DISEO DE EXPERIMENTOS CON UN SOLO FACTOR

TECNICA DE ANALISIS DE VARIANZA

Ejercicio Un fabricante de televisores est interesado en el efecto de cuatro tipos diferentes
de recubrimientos para cinescopios de color sobre la conductividad de un cinescopio. Se
obtienen los siguientes datos de la conductividad:
Tipo de recubrimiento
1
2
3
4

Conductividad
141
150
149
137
136
132
127
132

143
152
134
129

146
143
127
129

Solucin:

Este ejercicio supone que ya se ha realizado el proceso de aleatorizacin para la realizacin

de los experimentos. Igualmente la determinacin del nmero de rplicas.
La implementacin de la metodologa del Diseo de Experimentos de una Va inicia con la
construccin de la tabla de ANOVA para el juzgamiento de las hiptesis de la prueba:

H 0 : 1= 2=3= 4
H 1 :i , j/ i j

Aqu,

es la media de la conductividad de recubrimiento i .

1. CLCULO DE LA TABLA ANOVA

Tabla ANOVA para Conductividad por Recubrimiento
Fuente
Entre grupos
Intra grupos
Total (Corr.)

Suma de Cuadrados
844,688
236,25
1080,94

Gl
3
12
15

Cuadrado Medio
281,563
19,6875

Razn-F
14,30

Valor-P
0,0003

Puesto que el valor-P de la prueba-F es menor que 0,05, existe una diferencia
estadsticamente significativa entre las medias de conductividad d un nivel de
recubrimiento a otro, con un nivel del 0.95 de confianza.
En otras palabras, se rechaza la hiptesis nula

H0

referida a la igualdad de las medias de los

tratamientos y se concluye que por lo menos una de las medias de la conductividad es diferente.
1

2. ESTIMACIN DE LOS PARAMETROS.

En el modelo matemtico
y ij =i + ij ,i=1, , a ; j=1, ,n
hay a+1 parmetros a estimar:
1 , 2 , .. a , 2
Para el caso del ejemplo hay 5 parmetros a estimar. Los parmetros del modelo se estiman
por el mtodo de estimacin mnimo cuadrtica que bajo la hiptesis de normalidad e
independencia, su bondad la establece un resultado clave en los problemas de modelizacin
lineal estadstica, el Teorema de Gauss-Markov, segn el cual,
2
Para todo modelo lineal con errores normales, independientes y varianza comn ,
los estimadores mnimo-cuadrticos son nicos, insesgados y de varianza mnima.
Tabla de Medias para Conductividad por Recubrimiento con intervalos de confianza del 95,0%

Recubrimiento
1
2
3
4
Total

Casos
4
4
4
4
16

Media
145,0
145,25
132,25
129,25
137,938

Error Est.
(s agrupada)
2,21853
2,21853
2,21853
2,21853

Lmite Inferior
141,582
141,832
128,832
125,832

Lmite Superior
148,418
148,668
135,668
132,668

Una conclusin prctica del ejemplo sacada de la siguiente grfica es que el tipo de
recubrimiento que reportan ms alta conductividad son el 1 y el 2. (Col_1 conductividad;
Col_2-tipo de recubrimiento).

Scatterplot by Level Code

160

Col_1

150
140
130
120
1

Col_2

3. VERIFICAIN DE LA ADECUACIN DEL MODELO.

Supuesto de independencia de las observaciones.

Residual Plot for Col_1

9

residual

6
3
0
-3
-6
-9
0

12

16

row number
La suposicin de independencia de las observaciones de este ejemplo se verifica al
constatar que la grfica resultante entre el orden en que se colectaron los datos contra el
residuo correspondiente, no se detecta una tendencia o patrn no aleatorio claramente
definido, esto es evidencia de que no existe una correlacin entre los errores y por lo tanto
el supuesto de independencia se cumple Si el comportamiento de los puntos es aleatorio
dentro de una banda horizontal, el supuesto se est cumpliendo.
Supuesto de normalidad.

Quantile-Quantile Plot
RESIDUALS

7
3
-1
-5
-9
-9

-5

-1

Normal distribution
Esta grfica se observa que los residuos siguen una distribucin normal, ya que al
graficarlos se aprecia una tendencia a estar alineados en una lnea recta.

Supuesto de igualdad de la varianza

Se puede verificar el supuesto de que los tratamientos ( tipos de recubrimientos) tienen la
misma varianza es graficando los predichos contra los residuos, generalmente valores
predichos van en el eje X (horizontal) y los residuos en el eje vertical. Si los puntos en la
grfica de residuos contra los predichos se distribuyen aleatoriamente en una banda
horizontal (sin ningn patrn claro y contundente), entonces es seal de que se cumple el
supuesto de que los tratamientos tienen igual varianza, como es nuestro caso.

Residual Plot for Col_1

9

residual

6
3
0
-3
-6
-9
120

125

130

135

140

145

150

predicted Col_1

Otra grfica que ayuda a verificar el supuesto de varianza constante es la grfica de niveles
del factor contra residuos. En el eje X de esta grfica se ponen los tratamientos o los niveles
4

de un factor, y en el eje Y se agregan los residuos correspondientes a cada tratamiento o

nivel de factor. Si se cumple el supuesto de varianza constante, se espera que la amplitud de
la dispersin de los puntos en cada nivel de factor tender a ser similar, nuestro caso

Residual Plot for Col_1

9

residual

6
3
0
-3
-6
-9
1

Col_2
4.

COMPARACIN DE MEDIAS.

Mtodo LSD (Diferencia mnima significativa).

Recubrimiento
4
3
1
2

Casos
4
4
4
4

Contraste
1-2
1-3

Sig.

1-4
2-3
2-4
3-4

*
*
*

Media
129,25
132,25
145,0
145,25

Grupos Homogneos
X
X
X
X

Diferencia
-0,25
12,75

+/- Lmites
9,34325
9,34325

15,75
13,0
16,0
3,0

9,34325
9,34325
9,34325
9,34325

* indica una diferencia significativa.

En esta tabla se muestran los resultados de aplicar el procedimiento de comparacin

mltiple para determinar los tratamientos cuyas medias son significativamente diferentes de
las que otros. La salida muestra la diferencia estimada entre cada par de
significa. Un asterisco se ha colocado junto a 4 pares, lo que indica que
estos pares muestran diferencias estadsticamente significativas en el 95,0%
nivel de confianza. En la primera tabla se observan los grupos homogneos de tratamientos
identificados utilizando columnas de X de. Dentro de cada columna, los niveles
5

que contiene la forma de X un grupo de medios dentro de la cual no existen

diferencias estadsticamente significativas. Con este mtodo, existe un riesgo de 5,0%
llamando a cada par de medios significativamente diferentes cuando la real
diferencia es igual a 0.
Mtodo de Tukey
Contraste
Sig. Diferencia
1-2
-0,25
1-3
*
12,75
1-4
*
15,75
2-3
*
13,0
2-4
*
16,0
3-4
3,0
* indica una diferencia significativa.

Esta tabla se aplica se muestra los pares cuyas diferencias son estadsticamente
significativas en el 95,0% nivel de confianza. Los grupos homogneos son identificado
utilizando columnas de X de. Dentro de cada columna, los niveles que contiene la forma de
X un grupo de medios dentro de la cual no existen diferencias estadsticamente
significativas. El mtodo que actualmente se utilizado para discriminar entre los medios es
de Tukey honestamente significativa diferencia procedimiento (HSD). Con este mtodo,
existe
un
riesgo
de
5,0%
llamar a uno o ms pares significativamente diferentes cuando su real
diferencia es igual a 0.

4. DETERMINACIN DEL TAMAO DE LA MUESTRA.

Considere el experimento de la conductividad descrito en el ejemplo 3-6.
Supongamos que el experimentador est interesado en rechazar la hiptesis nula
con una probabilidad de al menos 0.90, si la media de los cuatro tratamientos es
1=1 30

2=1 3 2

3=1 4 5

4 =1 45
4

Planea utilizar

=0.01

en este caso, puesto que

1= 1=1 301 38=8

2= 2=1 3 21 38=6
3 = 3=1 4 51 38=7
4=4 =1 451 38=7
6

1
= 552 =1 38 y
4 i=1 i 4

2i =198

Por lo tanto

i=1

. Suponga que el investigador piensa que la desviacin

estndar de la resistencia a la tensin con cualquier nivel particular del peso

porcentual del algodn no ser mayor que =6 . Entonces se tiene que:
4

2i

i=1

n(198)
=1.375 n
2
4 (6)

a1=41=3

Se usa la curva de operacin caracterstica para

Na=a ( n1 )=4 ( n1 ) grados de libertad del error y

=0.01

conjetura para el tamao de la muestra requerido, se prueba con

Esto produce

2=1. 375 (3 )=5 .5 , =2.11

Por consiguiente en encuentra que

es aproximadamente
que se concluye que

con

como primera
n=4

rplicas.

y (4)X(3) grados de libertad del error.

0.30 .

por lo tanto la potencia de la prueba

1=0.8 0 , que es menor que el 0.90 requerido, por lo

n=4

no son suficientes procediendo de manera similar se

construye la siguiente tabla:

Tabla 10.
n

a ( n1 )

4
5
6

5.5
6.875
8.25

2.345
2.62
2.87

12
16
205

0.20
0.15
0.07

Por tanto, deben realizarse al menos

n=6

con la potencia requerida.

Potencia ( 1
0.80
0.85
0.93

replicas para obtener una prueba