Professional Documents
Culture Documents
Matrcula:
2703632
2705090
Diseo de Experimentos
Resumen:
Factor de ruido
Nivel
NO
NO
NO
NO
SI
Temperatura ambiental
NO
SI
Humedad ambiental
NO
SI
Coinciden el valor mximo o mnimo del modelo con los valores del
proceso?
c. Para un conjunto de datos mustrales x1, x2, ..., xn se calcula como la suma
de todos los valores dividida entre n grados de libertad (donde n es el
nmero de datos):
Varianza: equivale a la media del error cuadrtico; el error cuadrtico de cada isimo valor est dado por (xi - )2
a. Para un conjunto de datos discretos x1, x2, ..., xn con probabilidad p(xi ), se
calcula como la suma de todos los errores respecto a la media poblacional
(donde n es el nmero de datos):
d. Para un conjunto de datos mustrales x1, x2, ..., xn, se calcula como la suma
de todos los errores respecto a la media muestral , dividida entre n - 1
grados de libertad (donde n es el nmero de datos):
y 2
8
3
3
2
6
2
6
2
7
2
7
2
8
2
8
3
0
1
0
2
5
1
1
3
2
1
2
2
6
1
3
2
5
1
4
3
0
1
5
2
9
1
6
2
7
1
7
3
2
1
8
2
7
1
9
3
1
2
0
3
1
Obtenemos
= 28.4
S = 2.458
La distribucin normal:
Distribucin normal de una variable aleatoria x, perteneciente a una poblacin de
media y varianza 2:
Teorema del lmite central: si x1, x2, ..., xn, es una muestra de n variables aleatorias
e independientes, con media , extradas de una poblacin con media y varianza
2, entonces existe una variable aleatoria z que tiende a la normalidad (distribucin
gaussiana) cuando n :
La distribucin Ji cuadrada (
):
Despus hay que fijar un criterio para aceptar o rechazar la hiptesis nula. Si
aceptamos la hiptesis nula significa que rechazamos la alterativa y viceversa.
Aceptamos Ho
y esta es
verdadera
No tiene
Rechazamos
Ho y esta es
falsa.
Error
Tipo a:
Rechazamos
Ho y esta es
verdadera.
Si tiene
Tipo B:
Aceptamos Ho
y esta es falsa.
Intervalo de confianza:
Se fija de acuerdo al coeficiente de confianza (1 -
).
H1:
0
> 0
< 0
Criterio de rechazo
H1:
1 2
1 > 2
1 < 2
Criterio de rechazo
= 102.5 y
= 99.6
3. Se calcula:
4. Se determina:
para
= 0.05
5. Se realiza la comparacin:
>
H1:
0
> 0
< 0
Criterio de rechazo
H1:
1 < 2
1 > 2
Criterio de rechazo
= n1 + n2 - 2
Esta frmula se utiliza en la siguiente prueba:
Prueba sobre dos medias
Prueba
H0:
1
1 = 2
H1:
1 2
Criterio de rechazo
= 102.5 y
= 99.6
4. Se calcula:
5. Se determina:
para
6. Se realiza la comparacin:
= 0.05
<-
H1:
02
2 > 02
2 < 02
Criterio de rechazo
3. Se calcula:
4. Se determina:
para
5. Se realiza la comparacin:
= 0.05
H1:
Criterio de rechazo
2
3
3. Se calcula
4. Se determina
para
= 0.05
5. Se realiza la comparacin
Notacin
Existe un tipo de notacin consistente en colocar en el subndice un punto. En este
tipo de notacin significa que se est, el punto realizando la suma sobre la variable
mostrada en el mismo subndice.
Algunas de estas representaciones son las siguientes:
Ejemplo
Para realizar un experimento, se toman 3 tratamientos. Para cada tratamiento
existen las observaciones mostradas en la siguiente tabla:
Tratamiento
1
2
3
Observaciones
10
7, 1, 3, 5, 8, 2, 3, 5, 6, 1
12
4, 4, 3, 2, 1, 5, 7, 1, 1, 8, 2, 5
8
1, 6, 8, 4, 4, 2, 3, 1
1. Qu valor tiene k?
2. Si consideramos el tratamiento i = 3, qu valor tiene n?
3. Qu valor tiene Y36?
4. Para las condiciones de la pregunta 2, qu valor tiene Yi?
Solucin:
1. Dado que existen 3 tratamientos, k = 3.
2. Dado que el tratamiento i = 3, tiene o observaciones, n = 8
3. Dado que en el tratamiento k = 3, el 6 elemento es un 2, Y36 = 2
4. Dado que la suma de todos los elementos de la muestra del tratamiento
k = 3: 1+ 6+ 8+ 4+ 4+ 2+ 3+ 1 = 29, resulta que Y3 = 29
Ejemplo
Una empresa productora de bolsas de plstico est interesada en probar si una
nueva cantidad de carbonato de calcio (CaCO3) para una nueva aplicacin
hace que aumente la dureza (Mohs) de las bolsas. En pruebas anteriores se ha
observado que la modificacin en la cantidad de carbonato hace variar la dureza, y
se sospecha que a mayor cantidad de carbonato, la dureza aumenta. Por la
experiencia se sabe que para el tipo de bolsa realizada hasta el momento (PEANAPM) una cantidad del 8% al 15% es suficiente, pero para el nuevo tipo de bolsa
(PEBDL) aumentar la dureza de 14 al 20%.
Solucin:
Se decide realizar un experimento con:
1. Cuatro niveles a = 4.
2. Tres pruebas n = 3, para cada uno de los cuatro niveles, a*n = 12.
3. Esto nos da que hay que realizar 12 corridas, a*n = 12, como se muestra en
las columnas 2, 3 y 4 de la Tabla 2.
4. En orden aleatorio, como se muestra en las columnas 5, 6 y 7 de la misma
tabla. As, la corrida experimental 12 ser la primera en ser realizada,
despus ser la corrida 6, etc., y al final la corrida 11.
La generacin de nmeros aleatorios se realiz utilizando Minitab: Calc >
Datos aleatorios > Muestreo por columnas.
% de CaCO3
Corrida Experimental
14
16
18
20
1
4
7
10
2
5
8
11
3
6
9
12
Orden
de
(aleatorio)
3
5
11
8
4
9
10
12
ejecucin
7
2
6
1
Resultados
% de CaCO3
14
16
18
20
Suma:
Prueba
1
9
8
5
9
2
10
3
16
4
3
4
12
3
11
Total
23
23
24
24
94
Promedio
7.667
7.667
8
8
7.834
1. Estimacin puntual
Se estiman los parmetros por medio de una muestra de tamao n, siguiendo los
siguientes procedimientos:
La varianza
se estima por medio de la varianza de la muestra S2, que se
representa con el smbolo .
1
1
2
2
3
4
4
8
5
16
En la que
En estos modelos
observamos:
El error aleatorio(Eij) de la
medicin (yij), que es la
diferencia entre
medicin(yij)y el valor
esperado y los parmetros
asociados a los
tratamientos(Ti).
Diagrama de cajas
Metricos
Media
Varianza
Ordenad
os por
rango
Proporcio
nes
Los datos
pueden
ser
Categri
cos
Mediana
Cuartiles
Datos
Q1
1
2
3
135823561
443215711825
16844231
11233 | 55678 =
111 | 223 | 445 | 578
11 | 23 | 44 | 68
1.75
1.25
1.25
1
1
1
Grficas de medias
Q2:
Mediana
4
3.5
3.5
Q3
Mximo
6.25
5
5
8
8
8
De intervalos
De valores individuales
Prueba de Tukey
La prueba de Tukey consiste en probar que las medias de dos poblaciones
con a tratamientos son significativamente diferentes.
La frmula que se utiliza es la siguiente:
Donde:
q es una valor que se obtiene de una tabla (Tabla de Tukey)
, de manera parecida a la tabla de F . Horizontalmente se
colocan los grados de libertad de los tratamientos y verticalmente los grados de
libertad del error. Solamente existen tablas para niveles de significancia del 5% y
del 1%.
El trmino que est dentro de la raz cuadrada se llama error estndar de la
media y es igual al cuadrado medio del error (obtenido en el ANDEVA), dividido
entre el nmero de repeticiones.
Si la diferencia entre dos promedios es mayor que el comprador, se
concluye que los dos promedios no son iguales, en caso contrario se concluye que
s son iguales.
Se utiliza el mismo comparador para todos los pares de promedios que se
comparan.
Pero sta frmula solamente es vlida para el caso de experimentos con igual
nmero de repeticiones (balanceado).
2.1
1.5
2.0
MURI
1.8
1.4
1.8
1.5
2.0
1.6
1.9
1.6
MURI
1.4
2.1
1.6
1.9
1.5
2.1
1.5
2.0
1.7
2.0
1.4
Los animales murieron por causas naturales (no por efecto de los
tratamientos) deben ser excluidos del anlisis, por lo que el experimento se
convierte en desbalanceado.
El anlisis de varianza al 5% de significancia elaborado con Excel es el
siguiente:
Anlisis de varianza de un factor
RESUMEN
Sum
Promedi
Grupos
A
Cuenta
5
a
9.8
o
Varianza
1.96
0.013
1.516666 0.013666
B
C
6
6
9.1
11.9
67
67
1.983333 0.013666
33
1.52
7.6
67
0.007
ANLISIS DE VARIANZA
Grad Promedi
Suma de os de o de los
Origen de las cuadrad
variaciones
libert
Valor
cuadrad
os
ad
1.137878
Probabili
os
F
dad
para F
0.379292 31.51048 2.2348E- 3.159907
Entre grupos
79
3
Dentro de los 0.216666
93
95
0.012037
grupos
04
67
crtico
18
07
59
1.354545
Total
45
21
con
un
alfa
del
5%
3.118
Por ejemplo, los clculos para la primera comparacin (A contra B) se realizan as:
Diferencia:
1.96-1.516=0.4433
error estndar=
comparador=
3.118*0.047=0.1465
r2
diferenci
error
comparado conclusi
estndar r
A contra
n
no
son
B
5
A contra
0.4433
0.0470
0.1465
iguales
son
C
5
A contra
0.0233
0.0470
0.1465
iguales
no
son
D
5
B contra
0.4400
0.0491
0.1530
iguales
no
son
C
6
B contra
0.4667
0.0448
0.1397
iguales
son
D
6
C contra
0.0033
0.0470
0.1465
iguales
no
son
0.4633
0.0470
0.1465
iguales
A
A
B
C
C
Al aplicar el mtodo de Duncan a los datos del ejemplo del algodn se tiene:
1. El error estndar de la media es
se
compara con
porque entre
Tema
Pruebas
para
la
adecuacin
del
modelo
Normalidad
Es la cualidad o condicin de normal (que se ajusta a las normas o que se
halla en su estado natural). En un sentido general, la normalidad hace referencia a
aquel o aquello que se ajusta a valores medios.
Para verificar si nuestros residuos siguen el supuesto de normalidad podemos
realizar dos acciones:
1. Comprobar, a travs de un histograma con su correspondiente ajuste, a la
normal:
a. Que tan ajustado est un conjunto de observaciones con la normal.
Para realizar una prueba para saber si los datos de una muestra provienen de
una distribucin especfica se utiliza la prueba de Anderson-Darling. Esta es una
prueba no paramtrica que se obtiene con la frmula:
.
La prueba de Bartlett se utiliza para comprobar la hiptesis anterior y consiste en
el siguiente procedimiento:
Walpole (2012).
5. Comparar
Residuos
Para ilustrar un posible anlisis de residuos, lo iremos haciendo a travs de un
ejemplo directamente:
1. Tomamos los datos de la seccin anterior, ver las columnas 1 a 6 de la
Tabla 2 (datos y resultados parciales).
2. Calculamos la media de cada tratamiento, ver la columna 7 de la Tabla 2
(Datos
resultados
parciales).
i=
1
2
3
j=
A
B
C
1
14
10
10
2
17
10
19
n=
3
12
16
10
Paso 2:
Media
14.33
12
13
Paso 3:
ei1
ei2
-0.330 2.67
-2
-2
-3
6
Paso 4:
ei3
di1
di2
-2.33 -0.097 0.785
4
-0.588 -0.588
-3
-0.882 1.76
di3
-0.685
1.18
-0.882
a=
17
18
19
18
-1
-0.294 0
0.294
probabilidad
de
error
, en la que
tipo
El valor de
es
II:
Solucin:
Paso 1. Se realiza el experimento con los cuatro tratamientos (tcnicas),
obteniendo los resultados mostrados en las columnas 3 a 6 de la Tabla 1.
Resultados preliminares.
Tcnica Sy
(resistencia
de
fluencia
(MPa)
1
2
3
4
1
2
3
4
285
254
250
252
250
251
253
253
254
250
251
253
251
254
254
252
260
252.25
252
252.5
=
5.8125
-1.9375
-2.1875
-1.6875
=4
1016.75 5.172
= 254.2
Paso 2. Calculamos:
a)
b)
La
La
media
suma
de
cada
de
todas
tratamiento
ellas
obtenemos que:
2.52
3.78
5.04
6.3
1.5875
1.9442
2.245
2.51
3
3
3
3
4
8
12
16
0.6
0.29
0.054
0.032
0.4
0.71
0.946
0.968
Paso 5. B
Buscamos en la curva caracterstica de la Tabla V de Montgomery (2012) para
con [
libertad, ver Curvas 1.
grados de
, y aceptamos H0, as
).
Ejemplo:
Si tomamos los datos de la resistencia de fluencia del acero A36, y calculamos el
valor de
Solucin:
Paso 1. Realizar el experimento; ver tabla 1 del ejemplo anterior.
Paso 2. Calculamos:
a)
La
b)
media
La
de
suma
cada
de
tratamiento.
todas
ellas.
obtenemos que:
1.8668
1.98
2.0871
3
3
3
28
32
36
0.21
0.12
0.083
0.79
0.88
0.917
11
2.189
40
0.053
0.947
grados
de
libertad.
Ver Curvas 2
, y aceptamos H0, as
).
Intervalo de confianza
La probabilidad de xito en la estimacin se representa con 1 - y se
denomina nivel de confianza. En estas circunstancias, es el llamado error
aleatorio o nivel de significacin, esto es, una medida de las posibilidades de fallar
en la estimacin mediante tal intervalo. [1]
El nivel de confianza y la amplitud del intervalo varan conjuntamente, de
forma que un intervalo ms amplio tendr ms probabilidad de acierto (mayor nivel
de confianza), mientras que para un intervalo ms pequeo, que ofrece una
estimacin ms precisa, aumenta su probabilidad de error
Tema 11. Diseos de bloques completos
Los diseos de bloques completos se utilizan en casos en donde dos o ms
factores influyen en la respuesta.
El diseo de bloques completos es muy til para resolver este tipo de
problemas con multi-parmetros.
Diseos de bloques completos aleatorios
El diseo de bloques completos aleatorios se utiliza cuando queremos
comparar tratamientos o determinar el efecto de un factor en especial.
Ejemplo: Un ingeniero desea probar el efecto de colocar cuatro diferentes tipos de
capacitores en la frecuencia de oscilacin de un oscilador, que espera sea de 100
MHz. Para la prueba, el ingeniero decide realizar un anlisis de varianza para el
diseo de bloques completos aleatorios que consiste en utilizar cada tipo de
capacitor en cinco osciladores diferentes y realizar la decisin con un nivel de
significancia
Solucin.
Caacitor
1
2
3
4
Amplificador
1
2
98.9 97.3
104.0 103.4
98.3 101.3
104.4 101.5
3
102.6
100.5
101.2
98.7
4
104.1
97.0
95.5
101.8
5
103.2
98.0
100.9
97.0
(Tabla 4).
Amplificador (a=5)
Capacitor (b=4) 1
2
3
1
-1.1
-2.7
2.6
2
4.0
3.4
0.5
3
-1.7
1.3
1.2
4
4.4
1.5
-1.3
5.6
3.5
3.1
31.5 12.3 9.3
4
4.1
-3.0
-4.5
1.8
-1.6
2.6
5
3.2
-2.0
0.9
-3.0
-0.9
0.81
6.2
2.9
-2.8
3.4
38.36
8.17
7.77
11.71
66.0
56.51
Paso 3. Realizamos los clculos utilizando las frmulas de las tablas 1 y 2. Las
operaciones y los resultados se muestran en la siguiente tabla (Tabla 5):
Fuente
de
variacin
Tratamie
ntos
Suma de cuadrados
Grados
libertad
de
Cuadrados medios F0
Bloques
Error
Total
es mayor que
B
C
D
A
C
D
A
B
5X5
A
B
C
D
E
D
A
B
C
B
C
D
E
A
C
D
E
A
B
D
E
A
B
C
E
A
B
C
D
.
Diseo de cuadro grecolatino
El diseo de cuadro grecolatino se utiliza cuando se desea comparar cuatro
factores, dos de ellos (
) llamados
A continuacin se incluyen dos ejemplos de dicho orden (que puede ser diferente):
uno para p=4: cuadro 4 X 4 y otro para p=5: cuadro 5 X 5.
4X4
5X5
, que se
, dado por
, dado por
, dado por
, dado por
Como en todo sistema binario, los niveles pueden ser designados como0 (cero)
o 1 (uno), alto o bajo, + o -, A o B, etc.
Dado que los diseos factoriales 2 2 suponen que k=2, asignamos a cada factor la
siguiente notacin estandarizada:
Factor
Factor A
Factor B
AB
deSuma
varianza
A
B
AB
Error
Total
deGrados
deCuadrados
cuadrados libertad
medios
A:
B:
Unidad
mm
kPa
x1
X2
Fuerza, N
Total
Dimetro Presin
20mm
400kPa
25mm
400kPa
20mm
600kPa
25mm
600kPa
+
+
+
+
-1
+1
-1
+1
-1
-1
+1
+1
113
174
145
244
104
151
169
226
116
162
138
276
333
487
452
746
Aunque contamos con todas las frmulas para los clculos, podemos hacer uso
del software Design Expert 7.0.0 Trial
Name Units
A
A
B
B
Type
Low
Numeric
Numeric
High
-1
-1
1
1
Continue
Responses: 1
Name
Units
R1
Run
B:B
-1.00
-1.00
-1.00
-1.00
-1.00
-1.00
1.00
1.00
1.00
1.00
1.00
1.00
R1
113
104
116
174
151
162
145
169
138
244
226
276
Modelo
cuadrados libertad
Medios
Prob > F
40098.00 3.00
A-A
430.00
15408.33 1.00
B-B
526.00
23056.33 1.00
AB
140.00
1633.33
1.00
1633.33
Error
2736.67
8.00
342.08
Total
42834.67 11.00
4.77
0.0604
Conclusiones:
1. Dado que el valor_p del modelo es menor a 0.05 es significante.
2. Dado que el valor_p de A es menor a 0.05 es significante.
3. Dado que el valor_p de B es menor a 0.05 es significante.
4. Dado que el valor_p de AB es mayor a 0.05 no es significante.
13.2 Diseos factoriales 23
Aunque el caso ms general es cuando tenemos solo dos factores, A y B, se
pueden dar dos situaciones:
1. Se puede desear estimar la respuesta al aumentar un factor adicional.
De aqu que este tipo de diseo experimental es llamado diseo factorial 23.
Como en todo sistema binario, los niveles pueden ser designados como 0 (cero)
o 1 (uno), alto o bajo, + o -, A o B, etc.
Fuente
variacin
A
B
C
AB
AC
BC
ABC
Error
de
Suma
deGrados
deGrados
cuadrados libertad
medios
F0
Valor_P
Total
Diseos factoriales
Este es el diseo factorial
Significa
factores
efectos.
1
2
3
4
5
6
con
niveles
cada
uno.
Fuente de variacin
Suma de cuadrados
Grados
de
libertad
Factor
A
B
C
D
Unidad
Alto
60
psi
Alto
42
Pulgadas
A favor
Grados
de
Fuente Cuadrados
libertad
Bloque 6.5664063
1
Modelo 2674.1984
6
A
644.01751
1
B
1502.1438
1
C
322.83106
1
D
74.952306
1
AB
93.074256
1
BD
37.179506
1
Residuos 40.6274
8
Total
2721.3922
15
Tema 14. Diseos factoriales 3k
Cuadrados
Valor
Medios
6.56640625
445.6997396
644.0175063
1502.143806
322.8310563
74.95230625
93.07425625
37.17950625
5.078425
F
87.76338
126.8144
295.7893
63.56913
14.75897
18.32739
7.32107
Prob > F
.
Para este tipo de diseo en la siguiente tabla se presentan los grados de libertad:
Fuente
Grados de
libertad
A-A
B-B
AB
Error
Total
Las sumas de cuadrados A-A, B-B y AB pueden ser calculadas con las frmulas
presentadas en temas anteriores.
14.2 Diseos factoriales 33
significa 3 factores con 3 niveles cada uno,
efectos.
grados de libertad.
Ejemplo: Purvis y Gallagher (2000) nos presentan el siguiente ejemplo del diseo
factorial 33 a travs de un diseo experimental para establecer unos valores
nuevos de la potencia, la presin y la relacin de gas que sern utilizados en un
nuevo ajuste de 1.2cm.
Solucin:
Se establecen los niveles bajo, medio y alto:
Factor
Niveles
Bajo
Unidad
Medio
Alto
Potencia
600
750
900
Presin
300
385
470
mT
CF4:CHF3
1.8
2.2
2.6
deGrados deCuadrados
Valor_p
variacin
cuadrados libertad
medios
Bloque
43560.00
43560.00
4.657E+006 242.93
< 0.0001
1.674E+006 87.34
0.0002
7.640E+006 398.53
< 0.0001
Modelo
9.315E+00
6
1.674E+00
6
7.640E+00
significativ
o
NO
Curvatura 4120-90
4120-90
0.21
0.6624
significativ
o
Residuos 95855.00
Cor Total
9.458E+00
6
19171.00
Conclusiones:
1. Dado que (Valor_p del Modelo) < 0.01 se concluye que es significativo.
2. Dado que (Valor_p de A) < 0.01 se concluye que es significativo.
3. Dado que (Valor_p de B) < 0.01 se concluye que es significativo.
efectos.
combinaciones de tratamientos.
grados de libertad entre ellos.
medios y las interacciones entre dos factores; a este tipo de diseo se le conoce
como fraccin del diseo 2k
Debido a que la fraccin del diseo 2 k contiene 2k-1 corridas se le conoce como
diseo factorial fraccionado 2k-1.
Otro diseo factorial para un gran nmero de factores es el de la fraccin del
diseo 2k.
Debido a que la fraccin del diseo 2 k contiene 2k-2 corridas se le conoce como
diseo factorial fraccionado 2k-2.
Diseo factorial fraccionado general 2k-p
del diseo 2k contiene 2k-p corridas se le conoce
1
2
3
4
5
6
7
8
Factor
Operador
OP_DIFF
OP_PHOTO
OP_ETCH
OP_WET
OP_MOVE
Release Rate
Dispatching
Rules
Stockers Qty.
Nivel Rango
2
2
2
2
2
2
2
2
3
2
35
18k
4
4
5
4
55
19k
FIFO
Same Setup
deGrados deCuadrados
cuadrados libertad
3094696.403
2440544.151
510956.81 1
143195.44 1
F
medios
1031565.47 2238.82
2040544.15 5296.75
510956.81 1108.94
143195.44 310.78
Curvatura 852.64
852.64
Residuos 7832.96
Falta
de
5791.66
ajuste
Error puro 2041.30
Total
3103382
17
460.76
13
445.51
4
21
510.33
1.85
0.87299645
4
Valor_p
<0.0001 significativo
<0.0001
<0.0001
<0.0001
NO
0.1915
significativo
0.6215
Suma
de
Valor_p
NO
significativo
Fuente de
variacin
cuadrados
14050525.5
Modelo
5
13028404.5
AG
Grados deCuadrados
libertad
medios
7025262.77 4574.10
1022121.00 1
13028404.5
5
<0.0001
0.36
0.5533
0.52
0.8373
560.48
Residuos 27645.79
18
1535.88
14
1274.79
2449.67
ajuste
de
17847.12
Cor total
14078731.8
2
21
significativo
<0.0001
1022121.00 665.50
Curvatura 560.48
Falta
8482.71
<0.0001
NO
significativo
NO
significativo