Estadística para el análisis de procesos de

investigación en ingeniería civil

Elías Alberto Torres Armas, Ms.C.

Email: allpachaki@Hotmail.com
Teléfono: 964570878
 Estadística para el análisis de procesos de investigación en ingeniería civil

Diseños Factoriales en DCA

Sesión 3

Diseños Factoriales en DBCA

 Experimentos factoriales

...el conjunto de Tratamientos está conformado por

combinaciones de niveles de dos o más factores

Factorial de dos factores AxB

a1b1
a1 b1 a1b2
a2 b2 a2b1
.. ..
Factor A . Factor B . Tratamientos a2b2
..
aA bB .
aAbB

No se trata de un Diseño Experimental, sino una forma de análisis

 Experimentos factoriales

Diseño Completamente Aleatorizado con arreglo bifactorial

Factor A: A1, A2
Factor B: B1, B2 A1 B1 A1 B2 A2 B1

Tratamientos: A2 B1 A2 B2 A1 B1
A1 B1
Modelo lineal: A1 B2 A1 B1 A2 B2
A1 B2
ypq =  + p + epq A2 B1
A2 B1 A2 B2 A1 B2
A2 B2

yijk =  + i + j + ij + eijk

donde:
yijk: Observación de la unidad experimental k, nivel i del factor A y
nivel j de B
 : Media general.
i: efecto principal del nivel i del Factor A
j: efecto principal del nivel j del Factor B
ij : efecto principal de la interacción del nivel i del Factor A con
el nivel j de B
 Experimentos factoriales

Diseño Completamente Aleatorizado con arreglo bifactorial

Hipótesis a Docimar
H0:  = i. para todo i H1:   i. para algún i
H0:  = .j para todo j H1:   .j para algún j
H0:  = ij para todo ij H1:   ij para algún ij

CAUSAS DE GRADOS DE SUMAS DE

CUADRADOS MEDIOS FCALC. SIGN
VARIACION LIBERTAD CUADRADOS

Factor A a-1 SCA SCA / a - 1 CMA/CME

Factor B b-1 SCB SCB / b - 1 CMB/CME
Interacción (a – 1)(b – 1) SCAB SCAB / (a – 1)(b – 1) CMAB/CME
Error ab(r – 1) SCERROR SCERROR / ab(r – 1)
Total abr - 1 SCTOTAL
 Análisis de los resultados

ANALIZAR LA SIGNIFICACIÓN DE LA INTERACCIÓN DE MAYOR ORDEN

NO SIGNIFICATIVA SIGNIFICATIVA

Análisis de cada Factor Análisis de las

de forma COMBINACIONES de los
INDEPENDIENTE niveles de cada Factor
 Análisis de los resultados

INTERACCION SIGNIFICATIVA
30
25
20
b1
15
b2
10
5
0
a1 a2 a3 a4
INTERACCION NO SIGNIFICATIVA
20

15

b1
10
b2

0
a1 a2 a3 a4
 Diseño en Bloques completo al azar al Azar

A (a1, a2, a3); B (b1, b2) con 4 bloques

Los datos pueden ordenarse de la siguiente manera:
 Diseño en Bloques completo al azar al Azar
El modelo puede escribirse así:
Regresión y Correlación
 Correlación

... trata de la fortaleza de la relación entre dos

variables aleatorias en las cuales no se puede
hacer una acción directa sobre ellas. Cada una de
estas variables influye sobre la otra

Entonces se habla de CORRELACIÓN entre

estas variables aleatorias y más que de relación,
se habla de INTERRELACIÓN
INTERDEPENDENCIA o CORRELACIÓN entre
estas variables
 Correlación lineal

: Coeficiente de Correlación Poblacional

-1    1
 0 no hay correlación

 -1 correlación fuerte negativa

 1 correlación fuerte positiva

Hipótesis a Docimar
H 0:  =0 H 1:   0
 Correlación lineal

Coeficiente de Correlación Lineal (de la muestra)

X Y x y 
x y
i i

n
i i

1 X1 Y1 r


 x
2 
2


 y
2 
2

. .   x i

  y i


. . . 
i
n 
i
n 
. . .
.
-1  r  1
n Xn Yn

r = -1 r=1 r=0
 Regresión

...relación entre dos variables en la que sí se pueda

hacer determinada acción sobre una de ellas

Se trata entonces de una variable controlable, o una

variable aleatoria, (variable independiente o
explicativa)

Entonces entre las variables se estable una

REGRESIÓN
 Regresión lineal Simple

Modelo de Regresión Lineal

yi = 0 + x1j1 + x2j 2+... + xpjp + ei

Se buscan estimadores de i que minimizan la

suma de cuadrados de los ei

En general se busca un modelo

yi = F ( x j) + ei
 Regresión Lineal Simple

Modelo de Regresión Lineal Simple

y = 0 + 1 xj + ei

Se buscan estimadores de 0 y 1 que minimizan la

suma de cuadrados de los ei

 xi yi  x y
i i

1  n

 xi
2

 xi  
2




n 


 0
 y  1
x
 ¿ Ajuste del Modelo ?

Hipótesis a Docimar
H 0:  1 = 0 H 1:  1  0

SCCTOTAL = SCCREGRESIÓN + SCCRESIDUOS

 y  y   ŷ  y    y  ŷ 
2 2 2

i i i i

1 = SCCREGR /SCCTOTAL + SCCRESID

/SCCTOTAL

 Coeficiente de determinación R2
 Regresión Lineal Simple

• Análisis de varianza de la regresión

CAUSAS DE GRADOS DE SUMAS DE CUADRADOS

FCALC. SIGN
VARIACION LIBERTAD CUADRADOS MEDIOS

Regresión 1 SCCREGRESION CMREGRESION CMREGR/CMRES

Residuos n-2 SCRESIDUOS CMRESIDUOS
Total n- 1 SCTOTAL

FCALC. > F1-(1; n – 2) entonces SE RECHAZA H0

 x y 
2

y   x y  n 
i i
2
i i

 y  
2
SCC i
SCC
TOTAL i
n
REGRESION
 x  
2

 x  n 
2
i

 
i
MUCHAS GRACIAS