Estadística Inferencial II

 Unidad 3
 Diseño de experimentos de un factor

M.C. José Armando Rodríguez Romo

6/1/22 1
 Competencia específica:

 El alumno:
 Usará el Análisis de Varianza con el objeto
de procesar la información y tomar una
decisión en base a los resultados
obtenidos.
Ingeniería Industrial 6/1/22 2
 Subtemas

3.1 Familia de diseños para comparar tratamientos.

3.2 El modelo de efectos fijos.
3.3 Diseño completamente aleatorio y ANOVA.
3.4 Comparaciones o pruebas de rangos múltiples.
3.5 Verificación de los supuestos del modelo

Ingeniería Industrial 6/1/22 3

 Familia de diseños para comparar
tratamientos

1. Diseño completamente al azar

2. Diseño en bloques completos al azar

3. Diseño en cuadro latino

4. Diseño en cuadro grecolatino

Ingeniería Industrial 6/1/22 4
 El modelo de efectos fijos
En la práctica puede suceder que los tratamientos que se
desea comparar sean demasiados como para experimentar
con todos. Cuando esto sucede es conveniente comparar
sólo una muestra de la población de tratamientos, de
modo que el efecto pasa a ser una variable aleatoria con
su propia varianza que deberá estimarse a partir de los
datos (véase sección “Modelos de efectos aleatorios”
Ingeniería Industrial 6/1/22 5
 El modelo de efectos fijos
En este capítulo sólo se presenta el caso en que todos los
tratamientos que se tienen se prueban, es decir, se
supone una población pequeña de tratamientos, lo cual
hace posible compararlos a todos. En este caso, el
modelo dado por la ecuación

se llama modelo de efectos fijos.

Ingeniería Industrial 6/1/22 6
 Diseño completamente aleatorio y
ANOVA
Terminología
 Unidades experimentales. Los objetos sobre los
cuales se hacen mediciones se denominan
unidades experimentales.
 Factor: es una parte del proceso que al cambiar de
estado, modifica significativamente el
comportamiento de la variable que se está midiendo.
 Nivel: al grado de intensidad de un factor se le llama
nivel.
Ingenbiería Industrial 6/1/22 7
 Diseño completamente aleatorio y
ANOVA
 Tratamiento: un tratamiento es una combinación
específica de niveles de un factor o de factores.
 Experimento: es un conjunto de pruebas estructurado y
coherente que es analizado a fin de ganar entendimiento
acerca del proceso.
 Diseño de Experimentos: es el nombre usado
comúnmente para describir la planeación y ejecución del
experimento de forma tal que se asegure la confiabilidad del
mismo en la obtención de resultados y que su costo sea el
mínimo posible
Ingenbiería Industrial 6/1/22 8
 Diseño completamente aleatorio y
ANOVA
 Análisis de varianza: es una técnica mediante la cual
la variación total presente en un conjunto de datos se
divide en varias componentes, cada una de las cuales
tiene asociada una fuente de variación específica, de
manera que en el análisis es posible conocer la
magnitud de las contribuciones de cada fuente de
variación a la variación total.
Ingenbiería Industrial 6/1/22 9
 Diseño completamente aleatorio y
ANOVA

 Eficiencia del Experimento. Un experimento es

eficiente cuando:
 Se obtiene la información requerida
 Con el mínimo consumo de recursos

Ingenbiería Industrial 6/1/22 10

 Diseño completamente aleatorio y
ANOVA

 Principios Básicos
 Repetibilidad. Esto significa que las pruebas se puedan repetir
bajo las mismas condiciones en más de una ocasión. La
repetibilidad es importante, al menos por dos razones:

 Permite cuantificar el error aleatorio inherente al

proceso


Ingenbiería Industrial Permite una mejor estimación de los parámetros
6/1/22 11
 Diseño completamente aleatorio
y ANOVA
 Principios Básicos
 Aleatoriedad. Esto significa que, tanto el material asignado a una
prueba en particular como el orden en que se realizan las pruebas, se
seleccionan al azar o de manera aleatoria. La aleatoriedad es
importante al menos por dos razones:

 Confunde el efecto de factores no controlables

 Valida las pruebas estadísticas al hacer que los errores

Ingeniería Industrial experimentales sean estadísticamente independientes.

6/1/22 12
 Diseño completamente aleatorio
y ANOVA

 Principios Básicos
 Bloqueo. Consiste en nulificar o tomar en cuenta
en forma adecuada todos los factores que puedan
afectar la respuesta observada.

Ingeniería Industrial 6/1/22 13

 Diseño completamente aleatorio
y ANOVA

 Suponga que tenemos diferentes niveles a de un

solo factor (tratamientos) que deseamos
comparar. La respuesta observada para cada uno
de los a tratamientos es una variable aleatoria.
Los datos aparecerán como en la tabla siguiente:

Ingeniería Industrial 6/1/22 14

 El Análisis de Varianza en la
Clasificación de un Solo Sentido

Tratamientos Observaciones Totales Promedios

1 y11 y12 
y1n
2 y21 y22 
y2n
3 y31 y31 
y3n

a ya1 ya1 
yan

Ingeniería Industrial 6/1/22 15

 El Análisis de Varianza en la
Clasificación de un Solo Sentido

 Un dato en esta tabla, por ejemplo, representa la j-ésima

observación tomada bajo el i-ésimo tratamiento. En un
principio consideramos el caso en que hay un número igual
de observaciones, n , en cada tratamiento. Podemos
describir estas observaciones por medio de un modelo
estadístico lineal.

Ingeniería Industrial 6/1/22 16

 El Análisis de Varianza en la
Clasificación de un Solo Sentido

 Análisis Estadístico
i. Las hipótesis apropiadas son
H0 : 1= 2=  =a=0 (El factor NO afecta la variable de respuesta)

H0 : 1= 2=  =a=0 (El factor SI afecta la variable de respuesta)

ii. El estadístico de prueba es:

Ingeniería Industrial 6/1/22 17

 El Análisis de Varianza en la
Clasificación de un Solo Sentido

iii.La regla de decisión para un nivel de significancia ,

es

Rechazar o

iv. Evaluar el estadístico de Prueba, utilizando la tabla

del ANOVA

Ingeniería Industrial 6/1/22 18

 El Análisis de Varianza en la
Clasificación de un Solo Sentido

Análisis de Varianza para el modelo de efectos fijos de clasificación

en un sentido
Fuente de Sumas de Grados de Cuadrados f0
variación Cuadrados libertad Medios
Tratamientos

Error
Total

Ingeniería Industrial 6/1/22 19

 El Análisis de Varianza en la
Clasificación de un Solo Sentido

v. Tomar una decisión: Rechazar o No Rechazar

vi. Conclusión: el rechazo de H0 implica que al menos

uno de los efectos de tratamiento es diferente de cero y
por lo tanto el factor si afecta la variable de respuesta.

Ingeniería Industrial 6/1/22 20

 Comparaciones o pruebas de
rangos múltiples
i. Método de Scheffé para Comparación de
Contrastes
ii. Método de la Mínima Diferencia
Significativa
iii. Prueba de Rango Múltiple de Duncan
iv. Prueba de Newman – Keuls
v. Prueba de Tukey

Ingeniería Industrial 6/1/22 21

 Verificación de la Adecuación
del Modelo

 En cualquier experimento diseñado, es siempre

importante examinar los residuos y verificar si se violan
las suposiciones básicas (Normalidad, Independencia,
Aditividad e Igualdad de varianzas) que pueden
invalidar los resultados.

Ingeniería Industrial 6/1/22 22

 Verificación de la Adecuación
del Modelo

Generación de los Residuos

 Los valores de los residuos se obtienen, como es usual, por
la diferencia entre los valores observados y los estimados
(medias de tratamiento)

Ingeniería Industrial 6/1/22 23

 Verificación de los supuestos del
modelo
 La Suposición de Normalidad. La suposición de normalidad
puede verificarse mediante la construcción de una gráfica de
probabilidad normal de los residuos.

 Independencia. Trazado de los Residuos en secuencia de

Tiempo.

 Igualdad de varianzas. Trazado de los Residuos Contra

Valores Ajustados.
Ingeniería Industrial 6/1/22 24