Professional Documents
Culture Documents
3.1
Un Ejemplo
Un ingeniero de materiales esta interesado en maximizar la resistencia a la traccin de una
nueva fibra sinttica que ser empleada en la industria textil. Por experiencia previa, el
ingeniero sabe que el contenido de algodn afecta la resistencia. Es ms, el sospecha que un
incremento en el contenido de algodn, incrementar la mencionada resistencia; por ello, decide
llevar a cabo pruebas de resistencia con fibras que contienen 15, 20, 25, 30 y 35 % de algodn
(niveles de contenido de algodn). Para ejecutar las pruebas, decide emplear cinco muestras por
cada nivel de contenido.
Lo arriba mencionado es un ejemplo de un experimento de factor simple con a = 5 niveles del
factor y n = 5 replicas. Los 25 experimentos deben ser ejecutados en un orden totalmente
aleatorio. Para controlar la aleatoriedad de los experimentos, se procede de la siguiente manera:
1.
2.
Nmero de Muestra
1
6
11
16
21
2
7
12
17
22
3
8
13
18
23
4
9
14
19
24
5
10
15
20
25
26
Contenido de Algodn
8
18
10
23
17
5
14
6
15
20
9
4
12
7
1
24
21
11
2
13
22
16
25
19
3
Tabla 3.2
3.
Nmero de muestra
20
30
20
35
30
15
25
20
25
30
20
15
25
20
15
35
35
25
15
25
35
30
35
30
15
Secuencia de Experimentos
Contenido
de Algodn
(%)
Observaciones
(en kg/cm2)
1
7
12
14
19
7
15
20
25
30
35
Tabla 3.3
2
7
17
18
25
10
3
15
12
18
22
11
4
11
18
19
19
15
5
9
18
19
23
11
total
49
77
88
108
54
376
media
9.8
15.4
17.6
21.6
10.08
15.04
Tal solucin sera incorrecta. Existen 10 posibles pares los que, examinados a un nivel de
confianza del 95 % cada uno (1 0.95), arrojaran en conjunto un nivel de significacin
del (0.95)10 0.60. Es decir, existira un substancial incremento del error del tipo I.
El
procedimiento apropiado para examinar la igualdad de varias medias es el Anlisis de Varianza.
3.2
Anlisis de Varianza
En general, la Tabla 3.3 pude ser escrita en trminos de la Tabla 3.4
Tratamiento
(nivel)
Observaciones
1
...
total
media
muestral
media
poblacional
y11
y12
...
y1n
Y1
y21
y22
...
y2n
Y2
.
.
.
.
.
.
...
...
.
.
.
.
.
.
.
.
ya1
ya2
...
yan
Ya
Tabla 3.4
Una entrada u observacin en la Tabla 3.4 representa la j-sima observacin bajo el tratamiento
i. Las observaciones de la Tabla 3.4 pueden ser descritas por un modelo estadstico lineal :
i
1,2,......a
j
1,2,......n
y ij i
ij
donde
(3.1)
i 1
(3.2)
Yi y ij
y i Yi /
n
j 1
Y
i 1
ij
i 1,2,......., a
Y Y/N
j 1
(3.3)
donde N = an , es el numero total de observaciones.
La media o valor esperado del tratamiento i es:
Ei ( yij ) i
i
i 1, 2,.......,
a
(3.4)
La Eq. 3.4 indica que la media del tratamiento i es la suma de la media global y del efecto de
dicho tratamiento.
El investigador esta interesado en probar la igualdad de medias. Esto es:
Ho : 1 2 3 ........... a
H1 : i
j
para al menos un
par
i, j
(3.5)
para al menos un
par
i, j
(3.6)
De la Eq. 3.6 se concluye que se puede probar la igualdad de medias mediante el examen de la
igualdad de los efectos de tratamiento. El procedimiento apropiado para probar " igualdad de
efectos de tratamiento " es el Anlisis de Varianza.
3.3.1 Descomposicin de la Suma Total de Cuadrados
El nombre de Anlisis de Varianza se deriva de la particin de la variabilidad total en sus
componentes. La suma total de cuadrados
a
SCT
(y
ij
Y )
2
i 1 j 1
(3.7)
se utiliza como una medida de la variabilidad total.1 La Eq. 3.7 puede ser re-escrita como sigue:
y
a
i 1 j 1
2
Y [( yi Y ) ( yij yi )]
a
ij
i 1 j 1
ordenando:
a
(y
Y ) 2 n ( y i Y2
)
ij
i 1 j 1
i 1
(y
ij
yi )
2
i 1 j 1
(3.8)
La Eq. 3.8 indica que la variabilidad total de los datos es igual a la suma de los cuadrados de las
diferencias entre las medias de los tratamientos y la media total; mas la suma de los cuadrados
de las diferencias entre las observaciones y las medias de cada tratamiento. La Eq. 3.8 se puede
escribir como:
SCT SCt
SCe
donde SCt es la suma de cuadrados debido a los tratamientos (niveles) y SCe es la suma de
cuadrados debido al error.
Considere ahora la suma de cuadrados debido al error:
a
SCe
yi )
( y ij
i 1 j 1
i 1
(y
ij
y i2)
j 1
(3.9)
De esta manera, se ve que el trmino dentro de los parntesis cuadrados dividido entre n-1, es la
varianza muestral del tratamiento i . Es decir:
n
2
i
(y
ij
yi 2
i 1,2,......., a
j 1
n1
Substituyendo en la Eq. 3.9 se tiene:
SCe
( N a)
(y
i 1
j 1
a
ij
y i )2
(n
1)
i 1(n 1) S i
i 1
CM
( N a)
1Esto
(3.10)
es razonable pues, se se divide SCT entre el nmero de grados de libertad, an - 1 = N - 1 ,se estara en presencia de la
varianza muestral misma que es una medida estndar de variabilidad.
La Eq. 3.10 es una estimacin de la varianza comn dentro de cada uno de los a tratamientos.
De manera similar, el termino
a
SCt
(a 1)
n ( yi Y2)
i 1
(a 1)
CM t
(3.11)
E(CM e ) 2 y E(CM t )
2
n i
i 1
a1
(3.12)
Como se dijo antes, los cuadrados medios son estimaciones de la varianza poblacional y por
tanto, si no existen diferencias entre las medias de los tratamientos ( i 2 0) , entonces los
valores esperados de ambos estimadores sern idnticos e iguales a la varianza poblacional.
3.3.2 Anlisis Estadstico
En base al anlisis anterior, en esta seccin se investigar de manera formal el examen de
hiptesis de la Eq. 3.6. Dado que se asumi que el error ij es independiente y se distribuye
normal con media 0 y varianza 2 , entonces las observaciones yij son independientes y se
distribuyen normal con media i y varianza 2 .
En virtud del Teorema de Cochran , si el termino SCT es una suma de cuadrados de variables
aleatorias normales y la hiptesis nula Ho : i 0 es verdadera, entonces se cumple lo siguiente:
1.
2.
3.
4. Fo CMt /
CMe
Sin embargo, si la hiptesis nula es falsa, el termino E (CMt ) es mayor a 2 (Eq. 3.12) y Ho
deber ser rechazada cuando Fo F, a 1, N a .
Ejemplo
Para ilustrar el anlisis de varianza, considrese la Tabla 3.3.
Contenido
de Algodn
(%)
15
20
25
30
35
Observaciones
(en kg/cm2)
1
7
12
14
19
7
7
17
18
25
10
15
12
18
22
11
11
18
19
19
15
9
18
19
23
11
totales
Yi
49
77
88
108
54
Y =376
medias
yi
9.8
15.4
17.6
21.6
10.08
Y = 15.04
SCT
Y
i 1
j 1
yij 2
636.96
Yi 2 Y 2
475.76
N
i 1 n
5
SCt
i 1 j 1
2
ij
( y
i 1 j 1
ij
2i )
(3.13)
y i , estimadores de y i , que minimicen L. Es decir, se resuelve
,
i
L
i
, i
El sistema es:
N n1 n2 ... n
a
n1
n
n2
.
n
Y1
Y2
. .
Ya
(3.14)
Las a+1 ecuaciones arriba expresadas se llaman ecuaciones normales de mnimos cuadrados
mismas que no son linealmente independientes y por tanto no tienen un sola solucin. Esta
problema puede solucionarse mediante la Eq. 3.2 que establece que los efectos de los
tratamientos son desviaciones de la media. Con dicha condicin, las soluciones a la Eq. 3.14
son:
Y
i y i Y
i
1,2,.....a
(3.15)
Esta solucin establece que la media global es estimada por la media total de las observaciones
y que cualquier efecto de tratamiento es la diferencia entre la media del tratamiento y la media
total de las observaciones.
Puede demostrarse que un intervalo de confianza de la media de un tratamiento esta dado por:
yi t / 2, N a CM e / n
y de la diferencia de medias entre dos tratamientos por:
yi y j t / 2, N a 2CM e / n
3.4