TECNOLGICO NACIONAL DE MXICO.

INSTITUTO TECNOLGICO DE LA PAZ.

CARRERA:
ING. INDUSTRIAL.
MATERIA:
ESTADISTICA INFERENCIAL II.
ALUMNO:
ENRIQUE LUNA CAMARGO.
DOCENTE:
JOSE ISIDRO ARANGO LEYVA.
TRABAJO:
EJERCICIOS DE LA 5TA UNIDAD.
 Conceptos bsicos en diseos factoriales.

Modelos De Efecto Aleatorios:

Qu es un Modelos De Efecto Aleatorios? En estadstica, un modelo de
efectos aleatorios, tambin conocido como modelo de componentes de la
varianza, es una especie de modelo lineal jerrquico. Se supone que el
conjunto de datos que se analiza consiste en una jerarqua de diferentes
poblaciones cuyas diferencias se refieren a esa jerarqua. En econometra, se
utilizaron modelos de efectos aleatorios en el anlisis de la jerrquica o de
datos de panel cuando se supone no hay efectos fijos (que permite efectos
individuales).

En los modelos de efectos aleatorios, los niveles de cada efecto son resultado
de una seleccin al azar. Por ejemplo, el efecto Hospital en la evaluacin de un
tratamiento puede incluir tres hospitales seleccionados al azar entre los
hospitales de una determinada.

A diferencia del modelo de efectos fijos, el modelo de efectos aleatorios

considera que los efectos individuales no son independientes entre s, sino que
estn distribuidos aleatoriamente alrededor de un valor dado. Una prctica
comn en el anlisis de regresin es asumir que el gran nmero de factores
que afecta el valor de las variable dependiente pero que no han sido incluidas
explcitamente como variables independientes del modelo, pueden resumirse
apropiadamente en la perturbacin aleatoria. As, con este modelo se
considera que tanto el impacto de las variables explicativas como las

caractersticas Propias de cada unidad de corte transversal son diferentes.

Ejemplo:
En una compaa dedicada a la fabricacin de bombas y vlvulas, algunos
componentes crticos tienen tolerancias muy estrechas que son difciles de
cumplir. De aqu que sea necesario estimar el error de medicin con el fin de
ver la posibilidad de reducirlo para cumplir con las especificaciones. El ancho
de una pieza particular es una caracterstica de calidad crtica, cuyas
especificaciones son 69 0.4 mm. Se eligen dos inspectores al azar y siete
piezas para correr un experimento (estudio R&R), a fin de estimar la
contribucin de los inspectores, de las piezas y del error aleatorio
(repetibilidad) en la variabilidad total observada. El experimento utilizado se
muestra en la siguiente tabla:

Ntese que cada inspector mide dos veces cada pieza. Sean los inspectores el
factor A y las piezas el factor B, el primero con dos niveles y el segundo con
siete niveles, en ambos casos seleccionados al azar. El modelo de
componentes de varianza.

Propuesto para describir estos datos es donde s 2 a es el componente de

varianza de los inspectores, s 2 b es el componente debido a las piezas, s 2 ab
es el componente de interaccin de ambos factores y s2 es el componente
aleatorio. Interesa probar las hiptesis H0: s 2 a = 0, H0: s 2 b = 0 y H0: s 2 ab
= 0, y estimar los componentes de varianza. El ANOVA para probar estas
hiptesis se muestra en la siguiente tabla:

Las tres primeras columnas se obtienen igual que el modelo de efectos fijos,
pero las dos ltimas deben corregirse de acuerdo con el estadstico de prueba
apropiado para un modelo de efectos aleatorios ( . F CM CM F A A AB B 0 0
= == / y 0 069 CM CM . ) B AB / = 24 07 . Los valor-p indican que la
variabilidad de las piezas es estadsticamente diferente a cero, mientras que la
variabilidad de los inspectores y de la interaccin inspector pieza no es
significativa (es igual a cero).
Desde el punto de vista del objetivo del experimento, los resultados del
ANOVA son los deseados: la reproducibilidad (s 2 a + s 2 ab) es
estadsticamente igual a cero, es decir, los inspectores no afectan el proceso de
medicin. La estimacin de los componentes de varianza, a partir de los
cuadrados medios, queda como:

De aqu se concluye que la reproducibilidad (s 2 a + s 2 ab = 0) no tiene

contribucin y la respetabilidad expresada como 5.15s es igual a 0.428. Si
este valor se compara con la tolerancia de 0.8, se encuentra que ocupa 53% de
sta, cuando lo deseable es que este porcentaje sea menor al 10%, por lo que
el instrumento es inadecuado para discriminar entre piezas buenas y malas.
Ejemplo 2:

En una compaa dedicada a la fabricacin de motores y tranformadores,

algunos componentes crticos tienen tolerancias muy estrechas que son
difciles de cumplir. De aqu que sea necesario estimar el error de medicin
con el fin de ver la posibilidad de reducirlo para cumplir con las
especificaciones. El ancho de una pieza particular es una caracterstica de
calidad crtica, cuyas especificaciones son 69 0.4 mm. Se eligen dos
inspectores al azar y siete piezas para correr un experimento (estudio R&R), a
fin de estimar la contribucin de los inspectores, de las piezas y del error
aleatorio (respetabilidad) en la variabilidad total observada. El experimento
utilizado se muestra en la siguiente tabla:

Nmero de piezas Inspector A Inspector B

1 2 1 2
1 71 73 76 78
2 70 78 76 75
3 78 71 71 77
4 76 70 78 75
5 79 72 79 77
6 72 77 74 73
7 76 70 77 72

Cada inspector mide dos veces cada pieza. Sean los inspectores el factor A y
las piezas el factor B, el primero con dos niveles y el segundo con siete
niveles, en ambos casos seleccionados al azar. El modelo de componentes de
varianza.

Propuesto para describir estos datos es donde s 2 a es el componente de

varianza de los inspectores, s 2 b es el componente debido a las piezas, s 2 ab
es el componente de interaccin de ambos factores y s2 es el componente
aleatorio. Interesa probar las hiptesis H0: s 2 a = 0, H0: s 2 b = 0 y H0: s 2 ab
= 0, y estimar los componentes de varianza. El ANOVA para probar estas
hiptesis se muestra en la siguiente tabla: