Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CapIV. Diseños Que Se Basan Principio Analisis Por Bloques
CapIV. Diseños Que Se Basan Principio Analisis Por Bloques
VALDIZAN
FACULTAD DE INGENIERIA INDUSTRIAL Y DE
SISTEMAS
E.A.P. INGENIERIA INDUSTRIAL
ISEÑO DE XPERIMENTOS
Periodo de Operadores
tiempo Op1 Op2 Op3 Op4
Procedimiento
1) Tomar al azar un Cuadrado Latino.
2) Mediante números aleatorios permutar al azar el orden de
las renglones y luego las columnas.
3) Asignar al azar los tratamientos a las letras.
1) Si se tiene un Cuadrado Latino de p = 4 1ABCD
y se elige al azar el cuadrado Latino 2DCBA
estándar 3BADC
1 2 3 4 2) Utilizando los números 4CDAB
2 D C B A aleatorios se obtiene el orden para
los renglones de (2, 3, 1 y 4)
3BADC
1ABCD
4CDAB 3 1 4 2
2BDAC
3) Para las columnas de (3, 1, 4 y 2)
3DBCA
1CADB
4ACBD
4) Por último, asignando al azar los
tratamientos a cada una de las letras, se tendrá
el diseño de Cuadrado Latino buscado
4.2.1 MODELO ESTADÍSTICO
• Las observaciones yijk se pueden describir por medio
del modelo estadístico lineal
Yijk = µ + αi+ j + βk+ijk; i=j=k:1..p
Donde:
Efectos de tratamiento,
yijk: Variable respuesta
renglones y columnas
µ : media global; p p p
αi: Efecto del renglón 0
i j 0 k 0
j : efecto del tratamiento i 1 j 1 k 1
βk : efecto de la columna
ijk: es el error aleatorio
SUPUESTOS
• El objetivo será probar las hipótesis adecuadas
con respecto a los efectos del tratamiento y hacer
estimaciones de ellos.
• Para llevar a cabo esta prueba de hipótesis, se
debe suponer:
Los efectos de tratamientos, renglones y
columnas son aditivos( no hay intersección entre
ellos).
ijk tienden a distribución normal con N(0,σ2)
Los ijk son independientes con N(0,σ2) .
Los errores tienen varianza constante
σ21=σ22=….=σ2p.
4.2.2 ANALISIS ESTADISTICO
Modelo de efectos fijos
Hipótesis Tratamientos Hipótesis Renglones
Ho: µ1 = µ2 = µ3… Ho: α 1 = α 2 = …= α p = 0
H1: µ1 ≠ µ2 ≠ µ3… H1 : α i ≠ 0 al menos una i
También Hipótesis Columnas
Ho: 1 = 2 = …= 0 Ho: β1 = β2 = …= βp = 0
H1: j ≠ 0 al menos una j H1 : β k ≠ 0 al menos una k
Si la Ho es verdadera cambiar los niveles del factor
no tiene ningún efecto sobre la media de la
respuesta.
Para probar estas hipótesis se requiere del análisis de
varianza ANOVA
ANOVA
FV SC GL CM Fo
Tr p-1
R p-1
C
p-1
E SCE=SCt-SCtr-SCr-SCc (p-2)(p-1)
T p2-1
4.2.3 ESTIMACION DE LOS PARAMETROS Y
NIVELES DE CONFIANZA
• μ, αi j, βk del modelo: yijk = μ + αi + j +βk +ijk.
Se estiman utilizando mínimos cuadrados, tomando en
cuenta la restricciones :
Si se rechaza Ho
B. PRUEBA DE INTERVALOS MÚLTIPLES
DE DUNCAN
Primero se colocan los “p” promedios de
tratamiento en orden ascendente y se determina el
error estándar de cada promedio.
g=2,3,…,p f=(p-2)(p-1)
T = q(p,f)
Si > T , se rechaza Ho
f = (p-2)(p-1)
4.2.4.3 COMPARACIÓN DE
TRATAMIENTOS CON UN CONTROL.
Prueba de Dunnet
• Si suponemos que el tratamiento “c” es el control,
entonces las hipótesis que se desean probar son:
Ho: μi = μc
H1: μi ≠ μc para i = 1,2,…, p-1
f=(p-2)(p-1)
Donde: 5fuentes de
E=0 A=1sonB=-2 C=-3 D=1
variabilidad
Renglones: Mezclas (1, 2, 3, 4, 5); Columnas: Días ( Lu, Ma,
Mi ,Ju, Vi); Letras latinas: Maquinas (A, B, C, D, E);
Letras griegas: Procedimientos (α, β, γ, δ, ε)
Aleatorización
Para llevar a cabo la selección aleatoria de un Cuadrado
Greco-latino se debe realizar el siguiente procedimiento:
1) Escoger al azar dos de los Cuadrados Latinos que deben ser
ortogonales y del mismo orden.
2) Al primer Cuadrado Latino cambiarle las letras A, B, C, D,
…, por las letras , , , , …,
3) Luego superponerlos, obteniendo como resultado un sólo
cuadrado, que es el Cuadrado Greco-latino.
4) Permutar las filas y las columnas al azar como en el
Cuadrado Latino.
5) Asignar también al azar las letras Griegas y Latinas a los
tratamientos.
4.3.1 MODELO ESTADÍSTICO
Las observaciones yijk se pueden describir por medio del
modelo estadístico lineal
Yijkl = µ + αi+ j + βk+ωl+ijkl; i=j=k=l:1..p
Efectos de renglones, letras latinas,
Donde: letras griegas, y columnas
yijkl: Variable respuesta p p
µ : media global;
i 1
i 0
j 1
j 0
R SCR p-1
C SCC p-1
E SCE (p-3)(p-1)
T SCT p2-1
SCE=SCT-SCL-SCG-SCR-SCG
4.3.3 ESTIMACION DE LOS PARAMETROS Y
NIVELES DE CONFIANZA
μ, αi j, βk ωl del modelo: yijkl = μ + αi + j +βk + ωl +ijkl
Se estiman utilizando mínimos cuadrados, tomando en
cuenta la restricciones :
Si se rechaza Ho
B. PRUEBA DE INTERVALOS MÚLTIPLES
DE DUNCAN
Primero se colocan los “p” promedios de
tratamiento en orden ascendente y se determina el
error estándar de cada promedio.
g=2,3,…,p f=(p-3)(p-1)
T = q(p,f)
Si > T , se rechaza Ho
f = (p-3)(p-1)
4.3.4.3 COMPARACIÓN DE
TRATAMIENTOS CON UN CONTROL.
Prueba de Dunnet
• Si suponemos que el tratamiento “c” es el control,
entonces las hipótesis que se desean probar son:
Ho: μi = μc
H1: μi ≠ μc para i = 1,2,…, p-1
f=(p-3)(p-1)