UNIDAD 5 5. Diseo experimental con bloques al azar y diseos factoriales 5.

1 Diseo de Bloque al Azar En muchos experimentos la estimacin de la variacin aleatoria (error experimental) puede a menudo reducirse, es decir, liberarse de la variabilidad debido a causas extraas, dividiendo las observaciones en cada clasificacin en bloques. Definicin: Un diseo en bloque completamente azarizado (BCA) es aquel en el que: 1) Las unidades experimentales se distribuyen grupos o bloques, de manera tal que las unidades experimentales dentro de un bloque sean relativamente homogneas y que el nmero de unidades experimentales dentro de un bloque sea igual al nmero de tratamientos por investigar, y 2) los tratamientos se asignan al azar a las unidades experimentales dentro de cada bloque. En lo anterior, la formacin de los bloques refleja el criterio del investigador respecto a las respuestas diferenciales potenciales de las diversas unidades experimentales, mientras que el procedimiento de aleatorizacion acta como una justificacin de la suposicin de independencia. Diseo en Bloque Completamente Azarizado con una Observacin por Unidad Experimental La suposicin bsica para un diseo en bloque completo azarizado con una observacin por unidad experimental, es que las observaciones pueden representarse mediante el siguiente modelo estadstico lineal: Yij = +j++ij Donde: i = 1,2,3..b bloques j = 1,2,3,.t tratamientos Donde es el verdadero efecto del medio, j es el verdadero efecto del iesimo bloque, es el verdadero efecto del jotaesimo tratamiento, y ij es el verdadero efecto de la unidad experimental en el iesimo bloque que esta sujeto al jotaesimo tratamiento. Adems: b

j=0 y ij esta Distribuido Normalmente con media 0 y 2 constante.

i =1

Representacin simblica de los datos en un diseo en bloque completo aleatorizado con una observacin por unidad experimental.

Bloques B1 B2 . . . Bb Total Media de tratamientos y11 y21

Tratamiento 1, 2, t y12 y22 . . . . . . . . . y1t y2t

y Total B1. B2. . . . Bb. Total it (T)

Media de bloques y1. y2.

yb1 t.1 y.1

yb2 t.2 y.2

ybt t.t y.t

y..

Ecuaciones

Suma de Cuadrados total

b t

SCT = Y2ij
i=1 j=1

Suma de Cuadrados debido a la media SCMedia = _T2

bt
b Donde : b = bloques y t = tratamientos

SCBloques = Bi2 SCMedia

i=1

SCTratamientos = Ti2 SCMedia

j=1 b

SCE = SCT- SCMedia-SCBloques-SCTratamientos

Hipotesis

Ho: T1 = T 2 = T3.= Ti Ha: T1 T 2 T3. T i

Ho: B1 = B2 = B3.= Bi Ha: B1 B2 B 3. B i

Regla de Decision Si Fc > F Se Rechaza Ho Si Fc < F Se Acepta Ho

TABLA DE ANOVA

Fuentes de Grados Variacin Libertad Tratamientos t-1 Bloques Error Total

de Suma de Cuadrados Cuadrados Medios SCT CMA t-1 b-1 SCB CMB b-1 (t-1) (b-1) SCE CME (t-1) (b-1) tb-1 SCT CME ab (n-1)

F Calculada CMT CME CMB CME

Ejemplo: Se diseo un experimento para estudiar el desempeo de cuatro detergentes diferentes para limpiar inyectores de combustibles. Las siguientes lecturas de limpieza se obstruyeron con un equipo especialmente diseado para 12 tanques de gas distribuido en tres diferentes modelos de motores: a) Obtenga la tabla apropiada de anlisis de varianza. b) Pruebe la hiptesis con un nivel de significancia de 0.01 y determine si hay diferencia en los detergentes o en los motores Tratamientos B C 47 48 46 50 52 55 145 153 48.33 51

Bloques M1 M2 M3 Total Media

A 45 43 51 139 46.3 3

D 42 37 49 128 42.66

Total 182 176 207 565

Media 45.5 44 51.75 47.08

Considerando los detergentes como tratamientos y los motores como bloques, obtenga la tabla apropiada de anlisis de varianza y pruebe en el nivel de significancia del 0,01 si hay diferencia en los detergentes o en los motores. b t SCT = Y2ij = (45)2 + (47)2 ++ (128)2 = 26867 i=1 j=1

SCMedia = _T2 = bt

(565)2 = 319225 3x4 12

= 26602.08

b SCBloques = Bi2 SCMedia = (182)2 + (176)2 + (128)2 26602.08 = 135.17 i=1 t 4 t SCTratamientos = Ti2 SCMedia = (139)2 + (145)2 + (153)2 + (128)2 26602.08 = 110.92 j=1 b 3

SCE=SCT- SCMedia-SCBloques-SCTratamientos = 26867- 26602.08 135.17 110.92 = 18.83 CMTrat = 110.92 = 36.97 4-1 Fc Trat = 36.97 = 11.77 3.14 CMB = 135.17 = 67.58 CMErr = 18.83 = 3.14 3-1 (3) (2) Fc Blo = 67.58 = 21.52 3.14 G.L 3 2 6 11 S. Cuadrados 110.92 135.17 18.83 C. Medio 36.97 67.58 3.14 Fc 11.7 7 21.5 2 F 9.78 10.92

Anova
Fuentes de Var. Detergentes Motores Error Total

Conclusiones:
- Como Fc para tratamiento o detergentes (11.77) es mayor que F (9.78) se rechaza la hiptesis nula (Ho). Esto quiere decir que si existe diferencia significativa en el accionar de los 4 detergentes - Como Fc para bloques o motores (21.52) es mayor que F (10.92) se rechaza la hiptesis nula (Ho). Esto significa que las diferencias entre los resultados obtenidos para los tres motores son significativas, esto quiere decir que el bloque ha sido efectivo

Verificacin de la Adecuacin del Modelo Generacin de Residuos En cualquier experimento diseado, siempre es importante examinar los residuos y revisar las violaciones de las suposiciones bsicas que podran invalidar los resultados. Los residuos para el diseo de bloques aleatorios son justo la diferencia entre los valores observados y los ejecutados.

eij = yij - ij
Donde:

yij = observacin ij = valor ajustado de la observacin eij = Residuo de la observacin

y los valores ajustados son:

ij = i. + j. - ..
Donde i. = media del tratamiento j. = media del bloque .. = media total de las observaciones El valor ajustado representa la estimacin de la respuesta media cuando se ejecuta el tratamiento j-simo en el bloque i-simo. Siguiendo con el ejemplo de los detergentes calcule los residuos para realizar el anlisis residual. Tratamientos

Bloques M1 M2 M3 Total Media j.

A 45 43 51 139 46.3 3

B 47 46 52 145 48.33

C 48 50 55 153 51

D 42 37 49 128 42.66

Total 182 176 207 565

Media i. 45.5 44 51.75 47.08 ..

eij = yij - ij
Donde:

ij = i. + j. - .. 11 = 45.5+46.33-47.08 = 44.75 12 = 44.0+46.33-47.08 = 43.25 13 = 51.75+46.33-47.08 = 51 21 = 45.5+48.33-47.08 = 46.75 22 = 44.0+48.33-47.08 = 45.25 23 =51.75+48.33-47.08 = 53 31 = 45.5+51-47.08 = 49.42 32 = 44.0+51-47.08 = 49.92 33 = 51.75+51-47.08 = 55.67 41 = 45.5+42.66-47.08 = 41.08 42 = 44.0+42.66-47.08 = 39.58 43 = 51.75+42.66-47.08 = 47.33 e11 = 45-44.75 = 0.25 e12 = 43-43.25 = - 0.25 e13 = 51-51 = 0 e21 = 47-47.65 = - 0.25 e22= 46-45.25 = - 0.75 e23 = 52-53 = -1 e31 = 48-49.42 = - 1.42 e32 = 50-47.92 = 2.08 e33 = 55-55.62 = .6 e41 = 42-41.08 = .92 e42 = 37-39.58 = -2.58 e43 = 49-47.33 = 1.67

Tabla de residuos Bloques

Tratamientos (Detergentes)

Motor 1

Motor 2

Motor 3

0.25

-0.25

=0

B C D

0.25 -1.42 0.92 =0

0.75 2.08 -2.58

-1 -0.67 1.67

La sumatoria de las columnas e hileras es igual a cero

Trazado de Residuos por tratamientos

Esta grafica nos muestra que el mayor efecto se obtiene con el detergente C Trazado de Residuos por Bloque

Esta grfica nos indica que existe una mayor variabilidad en el motor 2. 5.1.1. Diseo de Bloques al Azar con Datos Faltantes

En trabajos de investigacin experimental pueden presentarse situaciones que traen como consecuencia el no disponer del resultado (dato) para una (s) unidad (es) experimental (es) al concluir la etapa de ejecucin del experimento. Por las cualidades de honradez, tenacidad, criterio, espritu de servicio que entre otras debe reunir el investigador, se espera que la falta de informacin no sea descuido del investigador sino que sea por accidente y/o factor ajeno al experimento. Un dato faltante Supongamos que falta la informacin yij es decir no se obtiene el resultado en el bloque i del tratamiento j, como se indica en el siguiente cuadro de concentracin de datos.

Bloques

Tratamiento 1, 2, jt y11 y21 Yi1 yb1 t.1 y.1 y12 y22 y1j.. .. . . X .. t.j +X y1t y2t

y Total B1. B2. . . Bi + X Bb. G..

B1 B2 . . i Bb Total Media de tratamientos

Media de bloqu es Y1. Y2.

yb2 t.2 y.2

ybt t.t y.t

y..

Donde: t = Tratamientos; b = Bloques; X = Estimdor del dato faltante y'i. = B: total o suma de b-1 datos del bloque i, el cual pertenece al dato faltante y'.j = T: total o suma de t-1 datos del tratamiento j, al cual pertenece el dato faltante G'.. = G: Gran total o suma de txb-1 datos que tiene el experimento Ecuacin para obtener el estimador del dato faltante X = t y'.j + b y'i. - G'.. o X = tT+Bb - G'.. (t-1) (b-1) (t-1) (b-1) Una vez obtenido el dato faltante se coloca en el sitio donde falta el dato y se procede a realizar el anlisis de varianza conocido como anlisis de varianza aproximado. Para ello se disminuye un grado de libertad en las fuentes de variacin del error y total.

TABLA DE ANOVA APROXIMADO Fuentes de Grados Variacin Libertad Tratamientos t-1 Bloques Error Total de Suma de Cuadrados Cuadrados Medios SCT CMA t-1 b-1 SCB CMB b-1 (t-1) (b-1) - 1 SCE CME (t-1) (b-1) tb-2 SCT CME ab (n-1) F Calculada CMT CME CMB CME F

Si la Ho: T1 = T2 = T3. = Tn es rechazada se procede a realizar la prueba exacta de la misma. La razn es que es posible que la significancia detectada en el anlisis aproximado sea debido al incremento que tambin sufre la suma de cuadrados de tratamientos. El procedimiento es como sigue: SCT Corregidos ( SCTc) SCTc = SCT - [B (t-1)X]2 t(t-1) CMTc = SCTc t-1 Fcorregida = CMTc CMErr

Si Fcorregida es mayor que F se rechaza la hiptesis nula.

Dos datos faltantes.- Esta situacin se presenta en los casos siguientes: a) Los datos faltantes pertenecen al mismo tratamiento b) Los datos faltantes pertenecen al mismo bloque c) Los datos faltantes pertenecen al mismo bloque y tratamientos distintos d) Los datos faltantes pertenecen al mismo tratamiento

Supngase que al tratamiento j le faltan dos datos, uno en el bloque i y el otro en el bloque b. Esto es, los resultados Yji y Yjb. As se tiene el cuadro de concentracin de datos siguientes: Bloques I II . . I . . b Total y11 y21 Yi1 yb1 Tratamiento 1, 2, jt y12 y1j.. y22 .. . . X1 yb2 . . . ...X2 y.2 Y.j+X1+X2 y Total Y1. Y2. . . B1i + X

y1t y2t

ybt B2b.+X t.t G..+X1+X2

y.1

Donde: t= tratamientos b= bloques o repeticiones X1 y X2= Estimadores de datos faltantes fue minimizar la suma de cuadrados del error Y.j= T1,2= Total suma de b-2 datos del tratamiento j al cual le falta dos datos Yi.= B1= Total, suma de t-1 datos del bloque i al cual pertenece x1 Yi= B2= Total suma de t-1 datos del bloque b al cual pertenece x2 G..=G= Gran total, suma de txb-3 datos que se tienen para el experimento Ecuaciones para los estimadores de los datos faltantes: X1 = tT1,2+(b-1) B1+B2-G (t-1) (b-1) X2 = tT1,2+B1+(B-1)B2-G (t-1)(b-2)

b) Los dos datos faltantes pertenecen al mismo bloque. Supngase que es al bloque i al que le falta los datos de los tratamientos j y t. Bloques Tratamiento 1, 2, jt y Total

I II . . i . . b

y11 y21 Yi1 yb1

y12 y22

yb2

y1j.. .. . . X1 . . . ...X2 Y.j+X1

y1t y2t

Y1. Y2. . . yi + X1+X2

ybt B2b.+X Y.t+X2 G..+X1+X2

Total

y.1

y.2

Donde: t= tratamientos b= bloques o repeticiones X1 y X2= Estimadores de datos faltantes fue minimizar la suma de cuadrados del error Y.j= T1= Total suma de b-1 datos del tratamiento j al cual pertenece X1 Yi.= B1,2= Total, suma de t-2 datos del bloque i al cual le faltan dos datos Yi= T2= Total suma de b-1 datos del tratamiento t al cual pertenece x2 G..=G= Gran total, suma de txb-2 datos que se tienen para el experimento Ecuaciones para los estimadores de los datos faltantes: X1= bB1.2+(t-1)T1+T2-G (b-1)(t-2) X2= bB1.2+T1+(t-1)T2-G (b-1)(t-2)

c) Dos datos faltantes en tratamientos diferentes y bloques diferentes. Supngase que faltan los datos en Yij y en Yb.t Bloques Tratamiento y 1, 2, jt Total I y11 y12 y1j.. y1t Y1.

II . . i . . b

y21 Yi1 yb1

y22

.. . . X1 ybj

y2t y.t

Y2. . . B1i. + X1

yb2

X2 B2b.+X2

Total

y.1

y.2

Y.j+X1

Y.t+X2 G..+X1+X2

Donde: t= tratamientos b= bloques o repeticiones X1 y X2= Estimadores de datos faltantes que minimiza la suma de cuadrados del error Yi.= B1= Total suma de t-1 datos del bloque i al cual pertenece X1 Yb.= B2= Total, suma de t-1 datos del bloque b al cual pertenece X2 Y.j= T1= Total suma de b-1 datos del tratamiento j al cual pertenece X1 Yt=T2= Total suma de b-1 datos del tratamiento t al cual pertenece X2 G..=G= Gran total, suma de txb-2 datos que se tienen para el experimento Por otra parte sea: f= (t-1) (b-1) W1= tT1+bB1-G W2= tT2+bB2-G Ecuaciones para estimar los datos faltantes: X1= f(W1-W2) f2-1 X2= f(W2-W1) f2-1 En cualquier de los casos discutidos sobre dos datos faltantes, una vez que se obtienen las ecuaciones X1 y X2, estas se colocan en el lugar que les corresponde en el cuadro de concentracin de datos y se procede a su anlisis de varianza por el diseo de bloques al azar. En este anlisis se prueba en forma aproximada las hiptesis nula Ho; t 1=t2=t3t2 mostrndose la disminucin de dos grados de libertad en las fuentes de error y total. TABLA DE ANOVA APROXIMADO

Fuentes de Grados Variacin Libertad Tratamientos t-1 Bloques Error Total

de Suma de Cuadrados Cuadrados Medios SCT CMA t-1 b-1 SCB CMB b-1 (t-1) (b-1) - 2 SCEExp(dba) CME (t-1) (b-1) (txb-1)-2 SCT CME ab (n-1)

F Calculada CMT CME CMB CME

En caso de rechazar la hiptesis nula (Ho) se procede a realizar la prueba exacta de la hiptesis como sigue: 1) Analizar los datos de acuerdo al diseo completamente al azar con nmero variable de repeticiones por tratamiento. Esto es, sin tomar en cuenta las estimaciones X 1 yX2, considrese como tratamientos a los bloques y como bloques a los tratamientos del cuadro de concentracin de datos usados para la prueba aproximada; en este anlisis solo basta el clculo de la sumas de cuadrados. En la suma de cuadrados del error del diseo completamente al azar (SCECdea) incluye el efecto de bloques. 2) Suma de cuadrados de tratamientos corregida (SCTc) SCTc=SCE (dea)-SCEExp(db) 3) Obtener la F corregida = CMTC CMEExp(dba) Para probar la hiptesis nula de tratamientos si F corregida es mayor F se rechaza Ho

Ejemplo: Los siguientes datos pertenecen a una prueba de resistencia de telares, donde se probaron 6 tratamientos. Los datos se presentan a continuacin Tratamientos Bloques T1 T2 T3 T4 T5 T6 Total I 16 22 16 X1 18 8 80+X1 II 28 27 17 20 23 23 138 III 16 25 16 16 19 16 108 IV 28 X2 19 18 24 25 114+X2 Total 88 74+X2 68 54+X1 84 72 440+X1+X2 Procedimiento de clculo: a) Es claro que el ejemplo corresponde a datos faltantes en tratamientos distintos y bloques diferentes, y por lo tanto se procede como sigue: T1=54: suma de los datos disponibles para el tratamiento T4, al cual pertenece X1 T2=74: suma de los datos disponibles para el tratamiento T2, al cual pertenece X2 B1=80: suma de los datos disponibles para el tratamiento I, al cual pertenece X1

B2= 114: suma de los datos disponibles para el tratamiento IV, al cual pertenece X2 G= 440: suma de los datos disponibles en todo el experimento, al cual pertenece X1 y X2 t= 6: numero de tratamientos b= 4: numero de bloques Considerando lo anterior tenemos: f= (t-1) (b-1)= (6-1) (4-1)= 15 W1= tT1 + bB1- G= 6(54)+4(80)-440=204 W2= tT2 + bB2- G= 6(74)+4(114)-440=460 Sustituyendo los resultados anteriores en las ecuaciones para la estimacin de datos tenemos: X1= f (W1- W2) = 15(204)-460 = 11.61 f2-1 (15)2-1 X2= f (W2- W1) = 15(460)-204 = 29.89 f2-1 (15)2-1 b) Anlisis de los datos de acuerdo al Diseo Bloques al Azar, incluyendo datos faltantes Bloques I II III IV Total T1 16 28 16 28 88 T2 22 27 25 29.28 103.89 T3 16 17 16 19 68 T4 11.61 20 16 18 65.61 T5 18 23 19 24 84 T6 8 23 16 25 72 Total 91.61 138 108 143.89 481.5

Con el acuerdo anterior se procede a obtener el ANOVA aproximado que se da a continuacin. El cuadro de anlisis de varianza que sigue prueba la hiptesis Ho: t 1 = t2 == tn en forma aproximada. Notese la disminucin de dos grados de libertad en el Error Experimental y el Total, esto como consecuencia de haber utilizado los datos para estima las observaciones faltantes. Las ecuaciones para obtener las SC son el diseo bloques al azar. Anlisis de Varianza de manera aproximada Fuentes de variacin Bloques Tratamientos Error Exp. Total gl b-1=3 t-1=5
(t-1)(b-1)-2=13

SC 307.36 266.36
SCEE(dba)=118.39

CM=SC/gl 102.45 53.27

CMEE(dba)=9.11

Fc 11.246 5.85

F F .01 .05 5.74 3.41 4.86 3.03

(t x b-1)-2=21

691.11

Conclusin: Se rechaza la hiptesis nula (Ho: todos los tratamientos son iguales). En este caso, se rechazo de Ho, debe procederse a realizar la prueba exacta de Ho

c) Prueba exacta de Ho: t1 = t2 == tn Las estimaciones de los datos faltantes han sido obtenidas de tal forma que el error experimental sufra el menor incremento. La prueba exacta es realizada ante la sospecha de que el rechazo de Ho: t1 = t2 == tn sea debido al incremento que tambin sufre la suma de cuadrados de tratamientos por causa de las estimaciones. La prueba no se realiza cuando la hiptesis sobre los tratamientos no es rechazada Procedimiento: 1) Anlisis de los datos de acuerdo al diseo completamente al azar con nmero variable de repeticiones por tratamiento. En este caso no se consideran las estimaciones de los datos; los tratamientos son los bloques y los bloques los anteriores tratamientos. De eta manera tenemos: SC(Total) = b t

SCT = Y2ij-Y..2= 162+222++242+252- 4402= 524.0

j=1 i=1

22

SC(Tratamientos) =

y.j2 Y..2= 802+1382+1082+1142 - 4402 =197.2

j=1 t n 5 6 6 5 22

SC (Edca) = SC(Total) SC(Tratamiento) = 524.0-197.2=326.80

2) Suma de Cuadrados de Tratamientos Corregida (SCTc). La obtencin de la SCTc que se realizar a continuacin tiene como argumento el hecho de que la suma de cuadrados del error experimental, SC(Edca), en el diseo completamente al azar, tambin esta conformada por el efecto de bloques o repeticiones, mientras que la suma de cuadrados del error experimental SC(Edba), del diseo de bloques al azar, esta libre del efecto de bloques o repeticiones. De aqu tenemos: SCTc= SC(Edca) SC(Edba) = 326.80-118.39=208.41 CMTc= SCTc= 208.41 = 41.68 t 1 6-1 3) Prueba exacta de Ho: t1 = t2 == tn Fcorregida= C M Tc = 41.68 = 4.58

CM(edba)

9.119

Conclusin: como Fcorregida es mayor que F al .05 de significancia se rechaza Ho. Sin embargo al .01 de significancia se acepta Ho. Es decir, se tiene una seguridad del 95 por ciento que los tratamientos son diferentes.

Ejercicio Se hace un estudio sobre la efectividad de tres marcas de spray para matar moscas. Para ello, cada spray se aplica a un grupo de 100 moscas, y se cuenta el nmero de moscas muertas, expresado en porcentajes. Se hacen seis rplicas y los resultados obtenidos se muestran en la tabla siguiente: Tipo de spray Bloques 1 1 72 2 65 3 67 4 75 5 62 6 73
a) b) c) d) e)

2 55 59 68 70 53 50

3 64 74 61 58 51 69

Formule la hiptesis adecuada. Utilize un 95 por ciento de significancia Realize el ANOVA Existe diferencia entre la efectividad promedio de los sprays? Haga la prueba de residuos Hay algn spray mejor? Argumente.

Ejercicio 2

Supngase que un ingeniero qumico cree que el tiempo de reaccin en un proceso qumico es funcin del catalizador empleado. De hecho 4 catalizadores estn siendo investigados. El procedimiento experimental consiste en seleccionar un lote de materia prima, cargar una planta piloto, aplicar cada catalizador a ensayos separados de dicha planta y observar el tiempo de reaccin. Debido a ciertos factores se perdieron dos observaciones. Los resultados se muestran en la siguiente tabla:

Bloque (Materia Prima) 1 2 3 4

Tratamiento (Catalizador) 1 73 74 X1 71 2 71 75 67 72 3 73 75 68 X2 4 75 73 72 75

a) Formule la hiptesis adecuada. Utilize un 95 por ciento de significancia b) Realize el ANOVA c) Concluya

5.2. Diseo de Experimentos Factoriales Los experimentos factoriales son aquellos en los que se estudia simultneamente 2 o ms factores, y donde los tratamientos se forman por la combinacin de los diferentes niveles de cada uno de los factores. Los experimentos factoriales no son un diseo experimental si no un diseo de tratamientos los cuales se arreglan dentro de los diseos experimentales clsicos como el Diseo Completo al Azar, Diseo de Bloques Completos al Azar, Diseo de Cuadro Latino. Los experimentos factoriales se emplean en todos los campos de investigacin, son de gran utilidad en investigaciones exploratorias en las que poco se sabe acerca de muchos factores. Se utilizan frecuentemente en investigaciones comparativas. Ventajas: Permiten estudiar los efectos principales, efectos de interaccin de factores, efectos simples, efectos cruzados. Todas las unidades experimentales intervienen en la determinacin de los efectos principales y de los efectos de interaccin de los factores, por lo que el nmero de repeticiones es elevado para estos casos. El nmero de grados de libertad para el error experimental es alto, comparndolo con los grados de libertad de los experimentos simples de los mismos factores, lo que contribuye a disminuir la varianza del error experimental, aumentando por este motivo la precisin del experimento. Desventajas: Se requiere un mayor nmero de unidades experimentales que los experimentos simples y por lo tanto se tendr un mayor costo y trabajo en la ejecucin del experimento. Como en los experimentos factoriales cada uno de los niveles de un factor se combinan con los niveles de los otros factores; a fin de que exista un balance en el anlisis estadstico se tendr que algunas de las combinaciones no tienen inters practico pero deben incluirse para mantener el balance. El anlisis estadstico es ms complicado que en los experimentos simples y la interpretacin de resultados se hace ms difcil a medida que aumenta el nmero de factores y niveles por factor en el experimento. Consideraciones: Factor. Es un conjunto de tratamientos de una misma clase o caracterstica. Factorial. es una combinacin de factores para formar tratamientos. Niveles de un factor. Son los diferentes tratamientos que pertenecen a un determinado factor. Tipos de factores

Factores cuantitativos. Son aquellos factores cuyos niveles son cantidades nmericas. Factores cualitativos. Son aquellos factores cuyos niveles son procedimientos, cualidades o atributos. Interaccin Es la combinacin de dos o ms variables independientes para generar un efecto diferente al que generan cuando actan de manera aislada. El experimento factorial mide la interaccin y la evala. La interaccin puede darse de tres formas: por sinergismo, antagonismo y aditiva. Cuando es por sinergismo el efecto de la combinacin de los factores es mucho mayor que el efecto que produce cada uno por separado. Cuando es por antagonismo el efecto de la combinacin de los factores es menor que el efecto que produce cada uno por separado. Cuando la interaccin es aditiva el efecto de la combinacin de los factores es igual a la suma de los efectos que producen cada uno por separado.

Ejemplo de formacin de factoriales Sean los factores A y B con sus respectivos niveles A: a0 a1 a2 B: b0 b1 La combinacin de los factores quedar de la siguiente manera: a0 a1 a2 b0 b1 b0 b1 b0 b1

Y los tratamientos sern: a0 b0 a1 b0 a2 b0 a0 b1 a1 b1 a2 b1

Al combinar los factores A X B se tendrn 3X2= 6 Tratamientos Y si cada tratamiento se aplica a 3 unidades experimentales se tendrn 18 unidades experimentales, si se aplica a 4 sern 24 y as sucesivamente.

Tratamientos a0 b0 a0 b1 a1 b0 a1 b1 a2 b0 a2 b1

Repeticiones 2 3

Ms en general, la familia de diseos factoriales 2k consiste de k factores, todos con dos niveles de prueba; y la familia de diseos factoriales3k consiste de k factores cada uno con tres niveles de prueba. Es claro que si los k factores no tienen la misma cantidad de niveles, entonces no se puede factorizar de esta forma, y debe escribirse el producto de manera ms explcita: por ejemplo con k = 3 factores, el primero con cuatro niveles y los dos restantes con dos niveles, se tiene el diseo factorial 4 X 2 X 2 o 4 X 22 que consiste de 16 combinaciones de niveles diferentes. 5.3 Diseo factorial 2^K Diseos factoriales con dos factores 2 2 Considere los factores A y B con a y b (a, b 2) niveles de prueba, respectivamente. Con ellos se puede construir el arreglo o diseo factorial a x b; que consiste de a x b tratamientos. Se llama rplica cada repeticin completa del arreglo factorial. Los diseos factoriales que involucran menos de cuatro factores se corren replicados para poder tener la potencia necesaria en las pruebas estadsticas sobre los efectos de inters, de tal forma que si se hacen n rplicas, el nmero total de corridas experimentales es n(a x b) . Supongamos que tenemos los factores A y B cada uno con dos niveles a0, a1 y b0, b1, entonces el diseo quedar como sigue:

Diseo factorial 22 Tratamientos Bloques completos Totales de

a0 b0 a1 b0 a0 b1 a1 b1 Totales de Bloques Modelo estadstico.

1 Y001 Y101 Y011 Y111 B1

2 Y002 Y102 Y012 Y112 B2

r Y00r Y10r Y01r Y11r Br

tratamientos T00 T10 T01 T11 Gran total

Con un diseo factorial a x b se pueden estudiar los dos efectos individuales y el efecto de interaccin de ambos factores. En trminos estadsticos, lo que se afirma es que el comportamiento de la respuesta Y e n e l experimento con k rplicas se podr describir mediante el modelo de efectos,

Yijk = + i + j + ()ij + ijk

i = 1,2,3a j = 1,2,3,b k = 1,2,3n

Donde: es la media general, i es el efecto debido al i-simo nivel del factor A, j e s e l e f e c t o d e l j-simo nivel del factor B, ()ij representa al efecto de interaccin en la combinacin ij y ijk es el error aleatorio que supone sigue una distribucin con media cero y varianza constante 2 y son independientes entre s. Para que la estimacin de los parmetros en este modelo sea nica, se introducen las restricciones: a i=1 b j=1 a i=1 b j=1

i = j = ()ij = ()ij = 0
Hipotesis a evaluar y anlisis de varianza. Como se observa en el modelo anterior, con un diseo factorial a x b interesa estudiar los tres efectos A, B y AB. As, en primera instancia se pueden plantear los tres pares de hiptesis siguientes: Ho: E f e c t o A = 0 Ho: E f e c t o B = 0 Ho: E f e c t o A B = 0 HA: E f e c t o A 0 HB: E f e c t o B 0 HAB: E f e c t o A B 0 Estas hiptesis se prueban mediante la tcnica de anlisis de varianza. El ANOVA para un diseo factorial a x b con n rplicas resulta de descomponer la variacin total como SCT = SCA + SCB + S C A B + SCE donde los respectivos grados de libertad de cada una de ellas son: nab - 1 = ( a 1) + (b 1) + ( a -1) (b-1) + ab(n-1)

el factor (n-1) en los grados de libertad de la suma de cuadrados del error (SCE) seala que se necesitan al menos dos rplicas del experimento para poder calcular este componente, y por ende poder construir una tabla de ANOVA. Toda esta informacin se sintetiza en la siguiente tabla.

TABLA DE ANOVA Fuentes Variacion Efecto A Efecto B Efecto AB Error Total de Grados Libertad a-1 de Suma de Cuadrados Cuadrados Medios SCA CMA a-1 b-1 SCB CMB b-1 (a-1) (b-1) SCAB CMAB (a-1) (b-1) ab (n-1) SCE CME ab (n-1) abn-1 SCT F Calculada CMA CME CMB CME CMAB CME F

S i e l v a l o r d e F es menor al nivel de significancia establecido, se concluye que la correspondiente hiptesis es significativa, es decir, ese efecto influye a la variable de respuesta; y si el efecto est activo entonces debe tomarse en cuenta en la interpretacin de los resultados, buscando mejorar el desempeo de la respuesta Y. Recordemos la notacin de puntos para representar sumas y medias: Y es la suma de todas las observaciones, Y es la media global, Yi.. es el total en el nivel i del factor A, Yi.. es la media en el nivel i del factor A. Y.j. es el total en el nivel j del factor B. Es decir: a b n

Y= Yijk
i=1 j=1 k=1 b n

Yi..=

Yijk
j=1 k=1 a n

Y.j.=

Yijk
i=1 k=1

Yij.=

Yijk
k=1

n abn

SCT = Y2ijk Y2
i=1 j=1 k=1 a

SCA = Y2i.. Y2
i=1 bn a abn

SCB = Y2.j. Y2
j=1 an a b abn abn

SCAB = Y2ij. Y2 - SCA - SCB

i=1 j=1 n

SCE = SCT- SCA-SCB-SCAB

Ejemplo: La salida mxima de voltaje de un tipo particular de batera, se piensa que puede ser influenciado por el material usado en los platos y por la temperatura en la localizacin en la cual la batera es colocada. Se hacen cuatro replicas en el experimento en un experimento factorial, para tres tipos de temperatura y tres materiales. Los resultados son:
FACTOR (B) TEMPERATURA FACTOR (A) MATERIAL 1 2 3 Y.j. 130 74 150 159 138 168 1738 155 539 180 188 623 126 110 160 576 30 80 136 106 174 150 1287 40 225 75 122 479 115 120 583 139 20 82 25 58 96 82 770 70 58 70 45 230 198 Yi.. 994 1300 1501 3795

104 342 60

Considere un nivel de significancia del 5 por ciento Hiptesis a probar: Ho: E f e c t o A = 0 HA: E f e c t o A 0 a = 3; b = 3; n = 4 Ho: E f e c t o B = 0 Ho: E f e c t o A B = 0 HB: E f e c t o B 0 HAB: E f e c t o A B 0

Y2 = C
abn a b n abn = 478291 - 14402025

SCT = Y2ijk Y2
i=1 j=1 k=1 SCT = 1302 + 1552 + .. + 602 - 3795

3*3*4 SCT = 478291 400056.25 SCT = 78234.75

36

SCA = Y2i.. Y2
i=1 bn abn SCA = 9942 + 13002 + 15012 - 400056.25 = 4939005 400056.25 = 411583.75 400056.25 3*4 12 SCA = 10863.5 a

SCB = Y2.j. Y2
j=1 an abn SCB = 17382 + 12872 + 7702 - 400056.25 = 5269913 400056.25 = 439159.4 400056.25 3*4 12 SCB = 39103.17 a b abn

SCAB = Y2ij. Y2 - SCA - SCB

i=1 j=1 n SCAB = 5392 + 2252 + .. + 3422 - 400056.25 10863.5 39103.17 4
SCAB = 1839449 400056.25 10863.5 39103.17 = 459862.25 400056.25 -10863.5 39103.17

4 SCAB = 9839.33

SCE = SCT- SCA-SCB-SCAB

SCE = 78234.75 10863.5 39103.17 9839.33

SCE = 18428.75

TABLA DE ANOVA Fuentes de Grados Variacin Libertad Efecto A 2 Efecto B 2 Efecto AB 4 Error 27 Total 35 CONCLUSIONES Como en los tres casos la Fc > F .05, por lo tanto se tiene evidencia suficiente para afirmar que el tipo de material si afecta al voltaje de salida. Por otro lado, existe evidencia para afirmar que la temperatura tambin afecta el voltaje de salida. La combinacin de ambos factores afecta el voltaje de salida aunque en menos proporcin que cada uno por separado. El efecto de A es altamente significativo sobre el voltaje de salida de Suma de Cuadrados Cuadrados Medios 10863.5 5431.75 39103.17 19551.59 9839.33 2459.83 18428.75 682.55 78234.75 F Calculada 7.96 * 28.64 ** 3.60 * F .05 3.35 3.35 2.73

Realice los ejercicios siguientes. Ejercicio 1 Diseo Factorial de 2 Factores con 3 y 4 niveles Consideremos un experimento en el que se quiere estudiar el efecto de los factores velocidad de alimentacin y profundidad de corte sobre el acabado de un metal. Aunque los factores son de naturaleza continua, en este proceso slo se pueden trabajar en 3 y 4 niveles, respectivamente. Por ello, se decide correr un factorial completo 4X3 con tres rplicas, que permitir obtener toda la informacin relevante en relacin al efecto de estos factores sobre el acabado. Aleatorizando las 36 pruebas se obtienen los datos en la tabla siguiente. El acabado (Y) est en unidades de gramos e interesa minimizar su valor.

Factor B 0.20 0.25 0.30

0.15 74 64 60 92 86 88 99 98 102

Factor A 0.18 79 68 73 98 104 88 104 99 95

0.21 82 88 92 99 108 95 108 110 99

0.24 99 104 96 104 110 99 114 111 107

Considere un nivel de significancia del 5 por ciento. Establezca las hiptesis

Realice el ANOVA Cuales son sus conclusiones

Ejercicio 2 Con el objeto de averiguar la estabilidad de la vitamina C, en concentrado de jugo de naranja (congelado, reconstituido) que se almacena en un refrigerador por un periodo de una semana, se probaron 3 marcas del jugo de naranja a 3 diferentes tiempos. Estos ltimos se refieren al nmero de das que transcurren desde que el jugo de naranja se mezcla hasta que somete a la prueba. La informacin se recogi de 4 diferentes muestras, provenientes de 4 diferentes operarios. Los resultados expresados en miligramos de cido ascrbico por litro se presentan a continuacin. Factor M: (marca): M1, M2, M3 Factor T: (tiempo, das): T1 (3 das), T2, (5 das), T3 (7 das) Bloques: (Operarios): B1, B2, B3, B4
M1 M2 M3

Bloques 1 2 3 4 Total

T1 52.6 54.2 49.8 46.5 203.1

T2 56.0 48.0 49.6 48.4 202.0

T3 52.5 52.0 51.8 53.6 209.9

T1 49.4 49.2 42.8 53.2 194.6

T2 48.8 44.0 44.0 42.4 179.2

T3 48.0 47.0 48.2 49.6 192.8

T1 42.7 48.8 40.4 47.6 179.5

T2 49.2 44.0 42.0 43.2 178.4

T3 48.5 43.4 45.2 47.6 184.7

Total 448.7 432.6 416.8 436.1 1734.2

Considere un nivel de significancia del 5 por ciento.

Establezca las hiptesis Realice el ANOVA Cuales son sus conclusiones

Ejercicio 3 En unos laboratorios se est estudiando los factores que inuyen en la resistencia de un tipo particular de bra. Se eligen al azar cuatro mquinas y tres operarios y se realiza un experimento factorial usando bras de un mismo lote de produccin. Los resultados obtenidos se muestran en la tabla adjunta. Analizar los resultados y obtener las conclusiones apropiadas. . OPERARIO A 1 109 110 2 110 112 3 116 114 TIPOS DE MAQUINAS B C 110 108 115 109 110 111 111 109 112 114 115 119 D 110 108 114 112 120 117

Considere un nivel de significancia del 5 por ciento. Establezca las hiptesis Realice el ANOVA Cuales son sus conclusiones

5.4. Diseo en cuadro latino (DCL) En este diseo se controlan dos factores de bloque y uno de tratamientos con la misma cantidad de niveles. Los tratamientos se representan por letras latinas y se distribuyen en forma adecuada en un cuadro, por tal razn se llama Diseo en cuadro latino (DCL). En este diseo se tienen cuatro
fuentes de variabilidad que pueden afectar la respuesta observada: los tratamientos, el factor de bloque I (columnas), el factor de bloque II (Hileras) y el error aleatorio . Sean: A, B, C,.. K, los k

tratamientos a comparar, por tanto ambos factores de bloques tienen tambin k bloques cada uno. El modelo estadstico que se supone describe el comportamiento de las observaciones est dado por: Y ijl = +i +j + l + ijl Donde Yijl es la observacin del tratamiento i; en el nivel j del factor columna y e n e l n i v e l l del factor rengln; ijl, es el error atribuible a dicha observacin. De acuerdo con este modelo, la variabilidad total presente en los datos se puede descomponer como SCT = SCTrat + SCH + SCC + SCE y los grados de libertad correspondientes son: k 2 -1= (k-1) + (k-1) + (k-1) + (k-2)(k-1) TABLA DE ANOVA

Fuentes de Grados Variacin Libertad Tratamientos k-1 Hileras Columnas Error Total k-1 k-1 (k-2) (k-1) K2-1

de Suma de Cuadrados Cuadrados Medios SCTrat CMTrat SCH SCC SCE SCT CMH CMC CME

F Calculada CMTrat CME CMH CME CMC CME

Ejemplo de un Diseo en cuadro latino (DCL) 1) Suponga que un experimentador estudia los efectos que tienen cinco formulaciones diferentes de la carga propulsora, utilizada en los sistemas de e x p u l s i n d e l a t r i p u l a c i n d e u n a v i n b a s a d o e n l a rpidez de combustin . Cada formulacin se hace con un lote de materia prima que solo alcanza para probar cinco formulaciones. Adems, las formulaciones son preparadas por varios operadores, y puede haber diferencias sustanciales en las habilidades y experiencias de los operadores. Por lo tanto, hay dos factores perturbadores que sern calculados en promedio en el diseo: los lotes de materia prima y los operadores. E l d i s e o a p r o p i a d o p a r a este problema consiste en probar cada formulacin exactamente una vez con cada uno de los cinco operadores. Al diseo resultante se llama diseo de cuadro latino (DCL) , que usaremos para eliminar las dos fuentes perturbadoras. 2) Factor de inters: Formulaciones de la carga propulsora. 3) Niveles del Factor: cinco formulaciones A, B, C, D, E, (cinco niveles k = 5) 4) Variable de inters Y = Rpidez de combustin 5) Replicas por nivel n = 1

6) Suponga que la secuencia de la prueba es el cuadro latino estndar

A B C D E

B C D E A

C D E A B

D E A B C

E A B C D

7) Datos de la rapidez de combustin A=24 B=17 C=18 D=26 E=22 B=20 C=24 D=38 E=31 A=30 C=19 D=30 E=26 A=26 B=20 D=24 E=27 A=27 B=23 C=29 E=24 A=36 B=21 C=22 D=31

8) Modelo estadstico Y ijl = +i +j + l + ijl Donde: Yijl= rpidez de combustin de la i-sima formulacin; realizada p o r e l operador (factor columna) con el l-simo lote de materia prima (factor rengln); i = es la medida del efecto de la i-sima formulacin a la rpidez de combustin, ijl = es el error aleatorio y es la media global real de todos las formulaciones. 9) Hiptesis Ho: A= B= C= D = E= H1: i j para algunos i, j, 10) Prueba de significancia al .05

11) A continuacin se dan los resultados de los datos Renglones j Materia Prima Columnas l (operadores) 1 A=24 B=20 C=19 2 3 4 B=17 C=18 D=26 C=24 D=38 E=31 D=30 E=26 A=26 D=24 E=27 A=27 B=23 E=24 A=36 B=21 C=22 Y.j. 111 134 130 128 Y2.j. 1232 1 1795 6 1690 0 1638 Y2ijl 2489 3790 3614 3326

5 Total Y..l Y2..l

E=22

A=30

B=20

C=29

D=31

132 635

4 1742 4 8098 5

3586 16805

107 143 11449 20449

121 14641

130 16900 C= 16129

134 17956

Y2..l= 81395; G= 635; Y2 = 6352 = 16129 N 25 k = 5 tratamientos C= factor de correcin Totales de Tratamientos A B C D E Clculos estadsticos SCTotal = Y2ijl C = 242+202312 16129 SCTotal = 16805-16129= 676 SC Formulaciones = SCTrat SCTrat = Yi2.. C = 1432+ 10121302 -16129 k 5 SCT= 16459-16129 = 330 SC Lotes = SC Hileras SCH = Y2,j, - C k SCH = 80985 16129 = 16197-16129 = 68 5 SCOperadores = SCColumnas SCC= Y2..l - C

Y1..= 143 Y2.. = 101 Y3.. = 112 Y4.. = 149 Y5.. = 130

k SCC = 1072 + 1432 +..+ 1342 16129 = 16279-16129 = 150 5 SCError = SCT - SCTrat SCH SCC SCE = 676-330-68-150 = 128 ANOVA Fuentes de Variacion Formulaciones Lotes de Materia Prima Operadores Error Total Conclusin Como F .05; 4,12 = 3.26 es menor que F calculada = 7.73. Se concluye que hay una diferencia altamente significativa en la rpidez de combustin media generada por las diferentes formulaciones de la carga propulsora. Tambin existe significancia hay entre los operadores, por lo que la formacin en bloques de este factor fue una buena precaucin. Por lo que corresponde a los lotes de materia prima, no hay diferencia significativa es decir no tienen efecto, por lo que al parecer en este experimento particular hubo una preocupacin innecesaria en esta fuente de variabilidad. Sin embargo, la formacin de bloques de los lotes de materia prima es por lo general una buena idea.

Grados Libertad 4 4 4 12 24

de Suma de Cuadrados Cuadrados Medios 330 82.50 68 17.00 150 128 676 37.5 10.67

F Calculada 7.73 ** 1.59 3.51*

F .05; 4,12 3.26 3.26 3.26

Ejercicio
Se quiere estudiar el efecto de cinco diferentes catalizadores (A, B, C, D y E) sobre el tiempo de reaccin de un proceso qumico. Cada lote de material slo permite cinco corridas y cada corrida requiere aproximadamente de 1.5 horas, por lo que slo se pueden realizar cinco corridas diarias. El

experimentador decide correr los experimentos con un diseo en cuadro latino, para controlar activamente a los lotes y das. Los datos obtenidos son: L o t 1 A=8 C= 11 2 B=7 E=2 Da 3 D=1 A=7 4 C=7 D=3 5 E=3 B=8

1 2

3 4 5

B=4 D=6 E=4

A=9 C=8 D=2

C = 10 E=6 B=3

E=1 B=6 A=8

D=5 A = 10 C=8

Considere un nivel de significancia del 5 por ciento Anote la ecuacin del modelo y las hiptesis estadsticas correspondientes. Realice el ANOVA Existen diferencias entre los tratamientos? Los factores de ruido, lote y da afectan el tiempo de reaccin del proceso?

Ejercicio 2 Se comprueba el peso en gramos de un material de tres proveedores: A, B y C, por tres diferentes inspectores: I, II y III, utilizando tres diferentes escalas: 1, 2 y 3. El experimento es llevado a cabo como el cuadro latino siguiente: 1 A= 16 B=15 C=13 Escala 2 B = 10 C=9 A=11 3 C = 11 A=10 C=13

Inspector

I II III

Considere un nivel de significancia del 5 por ciento Anote la ecuacin del modelo y las hiptesis estadsticas correspondientes. Realice el ANOVA Establezca sus conclusiones

5.5. Diseo en cuadro grecolatino (DCGL) Con el diseo en cuadro grecolatino (DCGL) se controlan tres factores de bloque adems del factor de tratamientos. Se llama cuadro grecolatino porque los cuatro factores involucrados se prueban en la misma cantidad de niveles, de aqu que se pueda escribir como un cuadro; y se utilizan letras latinas para denotar a los tratamientos y letras griegas para nombrar los niveles o bloques del t e r c e r f a c t o r d e l b l o q u e . A l i g u a l q u e e n e l c u a d r o l a t i n o , c a d a l e t r a ( l a t i n a s y griegas) debe aparecer slo una vez en cada rengln y en cada columna. Adems, cada par de letras debe aparecer slo una vez en todo el arreglo. En la tabla siguiente se presenta el aspecto de los datos del diseo en cuadro latino de dimensin k = 4 Columnas 2 B A D C

Renglones

1 2 3 4

1 A B C D

3 C D A B

4 D C B A

El modelo estadstico que describe a las mediciones en un cuadro grecolatino estdado por Y ijlm = +i +j + l + m + ijlm Donde Yijlm es la observacin o respuesta que se encuentra en el tratamiento i (isima letra latina), en el rengln j, e n l a c o l u m n a l y e n la m-sima letragriega; i. es el efecto del tratamiento i; j es el efecto del rengln j; l representa el efecto de la columna l; m representa el efecto de la m-isima letra griega, que son los niveles del tercer factor de bloque;

ijlm representa el error aleatorio atribuible a la medicin Yijl . Es importante no confundir

las letras griegas del modelo que representan efectos, con las letras griegas en el diseo que representan a los niveles del tercer factor de bloque. La variabilidad total presente en los datos se puede partir de la manera usual como SCT = SCTrat + SCB1 + SCB2 + SCB3 + SCE donde las sumas SCB1; SCB2 y SCB3 miden la variabilidad debida a los factores de bloque rengln, columna y de letras griegas, respectivamente. Para k tratamientos, los grados de libertad correspondientes a cada suma son: k 2 -1= (k-1) + (k-1) + (k-1) + (k-1) + (k-3)(k-1)

TABLA DE ANOVA DEL DISEO GRECOLATINO Fuentes Variation de Grados de Libertad Tratamientos k-1 Suma de Cuadrados Cuadrados F Calculada Medios CMTrat k-1 CMH k-1 CMC k-1 CMLG k-1 CME k-1 CMTrat CME CMH CME CMC CME CMLG CME F

SCTrat = Yi2 C k Hileras k-1 SCB1= Y2.j. C k Columnas k-1 SCB2= Y2..l. C k Letras Griegas k-1 SCB3= Y2m C k Error (k-3) (k- SCE= SCTSCTrat 1) SCB1 SCB2SCB3 Total K2-1 SCT= Yi2jlm C

Ejemplo Suponga que en el experimento de la carga propul sora del ejemplo del Cuadro Latino, se tiene un factor adicional: los montajes de prueba , podra ser importante. Sea que haya cinco montajes de prueba denotados con las letras griegas , , , .

Los datos observados estn en la siguiente tabla.

Renglones j Materia Prima

Columnas l (operadores) 1 A=24 B=20 C=19 2 3 4 5

D=24 E=24

Y.j. 111

B=17 C=24 D=30 E=27 C=18 D=38 E=26 A=27

A=36 134 B=21 130 C=22 128 D=31 132 635

D=26 E=31 A=26 B=23 E=22 A=30 B=20 C=29

Total Y..l Y2..l 107 11449 143 20449 121 14641 130 16900 C= 16129 134 17956

Y2.j. 1232 1 1795 6 1690 0 1638 4 1742 4 8098 5

Y2ijl 2489 3790 3614 3326 3586 16805

Y2..l= 81395; G= 635; Y2. = 6352 = 16129 N 25 k = 5 tratamientos C= factor de correccin Letra Latina A B C D E Suma Letra Griega Suma Modelo Estadstico Total del Tratam. Y1= 143 Y2 = 101 Y3 = 112 Y4 = 149 Y5 = 130 Yi2 = 82295 Total del Tratam. Y1= 135 Y2 = 119 Y3 = 122 Y4 = 121 Y5 = 138 Y2k = 80955

Y ijlk = +i +j + l + k + ijlk

Donde: Yijlk= rpidez de combustin de la i-sima formulacin; realizada p o r e l operador (factor columna) con el l-simo lote de materia prima (factor rengln) con el k-esimo montaje; i = es la medida del efecto de la i-sima formulacin a la rpidez de combustin, ijl = es el error aleatorio y es la media global real de todos las formulacines. Hiptesis Ho: A= B= C= D = E= H1: i j para algunos i, j, Prueba de significancia al .05

Clculos estadsticos SCTotal = Y2ijlk C = 242+202312 16129 SCTotal = 16805-16129= 676 SC Formulaciones = SCTrat SCTrat = Yi2 C = 1432+ 10121302 -16129 k 5 SCT= 16459-16129 = 330 SC Lotes = SCB1 SCB1 = Y2,j,. - C k SCB1 = 80985 16129 = 16197-16129 = 68 5 SCOperadores = SCB2 SCB2= Y2..l. - C k SCB2 = 1072 + 1432 +..+ 1342 16129 = 16279-16129 = 150 5 SCEnsambles = SCB3

SCB3 = Y2k C SCB3 = 80955 16129 = 62 5 SCError = SCTotal SCTrat - SCB1 SCB2 SCB3 SCE = 676-330-68-150 62 = 66 ANOVA Fuentes de Variation Formulaciones Lotes de Materia Prima Operadores Montajes de Prueba Error Total

Grados Libertad 4 4 4 4 8 24

de Suma de Cuadrados Cuadrados Medios 330 82.50 68 17.00 150 62 128 676 37.5 15.50 8.25

F Calculada 10.0 ** 2.06 4.55* 1.88

F .05; 4,8 3.83 3.83 3.83 3.83

Al comparar los dos diseos DCL y DCGL, se observa que al sacar la variabilidad debida a los montajes de prueba, el error experimental disminuye. Sin embargo, al reducir el error experimental, se han reducido tambin los grados de libertad de 12 a 8. Por lo tanto, la estimacin de error tiene menos grados de libertad y la prueba puede ser menos sensible. Por otro lado, tanto los lotes de materia prima como los montajes por si solos no tienen efecto en este experimento. Los tratamientos tienen un alto nivel significativo sobre la rapidez de combustin media

generada por las diferentes formulaciones de la carga propulsora. Para saber cul tratamiento es el mejor se requiere realizar otras pruebas llamadas contrastes ortogonales.

Ejercicio 1 El rendimiento de un proceso qumico se midi utilizando cinco lotes de materia prima, cinco concentraciones del cido, cinco tiempos de procesamiento (A, B, C, D y E) y cinco concentraciones del catalizador ( , , , , ). Se us el cuadrado grecolatino siguiente. Analizar los datos de este experimento (utilizar al 0.05) y sacar conclusiones.

Concentracin de cido

L o t e

1 2 3 4 5

1 A=26 B=18 C=20 D=15 E =10

2 B=16 C=21 D=12 E=15 A=24

3 C=19 D=18 E=16 A=22 B=17

4 D=16 E=11 A=25 B=14 C=17

5 E=13 A=21 B=13 C=17 D=14