Está en la página 1de 14

GUIA DE LABORATORIO DE DISEO Y ANALISIS DE EXPERIMENTOS PRACTICA N 5 INTRODUCCION A LOS DISEOS FACTORIALES

1. Objetivo General. Que el estudiante sea capaz de resolver diseos factoriales con el programa Minitab

2. Objetivos Especficos. Que el estudiante aplique el modelo lineal general (GLM) y Two-way anova para la solucin de diversos experimentos en el que estn involucrados ms de un factor. Que el estudiante comprenda los diferentes conceptos involucrados en el anlisis de experimentos con diseos factoriales.

3. Introduccin Terica. El diseo factorial es aquel en el que se investigan los efectos de ms de un factor sobre una variable de respuesta mediante la ejecucin de todas las posibles combinaciones de los niveles de los factores.

El efecto de un factor se define como el cambio en la respuesta producida por un cambio en el nivel del factor en estudio. Este efecto se denomina efecto principal.

El efecto de una interaccin se define como el cambio en la respuesta producida por un cambio en el nivel de un factor cuando se ha producido un cambio en el nivel de los otros factores. Es decir, que la respuesta de salida cuando un factor cambia de nivel, va depender del nivel en el que se encuentren los otros factores.

El diseo factorial general se vale del anlisis estadstico del modelo de efectos fijos para el anlisis de varianza, herramienta principal para determinar los efectos principales y de interaccin que puedan ser siginificativos en el anlisis del experimento.

4. Ejemplo usando General Linear Model (GLM).

Un ingeniero de manufactura sospecha que el acabado superficial de una pieza metlica depende de la alimentacin y de la profundidad de corte. Selecciona tres niveles de alimentacin y elige aleatoriamente cuatro niveles de profundidad del corte. A continuacin, realiza un experimento factorial y recopila los siguientes datos:

Rapidez de alimentacin (plg/min) 0.15 74 0.2 64 60 92 0.25 86 88 99 0.3 98 102

profundidad 0.18 79 68 73 98 104 88 104 99 95

de corte (plg) 0.2 82 88 92 99 108 95 108 110 99 0.25 99 104 96 104 110 99 114 111 107

a) analice los datos y obtenga las conclusiones apropiadas. b) Elabore las grficas apropiadas de los residuos y comente la adecuacin del modelo.

4.1. Introduccion De Datos. Los datos en MINITAB se introducen en worksheet, utilizando una columna para los datos del factor rapidez, otra para el factor profundidad y una para la respuesta. As:

Como se puede observar, los 3 primeros datos de respuesta que se introdujeron pertenecen al nivel 0.2 del factor rapidez y 0.15 del factor profundidad; para los siguientes 3 datos de respuestas, estos tambin pertenecen al nivel 0.2 del factor profundidad pero al nivel 0.18 de alimentacin y as sucesivamente.

Observe que todas las combinaciones que se mostraron en la tabla de datos se han introducido en las columnas de Minitab. Sucesivamente se introducen todos los datos de respuesta teniendo el cuidado de digitar correctamente en las otras dos columnas los niveles correctos en los cuales se produce.

4.2. Anlisis de los datos

Para el analisis de varianza, en el archivo Stat del man se presiona en ANOVA, General Linear Model, as:

Aparecer una pantalla como la siguiente donde se especificar la columna que contiene las respuestas y las columnas de los factores.

Columnas con datos introducidos en worksheet

Columna de respuestas

Columna de factores

Colocarse con el mouse en la casilla de Responses y darle doble click (o con la tecla Select) a la columna que contiene las respuestas o datos para que esta automticamente aparezca en la casilla. Asimismo, para los factores, solo que en este caso se coloca con el mouse en la casilla Model y despues de darle doble click al factor se presiona la barra espaciadora del teclado para luego introducir el otro factor, y asi sucesivamente. La interaccion tambien se introduce en la casilla Model, con la diferencia que en vez de dejar un espacio entre cada factor se presiona la tecla de asterisco (*), esto indica que se esta analizando la interaccion de esos factores separados por l. Asi:

Presionando doble click a cada columna para que aparezca en la casilla deseada

Espacio entre cada factor

El asterisco indica la interaccion entre la profundidad y la alimentacion yy

Para visualizar los graficos necesarios para el anlisis de la comprobacin de la idoneidad del modelo, se presiona la tecla Graphs y se sealan los graficos que se desean visualizar. As:

Si se desean ver las graficas de residuos contra cada factor, se coloca el mouse en la casilla de Residuals versus the variables:, y se presiona doble click a los factores que se desan graficar. Asi:

Se presiona OK.

Si se desea que los datos de residuos aparezcan en la hoja de trabajo, en la pantalla General Linear Model, se presiona el boton Storage, y en la nueva pantalla se selecciona en Diagnostic Measures: Residuals, y en Characteristics of Estimated Equation: Fits, asi:

Se presiona OK.

Si se desea ver los grficos de los efectos principales y de la interaccin de los factores, en General Linear Model se presiona el boton Factor Plots. En Main Effects Plot se indican los factores de los cuales queremos graficar sus efectos principales; y en Interactions Plot se indican los factores de los cuales queremos graficar su interaccin. Esto tambin se puede hacer en la opcin Anova y seleccionar Main Effects Plot o Factor Plots.

Se presiona OK. Se presiona OK nuevamente.

4.3 Anlisis del ANOVA Aparecern muchos grficos, pero antes de ver los grficos analicemos los resultados del ANOVA. Para esto, es necesario ver la pantalla de sesiones. As:

Los resultados que se muestran en dicha pantalla son los siguientes:

General Linear Model: respuesta versus rapidez, profundidad


Factor rapidez profundidad Type fixed fixed Levels 3 4 Values 0.20, 0.25, 0.30 0.15, 0.18, 0.20, 0.25

Analysis of Variance for respuesta, using Adjusted SS for Tests Source rapidez profundidad rapidez*profundidad Error Total S = 5.35931 DF 2 3 6 24 35 Seq SS 3160.50 2125.11 557.06 689.33 6532.00 Adj SS 3160.50 2125.11 557.06 689.33 Adj MS 1580.25 708.37 92.84 28.72 F 55.02 24.66 3.23 P 0.000 0.000 0.018

R-Sq = 89.45%

R-Sq(adj) = 84.61%

Estos ltimos datos son de la tabla ANOVA, la interpretacin es la siguiente: la columna P que indica la probabilidad de cada uno de los factores y la interaccin, se compara con el nivel de confianza especfico en el cual deseamos hacer el anlisis. Para el caso,

=0.05, por lo tanto,

si los valores de P son menores que los valores de alfa, entonces se rechaza H0. Siguiendo con nuestro ejemplo, podemos obervar que todos los valores de P son menores de 0.05, por lo tanto la hipotesis nula se rechaza en cada caso y se concluye que tanto el factor profundidad, como el factor rapidez y la interaccin de ambos factores, s tienen influencia en el acabado superficial de una pieza metlica. En seguida es necesario comprobar la validez de los resultados mediante el anlisis de los residuos. Cada grafico podr verse como a continuacin se muestra. Analice cada grfico y determine si los resultados son vlidos

4.5 Anlisis de residuos Grfico de Probabilidad Normal de los Residuos.


Normal Probability Plot of the Residuals
(response is respuesta)
99

95 90 80

Percent

70 60 50 40 30 20 10 5

-10

-5

0 Residual

10

Grfico de Residuos vrs. Valores Ajustados.


Residuals Versus the Fitted Values
(response is respuesta) 10

Residual

-5

-10 60 70 80 90 Fitted Value 100 110

Grfico de Residuos en el tiempo

Residuals Versus the Order of the Data


(response is respuesta) 10

Residual

-5

-10 1 5 10 15 20 Observation Order 25 30 35

Nota: Para este grfico, es necesario saber el orden de las corridas en el tiempo. En este caso no sabemos ese orden pero lo obtenemos como ilustracin.

Grafico Residuos vrs. Factor Rapidez

Residuals Versus rapidez


(response is respuesta) 10

5
Residual

-5

-10 0.20 0.22 0.24 rapidez 0.26 0.28 0.30

Grfico Residuos vrs. Factor Profundidad


Residuals Versus profundidad
(response is respuesta) 10

Residual

-5

-10 0.150 0.175 0.200 profundidad 0.225 0.250

Grfico de los Efectos Principales.

Main Effects Plot (fitted means) for respuesta


rapidez 105 profundidad

Mean of respuesta

100

95

90

85

80 0.20 0.25 0.30 0.15 0.18 0.20 0.25

Grfico de la interaccin Rapidez vrs. Profundidad.


Interaction Plot (fitted means) for respuesta
110
rapidez 0.20 0.25 0.30

100

Mean

90

80

70

60 0.15 0.18 0.20 profundidad 0.25

Cuando se escoge la opcin en Graphs, four in one se obtiene el siguiente grfico que muestra todas las grficas en una y otra grfica de los residuos contra cada factor. Pruebe esta opcin.

Residual Plots for respuesta


Normal Probability Plot of the Residuals
99 90 50 10 1 -10 -5 0 Residual 5 10
Residual Percent

Residuals Versus the Fitted Values


10 5 0 -5 -10

70

80

90 Fitted Value

100

110

Histogram of the Residuals


8
Frequency Residual

Residuals Versus the Order of the Data


10 5 0 -5 -10

6 4 2 0 -8 -4 0 Residual 4 8

10

15 20 25 Observation Order

30

35

Son vlidos los resultados del experimento?

4.6 Comparaciones De Medias. Las comparaciones de medias permiten examinar cuales medias son diferentes y estimar dicha diferencia. En nuestro caso haremos uso del mtodo de Tukey.

Nuvamente en Stat, ANOVA, General Linear Model, presionamos el boton Comparisons; en la nueva ventana en Terms seleccionamos los factores que deseamos analizar sin olvidar dejar un espacio entre ellos cuando sean mas de uno. Escoger slo Test. No sealar confidence interval.

Presionar OK.

Se recomienda desactivar las otras opciones (Graphs..., Factor Plots..., Estorage...) de manera que los datos y grficos no vuelvan a repetirse.

Presionar OK nuevamente.

Las comparaciones de medias se muestran en la pantalla Session, los datos que se deben analizar son los siguientes: Profundidad
Tukey Simultaneous Tests Response Variable respuesta All Pairwise Comparisons among Levels of profundidad profundidad = 0.15 subtracted from: profundidad 0.18 0.20 0.25 Difference of Means 5.000 13.111 20.111 SE of Difference 2.526 2.526 2.526 T-Value 1.979 5.190 7.960 Adjusted P-Value 0.2236 0.0002 0.0000

profundidad = 0.18 profundidad 0.20 0.25

subtracted from: SE of Difference 2.526 2.526 T-Value 3.211 5.981 Adjusted P-Value 0.0183 0.0000

Difference of Means 8.111 15.111

profundidad = 0.20 profundidad 0.25

subtracted from: SE of Difference 2.526 T-Value 2.771 Adjusted P-Value 0.0487

Difference of Means 7.000

Lo que hace Minitab es comparar las medias entre s o los diferentes niveles para rapidez. En lo que se debe poner atencin es en el valor P. Como puede verse 0.15 es diferente al de 0.20 y 0.25, ya que el valor P es menor de 0.05. En cambio, el de 0.18 es igual al de 0.15 ya que su valor P es 0.2236. El tratamiento de 0.18 es diferente al de 0.20 y 0.25 al observar su valor P. La comparacin del tratamiento de 0.20 con el de 0.25 est en el lmite de 0.05. No parece que sean diferentes.

Rapidez
Tukey Simultaneous Tests Response Variable respuesta All Pairwise Comparisons among Levels of rapidez rapidez = 0.20 subtracted from:

rapidez 0.25 0.30

Difference of Means 16.00 22.25

SE of Difference 2.188 2.188

T-Value 7.313 10.169

Adjusted P-Value 0.0000 0.0000

rapidez = 0.25 rapidez 0.30

subtracted from: SE of Difference 2.188 T-Value 2.857 Adjusted P-Value 0.0228

Difference of Means 6.250

Al observar el valor P, el tratamiento de 0.20 es diferente a los de 0.25 y 0.30. El de 0.25 es diferente tambin al de 0.30

5. Ejemplo usando Anova Use los mismos datos del ejemplo de la seccin 4. con la opcin Anova . Seleccione Stat; luego Anova y finalmente Two-way Anova.

En la ventana que aparece, tal como lo hizo en 4 haga doble click sobre respuesta para el espacio de Response. Haga doble click sobre rapidez para el espacio Row factor. Finalmente, haga doble click sobre profundidad para el espacio Column factor.

La opcin Graphs es similar a lo visto en seccin 4.

Presione OK y obtendr la siguiente salida de la sesin.

Two-way ANOVA: respuesta versus rapidez, profundidad


Source rapidez profundidad Interaction Error Total S = 5.359 DF 2 3 6 24 35 SS 3160.50 2125.11 557.06 689.33 6532.00 MS 1580.25 708.37 92.84 28.72 F 55.02 24.66 3.23 P 0.000 0.000 0.018

R-Sq = 89.45%

R-Sq(adj) = 84.61%

Observe que obtiene la misma respuesta usando GLM. No olvide que tambin se puede analizar los residuos en la opcin Graphs de Two-way anova.

La opcin Two-way anova slo puede ser usada cuando se desea analizar dos factores. En la opcin GLM se puede analizar ms de dos factores.

Ejercicio Propuesto. 1 Se estn investigando los efectos sobre la resistencia del papel que producen el porcentaje de la concentracin de fibra de madera en la pulpa, la presin del tanque y el tiempo de coccin de la pulpa. Se seleccionan tres niveles de la concentracin de madera y de la presin, y dos niveles de tiempo de coccin. Pueden considerarse todos los factores fijos. Se realiza un experimento factorial con dos rplicas y se recopilan los siguientes datos.

concentracin porcentual de fibra 2 4 8

Presin durante el tiempo de coccin de 3 h. 400 500 650 196.6 197.7 199.8 196 196 199.4 198.5 196 198.4 197.2 196.9 197.6 197.5 195.6 197.4 196.6 196.2 198.1

Presin durante el tiempo de coccin de 4 h 400 500 650 198.4 199.6 200.6 198.6 200.4 200.9 197.5 198.7 199.6 198.1 198 199 197.6 197 198.5 198.4 197.8 199.8

a) Analice los datos y obtenga las conclusiones b) Trace las grficas apropiadas de los residuos y comente la adecuacin del modelo. c) Bajo qu conjunto de condiciones debe operarse este proceso? Por qu?

Resuelva los problemas 5.5 y 5-16 del libro de texto. (Sugerencia: En el ejercicio 5-16 son tres factores. Use GLM y no olvide que el modelo de los datos de tres factores es la ecuacin 5-26 del libro para incluir todas las interacciones necesarias en el espacio Model del GLM). Se le recomienda resolver el problema 5-17 resuelto en clase y compare sus respuestas con las de Minitab.