Professional Documents
Culture Documents
experimentos
Experimentos diseados
Definiciones bsicas
Unidad experimental es el sujeto u
objeto sobre el cual se toma una
medicin de la variable de respuesta.
Ventajas de los
experimentos diseados
Ventajas de los
experimentos diseados
300
350
400
450
500
550
Densidad
200
220
240
260
Temperatura
280
Ventajas de los
experimentos diseados
Etapas de un experimento
Identificacin del problema
Objetivo (Hiptesis/Pregunta).
Escoger variables de respuesta.
Identificar variables explicativas.
Vnculo entre VE y VR (modelo)
Anlisis de resultados
(respuesta a la
pregunta)
Diseo del
experimento
(dnde medir?)
Recoleccin de la muestra
(medicin)
Modelaje de sistemas
En los cursos bsicos de estadstica se
estudiaron los modelos lineales (los
cuales incluyen a los modelos de
regresin y de anlisis de varianza como
casos particulares) y se disearon
herramientas para estimarlos y probar
hiptesis sobre ellos. Vamos ahora a
utilizar este mismo tipo de modelos para
analizar los datos provenientes de
experimentos diseados.
11
Modelos asociados
Por ser un conjunto de datos con
tratamientos categricos, el modelo
lgico a utilizar es un modelo de
anlisis de varianza con k vias que
incluya todas las interacciones entre
factores.
Tambin puede utilizarse un modelo
de regresin lineal con variables
codificadas,
el
cual
resulta
equivalente al modelo ANOVA.
12
Definicin de efecto
13
ab
(1)
-1
Llamaremos A y B a las
variables explicativas,
as como a sus efectos.
La interaccin entre
ambos factores y el
efecto correspondiente
la denotaremos AB.
Las condiciones
experimentales pueden
ubicarse en un cuadro.
Diseos 22
-1
1
A
14
Nomenclatura de diseos 22
Para
denotar
los
puntos
experimentales
se
utiliza
una
palabra compuesta por las letras
minsculas correspondientes a los
factores que deban colocarse a nivel
alto. El punto que corresponde a
todas las variables en nivel bajo se
denota (1).
15
Nomenclatura de diseos 22
(cont)
As, los puntos en orden estndar son:
(1)
a
b
ab
A
-1
+1
-1
+1
B
-1
-1
+1
+1
Estimacin en diseos 22
La forma ms sencilla de estimar los
efectos en este diseo es usar un
modelo
de
regresin
con
la
estructura:
yi x1i x2i ( ) x1i x2i i
donde
1 si A en bajo
x1i
1 si A en alto
1 si B en bajo
x2 i
1 si B en alto
17
Estimacin en diseos 22
(cont)
As se obtienen como estimadores
ya. yab. y(1). yb.
22 R
yb. yab. y(1). ya.
22 R
y(1). yab. ya. yb.
2
2
donde el punto indica laR suma sobre todas
las rplicas obtenidas en el mismo punto.
18
Estimacin en diseos 22
(cont)
Este modelo de regresin es
equivalente a ajustar un modelo de
anlisis de varianza de 2 vas:
yijk i* *j ( )*ij ijk i, j 1,2 k 1,R
donde se utilizan las restricciones
*
*
*
*
i
j
ij
ij 0
i
Estimacin en diseos 22
(cont)
Recordemos que en este modelo
representa la media general de
todas las observaciones y los dems
coeficientes la diferencia respecto de
esta media general que se produce
en la respuesta para cada nivel de la
variable
Efecto(correspondiente.
A) ( ) ( ) 2As:
Efecto( B ) ( ) ( ) 2
Efecto( AB) ( ) ( ) 2( )
20
Estimacin en diseos 22
(cont)
El estimador del efecto de A que
obtuvimos
anteriormente
puede
escribirse
ya. yab. y(1). yb.
Efecto( A)
2R
2R
Estimacin en diseos 22
(cont)
El mismo efecto tambin puede
escribirse
ya. y(1). yab. yb.
R
R
Efecto( A)
2
El primer parntesis representa el cambio
de respuesta que produce la variable A
cuando B est en nivel bajo y la segunda
el mismo cambio cuando B esta en alto.
22
Diseos factoriales 2k
El ms importante de los casos especiales
de los diseos factoriales es el que tiene k
factores cada uno a dos niveles. Estos
niveles pueden ser cuantitativos, valores de
temperatura o presin, o pueden ser
cualitativos, tales como 2 mquinas o dos
operadores, o tal vez pueda ser la presencia
o ausencia de un factor.
Una rplica completa de tal diseo requiere
2 2 2 2 = 2k observaciones y se
conoce como un diseo factorial 2k.
23
Diseos 2k
El espacio de condiciones experimentales
puede representarse mediante un cubo
(para k = 3) o pares de cubos (para k > 3).
k=3
k=4
C
B
A
B
A
B
A
24
Nomenclatura de diseos 2k
La forma de denotar los puntos es la
misma que el diseo 22. En cuanto
al orden estndar de un diseo 2k,
este puede hallarse duplicando el
orden estndar de un 2k-1, uno para
el nivel bajo de la nueva variable
seguido del otro para el nivel alto de
la nueva variable.
25
Nomenclatura de diseos 2k
Por ejemplo, para k = 3 y k = 4.
A
(1)
-1
-1
-1
(1)
-1
-1
-1
-1
+1
-1
-1
+1
-1
-1
-1
-1
+1
-1
-1
+1
-1
-1
ab
+1
+1
-1
ab
+1
+1
-1
-1
-1
-1
+1
-1
-1
+1
-1
ac
+1
-1
+1
ac
+1
-1
+1
-1
bc
-1
+1
+1
bc
-1
+1
+1
-1
abc
+1
+1
+1
abc
+1
+1
+1
-1
-1
-1
-1
+1
ad
+1
-1
-1
+1
bd
-1
+1
-1
+1
abd
+1
+1
-1
+1
cd
-1
-1
+1
+1
acd
+1
-1
+1
+1
bcd
-1
+1
+1
+1
abcd
+1
+1
+1
+1
26
Estimacin en diseos 2k
30
31
Anlisis de diseos 2k
SS
n2
K
32
35
25 psi (-)
30 psi (+)
Factor C
Factor C
200 (-)
10 (-)
12 (+)
Totales
y.j..
y
-3
-1
0
1
250 (+)
-4
-1
0
2
1
-3
2
-1
200 (-)
-1
-1
0
2
3
250 (+)
yi..
-1
1
1
-4
6
5
11
20
13
17
-3 + 2 + 4 + 13 = 16
36
Factor Efecto
SS
36
46,15
2,25
20,25
25,96
1,75
12,25
15,70
AB
0,75
2,25
2,88
AC
0,25
0,25
0,32
BC
0,50
1,28
ABC
0,50
1,28
Error
6,41
Total
78
37
Se puede confirmar la
magnitud de los
efectos principales,
son
altamente
significativos (todos
con valores p muy
pequeos).
La interaccin AB es
significativa con un
nivel del 10%, existe
una ligera interaccin
entre
la
carbonatacin y la
presin
38
40
Efecto ~ N 0, k 2
2
41
Modelo de regresin
43
Modelo de regresin
$
x
x
x
xx
y
0
1 1
2 2
3 3
4 1 2
3
2.25
1.75
0.75
1.0 x1
x2
x3
x1 x2
2
2
2
2
Introduccin a la metodologa
de superficie de respuesta
Superficie de respuesta y
Grfica de contorno
Superficie de respuesta
0.0
-0.5
-1.0
Presin
0.5
1.0
Grfica de contorno
-1.0
-0.5
0.0
0.5
1.0
Carbonatacion
46
Superficie de respuesta y
Grfica de contorno
Se muestran la superficie de
respuesta y la grfica de contorno
para la desviacin de la altura de
llenado obtenida en el modelo de
regresin,
suponiendo
que
la
velocidad de lnea est en el nivel alto
(x3= 1). Observe que como el modelo
contiene la interaccin, las lneas de
contorno de la desviacin de las
alturas constantes son curvas (o la
47
Superficie de respuesta y
Grfica de contorno
En la superficie de respuesta se
grafica el valor predicho de la
desviacin del llenado en trminos de
las dos variables del proceso (x1 y x2 ).
Superficie de respuesta y
Grfica de contorno
La grfica de contorno indica que si la
velocidad de lnea est en el nivel alto,
entonces hay varias combinaciones de
los niveles de carbonatacin y la presin
que satisfarn que la desviacin del
llenado est tan cerca de cero como sea
posible.
Por ejemplo si se quiere minimizar la
desviacin del llenado, se necesita correr
x1 y x2 en sus niveles bajos (o cerca de
49
ellos)
Intervalos de confianza y R2
50
Proyeccin de diseos 2k
Gracias a su ortogonalidad, un
diseo 2k en el cul n factores (n < k)
son no significativos corresponde a 2n
rplicas de un diseo en el cul
participan solo k - n factores.
bc
abc
ac
C no significativo
ab
abc
ab
B
(1)
b
bc
(1)
c
a
ac
B
51
Proyeccin de diseos 2k
(cont)
Ejemplo 3 (continuacin ): usando
el grfico cuantil cuantil vimos que
la concentracin (B) parece no tener
efecto sobre el rendimiento.
Podramos pensar entonces que
nuestros resultados provienen de un
diseo 23 con dos rplicas en los
factores A, C y D, tal y como se
muestra en la siguiente tabla.
52
Proyeccin de diseos 2k
(cont)
Punto
Orden
Real
Rendi
mient
o
(1)
12
18
13
ab
12
16
ac
Rendimiento
Punto
Replica
I
Replica
II
17
(1)
12
13
15
18
16
bc
14
20
17
20
abc
15
ac
15
15
10
10
13
ad
11
25
ad
25
24
bd
13
cd
19
17
abd
15
24
acd
21
23
cd
19
acd
16
21
bcd
10
17
abcd
12
23
53
Proyeccin de diseos 2k
(cont)
Podemos ahora construir una tabla de
anlisis de varianza para estos 3
factores.
Facto gl
SS
MS
F
r
A
81,00
81,00
40,500
16,00
16,00
8,000
42,25
42,25
21,125
AC
72,25
72,25
36,125
AD
64,00
64,00
32,000
CD
0,00
0,00
0,000
ACD
0,25
0,25
0,125
Error
16,00
2,00
Total
1
5
291,75
54
Proyeccin de diseos 2k
(cont)
Esta tabla confirma los resultados
obtenidos mediante el grfico cuantil
cuantil: tanto la interaccin ACD
como la interaccin CD son no
significativas, pero el resto de los
coeficientes del modelo si lo son.
55
Ventajas y desventajas de
los diseos 2k (cont)
Los diseos 2k son preferibles a los
experimentos donde se inducen
cambios en un factor a la vez:
En estos ltimos no es posible estudiar la
interaccin.
Estos ltimos tienen una eficiencia
menor, ya que se requieren ms
observaciones para lograr la misma
precisin en la estimacin.
56
P
re
s
io
n
20
5
4
0
5
9
0
Ventajas y desventajas de
los diseos 2k (cont)
30
220
250
Temperatura
57
Ventajas y desventajas de
los diseos 2k (cont)
P
re
s
io
n
5
9
0
40
30
5
4
0
Ahora, estudiaramos
la presin partiendo
del mejor punto
encontrado en el
experimento anterior.
As, la condicin
ptima sera (250,
590) y cada
estimacin del efecto
estara basada en dos
observaciones.
220
250
Temperatura
58
50
40
20
30
P
re
s
io
n
5
4
0
Si usamos un diseo 2k
podramos advertir
que la interaccin es
importante y por tanto
el ptimo estara en
(220,590) y cada
estimacin del efecto
sera calculada usando
cuatro observaciones.
5
9
0
Ventajas y desventajas de
los diseos 2k (cont)
220
250
Temperatura
59
Ventajas y desventajas de
los diseos 2k
La principal ventaja es que son
experimentos pequeos y baratos, ya
que tienen la menor cantidad de puntos
necesarios para estimar interacciones
entre variables.
La desventaja es que no proveen
suficiente informacin para estudiar en
profundidad la curvatura de la superficie.
60
Ventajas y desventajas de
los diseos 2k (cont)
Los experimentos factoriales a dos
niveles se encuentran ampliamente
difundidos y suelen usarse en las
primeras etapas de la experimentacin
para reducir el nmero de variables
explicativas a considerar.
Sin embargo, los resultados que se
obtienen con ellos suelen
complementarse posteriormente.
61