EXPERIMENTOS FACTORIALES

ANOVA

Análisis de la Varianza

EAAA 1
 Comprender la noción general del análisis de
variancia (ANOVA).
Realizar una prueba de hipótesis para determinar
si dos variancias muestrales provienen de las
mismas poblaciones o de poblaciones iguales.
Establecer y organizar datos en una tabla de
ANOVA.
Realizar una prueba para determinar si existe
diferencia entre tres o más medias de tratamiento.
Realizar una prueba de hipótesis para determinar
si hay alguna diferencia entre medias de bloques.

EAAA 2
EXPERIMENTOS FACTORIALES

Los experimentos son esenciales para desarrollar y mejorar

los métodos científicos y de ingeniería. Sólo mediante la
experimentación se pueden comparar las diferentes
variantes de un método con el fin de comprobar cuál es el
más efectivo. Para que sea útil, un experimento se debe
diseñar adecuadamente, y los datos que se obtienen de
éste se deben analizar en forma correcta. En este capítulo
se analizan el diseño y el análisis de datos a partir de una
clase de experimentos conocidos como experimentos
factoriales.

EAAA 3
ANÁLISIS DE LA VARIANZA (ANOVA)

Es una potente herramienta estadística, de gran

utilidad tanto en la industria, para el control de
procesos, como en el laboratorio de análisis,
para el control de métodos analíticos.

EAAA 4
Aplicación:
-Para la comparación de múltiples columnas de datos

-Para la estimación de los componentes de variación de un

proceso.

-El análisis de la varianza (o Anova: Analysis of variance) es

un método para comparar dos o más medias.

EAAA 5
EAAA 6
 Comparación de múltiples poblaciones
La comparación de diversos conjuntos de resultados es habitual en los:

Laboratorios analíticos. Así, por ejemplo, puede interesar comparar diversos métodos de
análisis con diferentes características, diversos analistas entre sí, o una serie de
laboratorios que analizan una misma muestra con el mismo método (ensayos
colaborativos).

También sería el caso cuando queremos analizar una muestra que ha estado sometida a
diferentes tratamientos o ha estado almacenada en diferentes condiciones. En todos
estos ejemplos hay dos posibles fuentes de variación: una es el error aleatorio en la
medida y la otra es lo que se denomina factor controlado (tipo de método, diferentes
condiciones, analista o laboratorio,...).

Una de las herramientas estadísticas más utilizadas que permite la separación

de las diversas fuentes de variación es el análisis de la varianza (ANOVA, del
inglés Analysis of Variance) [Massart, 1997].

EAAA 7
Cuando tengamos un factor, controlado o aleatorio, aparte del error propio de
la medida, hablaremos del ANOVA de un factor.

En el caso de que estuviésemos desarrollando un nuevo método colorimétrico

y quisiéramos investigar la influencia de diversos factores independientes
sobre la absorbancia, tales como la concentración de reactivo A y la
temperatura a la que tiene lugar la reacción, entonces hablaríamos de un
ANOVA de dos factores.

En los casos donde tenemos dos o más factores que influyen, se realizan los
experimentos para todas las combinaciones de los factores estudiados,
seguido del ANOVA. Se puede deducir entonces si cada uno de los factores o
una interacción entre ellos tienen influencia significativa en el resultado.

EAAA 8
Para utilizar el ANOVA de forma satisfactoria deben
cumplirse tres tipos de hipótesis, aunque se aceptan ligeras
desviaciones de las condiciones ideales:

1. Cada conjunto de datos debe ser independiente del

resto.

2. Los resultados obtenidos para cada conjunto deben

seguir una distribución normal.

3. Las varianzas de cada conjunto de datos no deben diferir

de forma significativa.

EAAA 9
EAAA 10
El análisis de la varianza (ANOVA) de un conjunto de muestras
consiste en contrastar:

La hipótesis nula “todas las medias poblacionales de las que

provienen las muestras son iguales”.

Contra

La hipótesis alternativa “no todas las medias son iguales.

Con un nivel de significación a prefijado.

EAAA 11
ANOVA de un factor

Tomemos como ejemplo la comparación de 5 laboratorios que analizan

nk veces con el mismo procedimiento la concentración de Pb en una
misma muestra de agua de río.

El objetivo del ANOVA aquí es comparar los errores sistemáticos con los
aleatorios obtenidos al realizar diversos análisis en cada laboratorio.

Condiciones importantes que cada laboratorio analice sus muestras de

manera independiente y con precisiones parecidas a las del resto de
laboratorios.

En la tabla 1 se muestran los resultados obtenidos (expresados en mg/L).

EAAA 12
RESULTAD LABORAT LABORAT LABORAT LABORAT LABORAT
OS 1 2 3 4 5
1 2.3 6.5 1.7 2.1 8.5
2 4.1 4.0 2.7 3.8 5.5
3 4.9 4.2 4.1 4.8 6.1
4 2.5 6.3 1.6 2.8 8.2
5 3.1 4.4 4.1 4.8 --
6 3.7 -- 2.8 3.7 --
7 -- -- -- 4.2 --
VALOR 3.4 5.1 2.8 3.7 7.1
MEDIO x

n 6 5 6 7 4
k
suma 20.6 25.4 17.0 26.2 28.3
Aritmetica De todos Resultados X= 4.2
Media los X 13
EAAA
Observando los valores medios todo parece indicar que existen
diferencias entre los laboratorios. Ahora bien, ¿son dichas diferencias
significativas? El ANOVA responde a esta cuestión.

El objetivo del ANOVA es comparar los diversos valores medios para

determinar si alguno de ellos difiere significativamente del resto.

Para ello se utiliza una estrategia bien lógica: si los resultados

proporcionados por los diversos laboratorios no contienen errores
sistemáticos, los valores medios respectivos no diferirán mucho los
unos de los otros y su dispersión, debida a los errores aleatorios, será
comparable a la dispersión presente individualmente en cada
laboratorio.
EAAA 14
 ANOVA PARA UN FACTOR

Prueba de hipótesis para probar la igualdad de medias de

varias poblaciones para un factor

Se trata de probar si el efecto de un factor o Tratamiento en la respuesta de un

proceso o sistema es Significativo, al realizar experimentos variando Los
niveles de ese factor (Temp. 1, Temp. 2, Temp.3, etc.), presiones

Ho : 1   2  3  .........   a
Ha : A lg unas. ' s.son.diferentes
EAAA 15
CONDICIONES

Todas las poblaciones son normales

Todas las poblaciones tiene la misma varianza

Los errores son independientes con distribución normal

de media cero

La varianza se mantiene constante para todos los niveles

del factor

EAAA 16
 ANOVA – Suma de cuadrados total

SST es la suma de las diferencias al cuadrado de cada

resultado individual respecto a la media de todos los
resultados y por tanto, representa la variación total de los
datos.

SStotal   x 
 x 2
2

EAAA
17
 suma de los cuadrados de los tratamientos

Es la suma de los cuadrados de la diferencias entre cada media de

tratamiento y la media total

  x 
2
T 2
SCTr    r
 
 nr  n

Cuando se divide SSTr por los correspondientes grados de libertad, (N - K), se

obtiene el cuadrado medio (o MS, del inglés Mean Square) entre los laboratorios",
MSR.

CUADRADO MEDIO DE LOS TRATAMIENTOS = MSR = SSTr / (k-1)

EAAA 18
SUMA DE LOS CUADRADOS DEL ERROR SSE

La otra furnte de variacion se conoce como el componente aleatorio o el

componente de error. Se determina por la suma de los cuadrados de las
diferencias, entre cada observacion y su media de tratamiento. En forma
simplificada su calculo esta dado:

SUMA DE LOS CUADRADOS DEL ERROR SSE = SSTotal – SSTr

Cuando se divide SSE por los correspondientes grados de libertad, (N - K), se obtiene el
cuadrado medio "dentro de los laboratorios", MSE.MSE = SSE/(N – K)

EAAA 19
 PROCEDIMIENTO DE ANOVA
Paso 1: Plantear (H0) y la (H1)
H0 expresa que no hay diferencias significativas entre las
ventas medias de los tres vendedores; es decir,
Ho : 1   2  3  .........   a
Ha : A lg unas. ' s.son.diferentes

Paso 2: Seleccionar el nivel de significación

Se usara el nivel 0.05 o 0.01valores de uso convencional

Paso 3: Proporcionar el estadístico de prueba

El estadístico de prueba es la distribución F.

EAAA 20
 Fuente Suma de Grados Cuadrado Fcal p
cuadrado de medio
s libertad
Entre 53.13 4 13.28 10.30 0.3
laboratori
o
Dentro 29.64 23 1.29
de los
laboratori
o
Total 82.77 27 Ftab = 2.80 (a = 0.05, 4, 23, 1 cola)
Como Fcal > Ftab, en este caso se podría concluir que al menos uno de los
.
laboratorios ha producido resultados la media de los cuales difiere de forma
estadísticamente significativa del resto de laboratorios. El valor de
probabilidad que aparece en la Tabla 3 indica aquel valor de alfa a partir del
cual el ANOVA no detectaría ninguna diferencia significativa. Así pues, a menor
valor de probabilidad, mayor seguridad de que existen diferencias
significativas.
EAAA 21
Ejemplo : Se quiere evaluar la eficacia de distintas dosis de un fármaco
contra la hipertensión arterial, comparándola con la de una dieta sin sal.
Para ello se seleccionan al azar 25 hipertensos y se distribuyen
aleatóriamente en 5 grupos. Al primero de ellos no se le suministra ningún
tratamiento, al segundo una dieta con un contenido pobre en sal, al tercero
una dieta sin sal, al cuarto el fármaco a una dosis determinada y al quinto
el mismo fármaco a otra dosis. Las presiones arteriales sistólicas de los 25
sujetos al finalizar los tratamientos son:

Grupo

1 2 3 4 5

180 172 163 158 147

173 158 170 146 152

175 167 158 160 143

182 160 162 171 155

181 175 170 155 160

EAAA 22
La tabla de anova es:

Fuente de variación GL SS MS F
Tratamiento 4 2010.64 502.66 11.24
Error 20 894.40 44.72
Total 24 2905.04

Como
ComoF0,05(4,20) =2,87 y y11,24>2,87
F0,05(4,20) =2,87 11,24>2,87 rechazamos
rechazamos la hipótesis
la hipótesis nula ynula y
concluimos
concluimosqueque
loslos
resultados de los
resultados detratamientos son diferentes.
los tratamientos son diferentes.

EAAA 23
Un fabricante de papel para hacer bolsas para comestibles, se encuentra interesado en
mejorarla resistencia a la tensión del producto. El departamento de ingeniería del producto
piensa que la resistencia a la tensión es una función de la concentración de madera dura en
la pulpa y que el rango de las concentraciones de madera dura de interés práctico está entre
5% y 20%. El equipo de ingenieros responsable del estudio decide investigar cuatro niveles
de concentración de madera dura: 5%, 10%, 15% y 20%. Deciden hacer seis ejemplares de
prueba con cada nivel de concentración, utilizando una planta piloto. Las 24 muestras se
prueban, en orden aleatorio, con una máquina de laboratorio para probar la resistencia. En la
tabla 12-1 se muestran los datos de este experimento.

Tabla 12-1 Resistencia a la tensión del papel (psi)

Concentración Observaciones
de madera dura 1 2 3 4 5 6 Totales Promedios
(%)
5 7 8 15 11 9 10 60 10.00
10 12 17 13 18 19 15 94 15.67
15 14 18 19 17 16 18 102 17.00
20 19 25 22 23 18 20 127 21.17
383 15.96

EAAA 24
a ) Diagramas de caja de los datos de la concentración de madera dura,

b) Gráfica del modelo de la ecuación 12-1 para el experimento completamente autorizado con
un solo factor.

EAAA 25
HIPOTESIS NULA
Puede usarse el análisis de varianza para probar la hipótesis de que diferentes
concentraciones de madera dura no afectan la resistencia a la tensión media del papel.
Las hipótesis son;

Las formulas para calcular las sumas de cuadrados para el análisis de varianza con
tamaños de las muestras n1 diferentes en cada tratamiento son:
Solución a a
y2
SS T = yij2 −
N
i=j i=j

a
yi2 yi2
SS Tratamient os = −
n1 N
i=j

SSE = SST − SSTratamientos

EAAA 26
EAAA 27
Tabla 12-4 Análisis de varianza para los datos de la resistencia a la tensión

Fuente de Suma de Grados de Cuadrado 1

variación cuadrados libertad medio fo Valor P
Concentración

de madera 382.79 3 127.60 19.60 3.59 E-6

dura
Error 130.17 20 6.51
Total 512.96 23

Puesto que el valor P = 3.59 x 10-6 es considerablemente más pequeño que α = 0.01,
se cuenta con evidencia sólida para concluir que Ho no es verdadera.

EAAA 28
Un intervalo de confianza del 100(1 - a) por ciento para la media del tratamiento , p es:

La ecuación se usa para calcular los intervalos de confianza

Las estimaciones de la media de la resistencia a la tensión para el experimento del

ejemplo son las siguientes:

El intervalo de confianza de 95% para la resistencia a la tensión media con 20% de

madera dura será:

Por lo tanto, el intervalo de confianza deseado es

EAAA 29
Un intervalo de confianza del 100(1 - a) por ciento para la diferencia de las medias
de dos tratamientos i, - i, es:

Un intervalo de confianza de 95% para la diferencia de las medias 3, - 2, se calcula con
la ecuación 12-13 como sigue:

Por tanto, el intervalo de confianza de 95% para (i3 - fi, es

-1.74 ≤ 3, - 2 ≤ 4.40

Puesto que el intervalo de confianza incluye al cero, se concluiría que no

hay diferencia en la resistencia a la tensión media en estos dos niveles de
madera dura particulares.
EAAA 30
 .

EAAA 31
Análisis de residuales y verificación del modelo

En el análisis de varianza del modelo simple o de un solo factor, se supone que las
observaciones siguen una distribución normal e independiente con la misma
varianza para cada tratamiento o nivel del factor.

Estos supuestos deberán verificarse examinando los residuales.

Un residual es la diferencia entre una observación Yij y su valor estimado (o

ajustado) en el modelo estadístico bajo estudio, denotado como yij. Para el diseño
completamente aleatorizado Yij Yij cada residual es eij = yij - y, es decir, la diferencia
entre una observación y la media observada del tratamiento correspondiente

EAAA 32
En la tabla 12-6 se muestran los residuales para el experimento del porcentaje de madera dura. Al
utilizar yj. para calcular cada residual en esencia, se elimina el efecto de la concentración de
madera dura de esos datos; por consiguiente, los residuales contienen información acerca de la
variabilidad no explicada.

Tabla 12-6 Residuales para el experimento de la resistencia a la tensión

Concentración
de madera dura Residuales
5% -3.00 -2.00 5.00 1.00 -1.00 0.00
10% -3.67 1.33 -2.67 2.33 3.33 -0.67
15% -3.00 1.00 2.00 0.00 -1.00 1.00
20% -2.17 3.83 0.83 1.83 -3.17 -1.17

En la figura 12-2 se muestra la gráfica de probabilidad normal de los residuales del

experimento de la resistencia a la tensión del papel. En las figuras 12-3 y 12-4 se
presentan los residuales graneados contra los niveles del factor y el valor ajustado y..,
respectivamente. Estas gráficas no revelan ninguna falta de adecuación del modelo ni
algún problema excepcional con los supuestos.
EAAA 33
EAAA 34
Diseño de experimentos.

•1. Análisis de varianza.

Suponga que un experimento industrial un ingeniero está interesado en cómo la absorción

media de humedad en concreto varía entre cinco mezclas diferentes de concreto. Las muestras
se exponen a la humedad por 48 horas y se decide que se prueben seis muestras para cada
mezcla, por lo que se requiere probar un total de 30 muestras. Los datos de este experimento
se muestran en la siguiente tabla.

Tabla 1

Absorción de humedad en mezclas de concreto.

Mezcla 1 2 3 4 5
551.00 595.00 639.00 417.00 563.00
457.00 580.00 615.00 449.00 631.00
450.00 508.00 511.00 517.00 522.00
731.00 583.00 573.00 438.00 613.00
499.00 633.00 648.00 415.00 656.00
632.00 517.00 677.00 555.00 679.00

EAAA 35
El modelo para esta estimación se puede considerar como sigue. Hay 6
observaciones que se toman cada una de las cinco poblaciones con medias
m1, m2,..m5 respectivamente y deseamos probar

H0 : m1 = m2 = m3 = m4 = m5

H1 : al menos dos de las medias no son iguales.

Además, nos podemos interesar en realizar comparaciones individuales entres

estas cinco medias poblacionales.

En el procedimiento de análisis de varianza, se supone que cualquier variación

que exista entre los promedios de las mezclas se atribuye a

EAAA 36
Formulas para el cálculo de sumas de cuadrados.

A continuación presentamos un conjunto de formulas mas simples para calcular la suma de cuadra

2
 k 
n
  yij 
 
SST    yij2   
k n
i 1 j 1

i 1 j 1 nk
2
 k n
  yij 
 
SSA  n  yi    
k
2 i 1 j 1

i 1 nk
SSE  SST  SSA

EAAA 37
ANALISIS DE VARIANZA DE DOS VÍAS o
DIRECCIONES (ANOVA 2 VIAS)

1. Introducción En este caso las fórmulas son parecidas a la del ANOVA de una
vía pero ahora agregando el cálculo por renglones adicional al de columnas
donde se incluye la variable de bloqueo.

Se trata de bloquear un factor externo que probablemente tenga efecto en la

respuesta pero que no hay interés en probar su influencia, sólo se bloquea
para minimizar la variabilidad de este factor externo, evitando que contamine
la prueba de igualdad entre los tratamientos.

Los tratamientos se asignan a las columnas y los bloques a los renglones. Un

bloque indica condiciones similares de los sujetos al experimentar con
diferentes tratamientos.

EAAA 38
LAS HIPÓTESIS SON:

Ho: No hay diferencia en las medias del factor de columna

Ha: Al menos una media del factor de columna es diferente

Ho: No hay diferencia en las medias de la variable de renglón

Ha: Al menos una media de la variable de renglón es diferente

EAAA 39
 La SSTotales y SSTr (columnas)se determina
de la misma forma que para la ANOVA de una
dirección o factor

 En forma adicional se determina la suma de

cuadrados del factor de bloqueo (renlgones) )
de forma similar a la de los renglones

La SSE = SSTOTALES – SSTr – SSBi

EAAA 40
  B   x 
2
2
SSBi     
i

 ni  n
gl.SSBi  b  1
MSB  SSB /(b  1
EAAA 41
SSE  SST  SSTr  SSBi
gl.MSE  (n  k )( n  b)
MSE  MSBi /( n  k )( n  b)

EAAA 42
 MSTr
Fc 
MSE

MSBi
Fc 
MSE

EAAA 43
FUENTE DE VARIACIÓN SUMA DE GRADOS DE CUADRADO VALOR F
CUADRADOS LIBERTAD MEDIO

Entre muestras (tratam.) SSTr a-1 MSR SSTr/MSR

Entre Bloques (Factor Bl) SSBi b-1 MSB MSB/MSR

Dentro de muestras (error) SSE (a-1)(b-1) MSE

Variación total SSTotal n-1 MST

Regla: No rechazar si la F de la muestra es menor que la F de Excel para una cierta alfa

EAAA 44
 Tabla de Análisis de varianza para dos criterios de
clasificación

Fuente de Suma de Grados de Cuadrados F calculada

variación Cuadrados libertad Medios
Tratamientos SCA t-1 CMA = SCA / t-1 CMA / CME
Bloques SCB b -1 CMB = SCB / b-1 CMB / CME

Error Experimental SCE (t - 1)(b-1) CME = SCE / (t-1)(b-1)

Total SCT t.b -1

 ( yij  y..) 2  t  ( yi .  y..) 2  b ( y. j  y..) 2   ( yij  yi.  y. j  y.. ) 2

i j i j i j

Variación total Variación debida Variación debida Variación propia de

a los tratamientos a los bloques las observaciones

SCT SCA SCB SCE

EAAA 45
 Si Fc (Tr o Bi) es mayor que F del nivel de
confianza se rechaza Ho Aceptando Ha donde
las medias son diferentes

 O si el valor de p correspondiente a Fc (Tr o

Bi) es menor de Alfa se rechaza Ho

EAAA 46
Un químico desea probar el efecto que tienen cuatro agentes químicos sobre la
resistencia de un tipo particular de tela. Como puede existir variación entre un rollo de
tela y otro, decide utilizar un diseño aleatorizado por bloques, considerando los rollos de
telas como bloques. El químico dispone de cinco rollos y les aplica los cuatro agentes
químicos a sendas porciones de cada rollo, en un orden aleatorio. A continuación se
proporcionan los resultados de la resistencia a la tensión:

Rollos de Tela
Agente Químico 1 2 3 4 5
1 64 68 67 67 67
2 73 67 75 72 70
3 75 78 68 73 68
4 73 71 75 75 69

a) Determine el modelo apropiado para el análisis de este experimento y estime los

parámetros del modelo
b) Analice el experimento en la forma más completa posible (5% de significación)
c) Suponer que falta la observación correspondiente al agente químico 2 y al rollo de
tela 3. Analice este problema estimando el valor faltante.

EAAA 47
Las hipótesis son:

Ho: 1 = 2 = 3 = 4 vs la H1 : al menos un i  j donde i  j. Esto se prueba con: F =

CMA / CME

Ho: 1 = 2 = 3 = 4 = 5 vs la H1 : al menos un i  j donde i  j. Esto se prueba con: F

= CMB / CME
k

 i
y 2
y2 (333) 2  (352) 2  (362) 2  (363) 2 (1410) 2
SC A  i 1
 =   116,20
ni n 5 20
k

 j
y 2
y2 (285)  (284)  (280)  (287)  (274) (1410)
2 2 2 2 2 2
SC B  i 1
 =   26,50
k n 5 20
donde n = ni
k ni2 2
y (1410 )
SCT   yij2    (64) 2  (68) 2  .....  (69) 2   251,00
i 1 j 1 n 20

SCE = SCT - SCA – SCB = 251,00 – 116,20 – 26,50 = 108,30

EAAA 48
 Grados Suma de Cuadrados
Fuente de Variación de Cuadrados Medios Fobserv Ftabla
Libertad (SC) (CM)
Tipo de circuito (k - 1) 3 118.95 339,650 *3,83 3,49 F(0,05
Bloques (b – 1) 4 26,50 6,62 0,64 3,25 F(0,05
Error (k - 1) (b – 1) 12 124,30 10,358
Total (n - 1)-1 19 269,75

Como Fo > Ftabla, entonces, se rechaza Ho, existen diferencias significativas en l

resistencias de las telas, con un 95 % de confianza, los agentes químicos tiene
influencia sobre las telas seleccionadas

EAAA 49
Suponiendo que se quiere investigar si la producción de tres diferentes
máquinas es igual, tomando en cuenta la experiencia de los operadores a un
nivel de significancia del 5%.

Experiencia Máquinas
de ops. En
años Maq 1 Maq 2 Maq 3 Promedios
1 27 21 25 24.33333
2 31 33 35 33

3 42 39 39 40
4 38 41 37 38.66667
5 45 46 45 45.33333
Promedios 36.6 36 36.2 36.26667
EAAA 50
TABLA ANOVA
Conclusión: No hay diferencia entre máquinas a pesar de la diferencia en experiencia
de los operadores.

SS GL CM Fc Falfa

SCTR= 0.933333 2 CMTR= 0.466667 Ftr = 0.09 4.46

SCBL= 764.9333 4 CMBL= 191.2333 Fbl = 37.25 3.84

SCE = 41.06667 8 CME= 5.133333

SCT = 806.9333 14 CMT= 57.6381

EAAA 51
Ejemplo: Para el ensamble de un artículo se considera comparar 4 máquinas
diferentes. Como la operación de las máquinas requiere cierta destreza se
anticipa que habrá una diferencia entre los operarios en cuanto a la velocidad
con la cual operen la maquinaria. Se decide que se requerirán 6 operarios
diferentes en un experimento de bloques aleatorizado para comparar las
máquinas.
Tiempo en segundos para el ensamble del producto

Operario
Máquina 1 2 3 4 5 6 Total Medias
1 42,5 39,3 39,6 39,9 42,9 43,6 247,8 41,3
2 39,8 40,1 40,5 42,3 42,5 43,1 248,3 41,4
3 40,2 40,5 41,3 43,4 44,9 45,1 255,4 42,6
4 42,3 43,2 44,5 45,2 46,9 43,3 265,4 44,2
Total 164,8 163,1 165,9 170,8 177,2 175,1 1016,9
Medias 41,2 40,775 41,475 42,7 44,3 43,775 254,225 42,4

EAAA 52
Si las máquinas no difieren en cuanto a la velocidad de
ensamblado de la pieza, tendrían igual velocidad promedio y las
curvas se superpondrían exactamente.

H0 : µ1= µ2 = µ3= µ4 ó H0 =
α1=α2=α3=α4=0

µ
Pero si las máquinas difieren en cuanto a la velocidad de ensamblado
de la pieza, pensaríamos que las muestras provienen de poblaciones
diferentes, e
H1: algún promedio es
distinto de los
restantes

EAAA 53
EAAA 54
 EL MODELO (DE EFECTOS FIJOS)
Yij = µ + αi + βj + eij

Modelo lineal aditivo: cada respuesta es la suma de los otros términos.

Donde Y es la variable respuesta o dependiente, tiempo medido en

segundos, e Yij es la observación perteneciente al j-ésima bloque bajo
el tratamiento i; las observaciones son independientes.
µ es la media general común a todas las máquinas y a todos los
operarios.
αi es el efecto del tratamiento en el nivel i, propio de cada máquina.
βj es el efecto del bloque en el nivel j, propio de cada operario.
eij es la variable aleatoria del error con distribución normal, con
media = 0 y varianza σ2 N (0 ; σ2 ) e independiente.

EAAA 55
Consideremos que se lleva a cabo un experimento para comparar el
tiempo que tardan tres marcas de ordenadores de diferente marca en
cargar un mismo sistema operativo. Se toma una muestra de cuatro
ordenadores de la marca A, es decir, se mide el tiempo (ensegundos) que
tardan en cargar el sistema operativo cuatro ordenadores de esta marca.
De la marca B se toman seis medidas y cinco de la marca C. La tabla
siguiente registra los resultados del experimento:

Marca A 10,7 11,2 12,0 15,5

Marca B 13,4 11,5 11,2 15,1 13,3 12,9
Marca C 11,5 12,7 15,4 16,1 15,2

EXISTE DIFERENCIA ENTRE LAS MARCAS

EAAA 56
Muestra j = 1 Muestra j = 2 Muestra j = 3
x 11 = 10,7 x12 = 13,4 x13 = 11,5
x 21 = 11,2 x22 = 11,5 x23 = 12,7
x31 = 12,0 x32 = 11,2 x33 = 15,4
x41 = 15,5 x42 = 15,1 x43 = 16,1
x52 = 13,3 x53 = 15,2
x62 = 12,9
Media = 12,35 = 12,90 = 14,18
Varianza = 4,70 = 2,02 = 3,90
x1 x2 x3
s1 2 s2 2 s3

EAAA 57
EAAA 58
Es posible representar esta situación mediante los diagramas de caja de las tres
muestras:

EAAA 59
 Un experimento en el que se prepararon nudos de soldadura con diferentes
composiciones químicas. Se hicieron varias soldaduras utilizando cada flujo
sobre metal con base de acero AISI-1018. La tabla 9.1 presenta los resultados
de las mediciones de la dureza, en la escala de Brinell, de cinco soldaduras
que usan cada uno de los cuatro flujos.

TABLA 9.1 Dureza de Brinell de soldaduras que utilizan cuatro flujos

diferentes
Flujo Valores de la muestra Media muestral Desviación estándar muestral

A 250 264 256 260 239 253.8 9.7570

B 263 254 267 265 267 263.2 5.4037
C 257 2/9 269 273 277 271.0 8.7178
D 253 258 262 264 273 262.0 7.4498

Se puede concluir que hay diferencias en las medias poblacionales entre los
cuatro tipos de flujos?
Determine un intervalo de confianza del 95% para la media de la dureza de
soldaduras producidas con el flujo A.

EAAA 60
EXPERIMENTOS DE DOS FACTORES

En los experimentos de un factor, analizados, el propósito es

determinar si al cambiar el nivel de un solo factor sólo se afecta la
respuesta.

Muchos experimentos implican variar algunos factores, cada uno de

ellos puede afectar la respuesta.

Se analizará el caso en el que existen dos factores. Los

experimentos, naturalmente suficientes, son llamados
experimentos de dos factores

EAAA 61
Un ingeniero químico está estudiando los efectos de varios reactivos y
catalizadores en la producción de cierto proceso. Esta última se expresa como
un porcentaje de un máximo teórico. Se hicieron cuatro operaciones del
proceso para cada combinación de tres reactivos y cuatro catalizadores. Los
resultados se presentan en la tabla 9.2. En este experimento hay dos factores,
el catalizador y el reactivo. El primero se llama factor renglón, ya que su valor
varía de renglón a renglón en la tabla; el segundo se denomina factor columna.
Estas designaciones son arbitrarias, en la tabla se podía haber presentado tan
fácilmente como que los renglones representen los reactivos y las columnas,
los catalizadores

Producciones para varias operaciones de un proceso químico con varias

combinaciones de reactivos y catalizadores
Catalizador 1 2 3

A 86.8 82.4 86.7 83.5 93.4 85.2 94.8 83.1 77.9 89.6 89.9 83.7
B 71.9 72.1 80.0 77.4 74.5 87.1 71.9 84.1 87.5 82.7 78.3 90.1
C 65.5 72.4 76.6 66.7 66.7 77.1 76.7 86.1 72.7 77.8 83.5 78.8
D 63.9 70.4 77.2 81.2 73.7 81.6 84.2 84.9 79.8 75.7 80.5 72.9

EAAA 62
 TABLA Promedio de las producciones ij para operaciones de un proceso
químico utilizando diferentes combinaciones de reactivos y catalizadores

Reactivo
Catalizador Media del renglón X,..
1 2 3
A 84.85 89.13 85.28 86.42
B 75.35 79.40 84.65 79.80
C 70.30 76.65 78.20 75.05
D 73.18 81.10 77.23 77.17
Media de la 75.92 81.57 81.34 Gran media muestral
columna X, X... =79.61

Cada número en el cuerpo de la tabla es el promedio de los cuatro números en

la celda correspondiente de la tabla A Éstos se llaman las medias de las
celdas.

Utilizando un ANOVA de dos sentidos para probar hipótesis

Un análisis de varianza de dos sentidos está diseñado para

responder tres preguntas principales:
1. ¿El modelo aditivo vale?
2. ¿Si es así, la media del resultado es la misma para todos los
niveles del factor renglón?
3. ¿Si es así, la media del resultado es la misma para todos los
niveles del factor columna?
EAAA 63
1Para probar si el modelo aditivo vale se prueba la hipótesis nula de que todas las
interacciones son iguales a 0:

Si esta hipótesis nula es verdadera, el modelo aditivo vale.

2Para probar si la media del resultado es igual para todos los niveles del factor renglón,
se prueba la hipótesis nula de que todos los efectos renglón son iguales a 0:

Si esta hipótesis nula es verdadera, entonces la media del resultado es igual para todos
los niveles del factor renglón.

3Para probar si la media del resultado es igual para todos los niveles del factor
columna, se prueba la hipótesis nula de que todos los efectos columna son iguales a 0:

Si esta hipótesis nula es verdadera, entonces la media del resultado es igual para todos
los niveles del factor columna

EAAA 64
Igual que con un ANOVA de un sentido, las pruebas usuales
para estas hipótesis nulas están basadas en las sumas de los
cuadrados.

Específicamente, son la suma de los cuadrados de renglón

(SSA), de los cuadrados de columna (SSB), de los cuadrados
de interacción (SSAB), y de los cuadrados del error (SSE).

También es de interés la suma total de los cuadrados (SST),

que es igual a la suma de las otras.

La identidad del análisis de varianza SST = SSA + SSB + SSAB + SSE

EAAA 65
El siguiente resultado de MI-NITAB presenta la tabla ANOVA para los datos de
la tabla 9.2.

Las etiquetas DF, SS, F y P se refieren a los grados de libertad, suma de

cuadrados, media cuadrática, los estadísticos F, y P-valor, respectivamente.
Como en un ANOVA de un sentido, la media cuadrática para el error (MSE) es
una estimación de la varianza del error 2, la cantidad “S” representa la raíz
cuadrada de MSE y es una estimación de la desviación estándar del error. Las
cantidades “R-sq” y “R-sq(adj)” se calculan con fórmulas similares a las del
ANOVA de un sentido.
EAAA 66
1. (Ejemplo1) Supóngase que el administrador de una planta
industrial conjetura que el rendimiento (en número de artículos
producidos por turno de 8 horas) de una línea de producción
depende de dos variables cualitativas: el supervisor de la línea
(de los cuales hay dos, digamos A1 y A2) y el turno para el
cual se mide la producción. Denotaremos los tres turnos, de
8:00 am a 4:00 pm, de 4:00 pm a 12:00 am y de 12:00 am a
8:00 am, por B1;B2 y B3:
El administrador desea establecer si existen diferencias entre
las producciones de los distintos turnos, con cada supervisor y
si existe interacción entre los dos factores, para ello efectuó r =
3 réplicas de un experimento factorial 23 para investigar el
efecto de supervisor.(con dos niveles) y .turno.(con tres
niveles). Las observaciones se dan en la tabla a continuación.

EAAA 67