Documente Academic
Documente Profesional
Documente Cultură
The Model F-value of 9.61 implies the model is significant. There is only
a 0.01% chance that a "Model F-Value" this large could occur due to noise.
Values of "Prob > F" less than 0.0500 indicate model terms are significant.
In this case A, B, C, AC are significant model terms.
Los tres efectos principales, concentracin (A), presin (C) y tiempo (B), tambin la interaccin concentracin
x presin (AC) son significativos en el nivel de 5%. Las interacciones concentracin x tiempo (AB) y presin
x tiempo (BC) son significativos en el nivel de 10%.
b) Construir las grficas de los residuales apropiados y comentar la adecuacin del modelo.
0.425 0.425 2
2 3
2 2 2
Residuals
Residuals
0 0
2 2 2
-0.425 2 -0.425 3
2
-0.85 -0.85
1 2 3 1 2
Expert Software
ncia
Residuals vs.Design-Expert
PredictedSoftware
Resistencia
Residuals vs. Porcentaje
0.85 0.85
0.425 2 0.425 2
2
Residuals
Residuals
0 0
2
2 -0.425 2
-0.425
-0.85 -0.85
Predicted Porcentaje
Medio ambiente
Frecuencia. Aire H2O H2O salada
2.29 2.06 1.90
2.47 2.05 1.93
10 2.48 2.23 1.75
2.12 2.03 2.06
The Model F-value of 234.02 implies the model is significant. There is only
a 0.01% chance that a "Model F-Value" this large could occur due to noise.
Values of "Prob > F" less than 0.0500 indicate model terms are significant.
In this case A, B, AB are significant model terms.
Los diagramas de residuales indican que puede haber un cierto problema con la desigualdad de la variacin.
Esto es particularmente sensible en el diagrama de residuales versus la respuesta prevista y el diagrama de
residuales versus frecuencia.
Expert Software
ento fisuras
Residuals vs.Design-Expert
PredictedSoftware
Crecimiento fisuras
Normal Plot of Residuals
0.71
99
2
95
0.15
Normal % Probability
90
80
2
Residuals
70
-0.41 50
30
20
10
-0.97
5
-1.53
1.91 4.08 6.25 8.42 10.59 -1.53 -0.97 -0.41 0.15 0.71
Predicted Residual
Expert Software
ento fisuras
Residuals vs. Medio ambiente
Design-Expert Software Residuals vs. Frecuencia
Crecimiento fisuras
0.71 0.71
2 2
0.15 0.15
2 2
Residuals
Residuals
-0.41 -0.41
-0.97 -0.97
-1.53 -1.53
1 2 3 1 2 3
The Model F-value of 179.57 implies the model is significant. There is only
a 0.01% chance that a "Model F-Value" this large could occur due to noise.
Values of "Prob > F" less than 0.0500 indicate model terms are significant.
In this case A, B, AB are significant model terms.
La frecuencia y el medio ambiente, tambin su interaccin son significativos. Los diagramas residuales
basados en los datos transformados se muestran a continuacin.
Expert Software
miento fisuras)
Residuals vs.Design-Expert
PredictedSoftware Normal Plot of Residuals
Ln(Crecimiento fisuras)
0.165324
99
95
0.0827832
Normal % Probability
90
80
2
Residuals
70
0.000242214 50
30
2
20
10
-0.0822988
5
-0.16484
0.65 1.07 1.50 1.93 2.36 -1.97 -0.98 0.00 0.99 1.97
0.0827832 0.0827832
2 2
Residuals
Residuals
0.000242214 0.000242214
2 2
-0.0822988 -0.0822988
-0.16484 -0.16484
1 2 3 1 2 3
a) Analizar los datos de este experimento suponiendo que las cuatro observaciones de cada celda son
rplicas.
Design Expert Output
1 Longitud
ANOVA for selected factorial model
Analysis of variance table [Classical sum of squares - Type II]
Sum of Mean F p-value
Source Squares df Square Value Prob > F
Model 590.33 23 25.67 4.13 < 0.0001 significant
A-Tiempo 12.90 2 6.45 1.04 0.3596
B-Proceso 100.04 1 100.04 16.10 0.0001
C-Mquina 393.42 3 131.14 21.10 < 0.0001
AB 1.65 2 0.82 0.13 0.8762
AC 71.02 6 11.84 1.90 0.0917
BC 1.54 3 0.51 0.08 0.9693
ABC 9.77 6 1.63 0.26 0.9527
Pure Error 447.50 72 6.22
Cor Total 1037.83 95
The Model F-value of 4.13 implies the model is significant. There is only
a 0.01% chance that a "Model F-Value" this large could occur due to noise.
Longitud =
3.96
-0.18 * A[1]
-0.33 * A[2]
-1.02 *B
-0.54 * C[1]
1.92 * C[2]
-3.08 * C[3]
0.18 * A[1]B
-0.04 * A[2]B
0.51 * A[1]C[1]
-1.58 * A[2]C[1]
-0.20 * A[1]C[2]
-0.42 * A[2]C[2]
0.18 * A[1]C[3]
0.46 * A[2]C[3]
0.10 * BC[1]
-0.10 * BC[2]
0.15 * BC[3]
-0.26 * A[1]BC[1]
0.21 * A[2]BC[1]
-0.05 * A[1]BC[2]
-0.46 * A[2]BC[2]
-0.18 * A[1]BC[3]
0.42 * A[2]BC[3]
b) Analizar los residuales de este experimento. Explique algn indicio de que hay un punto atpico en
una de las celdas? Si se encuentra un punto atpico, eliminarlo y repetir el anlisis de inciso a). A qu
conclusiones se llega?
Expert Software
d
Normal Plot ofDesign-Expert
ResidualsSoftware Residuals vs. Predicted
Longitud
4.5
99
95
1.8125
Normal % Probability
90
3
80 2 3 3
2
Residuals
70 2
2 3
50 -0.875
2
30
20 2
2
10
-3.5625
5
-6.25
-6.25 -3.5625 -0.875 1.8125 4.5 -0.50 1.69 3.88 6.06 8.25
Residual Predicted
c) Suponga que las observaciones de las celdas son las longitudes (codificadas) de barras que se
procesaron conjuntamente en el tratamiento trmico y despus se cortaron secuencialmente (es decir,
en orden) en las cuatro mquinas. Analizar los datos y determinar los efectos de los tres factores sobre
la longitud promedio.
d) Calcular la varianza logartmica de las observaciones de cada celda. Analizar esta respuesta. Qu
conclusiones pueden sacarse?
e) Suponga que la hora en que se corta una barra en realidad no puede controlarse durante la produccin
rutinaria. Analizar la longitud promedio y la varianza logartmica de la longitud de cada una de las 12
barras cortadas en cada combinacin mquina/proceso de tratamiento trmico. Qu conclusiones
pueden sacarse?