Ejemplo

Se va efectuar un estudio de los movimientos para

determinar el mejor diseño de trabajo para
ensamblar computadores PENTIUN IV; cinco
diseños se hallan en estudio. Se seleccionan cuatro
técnicos aleatoriamente entre todos los obreros de
la planta y se les enseña minuciosamente a trabajar
con los cinco diseños.
Cada técnico sigue cada diseño durante un día y se
registra el número de computadoras ensambladas.
En este problema se desea determinar
 1). Si existe diferencia significativa entre los
diseños de trabajo
2). Si existe diferencia significativa en la producción


entre técnicos. CUADRO No. 2.5
DATOS MUESTRALES PARA EL EXPERIMENTO
DE
LOS DISEÑOS DE TRABAJO
Diseños de trabajos
Técnicos 1 2 3 4 5 .j

1 10 13 9 14 11 57

2 5 10 5 10 6 36

3 6 12 5 10 6 39

4 4 8 4 11 5 32

i 25 43 23 45 28 164
 SOLUCION

 HIPOTESIS:
 -Para tratamiento
 0 :  j  0 ; j  1,2,...,5
 1 :  j  0 ; j  1,2,...,5
-Para bloques
 0 :  i  0 ; i  1,2,3,4
 1 :  i  0 ; i  1,2,3,4
a.NIVEL DE SIGNIFICACION =0.01
 CALCULO DE LA SUMA DE CUADRADOS

 SCT = 1536 - 1344.8 = 191.2


 C = 1344.8

 SCTr = 1453 - 1344.8 = 108.2

 SCB = 1418 - 1344.8 = 73.2

 SCE = 191.2 - (108.2 + 73.2) = 9.8
 CUADRO No. 2.5
CUADRO DE ANALISIS DE VARIANZA

Fuente de G.L SC CME F

variacion .
Media 1 1344.8

Tratamientos 4 108.2 27.05 33.110*

Bloques 3 73.2 24.40 29.865*
Error 12 9.8 0.817

Total 20 1536.0
 DOCIMA ESTADISTICA.
 Como el valor de Ftab. encontrado en la
distribución F-de SNEDECOR con 4 y 12 grados
de libertad y a un nivel de significación de 1%
nos dá un valor de 5.41 que es menor que Fexp.
= 33.11. Por lo tanto la hipótesis Ho se rechaza
para el caso de igualdad de tratamiento.
 En cuanto a la igualdad de bloques vemos que
Fexp = 29.865 es mucho mayor que Ftab. = 5.41
Por lo tanto Ho. también se rechaza.
 DECISION

 Como Ho. se rechaza tanto para igualdad

de tratamientos como para igualdad de
bloques, significa que existe diferencia
significativa en los diseños de montaje de
computadoras lo mismo que en la rapidez
de los técnicos.
EFICIENCIA DE UN DISEÑO EN BLOQUE COMPLETO ALEATORIZADO

CON RESPECTO A UN DISEÑO COMPLETAMENTE ALEATORIZADO

 El método que nos permite determinar esta eficiencia

esta dado por la relación:

cuadrado medio del error exp erimental

estimado para un diseño C.A.
E.R.  .
cuadrado medio del error exp erimental
del diseño BCA.
 (r-1 )CMB  r(t-1 )CME
E.R. 
(rt-1 )CME

 Donde CMB y CME se refieren a los cuadrados

medios (diseño en bloque completo aleatorizado)
para los bloques y el error experimental
respectivamente.
 Ejemplo:
Consideramos el cuadro de análisis de variancia
No. 2.4
 En este caso, la eficiencia del diseño en bloque
completo aleatorizado con respecto a un diseño
completamente aleatorizado se estima que es
 3( 24.4 )  4( 4 )( 0.817 )
E.R.   5.56
19( 0.817 )

 Se puede ver que con el modelo de bloques

completamente aleatorizado se obtiene una
ganancia apreciable en eficiencia por la
formación de bloques.
 DISEÑOS POR BLOQUES INCOMPLETOS

BALANCEADOS
Cuando se construye un diseño en bloques
aleatorizados, pueda suceder que no sea posible
realizar todos los tratamientos en cada bloque. En
estos casos es posible usar diseños en bloques
aleatorizados en los que cada tratamiento no esta
presente en cada bloque, estos diseños reciben el
nombre de diseños en bloques
incompletos siendo uno de los mas
utilizados el diseño de bloques
incompletos balanceados BIB
Supongamos que se tienen t tratamientos de los
cuales solo se pueden experimenta k (k < t)
tratamientos en cada bloque. Se puede construir
un diseño BIB tomando tCk bloques y asignando
una combinación de tratamientos diferente a
cada bloque.
Sin embargo, frecuentemente es imposible
obtener un diseño balanceado con menos de tCk
bloques.
Los parámetros que caracterizan a este modelo
son :
 EJEMPLO
supóngase que un ingeniero químico cree que el
tiempo de reacción en un proceso químico es
función del catalizador empleado.
 De hecho cuatro catalizadores están siendo
investigados. El procedimiento experimental
consiste en seleccionar un lote de materia prima,
cargar una planta piloto, aplicar cada catalizador
a ensayos separados en dicha planta y observar
el tiempo de reacción
 . Por lo tanto, es necesario utilizar un diseño
aleatorizado por bloques incompletos.
 CUADRO No 2.6 DISEÑO BALANCEADO DE BLOQUES
INCOMPLETOS PARA EL DISÑO DEL CATALIZADOR
Tratamientos Bloques (Lotes ) De Prima
materia
(Catalizador) 1 2 3 4 Yi.

1 73 74 - 71 218
2 - 75 67 72 214
3 73 75 68 - 216
4 75 - 72 75 222

Y.j 221 224 207 218 870

 Análisis Estadístico

 Como es usual, suponemos que existen t

tratamientos y b bloques. Se supone, además
que se prueban k tratamientos en cada bloque,
que cada tratamiento sucede r veces en el
diseño( o se repite r veces) y que hay un total
de N = tr = bk observaciones. Más aún, el
número de veces que cada par de tratamientos
ocurre en el mismo bloque es:   r (tk11)
 Se dice que el diseño es simétrico si t = b.
El parámetro λ debe ser un entero. Para deducir la relación
de λ, considérese cualquier tratamiento, por ejemplo el 1.
Como el tratamiento 1 ocurre en bloques, y hay otros k-1
tratamientos en cada uno de esos bloques, existen r(k-1)
observaciones en un bloque que contiene al tratamiento 1.
Estas r(k-1) observaciones deben representar al resto de
los t-1 tratamientos λ veces. Por lo tanto, λ (t-1) = r(k-1)
El modelo estadístico es

Yij = μ+τi +βj +εij

donde:
Yij es la i- ésima observación del j-ésimo bloque,
μ es la media general,
τi es el efectodel i-ésimo tratamiento,
βj es el efecto del j-ésimo bloque
γij es la componente del error aleatorio NID(0, σ2 ).
 La variación total en los datos se expresa

mediante la suma total de cuadrados corregidos

(o ajustados)
y..
2

SCTr    y ij 
2

i j N
La variabilidad total puede ser descompuesta
SCT= SC Tratamientos (ajustada) + SC bloque + SCE
 La suma de cuadrados de bloques es


b
SCBloques = 
2
 Y . j Y 2 ..
j 1 k N

a
k  Qi2
SCTratamientos(ajustada) = i 1

t
Qi = Yi.- 1
1 b
Qi  yi   nij y. j i = 1,2,…,t
- k k j 1
SCE = SCT − SCTratamiento(ajustada) − SCBloque
tiene N − a − b + 1 grados de libertad.
La estadística apropiada para probar la
de los efectos de tratamiento es
MS Tratamient os ( ajustados )
Fo 
MS E
ANALISIS VARIANCIA PARA EL DISEÑO BALANCEADO POR
BLOQUES INCOMPLETOS
 Ejemplo
 Considere los datos de la Tabla 2.5 para el
experimento de los catalizadores .- Se trata de
un diseño de bloques incompletos con t = 4 ,
b= 4 , k = 3 , r = 3 , λ=2 y N= 12.
 Haciendo uso del software SIME se obtiene
el siguiente cuadro.
ANALISIS DE VARIANCIA PARA EL DISEÑO
BALANCEADO POR BLOQUE INCOMPLETO
 El análisis de variancia muestra que como Fo (7.58) es
mayor que Ftabla (5.41) se concluye que el catalizador
empleado tiene un efecto significativo sobre el tiempo de
reacción .
 MODELO COMPLETAMENTE ALEATORIZADO
TRATAMIENTOS Y BLOQUES CON REPETICION
En este modelo, como en el caso anterior se trata de
dos clases o factores independientes sin embargo
aquí se considera dos o más observaciones en cada
casilla; es decir, cada casilla contiene una muestra con
con nij ≥ 2 seleccionada de la población AiBj.
Los efectos de columna y fila j y Bi suponemos que
son dependientes y que "interactúan" el uno con el otro.
 REPRESENTACION DE LOS DATOS
A1 A2 . . . AC Y.j.

B1 Y111 Y211 YC11

Y112 Y212 YC12
. . .
Y11. Y21. YC1. Y.1.
B2 Y121 Y221 YC11
. . .
Y12. Y22. TC2. Y.2.
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Br Y1r1 Y2r1 YCr1
. . .
Y1r. Y2r. YCr. Y.r.

y.j. Yi... Y2.. YC.. T

 MODELO

yijk     i   j   ij  ijk

 Donde:
 i = 1, 2, ..., c
 j = 1, 2, ..., r
 k = 1, 2, ..., n
 Donde el termino error, se considera con una
variable normal con media cero y varianza 2.
DESCOMPOSICION DE LA SUMA DE CUADRADOS

 Factor de corrección: C = T2/rnc

SCT   ijk2  C
SCTr   i2..  C
SCB     . 2j .  C
1
SCE         ij2.
2
ijk
n
SCI  SCT  SCTr  SCB  SCE 
CUADRO DE ANALISIS DE VARIANZA
 DOCIMACIA

Nos interesa realizar tres dócimas en este modelo:

 1.-Los efectos de bloques de columna son nulos; es
decir i=0 la estadística para la a docima es:
 F( c-1),rc(n-1) = F1.
 2.-Los efectos de tratamientos son nulos; es decir j=0,
la estadística par laa docima es:
 F (r-1),rc(n-1)=F2.
 3.-Los efectos conjuntos son nulos; es decir ()ij=0
docimamos esta hipótesis nula por
 F (r-1)(c-1),rc (n-1) = F3
 Estos procedimiento de decisión son los mismos que en
los casos anteriores, cuando los valores calculados de F
es 1 ó cerca a 1, se acepta Ho. cuando F es
significativamente mayor que 1 se rechaza Ho.
 EJEMPLO
 Supongamos que una firma dispone de cuatro fuentes de materias
primas, A1, A2, A3, y A4 y de tres máquinas de distintas marcas
B1, B2 y B3 para producir un nuevo producto. Se conoce que las
tres marcas de máquinas son igualmente productivas en términos
de velocidad en el número de tiradas producidas por horas, pero
no se sabe si trabajan igualmente bien en términos de unidades
defectuosas elaboradas entre las producidas por hora, además la
firma desconoce si hay diferencia en la calidad de materias primas
provenientes de las cuatro fuentes, por ultimo se sospecha que la
materia prima de una fuente puede presentar un efecto esencial en
una maquina particular o viceversa. Por consiguiente se desea
establecer si los Ai son diferentes, si los Bj son diferentes y si
existe un efecto conjunto AxB, para responder a estas preguntas
se hace operar cada máquina en idénticas condiciones con cada
fuente de materias primas durante dos horas y se registran el
numero de unidades defectuosas por cada hora.
 DATOS REFERENTE A LA PRODUCCION DE 3 MAQUINA CON 4 FUENTES DE
MATERIA PRIMA EN 2 HORAS

A1 A2 A3 A4 Total

B1 9 6 8 5

5 6 4 7

14 12 12 12 50

B2 4 5 2 1

2 3 6 5

6 8 8 6 28

B3 10 8 7 9

6 9 8 5

16 17 15 14 62
 DOCIMA

 1.-Ho: los números medios de unidades defectuosas

por hora para las materias primas de todas las fuentes
son iguales; es decir i = 0
 H1: No todas las i son cero

 2.- Ho: los números medios de unidades defectuosas

por hora para las tres marcas de maquinas son
iguales; es decir, j =0
 H1 : No todas las j son cero

 3.- Ho: la interacción entre las materias primas y las

maquinas es nula es decir ()ij = 0
 H1: La interacción no es nula
 DESCOMPOSICION DE LOS NUMEROS DE CUADRADOS

 C = 817 = 816.667
 STC = 952 - 817 = 135.33
 SCBl = 819 - 817 = 2.33
 SCTr = 891 - 817 =74.33
 SCE = 952 – 897 = 55
 SCI = SCT - (SCTr + SCB + SCE) = 3.667
 CUADRO DE ANALISIS DE VARIANZA

Fuente de G.L. SC CME F

variacion
Tratamientos 2 74.33 37.167 8.11

Bloques 3 2.33 0.777 0.17

Interac. 6 3.66 0.611 0.13
Error 12 55 4.583

Total 23 135
De los datos del cuadro de análisis de varianza, tenemos:
 1) para i = 0
 F3,12 = 0.15 lleva a la aceptación de i = 0
 2) Para j =0
 F 2,12 = 8.22 que lleva el rechazo de j =0 con  =0.5 ya que F
2,12:0.01 = 6.93.
 3) para ()ij = 0
 F 6,12 = 0.184 que lleva a la aceptación de () = 0.
 F Por consiguiente, vemos que no hay efectos significativos de
bloques (materias primas) ni efectos conjuntos entre tratamientos y
bloques. Sin embargo existen diferencias altamente significativas
entre las maquinas de diferentes marcas. Estas conclusiones indican
que la firma debe comprar la segunda marca de maquinas (B2) y
que puede seleccionar cualquiera de las cuatro fuentes de materias
primas por que no presentan diferencias.