LABORATORIO CAPITULO 6

6-1. Un ingeniero está interesado en los efectos de la velocidad de corte (A), la geometría
de la herramienta (B) y
el ángulo de corte (C) sobre la vida (en horas) de una máquina herramienta. Se eligen dos
niveles de cada
factor y se corren tres réplicas de un diseño factorial 23. Los resultados fueron los
siguientes:

Característica de interés la vida en horas

 a) Estimar los efectos de los factores. ¿Qué efectos parecen ser grandes?
El efecto de los factores B =geometría, C=ángulo Y la interacción AC=velocidad y
Angulo parecen ser grandes si revisamos la gráfica de Pareto.
b) Usar el análisis de varianza para confirmar las conclusiones del inciso a.
De acuerdo al análisis de varianza par horas podemos observar que de acuerdo a su
valor P los efectos principales son significativos y que al menos una interacción entre
dos factores se considera significativa.

e) Escribir un modelo de regresión para predecirla vida de la herramienta (en

horas) con base en los resultados de este experimento.

horas=40.833+0.167(velocidad)+5.667(geometría)+3.417(angulo)-
0.833(velocidad*geometria)-4.417(velocidad*angulo)-1.417(geometría*angulo)-
1.083(velocidad*geometría*angulo)

De acuerdo a r-cuadrada el modelo de regresión si es representativo puesto que está en un

valor muy cercano al 80%, pero no es útil para realizar predicción al tener un porcentaje de
48.17%, por lo que hay que refinar el modelo.
Nuevo modelo de regresión

Horas=40.833+0.167(velocidad)+5.667(geometria)+3.417(angulo)-4.417(vel*angulo)

c) Analizar los residuales. ¿Hay algún problema evidente?

Cumple con el supuesto de normalidad
Cumple con el supuesto de varianza homogénea
Cumple con el supuesto de independencia
Por lo que no existe ningún problema evidente
d) Con base en el análisis de las gráficas de los efectos principales y las
interacciones, ¿cuáles serían los niveles de A, B y C que se recomendaría
utilizar?

Los tres factores deben estar en nivel alto en base a lo gráfico, sin embargo, al realizar la
optimización la gráfica nos arroja que para obtener el máximo de horas en tiempo de vida
es necesario que la velocidad se encuentre en nivel bajo y que tanto geometría como ángulo
estén en niveles altos.
Velocidad y geometría no tienen interacción
6-2. Considere nuevamente el inciso e del problema 6-1. Utilizar el modelo de regresión
para generar las gráficas
de la superficie de respuesta y de contorno de la respuesta, la vida de la herramienta.
Interpretar estas gráficas.
¿ofrecen alguna idea respecto de las condiciones de operación deseables para este proceso?

Con la geometría fija en el nivel optimo es decir de 1 podemos ver en grafica de contorno
de horas vs ángulo, velocidad que la región de operación está en un ángulo de entre .9 y 1 y
una velocidad de entre -0.9 y -1.

Con la velocidad fija en el nivel optimo es decir de -1 podemos ver en grafica de contorno
de horas vs Angulo, geometría, dejando a la geometría en un nivel alto
6-4. Representar los efectos de los factores del problema 6-1 en una gráfica relativa a una
distribución t escalada
apropiadamente. ¿En esta representación gráfica se identifican de manera adecuada los
factores importantes?
Comparar las conclusiones de esta gráfica con los resultados del análisis de varianza.
En esta grafica podemos observar que se mantienen los mismos factores como
significativos, GEOMETRIA, ANGULO e interacción de VELOCIDAD/ANGULO. Por lo
que se identifican de manera adecuada los factores importantes.

6-5. Se usa una máquina para hacer ranuras de localización en una tarjeta de circuitos
impresos. El nivel de vibración en la superficie de la tarjeta cuando se hacen las ranuras se
considera una fuente principal de variación
dimensional de las ranuras. Se piensa que dos factores influyen en la vibración: el tamaño
de las ranuras (A) y
la velocidad de corte (B). Se seleccionan dos tamaños de las ranuras (¡\;y i de pulgada) y
dos velocidades ( 40 y
90 rpm), y se hacen ranuras en cuatro tarjetas con cada conjunto de condiciones que se
muestran abajo. La
variable de respuesta es la vibración medida como el vector resultante de tres acelerómetros
(x, y y z) en cada
tarjeta de prueba.

a) Analizar los datos de este experimento.

b) Construir una gráfica de probabilidad normal de los residuales, y graficar los residuales
contra el nivel de
vibración predicha. interpretar estas gráficas. ·

Con respecto a la gráfica de Pareto podemos observar que todos sus factores son
significativos, así como la interacción entre ellos.
En el análisis de varianza observamos que los valores de P para los factores y su interacción
es igual a 0 por lo que cumple con la hipótesis alterna demostrando así que todos son
significativos para el proceso.

MODELO DE REGRESION
Vibracion=23.831+8.319(Tamaño)+3.769(Velocidad)+4.356(Tamaño*Velocidad)

En grafica de residuales podemos observar que se cumple con todos los supuestos,
normalidad, varianza homogénea e independencia
 e) Hacer la gráfica de la interacción AB. Interpretar esta gráfica. ¿Qué niveles del
tamaño de las ranuras y
la velocidad se recomendaría para la operación rutinaria?
Todos los factores son significativos
Gráficamente no pareciera existir interacción entre el tamaño y velocidad sin embargo tanto
en Pareto, como en el análisis de la varianza podemos observar que esta interacción si es
significativa.

Para una operación rutinaria se recomiendan que los niveles de operación sean los óptimos
por lo que en este caso se busca una vibración mínima por lo tanto el tamaño deberá ser
igual o cercano a 0.0625 y la velocidad a 90.
6-6. Considere nuevamente el experimento descrito en el problema 6-1. Suponga que el
experimentador efectuó
únicamente ocho ensayos de la réplica l. Además, corrió cuatro puntos centrales y obtuvo
los siguientes valores
de la respuesta: 36, 40, 43, 45.
a) Estimar los efectos de los factores. ¿Qué efectos son grandes?

Con grafica de Pareto podemos observar que geometría, ángulo y la interacción entre
velocidad y ángulo son los efectos grandes.

b) Efectuar un análisis de varianza, incluyendo una verificación de la curvatura cuadrática

pura. ¿A qué
conclusiones se llega?
Si analizamos los resultados P del análisis de varianza podemos ver que los factores
principales y que la interacción de al menos dos factores resulta significativos al tener un
valor menor a 0.05 y cumplir con la hipótesis alterna.

La curvatura cuadrática en su valor p nos muestra no ser significativa por lo que es posible
eliminarla.

e) Escribir un modelo apropiado para predecir la vida de la herramienta, con base en los
resultados de este
experimento. ¿Este modelo difiere en alguna forma sustancial del modelo del problema 6-1,
inciso e?

Por medio del análisis factorial podemos determinar que los únicos factores significativos
son el factor B, C y la interacción de A con C.

En el inciso anterior se determina que la curvatura no resulta significativa por lo que la

removeremos para mejorar el modelo, difiriendo de la anterior en la interacción de los 3
factores que si son significativos.

Sin embargo, los residuales no cumplen con los supuestos por lo que será necesario refinar
el modelo dejando únicamente factores significativos para este caso Velocidad, Geometría,
Angulo, Velocidad*Angulo y Velocidad*Geometría*Angulo lo que nos arroja los
siguientes supuestos

Vida en Horas =40.917+0.625(Velocidad)+6.375(Geometria)+4.875(Angulo)-

6.875(Velocidad*Angulo)-3.375(Velocidad*Geometria*Angulo)

d) Analizar los residuales.

Podemos observar que se cumple con todos los supuestos, normalidad, varianza homogénea
e independencia.

e) ¿A qué conclusiones se llegaría acerca de las condiciones de operación apropiadas para

este proceso?

Velocidad en -1 , Geometría en 1 y Angulo en -1, con una vida máxima de 61.7917

6-7. Se llevó a cabo un experimento para mejorar el rendimiento de un proceso químico. Se
seleccionaron cuatro
factores y se corrieron dos réplicas de un experimento completamente aleatorizado. Los
resultados se presentan
en la tabla siguiente:

a) Estimar los efectos de los factores.

Con la gráfica de Pareto podemos observar que aquellos factores que tiene un efecto grande
son A, D, C, las interacciones de 2 factores AB, AD y las interacciones de 3 factores ABC,
ABD y la interacción entre todos los factores ABCD.

b) Construir la tabla del análisis de varianza y determinar cuáles factores son importantes
para explicar el
rendimiento.

Todos aquellos factores e interacciones entre factores que muestran un valor P menor que
0.05 son considerados importantes para explicar el rendimiento de acuerdo a la tabla de
análisis de varianza podemos decir que los factores importantes son A, B, C, A*B, A*C,
A*B*C, A*B*D, A*B*C*D. los cuales coinciden con lo que nos arroja la gráfica de
Pareto.

e) Escribir un modelo de regresión para predecir el rendimiento, suponiendo que los cuatro
factores se hicieron
variar en el rango de -1 a + 1 (en unidades codificadas).

Modelo de regresión
Rendimiento = 82.781-4.531A -0.656 B -1.344C +1.969D+2.031(A*B)-1.094(A*D)-
2.594(A*B*C)+2.344(A*B*D)+1.219(A*B*C*D)
d) Graficar los residuales contra el rendimiento predicho y en una escala de probabilidad
normal. ¿El análisis
residual parece ser satisfactorio?
El análisis residual se muestra satisfactorio para el supuesto de normalidad e
independencia, pero no así para la varianza homogénea.

e) Dos interacciones de tres factores, ABC y ABD, aparentemente tienen efectos grandes.
1tazar una gráfica
de cubo en los factores A, B y C con los rendimientos promedio indicados en cada vértice.
Repetir lo
anterior utilizando los factores A, B y D. ¿Estas dos gráficas ayudan en la interpretación de
los datos?
¿Dónde se recomendaría que se corriera el proceso con respecto a las cuatro variables?

Con estas graficas podemos observar que el punto de mayor rendimiento lo encontramos en
el vértice izquierdo inferior del segundo cubo con un valor de 96.5 por lo que la
recomendación para correr el proceso con respecto a sus variables es que A se encuentren en
un rango bajo -1, B en un rango bajo -1 y D en un rango alto +1.
6-8. Un bacteriólogo está interesado en los efectos de dos medios de cultivo diferentes y
dos tiempos diferentes sobre el crecimiento de un virus particular. Realiza seis réplicas de
un diseño 22, haciendo las corridas de manera aleatoria. Analizar los datos del crecimiento
viral que se presentan enseguida y sacar las conclusiones apropiadas. Analizar los
residuales y comentar la adecuación del modelo.

•Podemos observar que los efectos de los factores para horas=9.083, Cultivo=-2.083 e
interacción horas/cultivo=-3.083.
•De acuerdo a grafica de Pareto y valores P obtenidos se sabe que todos los factores y sus
interacciones son significativos para el proceso.
•El modelo se adecua eliminando las observaciones 9 y 17 lo cual nos arroja un R-cuad.
90.60 y una R de predicción de 85.01 resulta ser un mejor modelo, pero el factor Cultivo
(B) deja de ser significativo
•Con la adecuación se cumple supuesto de normalidad, supuesto de varianza homogénea e
independencia.
•El modelo de regresión para este sistema
CRECIMIENTO DE VIRUS= -24.667+3.77(Horas)+19.33(Cultivo)-
1.3611(Horas*Cultivo).
•Para que el virus en particular muestre un máximo crecimiento necesitaremos utilizar los
siguientes valores óptimos Horas=18 y utilizar Cultivo=1 para obtener un crecimiento
máximo de 37.16 mostrado en nuestra grafica de optimización.
6-9. Un ingeniero industrial empleado por una compañía refresquera está interesado en los
efectos de dos diferentes
tipos de botellas de 32 onzas sobre el tiempo de entrega de cajas de 12 botellas del producto.
Los dos
tipos de botellas son de vidrio y de plástico. Se usan dos empleados para realizar una tarea
que consiste en
mover 40 cajas del producto 50 pies en una plataforma de carga estándar y acomodarlas en
un estante de venta.
Se hacen cuatro réplicas de un diseño factorial 2 2y los tiempos observados se enlistan en la
siguiente tabla.
Analizar los datos y sacar las conclusiones apropiadas. Analizar los residuales y comentar la
adecuación del
modelo.

• Los efectos para los factores son A=-0.7300, B=0.6450 y la interacción de AB=-0.3375.
• Con grafica Pareto podemos observar que los factores significativos para el proceso son
el A y B, lo cual podemos corroborar con el valor P el cual es menor de 0.05.
• R-cuadrada y R-cuadrada de predicción son menores de 80%, existen observaciones
inusuales, además de no cumplirse todos los supuestos. Por lo que el modelo debe tener
adecuaciones.
• Se cumple supuesto de normalidad y supuesto de independencia, pero no se cumple con
el supuesto de varianza homogénea.
Se busca un mejor modelo
1. Eliminando los factores que no son significativos, pero sin embargo las R-cuadradas
bajan aún más R-cuad. = 64.5% R-cuad. (pred.) = 46.22%.
2. Considerando todos los factores y eliminando las observaciones inusuales las R-
cuad retomas los valores con que iniciamos el modelo no existe una diferencia
relevante y ya no existen más observaciones inusuales
3. Por lo tanto, el mejor modelo es el que se presenta inicialmente.

Tenemos entonces que para optimizar mi sistema y obtener Tiempo mínimo =4.4356 el
factor A debe estar en alto y el factor B en bajo.
6-10. En el problema 6-9, el ingeniero también estuvo interesado en las diferencias en la
fatiga potencial que resulta
de los tipos de botellas. Como una medida de la cantidad de esfuerzo requerido, midió el
aumento del ritmo
cardiaco (pulso) inducido por la tarea. Los resultados se presentan a continuación. Analizar
los datos y
sacar conclusiones. Analizar los residuales y comentar la adecuación del modelo.

Característica de interés= Ritmo cardiaco

• Solo el efecto B resulta ser significativo para el modelo lo podemos observar en

grafica de Pareto y que su valor P resulta ser menos que 0.05
• El modelo se adecua eliminando las observaciones inusuales 5 y 14 lo que hace que
R-cuad vaya de 80.03% a 93.35% y que R-cuad(pred) vaya de 64.50% a 83.33% por
lo que el modelo resulta ser mucho mejor.
• Una vez ajustado el modelo podemos observar en grafica de residuales que se cumple
supuesto de normalidad, de varianza homogénea e independencia.
Tenemos entonces que para obtener pulsos bajos de 13.500 será necesario que mi factor A
sea alto al igual que mi factor B.
6-12. En un artículo deAT&T Teehnieal Joumal (vol. 65, pp. 39-50) se describe la aplicación
de diseños factoriales
de dos niveles en la fabricación de circuitos integrados. Un paso básico del procesamiento es
hacer crecer
una capa epitaxial sobre obleas de silicio pulidas. Las obleas se montan en un susceptor, se
colocan en el interior
de una campana de cristal y se introducen vapores químicos. El susceptor se hace girar y se
aplica calor
hasta que la capa epitaxial tiene el espesor suficiente. Se corrió un experimento utilizando
dos factores: rapidez
de flujo de arsénico (A) y tiempo de deposición (B). Se corrieron cuatro réplicas y se midió
el espesor de
la capa epitaxial (en ,um). Los datos se muestran a continuación:

a) Estimar los efectos de los factores.

Los efectos de los factores son

b) Conducir un análisis de varianza. ¿Qué factores son importantes?

Para este caso no se cuenta con ningún factor importante lo podemos observar en grafica de
Pareto y los valores P de cada uno de los factores los cuales todos son mayores a 0.05
 f) Escribir una ecuación de regresión que podría usarse para predecir el espesor de la
capa epitaxial en la región de la velocidad de flujo del arsénico y el tiempo de
deposición utilizado en este experimento.
El modelo de regresión mas adecuado fue el siguiente
Espesor= 14.3768-0.0216A+0.4301B+0.0037AB
En este modelo contamos con un R-cuad=92.65% y una R-cuad(pred.) = 86.80%

c) Analizar los residuales. ¿se observa algún residual que debiera causar
preocupación?

Se observa que se cumple el supuesto de normalidad e independencia se cumplen pero no

así el supuesto de varianza homogénea.

d) Comentar la forma en que se podría resolver el punto atípico potencial encontrado

en el inciso d.
 Eliminándolo.

6-15. Se utiliza una aleación de níquel y titanio para fabricar componentes de los motores
de turbina de aviones.
La formación de fisuras es un problema potencialmente serio de las piezas terminadas, ya
que pueden provocar
fallas irreversibles. Se realiza una prueba de las piezas para determinar el efecto de cuatro
factores sobre
las fisuras. Los cuatro factores son la temperatura de vaciado (A), el contenido de titanio
(B), el método de
tratamiento térmico (C) y la cantidad de refinador de grano usada (D). Se hacen dos
réplicas de un diseño 24
y se mide la longitud de las fisuras (en mm x 10-2) inducidas en un ejemplar de prueba de
muestra sometido a
una prueba estándar. Los datos se muestran en la siguiente tabla:

a) Estimar los efectos de los factores. ¿Qué efectos de los factores parecen ser
grandes?
Los efectos de los factores serian los siguientes
 Podemos observar que los factores que
parecen ser grandes son
A= Temperatura
B= Titanio
C=T. Térmico
D= Refinador
AB=Temperatura *Titanio
AC=Temperatura*T. Térmico
ABC=Temperatura * Titanio * T. térmico

Lo cual es observable también en grafica de

Pareto

b) Conducir un análisis de varianza. ¿Alguno de los factores afecta la formación de

fisuras? Utilizar a =
0.05.

Si todos los factores anteriores A, B, C, D e interacciones de AB, AC, ABC, resultan ser
significativos para la formación de fisuras puesto que su valor P es menor que 0.05, por lo
que estamos cumpliendo hipótesis nula que nos indica que estos factores y sus
interacciones SI resultan ser significativos para el proceso.
e) Escribir un modelo de regresión que pueda usarse para predecir la longitud de las
fisuras como una función de los efectos principales y las interacciones significativas
que se han identificado en el inciso b.

Fisuras =11.988+1.509(Temperatura)+1.988(Titanio)-1.798(T. térmico)

+0.979(Refinador)+0.967(Temperatura*Titanio)-2.004(Temperatura*T. térmico)
+0.038(Temperatura*refinador) +0.048(Titanio*T. térmico) +0.024(Titanio*Refinador) -
0.038(T.
termico*Refinador)+1.569(Temperatura*Titanio*T.termico)+0.049(Temperatura*Titanio*
Refinador)+0.010(Temperatura*T.termico*Refinador)+0.018(Titanio*T.
termico*Refinador)+0.007(Temperatura*Titanio*T.termico*Refinador)

Podemos observar que el modelo representa muy bien al sistema puesto que en R-cuad
=99.77% y R-cuad(pred)=99.07%
 c) Analizar los residuales de este experimento.
Observamos que se cumplen los supuestos de normalidad e independencia, pero no así el
supuesto de varianza homogénea.
 d) ¿Hay algún indicio de que alguno de los factores afecte la variabilidad de la
formación de fisuras?
Si se observa en diag
A= Temperatura
B= Titanio
C=T. Térmico
D= Refinador
AB=Temperatura *Titanio
AC=Temperatura*T. Térmico
ABC=Temperatura * Titanio * T. térmico

f) ¿Qué recomendaciones se harían respecto de las operaciones del proceso? Utilizar

gráficas de las interacciones
y/o de los efectos principales como ayuda para sacar conclusiones
6-21. Se realizo un experimento en una fábrica de semiconductores en un esfuerzo para
incrementar el rendimiento. Se estudiaron cinco factores, cada uno con dos niveles. Los
factores (y los niveles) fueron: A=ajuste de apertura (pequeña, grande), B= tiempo de
exposición (20% abajo del nominal, 20% arriba del nominal), C= tiempo de desarrollo
(30s,45s), D =tamaño de la máscara (pequeña, grande) y E= tiempo de grabado (14.5 min,
15.5 min). Se corrió el diseño 25 no replicado que se muestra a continuación.

a. Construir una gráfica de probabilidad normal de las estimaciones de los

efectos. ¿Qué efectos parecen ser grandes?
Con la grafica de Pareto de los efectos pudimos visualizar que los efectos
significativos son el B seguido por el A, C y la interacción de AB
 b. Efectuar un análisis de varianza para confirmar los resultados obtenidos en el
inciso a.

c. Escribir el modelo de regresión que relacione el rendimiento con las

variables significativas del proceso.

d. Graficar los residuales en papel probabilidad normal. ¿La grafica es

satisfactoria?
No es satisfactoria es necesario depurar algunos puntos
 e. Graficar los residuales contra los rendimientos predichos y contra cada uno
de los cinco factores.

f. Interpretar cualquier interacción significativa.

En la fila 16 el residuo 15.4712 no es significativo por lo que si queremos una
grafica significativa es necesario depurar ese punto
 g. ¿Qué recomendaciones se harían respecto de las condiciones de operación
del proceso?
Es necesario eliminar el residuo no significativo para volver analizar el problema y
de esta forma lograr que sean términos significativos.

h. Hacer la proyección del diseño 25 de este problema en un diseño 2k en los

factores importantes. Esquematizar el diseño e indicar el promedio y el rango de
los rendimientos en cada corrida. ¿Es de ayuda este esquema para interpretar los
resultados?

El esquema ayuda a que visualicemos donde podemos encontrar los elementos

mayores o menores.
6.23 Se estudiaron 4 factores, cada uno con dos niveles, en un estudio del rendimiento del
proceso: el tiempo (A), la concentración (B), la presión (C) y l temperatura (D). se corrió
una sola réplica de un diseño 24 y los datos obtenidos se muestra en la siguiente tabla:

a. Construir una gráfica de probabilidad normal de las estimaciones de los

efectos. ¿Qué factores parecen tener efectos grandes?
Los factores con los efectos más significativos son: A, AC, AD y D.

b. Efectuar un análisis de varianza utilizando la gráfica de probabilidad normal

del inciso a como una guía para formar el término del error. ¿A que
conclusiones se llega?
 c. Escribir un modelo de regresión que relacione el rendimiento con las
variables importantes del proceso.
Las variables importantes del proceso son A, AC,C, AD y D
 d. Analizar los residuales de este experimento. ¿El análisis indica algún
problema potencial?
Al generar la grafica de residuales podemos darnos cuenta de que tenemos un error
residual.
 e. ¿Es posible plegar este diseño 23 con dos replicas? De ser así, esquematizar
el diseño con el promedio y el rango del rendimiento indicados en cada punto
del cubo.
El factor D se encuentra en un nivel alto por lo que su rendimiento mayor es de 25.
6-25. El experimento del brownie (pastelito) exquisito. El autor es un ingeniero
hecho en la práctica y una firma creyente de aprender haciendo las cosas. Durante
muchos años han impartido el curso de diseño experimental a una amplia variedad
de audiencias y siempre asigna planeación, realización y análisis de un experimento
real a os practicantes de su clase. Los practicantes parecen disfrutar esta experiencia
práctica y siempre aprenden mucho de ella. En este problema se utilizan los
resultados de un experimento realizado por Gretchen Krueger en la Universidad
Estatal de Arizona.
Existen muchas formas diferentes de hornear brownies. El propósito de este
experimento fue determinar la forma en que el material del molde, la marca de la
harina para brownies y el método de batido afecta la exquisitez de los brownies. Los
niveles de los factores fueron:

La variable de respuesta fue la exquisitez, una medida subjetiva derivada de un

cuestionario aplicado a los sujetos que hicieron el muestreo de cada lote de
brownies. (Este cuestionario incluía aspectos como el sabor, la apariencia, la
consistencia, el aroma, etc.) Un panel de prueba integrado por ocho personas hizo el
muestreo de cada lote y lleno el cuestionario. La matriz del diseño y los datos de la
respuesta se presentan a continuación.

a. ¿Analizar los datos de este experimento como si se tratara de ocho

réplicas de un diseño 23? Comentar los resultados.
 b. ¿El análisis del inciso a es el enfoque correcto? Hay únicamente ocho
lotes; ¿se tienen en realidad ocho réplicas de un diseño factorial 23?
Se obtuvieron algunas observaciones inusuales como el la R cuente con un
residuo estandarizado grande.
 c. Analizar el promedio y la desviación estándar del puntaje de la
exquisitez. Comentar los resultados. ¿Este análisis es más apropiado que el
inciso a? ¿Por qué si o no?
Es más apropiado porque nos permite visualizar el promedio del puntaje
obtenido de la exquisitez de una forma más real.
6-26. Se condujo un experimento en un proceso químico para producir un polímero. Los
cuatro factores estudiados
fueron la temperatura (A), la concentración del catalizador (B), el tiempo (C) y la presión
(D). Se observaron
dos respuestas, el peso molecular y la viscosidad. La matriz del diseño y los datos de la
respuesta se
presentan a continuación:

a) Considere únicamente la respuesta del peso molecular. Graficar las estimaciones de los
efectos en una
escala de probabilidad normal. ¿Qué efectos parecen ser importantes?

De acuerdo al análisis y grafica de Pareto podemos observar que los efectos que parecen ser
importantes son el tiempo, la temperatura y la interacción de temperatura con catalizador.
 b) Usar un análisis de varianza para confirmar los resultados del inciso a. ¿Hay algún
indicio de curvatura?

Podemos observar que la curvatura es mayor a 0.05 por lo que no resulta significativa. No
hay indicio de curvatura.

e) Escribir un modelo de regresión para predecir el peso molecular como una función
de las variables importantes.
Al ajustar el sistema y solo dejar aquellas variables que son significativas podemos
observar que el modelo es bueno puesto que presenta un R cuadrada de 93.83% y una R
cuadrada de predicción de 87.77%. Con el cual podemos generar un buen modelo de
regresión.

Peso molecular =3319.37-11.8125 Temperatura -332.812 Catalizador+20.1250

Tiempo+3.00(Temperatura*Catalizador)

c) Analizar los residuos y comentar la adecuación del modelo.

Se ajusto el sistema dejando solo los factores significativos y manteniendo los puntos
centrales ya que al eliminarlos no genero una mejora del modelo.
Podemos observar que se cumple supuesto de normalidad e independencia pero NO con el
supuesto de varianza homogénea.

d) Repetir los incisos a--d utilizando la respuesta de la viscosidad.

 • Los efectos que parecen ser importantes son Temperatura y Catalizador.
• Podemos observar que la curvatura no resulta significativa al tener un valor P de
0.790 por lo que los puntos centrales pudieran ser eliminados para buscar mejorar el

modelo.

Ajustamos el modelo eliminando aquellos factores no significativos, así como la curvatura

que tampoco resulto ser significativa y se obtiene el siguiente modelo de regresión.
Viscosidad=833.5+4.81250 Temperatura+22.8125 Catalizador.

En análisis de residuos podemos observar que cumplimos con supuesto de normalidad e

independencia pero que no se cumple con el supuesto de varianza homogénea.
6-30. Un ingeniero realizó un experimento para estudiar el efecto de cuatro factores sobre
la aspereza superficial
de una pieza maquinada. Los factores (y sus niveles) son A = ángulo de la herramienta (12,
15°), B = viscosidad
del fluido de corte (300, 400), e = velocidad de alimentación (10, 15 pulg/min) y D =
enfriador del fluido
de corte usado (no, sí). Los datos de este experimento (con los factores codificados en los
niveles usuales -1,
+ 1) se muestran a continuación.
a) Estimar los efectos de los factores. Representar los efectos de los factores en una gráfica
de probabilidad
normal y seleccionar un modelo tentativo.
Los factores son los efectos más grandes son
Angulo, Viscosidad, Velocidad y las interacciones entre Angulo*Viscosidad y
Viscosidad*Velocidad.

b) Ajustar el modelo identificado en el inciso a y analizar los residuales. Hay algún indicio
de que el modelo
no sea adecuado?

Al ajustar el modelo dejando únicamente los factores con significancia obtenemos en

residuales que se cumplen con todos los supuestos, normalidad, independencia y varianza
homogénea. No existe ningún. indicio de que el modelo no sea adecuado puesto que
tenemos un valor de R cuadrada de 98.86% y un valor de R cuadrada de predicción de
97.08%
e) Repetir el análisis de los incisos a y b utilizando l/y como la variable de respuesta. Hay
algún indicio de
que la transformación ha sido útil?

Si podemos observar que tanto la R cuadrada como la de predicción están casi en un 100% .

d) Ajustar un modelo en términos de las variables codificadas que pueda usarse para
predecir la rugosidad
superficial. Convertir esta ecuación de predicción en un modelo en las variables naturales.
El modelo de regresión en variables naturales sería el siguiente
Rugosidad superficial =2936.98-239.526 Angulo-9.07099 Viscosidad +13.6976 Velocidad
+29.8956 Enfriador + 0.782657 (Angulo * Viscosidad) – 0.0830498 (Viscosidad *
Enfriador).