2 - 1,41421 1,41421
1,41421

Esta tabla muestra la combinación de los niveles de los factores, la cual maximiza CP sobre
la región indicada. Use el cuadro de diálogo de Opciones de Ventana para indicar la región
sobre la cual se llevará a cabo la optimización. Puede establecer el valor de uno o más
factores a una constante, estableciendo los límites alto y bajo en ese valor.

 Pruebas de Normalidad para RESID

Prueba Estadístico Valor-P

Estadístico W de Shapiro- 0,850466 0,056761

Wilk

Esta ventana muestra los resultados de diversas pruebas realizadas para determinar si
RESID puede modelarse adecuadamente con una distribución normal. La prueba de
Shapiro-Wilk está basada en la comparación de los cuartiles de la distribución normal
ajustada a los datos.

Debido a que el valor-P más pequeño de las pruebas realizadas es mayor ó igual a 0,05, no
se puede rechazar la idea de que RESID proviene de una distribución normal con 95% de
confianza.
 Diagrama de Pareto Estandarizada para CP

+
-
AA

BB

A:x1

0 1 2 3 4
Efecto estandarizado

Gráfica de Efectos Principales para CP

80
79,6959

79

78
CP

77 76,9578

76

75
-1.0 1.0

x1

VARIABLE DE RESPUESTA IB

 Análisis de Varianza para IB

Fuente Suma de Gl Cuadrado Razón- Valor-
 Cuadrados Medio F P
A:x1 46,968 1 46,968 6,70 0,0608
B:x2 23,5718 1 23,5718 3,36 0,1406
AA 25,7995 1 25,7995 3,68 0,1275
AB 5,08502 1 5,08502 0,73 0,4424
BB 1,99513 1 1,99513 0,28 0,6220
Error total 28,0455 4 7,01137
Total 130,185 9
(corr.)

R-cuadrada = 78,4573 porciento

R-cuadrada (ajustada por g.l.) = 51,5289 porciento
Error estándar del est. = 2,6479
Error absoluto medio = 1,333
Estadístico Durbin-Watson = 1,44216 (P=0,3343)
Autocorrelación residual de Lag 1 = 0,278918

La tabla ANOVA particiona la variabilidad de IB en piezas separadas para cada uno de los
efectos. entonces prueba la significancia estadística de cada efecto comparando su
cuadrado medio contra un estimado del error experimental. En este caso, 0 efectos tienen
una valor-P menor que 0,05, indicando que son significativamente diferentes de cero con
un nivel de confianza del 95,0%.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 78,4573% de la

variabilidad en IB. El estadístico R-cuadrada ajustada, que es más adecuado para comparar
modelos con diferente número de variables independientes, es 51,5289%. El error estándar
del estimado muestra que la desviación estándar de los residuos es 2,6479. El error medio
absoluto (MAE) de 1,333 es el valor promedio de los residuos. El estadístico de Durbin-
Watson (DW) prueba los residuos para determinar si haya alguna correlación significativa
basada en el orden en que se presentan los datos en el archivo. Puesto que el valor-P es
mayor que 5,0%, no hay indicación de autocorrelación serial en los residuos con un nivel
de significancia del 5,0%.

 Coef. de regresión para IB

Coeficient Estimado
e
constante 28,34
A:x1 -2,42302
B:x2 -1,71653
AA -2,37564
AB -1,1275
BB -
0,660635

Esta ventana despliega la ecuación de regresión que se ha ajustado a los datos. La ecuación
del modelo ajustado es
IB = 28,34 - 2,42302*x1 - 1,71653*x2 - 2,37564*x1^2 - 1,1275*x1*x2 - 0,660635*x2^2

en donde los valores de las variables están especificados en sus unidades originales. Para
hacer que STATGRAPHICS evalúe esta función, seleccione Predicciones de la lista de
Opciones Tabulares. Para graficar la función, seleccione Gráficas de Respuesta de la lista
de Opciones Gráficas.

 Matriz de Correlación para los Efectos Estimados

(1) (2) (3) (4) (5) (6)

(1) promedi 1,0000 0,000 0,000 - 0,000 -
o 0 0 0,7559 0 0,7559
(2) A:x1 0,0000 1,000 0,000 0,0000 0,000 0,0000
0 0 0
(3) B:x2 0,0000 0,000 1,000 0,0000 0,000 0,0000
0 0 0
(4) AA - 0,000 0,000 1,0000 0,000 0,4286
0,7559 0 0 0
(5) AB 0,0000 0,000 0,000 0,0000 1,000 0,0000
0 0 0
(6) BB - 0,000 0,000 0,4286 0,000 1,0000
0,7559 0 0 0

La matriz de correlación muestra el grado de confusión entre los efectos. Un diseño

perfectamente ortogonal mostrará una matriz diagonal con 1´s en la diagonal y 0´s fuera de
ella. Cualquier término distinto de cero implica que los estimados de los efectos
correspondientes a esa fila y columna estarán correlacionados. En este caso, hay 1 par de
efectos con correlación distinta de cero. No obstante, como ninguna es mayor o igual que
0,5, probablemente será capaz de interpretar los resultados sin mucha dificultad.

 Optimizar Respuesta
Meta: maximizar IB

Valor óptimo = 29,5762

Facto Bajo Alto Óptimo

r
x1 - 1,41421 -
1,41421 0,252922
x2 - 1,41421 -1,08302
1,41421

Esta tabla muestra la combinación de los niveles de los factores, la cual maximiza IB sobre
la región indicada. Use el cuadro de diálogo de Opciones de Ventana para indicar la región
sobre la cual se llevará a cabo la optimización. Puede establecer el valor de uno o más
factores a una constante, estableciendo los límites alto y bajo en ese valor.

 Optimizar Respuesta
Meta: maximizar IB

Valor óptimo = 29,5762

Facto Bajo Alto Óptimo

r
x1 - 1,41421 -
1,41421 0,252922
x2 - 1,41421 -1,08302
1,41421

Esta tabla muestra la combinación de los niveles de los factores, la cual maximiza IB sobre
la región indicada. Use el cuadro de diálogo de Opciones de Ventana para indicar la región
sobre la cual se llevará a cabo la optimización. Puede establecer el valor de uno o más
factores a una constante, estableciendo los límites alto y bajo en ese valor.

 Pruebas de Normalidad para RESID_1

Prueba Estadístic Valor-P
o
Estadístico W de Shapiro- 0,94729 0,620574
Wilk

Esta ventana muestra los resultados de diversas pruebas realizadas para determinar si
RESID_1 puede modelarse adecuadamente con una distribución normal. La prueba de
Shapiro-Wilk está basada en la comparación de los cuartiles de la distribución normal
ajustada a los datos.

Debido a que el valor-P más pequeño de las pruebas realizadas es mayor ó igual a 0,05, no
se puede rechazar la idea de que RESID_1 proviene de una distribución normal con 95% de
confianza.
 Diagrama de Pareto Estandarizada para IB

+
A:x1
-

AA

B:x2

AB

BB

0 0,5 1 1,5 2 2,5 3

Efecto estandarizado

Gráfica de Efectos Principales para IB

31

29

27
IB

25

23
-1.0 1.0 -1.0 1.0

x1 x2

Gráfica de Interacción para IB

30

x2=-1.0
28
x2=1.0

26
x2=-1.0
IB

24

22

20 x2=1.0
-1.0 1.0

x1
VARIABLE DE RESPUESTA ET

 Análisis de Varianza para ET

Fuente Suma de Gl Cuadrado Razón- Valor-P
Cuadrados Medio F
B:x2 30,0519 1 30,0519 410,87 0,0000
AA 1,31458 1 1,31458 17,97 0,0054
BB 1,58458 1 1,58458 21,66 0,0035
Error total 0,438849 6 0,0731416
Total 32,5268 9
(corr.)

R-cuadrada = 98,6508 porciento

R-cuadrada (ajustada por g.l.) = 97,9762 porciento
Error estándar del est. = 0,270447
Error absoluto medio = 0,153365
Estadístico Durbin-Watson = 1,89127 (P=0,3327)
Autocorrelación residual de Lag 1 = 0,0543675

La tabla ANOVA particiona la variabilidad de ET en piezas separadas para cada uno de los
efectos. entonces prueba la significancia estadística de cada efecto comparando su
cuadrado medio contra un estimado del error experimental. En este caso, 3 efectos tienen
una valor-P menor que 0,05, indicando que son significativamente diferentes de cero con
un nivel de confianza del 95,0%.

El estadístico R-Cuadrada indica que el modelo, así ajustado, explica 98,6508% de la

variabilidad en ET. El estadístico R-cuadrada ajustada, que es más adecuado para
comparar modelos con diferente número de variables independientes, es 97,9762%. El
error estándar del estimado muestra que la desviación estándar de los residuos es 0,270447.
El error medio absoluto (MAE) de 0,153365 es el valor promedio de los residuos. El
estadístico de Durbin-Watson (DW) prueba los residuos para determinar si haya alguna
correlación significativa basada en el orden en que se presentan los datos en el archivo.
Puesto que el valor-P es mayor que 5,0%, no hay indicación de autocorrelación serial en los
residuos con un nivel de significancia del 5,0%.

 Coef. de regresión para ET

Coeficient Estimad
e o
constante 3,21
B:x2 1,93817
AA 0,53625
2
BB 0,58875
3

Esta ventana despliega la ecuación de regresión que se ha ajustado a los datos. La ecuación
del modelo ajustado es

ET = 3,21 + 1,93817*x2 + 0,536252*x1^2 + 0,588753*x2^2

en donde los valores de las variables están especificados en sus unidades originales. Para
hacer que STATGRAPHICS evalúe esta función, seleccione Predicciones de la lista de
Opciones Tabulares. Para graficar la función, seleccione Gráficas de Respuesta de la lista
de Opciones Gráficas.

 Matriz de Correlación para los Efectos Estimados

(1) (2) (3) (4)

(1) promedi 1,0000 0,000 - -
o 0 0,7559 0,7559
(2) B:x2 0,0000 1,000 0,0000 0,0000
0
(3) AA - 0,000 1,0000 0,4286
0,7559 0
(4) BB - 0,000 0,4286 1,0000
0,7559 0

La matriz de correlación muestra el grado de confusión entre los efectos. Un diseño

perfectamente ortogonal mostrará una matriz diagonal con 1´s en la diagonal y 0´s fuera de
ella. Cualquier término distinto de cero implica que los estimados de los efectos
correspondientes a esa fila y columna estarán correlacionados. En este caso, hay 1 par de
efectos con correlación distinta de cero. No obstante, como ninguna es mayor o igual que
0,5, probablemente será capaz de interpretar los resultados sin mucha dificultad.

 Optimizar Respuesta
Meta: maximizar ET

Valor óptimo = 8,20098

Facto Bajo Alto Óptimo
r
x1 - 1,41421 1,41421
1,41421
x2 - 1,41421 1,41421
1,41421

Esta tabla muestra la combinación de los niveles de los factores, la cual maximiza ET sobre
la región indicada. Use el cuadro de diálogo de Opciones de Ventana para indicar la región
sobre la cual se llevará a cabo la optimización. Puede establecer el valor de uno o más
factores a una constante, estableciendo los límites alto y bajo en ese valor.

 Pruebas de Normalidad para RESID_2

Prueba Estadístic Valor-P
o
Estadístico W de Shapiro- 0,867268 0,0888872
Wilk

Esta ventana muestra los resultados de diversas pruebas realizadas para determinar si
RESID_2 puede modelarse adecuadamente con una distribución normal. La prueba de
Shapiro-Wilk está basada en la comparación de los cuartiles de la distribución normal
ajustada a los datos.

Debido a que el valor-P más pequeño de las pruebas realizadas es mayor ó igual a 0,05, no
se puede rechazar la idea de que RESID_2 proviene de una distribución normal con 95% de
confianza.
 Diagrama de Pareto Estandarizada para ET

+
-
B:x2

BB

AA

0 4 8 12 16 20 24
Efecto estandarizado

Gráfica de Efectos Principales para ET

6,8

5,8 5,73692

4,8
ET

3,8

2,8

1,8 1,86058

-1.0 1.0

x2