Al finalizar el curso el estudiante debe ser

capaz de:
1. Disear experimentos para responder
preguntas de inters cientfico e
industrial.
2. Utilizar herramientas estadsticas para
evaluar el resultado de experimentos.
3. Planear y conducir estudios para
mejora de procesos y productos.

Conceptos estadsticos bsicos y prueba
de hiptesis.
Principios bsicos de experimentacin.
Diseos para un factor.
Diseos para mltiples factores.
Reduccin del numero de experimentos.
Estudios de superficies de respuesta.

1. Un ejemplo de experimento industrial.

2. Distribuciones de probabilidad ... qu
son y de dnde salen?

3. Uso de distribuciones para probar
hiptesis.
1. Determinar cules son las
variables que tienen mayor
influencia sobre la respuesta.

2. Determinar cul es el
ajuste de las x que tiene
mayor influencia para que y
est casi siempre cerca del
valor nominal deseado.

3. Determinar cul es el
ajuste de las x que tiene
mayor influencia para que la
variabilidad de y sea
reducida.

4. Determinar cul es el
ajuste de las x que tiene
mayor influencia para que
los efectos de las variables
no controlables z
1
, z
2
, , z
q

sean mnimos.
Descripcin grfica de la variabilidad
Distribuciones de probabilidad
ALTURA de la
funcin p(y)
AREA bajo la curva
f(y)
Suma de cuadrados corregida, SS

Grados de libertad

Media





Varianza





Desviacin estndar
con
y
Distribucin normal
Distribucin
2
o chi-cuadrada
con entonces
Con k grados de libertad
Distribucin t
La distribucin de muestreo de
la varianza muestral es una
constante multiplicada por la
distribucin chi-cuadrada.
Si z y 2 son variables aleatorias independientes normal estndar y chi-
cuadrada, la variable aleatoria distribucin chi-cuadrada.
Con k grados de
libertad
Si k = , la distribucin t se convierte en la distribucin normal estndar
Con n 1 grados de
libertad
Distribucin F
Si
2
u
y
2
v
son dos variables aleatorias chi cuadrada independientes con
u y v grados de libertad
Si x es una variable aleatoria F con u grados de libertad en el numerador y
v grados de libertad en el denominador
Pruebas de hiptesis
Los resultados de un experimento se
describen con un modelo
Hiptesis estadsticas
Es un enunciado acerca de los parmetros de una distribucin de
probabilidad o de los parmetros de un modelo.

Refleja alguna conjetura acerca de la situacin del problema
Hiptesis nula
Hiptesis alternativa
(dos colas)
Verificacin de los supuestos. Grfica de probabilidad normal
Es una tcnica para determinar si los datos muestrales se ajustan a una
distribucin hipotetizada con base en un examen subjetivo visual de los
datos.

MEDIA DE LAS DIFERENCIAS
Cmo las observaciones de los niveles del factor estn pareadas en cada
unidad experimental, a este procedimiento suele llamrsele prueba t
pareada
Suponga que se elige =0,05.
entonces, para tomar una
decision se calculara t
0
y H
0
se
rechazara si |t
0
|>t
0,025/9
=2,262


4. Errores sistemticos y aleatorios.

5. Unidades experimentales.

6. Replicacin, aleatorizacin y bloqueo.
Realizacin de rplicas: estimacin del error experimental y
del efecto de un factor en el experimento (no confundir con
mediciones repetidas). En las rplicas se reflejan las fuentes
de variabilidad entre las corridas como dentro de las mismas.

Aleatorizacin: ayuda a que las observaciones sean
variables aleatorias con distribuciones independientes.

Formacin de bloques: se utiliza para mejorar la precisin de
las comparaciones que se hacen entre los factores de
inters.
Identificacin y exposicin del problema.

Eleccin de los factores, los niveles y los rangos.

Seleccin de la variable de respuesta.

Realizacin del experimento.

Anlisis estadstico de los datos.

Conclusiones y recomendaciones
Pautas generales para disear un experimento
7. El anlisis de varianza

8. Diseo aleatorio y en bloque aleatorio.

9. Qu hacer si no hay datos completos?

10. Cuadrado latino.

11. Cuadrado greco-latino
Factor
a niveles a tratamientos
Rplicas
Aleatorizacin para evitar que los efectos de
las var. perturbadoras desconocidas
contaminen los resultados
1. El
contenido de
algodn
afecta la
resistencia a
la tensin?
2. Alrededor
de 30%
produce la
resistencia
mxima?
Quiere probarse las diferencias entre las resistencias a la tensin promedio
con todos los niveles!!

probar la igualdad de las 5 medias

(Prueba t pareada para todos los pares de medias Hiptesis nula
1
=
2

Un factor % de algodn
5 niveles 15, 20, 25, 30, 35
P=1 = 0,95

(0,95)
10
= 0,60
Modelo de las medias
Media del nivel del factor o tratamiento i
simo
Error aleatorio, tienen media cero,
E(y
i,j
)=
i
Media
global
Efecto del tratamiento i simo
Modelo de los efectos
M
o
d
e
l
o
s

l
i
n
e
a
l
e
s

ANALISIS DE
VARIANZA SIMPLE
O DE UN SOLO
FACTOR
Caractersticas

Se investiga un factor.

Experimento en orden aleatorio diseo completamente aleatorizado.

Probar las hiptesis acerca de las medias de los tratamientos y estimarlas.

Se supone que los errores del modelo son variables aleatorias que siguen
distribucin normal .
y
i
= representa el total de las observaciones bajo el tratamiento i
simo
y.. = representa el gran promedio de todas las observaciones
N = an = nmero total de todas las observaciones
Se quiere probar la igualdad de las a medias de los tratamientos




para al menos un par (i,j)




para al menos una i
Ejemplo
Tambin puede calcularse un valor P para este estadstico de
prueba.
Puesto que F
0,01,

4, 20
= 4,43
y F
0
> 4,43, puede
concluirse que un lmite
superior del valor P es 0,01,
es decir P < 0,01

El cuadrado medio entre los tratamientos (118,94) es varias veces
mayor que el cuadrado medio del error (8,06) no es posible que
las medias de los tratamientos sean iguales.

F
0
= 118,94/8,06 = 14,76 y comparado con un punto porcentual
apropiado de la cola superior de la distribucion F
4,

20
si se
selecciona = 0,05

F
0,05, 4, 20
= 2,87.



Puesto que F
0
= 14,76 > 2,87, se rechaza H
0
y se concluye que las
medias de los tratamientos difieren, es decir el peso porcentual
del algodn en la fibra afecta de manera signficativa la
resistencia a la tensin media
Parmetros del modelo
Intervalo de confianza de la media del tratamiento i simo
Residuales
Si el modelo es adecuado, los residuales deben estar sin estructura (no
deben contener patrones obvios).

El estudio de residuales descubre inadecuaciones del modelo y
violaciones a los supuestos (modelo, errores con distribucin normal e
independiente de media cero y varianza
2
constante pero desconicida
El procedimiento del anlisis de varianza es una prueba exacta de
la hiptesis de que no hay diferencias en las medias de los
tratamientos
1. Supuesto de normalidad
Un residual mayor que 3 4 desviaciones estndar a
partir de cero es un punto atpico potencial
2. Residuales en secuencia
en el tiempo
3. Residuales contra valores
ajustados
No puede rechazarse la hiptesis nula y se concluye que las cinco
varianzas son iguales.

Se trata de la misma conclusin a la que se lleg al analizar las graficas de
residuales
Factor perturbador: factor del diseo que probablemente tenga un
efecto sobre la respuesta. Es desconocido y no controlable.

Aleatorizacin: tcnica para protegerse de los factores
perturbadores.

Si se conoce el valor que asume el factor perturbador en cada
experimento, es posible hacer la compensacin mediante el
anlisis de covarianza


Anlisis estadstico : a tratamientos y b bloques.











Hay una observacin por tratamiento en cada bloque y el orden en
que se corren los tratamientos dentro de cada bloque se determina
al azar.
Tambin es posible usar un modelo de
las medias para RCBD.
El diseo de cuadrado latino es utilizado para eliminar dos fuentes
de variabilidad mediante el bloqueo en dos direcciones.

Las filas y las columnas representan dos restricciones sobre la
aleatorizacin.

Un cuadrado latino de p factores est representado por p filas
y p columnas
El modelo estadstico para el cuadrado latino es
El anlisis de varianza es la suma de cuadrados porcionada de
N=p
2
observaciones , as
Los totales para los tratamientos
son (letras latinas)
La suma de cuadrados de las formulaciones es:






La suma de cuadrados del error es:




La adecuidad del modelo se verifica con los residuales, que
para el cuadrado latino es
Debido a l poco margen del error experimental, se acostumbra
utilizar diferentes tipos de rplicas con anlisis de varianza
caracterstico para cada caso)
El modelo estadstico para el cuadrado greco latino es
Se utiliza un diseo de bloques incompletos
aleatorizados en el cual cada tratamiento no est
presente en cada bloque.
Existen a tratamientos y b bloques. Se asume que cada
bloque contiene k tratamientos y que cada tratamiento
ocurre r veces en el diseo (replicado r veces) por lo
tanto existen N =a r = b k observaciones totales.

El numero de veces que cada par de tratamientos
aparece en el mismo bloque es
El modelo estadstico es








La variabilidad total en los datos es expresada por la
suma de cuadrados corregida
12. Experimentos factoriales 2
2.

13. Anlisis de varianza

14. Experimentos factoriales 2
k
.

14. Anlisis de contrastes.

15. El algoritmo de Yates para anlisis de
varianza.
Mediante un diseo factorial se investigan todas las
posibles combinaciones de los niveles de los factores
que son investigados.

S existen a niveles del factor A y b niveles del factor B,
cada replica contendr todas las combinaciones de los
ab tratamientos

Los niveles son llamados alto y bajo y se denotan por los
signos ( + ) y ( ) respectivamente.
El efecto del factor es definido como el cambio en la
respuesta producido por un cambio en el nivel del
factor (efecto principal). El efecto principal del factor A
en estos dos niveles puede considerarse como la
diferencia entre la respuesta promedio del bajo nivel de
A y la respuesta promedio del nivel alto de A
INCREMENTO
EN LA
RESPUESTA
PROMEDIO
DE 21
UNIDADES
En algunos experimentos, la diferencia en la respuesta
entre los niveles de un factor no es el mismo en todos los
niveles de los otros factores (interaccin entre los
factores)
En el nivel bajo del factor ,
el efecto de A es
y en el nivel alto del factor
el efecto de A es

Debido a que el efecto de A
depende del nivel elegido del
factor B, se dice que existe
interaccin entre los factores
La magnitud de la interaccin
es la diferencia promedio de los
dos efectos

Una representacin de modelo de regresin para un diseo
factorial de 2 factores puede ser escrito como
MODELO DE EFECTOS
MODELO DE MEDIAS
Pruebas de hiptesis
Igualdad de los efectos de los
tratamientos por filas
Igualdad de los efectos de los
tratamientos por columnas
Igualdad de los efectos por interaccin
de tratamientos

Modelo de anlisis de varianza para tres
factores
BLOQUEO EN FACTORIALES
BLOQUEO EN FACTORIALES
Diseo 2
2

EFECTO TOTAL DE A
SUMA DE CUADRADOS
Orden estndar (Yates)
Modelo de regresin
1
er
orden (slo efectos pples)
La adicin de puntos centrales representa
efectos cuadrticos (curvaturas cuadrticas)
16. Enmascaramiento en bloques sin
replicacin.

17. Enmascaramiento en bloques con
replicacin.

18. Replicacin fraccional.
Tcnica de diseo para acomodar un diseo factorial
por bloques completo donde el tamao del bloque es
mas pequeo que el nmero de combinaciones por
tratamiento en una rplica.

La tcnica produce informacin acerca de ciertos
tratamientos que son confundidos o enmascarados en
los bloques

A pesar de que los diseos son bloques incompletos
puesto que no contienen todos los tratamientos o
combinaciones de tratamientos, este diseo especial
simplifica el mtodo de anlisis
AB est confundido
con los bloques
Mtodo de combinacin lineal
Para un diseo 2
3

Es imposible diferencias entre A y BC, B y AC, C y
AB.

Cuando se estima A, B C, realmente se est
estimando A+BC, B+AC y C+AB.

A es el alias de BC, B de AC, C y AB son alias


Los alias se pueden obtener mediante la
multiplicacin de cualquier columna con I


Fraccin principal
Fraccin complementaria
19. Naturaleza y metodologa de estudios
de superficie de respuesta.

20. Mnimos cuadrados para estudios de
superficie de respuesta.

21. Ascenso por la mayor pendiente para
mejora de proceso.

AJUSTE DEL MODELO
Tcnicas matemticas y estadsticas utilizadas
para modelar y analizar problemas en los que
una variable de inters es influenciada por
otras.

El objetivo es optimizar la variable de inters
determinando las condiciones ptimas de
operacin

MODELO DE 1er ORDEN

MODELO DE 2do ORDEN
Mtodo del mximo ascenso