Documente Academic
Documente Profesional
Documente Cultură
2020
DEDICATORIA
El presente trabajo se lo dedicamos a Dios, quien supo guiarnos por el buen camino;
dándonos fuerzas para seguir adelante y no desmayar en los problemas que se nos
presentaban; enseñándonos a encarar las adversidades como unos verdaderos
guerreros, sin perder nunca la dignidad ni desfallecer en el intento.
A nuestros familiares, ya que gracias a ellos somos lo que somos. A nuestros padres
por su apoyo, consejos, comprensión, amor y ayuda en los momentos difíciles.
Los integrantes
2
Control estadístico de procesos Control estadístico de procesos
INTRODUCCIÓN
El diseño factorial 3ᴷ considera k factores con tres niveles cada uno y tiene 3ᴷ
tratamientos. La primera desventaja de los diseños 3ᴷ es que al aplicarse requieren
mayor cantidad de pruebas que el diseño de 2ᴷ.
Cuando se quiere investigar la influencia de tres factores (A, B y C) sobre una o más
variables de respuesta, y el número de niveles de prueba en cada uno de los factores
es a, b y c, respectivamente, se puede construir el arreglo factorial axbxc que consiste
de axbxc tratamientos o puntos experimentales. Entre los arreglos de este tipo que se
utilizan con frecuencia en aplicaciones diversas se encuentran: la factorial 2², la
factorial 3³ y las factoriales mixtas con no más de cuatro niveles en dos de los factores,
por ejemplo, la factorial 4 x 3 x 2 y la factorial 4 x 4 x 2, por mencionar dos de ellos.
ÍNDICE GENERAL
1
DEDICATORIA ................................................................................................................ 2
INTRODUCCIÓN ............................................................................................................. 3
ÍNDICE GENERAL ........................................................................................................... 4
DISEÑO FACTORIAL DE 3 FACTORES ......................................................................... 6
1. CONCEPTOS: ........................................................................................................ 6
1.1. DISEÑO FACTORIAL DE 3 FACTORES: ...................................................... 6
1.2. HIPÓTESIS DE INTERÉS ............................................................................. 7
1.3. EL MODELO SIN REPLICACIÓN .................................................................. 9
1.3.1. Estimación de los parámetros del modelo ................................. 10
1.3.2. Descomposición de la variabilidad ................................................. 10
1.4. EJERCICIOS: .............................................................................................. 12
1.4.1. Ejercicio 1. ..................................................................................... 12
1.5. EL MODELO CON REPLICACIÓN ............................................................. 14
1.5.1. EJERCICIO 2. ................................................................................ 16
1.5.2. Ejercicio 3. ..................................................................................... 18
Resultados obtenidos con MINITAB............................................................. 25
1.5.3. Ejemplo 4. ...................................................................................... 26
Resultados obtenidos con MINITAB ......................................................... 32
1.5.4. Ejemplo 5 ....................................................................................... 33
CONCLUSIÓN: .............................................................................................................. 36
4
5
Control estadístico de procesos Control estadístico de procesos
DISEÑO FACTORIAL DE 3 FACTORES
1. CONCEPTOS:
Cuando se tienen tres factores, que podemos denotar por A, B y C, los cuales
tienen a, b, y c niveles, respectivamente, entonces el arreglo factorial completo
tendrá axbxc tratamientos.
En un diseño factorial 23, el comportamiento de la variable respuesta se
puede describir mediante el siguiente modelo.
6
Control estadístico de procesos Control estadístico de procesos
1.2. HIPÓTESIS DE INTERÉS
Para este diseño se tienen siete efectos de interés y para cada uno de ellos
se puede plantear una hipótesis nula del tipo
Ho: Efecto A=0
con su correspondiente hipótesis alternativa
H1: Efecto A≠0
La hipótesis nula será rechazada cuando la probabilidad P (F > F0)
calculada, correspondiente al efecto, sea menor que el nivel de significancia
especificado.
7
Control estadístico de procesos Control estadístico de procesos
La tabla de análisis de varianza correspondiente se muestra en la tabla:
8
Control estadístico de procesos Control estadístico de procesos
1.3. EL MODELO SIN REPLICACIÓN
9
Control estadístico de procesos Control estadístico de procesos
A pesar de las restricciones impuestas al modelo, el número de parámetros (abc + 1)
supera al número de observaciones (abc). Por lo tanto, algún parámetro no será
estimable.
10
Control estadístico de procesos Control estadístico de procesos
Al tratarse de un modelo sin replicación, los contrastes sólo se pueden realizar
si se supone que la interacción de tercer orden es cero. En esta hipótesis,
CM(ABC) = CMR y los contrastes de cada uno de los factores e interacciones
comparan su cuadrado medio correspondiente con la varianza residual para
construir el estadístico de contraste. El objetivo del análisis es realizar los
contrastes de hipótesis nula que se muestran a continuación junto con el
estadístico de contraste correspondiente:
11
Control estadístico de procesos Control estadístico de procesos
1.4. EJERCICIOS:
1.4.1. Ejercicio 1.
Se están investigando los efectos sobre la resistencia del papel que producen la
concentración de fibra de madera (factor A), la presión del tanque (factor B) y el
tiempo de cocción de la pulpa (factor C). Se seleccionan dos niveles de la
concentración de madera (τ 1, τ 2), tres niveles de la presión (β1 , β2 , β3 ) y dos
niveles del tiempo de cocción (γ1 , γ2 ). Pueden considerarse todos los factores fijos.
Analizar los resultados y obtener las conclusiones apropiadas.
γ1 γ2
β1 β2 β3 β1 β2 β3
A× B β1 β2 β3 A
A× C γ1 γ2
12
Control estadístico de procesos Control estadístico de procesos
B× C γ1 γ2
τ1 y1,1 = 32 y1,2 = 27 β1 y,11 = 36 y,12 = 36
13
Control estadístico de procesos Control estadístico de procesos
1.5. EL MODELO CON REPLICACIÓN
14
Control estadístico de procesos Control estadístico de procesos
15
Control estadístico de procesos Control estadístico de procesos
1.5.1. EJERCICIO 2.
Supongamos de nuevo la situación del ejercicio 2 en la que, en este caso, se
seleccionan tres niveles de la concentración de madera (τ 1, τ 2, τ 3) y dos niveles
de la presión (β1, β2) y del tiempo de cocción (γ1, γ2). Pueden considerarse todos
los factores fijos. Se realiza un experimento factorial con dos réplicas y se recopilan
los siguientes datos. Analizar los resultados y obtener las conclusiones apropiadas.
16
Control estadístico de procesos Control estadístico de procesos
17
Control estadístico de procesos Control estadístico de procesos
1.5.2. Ejercicio 3.
18
Control estadístico de procesos Control estadístico de procesos
todos los factores son fijos. Use α=0.05
𝐻𝑂 : 𝐴 = 0 𝐻𝑂 : 𝐴 = 0 𝐻𝑂 : 𝐴 = 0
𝐻𝐴: 𝐴 ≠ 0 𝐻𝐴: 𝐴 ≠ 0 𝐻𝐴: 𝐴 ≠ 0
𝐻𝑂 : 𝐴 = 0 𝐻𝑂: 𝐴𝐶 = 0 𝐻𝑂: 𝐴𝐶 = 0
𝐻𝐴: 𝐴 ≠ 0 𝐻𝐴: 𝐴𝐶 ≠ 0 𝐻𝐴: 𝐴𝐶 ≠ 0
𝐻𝑂: 𝐴𝐶 = 0
𝐻𝐴: 𝐴𝐶 ≠ 0
19
Control estadístico de procesos Control estadístico de procesos
Para calcular la sumatoria de Yijk²
20
Control estadístico de procesos Control estadístico de procesos
Para calcular la sumatoria de Yij²
21
Control estadístico de procesos Control estadístico de procesos
Para calcular la sumatoria de Yijk.²
Sumatorias obtenidas:
22
Control estadístico de procesos Control estadístico de procesos
Tercer paso: Calcular los componentes del ANOVA
23
Control estadístico de procesos Control estadístico de procesos
Dado que utilizamos un α=0.05 y puesto que el valor de f, con su nivel de significancia
como con sus grados de libertad en las tablas respectivamente tenemos 𝐹0.05,1,8 =
5.32
24
Control estadístico de procesos Control estadístico de procesos
FV SC GL CM FO F Conclusion
CALCULADA
25
Control estadístico de procesos Control estadístico de procesos
1.5.3. Ejemplo 4.
26
Control estadístico de procesos Control estadístico de procesos
a) Enuncie y pruebe las hipótesis apropiadas usando el análisis de varianza con
α=0.05
27
Control estadístico de procesos Control estadístico de procesos
Para calcular la sumatoria de Yi.j²
28
Control estadístico de procesos Control estadístico de procesos
Sumatorias obtenidas
29
Control estadístico de procesos Control estadístico de procesos
30
Control estadístico de procesos Control estadístico de procesos
Dado que utilizamos un α=0.05 y puesto que el valor de f, con su nivel de significancia
31
Control estadístico de procesos Control estadístico de procesos
como con sus grados de libertad en las tablas respectivamente tenemos 𝐹0.05,1,12 =
4.75 y 𝐹0.05,2,12 = 3.89
FV SC GL CM FO F Conclusion
CALCULADA
32
Control estadístico de procesos Control estadístico de procesos
1.5.4. Ejemplo 5
Se desea investigar el efecto del tipo de suspensión (A), abertura de malla (B)
y temperatura de ciclaje (C) en el volumen de sedimentación Y(%) de una
suspensión.
◼Para ello se decide correr un experimento factorial 3 × 2 × 2 con seis réplicas.
◼ Las observaciones obtenidas en las 72 corridas experimentales y los niveles
de prueba de cada factor se muestran en las siguientes tablas:
33
Control estadístico de procesos Control estadístico de procesos
Suma de Cuadrados (SC):
GRADOS DE LIBERTAD:
34
Control estadístico de procesos Control estadístico de procesos
CUADRADOS MEDIOS:
TABLA ANOVA:
35
Control estadístico de procesos Control estadístico de procesos
CONCLUSIÓN:
36
Control estadístico de procesos Control estadístico de procesos
Los mayores beneficios de los diseños factoriales completos se obtienen cuando se
deben estudiar pocas variables. El motivo es que el número de experimentos crece
exponencialmente con el número de factores.
Para estudiar un número elevado de actores, es más eficaz utilizar solo una fracción
de un diseño factorial completo.
37
Control estadístico de procesos Control estadístico de procesos