Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
4/8/23, 23:02 Trabajo de estadistica III about:blank 1/10 Estadística 3 Diseño experimental 2k Presentado a: Ing. Manuel Campuzano Universidad del Magdalena Santa Marta D.T.C.H 25 de Mayo de 2018 4/8/23, 23:02 Trabajo de estadistica III about:blank 2/10 Introducción El diseño experimental es una técnica estadística que permite identificar y cuantificar las causas de un efecto dentro de un estudio experimental. En un diseño experimental se manipulan deliberadamente una o más variables, vinculadas a las causas, para medir el efecto que tienen en otra variable de interés, en nuestro caso el punto de ebullición del agua salinizada. El diseño experimental prescribe una serie de pautas relativas, qué variables hay que manipular, de qué manera, cuántas veces hay que repetir el experimento y en qué orden para poder establecer con un grado de confianza (en este caso un nivel de confianza del 95%), predefiniendo la necesidad de una presunta relación de causa-efecto. El diseño experimental encuentra aplicaciones en la industria, la agricultura, la mercadotecnia, la medicina, la ecología, las ciencias de la conducta, etc. constituyendo una fase esencial en el desarrollo de un estudio experimental. En el diseño experimental que exponemos a continuación: tomaremos en cuenta 3 factores, 2 de carácter cuantitativo y 1 cualitativo y seguidamente, expondremos un análisis de los resultados obtenidos. 4/8/23, 23:02 Trabajo de estadistica III about:blank 3/10 Objetivo General Realizar un diseño experimental con el fin de determinar los factores que inciden en una variable de respuesta. Objetivos específicos Recolectar los datos del experimento que se va a llevar a cabo. Analizar los datos recolectados y obtenidos para la comprobación de las variables que están teniendo incidencia en el proceso. Elaborar un diseño factorial para la determinación de cuál de esas variables es la que realmente está teniendo incidencia durante este proceso. 4/8/23, 23:02 Trabajo de estadistica III about:blank 4/10 Marco teórico Lo que se realiza es un diseño de 3 factores, cada uno a 2 niveles, el cual consta de 8 combinaciones. Geométricamente el diseño es un cubo, cuyas esquinas son las 8 combinaciones. Este diseño permite estimar los 3 efectos principales A, B, C (Cantidad de sal, Cantidad de agua y Tipo de hornillo), las tres interacciones de dos factores (AB, AC, BC) y la interacción de los tres factores (ABC). Básicamente lo que haremos es la estimación de cualquier efecto principal o interacción en un diseño 2 se determina al multiplicar las combinaciones dek tratamientos de la 1ª columna de la tabla por los signos del correspondiente efecto principal o columna de interacción, sumando los resultados para obtener un contraste, y dividiendo el contraste por la mitad del nº total de réplicas. A = [a+ab+ac+abc-(1)-b-c-bc]/4n B = [b+ab+bc+abc-(1)-a-c-ac]/4n C = [c+ac+bc+abc-(1)-a-b-ab]/4n AB = [abc-bc+ab-b-ac+c-a+(1)]/4n AC = [(1)-a+b-ab-c+ac-bc+abc]/n BC = [(1)+a-b-ab-c-ac+bc+abc]/4n ABC = [abc-bc-ac+c-ab+b+a-(1)]/4n Aplicaciones El diseño de experimentos tiene una gran variedad de aplicaciones y puede ser aplicado a un gran número de industrias, la optimización de recursos, la identificación de causas de variabilidad son algunos de los objetivos del diseño de experimentos aplicados en nivel industrial. 4/8/23, 23:02 Trabajo de estadistica III about:blank 5/10 Justificación El presente trabajo se presenta con la intención de identificar por medio de un diseño experimental los factores en consideración que afectan una variable de trabajo. Es importante resaltar que el método científico es la vía más aceptada para validar las respuestas experimentales ante la ciencia. Éste requiere en su desarrollo del análisis estadístico de los valores obtenidos para poder concluir lo significativo de los efectos evaluados. Cada proyecto de investigación presentan particularidades para lo cual debe tenerse un buen dominio del diseño experimental más adecuado y disminuir con él, el error experimental que puede afectar la validez de los resultados. Un buen diseño del experimento con un adecuado análisis estadístico, facilita la búsqueda de la verdad manifestada por los animales ante los factores confrontados. 4/8/23, 23:02 Trabajo de estadistica III about:blank 6/10 Desarrollo El presente trabajo se realiza con la intención de identificar cuáles son las condiciones de trabajo que afectan el tiempo de ebullición del agua salinizada bajo varias condiciones como son niveles de agua, sal y el tipo de hornillo en el que se realizó el experimento. Código en R # Creación del diseño library(FrF2) Tabla <- FrF2(nruns = 8, nfactors = 3, factor.names = list(cantidadsal=c(-1,1), agua=c(-1,1), hornilla=c(-1,1)), replications = 2, randomize = F) tiempo<- c(2.59,3.01,3.31,3.28,4.10,4.15,3.40,3.30,3.29,3.37,2.28,2.25,3.59,4.03,2.39,2.31) cantidadsal<-c(-1,1,-1,1,-1,1,-1,1,-1,1,-1,1,-1,1,-1,1) agua<-c(-1,-1,1,1,-1,-1,1,1,-1,-1,1,1,-1,-1,1,1) hornilla<-c(-1,-1,-1,-1,1,1,1,1,-1,-1,-1,-1,1,1,1,1) Tabla <- add.response(design = Tabla, response = tiempo) Tabla ## Análisis de la tabla ANOVA cantidadsal<-factor(cantidadsal) agua <-factor(agua) hornilla <-factor(hornilla) Modelo<-lm(tiempo ~ (cantidadsal+agua+hornilla)^3) ANOVA <- aov(Modelo) summary(ANOVA) ## Gráficas de efectos principales MEPlot(Tabla, lwd = 2) abline(h=0, col="red") ## Gráficas de Interacciones IAPlot(Tabla, lwd = 2) # Gráfica de interacción triple cubePlot(obj = tiempo eff1 = concentracion_sal, eff2 = cantidad_agua, eff3 = tipo_hornilla, main = " Gráfica de interacción triple") 4/8/23, 23:02 Trabajo de estadistica III about:blank 7/10 # Para elaborar una predicción predict(object = Modelo, data.frame(concentracion_sal=factor(c(-1,-1)), cantidad_agua=factor(c(-1,-1)), tipo_hornilla=factor(c(-1, 1))), interval = "confidence") ## Verificación del modelo qqnorm(rstandard(Modelo)) qqline(rstandard(Modelo)) run.no run.no.std.rp cantidadsal agua hornilla Blocks tiempo 1 1 1.1 -1 -1 -1 .1 2.59 2 2 2.1 1 -1 -1 .1 3.01 3 3 3.1 -1 1 -1 .1 3.31 4 4 4.1 1 1 -1 .1 3.28 5 5 5.1 -1 -1 1 .1 4.10 6 6 6.1 1 -1 1 .1 4.15 7 7 7.1 -1 1 1 .1 3.40 8 8 8.1 1 1 1 .1 3.30 9 9 1.2 -1 -1 -1 .2 3.29 10 10 2.2 1 -1 -1 .2 3.37 11 11 3.2 -1 1 -1 .2 2.28 12 12 4.2 1 1 -1 .2 2.25 13 13 5.2 -1 -1 1 .2 3.59 14 14 6.2 1 -1 1 .2 4.03 15 15 7.2 -1 1 1 .2 2.39 16 16 8.2 1 1 1 .2 2.31 ANOVA Df Sum Sq Mean Sq F value Pr(>F) cantidadsal 1 0.0352 0.0352 0.112 0.7463 agua 1 1.9670 1.9670 6.274 0.0367 * hornilla 1 0.9458 0.9458 3.017 0.1206 cantidadsal:agua 1 0.0946 0.0946 0.302 0.5979 cantidadsal:hornilla 1 0.0011 0.0011 0.003 0.9551 agua:hornilla 1 0.6931 0.6931 2.211 0.1754 cantidadsal:agua:hornilla 1 0.0008 0.0008 0.002 0.9620 Residuals 8 2.5081 0.3135 4/8/23, 23:02 Trabajo de estadistica III about:blank 8/10 Teniendo en cuenta una significancia de 0,05, podemos observar que el valor de la cantidad de agua en elanálisis de Varianza el P-value se encuentra por debajo de este valor, lo cual hace que sea un factor significativo en nuestro proceso y nos afecta la variable de respuesta en el diseño experimental. 4/8/23, 23:02 Trabajo de estadistica III about:blank 9/10 Conclusiones Podemos concluir que el uso diseño experimental es una técnica adecuada para poder realizar experimentaciones y además Los diseños factoriales completos son la estrategia experimental óptima para estudiar simultáneamente el efecto de varios factores sobre la respuesta y sus interacciones. Por su potencia y sencillez, su campo de aplicación es muy amplio. Este experimento nos sirvió ya que, en el sector industrial muchas veces se presentan este tipo de situaciones donde las variables afectan el comportamiento de una variable y podemos tenerlo en cuenta en casos de este tipo que se presenten en el campo laboral y que sean desde el punto de vista ingenieril de gran aporte. 4/8/23, 23:02 Trabajo de estadistica III about:blank 10/10 Evidencias }
Compartir