Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2x2
Experimentos 2 x 2
PROPOSITO:
Introducir el concepto de Diseño de Experimentos (DDE) como un
medio para estudiar múltiples “X” y para cuantificar su efecto sobre
la respuesta “Y”. En este capítulo se discutirán los DDE 2 x 2 - con
dos factores (“X”) en dos niveles.
OBJETIVOS:
• Reconocer la ventaja del DDE sobre los experimentos “Improvisados”.
13 20 8 15.0
14 20 8 24.0
15 20 8 15.6
16 20 8 15.2
• La información puede ponerse en forma de matriz, donde cada ‘celda’ en la tabla representa
una combinación de las “X”.
• Para cada celda, el promedio y la desviación estándar puede ser calculado de las 4 respuestas.
Sería útil tener una desviación estándar “total” que tomara en cuenta el hecho de que algunas
combinaciones de las “X” tienen más influencia que otras. Esta se conoce como la “desviación
estándar ponderada”, y será usada en el análisis experimental :
Desv. Est. Ponderada = Sp = (n1 - 1)s12 + (n2-1)s22 + (n3 -1)s32 + (n4 - 1)s42 = 3.09
n1 + n2 + n3 + n4 - 4
Evaluación de los Resultados Experimentales (cont.)
Diferencias
Veamos las diferencias en la “Y” entre las celdas. ¿Existen diferencias que
aparenten ser significativas?
tiempo (minutos)
10 20 promedio
4.1
8 13.3 17.4 15.4
Cantidad de
5.1 2.3 3.6
agua (gal)
4 18.4 19.7 19.0
1.3
H
L X2 = baja
L X2 = baja
L L
baja alta X1
baja alta X1
No interacción(líneas paralelas) Interacción(Moderada)
Y
H
L X2 = baja
Las interacciones pueden
cubrir (esconder) Efectos
L H X2 = alta Principales.
Si existe una Interacción,
baja alta X1 entonces grafícala para
interpretar sus efectos.
Interacción(Significativa)
Gráfica de Interacción - La Lavadora de Eje Horizontal
Una Gráfica de Interacción compara el efecto de dos “X” cambiando simultáneamente. El eje
“Y” siempre es la respuesta; una “X” se muestra sobre el eje X y la otra “X” está incluida en
el cuerpo de la gráfica . . .
Cambio en la brillantez
Interpretación:
• 20 minutos de tiempo de
19.7 20 minutos
20 lavado casi siempre nos da un
mejor rendimiento de lavado,
sin importar los galones de
18 17.4
18.4 agua utilizados
galones
X = 18.4 X = 19.7
4
10 tiempo (min) 20
Interpretación:
• La máxima brillantez (19.7) ocurre con un tiempo de lavado de 20 minutos y 4 galones de
agua. Este es el conjunto óptimo (es la respuesta más prometedora dentro del rango estudiado)
tiempo (minutos)
10 20 Promedio de celdas “A“ contra promedio
de celdas “B”.
13.3 17.4
8 B A Interacción:
(17.9 -16.5) +/- 2.179 * 3.09 * sqrt(4 /16) = 1.4 +/- 3.4
número de
galones
4 A B 19.7 17.4 + 18.4 _ 13.3 + 19.7
18.4 2 2
Interpretación de los Intervalos de Confianza
Tiempo: 2.8 +/- 3.4Rango de Intervalo: -0.6 a 6.2
Debido a que el “0” está incluido en el Intervalo de Confianza, no podemos afirmar
que exista una diferencia en la respuesta del nivel bajo al nivel alto.
El Tiempo no es una “X” estadísticamente significativa.
Marcar en
‘Factors.
Orden
Estándar de
Yates
(1)
a
b
ab
Seleccionar
Stat>DOE>Factorial Plots . . .
Para generar las gráficas de Efectos
Principales, de Interacción y de Cubo
Análisis Minitab de La Lavadora de Eje Horizontal (cont.)
20 minutos
10 minutos
• Si NO hay interacción, las dos líneas estarán paralelas. A mayor diferencia en las pendientes,
mayor interacción (pero no necesariamente significativa).
• La cantidad de agua parece generar más diferencia a los 10 minutos de tiempo de lavado (la
diferencia en brillantez con los 4 galones es mayor a los 10 minutos que a los 20 minutos).
• La ropa siempre está más limpia (mayores valores de brillantez) usando 4 galones de agua en
lugar de 8 galones de agua.
Aquí está la Gráfica de Cubo:
b ab
B
¿Cómo
interpretar Valor Y máximo
la Gráfica
(1) a
de Cubo?
A
La Gráfica Cubo es la más directa y clara de las gráficas de análisis de DDE -
¡Simplemente selecciona el mejor punto de operación! En este caso, los valores de
brillantez más elevados son mejores (ropa más limpia), así que el mejor punto de la
operación está en 4 galones y 20 minutos de tiempo de lavado.
NOTA: La Gráfica de Cubo también puede darte una indicación de dónde correr el
próximo experimento - ¿tal vez mayores tiempos de lavado (>20 minutos) y menos
agua (<4 galones)?
Otro método de análisis en MINITAB - numérico….
Otra opción para analizar nuestro experimento 2x2 es usar la opción “Analyze
Factorial Design” en el menú DOE……
Este método se volverá más importante conforme los diseños experimentales sean
más complejos. Sin embargo, SIEMPRE vea las gráficas primero...
Análisis Numérico (cont….)
Selecciona:
Stat>DOE>Analyze Factorial Design
para analizar tu experimento “con números” además de las gráficas.
Selecciona:
La respuesta es reflectancia (“reflectance”) en nuestro experimento
Marca OK.
Análisis Numérico (cont….)
Fractional Factorial Fit
Estimated Effects and Coefficients for ref (coded units) P< .05….
Term Effect Coef StDev Coef T P
Constant 17.206 0.7743 22.22 0.000 Significativos
time 2.712 1.356 0.7743 1.75 0.105
gallons -3.662 -1.831 0.7743 -2.37 0.036
time*gallons 1.438 0.719 0.7743 0.93 0.372
Objetivo:
Estimar los efectos de la longitud del ala y el número de clips sobre
el tiempo de vuelo de un helicóptero de papel.
4 4.5 2
5 3.0 1
Réplicas de El orden de las corridas 1 a la 4
6 3.0 2 las Corridas contienen todas las combinaciones.
Estas 4 están enlistadas en un orden
7 4.5 1
aleatorio.
8 4.5 2
Las corridas 5 a la 8 contienen las
réplicas de las corridas. Estas 4 están
Valores Promedio (desviación estándar en paréntesis)
longitud de ala (pulgadas)
3.0 4.5 promedio
2
número de
clips
promedio
Desv. Est. Ponderada = Sp = (n1 - 1)s12 + (n2-1)s22 + (n3 -1)s32 + (n4 - 1)s42
=
n1 + n2 + n3 + n4 - 4
Gráfica de Efectos Principales
tiempo (segs)
3.0 4.5 1 2
longitud de ala (pulgadas) número de clips
¿Interpretación?
Gráfica de Interacción
tiempo (segs)
¿Interpretación?
3.0 4.5
Longitud del ala (pulgadas)
Gráfica de Cubo
2
número
de ¿Interpretación?
clips
1
3.0 4.5
Longitud del ala
Intervalos de Confianza (95%)
(X1 - X2 ) +/- t( 4(n-1) gl , .025) * sp * sqrt (4 / N ) Desviación Estándar Ponderada
3.0 4.5
Interacción:
¿Cuáles factores (las “X”) son Vitales? ¿La interacción es significativa?
Ejercicio en Clase: Analizar los Datos del Helicóptero
usando Minitab
Limpiar las ventanas Minitab usando el comando File>New...>Minitab Project (¡No guardes nada!)
Una vez
capturados los
datos puede
analizar por
ANOVA
BALANCEADA
para
aprovechar las
réplicas.
• ¿Cuáles son los mejores niveles de los factores que maximizan el tiempo de
vuelo?
• ¿Existen algunas interacciones? Si es así, ¿Cómo las interpreta?
Ejemplo 3: (¡Es ficticio!) Centro de Atención Telefónica a Clientes
Respuesta Y = # Promedio de Llamadas /Día
Escenario: Una empresa importante ha diseñado un experimento para probar la influencia de
dos diferentes programas de capacitación en dos diferentes centros de atención telefónica a
clientes. Tres empleados en cada ubicación han participado en cada corrida (24 personas en
total), y el estudio se efectuó durante un período de cuatro semanas.
Objetivo del Experimento: Cuantificar la influencia de la ubicación del centro de atención
y la cantidad de capacitación sobre el número promedio de llamadas atendidas por día.
“Y” : número promedio de llamadas atendidas por día
“X1”: # de semanas de capacitación (baja = 2 semanas, alta = 4 semanas)
“X2”: Ubicación del centro (baja = North Dakota, alta = Texas)
corrida # sems. de Capac. ubicación del centro # prom.llamadas/día
1 2 NDak 60
Réplica 1
2 4 NDak 72
3 2 Tex 54
4 4 Tex 68
5 2 NDak 52
Réplica 2
6 4 NDak 83
7 2 Tex 45
8 4 Tex 80
Generar el Diseño en Minitab:
Stat>DOE>Create Factorial Design
Ventana Data:
Teclear los
valores para la
Respuesta (“Y”)
en la columna C7,
como se muestra
Gráfica de las respuestas contra las
variables independientes
Tex 54 68
45 80
NDak 60 72
52 83
2
# Semanas de Capacitación
4
Interpretación:
Interpretación:
Hay líneas paralelas, así que no hay interacción.
# de Semanas de Capacitación:
(76 - 53) +/- 2.776 * 7.16 * sqrt( 4 / 8) = 23 +/- 14
¡Es Significativa! (‘0’ NO está en el Intervalo de Confianza)
Ubicación del Centro:
(67 - 62) +/- 2.776 * 7.16 * sqrt( 4 / 8) = 5 +/- 14
No se puede afirmar significancia (‘0’ está en el Intervalo de Confianza)
Interacción
(65 - 64) +/-
: 2.776 * 7.16 * sqrt( 4 / 8) = 1 +/- 14
74 + 56 _ 50 + 78
2 2
No se puede afirmar significancia (‘0’ está en el Intervalo de Confianza)
Efectúe el análisis por ANOVA BALANCEADA para calcular el % de variabilidad
explicada por cada efecto factorial y la no explicada a partir del error experimental.
Ejemplo 3: Centro de Atención Telefónica al Cliente (cont.)
Conclusiones
• Los Diseños Factoriales son DDE donde cada variable es estudiada en un número
específico de niveles - los diseños factoriales 2 x 2 usan dos variables “X” en dos niveles
(bajo y alto).
• Tres gráficas se utilizan para analizar los DDE factoriales: Gráficas de Efectos
Principales, Gráficas de Interacción y Gráficas de Cubo.
• La magnitud relativa de los Efectos Principales puede tomarse en cuenta al comparar las
pendientes de las líneas. Una inclinación mayor significa un efecto mayor sobre la “Y” -
dentro de la región que está siendo estudiada.
• Las interacciones dentro de la región de prueba no son significativas si las líneas son
paralelas.
• Las Gráficas de Cubo muestran las respuestas en todas las combinaciones de las “X”.
Seleccionar la combinación de las “X” que optimiza la respuesta (“Y”).
• Los DDE proporcionan un enfoque sistemático para comprobar cuáles de sus potenciales
“X” Vitales son las Pocas Vitales.
Apéndice
Generar Tablas de Datos en Minitab:
Las Tablas de Datos generalmente son útiles para visualizar diferencias muy obvias.
Usaremos el comando “Cross Tabulation” para generar tablas de datos de los datos
originales, al igual que las medias y las desviaciones estándar.
Stat>Tables>Cross Tabulation Abrir el Archivo:
Crosstab.mtw
Hacer click en
‘Summaries . . .’ Introducir ‘Reflect’ como
la Variable Asociada
Hacer doble click en ‘OK’
Los datos aparecen en la Ventana Session:
Regresar a la caja de diálogo “Cross Tabulation” usando las teclas ‘Ctrl e’. De la caja de
diálogo principal, seleccionar “Summaries. . .” Ahora puede generar una tabla que muestra
las medias de los datos.
Para generar una tabla Hacer un click en “OK”,
de Desviaciones para regresar a la caja de
Estándar, teclear ‘Ctrl e’, diálogo principal. ¡Hay que
y llenar la caja de sub- dar un paso más antes de
diálogo ‘Summaries. . .” generar la tabla de
Desviación Estándar final!
como se muestra:
Hacer click en “Options”
para llamar otra caja de
sub-diálogo. Esta se
empleará para decirle a
Minitab que no totalice las
filas y columnas para la
desviación estándar (sumar
las desviaciones estándar
algebraicamente no tiene
importancia - no tiene
sentido matemático)
Hacer doble
click en “OK”
para ver la
salida de la
Seleccionar ventana
“No Session
variables”
Distribución T
gl 60.0% 70.0% 80.0% 90.0% 95.0% 97.5% 99.0% 99.5% Nivel de
1 0.325 0.727 1.376 3.078 6.314 12.706 31.821 63.657 Confianza
2 0.289 0.617 1.061 1.886 2.920 4.303 6.965 9.925
3 0.277 0.584 0.978 1.638 2.353 3.182 4.541 5.841 (1 -
4 0.271 0.569 0.941 1.533 2.132 2.776 3.747 4.604
5 0.267 0.559 0.920 1.476 2.015 2.571 3.365 4.032