ESTADÍSTICA Y DISEÑO DE EXPERIMENTO

PARA LA VIALIDAD

Prof. Víctor E. Márquez

LA ESTADÍSTICA EN LA INVESTIGACION

Estadística

Inicio Aplicación de método Discusión de Resultados

Ruta de la Investigación

Estadístico Médico
 Definiciones Básicas
X1
X2
X3
.
. x1
Z1 x2
Z2 z1
Z3 z2 Muestra
. Parámetros
. y1
Sujeto ¿? y2
Y1
Y2
Y3 Estadísticos
.
Universo . Obtengo información
“población”
Población Estadística
 Definiciones Básicas

Parámetros Estadísticos
𝑛

∑ 𝑥𝑖
𝜇: 𝑀𝑒𝑑𝑖𝑎 𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 𝑋= 𝑖=1
Media Muestral
𝑛

2
𝜎 :𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 2 ( 𝑥𝑖− 𝑥)2
𝑆 = 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑀𝑢𝑒𝑠𝑡𝑟𝑎𝑙
𝑛− 1
𝜋 : 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖 ó 𝑛 𝑃𝑜𝑏𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙
m a n ¿ 𝐸𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑒𝑠
E st i 𝑝= 𝑃𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó 𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙
𝑛
 Escala de Medidas
Nominal

Variable Cualitativa
Ordinal

Absoluta Discreta

Intervalo Variable Cuantitativa

Continua
Razón
 MEDIDAS DESCRIPTIVAS
Tablas de Frecuencias
Presentación de Datos
Gráficos
Media Aritmética
Medidas de Tendencia Central Mediana
Moda
Cuartiles
Estadística descriptiva Medidas de Posición Deciles
Percentiles

Medidas Descriptivas Varianza

Medidas de dispersión D. Estándar
Coeficiente de variación
Coeficiente de asimetría
Medidas de forma
Coeficiente de Curtosis
 TABLAS DE FRECUENCIAS
Los siguientes datos es el numero de vehículos en un semáforo en una hora particular.

2 3 2 3 4 1 3 2 3 5

1 1 3 4 2 3 6 5 4 2

2 2 3 1 2 2 2 1 1 1

1 2 2 3 3 3 3 3 1 1

1 2 2 3 5 6 4 4 3 3
2 3 2 3 4 1 3 2 3 5

1 1 3 4 2 3 6 5 4 2

2 2 3 1 2 2 2 1 1 1

1 2 2 3 3 3 3 3 1 1

1 2 2 3 5 6 4 4 3 3
Los siguientes datos es el desgaste del pavimento en unidades de distancia

27,93 30,94 29,12 29,60 28,99 31,43 30,06 27,16 31,00 29,31

32,56 30,51 32,95 30,70 28,81 29,12 28,73 30,38 27,27 31,93

29,87 29,10 33,37 29,45 30,23 30,97 28,99 32,07 26,17 30,50
27,93 30,94 29,12 29,60 28,99 31,43 30,06 27,16 31,00 29,31

32,56 30,51 32,95 30,70 28,81 29,12 28,73 30,38 27,27 31,93

29,87 29,10 33,37 29,45 30,23 30,97 28,99 32,07 26,17 30,50
Con el interés de aprovechar los vientos de cierta región para producir energía eólica.
Midieron la velocidades del viento (en millas por hora) para 45 Regiones previamente
seleccionadas:

8,9 12,4 8,6 11,3 9,2 8,8 35,1 6,2 7

7,1 11,8 10,7 7,6 9,1 9,2 8,2 9 8,7

9,1 10,9 10,3 9,6 7,8 11,5 9,3 7,9 8,8

8,8 12,7 8,4 7,8 5,7 10,5 9,6 9,6 8,9

10,2 10,3 7,7 10,6 8,3 8,8 9,5 8,8 9,4

 MEDIDAS DESCRIPTIVAS
Medidas de Tendencia Central
Media Aritmética: Es el promedio de un conjunto de datos (indica hacia donde se agrupan los datos)
Gráfica de puntos de Y1; Y2

𝑋=
∑ 𝑥𝑖
𝑛

Y1

Y2
0 6 12 18 24 30 36
Datos
 MEDIDAS DESCRIPTIVAS
Gráfica de valores individuales de Y1; Y2

Medidas de Tendencia Central 40

30
Mediana: Es el valor que separa en dos partes
iguales al conjunto de datos, por encima de la

Datos
20
mediana se encuentra el 50% de los datos

10

0
Y1 Y2

Moda: Es el valor de los datos con mayor frecuencia absoluta;

Muy utilizado para variables cualitativas
 MEDIDAS DESCRIPTIVAS
Medidas de Posición
Cuartiles : Divide al conjunto de datos en cuatro partes iguales

Q1 Q2 Q3

Deciles : Divide al conjunto de datos en 10 partes iguales

D1 D2 D3 D4 D5 D6 D7 D8 D9

Percentiles : Divide al conjunto de datos en 100 partes iguales

P7 P50 p75
 MEDIDAS DESCRIPTIVAS
Medidas de Dispersión
Varianza: Es el promedio de las diferencias al cuadrado de cada dato con respecto
A la media
𝑛

∑ ( 𝑥 𝑖 − 𝑋 )2 Nos ayuda a determinar como

𝑆 2= 𝑖=1 Se agrupan los datos respecto a
𝑛− 1
La media
Desviación Estándar: es la raíz cuadrada de la varianza

√
𝑛

∑ ( 𝑥𝑖 − 𝑋 ) 2
𝑖 =1
𝑆=
𝑛 −1
Coeficiente de Variación: Es una medida relativa de dispersión.
𝑆 Sirve para comparar la dispersión de
𝐶𝑉 = ∙100 Distintos grupos de datos; con escala
𝑋 De medida distinta
 MEDIDAS DESCRIPTIVAS
Medidas de Forma
Coeficiente de asimetría: Mide el grado de simetría de un
conjunto de datos
Ap > 0 Asimetría Positiva
𝑋 − 𝑀𝑜 Ap = 0 Simétrica
𝐴𝑝 =
𝑆 Ap < 0 Asimetría Negativa

Coeficiente de curtosis: Analiza el grado de concentración

de los datos alrededor de la zona central de los datos

𝑛 Kt > 0 Leptocúrtica
∑ ( 𝑥 𝑖 − 𝑋 )4
𝐾𝑡 = 𝑖=1
−3 Kt = 0 Mesocúrtica
𝑛 ∙ 𝑆4
Kt < 0 Platocúrtica
 Con el propósito de probar un nueva mezcla para buscar resistencia en el pavimento se probaron dos
mezclas en vías de similares característica, las cuales fueron sometidas a condiciones extremas. Luego se
registro la distancia entre fallas (baches huecos) a lo largo del pavimento

9,10 8,31 7,82 4,68 6,50 5,87 8,14 10,43 9,75 7,30 13,89 14,06 12,11 12,41 17,42 9,46 4,39 11,58 10,71 13,95

7,40 8,25 8,98 6,77 6,66 6,74 4,57 5,14 7,56 10,93 8,61 9,62 7,36 12,55 10,87 8,26 12,91 6,21 10,46 11,30

7,69 6,48 5,18 4,79 8,78 0,66 10,14 8,35 5,58 4,83 4,09 3,60 12,63 8,55 11,13 6,20 13,08 9,12 11,21 3,30

7,14 7,24 7,65 10,16 6,45 5,08 7,02 6,76 7,91 5,76 8,00 2,55 5,74 8,38 14,46 12,33 6,63 14,31 12,49 15,39

7,62 6,77 7,22 6,07 7,35 6,80 8,38 6,30 8,28 5,44 7,95 11,17 13,59 15,12 15,34 10,43 9,26 7,55 8,28 10,83

9,58 6,31 4,55 4,70 4,52 7,08 6,80 6,22 6,34 9,10 4,68 12,70 4,11 11,95 7,89 14,03 12,86 8,15 6,47 4,24

10,56 6,05 4,44 4,39 8,83 7,96 6,10 6,00 4,58 7,74 8,00 11,38 11,44 7,38 9,56 9,90 2,87 10,59 14,70 8,57

8,38 7,95 4,69 4,69 3,95 9,34 7,55 7,25 7,23 3,97 4,56 7,54 8,55 11,87 7,88 15,82 11,43 5,30 5,95 11,69

9,28 7,72 7,56 6,25 6,21 4,19 4,39 10,10 10,25 6,52 10,58 3,32 5,82 15,86 5,01 13,64 4,01 14,16 9,38 12,39

9,37 6,84 7,11 10,32 9,62 11,14 6,04 8,23 8,22 6,13 8,69 12,38 9,30 9,96 0,43 13,27 11,66 9,02 12,87 10,37
 MEDIDAS DESCRIPTIVAS
Estudio de desgaste

Desgaste 1 Desgaste 2

7,49 6,46 5,31 6,80 6,52 6,57 4,73 7,52 5,80 5,45 2,61 2,68 4,98 3,13 0,37 4,98 0,96 0,00 0,67 1,41

5,30 7,13 6,12 7,18 6,08 5,79 7,60 7,69 5,78 5,76 0,04 0,07 0,44 8,26 1,84 1,87 2,96 0,32 0,00 0,03
5,50 5,05 4,55 4,93 6,57 6,09 5,04 4,26 6,19 7,80 1,14 0,29 0,00 0,07 0,25 0,06 0,91 0,04 0,80 1,02
4,76 5,81 7,35 6,88 7,00 6,26 6,03 5,54 5,82 5,77 4,38 0,26 3,19 1,93 0,06 0,00 0,19 0,01 0,59 0,38
4,89 6,24 6,09 4,13 6,66 7,09 5,12 4,79 8,05 5,33 3,31 0,59 0,79 0,11 2,32 0,14 0,57 5,13 0,23 0,08
7,02 6,29 5,93 6,81 4,99 6,32 4,56 6,44 8,61 4,60 1,67 0,01 1,23 4,30 3,00 0,04 1,74 0,72 0,17 1,13
5,33 4,58 6,78 6,01 5,60 6,08 5,94 4,86 5,30 5,40 0,24 0,03 0,28 0,31 0,60 3,22 0,13 1,56 2,11 0,01
6,42 7,60 6,71 5,18 7,67 5,54 6,13 5,99 6,60 7,26 0,14 0,54 0,50 0,01 0,04 0,25 1,04 4,32 0,01 0,45
5,39 6,78 5,89 8,33 5,71 6,64 5,37 6,25 7,90 5,45 0,23 0,44 0,25 2,01 4,69 1,06 0,08 0,02 0,25 0,18
6,39 5,09 6,47 5,17 7,19 6,58 4,36 7,70 5,58 6,75 2,19 1,59 4,24 0,00 0,00 0,33 0,02 0,09 0,03 0,18
Modelo Binomial
Modelo Poisson
 Probabilidad bajo Distribución Normal

Sea una variable X con distribución de probabilidad Normal, con media y varianza , es decir, ; )

2
𝜎

P(X < e) = ?
P(X > a)= ?

e d c 𝜇 a

P(d < X < c) = ?

Para los datos de desgaste:

27,93 30,94 29,12 29,60 28,99 31,43 30,06 27,16 31,00 29,31

32,56 30,51 32,95 30,70 28,81 29,12 28,73 30,38 27,27 31,93

29,87 29,10 33,37 29,45 30,23 30,97 28,99 32,07 26,17 30,50
Supongamos que se desea analizar el tiempo en horas de secado de columnas de concreto.
Para lo cual se realiza 30 vaciados; y se registra el tiempo de duración secado

27,93 30,94 29,12 29,60 28,99 31,43 30,06 27,16 31,00 29,31

32,56 30,51 32,95 30,70 28,81 29,12 28,73 30,38 27,27 31,93

29,87 29,10 33,37 29,45 30,23 30,97 28,99 32,07 26,17 30,50
27,93 30,94 29,12 29,60 28,99 31,43 30,06 27,16 31,00 29,31

32,56 30,51 32,95 30,70 28,81 29,12 28,73 30,38 27,27 31,93

29,87 29,10 33,37 29,45 30,23 30,97 28,99 32,07 26,17 30,50

= 29,97
Inferencia Estadística
Se desea estudiar la media de porosidad de concreto, (en %), para
ello se toma una muestra de 53 especímenes de concreto. Y se
obtiene una media de 21,6%. Se sabe por experiencia que la
desviación estándar es de 4,5% de porosidad.

• Determine un intervalo de confianza de 90% para la media de

la porosidad de los especímenes de este tipo de concreto
• Determine un intervalo de confianza de 95% para la media de
la porosidad de los especímenes de este tipo de concreto
Se desea estudiar la media de porosidad de concreto, (en %), para
ello se toma una muestra de 53 especímenes de concreto. Y se
obtiene una media de 21,6% de porosidad. Además re sabe por
experiencia previa que la desviación estándar es de 3,2

• Determine un intervalo de confianza de 90% para la media de

la porosidad de los especímenes de este tipo de concreto
• Determine un intervalo de confianza de 95% para la media de
la porosidad de los especímenes de este tipo de concreto
27,93 30,94 29,12 29,60 28,99 31,43 30,06 27,16 31,00 29,31

32,56 30,51 32,95 30,70 28,81 29,12 28,73 30,38 27,27 31,93

29,87 29,10 33,37 29,45 30,23 30,97 28,99 32,07 26,17 30,50

= 29,97
27,93 30,94 29,12 29,60 28,99 31,43 30,06 27,16 31,00 29,31

32,56 30,51 32,95 30,70 28,81 29,12 28,73 30,38 27,27 31,93

29,87 29,10 33,37 29,45 30,23 30,97 28,99 32,07 26,17 30,50

= 29,97
Estimación Por Intervalo de Confianza de la Varianza

( 𝑛− 1 ) 𝑆2 2 (𝑛 −1) 𝑆2
2
<𝜎 < 2
𝜒𝛼/2 𝜒 1 −𝛼 / 2
 Estadísticos descriptivos: diametro
Estadísticas

Variable Media Desv.Est.

diametro 1,0056 0,0246
Estimación Por Intervalo de Confianza de la Proporción

^ ± 𝑧 1 −𝛼 /2
𝑝
√
2 𝑝^ (1 − 𝑝^ )
𝑛
Estimación Por Intervalo de diferencia de medias

Caso 1 (varianzas conocidas)

𝑥1 − 𝑥 2 ± 𝑧 1− 𝛼/ 2
√ 𝜎 21 𝜎 22
+
𝑛1 𝑛2

𝑥1 − 𝑥 2 ± 𝑡 𝑛 1+𝑛2 − 2 ;𝛼/ 2 ∙ 𝑆𝑝
√ 1 1
+
𝑛 1 𝑛2
(Se asumen varianzas iguales)

Caso 1I (varianzas desconocidas)

𝑥1 − 𝑥 2 ± 𝑡 𝑣 ;𝛼 /2
√ 𝑆21 𝑆22
+
𝑛1 𝑛2
(Se asumen varianzas diferentes)
 Estadísticas
Variable Media Varianza
barra1 980,1 5439,6
barra2 979,1 4891,8
Variable Media Varianza
barra1 980,1 5439,6
barra2 979,1 4891,8
Variable Media Desv.Est. Varianza
modificado 16,764 0,316 0,100
S_modificar 17,922 0,248 0,0615
Variable Media Desv.Est. Varianza
modificado 16,764 0,316 0,100
S_modificar 17,922 0,248 0,0615
Estimación Por Intervalo de diferencia de proporciones

^ 1− 𝑝
𝑝 ^ 2 ± 𝑧 1 − 𝛼/ 2
√
2 ^ 1(1− 𝑝
𝑝
𝑛1
^ 1 ) 𝑝^ 2 (1 − 𝑝^ 2 )
+
𝑛2
^ 1− 𝑝
𝑝 ^ 2 ± 𝑧 1 − 𝛼/ 2
√
2 ^ 1(1− 𝑝
𝑝
𝑛1
^ 1 ) 𝑝^ 2 (1 − 𝑝^ 2 )
+
𝑛2
 DISEÑO DE EXPERIMENTO

Fundamentos Básicos:
• Repetición
• Aleatorización
• Bloques
 LA ESTADÍSTICA EN LA INVESTIGACION
Diseño de Experimento Protocolo 1

Aleatorio
Protocolo 2
Repeticiones
Protocolo 3

Protocolo 1

Aleatorio
Protocolo 2 Repeticiones
Protocolo 3

Bloques Protocolo 1

Aleatorio
Repeticiones
Protocolo 2

Unidades experimentales Protocolo 3

DISEÑO COMPLETAMENTE
ALEATORIZADO
EL MODELO ADITIVO MATEMÁTICO:
Yij     j   ij ; i = 1,2,...,nj
j = 1,2,...,k
donde:
Yij : i-ésima observación bajo el j-ésimo trat.
 : componente común denominado media general
 j : efecto debido al j-ésimo trat. TRATAMIENTOS
 ij : error aleatorio en la i-ésima observación bajo el trat. j
j=1 j=2 j=3 ... j ... j=k-1 j=k
Y1,1 Y1,2 Y1,3 ... Y1j ... Y1,k-1 Y1,k
. . . ... . ... . .
Yn1,1 Yn2,2 Yn3,3 ... Ynj,j ... Yn(k-1),k-1 Ynk,k
Total Y.,1 Y.,2 Y.,3 ... Y.,j ... Y.,k-1 Y.,k
Tamaño muestral n1 n2 n3 nj nk-1 nk
Media muestral Y. j
Y.1 Y.2 Y.3 Y.k 1 Y.k
 DISEÑO COMPLETAMENTE
ALEATORIZADO
Nuestro interés es probar la hipótesis acerca de la igualdad de las medias de tratamientos.

Es probar que H0: .1=.2=...=

H1:.i .j para al menos un par (i , j) ij

en términos de los efectos de tratamientos j de la siguiente manera:

H0: 1=2=...=k=0
H1 :  j  0 para al menos un j
Planteamiento de Hipótesis Tabla de Análisis de Varianza
Diseño Completamente Aleatorizado
𝐻 𝑜 : 𝜇 1=𝜇 2=…=𝜇 𝑘
F Comparación múltiple
vs Fuente de Variación g.l. Sumas de Cuadrados Medios
(solo si se rechazó la Ho)
𝐻 𝑎 :𝜇𝑖 ≠ 𝜇 𝑗 Entre Tratamientos k-1
Cuadrados
SCTr CMTr CMTr
F0 
CME
Cálculos para llenar tabla Dentro de Tratamientos N-k SCE CME

ANOVA
Variación Total N-1 SCT
𝑆 𝑡𝑜𝑡 =𝑆𝑡𝑟𝑎𝑡 +𝑆 𝑒𝑟𝑟𝑜𝑟
𝑘 2 2 Existe diferencias
𝑦 . 𝑗 𝑦 ..
𝑆 𝑡𝑟 =∑ − Zona de rechazo Entre los tratamientos
𝑗=1 𝑛 𝑁 ij
𝑘 𝑛 2
𝑦 ..
𝑆 𝑡𝑜𝑡 =∑ ∑ 𝑦 𝑖𝑗 −
2

𝑗=1 𝑖=1 𝑁
𝑆 𝑒𝑟𝑟𝑜𝑟 =𝑆 𝑡𝑜𝑡 − 𝑆𝑡𝑟𝑎𝑡
𝑆 𝑡𝑟𝑎𝑡
𝐶𝑀 𝑡𝑟𝑎𝑡 =
𝑘 −1
𝑆 𝑒𝑟𝑟𝑜𝑟
𝐶𝑀 𝑒𝑟𝑟𝑜𝑟 = 𝐹 𝛼 ,𝑘 −1 , 𝑁 −𝑘
𝑁 −𝑘
 DISEÑO COMPLETAMENTE
ALEATORIZADO
Un ingeniero tiene interés en investigar la calidad del asfalto; medido en una escala del 1-
50. El ingeniero sabe por experiencia previa que la calidad depende del porcentaje de
aplicación de cierto material especial. Además, sospecha que al aumentar el contenido del
material se incrementará la calidad, al menos en un principio. También sabe, que el
contenido del material deberá variar entre 10 y 40 por ciento. El ingeniero decide probar
ejemplares en cinco niveles de peso porcentual de material : 15, 20, 25, 30 y 35 por
ciento. También decide probar cinco ejemplares en cada nivel del contenido de material.

Se trata de un ejemplo de un experimento de un solo factor con α

 DISEÑO COMPLETAMENTE
ALEATORIZADO
Porcentaje de Nivel de material
Rep 15% 20% 25% 30% 35%
1 7 12 14 19 7
2 7 17 18 25 10
3 15 12 18 22 11
4 11 18 19 19 15
5 9 18 19 23 11
Tot 49 77 88 108 54
 Porcentaje de Nivel de material
Rep 15% 20% 25% 30% 35%
1 7 12 14 19 7
2 7 17 18 25 10
3 15 12 18 22 11
4 11 18 19 19 15
5 9 18 19 23 11
Tot 49 77 88 108 54
 Porcentaje de Nivel de material
Rep 15% 20% 25% 30% 35%
1 7 12 14 19 7
2 7 17 18 25 10
3 15 12 18 22 11
4 11 18 19 19 15
5 9 18 19 23 11
Tot 49 77 88 108 54
 DISEÑO COMPLETAMENTE
ALEATORIZADO
EJEMPLO
Suponga que en un experimento a un ingeniero le interesa la forma en
que la absorción media de humedad del concreto varía para 5
agregados de concreto diferentes. Las muestras se exponen a la
humedad durante 48 horas y se decide que para cada agregado deben
probarse 6 muestras, lo que hace que se requiera probar un total de 30
muestras.
 DISEÑO COMPLETAMENTE
ALEATORIZADO
Porcentaje de Nivel de material
Rep 15% 20% 25% 30% 35%
1 7 12 14 19 7
2 7 17 18 25 10
3 15 12 18 22 11
4 11 18 19 19 15
5 9 18 19 23 11
Tot 49 77 88 108 54
DISEÑO DE BLOQUES
ALEATORIZADOS
Uno de los principales objetivos que se persigue al diseñar un
experimento, es reducir el error aleatorio y de esta forma,
incrementar la precisión en nuestra investigación. Para lograr
esto existen varios mecanismos.

Uno de ellos es: disponer de unidades experimentales en

varios grupos homogéneos, llamados generalmente bloques,
admitiendo variación entre grupos.
DISEÑO DE BLOQUES
ALEATORIZADOS
DISEÑO DE BLOQUES ALEATORIZADOS CON
BLOQUES COMPLETOS.
CASO: EFECTOS FIJOS

El Modelo Matemático

Yij     i   j   ij
DISEÑO DE BLOQUES
ALEATORIZADOS

Tratamientos
1 2 3 ... j ... k Tot Bl.
1 Y11 Y12 Y13 ... Y1j ... Y1k Y1.
2 Y21 Y22 Y23 ... Y2j ... Y2k Y2.
. . . . ... . ... .
Bloques . . . . ... . ... .
. . . . ... . ... .
b Yb1 Yb2 Yb3 ... Ybj ... Ybk Yb.
Tot. Tr. Y.1 Y.2 Y.3 ... Y.,j ... Y.k Y..
DISEÑO DE BLOQUES
ALEATORIZADOS
Tabla de Análisis de Varianza para el
Diseño de Bloques Completamente Aleatorizado
Fuente de g.l. Sumas de Cuadrados Medios Fc
Variación Cuadrados
Tratamientos (k-1) SCTr CMTr=SCTr/(k-1) CMTr/CME
Bloques (b-1) SCBl CMBlr=SCBl/(b-1) CMBl/CME
Error (b-1)(k-1) SCE CME=SCE/(b-1)(k-1)
Total kb-1 SCT
 DISEÑO DE BLOQUES
ALEATORIZADOS
Se desea determinar si cuatro marcas de cemento diferentes producen o no lecturas diferentes de dureza..
El experimentador ha decidido obtener cuatro observaciones para cada marca de cemento. Hay un solo factor (el tipo de
cemento). Por lo tanto si se toman cuatro marcas de cemento de prueba el diseño sería un completamente aleatorizado
con 16 unidades experimentales

Pero existe un problema, si los ejemplares de prueba difieren ligeramente en sus durezas, por ejemplo las probetas
se usaron con tipo de arenas diferentes
Diseño de Bloques Aleatorizados

Tipo de Arena
Tipo de 1 2 3 4
cemento
1 9,3 9,4 9,6 10,0
2 9,4 9,3 9,8 9,9
3 9,2 9,4 9,5 9,7
4 9,7 9,6 10,0 10,2
 DISEÑO
FACTORIAL

• Los experimentos factoriales se usan en casi todos los campos de

investigación.
• Son de gran valor en el trabajo exploratorio (Niveles óptimos o
combinación óptima de los factores).
• Determinar importancia de los factores.
INTRODUCCIÓN
Se esta interesado en estudiar el efecto conjunto de dos o
más factores sobre la respuesta. Para ello ninguno de los
diseños
ahora tratados, es apropiado. Debe ser uno que investigue
todas las posibles combinaciones de los niveles de los
factores en cada realización. Un diseño en el cual se
estudien tanto efectos principales como efectos de
interacción, es apropiado. Este tipo de diseño recibe el
nombre de

DISEÑO FACTORIAL.
 DISEÑO
DEFINICIÓN FACTORIAL

Un diseño factorial es aquel en el que

el conjunto de tratamientos esta
conformado por todas las posibles
combinaciones de los distintos niveles
de los factores involucrados
 DISEÑO
FACTORIAL

P factores, tales que el factor Ar tiene ar niveles.

Una realización de este experimento esta
conformada por a1*a2*….*ar*…..*ap
combinaciones de tratamientos

DISEÑO FACTORIAL a1*a2*….*ar*…..*ap

 DISEÑO
FACTORIAL
EFECTOS
• Efecto principal. Cambio promedio en la
respuesta cuando el factor es cambiando a los
distintos niveles.
• Efecto de interacción. Cambio en la respuesta
entre los niveles de un factor para los distintos
niveles de algunos factores, promediado sobre
los niveles de los factores restantes.
 DISEÑO
FACTORIAL

MODELO DE 2 FACTORES
Sean A y B, dos factores con a y b niveles
respectivamente.

Yijk     i   j   ij   ijk

 DISEÑO
FACTORIAL

Factor B
1 2 ........ b
1 Y111,.......,Y11n Y121,.......,Y12n Y1b1,.......,Y1bn
Factor A 2 Y211,.......,Y21n Y221,.......,Y22n Y2b1,.......,Y2bn
:
a Ya11,.......,Ya1n Ya21,.......,Ya2n Yab1,.......,Yabn
MODELO DE 2 FACTORES

H 0 :  i  0 ; i vs. H1 : al menos un  i  0
H 0 :  j  0 ; j vs. H1 : al menos un  j  0
H 0 :  ij  0 ; i, j vs. H1 : al menos un  ij  0
 MODELO DE 2 FACTORES.
EFECTOS FIJOS
CMB
Fb   Fb 1; abn 1
CME
CMA
FA   Fa 1; abn 1
CME
H 0 :  i  0 ; i vs. H1 : al menos un  i  0
H 0 :  j  0 ; j vs. H1 : al menos un  j  0 CMAB
H 0 :  ij  0 ; i, j vs. H1 : al menos un  ij  0 FAB   Fa 1b 1; abn 1
CME
MODELO DE 2 FACTORES.
EFECTOS FIJOS

Fuente de variación S.C. g.l. C.M. F

FACTOR A SCA a-1 CMA CMA CME
FACTOR B SCB b-1 CMB CMB CME
INTERACCIÓN SCAB (a-1)(b-1) CMAB CMAB CME
ERROR SCE ab(n-1) CME
TOTAL SCT abn-1
 EJEMPLO
Un ingeniero esta probando tres marcas de concreto para la construcción de vías artesanales; que mantengan una
estética adecuada en un sector turístico de la ciudad. Pero además del tipo de concreto; se quiere estudiar el tipo de
arena con el cual se mezclara el concreto. El ingeniero decide probar tres tipos diferentes de arena. Para ello prueba
cuatro probetas para cada combinación de marca de concreto y tipo de arena. Luego se midió el tiempo (en horas) que
el concreto logra secar y conseguir todas sus propiedades deseables de dureza

El ingeniero quiere responder las siguientes preguntas:

• ¿Qué efectos tiene el tipo de concreto y arena sobre el tiempo de secado?
• ¿Existe alguna elección de concreto que produzca de manera regular, tiempos mas pequeños de secado
independientemente de la arena?
 Tipo de Arena
Marca de 1 2 3
Concreto
1 130 155 34 40 20 70
131180 80 75 82 58
2 150 188 136 122 25 70
159 126 106 115 58 45
3 138 110 174 120 96 104
168 160 150 139 82 60
 arena N Media Agrupación
1 12 144,833 A
2 12 107,583 B
3 12 64,167 C

concreto N Media Agrupación

3 12 125,083 A
2 12 108,333 A
1 12 83,167 B
 SC MC
Fuen Ajust Ajust Valor Valor
concre te GL . . F p
Fuent SC MC Valor Valor to N Media Agrupación
e GL Ajust. Ajust. F p conc 2 2859 1429 2,93 0,10
3 4 145,8 A reto ,3 5
concr 2 886,2 443,1 0,39 0,686 2 4 119,75 A
eto Análisis de Varinza
Error 9 4391 487,
1 4 57,3 B 9
Error 9 1016 1129,
3,5 3 Total 11 7250
Total 11 1104
9,7
Velocidad de Velocidad de Alimentación
Taladrado
0,015 0,030 0,045 0,060

125 2,70 2,45 2,60 2,75

2,78 2,49 2,72 2,86

200 2,83 2,85 2,86 2,94

2,86 2,80 2,87 2,88
 Tipo de Arena
Marca de 1 2 3
Concreto
1 130 155 34 40 20 70
131180 80 75 82 58
2 150 188 136 122 25 70
159 126 106 115 58 45
3 138 110 174 120 96 104
168 160 150 139 82 60
EJEMPLO
Se encuentra en estudio el rendimiento de un tipo de concreto. Se quiere evaluar dos variables
importantes: la presión y la temperatura. Se seleccionan tres niveles de cada factor y se realiza un
experimento factorial con dos replicas. Se recopilan los siguientes datos:

Presión
Temperatura 200 215 230
Baja 90,4 90,7 90,2
90,2 90,6 90,4 • Analice los datos y obtenga conclusiones
Intermedia 90,1 90,5 89,9 • ¿En qué condiciones debe operarse este tipo de concreto?
90,3 90,6 90,1
Alta 90,5 90,8 90,4
90,7 90,9 90,1
Las copiadoras electrónicas funcionan adhiriendo tinta negra al
papel mediante electricidad estática. La etapa final del proceso de
copiado comprende el calentamiento y adhesión de la tinta sobre el
papel. La potencia de la adhesión durante este proceso final
determina la calidad de la copia. Se plantea que la temperatura, el
estado superficial de la adhesión en el rodillo y la dureza del
rodillo de la prensa influyen en la potencia de adhesión de la
copiadora. Se hizo un experimento con tratamientos, que consistían
en una combinación de estos 3 factores en cada uno de 3 niveles.
Los datos siguientes muestran la potencia de la adhesión para cada
combinación de tratamientos. Lleve a cabo un análisis de varianza
con α = 0.05 para probar si hay efectos principales y de interacción
significativos.
 ANÁLISIS DE COVARIANZA

Considere el estudio realizado para determinar si existe diferencia a la resistencia de placas de

concreto mezclada con tres tipos distintos de grava. Además las placas de concreto vienen
reforzadas con un entramado de varillas de diámetro variable. Los datos se muestran a
continuación
Y: Resistencia a la tensión en Ton.
X: Diámetro en milímetros
Tipo 1 Tipo 2 Tipo 3
Y X Y X Y X
36 20 40 22 35 21
41 25 48 28 37 23
39 24 39 22 42 26
42 25 45 30 34 21
49 32 44 28 32 15
 ANALISIS DE REGRESIÓN LINEAL
SIMPLE
Estructura de los modelos de regresión

X Y  i
independiente dependiente
explicativa explicada

31

29
modelo de regresión
27

Y 25 𝑌 = 𝛽𝑜 + 𝛽1 𝑋 + 𝜀
23

21

19
0 2 4 6 8 10 12
Recta de Regresión estimada
X ^= ^
𝑌 𝛽𝑜 + ^
𝛽1 𝑋
 DIAGRAMA DE
DISPERSIÓN
40 10
35
30 5
25
0
20
15 -5
10
-10
5
0 -15
0 5 10 15 20

300
250 30

200 25
150 20
100
15
50
10
0
5
0 5 10 15 20
0
 COEFICIENTE DE
CORRELACIÓN

rxy = 0
9 12

rxy = 0.88
25
8
10
20 7
6 8
15 5 6
4
10
rxy = 1
4
3
5 2 2
1
0 0
0 0 2 4 6 8 10 12
0 2 4 6 8 10 12 0 2 4 6 8 10

0
0 2 4 6 8 10 12
-5

-10
rxy = -1
-15 rxy = -0.88
rxy = 0
-20
 COEFICIENTE DE
CORRELACIÓN
X Y1 Y2 Y3 Y4

1 2 4 2 8

2 1 4 1 7

3 3 5 3 6

4 4 8 5 5

5 2 4 3 4

6 3 9 4 3

7 5 10 5 5

8 4 4 6 3

9 6 3 7 1

10 8 10 8 2
Recta de Regresión estimada

RECTA DE
REGRESION
X Y1

^= ^
𝑌 𝛽𝑜 + ^
𝛽1 𝑋 1 2

2 1

^
𝛽 1=
∑ 𝑋𝑌 −𝑛 ∙ 𝑋 𝑌
3

4
3

∑ 𝑋
2
− 𝑛 ∙ 𝑋
2 5

6
2

=-
7 5

8 4

9 6

10 8
 Intervalos de confianzas

Intervalo de confianza para

^ 𝑠
𝛽 1 ± 𝑡 𝑛 −2 ; 𝛼 / 2 ∙
√ 𝑠 𝑥𝑥

Intervalo de confianza para

^𝛽 ±𝑡 𝑠
∙ √∑ 𝑋 2
𝑠𝑥𝑥=∑ 𝑋 −𝑛∙ 𝑋
𝑜 𝑛− 2; 𝛼/ 2 ∙
2 2
√ 𝑛∙ 𝑠 𝑥𝑥
𝑠 𝑦𝑦 =∑ 𝑌 − 𝑛
2
Intervalo de confianza para

𝑠 𝑥 𝑦 =∑ 𝑋𝑌 −𝑛∙ 𝑋 𝑌
√
2
1 ( 𝑥𝑜 − 𝑥 )
𝑌 𝑜 ±𝑡 𝑛−2 ; 𝛼/ 2 ∙ 𝑠 ∙ +
𝑛 𝑠 𝑥𝑥
𝑠=
√
𝑠 𝑦𝑦 − ^𝛽 1 ∙ 𝑠 𝑥𝑦
𝑛 −2
Con las finalidad de estudiar el impacto del agua en materiales que seran usados para
construirr un Puente sobre un rio muy caudaloso. Se estudia el siguiente artículo “Effect of
Temperature on the Marine Immersion Corrosion of Carbon Steels” (R. Melchers, en
Corrosion, 2002:768-781) presenta mediciones de pérdida por corrosión (en mm) que
soportan elementos de acero y de cobre sumergidos en agua de mar en 14 ubicaciones
diferentes. Para cada ubicación se registró la media de la pérdida por corrosión (en mm),
junto con la media de la temperatura del agua (en °C). Los resultados, después de un año de
inmersión, se presentan en la tabla siguiente.