Documentos de Académico
Documentos de Profesional
Documentos de Cultura
UN SOLO FACTOR:
EL ANALISIS DE
VARIANZA
CAPITULO 3
Diseo y Anlisis de Experimentos
Montgomery
Compendi: Ing. Rodrigo Wadnipar, M.Sc.
rwadnipa@uninorte.edu.co
NDICE
Experimentos con un solo factor: anlisis de
variancia.
Estimacin de los parmetros del modelo.
Comparacin de Medias de Tratamientos
Individuales
Ccomparacin de Parejas de Medias de
Tratamientos
Efecto de Modelos Aleatorios
UN EJEMPLO
Ejemplo 3.1 Pag. 70 - Peso porcentual del algodn
Un ingeniero de desarrollo de producto tiene inters en investigar la resistencia
a la tensin de la fibra sinttica nueva que se usar para hacer tela de camisas
para caballero. El ingeniero sabe por experiencia previa que la resistencia a la
tensin se afecta por el peso porcentual del algodn utilizado en la mezcla de
materiales de la fibra. Adems, sospecha que al aumentar el contenido de
algodn se incrementar la resistencia. Sabe asimismo que el contenido de
algodn deber variar entre 10 y 40 por ciento para que el producto final tenga
otras caractersticas de calidad que se desean (como la capacidad de ser
sometido a un tratamiento de planchado permanente). El ingeniero decide
probar ejemplares en cinco niveles del peso porcentual del algodn: 15, 20, 25,
30 y 35 por ciento. Tambin decide probar cinco ejemplares en cada nivel del
contenido de algodn.
Peso Observaciones
porcentual
del algodn 1 2 3 4 5
15 7 7 15 11 9
20 12 17 12 18 18
25 14 18 18 19 19
30 19 25 22 19 23 39
35 7 10 11 15 11
Peso porcentual del algodn (continuacin)
Peso
porcentual Nmero de corrida experimental
del algodn
15 1 2 3 4 5
20 6 7 8 9 10
25 11 12 13 14 15
30 16 17 18 19 20
35 21 22 23 24 25
Peso porcentual del algodn (continuacin)
Secuencia de prueba Nmero de corrida Porcentaje de algodn
1 8 20
2 18 30
3 10 20
4 23 35
5 17 30
6 5 15
7 14 25
8 6 20
9 15 25
10 20 30
11 9 20
12 4 15
13 12 25
14 7 20
15 1 15
16 24 35
17 21 35
18 11 25
19 2 15
20 13 25
21 22 35
22 16 30
23 25 35
24 19 30
25 3 15
Resultados del Experimento
Figura 3-1 9
Peso porcentual del algodn (continuacin)
Observaciones Individuales
Promedio de la resistencia a la Tensin 57
Figura 3-2
LSD
(Diferencia Significativa Minima de Fisher)
1 a Ri2 N N 1
2
H 2
S i 1 i
n 4
i 1
i 0
n _
yi. yij , , , , , y i. y i./ n, _ donde _ i 1,2,..., a.
j 1
(3.3)
a n
y.. yij , , , , y.. y.. / N
i 1 j 1
Donde N = an es el nmero total de observaciones.
El subndice punto implica la operacin suma sobre el
subndice que reemplaza.
y y
total corregida 2 a n
SS T ij
i 1 j1
..
yij y..
a
i 1 j1
n
2
a
i 1 j1
n
(y y )(y y )
i. .. ij i.
2
(3.4)
a n
y y y y
ij ..
2
n
a
i. ..
2
a n
y y ij i.
2
2
a n
yi. y.. yij yi. (3.5)
y y y n y y nyi. / n 0
i 1 j 1 i 1 i 1 j 1 i 1 j 1
n
Sin embargo :
ij i. i. i. i.
16 SS SS T Tratamientos
SS E
DESCOMPOSICION DE LA SUMA DE
CUADRADOS TOTAL (continuacin)
Es til examinar los dos trminos del lado derecho de la identidad
fundamental del ANOVA.
E
a n
i 1 j 1
SS y ij y i. y ij y i.
2 a
i 1
n
j 1
2
S , , , , , para :, , , , i 1,2,..., a
2 j 1
i
n1
Si se combinan las a varianzas muestrales se obtiene una sola
estimacin de la varianza poblacional
... n 1 S y ij y i.
a n 2
n 1 S n 1 S
2
1
2
2
2
a i 1 j 1
SS E
(n 1) (n 1) ... (n 1) n 1
a
N a
i 1
DESCOMPOSICION DE LA SUMA DE
CUADRADOS TOTAL (continuacin)
La relacin NSS a es una estimacin combinada
E
SS
a
n yi. y..
2
Tratamientos
i 1
a 1 a 1
Es una estimacin de s2 si las medias de los
tratamientos son iguales.
DESCOMPOSICION DE LA SUMA DE
CUADRADOS TOTAL (continuacin)
La identidad del anlisis de varianza (ecuacin 3.6) proporciona dos
estimaciones de s2:
Una basada en la variabilidad inherente dentro los tratamientos.
Una basada en la variabilidad entre los tratamientos.
Si no hay diferencias en las medias de los tratamientos, estas dos
estimaciones debern ser muy similares, y si no lo son, se sospecha
que la diferencia observada puede ser causada por diferencias en las
medias de los tratamientos.
SS Tratamientos
A las cantidades MS Tratamientos (entre los tratamientos)
a 1
MS E SS E
y
N a (dentro de los tratamientos)
Z Q Q ... Q
2
i 1 2 S
i 1
SS / N a
0
E MS E
SS y
2 ..
T ij
N
i 1 j 1
2
1 y a
y
2 ..
SS Tratamientos i.
n N i 1
SS SS SS
E T Tratamientos
Error (Dentro de SS E
SSE SST SSTrat. N a MS E
los tratamientos) Dof E
2
a n
y ..
Total SS T
i 1 j 1
y ij2
N
N 1
Peso porcentual del algodn Anlisis de Variancia
74
Ejercicio en clases
La fuerza de la tensin de la adhesin del mortero de cemento
portland es una caracterstica importante del producto. Un ingeniero
est interesado en comparar la fuerza de una formulacin
modificada en la que se han agregado emulsiones de ltex de
polmeros durante el mezclado, con la fuerza del mortero sin
modificar. El experimentador ha reunido 10 observaciones de la
fuerza de la formulacin modificada y otras 10 observaciones de la
formulacin sin modificar. Los datos se muestran a continuacin.
Podra hacerse referencia a las dos formulaciones diferentes como
dos tratamientos o como dos niveles del factor formulaciones.
Mortero Mortero sin
j
modificado modificar
1 16.85 17.50
2 16.40 17.63
3 17.21 18.25
4 16.35 18.00
5 16.52 17.86
6 17.04 17.75
7 16.96 18.22
8 17.15 17.90 Experimentos
9 16.59 17.96 Comparativos Simples
10 16.57 18.15
ESTIMACIN DE LOS PARMETROS DEL MODELO
yij i e ij
i es el efecto del tratamiento i-simo
y ..
i y y , , , , , , , i 1,2,..., a
i. ..
ESTIMACIN DE LOS PARMETROS DEL MODELO (continuacin)
es:
i i
y t / 2, N a MS E
y t / 2, N a MS E
i. n i i. n
De la misma manera para una diferencia de medias, digamos
i j, sera:
y y t / 2, N a 2MS E
y y t / 2, N a 2MS E
i. j. n i j i. j. n
Ejemplo 3.3 Pag. 75: Siguiendo el ejemplo 3-1 pueden
encontrarse las estimaciones de la media global y de los
y t / 2, N a MS E
y t / 2, N a MS E
i. n i i. n
Con un intervalo de confianza del 95% para la media del
tratamiento 4 (30% de algodn), obtenemos: 21.60 2.651,
por lo que el intervalo quedara de la siguiente manera:
21.60 2.086
8.06 8.06
21.60 2.086
5 4 5
21.60 2.65 21.60 2.65
4
18.95 4 25.25
VERIFICACION DE LA
ADECUACION DEL
MODELO
EL SUPUESTO DE NORMALIDAD
La verificacin del supuesto de normalidad podra hacerse graficando
un histograma de los residuales.
Si se satisface el supuesto NID(0, s2) para los errores, esta grfica
deber parecerse como una muestra de una distribucin normal con
centro en cero. Pero con muestras pequeas suelen ocurrir
fluctuaciones significativas y pueden aparecer una desviacin
moderada de la normalidad.
Un procedimiento en extremo til es construir una grfica de
probabilidad normal de los residuales.
Los residuales se calculan as: Re sidualij yij yi .
Residuales - Peso porcentual del algodn
Peso porcentual Residuales
del algodn 1 2 3 4 5
15 -2.8 -2.8 5.2 1.2 -0.8
20 -3.4 1.6 -3.4 2.6 2.6
25 -3.6 0.4 0.4 1.4 1.4
30 -2.6 3.4 0.4 -2.6 1.4
35 -3.8 -0.8 0.2 4.2 0.2
EL SUPUESTO DE NORMALIDAD (continuacin)
RESIDUALES ORDENADOS
pj = (( j 0.5) / N) * 100
% Probabilidad
Secuencia j Residual
Normal
1 -3,8 2
2 -3,6 6
3 -3,4 10
4 -3,4 14
5 -2,8 18
6 -2,8 22 Grfica de Probabilidad Norm al de los Residuales
7 -2,6 26
% de Probabilidad
8 -2,6 30 150
0.5)/N)100)
9 -0,8 34
(Pj = (( j -
Normal
10 -0,8 38 100
11 0,2 42 50
12 0,2 46
13 0,4 50 0
14 0,4 54 -6 -4 -2 0 2 4 6
15 0,4 58
16 1,2 62 Residual (eij = yij - ybi.)
17 1,4 66
18 1,4 70
19 1,4 74
20 1,6 78
21 2,6 82
22 2,6 86
23 3,4 90
24 4,2 94
25 5,2 98
EL SUPUESTO DE NORMALIDAD (continuacin)
pj = (( j 0.5) / N) * 100
Grfica de Probabilidad Normal de los Residuales
120
% de Probabilidad Normal
100
(Pj = (( j - 0.5)/N)100)
80
60
40
20
0
-6 -4 -2 0 2 4 6
Residual (eij = yij - ybi.)
GRAFICA DE LOS RESIDUALES EN
SECUENCIA EN EL TIEMPO
RESIDUALES EN ORDEN
CRONOLOGICO
1 -3.4 GRAFICA DE LOS RESIDUALES CONTRA EL TIEMPO
2 0.4
3 2.6
4 0.2
5 3.4 6
6 -0.8
7 1.4
8 -3.4
RESIDUALES 4
9 1.4
10 1.4 2
11 2.6
12 1.2
13 0.4 0
14 1.6
15 -2.8 0 5 10 15 20 25 30
16 4.2
-2
17 -3.8
18 -3.6 -4
19 -2.8
20 0.4
21 -0.8 -6
22 -2.6
23 0.2 TIEMPO
24 -2.6
25 5.2
GRAFICA DE LOS RESIDUALES CONTRA
LOS VALORES AJUSTADOS
yi eij GRAFICA DE LOS RESIDUALES CONTRA LOS VALORES
9.8 -2.8 AJUSTADOS
9.8 -2.8
9.8 5.2
9.8 1.2 6
9.8 -0.8
5
15.4 -3.4
15.4 1.6 4
15.4 -3.4
15.4 2.6 3
15.4 2.6
2
Residuale eij
17.6 -3.6
17.6 0.4 1
17.6 0.4
17.6 1.4 0
17.6 1.4 -1 0 5 10 15 20 25
21.6 -2.6
21.6 3.4 -2
21.6 0.4
21.6 -2.6 -3
21.6 1.4 -4
10.8 -3.8
10.8 -0.8 -5
10.8 0.2
yij barra
10.8 4.2
10.8 0.2
GRAFICA DE LOS RESIDUALES
VS. LOS NIVELES
NIVEL RESIDUAL
15 -2.8 GRAFICA DE LOS RESIDUALES
15 -2.8
15 5.2 6
15 1.2 GRAFICA DE LOS RESIDUALES
15 -0.8 5
20 -3.4 6
20 1.6 4 4
RESIDUALES
20 -3.4
2 3
20 2.6
20 2.6 0
2
25 -3.6 0 5 10 15 20 25 30 35 40
RESIDUALES
-2
25 0.4 1
-4
25 0.4
25 1.4 -6 0
25 1.4 0 5 10 15
NIVELES 20 25 30 35 40
-1
30 -2.6
30 3.4 -2
30 0.4
30 -2.6 -3
30 1.4
35 -3.8 -4
35 -0.8
-5
35 0.2
35 4.2 NIVELES
35 0.2
DATOS NO BALANCEADOS
DATOS NO BALANCEADOS
En algunos experimentos de un solo factor, el nmero de
observaciones recolectadas en cada tratamiento pueden ser
diferentes, cuando esto ocurre, se dice que el diseo est
desequilibrado, es no balanceado.
Sigue siendo posible aplicar el anlisis de varianza
anteriormente establecido para datos no balanceados, pero
deben hacerse ligeras modificaciones en las frmulas de las
sumas de cuadrados.
Hay dos ventajas al elegir un diseo equilibrado:
Primera con muestras del mismo tamao, la estadstica
de la prueba es relativamente insensible a pequeas
desviaciones de la suposicin de la igualdad de las
varianzas en los tratamientos.
Segunda, el poder de la prueba se maximiza cuando las
muestras tienen el mismo tamao.
DATOS NO BALANCEADOS (continuacin)
Sea que se hagan ni observaciones bajo el tratamiento
i (i = 1, 2, , a) y que
N i 1 ni
a
a
yi2. y..2
SSTratamientos
i 1 ni N
2
a n
y ..
SST y 2
ij
i 1 j 1 N
No se requieren ms cambios.
Ejercicio en clase (datos no balanceados)
Se estn investigando cuatro catalizadores que
pueden afectar la concentracin de un componente en
una mezcla lquida de tres componentes. Se obtienen
las siguientes concentraciones:
Catalizador
1 2 3 4
58.2 56.3 50.1 52.9
57.2 54.5 54.2 49.9
58.4 57.0 55.4 50.0
55.8 55.3 51.7
54.9
a) Tienen los cuatro catalizadores el mismo efecto
sobre la concentracin?
b) Analizar los residuales de este experimento.
c) Construir la estimacin de un intervalo de confianza de
99% para la respuesta media del catalizador 1.
PRUEBAS ESTADSTICAS
DE IGUALDAD DE
VARIANZA
PRUEBAS ESTADISTICAS PARA
IGUALDAD DE VARIANZA
Aun cuando es frecuente el uso de las grficas residuales para
diagnosticar la desigualdad de varianzas, se han propuesto tambin
varias pruebas estadsticas.
Estas pruebas pueden considerarse como pruebas formales de las
hiptesis H0: s21 = s22 = ... = s2a
H1: s2i s2j Para al menos un par (i, j)
Un procedimiento muy til es la prueba de Barlett.
La igualdad de varianza se conoce como homocedasticidad.
0 q
2 a
2.3026 donde q ( N a ) log10 S p ni log10 S i
2
( 1)
2
c i 1
Si2es la varianza c 1
1 a
3a 1 i 1
ni 1 N a
1
1
muestral de la
n 1S
a
poblacin i-sima 2
i i
2 i 1
S p
N a
PRUEBAS ESTADISTICAS PARA
IGUALDAD DE VARIANZA (continuacin)
La cantidad q es grande cuando la diferencia entre las
varianzas muestrales Si2 es considerablemente grande, y es
igual a cero cuando todas las Si2 son iguales.
H0 deber rechazarse para los valores de 02 que sean muy
grandes; es decir, se rechaza H0 slo cuando
20 > 2,a-1
Donde 2,a-1 es el punto porcentual superior a la
distribucin ji-cuadrada con a - 1 grados de libertad.
La prueba de Barlett es muy sensible al supuesto de
normalidad. Por consiguiente, cuando la validez de este
supuesto est en duda, no deber usarse la prueba de
Barlett.
Ejemplo 3.4 Pag. 82
Ya que el supuesto de normalidad no est entre dicho en
este ejemplo, se puede usar la prueba de Barlett.
Se calculan primero las varianzas muestrales de cada
tratamiento y se encuentra que: S21=11.2, S22=9.8, S23=4.3,
S24=6.8, S25=8.2. Entonces
25 5
10 10 10 10 10
q 20 log (8.06) 4 log 11.2 log 9.8 log 4.3 log 6.8 log 8.2 0.45
10
1 5 1
c 1 1.10
3(4) 4 20
Mtodo de
Observaciones
Estimacin
1 0,34 0,12 1,23 0,70 1,75 0,12
2 0,91 2,94 2,14 2,36 2,86 4,55
3 6,31 8,37 9,75 6,09 9,82 7,24
4 17,15 11,82 10,95 17,20 14,35 16,82
Ejemplo 3.5 Pag. 83 (continuacin)
Mtodo de
Estimacin
Observaciones yi yi Si
1 0.34 0.12 1.23 0.70 1.75 0.12 0.71 0.52 0.66
2 0.91 2.94 2.14 2.36 2.86 4.55 2.63 2.61 1.19
3 6.31 8.37 9.75 6.09 9.82 7.24 7.93 7.81 1.65
4 17.15 11.82 10.95 17.20 14.35 16.82 14.72 15.59 2.80
El anlisis de varianza implica que hay una
diferencia en las estimaciones de las descargas
pico promedio obtenidas en los cuatro
procedimientos como se muestra a continuacin.
ANOVA Table for Col_2 by Col_1
2.63 -0.267 0
2.63 0.233 0 2 4 6 8 10 12 14 16
2.63 1.923 -1
7.93 -1.620
7.93 0.440 -2
7.93 1.820
7.93 -1.840 -3
7.93 1.890
7.93 -0.690 -4
14.72 2.435
14.72 -2.895 -5
14.72 -3.765
14.72 2.485 yij
14.72 -0.365
14.72 2.105
Ejemplo 3.5 Pag. 83 (continuacin)
Las desviaciones dij alrededor de las medianas de los
tratamientos se muestran a continuacin:
Mtodo de Desviaciones dij para la prueba de Levene
Estimacin modificada dij = I yij - yi I
1 0.180 0.400 0.710 0.180 1.230 0.400
2 1.700 0.330 0.470 0.250 0.250 1.940
3 1.495 0.565 1.945 1.715 2.015 0.565
4 1.565 3.765 4.635 1.615 1.235 1.235
La prueba de Levene consiste en realizar un anlisis de
varianza estndar en las dij.
El estadstico de prueba F que resulta en este caso es
F0= 4.57, para el cual el valor P es P = 0.0136. Por lo tanto,
la prueba de Levene rechaza la hiptesis nula de que las
varianzas son iguales, coincidiendo en esencia con el
diagnstico que se hizo a partir del examen visual de la
grfica de los residuales contra los valores ajustados.
Ejemplo 3.5 Pag. 83 (continuacin)
0.10
0.00
-0.40 -0.20 0.00 0.20 0.40 0.60 0.80 1.00 1.20 1.40
-0.10
-0.20
-0.30
log yi
Ejemplo 3.5 Pag. 83 (continuacin)
La tabla de los datos originales ya transformados,
se mustra a continuacin:
Mtodo de
Observaciones Transformadas
Estimacin
1 0.58 0.35 1.11 0.84 1.32 0.35
2 0.95 1.71 1.46 1.54 1.69 2.13
3 2.51 2.89 3.12 2.47 3.13 2.69
4 4.14 3.44 3.31 4.15 3.79 4.10
Total 35.3726 22
Ejemplo 3.5 Pag. 83 (continuacin)
La grfica residual muestra una mejora sensible
en comparacin con la anterior.
Val Ajust Residuales
0.71 -0.18 Grfica de los Residuales contra el valor Ajustado de los yij
0.71 -0.41
0.71 0.35 0.80
0.71 0.08
0.71 0.56
0.60
0.71 -0.41
1.61 -0.63
1.61 0.13 0.40
1.61 -0.12
1.61 -0.04 0.20
1.61 0.11
Residuales
2.79 -0.33
2.79 0.33 -0.40
2.79 -0.11
3.94 0.32 -0.60
3.94 -0.38
3.94 -0.51
-0.80
3.94 0.33
3.94 -0.03 Valor ajustado de yij
3.94 0.28
INTERPRETACION
PRCTICA DE LOS
RESULTADOS
INTERPRETACION PRCTICA
DE LOS RESULTADOS
8
Un Modelo de Regresin
.
Un Modelo de Regresin (continuacin)
Peso Observaciones
porcentual Promedioi
del algodn 1 2 3 4 5
15 7 7 15 11 9 9,8
20 12 17 12 18 18 15,4
25 14 18 18 19 19 17,6
30 19 25 22 19 23 21,6
35 7 10 11 15 11 10,8
2
y = -0,0886x + 4,5926x - 3 2
30 30 y = -0,0076x + 0,4814x -
39,989 Serie1 9,0114x + 62,611 Serie1
2
R = 0,7921 2
R = 0,9286
25 25
Serie2 Serie2
20 20
Serie3 Serie3
15 Serie4 15 Serie4
10 Serie5 10 Serie5
5 Serie6 5 Serie6
Polinmica Polinmica
0 0
(Serie6) (Serie6)
0 20 40 0 20 40
Un Modelo de Regresin (continuacin)
Ecuacin Cbica
y = -0,0076x3 + 0,4814x2 - 9,0114x + 62,611
Coeficientes Ecuacin Cbica
-0,0076 0,4814 -9,0114 62,611
15 35 20 25 30 Niveles (% Algodn)
5 10 15 20 25 Media (Res.Ten.)
Resistencia a la tensin promedio (lb/pulg2)
Contrastes
Muchos mtodos de comparacin mltiple utilizan el concepto de
contrastes.
Puesto que se rechaz la hiptesis nula en el caso de la resistencia del
algodn, se sabe que algunos pesos porcentuales del algodn
producen resistencia a la tensin diferente de otros, pero, cules son
los que causan en realidad esta diferencia?
Al principio podra sospecharse que los niveles 4 y 5 (30% y 35%)
producen la misma resistencia a la tensin, lo que implica que la
hiptesis a probar sera H0: 4 = 5
Hi: 4 5 (3.23)
Si desde el principio del experimento se hubiera sospechado que el
promedio de los niveles ms bajos del peso porcentual del algodn
(1 y 2) no difera del promedio de los niveles ms altos del peso
porcentual del algodn (4 y 5), entonces la hiptesis habra sido
H0: 1 + 2 = 4 + 5
Hi : 1 + 2 4 + 5 (3.24)
Contrastes (continuacin)
En general, un contraste es una combinacin lineal de parmetros de
c
a
la forma i
donde las constantes de los contrastes c1, c2,.., ca
i
i 1 a
suman cero; es decir, c 0
i 1
i
0 i
0
i
i 1 (3.25)
H : c
a
1 i
0
i
i 1
i 1
i
estadstico
a
c y i
(3.27) para probar la hiptesis de la ecuacin
t
i.
i 1
0 a 3.25. La H0 se rechaza si It0I excede
n MS c
2
E i t/2, N-a
i 1
Contrastes (continuacin)
En el segundo enfoque se utiliza la prueba F. Entonces, el cuadrado de
una variable aleatoria t con v grados de libertad es una variable
aleatoria F con un grado de libertad en el numerador y v grados de
libertad en el denominador. Por lo tanto puede obtenerse
a
c y
2
i
Como un estadstico F para probar la
F t
i.
2 i 1
0 0 a (3.28) ecuacin 3.25. La hiptesis nula se
n MS c
2
E
i 1
i rechazara si F0>F,1,N-a
Este estadstico de prueba de la ecuacin 3.28 puede escribirse como
MS C
SS /1 C
F 0
MS E MS E
c y i 1
i i.
SS C a (3.29)
n c 2
i
i 1
Intervalos de Confianza para un Contraste
En lugar de probar hiptesis acerca de un contraste, puede ser ms til
construir un intervalo de confianza. Entonces el contraste suele
expresarse en trmino de los promedios de los tratamientos yi.
Suponga que el contraste de inters es:
a
i 1
c i i
V (C ) s c
2 a
2
i
n i 1
cuando los tamaos de las muestras son iguales. Si se usa MSE para
estimar s2, el intervalo de confianza de 100(1-a) por ciento para el
contraste i 1 ci
a
es
i
a
c y t MS y
E
a
2
a a
MS E
a
2
i , N a c c c
i t i
(3.30) i , N a c i
i 1
i. 2
n i 1 i 1
i
i 1
i. 2
n i 1
donde c
*
c i
i a
n c
2
i
i 1
Tamao de las Muestras Desiguales
Cuando los tamaos de las muestras de cada tratamiento son
diferentes, se introducen modificaciones menores en los resultados
anteriores. Primero, observe que la definicin de un contraste
nc
a
requiere ahora que
i 1
0 i i
MS ni c
2
E i
i 1
c y
2
i 1
i i.
SS C a
ni c
2
i
i 1
Contrastes Ortogonales ( caso especial )
Dos contrastes con coeficientes { ci } y { di } son
a
ortogonales, si:
c d
i 1
0i i
Remplazando:
c y
a
i 1
i i.
2
SS C a
n c 2
i
i 1
C4 = 9 SSc4 = ( 9 )2 / (5 * ( 20 )) = 0.81
Ejemplo 3.6 (continuacin)
ANOVA - Resistencia a la Tensin del Peso porcentual del algodn
Grados Cuadra
Suma
de do
Fuente de Variacion Cuadrados Fo F0.05,4,20 P value
libertad Medio
(SS)
(Dof) (MS)
Peso porcentual del algodn 475.76 4 118.94 14.76 2.87 0.00000913
Contrastes ortogonales
C1 = -y 4. + y 5. 291.6 1 291.6 36.18 4.35 0.00000701
C2 = y 1. + y 3. - y 4. - y 5. 31.25 1 31.25 3.88 4.35 0.06295952
C3 = y 1. - y 3. 152.1 1 152.1 18.87 4.35 0.00031474
C4 = -y 1. + 4y 2. - y 3. - y 4. - y 5. 0.81 1 0.81 0.10 4.35 0.75452031
c
a
Scu MS
2
El error estndar de este contraste es: E iu
/ ni (3.33
i 1
2 E
2
i2 i
como grupo.
i 1
Sin embargo, como | C2 | > S0.01,2,
Por la ecuacin 3.34, los valores crticos de 1% son
se concluye que el contraste
S 0.01,1 S C (a 1) F0.01,a 1, N a 2.54 4(4.43) 10.69 1 = 1 4 no es igual acero; es
1
1
0
1 (3.39)
MS E
ni n j
LSD t , N a
2MS E
n
Para usar el procedimiento LSD de Fisher, simplemente se compara la
diferencia observada entre cada par de promedios con la LSD
correspondiente. Si y y LSD, se concluye que las medias poblacionales
i. j.
i y j difieren.
Ejemplo 3.8 Pag. 99
Para ilustrar el procedimiento, se usan los datos del experimento 3.1, la
LSD con = 0.05 es
LSD t 0.05, 20
2MS E 2.086
2(8.06)
3.75
5
n
Por lo tanto, cualquier par de promedios de los tratamientos que difiera
del valor absoluto por ms de 3.75 implicara que el par correspondiente
de medias poblacionales es significativamente diferente. Las diferencias
en los promedios son:
y y 9.8 15.4 5.6 *
1. 2. RESUMEN DE LOS RESULTADOS
y y 9.8 17.6 7.8 *
1. 3.
tratamientos.
85
Prueba de Rango Mltiple de Duncan
Un procedimiento muy utilizado para comparar todos los pares de medias es
la prueba de rango mltiple desarrollada por Duncan.
Para aplicar esta prueba cuando los tamaos de las muestras son iguales,
los a promedios de los tratamientos se arreglan en orden ascendente, y el
error estndar de cada promedio se determina como MS
S yi E
(3.42)
n
Para tamaos de las muestras desiguales, se sustituye n en la ecuacin
(3.42) con la media armnica nh del {nj}, donde a
h
n a
(1 / n )
(3.43)
i
i 1
Observe que si n1 = n2 = = na, nh = n. En la tabla de Duncan de rangos
significativos se obtienen los valores r(p,f) para p = 2, 3, , a donde es
el nivel de significacin y f es el nmero de grados de libertad del error.
Estos rangos se convierten en un conjunto de a 1 rangos mnimos de
significacin (por ejemplo Rp) para p = 2, 3, , a calculando
R r
p a
( p, f ) S y para p 2,3,..., a
i
Prueba de Rango Mltiple de Duncan
(continuacin)
Entonces, se prueban las diferencias observadas entre las medias,
empezando con la ms grande contra la menor, la cual se comparara
con el rango mnimo de significacin Ra.
Despus se calcula la diferencia de la mayor y la segunda menor y se
comparara con el rango mnimo de significacin Ra-1.
Estas comparaciones se continan hasta cuando todas las medias se
han comparado con la media mayor.
Por ltimo, se calcula la diferencia entre la segunda media mayor y la
menor y se compara con el rango mnimo de significacin Ra-1.
Este proceso se contina hasta cuando se han considerado las
diferencias entre todos los a(a-1)/2 pares de medias posibles.
Si una diferencia observada es mayor que el rango de significacin
mnima correspondiente, se concluye que el par de medias en
cuestin es significativamente diferente.
Para evitar contradicciones, ninguna de las diferencias entre un par
de medias se considera significativa si las dos medias en cuestin se
localizan entre otras dos medias que no difieren significativamente.
Ejemplo 3.9 Pag. 101 y 1.
9.8
La prueba del rango mltiple de Duncan puede aplicarse al y 10.8
5.
experimento de ejemplo 3.1. Recuerde que MSE = 8.06,
y 15.4
N = 25, n = 5 y hay 20 grados de libertad del error. Al arreglar 2.
y 21.6
4.
p 2 3 4 5 6 7 8
r 0.01 (p,20) 4.02 4.22 4.33 4.40 4.47 4.53 4.58
q 0.01 (p,20) 4.02 4.64 5.02 5.29 5.51 5.69 5.84
DETERMINACIN DEL
TAMAO DE LA MUESTRA
DETERMINACIN DEL TAMAO DE
LA MUESTRA
En cualquier problema de diseo
experimental, una decisin crtica es la
eleccin del tamao de la muestra; es
decir, determinar el nmero de rplicas
que se deben correr.
Si el experimentador tiene inters en
detectar efectos pequeos, se necesitan
ms rplicas que cuando se interesa en
detectar efectos grandes.
DETERMINACIN DEL TAMAO DE LA
MUESTRA (continuacin)
Curva de operacin caracterstica:
DETERMINACIN DEL TAMAO DE LA
MUESTRA (continuacin)
Curva de operacin caracterstica (cont.):
Curva de operacin caracterstica
Curva de operacin caracterstica (continuacin)
Curva de operacin caracterstica (continuacin)
Curva de operacin caracterstica (continuacin)
Ejercicio 3.11
Ejercicio 3.11 (continuacin)
Curva de operacin caracterstica
0.15
2,11
Ejercicio en clases
Una compaa textil utiliza un gran nmero de telares. Se
desea que los telares sean homogneos con el objeto de
producir tela de resistencia uniforme. El ingeniero de
procesos supone que, aparte de la variacin usual en la
resistencia de la tela en muestras del mismo telar, puede
existir una variacin significativa de la resistencia entre
los distintos telares. Para investigar esto, selecciona
cuatro telares al azar y realiza cuatro determinaciones de
la resistencia de la tela manufacturada por cada uno.
Este experimento es realizado en orden aleatorio y los
datos que se recopilan aparecen en la Tabla 1. Se lleva a
cabo un anlisis de varianza cuyos resultados se
muestran en la Tabla 2. De este anlisis se concluye que
existe diferencia significativa entre los telares de la
planta.
Tablas