Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica 3
Estadistica 3
EXPERIMENTOS
Profesor: Ing. Joaquín García
Curso: ESTADISTICA III GRUPO D1
Horario: MIERCOLES Y VIERNES 10 A 12 AM
ESCUELA DE ESTUDIOS
INDUSTRIALES Y EMPRESARIALES
La estadística , y en particular el
diseño de experimentos son
consideradas como técnicas que
deben incorporarse al desarrollo del
proceso investigativo
Ing. M.Sc. Joaquin Garcia. UIS 2
La estadística y el método
científico
El metodo cientifico , es un proceso
que da indicaciones para avanzar en la
investigacion y suministra medios para
evitar algunos errores .
CLASES DE EXPERIMENTOS
1. Absolutos
2. Comparativos
2. EXPERIMENTOS COMPARATIVOS:
Su objetivo es establecer comparaciones entre
objetos que reciben tratamientos diferentes.
Por ejemplo: la potencia de una droga puede
establecerse comparándola con las de otras
drogas , incluyendo controles.
7. CONCLUSIONES Y RECOMENDACIONES
Después de analizar los datos se establecen las
inferencias estadísticas
Los hallazgos deben ir complementados con
recomendaciones para estudios correspondientes
x3 u x2 x1 Grafico 1
Si las medias de las tres poblaciones son iguales , cabe
esperar que las tres medias de las muestras se aproximen
entre si.
Si es verdadera , la hipotesis nula , Ho: u1 = u2 = u3 , se
puede utilizar la variabilidad entre las medias de la muestra
para determinar un estimado de 2
2 = n x 2
Ing. M.Sc. Joaquin Garcia. UIS 36
Estimado de 2 = n (Estimado de x2 ) =
X3 u3 u2 X2 X1 u1
Estimado de 2 = 34 + 20 + 32 / 3 = 28.67
T Tj j ,Y T / n
Ing. M.Sc. Joaquin Garcia. UIS 44
Modelo para una ANOVA
de una via
Yij = + j + ij
j = 1,2, ..., k; i = 1,2, ..., r
j = .j -
ij
.j
j ij
Yij
ij
2
j
j ij
Yij
CUADRADO MEDIO
MStratamientos = SStratamientos / (k-1)
MSerror = SSerror/(n - k)
SStotal = SS* - FC
MStratamient = SStratamient/(k-1) =
516 / 2 = 258
MSerror = SSerror/(n-k) =
430 / 18 – 3 = 28.67
Estadístico de prueba:
F= MSTR/MSE
Total 946 17
Yij = + j + ij
j = 1,2, ..., k; i = 1,2, ..., r
j = .j -
Ho : μ1= μ2=.... μK
H1: μi ≠ μj para al menos un par ( i, j )
-------- = μ
K
Ho : 1= 2=.... K
H1: j ≠ 0 para al menos una j
MStratamient = SStratamient/(k-1)
Cuadrado medio debido al error
MSerror = SSerror/(n-k)
Ing. M.Sc. Joaquin Garcia. UIS 62
Tabla de análisis de varianza para el modelo con un
solo factor y efectos fijos
Grados
Fuente de Cuadrado
Suma de cuadrados de F
variacion Promedio
libertad
Error (Dentro
de los SSe = SSt - SStreatment n-k MSerror
tratamientos)
El mayor Sj2
G = ------------------
k
j 1
Sj2
Ing. M.Sc. Joaquin Garcia. UIS 67
La hipótesis de igualdad de varianzas se rechaza si
G > Gdonde
G el valor de Gse obtiene de tablas
Mezcla (%)
1 2 3 4 5
551 595 639 417 563
457 580 615 449 631
450 508 511 517 522
731 583 573 438 613
499 633 648 415 656
632 517 677 555 679
Total 3320 3416 3663 2791 3664 16.854
Media 553.33 569.33 610.50 465.17 610.67 561.80
varianza 12.134 2303 3594 3319 3455
tabla de datos.
15 7 7 15 11 9 49 9,8
20 12 17 12 18 18 77 15,4
25 14 18 18 19 19 88 17,6
30 19 25 22 19 23 108 21,6
35 7 10 11 15 11 54 10,8
y..=376 y..=15.04
Estadístico de prueba:
F= MSTR/MSE
Grados
Fuente de Suma de Cuadrado
de F Valor P
variación cuadrados Medio
libertad
Peso
Porcentual
475.76 4 118.94 14.76 <0.01
del
algodón
Total 636.96 24
C=
k
j 1
cjY .j
donde:
k
cj 0
j 1
k
j 1 j c dj 0
Para un diseño no balanceado si:
k
j 1
n jc jd j 0
El método de contrastes ortogonales es útil para lo que
se llama comparaciones preplaneadas. Es decir , los
contrastes se especifican antes de llevar acabo el
experimento y de examinar los datos. La razón de esto es
que , si las comparaciones se seleccionan después de
examinar datos, la mayoría de los experimentadores
construirían pruebas que corresponderían con las
diferencias grandes observadas en las medias
Ing. M.Sc. Joaquin Garcia. UIS 80
EJEMPLO
CONTRASTES
15 7 7 15 11 9 49 9,8
20 12 17 12 18 18 77 15,4
25 14 18 18 19 19 88 17,6
30 19 25 22 19 23 108 21,6
35 7 10 11 15 11 54 10,8
y..=376 y..=15.04
Grados
Fuente de Suma de Cuadrado
de Fo Valor P
Variacion cuadrados medio
libertad
Peso porcentual
475.76 4 118.94 14.76 <0.001
del algodon
Contrastes ortogonales
C4: 4μ2= μ1 +
μ3 + μ4 + μ 5
(0.81) 1 0.81 0.10 0.76
TOTAL 636.96 24
Ing. M.Sc. Joaquin Garcia. UIS 86
Estas sumas de cuadrados de los contrastes hacen la
partición completa de la suma de cuadrados de los
tratamientos .las pruebas de estos contrastes
ortogonales se incorporan por lo general en el análisis
de varianza , como se nuestra en la anterior tabla.
Test de Duncan
MSerror
Sy. j (1)
n
Esta ecuación supone que el experimento es
balanceado
Para tamaños de muestra desiguales , se
sustituye n en la ecuación (1) con la media
armónica nh del { nj }, donde
k
n h = --------------------
k
j 1
(1 / n j)
Ing. M.Sc. Joaquin Garcia. UIS 89
4. De la tabla de Duncan de los rangos significativos se
obtienen los valores r( p,f ) para p = 2,3…..k donde
es el nivel de significacion y f es el numero de
grados de libertad del error
8.06
Sy.j 1.27
5
Ho : μj = μi
H1 : μj ≠ μi
(Y max Y min )
Q
MS error
n
MS error
TQ ( k,f ) n
(1)
8.06
T 4.23
0.05 5.37
5
Yij = + j + ij
j = 1,2, ..., k; i = 1,2, ..., n
j = .j -
VAR(Yij) = 2 + 2
Ho : 2 = 0
Ing. M.Sc.
H1: 2> 0
Garcia.
Joaquin UIS 105
Estadístico de prueba:
F= MSTR/MSE (1)
E[MStrat]= 2 + n 2
E[MSerror]= 2
Ing. M.Sc. Joaquin Garcia. UIS 106
Regla de rechazo al nivel de significancia :
Rechazar Ho si F> F
Si la hipótesis se rechaza , entonces se puede estar
interesado en estimar los componentes de la
varianza 2y 2
1 y 11 y 12 y 13 ... y 1k y1
2 y 21 y 22 y 23 ... y 2k y 2
Blocks
3 y 31 y 32 y 33 ... y 3k y3
. . . . .
n y n1 y n2 y n3 ... y nk y n
y1 y2 y3 yk
y
Yij = + i + j + ij
i = i. -
j = .j -
ij = Yij - i. - .j +
i = 1,2,...,b; j = 1, 2,...,k
Ho:1 = 2 =. . . = j = 0
H1: j ≠ 0 para al menos un k
i j (Yij - Y..)2 =
i j ( Yi. - ..)2
Y
+ i j ( Y.j - Y..)2
MSblock = SSblock/(b-1)
MStreatment = SStreatment/(k-1)
MSerror = SSerror/[(b-1)(k-1)]
E[MSblock] = 2 + k i i2/(b-1)
E[MStreatment] = 2 + b j j2/(k-1)
E[MSerror] = 2
Fo= MSTR/MSE
Fo= MSbloques/MSE
Grados
Fuente de Suma de Cuadrado
de Fo
variación cuadrados medio
libertad
1 -2 -1 1 5 3
2 -1 -2 3 4 4
3 -3 -1 0 2 -2
4 2 1 5 7 15
Grados
Fuente de Suma de Cuadrado
de Fo Valor p
variacion cuadrados medio
libertad
Tratamientos
(tipo de 38.50 3 12.83 14.44 0.0009
punta)
Bloques
82.50 3 27.50
(ejemplares)
Total 129.00 15
Ing. M.Sc. Joaquin Garcia. UIS 126
UTILIZANDO =0.05 , EL VALOR CRITICO DE F ES
F0.05,3,9 = 3.86 . PUESTO SE CONCLUYE QUE EL TIPO
DE PUNTA AFECTA LA LECTURA DE LA DUREZA DE LA
MEDIA. ADEMAS , AL PARECER LOS EJEMPLARES
(BLOQUES) DIFIEREN DE MANERA SIGNIFICATIVA , YA
QUE EL CUADRADO MEDIO DE LOS BLOQUES ES
GRANDE EN RELACION CON EL ERROR.
λ = r( t -1 ) / ( k -1 )
Yij = + i + j + ij
• la variabilidad total en los datos se expresa por la suma
de cuadrados totales corregida:
Fo= MSTR(corregida)/MSE
Ing. M.Sc. Joaquin Garcia. UIS 132
Análisis de varianza de un diseño de bloques incompletos
balanceados
Grados
Fuente de Suma de Cuadrado
de Fo
variación cuadrados medio
libertad
SSe(por
Error
sustracción)
N-k-b+1 SSe / n-k-b+1
Total SSt N -1
Ing. M.Sc. Joaquin Garcia. UIS 133
EJEMPLO
1 73 74 - 71 218
2 - 75 67 72 214
3 73 75 68 - 216
4 75 - 72 75 222
Análisis de Datos:
SStotal = ij yij 2 – y.. 2 / 12
= 63.156- (870)²/12 = 81.00
Grados
Fuente de Suma de Cuadrado
de Fo Valor p
variacion cuadrados medio
libertad
Tratamientos
(ajustados para 22.75 3 7.58 11.66 0.0107
los bloques)
Bloques
(ejemplares)
55.00 3 -
Total 81.00 11
Ing. M.Sc. Joaquin Garcia. UIS 139
PUESTO QUE EL VALOR P ES PEQUEÑO ,
SECONCLUYE QUE EL CATALIZADOR EMPLEADO
TIENE UN EFECTO SIGNIFICATIVO SOBRE EL
TIEMPO DE REACCION.
1 2 3 4
1 A B C D
2 B A D C
3 C D A B
4 D C B A
yijl l j i ijl
fila
columna
tratamiento
l = 1 , 2 , 3 ……k
J = 1 , 2 , 3 ….. k
i = 1 , 2 , 3 ….. K
Fo = MSTratamientos/MSE
Grados
Fuente de Suma de Cuadrado
de Fo
variación cuadrados medio
libertad
Total SSt k² - 1
1 736 (C) 587 (E) 811 (B) 724 (A) 762 (D) 3620
2 757 (A) 737 (C) 578 (D) 590 (E) 809 (B) 3471
3 573 (B) 789 (D) 577 (E) 751 (C) 822 (A) 3512
4 686 (E) 761 (B) 667 (A) 683 (D) 563 (C) 3360
5 942 (D) 802 (A) 920 (C) 635 (B) 725 (E) 4024
Grados
Fuente de Suma de Cuadrado
de Fo Valor p
variacion cuadrados medio
libertad
Tratamientos
(dietas)
50.812 4 12703 1.01 0.44
Total 267748 24
Ho:1 = 2 =. . . = a = 0
H1: al menos una j ≠ 0
Grados
Fuente de Suma de Cuadrado
de Fo
variación cuadrados medio
libertad
MSB/Mse
Tratamientos B SSB b-1 SSB / b-1
SSe / ab(n-1)
Error SSe ab(n-1)
A= 3 B= 3 n= 4
130 34 20
74 80 82 998
1 155 40 70
180 539 75 229 58 230
FACTOR(A) MATERIAL
150 136 25
159 106 58 1300
2 188 122 70
126 623 115 479 45 198
138 174 96
168 150 82 1501
3 110 120 104
160 576 139 583 60 342
TOTAL 77646.96 35
100 Material 1
85,5
75 Material 2
25
0
15 70 125
Ing. M.Sc. Joaquin Garcia. UIS 165
CONCLUSIONES:
los datos reflejan evidencias suficientes que el tipo de material se
afecta al voltaje de salida, considerado al nivel de significancia del
5%
los datos presentan evidencias suficientes que las temperaturas
usada -5 en el experimentos si afectan al voltaje de salida,
considerando un nivel de significancia del 5%
los datos demuestran evidencias suficientes que el tipo de material
usado y las temperaturas consideradas en el experimento tienen
efecto conjunto sobre el voltaje de salida considerado k un nivel de
significancia del 5%
Debido a que sólo hay dos niveles para cada factor, debe
suponerse que la respuesta es aproximadamente lineal en el
intervalo de los niveles elegidos de los factores.
e1
O
2 O1 O4 O3 O6 O5 O8 O7
4
1 ( O4 O3 ) ( O8 O7 ) ( O2 O1 ) ( O6 O5 )
e12
2 2 2
1 - - - - (1) 45
2 + - - - a 71
3 - + - - b 48
4 + + - - ab 65
5 - - + - c 68
6 + - + - ac 60
7 - + + - bc 80
8 + + + - abc 65
9 - - - + d 43
10 + - - + ad 100
11 - + - + bd 45
12 + + - + abd 104
13 - - + + cd 75
14 + - + + acd 86
15 - + + + bcd 70
16 + + + + abcd 96
Ing. M.Sc. Joaquin Garcia. UIS 182
Estimaciones de los efectos de los factores y
sumas cuadrados del diseño factorial 24
TERMINO DEL ESTIMACION DEL SUMA DE CONTRIBUCION
MODELO EFECTO CUADRADOS PORCENTUAL
A 21,625 1870,56 32,6397
B 3,125 30,0625 0,681608
C 9,875 390,062 6,806
D 14,625 855,563 14,92
AB 0,125 0,0625 0,001
AC -18,125 1314,06 22,92
AD 16,625 1105,56 19,29
BC 2,375 22,5625 0,39
BD -0,375 0,5625 0,009
CD -1,125 5,0625 0,088
ABC 1,875 14,0625 0,245
ABD 4,125 68,0625 1,187
ACD -1,625 10,5625 0,184
BCD -2,625 27,5625 0,480
ABCD 1,375 7,5625 0,1319
Ing. M.Sc. Joaquin Garcia. UIS 183
Análisis de varianza del experimento del índice
de filtración en A, C y D
1 + + + + + + + + + + + + + +
2 + + + - - + + - + - - + + -
3 + + - + - + - + - + - - - -
4 + + - - + + - - -
5 + - + + - - + -
6 + - + - + - + -
7 + - - + + - - +
8 + - - - - - - +
9 - + + + -
10 - + + - -
11 - + - + -
12 - + - - -
13 - - + + +
14 - - + - +
15 - - - + +
16 - - - - +
Ing. M.Sc. Joaquin Garcia. UIS 190
Estimación de los efectos:
general: (1...16) /16
Media
Efecto principal de 1 = 1/8 (+1+2+3+4+5+6+7+8)-
1/8(9+10+11+12+13+14+15+16)]
Interacción 4x5 = 1/16 (+1+2-3-4-4-4+7+8-9.........)
Este valor debe compararse con el ERROR
ESTANDAR de los experimentos replicados o
con los efectos de las interacciones menos
probables (si no hay replicados) o para
determinar el grado de significación del efecto
calculado.
1 2 3 4
+ + + +
+ + - -
+ - + -
+ - - +
- + + -
- + - +
- - + +
- - - -
1 2 3
- - +
+ - -
- + -
+ + +
1 2 3
- - -
+ - +
- + +
+ +
Ing. M.Sc. Joaquin Garcia. UIS - 194
Ejemplo 3 : Diseño factorial 2 k-4
(k : numero de variables ; 2 niveles)
Este diseño consiste en un factorial completo para (k-4)
variables donde todas las interacciones se asocian con las
nuevas variables que se incluyen en el diseño (están
confundidos)
Para 8 variables seria 2^ 4 experimentos (16)
Para 7 variables serian 2^3 experimentos (8)
En el ejemplo se evalúan en total 7 variables en 8 experimentos.
Es un diseño balanceado, saturado (ya que todos los
contrastes están asociados con variables) y confundido.
Mediante este diseño solo se evalúan efectos principales de las
variables.
1 + + + + + + + ......
2 - + + - - + - .......
3 + - + - + - - .......
4 - - + + - - + .......
5 + + - + - - - .......
6 - + - - + - + .......
7 + - - - - + + ........
8 - - - + + + - .......
Ing. M.Sc. Joaquin Garcia. UIS 196