Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
2. Diseño de experimentos Curso 2011-2012 Estadística 2.1 Diseños Factoriales (dos factores) 3 Diseño Experimentos Ejemplo A B C D 0.31 0.82 0.43 0.45 0.45 1.10 0.45 0.71 V 0.46 0.88 0.63 0.66 E 0.43 0.72 0.72 0.62 N 0.36 0.92 0.44 0.56 E 0.29 0.61 0.35 1.02 N 0.40 0.49 0.31 0.71 O 0.23 1.24 0.40 0.38 S 0.22 0.30 0.23 0.30 0.21 0.37 0.25 0.36 0.18 0.38 0.24 0.31 0.23 0.29 0.22 0.33 ANTÍDOTO I II III Se analiza el efecto de tres venenos y cuatro antídotos en el tiempo de supervivencia de unas ratas. 4 Diseño Experimentos Modelo ijkijjiijk uy IJm IJ IJ Jm J J Jm J J mI I I mm mI I I mm y y y y y y y y y J y y y y y y y y y y y y y y y y y y I 2 1 2 22 12 1 21 11 2 22 21 22 222 221 12 122 121 1 12 11 21 212 211 11 112 111 2 1 21 Factor 1 F a c to r 2 Normalidad Independencia Homocedasticidad I J tratamientos m replicaciones n = m I J ... 1111 2112 11 II ... 1221 2222 22 II ... JJ 11 JJ 22 IJJI Factor 1 1 2 I 1 2 J ... F a c to r 2 6 Diseño Experimentos Modelo : Media global i : Efecto del Factor 1 i, i=1,...,I j : Efecto del Factor 2 j, j=1,...,J ij: Interacción de niveles ij uijk : Componente aleatoria N(0, 2), I i i1 0 J j j1 0 ijkijjiijk uy jIi ij ,01 iJj ij ,01 7 Diseño Experimentos Estimación del modelo 1: )1)(1(: 1: 1: 1: 2 j i JI J I ij n y y mI y y mJ y y m y y I i J j m k ijk I i m k ijk j J j m k ijk i m k ijk ij 1 1 11 11 11 )1( 2 22 mIJ e s yyyy yy yy y ijk R jiijij jj ii Estimación del modelo 8 Diseño Experimentos ijkijjiijk uy ijkijjiijk ey ijijkijjiijkijk yyye )( 9 Diseño Experimentos Estimación A B C D 0.31 0.82 0.43 0.45 V 0.45 1.10 0.45 0.71 0.46 0.88 0.63 0.66 E 0.43 0.72 0.72 0.62 0.41 0.88 0.56 0.61 N 0.36 0.92 0.44 0.56 0.29 0.61 0.35 1.02 E 0.40 0.49 0.31 0.71 0.23 1.24 0.40 0.38 N 0.32 0.82 0.38 0.67 0.22 0.30 0.23 0.30 O 0.21 0.37 0.25 0.36 0.18 0.38 0.24 0.31 S 0.23 0.29 0.22 0.33 0.21 0.34 0.24 0.33 ANTÍDOTO I II III 10 Diseño Experimentos Estimación A B C D Medias 0,31 0,82 0,43 0,45 0,45 1,10 0,45 0,71 V 0,46 0,88 0,63 0,66 0,43 0,72 0,72 0,62 E Medias 0,41 0,88 0,56 0,61 -0,038 0,067 0,032 -0,061 N 0,36 0,92 0,44 0,56 0,29 0,61 0,35 1,02 E 0,40 0,49 0,31 0,71 0,23 1,24 0,40 0,38 N Medias 0,32 0,82 0,38 0,67 -0,060 0,073 -0,080 0,068 O 0,22 0,30 0,23 0,30 0,21 0,37 0,25 0,36 S 0,18 0,38 0,24 0,31 0,23 0,29 0,22 0,33 Medias 0,21 0,34 0,24 0,33 0,098 -0,139 0,048 -0,007 0,314 0,677 0,389 0,534 -0,164 0,198 -0,089 0,056 II 0,544 0,066 III 0,276 -0,202 ANTÍDOTO I 0,615 0,136 0,479Medias i j ij ij ij 11 Diseño Experimentos Residuos A B C D -0.103 -0.060 -0.128 -0.160 V 0.038 0.220 -0.108 0.100 0.048 0.000 0.073 0.050 E 0.018 -0.160 0.163 0.010 0.00 0.00 0.00 0.00 N 0.040 0.105 0.065 -0.108 -0.030 -0.205 -0.025 0.353 E 0.080 -0.325 -0.065 0.043 -0.090 0.425 0.025 -0.288 N 0.00 0.00 0.00 0.00 0.010 -0.035 -0.005 -0.025 O 0.000 0.035 0.015 0.035 -0.030 0.045 0.005 -0.015 S 0.020 -0.045 -0.015 0.005 0.00 0.00 0.00 0.00 III RESIDUOS ANTÍDOTO I II 022,0 )1( 2 22 mIJ e s ijk R 12 Diseño Experimentos Análisis de la varianza I i J j m k ijk I i J j m k jiij I i J j m k j I i J j I i J j m k i m k ijk ijkjiijjiijk ijijkjiijjiijk ijkijjiijkijkijjiijk eyyyy yyyyyy eyyyyyyyyyy yyyyyyyyyyyy eyuy 1 1 1 2 1 1 1 2 1 1 1 2 1 1 1 1 1 2 1 2 )( )()()( )()()( )()()()( I i J j m k ijk I i J j jiij J j j I i J j I i i m k ijk eyyyym yymIyymJyy 1 1 1 2 1 1 2 1 2 1 1 1 2 1 2 )( )()()( 13 Diseño Experimentos Variabilidades I i J j m k ijijk I i J j jiij J j j I i i I i J j m k ijk yyVNE yyyymBAVE yymIBVE yymJAVE yyVT 1 1 1 2 1 1 2 1 2 1 2 1 1 1 2 )( )()( )()( )()( )( )1()1)(1()1()1()1( )()()( mIJJIJIn VNEBAVEBVEAVEVT 14 Diseño Experimentos Contraste de Hipótesis Si el Veneno no influye, los I niveles son iguales a efectos de tiempo de supervivencia, entonces 0 de distinto es Algún : 0: i1 210 H H I I21 I i i1 0 15 Diseño Experimentos Contraste efecto principal de factor A 0 de distinto es Algún : 0: i1 210 H H I 222 ][ )1( RR sE mIJ VNE s 222 ][ 1 )( AA sE I AVE s cierto, es Ho Si )1(;12 1 2 2 2 1)( mIJI R I i i R A A F s IyymJ s s F Ho rechaza Se Si FFA 16 Diseño Experimentos Contraste efecto principal de factor B 0 de distinto es Algún : 0: j1 210 H H J 222 ][ 1 )( BB sE J BVE s cierto, es Ho Si )1(;12 1 2 2 2 1)( mIJJ R J j j R B B F s JyymI s s F Ho rechaza Se Si FFB 17 Diseño Experimentos Contraste interacción AxB 0 de distinto es Algún ij: 0: 1 12110 H H IJ 222 ][ )1)(1( )( ABAB sE JI BAVE s cierto, es Ho Si )1();1)(1(2 2 mIJJI R AB AB F s s F naninteraccio BA y Ho rechaza Se Si FFAB 18 Diseño Experimentos Tabla de análisis de la varianza 1)(Total )1(Residual )1)(1()(BA 1)(B 1)(A valorpFVarianzaLibertad.CuadradosadVariabilid de Gradosde SumaFuentes 2 22 2 2 22 2 2 22 2 2 22 nyy smIJe ps s sJIyyyym ps s sJyymI ps s sIyymJ ijk Rijk ABR AB ABjiij BR B Bj AR A Ai 19 Diseño Experimentos Tabla de análisis de la varianza 47Total 36Residual AntVen Antídoto Veneno valorpFVarianzaLibertad.Cuadrados.adVariabilid Gradosde SumaFuentes 005.3 022.0801.0 1123.87.1041.06250.0 0000.8.13307.03921.0 0000.2.23516.02033.1 20 Diseño Experimentos Contrastes múltiples: Factor A ji ji H H : : 1 0 )1(2 mIJ R ji t mJ s yy t /2 -t /2 /2 tIJ(m-1) R.R. R.R R. Acept. H0 1- /2 ),( 22 mJmJ N yy yy yy jiji jiji jj ii Ho mJ styy LSD Rji rechaza Se 2 2/ 21 Diseño Experimentos Contrastes múltiples: Factor B ji ji H H : : 1 0 )1(2 mIJ R ji t mI s yy t /2 -t /2 /2 tIJ(m-1) R.R. R.R R. Acept. H0 1- /2 ),( 22 mImI N yy yy yy jiji jiji jj ii Ho mI styy LSD Rji rechaza Se 2 2/ 22 Diseño Experimentos Intervalos de confianza (interacción nula) mJ s ty Rii 2/ mI s ty Rji 2/ 23 Diseño Experimentos Intervalos de confianza veneno tie m po 1 2 3 0.22 0.32 0.42 0.52 0.62 0.72 antidoto tie m po A B C D 0.25 0.35 0.45 0.55 0.65 0.75 24 Diseño Experimentos Diagnosis: homocedasticidad re si du os antidoto A B C D -0.6 -0.3 0 0.3 0.6 veneno 1 2 3 -0.6 -0.3 0 0.3 0.6 25 Diseño Experimentos Heterocedasticidad re si du os valores previstos -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0 0.2 0.4 0.6 0.8 1 26 Diseño Experimentos Normalidad Residuos pr ob ab il id ad -0.5 -0.25 0 0.25 0.5 0.1 1 5 20 50 80 95 99 99.9 27 Diseño Experimentos Diagnosis: homocedasticidad datos transformados z=1/y veneno 1 2 3 -1.1 -0.7 -0.3 0.1 0.5 0.9 1.3 antidoto A B C D -1.1 -0.7 -0.3 0.1 0.5 0.9 1.3 28 Diseño Experimentos Datos transformados re si du os valores previstos -1.2 -0.8 -0.4 0 0.4 0.8 1.2 0 1 2 3 4 5 6 29 Diseño Experimentos Normalidad (datos transformados) Residuos pr ob ab il id ad -1.2 -0.8 -0.4 0 0.4 0.8 1.2 0.1 1 5 20 50 80 95 99 99.9 30 Diseño Experimentos Tabla de análisis de la varianza datos transformados 1/y 47Total 36Residual AntVen Antídoto Veneno valorpFVarianzaLibertad.Cuadrados.adVariabilid Gradosde SumaFuentes 50.65 24.068.8 3867.09.126.0657.1 0000.3.2880.6341.20 0000.6.724.17287.34 31 Diseño Experimentos Comparaciones múltiples intervalos de confianza antidoto 1/ ti em po 1 2 3 4 1.6 2 2.4 2.8 3.2 3.6 4 veneno 1/ ti em po 1 2 3 1.6 2 2.4 2.8 3.2 3.6 4 Comandos en R 32 Diseño Experimentos ARCHIVO TEXTO: venenos.txt Dos factores con interacción 33 Diseño Experimentos Intervalos de Confianza 34 Diseño Experimentos 0 .20 .3 0 .4 0 .5 0 .6 0 .7 VEN m e d ia s I II III 0 .3 0 .4 0 .5 0 .6 0 .7 ANT m e d ia s A B C D Tabla ANOVA 35 Diseño Experimentos Comparaciones Múltiples 36 Diseño Experimentos Comparaciones Múltiples 37 Diseño Experimentos Interacciones 38 Diseño Experimentos Diagnosis 39 Diseño Experimentos Diagnosis (Transformación) 40 Diseño Experimentos 2.2 Bloques Aleatorizados 42 Diseño Experimentos Ejemplo de introducción Se desea estudiar el efecto de la Fluorita en la reducción del coste energético en la fabricación de cemento. Se emplean 6 mezclas distintas de materias primas. 0% 1% 2% 3% 4% M 1 15.02 11.86 9.94 12.45 13.23 e 2 8.42 10.15 8.54 6.98 8.93 z 3 18.31 16.84 15.86 14.64 15.96 c 4 10.49 10.52 8.04 10.50 10.34 l 5 9.78 9.59 6.96 8.15 9.24 a 6 9.28 8.84 7.04 6.66 9.46 Fluorita 43 Diseño Experimentos Modelo ijjiij uy : Media global i : Efecto del tratamiento i, i=1,...,I j : Efecto del bloque j, j=1,2,...,J uij : Componente aleatoria N(0, 2) IJJJ I I yyyJ yyy yyy I 21 22212 12111 2 1 21 Tratamientos B lo q u e s Normalidad Independencia Homocedasticidad I i i1 0 J j j1 0 ... 11 12 1I ... 21 22 2I ... J1 J2 JI Tratamientos 1 2 I 1 2 J ... B lo q u e s 45 Diseño Experimentos Estimación del modelo 1: 1: 1: 1: :Parámetros 2 j i J I n y y I y y J y y I i J j ij I i ij j J j ij i 1 111 )1)(1( :sEstimadore 2 22 JI e s yy yy y ij R jj ii ijjiij ijjiij ey uy yyyy ye jiij jiijij 46 Diseño Experimentos Estimación yyyyyy yyyy yyyyyyJ yyyyyy yyyyyy I Ii I JJIJJJ I I j 21 21 21 2222212 1112111 2 1 21 47 Diseño Experimentos Estimación (ejemplo) 0% 1% 2% 3% 4% M 1 15.02 11.86 9.94 12.45 13.23 12.50 1.77 e 2 8.42 10.15 8.54 6.98 8.93 8.60 -2.13 z 3 18.31 16.84 15.86 14.64 15.96 16.32 5.59 c 4 10.49 10.52 8.04 10.50 10.34 9.98 -0.76 l 5 9.78 9.59 6.96 8.15 9.24 8.74 -1.99 a 6 9.28 8.84 7.04 6.66 9.46 8.26 -2.48 11.88 11.30 9.40 9.90 11.19 10.73 1.15 0.57 -1.34 -0.84 0.46 Fluorita i j 48 Diseño Experimentos Residuos: Varianza residual 0% 1% 2% 3% 4% M 1 1.37 -1.21 -1.22 0.79 0.27 e 2 -1.33 0.98 1.27 -0.79 -0.13 z 3 0.84 -0.05 0.88 -0.84 -0.82 c 4 -0.64 -0.02 -0.60 1.36 -0.10 l 5 -0.11 0.28 -0.45 0.24 0.04 a 6 -0.13 0.02 0.12 -0.76 0.74 Fluorita yyyyye jiijjiijij 88.0 20 51.17 )1)(1( 2 2 JI e s ij R 49 Diseño Experimentos Contraste de Hipótesis Si la Fluorita no influye, los I tratamientos son iguales a efectos de coste, entonces 0 de distinto es Algún : 0: i1 210 H H I I21 I i i1 0 50 Diseño Experimentos Análisis de la varianza I i J j I i J j ijj I i J j I i J j iij jiijjiij jiijjiij ijjiijijjiij eyyyyyy yyyyyyyyyy yyyyyyyyyy eyuy 1 1 1 1 22 1 1 1 1 22 )()()( )()()( )()()( J j I i J j ijj I i J j I i iij eyyIyyJyy 1 1 1 22 1 1 1 22 )()()( 51 Diseño Experimentos Variabilidades VNEVEVEVT eVNE yyIBVE yyJTVE yyVT I i J j ij J j j I i i I i J j ij B)(T)( )()( )()( )( 1 1 2 1 2 1 2 1 1 2 )1)(1()1()1()1( JIJIn 52 Diseño Experimentos Contraste sobre tratamientos 0 de distinto es Algún : 0: i1 210 H H I 222 ][ )1)(1( RR sE JI VNE s 222 ][ 1 )osTratamient( cierto, es Ho Si TT sE I VE s )1)(1(;12 1 2 2 2 1)( JII R I i i R T T F s IyyJ s s F Ho rechaza Se Si FFT 53 Diseño Experimentos Explicación del contraste ),(,...,, ][, ),(0 cierto es Ho Si 2 21 121 2 J Nyyy J J yE J yyy y Ny I J j j i iJii i jiji 21 2 1 2 221 11 I )y -y(J E I )y -y(J s I yyy y I i i I i i T I . quemayor será falso, es Ho Cuando parecidas.serán y cierto, es Ho Cuando 22 22 RT RT ss ss 54 Diseño Experimentos Contraste de bloques 0 de distinto es Algún : 0: j1 210 H H J 222 ][ 1 )Bloques( cierto, es Ho Si BB sE J VE s )1)(1(;12 1 2 2 2 1)( JIJ R J j j R B B F s JyyI s s F Ho rechaza Se Si FFB 55 Diseño Experimentos Tabla de análisis de la varianza 1-nTotal Residual Bloque oTratamient valorpFVarianzaLibertad.CuadradosadVariabilid de Gradosde SumaFuentes 2 22 2 2 22 2 2 22 )( )1)(1( 1)( 1)( yy sJIe ps s sJ yyI ps s sIyyJ ij Rij BR B Bj TR T Ti 56 Diseño Experimentos Tabla de análisis de la varianza 57 Diseño Experimentos Sin bloques 58 Diseño Experimentos Intervalos de confianza (ejemplo) Fluorita Medias L.inf. L.Sup. 0% 11.88 11.09 12.68 1% 11.30 10.50 12.10 2% 9.40 8.60 10.19 3% 9.90 9.10 10.69 4% 11.19 10.40 11.99 J s ty Rii 2/ 59 Diseño Experimentos Intervalos de Confianza (% Fluorita) 9 1 0 1 1 1 2 FLUO m e d ia s 0 1 2 3 4 60 Diseño Experimentos Intervalos de Confianza (Mezcla) 8 1 0 1 2 1 4 1 6 MEZ m e d ia s 1 2 3 4 5 6 61 Diseño Experimentos Contraste multiples: tratamientos ji ji H H : : 1 0 )1)(1(2 JI R ji t J s yy t /2 -t /2 /2 t(I-1)(J-1) R.R. R.R R. Acept. H0 1- /2 ),( 22 JJ N yy yy yy jiji jiji jj ii 02/ 2 HS LSD J styy Rji rechaza e 62 Diseño Experimentos Contraste multiples: bloques ji ji H H : : 1 0 02/ rechaza e 2 HS LSD I styy Rji)1)(1(2 JI R ji t I s yy t /2 -t /2 /2 t(I-1)(J-1) R.R. R.R R. Acept. H0 1- /2 ),( 22 II N yy yy yy jiji jiji jj ii 63 Diseño Experimentos Comparación de medias Fluorita Mezcla 13.1 6 2 93.0085.2 2 2/ J stLSD R 24.1 5 2 93.0085.2 2 2/ I stLSD R 1 2 3 4 5 6 1 0,00 3,90 -3,82 2,52 3,76 4,24 2 0 6,60 -1,37 -0,14 -0,35 3 0 6,34 7,58 8,07 4 0 1,23 1,72 5 0 0,49 6 0 LSD=1.24 0% 1% 2% 3% 4% 0% 0 0,58 2,49 1,99 0,69 1% 0 1,90 1,40 0,11 2% 0 -0,50 -1,80 3% 0 -1,30 4% 0 LSD = 1.13 64 Diseño Experimentos Comparación de medias (Tukey) -4 -2 0 2 4 -3 4 -2 3 -2 4 -1 3 -1 2 -1 4 -0 3 -0 2 -0 1 -0 95% family-wise confidence level Differences in mean levels of FLUO 65 Diseño Experimentos Comparación de medias (Tukey) -10 -5 0 5 10 6 -5 5 -4 5 -3 6 -2 4 -2 6 -1 4 -1 2 -1 95% family-wise confidence level Differences in mean levels of MEZ Diagnosis: Homocedasticidad Fluorita 0 1 2 3 4 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 Mezcla 0 1 2 3 4 5 6 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 re si du os Valores previstos -1.6 -1.2 -0.8 -0.4 0 0.4 0.8 1.2 1.6 5 10 15 20 Gráfico de residuos 67 Diseño Experimentos Diagnosis 2.3 Diseños Factoriales (tres factores) 69 Diseño Experimentos Diseño con tres factores Factores A, B y C con NA, NB, Nc niveles. Nº de Tratamientos T=NAxNBxNc Efectos principales 3 A, B , C Interacciones de orden dos 3 AxB, AxC, BxC Interacción de orden tres 1. AxBxC Factor A A1 A2 A3 A4 A5 A6 B1 C1 B2 B3 B4 B5 C2 C3 F ac to r B Tratamiento: Cada combinación de niveles de los factores 6 x 5 x 3 = 90 70 Diseño Experimentos K factores con N1, N2, ..., NK niveles libertad de grados con k, orden de ninteracció 1 K K ... libertad de grados con 3, orden de nesinteraccio 3 K libertad de grados con 2, orden de nesinteraccio 2 K uno cada libertad de grados con sprincipale efectosK )(N))(N(N ))(N)(N(N ))(N(N N K kji ji i 111 111 11 1 21 71 Diseño Experimentos Datos Factor 1 F a c to r 2 Factor 3 1 2 K ... IJKMMIJMIJ IJKIJIJ IJKIJIJ JKMMJMJ JKJJ JKJJ JKMMJMJ JKJJ JKJJ KMIMIMI KIII KIII KMMM K K KMMM K K KMIMIMI KIII KIII KMMM K K KMMM K K yyy yyy yyy K yyy yyy yyy K yyy yyy yyy K yyy yyy yyy K yyy yyy yyy K yyy yyy yyy K yyy yyy yyy K yyy yyy yyy yyy yyy yyy 21 22212 12111 22212 22222122 12212112 12111 21221121 11211111 22221 22222212 12221211 22222221 22222222212 12222212211 12122121 21212221212 11212211211 11211 21122112 11121111 11212211 21121222112 11121212111 11112111 2111122111211111211111 ...21...21...21 J ...21...21...21 2 ...21K...21K...21 1 I211 2 ... I 1 2 ... J 1 2 K ... 1 2 K ... 1 2 K ... 1 2 K ... 1 2 K ... 1 2 K ... 1 2 K ... 1 2 K ... 1 2 K ... 72 Diseño Experimentos Ejemplo: Proceso químico T-1 T-2 T-1 T-2 T-1 T-2 T-1 T-2 72.2 65.0 74.4 69.2 75.0 70.7 80.0 73.0 74.4 71.6 66.3 71.8 78.9 80.6 65.0 74.4 64.3 61.9 66.5 64.6 64.3 73.4 82.1 78.8 T-1 T-2 T-1 T-2 T-1 T-2 T-1 T-2 62.5 75.9 70.8 79.2 76.3 83.3 72.3 80.3 65.8 72.9 63.9 80.1 79.1 88.0 72.4 86.9 71.2 77.8 76.6 75.3 89.0 84.7 75.6 86.3 T-1 T-2 T-1 T-2 T-1 T-2 T-1 T-2 69.0 73.8 69.0 84.5 72.8 94.1 78.4 87.5 70.3 59.2 68.2 93.7 73.7 87.3 79.9 79.7 68.8 80.8 78.7 80.1 80.7 89.0 80.3 79.5 C A T A L IZ A D O R C-1 C-2 C-3 CONCENTRACIÓN 1 2 3 4 Tres factores: 1 4% 2 6% 3 8% 4 10% Concentración T-1 300º C T-2 320º C Temperatuta Variable respuesta: Rendimiento del proceso químico. C-1 Ag C-2 Ag+Zn C-3 Zn Catalizador 73 Diseño Experimentos Modelo ijkmijkjkikijkjiijkm uy Normalidad Independencia Homocedasticidad I J K tratamientos M replicaciones n = I J K M I i i1 0 J j j1 0 K k k1 0 i K k ik ,01 iJj ij ,01 k J j jk ,01 jIi ij ,01 k I i ik ,01 j K k jk ,01 K k ijk J j ijk I i ijk jikikj .,,0;,,0;,,,0 ijkmu 74 Diseño Experimentos Medias ijkmijkjkikijkjiijkm uy M y y IM y y JM y y KM y y IJM y y IKM y y JKM y y IJKM y y M m ijkm ijk I i K k ijkm jk J j M m ijkm ki K k M m ijkm ij I i J j M m ijkm k I i K k M m ijkm j J j K k M m ijkm i I i J j K k M m ijk 1 1 11 11 1 1 1 11 1 11 1 1 1 1 1 1 75 Diseño Experimentos Medias: Proceso químico T-1 T-2 T-1 T-2 T-1 T-2 T-1 T-2 C-1 70.30 66.17 69.07 68.53 72.73 74.90 75.70 75.40 C-2 66.50 75.53 70.43 78.20 81.47 85.33 73.43 84.50 C-3 69.37 71.27 71.97 86.10 75.73 90.13 79.53 82.23 1 2 3 4 1 2 3 4 C-1 68.2 68.8 73.8 75.6 71.6 C-2 71.0 74.3 83.4 79.0 76.9 C-3 70.3 79.0 82.9 80.9 78.3 69.9 74.1 80.1 78.5 75.6 Concentración 1 2 3 4 T-1 68.72 70.49 76.64 76.22 73.02 T-2 70.99 77.61 83.46 80.71 78.19 69.9 74.1 80.1 78.5 75.6 T-1 T-2 C-1 71.95 71.25 71.6 C-2 72.96 80.89 76.9 C-3 74.15 82.43 78.3 73.02 78.19 75.6 Catalizador Temperatura 76 Diseño Experimentos Estimación del modelo ijkijkmijkm ijkm R kjijkkiijijkijk kjjkjk kikiik jiijij kk jj ii yye MIJK e s KJIyyyyyyyy KJyyyy KIyyyy JIyyyy Kyy Jyy Iyy y ; )1( )1)(1)(1( )1)(1( )1)(1( )1)(1( 1 1 1 2 22 77 Diseño Experimentos Modelo estimado ijkijkm kjijkkiijijk kjjk kiki jiij kjiijkm yy yyyyyyyy yyyy yyyy yyyy yyyyyyyy ijkmijkjkikijkjiijkm uy 78 Diseño Experimentos Descomposición de la variabilidad i j k m ijkijkm i j k kjijkkiijijk j k kjjk i k kiki i j jiij k k j j i i I i J j K k M m ijkm yy yyyyyyyyM yyyyIM yyyyJM yyyyKM yyIJMyyIKMyyJKM yy 2 2 2 2 2 222 1 1 1 1 2 79 Diseño Experimentos Variabilidades i j k m ijkijkm i j k kjijkkiijijk j k kjjk i k kiki i j jiij k k j j i i I i J j K k M m ijkm yyVNE yyyyyyyyMCBAVE yyyyIMCBVE yyyyJMCAVE yyyyKMBAVE yyIJMCVEyyIKMBVE yyJKMAVEyyVT 2 2 2 2 2 22 2 1 1 1 1 2 )( )( )( )( )()( )( 80 Diseño Experimentos Grados de libertad )1()1)(1)(1( )1)(1()1)(1()1)(1( )1()1()1()1( LIBERTAD DE GRADOS )( )()()( )()()( ADVARIABILIDLA DE CIÓNDESCOMPOSI MIJKKJI KJKIJI KJIn VNECBAVE CBVECAVEBAVE CVEBVEAVEVT 81 Diseño Experimentos 1Total )1(Residual )1)(1)(1( )... ...( )1)(1( )1)(1( )1)(1( 1 1 1 .. 1 1 1 1 2 22 2 2 2 2 2 2 22 2 2 22 2 2 22 2 2 22 2 2 22 2 2 22 IJKMyy sMIJKyy s s sKJI yyyy yyyyM CBA s s sKJyyyyIMCB s s sKIyyyyJMCA s s sJIyyyyKMBA s s sKyyIJMC s s sJyyIKMB s s sIyyJKMA FVarianzasLibdeGrADVARIABILIDFUENTE I i J j K k M m ijkm R i j k m ijkijkm R ABC ABC kji i j k jkkiijijk R BC BC j k kjjk R AC AC i k kiki R AB AB i j jiij R C C k k R B B j j R A A i i Tabla ANOVA 82 Diseño Experimentos Contraste efecto principal de factor A 0 de distinto es Algún : 0: i1 210 H H I F RR Ho rechaza Se Si FFA )1(;12 1 2 2 2 1)( MIJKI R I i i R A A F s IyyJKM s s F Ho rechaza se No Si FFA )1(;1 MIJKIF 83 Diseño Experimentos Contraste interacción AxB 0 de distinto es Algún : 0: ij1 12110 H H IJ )1)(1( )( cierto, es Ho Si 2 JI BAVE sAB )1();1)(1(2 2 MIJKJI R AB AB F s s F naninteraccio BA y Ho rechaza Se Si FFAB 84 Diseño Experimentos Contraste interacción AxBxC 0 de distinto es Algún : 0: ijk1 1121110 H H IJK cierto es Ho Si )1();1)(1)(1(2 2 MIJKKJI R ABC ABC F s s F Ho rechaza Se Si FFABC 85 Diseño Experimentos Análisis de la varianza 86 Diseño Experimentos Interpretación El efecto principal del factor concentración influye significativamente (p-valor =0.0000) en el rendimiento. Más adelante se compararán las medias de los cuatro niveles de este factor. Este factor no interacciona con ningún otro. Los efectos principales de catalizador y de la temperatura son significativos, además es muy significativa la interacción de los dos factores (p-valor 0.0064). La comparación de medias de estos factores debe ser conjunta. 87 Diseño Experimentos Contrastes múltiples: Factor A ji ji H H : : 1 0 )1(2 MIJK R ji t JKM s yy t /2 -t /2 /2 tIJK(M-1) R.R. R.R R. Acept. H0 1- /2 ),( 22 JKMJKM N yy yy yy jiji jiji jj ii Ho JKM styy Rji rechaza se , 2 Si 2/ 88 Diseño Experimentos Intervalos de Confianza 70 75 80 con m ed ia s k1 k2 k3 k4 72 74 76 78 80 temp m ed ia s t1 t2 70 72 74 76 78 80 cat m ed ia s c1 c2 c3 89 Diseño Experimentos Interacción: Cat. x Temp. T-1 T-2 C-1 71.95 71.25 71.6 C-2 72.96 80.89 76.9 C-3 74.15 82.43 78.3 73.02 78.19 75.6 Interacción Cat x Temp 70.00 72.00 74.00 76.00 78.00 80.00 82.00 84.00 0 1 2 3 4 Catalizador M ed ia s Temp - 1 Temp - 2 90 Diseño Experimentos Selección de temperatura y catalizador. Las mejores combinaciones corresponden a la temperatura 2, con el catalizador 2 o el 3. 91 Diseño Experimentos Diagnosis del modelo 1.0 2.0 3.0 4.0 -1 0 -5 0 5 1 0 con re s id u a ls (m o d _ q u i) 1.0 1.4 1.8 -1 0 -5 0 5 1 0 temp re s id u a ls (m o d _ q u i) 1.0 1.5 2.0 2.5 3.0 -1 0 -5 0 5 1 0 cat re s id u a ls (m o d _ q u i) 92 Diseño Experimentos Instrucciones de R utilizadas ARCHIVO TEXTO: quimico.txt 93 Diseño Experimentos Análisis de 3 factores con menos observaciones Cuando no existe interacción de orden tres. No es necesario replicar para analizar el experimento. La variabilidad explicada por el término A B C se convierte en Variabilidad Residual con (I-1)(J-1)(K-1) grados de libertad. Las expresiones anteriores siguen siendo válidas, sustituyendo M=1 (sin replicación) y con (I-1)(J-1)(K-1) como grados de libertad de la varianza residual. Cuando no existe ninguna interacción Se puede reducir considerablemente el número de observaciones si el número de niveles de los tres factores es el mismo: CUADRADO LATINO 94 Diseño Experimentos 1Total )1)(1)(1( )... ...( Residual )1)(1( )1)(1( )1)(1( 1 1 1 .. 1 1 1 2 2 2 2 2 22 2 2 22 2 2 22 2 2 22 2 2 22 2 2 22 IJKyy sKJI yyyy yyyy s s sKJyyyyICB s s sKIyyyyJCA s s sJIyyyyKBA s s sKyyIJC s s sJyyIKB s s sIyyJKA FVarianzasLibdeGrADVARIABILIDFUENTE I i J j K k ijk R kji i j k jkkiijijk R BC BC j k kjjk R AC AC i k kiki R AB AB i j jiij R C C k k R B B j j R A A i i Tabla ANOVA tres factores (sin replicación) 95 Diseño Experimentos Ejemplo: Obleas Horno AS 1 2 3 1 122.2 103.2 115.8 2 138.4 144.3 159.8 1 131.0 133.4 121.8 2 147.4 138.0 147.5 1 120.5 102.8 120.0 2 140.6 126.6 141.9 1 100.0 105.8 114.7 2 117.0 134.4 131.7 Temperatura 1 2 3 4 Se ha realizado un experimentopara analizar la influencia de la temperatura y el acabado superficial (AS) en el espesor de óxido conseguido en obleas de silicio. El experimento se repitió en cuatro hornos diferentes. ( Cada uno de los datos del cuadro representa la media de los espesores medidos en el centro de cada una de las 30 obleas que caben en un horno) 96 Diseño Experimentos ANOVA: Obleas 97 Diseño Experimentos Comparación de medias El AS que produce mayor espesor es el 2 El horno que produce media mayor es el 2, aunque no es significativamente distinto del 1. 98 Diseño Experimentos Cuadrado latino Permite analizar tres factores con K niveles cada uno, utilizando sólo K2 observaciones. Deben ser nulas las interacciones de orden 2 y orden 3. 1 2 3 4 5 1 C A D B E 2 D C B E A 3 E B A D C 4 B E C A D 5 A D E C B 99 Diseño Experimentos Ejemplo: Aditivos gasolina Una organización de consumidores estudió la eficacia de cinco aditivos que según los fabricantes reducían el consumo de combustible. Se realiza un diseño experimental con cinco conductores, cinco vehículos y cinco aditivos, eligiendo las 25 combinaciones que se muestran en la tabla, junto con una medida del consumo. C A D B E 71 64 68 78 82 D C B E A 65 64 81 82 82 E B A D C 63 68 74 77 85 B E C A D 66 77 79 88 74 A D E C B 73 70 78 80 88 3 4 4 5 Vehículo C o n d u c to r 5 1 2 3 1 2 A B C D E Aditivo 100 Diseño Experimentos Modelo: Cuadrado Latino )()( kijkjikij uy Normalidad Independencia Homocedasticidad K2 Observaciones K i i1 0 K j j1 0 K k k1 0 )(kiju )2(55)3(45)5(35)4(25)1(15 )4(54)1(44)3(34)5(24)2(14 )3(53)4(43)1(33)2(23)5(13 )1(52)5(42)2(32)3(22)4(12 )5(51)2(41)4(31)1(21)3(11 5 4 3 2 1 54321 yyyyy yyyyy yyyyy yyyyy yyyyy 101 Diseño Experimentos Estimación )()( kijkjikij uy K y y K y y K y y K y y K k kij k K i kij j K j kij i K i K j kij 1 )( )( 1 )( )( 1 )( )(2 1 1 )( )( ; )2)(1( 2 1 1 1 2 )(22 )()()()()()( )()( )()( )()( )( KK e s yyyyye Kyy Kyy Kyy y kij R kjikijkij kk jj ii 102 Diseño Experimentos Descomposición de la variabilidad i j kij k k j j i i K i K j kij eyyKyyKyyK yy 2 )( 2 )()( 2 )()( 2 )()( 1 1 2 )()( )()( kijkjikij uy )()()()()()()()()( )()()( kijkjikij eyyyyyyyy )2)(1()1()1()1()1( 2 KKKKKK Libertad de Grados 103 Diseño Experimentos 1Total )2)(1(Residual 1 1 1 .. 2 1 1 2 )()( 22 )( 2 2 22 )()( 2 2 22 )()( 2 2 22 )()( Kyy sKKe s s sKyyKC s s sKyyKB s s sKyyKA FVarianzasLibdeGrADVARIABILIDFUENTE K i K j kij R i j kij R C C k k R B B j j R A A i i Tabla ANOVA 104 Diseño Experimentos Tabla análisis de la varianza 105 Diseño Experimentos Comparación: vehículos 6 5 7 0 7 5 8 0 8 5 VEH m e d ia s 1 2 3 4 5 Diseño de experimentos 1. En una planta piloto se obtiene un nuevo producto mediante un proceso qúımico. Con el fin de mejorar el rendimiento se emplean dos catalizadores distintos y se trabaja con tres temperaturas diferentes. Los resultados del experimento son Temperatura Catalizador 200 300 400 A 115 125 130 140 110 120 B 115 105 135 145 100 110 (a) Contrastar si los factores Temperatura y Catalizador tienen efectos significativos. (α = 0.05) (b) ¿Qué tratamiento se debe utilizar para obtener el mayor rendimiento, si se desea garan- tizar una probabilidad de error tipo I total, αT = 0.03? 2. Se pretende estudiar el efecto que produce los factores (1) Porcentaje de algodón (10%, 20% y 30%) (2) Tipo de confección (A y B) en la resistencia al desgaste de ciertos tejidos de fibra sintética. Se ha realizado el siguiente diseño con tres replicaciones 10% 20% 30% 115 120 126 A 112 135 118 133 139 142 107 110 132 B 114 102 114 108 117 125 (a) Construir la tabla de Análisis de la Varianza y contrastar la influencia de los dos factores y la presencia de la interacción. (b) Hacer un contraste de diferencia de medias y decidir el tratamiento más adecuado para conseguir la mayor resistencia al desgaste. 3. Cierto Organismo Público (O.P.) encargado de certificar la composición de aleaciones de metales preciosos, debe seleccionar entre dos Laboratorios al más capacitado para la realiza- ción de futuros análisis de gran precisión. Para tomar la decisión les somete a la siguiente prueba: Prepara tres aleaciones A, B y C que contienen proporciones distintas de oro. De cada una de ellas env́ıa cuatro muestras a cada uno de los dos laboratorios. Aśı pues, cada laboratorio recibe un lote de 12 muestras (codificadas) ordenadas aleatoriamente sin conocer como han sido obtenidas. Los resultados recibidos por el O.P. son (entre paréntesis las medias de las casillas): 1 Aleac. A Aleac. B Aleac. C 10.96 11.03 10.95 11.00 11.07 11.01 Lab. I 11.08 11.01 11.04 10.97 10.97 11.03 (11.02) (10.99) (11.02) 10.97 10.96 10.97 10.96 11.02 11.00 Lab. II 10.94 10.95 10.97 10.98 11.01 11.01 (10.955) (10.97) (11.01) (a) Determinar si existen diferencias entre los resultados de los laboratorios y si éstos han encontrado diferencias entre las aleaciones. (b) Aceptando que los datos cumplen la hipótesis de normalidad, indicar si podemos aceptar que verifican el resto de las hipótesis del modelo y en caso negativo que medidas se deben adoptar para analizar los datos. (c) Realizar un test de razón de varianzas para contrastar que las varianzas de los dos laboratorios son iguales, sabiendo que las tres aleaciones tienen composición distinta. Interpretar el resultado. (d) El O.P. conoce exáctamente el porcentaje en oro de la aleación A (11 %), de la B (11.02 %) y de la C (11.04 %). Con esta información comparar los resultados de los laboratorios. 4. Complete la tabla ADEVA siguiente y diga de que diseño se trata. Suma de Cuad. G.L. Varianzas Factor 1 20 2 Factor 2 5 1.25 Factor 3 10 Int. Segundo orden Int. Tercer orden 0.25 TOTAL 44 29 5. Se ha realizado un diseño factorial sin replicación con tres factores A,B,C con 5, 5 y 4 niveles respectivamente. Si la interacción de tercer orden es nula, obtener la descomposición de la variabilidad e indicar los grados de libertad de cada término. 6. Para estudiar el efecto de tres factores (A,B,C) en el tiempo de fraguado del hormigón se ha realizado un experimento factorial completo a dos niveles con tres replicaciones (24 datos en total). Los resultados de la estimación han sido: Media A B AB C AC BC ABC 92.5 2.4 3.3 8.5 15.0 -1.4 2.65 0.72 Teniendo en cuenta que la varianza residual obtenida es ŝ2R = 18.8, indicar qué efectos son significativos para un nivel de significación α = 0.05. 2 7. Una caracteŕıstica de la calidad de la gasolina es su ı́ndice de octanos. Una refineŕıa de petróleo tiene cinco fórmulas que pueden emplearse para la obtención de gasolina con plomo o sin plomo. (a) Para determinar que fórmula proporciona mayor ı́ndice de octanos, con cada una de ellas se ha repetido 10 veces en el laboratorio el proceso de fabricación de gasolina con plomo. Si el coeficiente de determinación del análisis de la varianza de los resultados es igual a 0.20, contrastar con α = 0.05 si existen diferencias entre las cinco fórmulas para este tipo de gasolina. (b) Los valores medios (ȳi•) para cada fórmula son: Fórmula 1 2 3 4 5 Media 89.2 90.1 90.7 90.5 89.5 Contrastar con α = 0.05 que fórmulas proporcionan ı́ndices de octanos significativa- mente distintos y cuales no. (c) Debido a los problemas medio-ambientales gran parte de la producción futura debe estar libre de plomo. Para determinar que fórmula de las anteriores produce mejores resultados en cuanto al ı́ndice de octanos , se realizo un diseño experimental similar al anterior (cinco fórmulas, 10 observaciones en cada fórmula) para la obtención de gasolina sin plomo. El coeficiente de determinación en este caso es igual a 0.25 y el ı́ndice medio para cada fórmula es, Fórmula 1 2 3 4 5 Media 88.0 89.5 88.5 90.289.8 Contrastar (α = 0.05) si existe interacción entre los factores tipo de gasolina (con y sin plomo) y fórmula. 8. Para comprobar las propiedades de rigidez de dos materiales A y B a tres temperaturas se ha realizado un experimento con 4 replicaciones. Las medias se proporcionan en la tabla. Teniendo en cuenta que la varianza residual ha sido 1.69 y que el análisis de la varianza ha indicado: (1) que existen diferencias significativas entre los dos materiales, (2) que no existen diferencias entre las tres temperaturas y (3) que la interacción de los dos factores es muy significativa, calcula y dibuja los intervalos de confianza (α = 0.01) para la comparación de los dos materiales, de las tres temperaturas y de la interacción. Interpretar los resultados. 3 9. Para estudiar la influencia de la temperatura y la presión sobre el rendimiento de un proceso qúımico se ha realizado un experimento con 5 valores de presión y 4 valores de temperatura. Los resultados se muestran en la tabla siguiente. Temperatura 10 20 30 40 Medias 1 65,58 96,71 124,20 156,63 110,71 2 66,32 101,5 130,37 161,38 114,89 Presión 3 74,42 99,81 134,63 160,59 117,36 4 80,24 104,11 138,42 166,96 122,43 5 79,61 112,14 143,58 170,68 126,50 Medias 73,24 102,85 134,24 163,19 118,38 (a) Considere solamente el efecto de la presión y estudie si es significativo (α = 0, 05), sabiendo que las varianzas muestrales corregidas para los datos correspondientes a cada presión son ŝ21 = 149, 85; ŝ 2 2 = 164, 62; ŝ 2 3 = 143, 95; ŝ 2 4 = 145, 11; ŝ 2 5 = 154, 94. (b) Incorpore el efecto de la temperatura en un modelo adecuado para los datos. Interprete el resultado. (c) Calcule un intervalo de confianza al 95% para la varianza del error experimental de los modelos de los dos apartados anteriores. Interprete las diferencias. 10. Se desea estudiar la fuerza de percusión de una perforadora en función de la VELOCIDAD de giro (baja y alta) y de un coeficiente mecánico que denominaremos RATIO (0.15, 0.30, 0.45 y 0.60). Se ha experimentado en las ocho posibles combinaciones de ambos factores, replicando cada experimento dos veces. Los resultados se muestran en la tabla siguiente 0.15 0.30 0.45 0.60 Media Vel. Baja 270 278 245 249 260 272 275 286 266.875 Vel. Alta 283 286 285 280 286 287 294 288 286.125 Media 279.25 264.75 276.25 285.75 276.5 Las variabilidades explicadas por el RATIO, la VELOCIDAD y la interacción RAT x VEL son respectivamente 925, 1482.25 y 418,75 y la Variabilidad Total es 3034. (a) Completa la tabla de análisis de la varianza e indica qué efectos son significativos para α = 0.05. (b) Interpreta el resultado, indicando cómo influye el RATIO y la VELOCIDAD en la fuerza de la perforadora. Dibuja el gráfico que permite interpretar la interacción. Proporciona el intervalo de confianza para la media de la combinación RATIO 0.30, y VELOCIDAD baja. 4 (c) Cada tratamiento tiene dos observaciones, llamando Dij = |Yij1 − Yij2| , al valor abso- luto de la diferencia de estas observaciones, demuestra que D2ij 2σ2 → χ21 y que S2D = ∑ 2 i=1 ∑ 4 j=1 D 2 ij 16 es un estimador centrado de la varianza del modelo factorial. (d) Supón que la varianza de las observaciones a velocidad baja es σ21 y de las observaciones a velocidad alta es σ22. Utilizando el resultado del apartado 3, realiza el siguiente contraste con nivel de significación 0.05, H0 : σ 2 1 = σ 2 2 H1 : σ 2 1 6= σ 2 2 11. Cuando un lenguaje de alto nivel es compilado, el tiempo de ejecución depende del compi- lador. Un ingeniero de software desea comparar tres compiladores (A, B y C), para ello ha seleccionado 5 programas muy distintos, cada uno de los cuales ha sido compilado por los tres compiladores. Los tiempos de CPU se proporcionan a continuación: 1 2 3 4 5 Medias A 122.9 147.4 189.6 200.9 307.3 193.6 B 113.8 135.1 173.8 199.3 296.6 183.7 C 131.2 152.8 192.7 219.8 318.9 203.1 Medias 122.7 145.1 185.3 206.7 307.6 La variabilidad total es 62899.2, y las variabilidades explicadas por el tipo de compilador y tipo de programa son 937.2 y 61868.9, respectivamente. Da un intervalo de confianza (95%) para la diferencia de las medias entre los dos compiladores más rápidos. 12. Se ha realizado el análisis de la varianza de un diseño con un único factor a 10 niveles con 6 observaciones para cada nivel. El nivel cŕıtico que muestra la tabla ADEVA es p = 0.5832. Los niveles cŕıticos de los contrastes individuales de igualdad de medias son mayores de 0.05 para todas las parejas excepto para la comparación entre los niveles 3 y 7 que ha sido igual a 0.0405. ¿Es posible este resultado? ¿Qué se puede concluir del análisis? ¿Qué procedimiento sugiere para realizar los contrastes individuales? 13. Se ha realizado un diseño factorial sin replicación con tres factores A,B,C con 5, 5 y 4 niveles respectivamente. Si la interacción de tercer orden es nula, obtener la descomposición de la variabilidad e indicar los grados de libertad de cada término. 14. Sea un diseño factorial con 4 factores a 3, 4, 2 y 5 niveles. Calcular el número de parámetros totales correspondientes a efectos principales e interacciones de orden 2, 3 y 4. 5 15. Un ingeniero ha estudiado el efecto que tienen 5 niveles de iluminación en una operación de ensamblado. El departamento en el que se ha experimentado tiene cuatro estaciones de trabajo, que representan una fuente potencial de variabilidad. Para cada estación de trabajo y nivel de iluminación se ejecutó la operación de ensamblado, midiendo la holgura en micras. Los resultados fueron: ESTAC. ILUMINACION 1 2 3 4 5 ȳi• 1 131 116 88 75 104 102.8 2 92 96 97 70 75 86.0 3 128 129 99 94 105 111.0 4 121 107 84 89 86 97.4 ȳ•j 118 112 92 82 92.5 ȳ•• = 99.3 (a) Contrastar (α = 0.05) si la iluminación o la estación de trabajo influye en los resultados del ensamblado. (b) Comparar los niveles de iluminación y los niveles de las estaciones de trabajo. Indicar en cada caso cuales se pueden considerar distintos y cuales no. (c) Calcular la varianza teórica del valor medio previsto para cada observación. (d) Explicar por qué no se debe contrastar la hipótesis H0 : µ1 = µ2 = ... = µm del modelo básico de análisis de la varianza (un factor), mediante contrastes de la t de Student a cada uno de los ( m 2 ) pares de muestras. 16. Se realiza un experimento para estudiar la influencia de 2 factores en el rendimiento de un proceso, donde el factor que se encuentra a 3 niveles (Alto, medio y bajo) es la temperatura, el otro factor, catalizador, tiene dos niveles: catalizador I y II. Los datos del experimento se muestran en la siguiente tabla: Alto Medio Bajo CI 279 172 176 174 277 130 397 348 434 (215.6) (193.6) (393) CII 253 238 387 252 367 323 417 427 423 (292.6) (314) (422.3) (Nota: Los números entre parentesis son las medias de las casillas) (a) Contrastar con α = 0.05 que efectos son significativos. Interprete el resultado. (b) Determinar el intervalo con el 99% de confianza para la varianza del error experimental. 6 (c) Dar un intervalo para una observación realizada en condiciones óptimas. Si se realizan 10 experimentos en estas condiciones, determinar el intervalo que con probabilidad igual al 95% contiene a todas ellas. Utilice la aproximación tαg = zα(1− zα + 1 4g )−1 donde g son los grados de libertad de la t y zα el valor de la normal estándar, tal que P (Z ≥ zα) = α 17. Un laboratorio de Análisis Cĺınicos ha adquirido un nuevo equipo (B) para medir el coles- terol en la sangre de los enfermos. Para evaluar si el nuevo equipo está ajustado se decide analizar muestras de 5 enfermos que previamente han sido analizadas con otro equipo (A), dando como resultado Enfermo 1 2 3 4 5 Media Equipo A 215 305 247 221 286 254.8 Equipo B 224 312 251 232 295 262.8 Contrastar con α = 0.05 existen diferencias entre los dos equipos. 18. Para estudiar el consumo de aceite de un motor se prueban 4 motores distintos con 3 tipos de aceites obteniendo12 medidas de consumo. Se ha obtenido: Variabilidad explicada por aceite = 100 Variabilidad explicada por motor = 80 Variabilidad Total = 220 Se pide escribir la tabla ADEVA correspondiente, y obtener conclusiones. 19. Para determinar el consumo de enerǵıa eléctrica para usos domésticos se ha medido el con- sumo medio por persona en las distintas estaciones del año en siete comunidades autónomas para 1989, habiéndose obtenido los siguientes resultados: COMUNIDAD INVIERNO PRIMAVERA VERANO OTOÑO MEDIAS 1 13.1 11.4 10.6 11.5 11.65 2 13.4 12.1 11.1 12.0 12.15 3 13.8 12.1 11.4 12.9 12.55 4 14.0 12.8 11.7 12.6 12.77 5 14.4 12.6 12.5 13.4 13.22 6 14.8 13.4 13.0 14.0 13.80 7 15.6 14.2 14.1 14.4 14.57 MEDIAS 14.16 12.66 12.06 12.97 12.96 (a) Analizar si el factor estación del año es influyente, sabiendo que ŝ2y = 1.53.(No consid- erar el factor Comunidad). 7 (b) Razonar estad́ısticamente cuál es la estación de mayor consumo y la de menor, uti- lizando el análisis anterior. Calcular los intervalos de confianza para el consumo medio de cada estación del año. (c) Sabiendo que la variabilidad explicada por el factor comunidad es 23.62, construir una nueva tabla de la varianza, con dos factores, y decidir qué factor es significativo. (d) Utilizar los resultados del apartado anterior para realizar un contraste de igualdad de medias del efecto estación y comparar los resultados con los del apartado 2, justificando las diferencias encontradas. ( NOTA: Utilizar α = 0.05 en todos los contrastes ) 20. Se realiza un experimento para estudiar si la presencia de fluorita reduce el coste de fabri- cación de clinker de cemento en tres tipos diferentes de mezcla. Los resultados del mismo (en miles de pesetas por Tm) se muestran en la siguiente tabla: FLUORITA MI MII MIII yi• 0% 15.4 10.6 17.8 14.6 1% 10.3 5.5 10.9 8.9 2% 7.4 1.2 8.1 5.5 3% 10.7 6.5 9.6 8.9 4% 13.5 11.6 15.5 13.5 y 11.4 7.1 12.4 5∑ i=1 3∑ j=1 e2ij = 10.2 ȳ•• = 10.3 (a) Determinar si el tipo de mezcla y el nivel de fluorita añadido influyen significativamente en el coste de fabricación. Se supone que no existe interacción entre los dos factores. (b) Contrastar que porcentaje de fluorita produce el menor coste del clinker. 21. El análisis de la varianza de un diseño en bloques aleatorizados proporciona los siguientes resultados: V T = 232, V E(factor) = 156, V E(bloque) = 15 y V NE = 61. El número de niveles del factor es 5 y el número de bloques 8. Construir la tabla ADEVA. ¿ Cuál seŕıa el resultado del análisis si no se tiene en cuenta el efecto de los bloques ? Indicar en qué circunstancias es preferible cada uno de los modelos. 22. Se ha realizado un experimento con tres factores, (A, B y C), con 4, 3, y 5 niveles, sin replicaciones. El modelo propuesto no incluye las interacciones de orden 3, por lo que la variabilidad explicada por estas interacciones se pretende utilizar para estimar la varianza residual. Los resultados proporcionan para la variabilidad explicada por las interacciones de orden 3 un valor igual a 234.5; que es muy superior a lo esperado. Debido a ésto se repitió por completo el experimento, obteniéndose para este segundo experimento un valor de 158.7 8 (para la variabilidad explicada por la interacciones de orden 3). Proponer un procedimiento para contrastar si se ha producido un cambio significativo en esta variabilidad de uno a otro experimento, indicando las hipótesis en las que se basa el contraste. (Dejar el resultado del contraste indicado en función de los valores cŕıticos de la tabla correspondiente.) 23. 8.25. (2-96) En un modelo de análisis de la varianza se ha observado que la desviación t́ıpica (ŝi) y la media (yi) de las observaciones de cada tratamiento están relacionadas linealmente, ŝi = kyi, donde k es una constante. ¿ Cuál de las siguientes transformaciones es la más adecuada para corregir la heterocedasticidad ? z = log y, z = y2 o z = ky 24. La oxidación es una etapa de la fabricación de chips y consiste en añadir una capa de óxido sobre la placa silicio (oblea). Se está experimentando con 6 tratamientos (Ti) para seleccionar el que proporciona un mayor espesor de óxido en un mismo tiempo de proceso. Una caracteŕıstica que influye en el espesor es el acabado superficial de la oblea, por lo que se tomaron 5 tipos distintos de acabado (Oj). De cada tipo (Oj) se tomaron 6 obleas y se asignaron aleatoriamente a los tratamientos. En la tabla se proporciona el espesor obtenido en cada oblea y las medias por filas y columnas. T1 T2 T3 T4 T5 T6 O1 85.60 90.90 93.00 80.50 85.20 88.90 87.35 O2 89.30 91.50 93.60 83.20 87.80 91.00 89.40 O3 84.70 87.50 90.90 81.00 83.20 86.30 85.60 O4 87.60 90.50 95.60 84.60 87.60 91.10 89.50 O5 87.30 93.10 94.90 82.70 86.70 88.70 88.90 86.90 90.70 93.60 82.40 86.10 89.20 88.15 VT = 465.1 (a) Contrastar si el tipo de oblea y el tratamiento influyen en el espesor del óxido. Elegir el tipo de oblea y tratamiento más adecuado, indicando si son significativamente distintos del resto. (b) Para fijar los seis tratamientos, se seleccionaron dos temperaturas (t1, t2) y tres presiones (p1, p2, p3) y se combinaron de forma que T1 = (t1, p1), T2 = (t1, p2), T3 = (t1, p3) T4 = (t2, p1), T5 = (t2, p2) y T6 = (t2, p3). Calcular las variabilidades explicadas por la temperatura, la presión y su interacción (t× p). (c) Indicar si sus efectos son significativos, suponiendo nulas las interacciones de los factores O × t, O × p y O × t× p. 25. Demostrar que en un modelo de bloques aleatorizados, µ̂, α̂i y β̂j son independientes. 26. Un centro ha realizado un experimento para mejorar la resistencia a la tensión de ciertos muelles de acero. En una etapa del proceso el muelle caliente se sumerge en aceite templado. Se han estudiado tres factores, A (temperatura del acero antes de la inmersión, con tres niveles), B (temperatura del baño de aceite, dos niveles) y C (concentración de carbono en el acero, dos niveles). El experimento se ha replicado tres veces. En la tabla se muestra la media y la varianza (corregida) para los tres datos de cada tratamiento. 9 A B C yi ŝ 2 i 1 1 1 40.2 0.25 1 1 2 61.1 2.68 1 2 1 35.9 2.43 1 2 2 57.1 4.44 2 1 1 49.0 3.49 2 1 2 70.3 7.77 2 2 1 46.7 5.08 2 2 2 67.6 1.03 3 1 1 41.9 4.27 3 1 2 62.7 11.41 3 2 1 37.1 1.33 3 2 2 60.3 6.13 (a) Dar un intervalo del 95 % de confianza para la varianza del error experimental, σ2. (b) Indicar si los efectos principales de A, B y C son significativamente distintos de cero. (c) Dado σ2, construir un intervalo que cumpla que la probabilidad de que ŝ2i (la varianza muestral corregida de un tratamiento) esté contenido en él sea igual a 0.95. Sustituir σ2 por su estimador y con ayuda de este intervalo, discutir si se puede rechazar la hipótesis de homocedasticidad de las observaciones. 27. Estimar por máxima verosimilitud los parámetros µ, αi y βj del modelo de bloques aleator- izados. Obtener la distribución de estos estimadores, indicando su media y varianza. 28. Explicar por qué en un modelo de dos factores con interacción es necesario poner las condi- ciones I∑ i=1 αi = 0, J∑ j=1 βj = 0, I∑ i=1 (αβ)ij = 0 para todo j, y J∑ j=1 (αβ)ij = 0 para todo i. ¿Se podŕıan haber puesto otras condiciones distintas a las anteriores? Justificar la respuesta. 29. La calidad de un producto qúımico despues de un largo periodo de almacenamiento depende del conservante empleado y de las caracteŕısticas de almacenamiento. Se ha estudiado el efecto de cuatro conservantes distintos (columnas) y cinco almacenamientos (filas) sobre la degradación del producto: 1 2 3 4 Medias 1 15.1 11.0 18.8 10.3 13.8 2 8.1 4.3 11.8 3.8 7.0 3 15.3 11.5 15.6 9.2 12.9 4 8.0 4.4 11.0 5.8 7.3 5 13.5 9.3 15.8 18.2 14.2 Medias 12.0 8.1 14.6 9.46 11.04 10 La tabla de análisis de la varianza para los datos anteriores es: Suma de Cuadrados Grados de Libertad S. Cuadrados Medios F Nivel Cŕıtico Almacen. 205.488 4 51.372 10.03 0.0008 Conserv. 123.676 3 41.2258.05 0.0033 Residuos 61.484 12 5.123 Total 390.648 19 (a) Elegir con α = 0.05 el conservante y el almacenamiento que producen menor degradación. (b) El análisis de los residuos muestra como at́ıpica la observación y54 = 18.2. Un examen qúımico confirma el resultado anómalo por lo que se recomienda eliminar la observación. Según el modelo de dos factores sin interacción, la predicción de la observación yIJ (eliminada) es: ŷIJ = SI∗ (J − 1) + S∗J (I − 1) − S∗∗ (I − 1)(J − 1) donde I = 5, J = 4, SI∗ es la suma de las observaciones de la fila I (sin incluir la elimi- nada), S∗J es la suma de las observaciones de la columna J (sin incluir la eliminada), y S∗∗ es la suma de las observaciones restantes no incluidas en la fila I ni en la columna J. Obtener la distribución (media y varianza) del error de predicción eIJ = yIJ − ŷIJ . (c) Cuando, como en el caso anterior, falta una observación se recomienda el siguiente pro- cedimiento: sustituir la observación faltante por su predicción y aplicar los contrastes habituales teniendo en cuenta que los residuos tienen un grado de libertad menos. La nueva descomposición de la variabilidad es: VT=339.63, VE(Conservantes)=166.02, VE(Almacenamiento)=164.02 y VNE=9.59. Contestar al apartado 1 con esta modifi- cación e interpretar las diferencias. 30. Una instalación t́ıpica de almacenamiento de combustible en una Estación de Servicio (gaso- linera) está formada por un tanque enterrado de gran capacidad, al que se encuentran conectados distintos surtidores. La cantidad total de gasolina suministrada en un d́ıa se puede determinar midiendo directamente la variación que se ha producido en el tanque de almacenamiento (Y1j) o por la suma de los suministros de los distintos surtidores (Y2j). La comparación de ambas medidas permite determinar pérdidas en la instalación enterrada y otras anomaĺıas. En el proceso de comparación es necesario tener en cuenta que las medidas están afectadas por errores aleatorios. Durante 20 d́ıas se han tomado los valores anteriores en un gasolinera: D́ıa→ 1 2 3 4 5 6 7 8 9 10 Y1j 4116,2 5627,0 2820,4 2521,8 2973,5 2834,9 2335,7 2590,8 2182,7 2621,4 Y2j 4143,6 5632,0 2868,1 2477,7 2955,4 2851,9 2312,7 2630,6 2208,9 2635,9 D́ıa→ 11 12 13 14 15 16 17 18 19 20 Y1j 4323,6 1880,7 2131,4 3349,6 2545,0 2247,3 1817,5 1461,3 1646,5 1955,4 Y2j 4305,4 1877,9 2159,2 3366,7 2566,1 2281,4 1854,6 1461,5 1607,3 1956,4 11 (a) Llamando Dj = Y1j − Y2j a la diferencia en las medidas de un mismo d́ıa, contrastar con α = 0.05 H0 : µD = 0 H1 : µD 6= 0 donde Dj tiene distribución N(µD, σD). Calcular el nivel cŕıtico del contraste aproxi- mando la distribución t de Student por la normal. (b) Los datos anteriores pueden ser analizados mediante un modelo de bloques aleatorizados tomando el tipo de medida (tanque, surtidores) como un factor y los d́ıas como bloques. Demostrar con caracter general que en el modelo de bloques aleatorizados si el factor tiene dos niveles la varianza residual cumple: ŝ2R = 1 2 ŝ2D donde ŝ2D es la estimación de σ 2 D del apartado 1. (c) Teniendo en cuenta lo anterior, demostrar que el contraste correspondiente al factor en el modelo de bloques aleatorizados es equivalente al contraste del apartado 1. 31. Una forma alternativa de la ecuación del modelo para comparar I tratamientos es yij = µ+ τ i + uij, i = 1, 2, ..., I; j = 1, 2, ..., m donde µ es la media global τ 1, τ 2, ..., τ I son los parámetros que determinan los efectos de cada tratamiento, cumplen que ∑I i=1 τ i = 0 uij son variables aleatorias independientes con idéntica distribución normal de media cero y varianza σ2. (a) Obtener el estimador máximo verośımil de τ i, indicar su distribución de probabilidad, media y varianza. (b) Calcular la esperanza de la variabilidad explicada (V E = m ∑I i=1 τ̂ 2 i ) cuando los parámetros τ i no son todos nulos. (c) Calcular la correlación entre τ̂ i y un residuo eij cualquiera (del mismo o diferente tratamiento). Que implicación tiene este resultado en el contraste de análisis de la varianza. 32. Un ingeniero está estudiando métodos para mejorar ciertas propiedades mecánicas de una aleación metálica. Los dos factores que considera más importantes son la cantidad de Man- ganeso y la temperatura de templado. Se diseña un experimento empleando tres niveles para el factor manganeso y dos para la temperatura, en total 3×2 = 6 tratamientos. Se dispone de 6 hornos diferentes para realizar la fundición. Cada horno requiere un operador y se disponen de seis operadores cada uno de los cuales es capaz de manejar los seis hornos. Diseñar un experimento que con 36 observaciones permita estudiar las diferencias entre los 12 seis tratamientos y que tenga en cuenta el tipo de horno y el operador como variables blo- ques. Construir la tabla de análisis de la varianza, indicando los grados de libertadad de cada variabilidad, separando en ella el factor manganeso, el factor temperatura y su inter- acción. (Los bloques y los factores no interaccionan). (Nota: no es necesario indicar en la tabla como se obtienen las distintas variabilidades). 33. Una asociación de consumidores para comprobar la utilidad de ciertos compuestos que según sus fabricantes reducen el consumo de gasolina de los automóviles realizó el siguiente exper- imento: eligió al azar 9 veh́ıculos nuevos de distintas marcas con cilindrada similar y con cada uno de ellos recorrió tres veces un mismo trayecto con conductores distintos. Además en cada uno de estos tres trayectos empleó un tratamiento diferente para la gasolina: Tratamiento A : Gasolina con Cyber-Gas B : Gasolina con Consumin C : Gasolina sin aditivo En la tabla siguiente se muestra el consumo en litros de gasolina en cada uno de los recorridos y el tipo de tratamiento (letra latina). Número Conductores Media Veh́ıculo 1 2 3 fila 1 15,5 (A) 15,6 (B) 16,6 (C) 15,90 2 13,0 (B) 13,3 (A) 13,0 (C) 13,10 3 11,8 (B) 13,1 (C) 12,5 (A) 12,47 4 14,4 (A) 14,8 (C) 15,0 (B) 14,73 5 12,4 (B) 14,3 (A) 14,1 (C) 13,60 6 15,6 (C) 15,3 (A) 14,7 (B) 15,20 7 12,7 (C) 12,0 (B) 12,0 (A) 12,23 8 14,2 (C) 14,0 (B) 15,1 (A) 14,43 9 12,6 (A) 13,5 (C) 12,3 (B) 12,80 Media Media Total Columna 13,58 13,99 13,92 13,83 Media de Tratam. A:13,89 B:13,42 C:14,18 El análisis de los datos se realiza con el siguiente modelo yijk = µ+ αi + βj + γk + uijk dónde yijk representa el consumo en litros, µ la media global; αi, i = 1, 2, ..., 9 y βj, j = 1, 2, 3 los efectos correspondientes a los veh́ıculos (filas) y los conductores (columnas). La estimación e interpretación de estos parámetros es similar al modelo de bloques aleatorizados. Además se incluye los parámetros γk, k = 1, 2, 3 que miden el efecto de los tratamientos (tipo de aditivo) y cumplen ∑ 3 k=1 γk = 0. Por último, uijk la componente aleatoria son variables aleatorias independientes con distribución normal de media cero y varianza σ2 para todas las observaciones. (a) Obtener razonadamente los estimadores máximo verośımiles de γk. 13 (b) La tabla del análisis de la varianza del modelo anterior es Suma de Grados de Cuadrados Libertad Varianza F p-Valor Tratamiento 2,67 2 1,31 6,7 0,0091 Veh́ıculo 40,2 8 5,02 25,7 0,0000 Conductor 0,876 2 0,438 2,2 0,1428 Residual 2,73 14 0,195 Total 46,4 26 ¿Reducen los aditivos el consumo de gasolina? ¿ Existen diferencias significativas entre Cyber-gas (A) y Consumin (B)? (Realizar los contrastes con nivel de significación 0.05). (c) Demostrar que el diseño anterior, independientemente de los valores numéricos (yijk) obtenidos, es un diseño ortogonal, es decir que cumple: VT = VE(Vehı́culos) + VE(Conductores) + VE(Tratamientos) + VNE (Nota.- Es suficiente con demostrar la ortogonalidad del vector correspondiente a los tratamientos con respecto a los otros tres). 34. Un informático quiere comparar los tiempos de ejecución de tres programas realizados en lenguajes diferentes que realizan el mismo proceso. Para hacerla comparación utilizan 4 ordenadores con microprocesadores distintos. Los tiempos requeridos por cada programa en cada ordenador han sido: ORDENADOR PROGRAMA ↓ A B C ȳi• 1 1,36 2,23 1,54 1,71 2 0,97 0,70 0,76 0,81 3 1,79 1,74 1,84 1,79 4 0,64 0,69 0,74 0,69 ȳ•j 1,19 1,34 1,22 1,25 ¿Existen diferencias significativas en los tiempos requeridos por los 3 programas? 35. Se ha realizado un experimento con dos factores cada uno de ellos con 3 niveles. El 20% de la variabilidad total está explicada por la interacción de los dos factores y el 40% de la variabilidad total es debida a la variabilidad residual. Determinar el número de replica- ciones necesarias en cada tratamiento para que la interacción sea significativa con α = 0.01. (Explicar el procedimiento de cálculo, dejando el resultado indicado en función de las tablas). 14 36. Un investigador quiere estudiar el efecto de sexo (hombre, mujer) y tipo de formación (cien- cias, letras) en el dominio del inglés escrito en profesores universitarios. Para ello analiza el número de incorrecciones gramaticales en art́ıculos cient́ıficos enviados a publicación. Para cada combinación de niveles de los factores se han elegido al azar tres profesores. En la tabla se proporciona el número de fallos detectados en art́ıculos de 15 páginas Letras Ciencias Hombre 8, 6, 13 22, 28, 33 Mujer 5, 10, 6 12, 14, 9 Contrastar con nivel de significación 0.05 si los efectos principales y la interacción son signi- ficativos. Tener en cuenta que P (F1,8 ≤ 5.32) = 0.95, siendo F1,8 la distribución F con grados de libertad 1 y 8. Interpretar los resultados. 37. Un alumno, como trabajo de la asignatura de estad́ıstica, ha comparado tres marcas distintas (A,B,C) de palomitas de máız precocinadas. Cada marca puede prepararse friendolas en una sartén (método 1) o en el horno microondas (método 2). El alumno ha realizado un diseño factorial completo 3×2 con cinco replicaciones en cada uno de los seis tratamientos. La variable respuesta medida es el porcentaje de granos de máız que no se han inflado adecuadamente. Los resultados del experimento se muestran en la tabla, en cada tratamiento se proporciona la media y entre paréntesis la desviación t́ıpica corregida para las cinco replicaciones. Contrastar si la interacción entre los dos factores es significativa. A B C Sartén 5.5 (1,4) 3.6 (1,8) 7.5 (2,5) Horno 3.8 (1,3) 3.4 (0,9) 4.3 (1,3) 38. Se ha realizado un experimento con dos factores, A (temperatura con tres niveles), B (con- centración con cuatro niveles). El experimento se ha replicado 5 veces. En la tabla se 15 muestra la media y la varianza (corregida) para los 5 datos de cada tratamiento. A B yi ŝ 2 i 1 1 240 1.2 1 2 261 1.6 1 3 235 1.4 1 4 257 2.4 2 1 249 1.4 2 2 270 5.7 2 3 246 5.8 2 4 267 1.7 3 1 241 4.2 3 2 262 9.4 3 3 237 1.3 3 4 260 6.1 Escribir la tabla de análisis de la varianza. 39. Se desea estudiar la influencia de 2 factores en el error de medida de un equipo de visión artificial. Un factor F es la distancia focal, para el que se han fijado 4 niveles y el otro factor L es el nivel de iluminación con 2 niveles. Además se dispone de 2 equipos diferentes para realizar las medidas. Se ha tomado un patrón y se ha medido en las combinaciones indicadas en la tabla, donde yijk es el error obtenido al situar la distancia focal i, con iluminación j y el equipo k. F −→ 1 2 3 4 1 2 3 4 L −→ 1 1 1 1 2 2 2 2 Equipo 1 y111 y211 y311 y411 y121 y221 y321 y421 Equipo 2 y112 y212 y312 y412 y122 y222 y322 y422 Construir la tabla de análisis de la varianza, que incluya los efectos principales debidos a la distancia focal (F ), la iluminación (L) y el equipo, y además la interacción F×L, suponiendo que son nulas el resto de interacciones. 40. Cierta industria de lentes para gafas desea comparar dos tipos de recubrimiento antireflec- tante A, B. Los dos tipos tienen idéntico aspecto y prestaciones, pero antes de decidirse por uno u otro desean comprobar si el tipo de recubrimiento influye en el desgaste que sufre la lente. Para ello construyen gafas con una lente de cada tipo que distribuyen entre 10 per- sonas seleccionadas al azar que habitualmente utilizan gafas. Al cabo de seis meses miden el desgaste y se obtienen los valores que se indican en la tabla. 16 Persona Lente A Lente B 1 6.7 6.9 2 5.0 5.8 3 3.6 4.1 4 6.2 7.0 5 5.9 7.0 6 4.0 4.6 7 5.2 5.5 8 4.5 5.0 9 4.4 4.3 10 4.1 4.8 ¿Qué tipo de recubrimiento recomendaŕıa a los fabricantes con el criterio de mı́nimo desgaste?. 41. Demuestre que en un modelo en bloques aleatorizados, con I niveles para el factor y J niveles para el bloque, con modelo yij = µ+αi+βj+uij,el valor esperado de la variabilidad explicada por el factor es: E[V E(α)] = (I − 1)σ2 + J ∑J i=1 α 2 i ,siendo σ 2 la varianza del error experimental. 42. Se desea comprobar si el orden en el que aparecen las preguntas de un examen test influye en resultado obtenido por el alumno. Se han preparado dos examenes, el Test A tiene las preguntas en orden de dificultad creciente y el Test B a la inversa. Se ha elegido una muestra aleatoria de 20 alumnos y se han emparejado según su habilidad, de forma que los dos alumnos de cada pareja han demostrado durante el curso una habilidad similar. De cada pareja, un alumno se ha asignado aleatoriamente al Test A y el otro al Test B. Los resultados finales del ejercicio han sido (cada pareja es una columna) Test A: 83 82 95 92 91 60 89 69 70 72 Test B: 76 62 70 74 52 63 48 80 76 74 ¿Es evidente que las puntuaciones del Test B son mas bajas que las del Test A? 43. El análisis de la varianza de un diseño en bloques aleatorizados proporciona los si-guientes resultados: V T = 129, V E(factor) = 38, 5 y V E(bloque) = 82, 5. El número de niveles del factor es 4 y el número de bloques 4. Construir la tabla de análisis de la varianza y hacer los contrastes correspondientes con nivel de significación 0,05. 44. Se ha estudiado la influencia de la cantidad de cierto aditivo en la opacidad de un material plástico que se puede fabricar por tres métodos de extrusión. El objetivo es conseguir el tratamiento con opacidad mı́nima. Cada tratamiento se ha replicado 5 veces, los valores medios y las desviaciones t́ıpicas corregidas para cada caso se proporcionan en la tabla 1. La tabla 2 corresponde al análisis de la varianza. Se ha comprobado que se verifican las condiciones de normalidad y homocedasticidad. 17 Método Aditivo Medias Desv. T́ıp. 1 1 9.5 0.83 1 2 9.3 0.67 2 1 10.0 1.53 2 2 8.1 0.77 3 1 11.5 0.78 3 2 6.0 1.23 (TABLA 1) Suma de cuadrad. g.l. Var. F p-valor Extrus. 2.210 2 1.105 1.072 0.358 Aditivo 47.636 1 47.636 46.2 0.000 Interac. 37.572 2 18.786 18.2 0.000 Residual 24.728 24 1.030 Total 112.146 29 (TABLA 2) (a) A la vista de los resultados de las dos tablas indica qué método de extrusión es acon- sejable para conseguir la opacidad mı́nima. (b) Da un intervalo del 95% de confianza para la opacidad media en las condiciones óptimas. (c) Sea di = yi1 − yi2 la diferencia entre las medias observadas en los dos niveles del factor aditivos para el método de extrusión i. Calcula el valor esperado y la varianza de di en términos de los parámetros del modelo factorial. (d) Si E(di) = 0 para los tres métodos, obtén la distribución de probabilidad de 5 2 × d21 + d 2 2 + d 2 3 σ2 . 45. Se ha estudiado el efecto de tres hornos diferentes y dos temperaturas (290 oC y 320 oC) en la duración de cierto componente. Para cada combinación de horno y temperatura se ha replicado el experimento 3 veces. En la tabla siguiente se proporcionan las medias y desviaciones t́ıpicas de los datos de cada tratamiento. Temperatura oC 290 oC 320 oC Media Desv. T. Media Desv. T. Horno 1 245.6 8.50 180.0 2.65 Horno 2 191.0 15.39 144.0 2.65 Horno 3 187.0 4.58 134.3 8.62 18 Suma Grados Fuente Cuadrado Libertad Varianza F p-valor Horno 9646.3 2 4823.2 69.1 0.000 Temp. 13667.6 1 13667.6 195.9 0.000 H x T 274.8 2 137.4 1.97 0.182 Residual 837.312 69.8 Total 24426 17 Seleccionar el horno y la temperatura que proporcionan máxima duración, haciendo los con- trastes de igualdad de medias con nivel de significación 0.01. 19 portada Programa 2 2b 3 3b 4 4b
Compartir