TAREA 4

1. En que situaciones se aplica un diseo de bloques completos al azar? En que

difieren los factores de tratamiento y de bloque?
Cuando se quieren comparar ciertos tratamientos o estudiar el efecto de un factor sin
que las posibles diferencias se deban a otros factores que no se consideraron en el
estudio. En el diseo DBCA, en cada bloque se prueban todos los tratamientos. La
aleatorizacin se hace dentro de cada bloque. Un tratamiento es una combinacin de
niveles de todos los factores y los factores de bloque son las variables adicionales al
factor de inters que se incorporan de manera explicita en un experimento
comparativo para no sesgar la comparacin.
2. Que diferencia hay entre un DBCA y los diseos en cuadro latino?
En el DBCA se consideran tres fuentes de variabilidad: el factor de tratamientos, el
factor de bloque y el error aleatorio, mientras que en el diseo en cuadro latino se
controlan dos factores de bloque y uno de tratamientos; los tres factores tienen la
misma cantidad de niveles. Los tratamientos se representan por letras latinas y se
distribuyen en forma adecuada en un cuadro.
3. De acuerdo con el modelo estadstico para un diseo en bloques, porque a travs de
este diseo se reduce el error aleatorio?
Porque ahora al considerar los bloques, la variabilidad observada que no se poda
explicar por los factores estudiados resulta del efecto de dichos bloques y del error
experimental.
9. A continuacin se muestran los datos para un diseo en bloques al azar.
Bloque
Total por
tratamiento
Tratamiento
1
2
3
4
A
3
4
2
6
Y1. =
B
7
9
3
10
Y2. =
C
4
6
3
7
Y3. =
.
.
.
.
Total por bloque
Y1 =
Y2 =
Y3 =
Y4 =
Y..
a) Complete las sumas totales que se piden en la tabla anterior.
Bloque
Total por
tratamiento
Tratamiento
1
2
3
4
A
3
4
2
6
Y1. = 15
B
7
9
3
10
Y2. = 29
C
4
6
3
7
Y3. = 20
.
.
.
.
Total por bloque
Y 1 = 14
Y 2 = 19
Y3 = 8
Y 4 = 23
Y.. = 64
b) Calcule las sumas de cuadrados correspondientes: SCTrat, SCB, SCT y SCE
SCT = (3 + 42 + + 72) (642/12) = 72.6667
SCTrat = ((152 + 292 + 202) / 4) - (642/12) = 25.1667
SCB = (142 + 192 +82 +232) /3) - (642/12) = 42.0000
SCE = 72.6667 25.1667 42.0000 = 5.5000
c) Obtenga la tabla de anlisis de varianza y anote las principales conclusiones.
Empleando el SW Minitab se obtiene la siguiente informacin:
2

Two-way ANOVA: Respuesta versus Tratamiento, Bloque

Source
DF
SS
MS
F
P
Tratamiento 2
25.1667 12.5833 13.73 0.006
Bloque
3
42.0000 14.0000 15.27 0.003
Error
6
5.5000 0.9167
Total
11 72.6667
d) Obtenga la diferencia mnima significativa (LSD) para comparar
tratamientos en este diseo en bloques.
LSD t 0.025,( 31)( 41)

2(0.9167)
2(0.9167)
2.4469
( 2.4469)(0.45835) 1.1215
4
4

10. Se hace un estudio sobre la efectividad de tres marcas de atomizador para matar
moscas. Para ello, cada producto se aplica a un grupo de 100 moscas y se cuenta el
nmero de moscas muertas expresado en porcentajes. Se hicieron seis rplicas, pero en
das diferentes; por ello, se sospecha que puede haber algn efecto importante debido a
esta fuente de variacin. Los datos obtenidos se muestran a continuacin.
Nmero de rplica (da)
Marca de
1
2
3
4
5
6
atomizador
1
72
65
67
75
62
73
2
55
59
68
70
53
50
3
64
74
61
58
51
69
a) Suponiendo un DBCA, formule las hiptesis adecuadas y el modelo estadstico.
Modelo estadstico:

Yij = + i + j + ij ; i = 1,2,3 y j = 1,2,3,4,5,6

Las hiptesis adecuadas son:

Ho: 1 + 2 + 3 =
Ha: i j para algn i j
Que tambin se puede expresar como:

Ho: 1 = 2 = 3 = 0
Ha: i 0 para algn i
b) Existe diferencia entre la efectividad promedio de los atomizadores?
Empleando el SW Minitab se obtiene la siguiente informacin:
Two-way ANOVA: Respuesta_1 versus Marca Atomizador, Da
Source
DF
SS
Marca Atomizador 2
296.33
Da
5
281.33
Error
10
514.33
Total
17 1092.00

MS
F
P
148.167 2.88 0.103
56.267 1.09 0.421
51.433

De esta tabla se observa que para marca atomizador se obtuvo un valor-p = 0.103 >
0.05, por lo tanto se acepta Ho. Es decir que no existe diferencia entre la efectividad
promedio de los atomizadores.
c) Hay algn atomizador mejor? Argumente su respuesta.

Empleando el SW Minitab se obtiene la siguiente informacin:

Individual 95% CIs For Mean Based on
Marca
Pooled StDev
Atomizador Mean --+---------+---------+---------+------1
69.0000
(----------*----------)
2
59.1667 (----------*---------)
3
62.8333
(----------*----------)
--+---------+---------+---------+------54.0
60.0
66.0
72.0
En este caso como los intervalos de confianza se traslapan entonces los atomizadores
son estadsticamente iguales en cuanto a sus medias.
d) Hay diferencias significativas en los resultados de diferentes das en que se realiz
el experimento? Argumente su respuesta.
Individual 95% CIs For Mean Based on
Pooled StDev
Da Mean
--+---------+---------+---------+------1
63.6667
(-----------*----------)
2
66.0000
(-----------*----------)
3
65.3333
(-----------*----------)
4
67.6667
(-----------*----------)
5
55.3333 (----------*-----------)
6
64.0000
(-----------*-----------)
--+---------+---------+---------+------48.0
56.0
64.0
72.0
En este caso como los intervalos de confianza se traslapan entonces los resultados de
diferentes das en que se realizo el experimento son estadsticamente iguales en cuanto
a sus medias.
e) Verifique los supuestos de normalidad y de igual varianza entre las marcas.
Residual Plots for Respuesta_ 1
Residuals Versus the Fitted Values

99

10

90

5
Residual

Percent

Normal Probability Plot of the Residuals

50
10
1

-5
-10

-10

-5

0
Residual

10

50

Histogram of the Residuals

55

60
65
Fitted Value

70

Residuals Versus the Order of the Data

10

4.8

3.6

Residual

Frequency

2.4

1.2

-5

0.0

-10
-10

-5

0
Residual

10

6
8
10 12 14
Observation Order

16

18

En la grfica 1 (Normal Probability Plot of the Residuals) se han graficado los

residuos y se observa que estos siguen una distribucin normal ya que tienden a
quedar alineados en una lnea recta.
En la grfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningn patrn claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.
16. 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 solo permite cinco
corridas y cada corrida requiere aproximadamente 1.5 horas, por lo que solo 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:
Da
1
2
3
4
5
Lote 1
A=8
B=7
D=1
C=7
E=3
Lote 2
C = 11
E=2
A=7
D=3
B=8
Lote 3
B=4
A=9
C = 10
E=1
D=5
Lote 4
D=6
C=8
E=6
B=6
A = 10
Lote 5
E=4
D=2
B=3
A=8
C=8
a) Cmo se aleatoriz el experimento?
Se sigui la siguiente estrategia:
1. Se construye el cuadro latino estndar ms sencillo.
2. Se aleatoriza el orden de los renglones (o columnas) y despus se aleatoriza el
orden de las columnas (o renglones).
3. Por ltimo, los tratamientos a comparar se asignan en forma aleatoria a las
letras latinas.
As se cumple que cada letra debe aparecer solo una vez en cada rengln y en cada
columna.
b) Anote la ecuacin del modelo y las hiptesis estadsticas correspondientes.
Modelo estadstico:

Yij = + i + j + l + ij ; i = 1,2,3,4,5 j = 1,2,3,4,5, l = 1,2,3,4,5

Las hiptesis adecuadas son:

Ho: 1 + 2 + 3 + 4 + 5=
Ha: i j para algn i j
Que tambin se puede expresar como:

Ho: 1 = 2 = 3 = 4 = 5 = 0
Ha: i 0 para algn i

c) Existen diferencias entre los tratamientos? Cules tratamientos son diferentes entre
si?
Analysis of Variance for Y, using Adjusted SS for Tests
Source
DF Seq SS
Catalizador 4
141.440
Lote
4
15.440
Da
4
12.240
Error
12
37.520
Total
24
206.640

Adj SS AdjMS
141.440 35.360
15.440
3.860
12.240
3.060
37.520
3.127

F
P
11.31 0.000
1.23 0.348
0.98 0.455

S = 1.76824 R-Sq = 81.84% R-Sq(adj) = 63.69%

De esta tabla se observa que para Catalizador se obtuvo un valor-p = 0.000 < 0.05, por
lo tanto se rechaza Ho. Es decir que al menos dos de los catalizadores son diferentes.
Interval Plot of Respuesta vs Catalizador
95% CI for the Mean
12
10

Respuesta

8
6
4
2
0
1

3
Catalizador

De tal forma, los intervalos de confianza de los catalizadores 1 y 2 se traslapan por lo

que sus respuestas medias son iguales estadsticamente. Los intervalos de confianza de
los catalizadores 2 y 3 se traslapan por lo que sus respuestas medias son iguales
estadsticamente. Los intervalos de confianza de los catalizadores 4 y 5 se traslapan
por lo que sus respuestas medias son iguales estadsticamente. Los intervalos de
confianza de los catalizadores 2 y 4 se traslapan por lo que sus respuestas medias son
iguales estadsticamente. Los intervalos de confianza de los catalizadores 2 y 5 se
traslapan por lo que sus respuestas medias son iguales estadsticamente. Finalmente al
no traslaparse los intervalos los catalizadores1 y 2 son diferentes a los catalizadores 4
y 5.

De igual forma el anlisis se realiza para los 2 bloques.

Interval Plot of Respuesta vs Lote
95% CI for the Mean
12
10

Respuesta

8
6
4
2
0
1

3
Lote

De tal forma, los intervalos de confianza de los lotes se traslapan por lo que sus
respuestas medias son iguales estadsticamente.
Interval Plot of Respuesta vs Da
95% CI for the Mean
10

Respuesta

0
1

3
Da

De tal forma, los intervalos de confianza de los das se traslapan por lo que sus
respuestas medias son iguales estadsticamente.
d) Los factores de ruido, lote y da afectan el tiempo de reaccin del proceso?
Del ANOVA se observa que para lote se obtuvo un valor-p = 0.348 > 0.05, por lo tanto
se acepta Ho. Es decir que no existe diferencia entre el tiempo de reaccin de un
proceso qumico de los lotes.
Por otro lado, del ANOVA se observa que para das se obtuvo un valor-p = 0.455 >
0.05, por lo tanto se acepta Ho. Es decir que no existe diferencia entre el tiempo de
reaccin de un proceso qumico de los das.
e) Dibuje los grficos de medias para los tratamientos, los lotes y los das. Cul
tratamiento es el mejor?
Sera el tratamiento 5, puesto que tiene la media ms baja respecto al tiempo de
reaccin del proceso.
f) Verifique los supuestos del modelo, considerando que los datos se obtuvieron
columna por columna, da a da.
Residual Plots for Y
Normal Probability Plot of the Residuals

Residuals Versus the Fitted Values

99
2
Residual

Percent

90
50
10
1

1
0
-1
-2

-3.0

-1.5

0.0
Residual

1.5

3.0

Histogram of the Residuals

10

4.5

Residual

Frequency

6
8
Fitted Value

Residuals Versus the Order of the Data

6.0

3.0
1.5
0.0

1
0
-1
-2

-2

-1

0
1
Residual

8 10 12 14 16 18 20 22 24
Observation Order

En la grfica 1 (Normal Probability Plot of the Residuals) se han graficado los

residuos y se observa que estos siguen una distribucin normal ya que tienden a
quedar alineados en una lnea recta.
En la grfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningn patrn claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.

23. Un investigador est interesado en el efecto del porcentaje de lisina y del

porcentaje de protena en la produccin de vacas lecheras. Se consideran 7 niveles de cada
factor.
% de lisina: 0,0 (A), 0,1 (B), 0,2 (C), 0,3 (D), 0,4 (E), 0,5 (F), 0,6 (G),
% de protena: 2 (), 4(), 6(), 8(), 10(), 12(), 14()
Para el estudio, se seleccionan siete vacas al azar, a las cuales se les da un seguimiento de
siete perodos de tres meses. Los datos en galones de leche fueron los siguientes:
Vaca/Perodo
1
2
3
4
5
1
304
436
350
504
417
2
381
505
425
564
494
3
432
566
479
357
461
4
442
372
536
366
495
5
496
449
493
345
509
6
534
421
352
427
346
7
543
386
435
485
406
a) Analice este experimento, qu factores tienen efecto en
leche?
Empleando el SW Minitab se obtiene la siguiente informacin:
Analysis of Variance for Respuesta, using Adjusted SS for Tests
Source
DF Seq SS Adj SS Adj MS
Vaca
6
8754
8588
1431
perodo
6
1761
1702
284
% lisina
6 38906 40171
6695
% proteina 6 148628 148628
24771
Error
24 24792
24792
1033
Total
48 222841

F
1.39
0.27
6.48
23.98

6
7
519
432
350
413
340
502
425
507
481
380
478
397
554
410
la produccin de

P
0.261
0.943
0.000
0.000

S = 32.1406 R-Sq = 88.87% R-Sq(adj) = 77.75%

Del ANOVA se observa que para VACA se obtuvo un valor-p = 0.261 > 0.05, por lo
tanto se acepta Ho. Es decir que no existe diferencia en la produccin de leche.
Por otro lado, del ANOVA se observa que para PERIODO se obtuvo un valor-p =
0.943 > 0.05, por lo tanto se acepta Ho.
De igual forma para el % DE LISINA se obtuvo un valor-p = 0.000 < 0.05, por lo tanto
se se rechaza Ho. Es decir si existe diferencia en la produccin de leche debida a dicho
porcentaje.
De igual forma para el % DE PROTEINA se obtuvo un valor-p = 0.000 < 0.05, por lo
tanto se se rechaza Ho. Es decir si existe diferencia en la produccin de leche debida a
dicho porcentaje.
b) Interprete los resultados usando grficos de medias.

Interval Plot of Respuesta vs Vaca

95% CI for the Mean
525
500

Respuesta

475
450
425
400
375
350
1

4
Vaca

De tal forma, los intervalos de confianza de las vacas se traslapan por lo que sus
respuestas medias son iguales estadsticamente.
Interval Plot of Respuesta vs perodo
95% CI for the Mean
550

Respuesta

500

450

400

350
1

4
perodo

De tal forma, los intervalos de confianza de los perodos se traslapan por lo que sus
respuestas medias son iguales estadsticamente.

Interval Plot of Respuesta vs % lisina

95% CI for the Mean
550

Respuesta

500

450

400

350

300
1

4
% lisina

De tal forma, los intervalos de confianza de los % de lisina se traslapan por lo que sus
respuestas medias son iguales estadsticamente.
Interval Plot of Respuesta vs % proteina
95% CI for the Mean
600
550

Respuesta

500
450
400
350
300
1

4
% proteina

De tal forma, los intervalos de confianza de los % de protena no se traslapan por lo

que sus respuestas medias no son iguales estadsticamente.
c) Cmo puede explicar la falta de efectos en vacas y perodo?
El diseo pretenda verificar el efecto del porcentaje de lisina y del porcentaje de
protena en la produccin de vacas lecheras por lo que se bloquearon los aspectos
relacionados a las vacas y al perodo.
d) Que porcentajes de lisina y protena dan los mejores resultados?
De las grficas anteriores, % de lisina que brinda los mejores resultados es: 0,4 (E).
Respecto del % de protenas, el mejor es: 14().
e) Verifique los supuestos del modelo.
Residual Plots for Respuesta
Normal Probability Plot of the Residuals

Residuals Versus the Fitted Values

99
50
Residual

Percent

90
50
10
1

-50

-25

0
Residual

25

-25

50

300

400
500
Fitted Value

600

Residuals Versus the Order of the Data

50

12
9

Residual

Frequency

-50

Histogram of the Residuals

6
3
0

25

25
0
-25
-50

-60

-30

0
Residual

30

60

10

15 20 25 30 35
Observation Order

40

45

En la grfica 1 (Normal Probability Plot of the Residuals) se han graficado los

residuos y se observa que estos siguen una distribucin normal ya que tienden a
quedar alineados en una lnea recta.
En la grfica 2 (Residuals Versus the Fitted Values) se han graficado los predichos
contra los residuos y se observa que los puntos se distribuyen de manera aleatoria en
una banda horizontal (sin ningn patrn claro y contundente), por lo que se cumple el
supuesto de que los tratamientos tienen igual varianza.