Professional Documents
Culture Documents
Anlisis de varianza
Muchos experimentos se llevan a cabo para estudiar los efectos producidos por dos o ms factores. Ningn factor se considera extrao; todos tienen el mismo inters. En el experimento factorial o arreglo factorial, se investigan todas las posibles combinaciones de los niveles de los factores en cada ensayo completo o rplica del experimento. El experimento factorial afecta al diseos de tratamientos, que se refiere a la eleccin de los factores a estudiar, sus niveles y la combinacin de ellos. Se debe tener en cuenta que el diseo de tratamientos es independiente del diseo experimental, que indica la manera en que los tratamientos se aleatorizan en las diferentes unidades experimentales y la forma de controlar la variabilidad natural de las mismas. No es usual tener diseos experimentales muy complicados en los experimentos factoriales por la dificultad que involucra el anlisis y la interpretacin. Razones para estudiar conjuntamente varios factores 1. Encontrar un modelo que describa el comportamiento general del fenmeno en estudio. Por ello son muy usados en experimentos exploratorios. 2. Optimizar la respuesta o variable dependiente; es decir, encontrar la combinacin de niveles que optimizan la variable dependiente. La caracterstica general y esencial que hace necesario el estudio conjunto de factores es que el efecto de un factor cambie segn sean los niveles de otros factores o sea que exista interaccin.
Donde: : Es la media general. : Es el efecto (positivo o negativo) debido al i-simo nivel del factor A. : Es el efecto (positivo o negativo) del j-simo nivel del factor B. : Representa al efecto de interaccin en la combinacin ij. : Es el error aleatorio que supone sigue una distribucin con media cero y varianza constante y son independientes entre si.
ESTIMACIN DE PARAMETROS Los parmetros del modelo se obtienen por mnimos cuadrados, tcnica que se basa en minimizar la suma de los cuadrados de los residuos.
Simblicamente la identidad de cuadrados se escribe as: SST = SSA + SSB +SS(AB) + SSE Donde SSA y SSB denominan la suma de cuadrados para los efectos principales A y B, respectivamente, SS(AB) recibe el nombre de suma de cuadrados de la interaccin para A y B, y SSE es la suma de errores al cuadrado. La participacin de los grados de libertad se efecta de acuerdo con la identidad
*Media global
TABLA ANOVA PARAMETROS Fuente Suma de cuadrados Efecto A Efecto B Efecto AB Error Total a1 b1 (a-1)(b1) ab(n-1) abn-1
Suma de cuadrados M.
cuando
La hiptesis se rechaza al nivel e significancia cuando Ejemplo: La impureza que contiene un producto qumico es afectada por dos factores, presin y temperatura. En la tabla 4.2 se muestran los datos de un experimento factorial con una sola replica. La suma de cuadrados son:
La suma de cuadrados debida a la no aditividad del modelo se calcula mediante la ecuacin siguiente, tal como aparece a continuacin.
El anlisis de varianza completo se muestra en la siguiente tabla. La estadstica para aprobar la no aditividad es, Fo = 0.0985/0.2716 = 0.36. por lo que se concluye que estos
datos no proporcionan evidencia de una interaccin. Los efectos principales de la temperatura y la presin son significativos.
30 4 1 1 6
Presin 35 6 4 3 13
40 3 2 1 6
45 5 3 2 10
Yi. 23 13 8 44 = Y..
Anlisis de varianza para el ejemplo anterior Tabla 4.3 FUENTE DE SUMA DE GRADOS DE VARIACION CUADRADOS LIBERTAD TEMPERATURA 23.33 2 PRESION 11.60 4 NO ADITIVIDAD 0.0985 1 ERROR 1.9015 7 TOTAL 36.93 14
REGLAS PARA LAS SUMAS DE CUADRADOS Las reglas que se presentan a continuacin son utilizadas para encontrar las frmulas matemticas de las Sumas de Cuadros, cuando se analizan diseos experimentales de tres o ms factores; ya que a medida aumenta el nmero de factores estas expresiones o frmulas no se pueden determinar fcilmente. A continuacin se plantean estas Reglas tomando como ejemplo el caso de tres factores, para encontrar la suma de cuadrados del factor C:
Regla 3 Los subndices de cada trmino del Modelo deben dividirse en tres partes: i) Activos: son aquellos que se hallan en el trmino y no estn entre parntesis. ii) Pasivos: son los subndices que estn presentes en el Modelo pero que se encuentran entre parntesis. iii) Ausentes: son aquellos subndices que estn presentes en el Modelo pero que no ocurren en ese trmino en particular.
Regla 4. Grados de Libertad Los grados de libertad de cualquier trmino del Modelo corresponden al producto del nmero de niveles asociados con cada subndice pasivo, y el nmero de niveles menos uno, asociados con cada subndice activo.
Regla 5. Suma de Cuadrados Para obtener las frmulas con el fin de calcular las sumas de cuadrados de cualquier efecto, primero se deben desarrollar los grados de libertad de dicho efecto.
b) Los signos de sumatoria deben acomodarse de manera que los relacionados con los subndices de la forma simblica de inters (en este caso C), aparezca primero. El resto de los elementos se deben encerrar entre parntesis. Para C se obtiene.
c) La cantidad entre parntesis debe transformarse en la notacin estndar punto en el subndice, donde el punto que reemplaza al subndice indica una sumatoria en este
De tres factores.
Nota: SSAC se obtiene de la combinacin de las sumas de cuadrados no corregida en el ltimo rengln, de acuerdo con los signos en la parte superior de cada columna.
REGLAS PARA LAS MEDIAS DE CUADRADOS Estas reglas son muy tiles para encontrar las Medias de Cuadrados para cualquiera de los Modelos que resultan de un Diseo Factorial de tres o ms factores. A continuacin se presentan estas reglas, que sern aplicadas a un Diseo con tres factores.
c) En las restantes columnas de los renglones se escribe el nmero de niveles correspondientes al encabezado de esa columna. d) Para obtener el valor esperado de la media de cuadrados de cualquier componente del Modelo, primero se cubren todas las columnas encabezadas por los subndices activos de ese componente. A continuacin, en cada rengln que contenga al menos los mismos subndices que el componente considerado, se calcula el producto de los nmeros visibles y se multiplica por el factor fijo o aleatorio apropiado, obtenido mediante la Regla 1. La suma de estas cantidades corresponden al valor esperado de la media de cuadrados del componente del Modelo considerado. Estas reglas pueden ser aplicadas a los Modelos que se van estudiando, para obtener los valores esperados de un Modelo de Efectos Mixtos de tres Factores, considerando que el factor A es fijo, el factor B y factor C es aleatorio. Se tiene:
Utilizando estas mismas reglas se obtienen las Medias de Cuadrados Esperados para un Modelo de Efectos Fijos.