UNIDAD 3. Diseño de Experimentos de Un Factor

Estadística Inferencial II
 Unidad 3
 Diseño de experimentos de un factor
M.C. José Armando Rodríguez Romo

6/1/22 1
Competencia específica:
 El alumno:
 Usará el Análisis de Varianza con el objeto
de procesar la información y tomar una
decisión en base a los resultados
obtenidos.
Ingeniería Industrial 6/1/22 2
Subtemas
3.1 Familia de diseños para comparar tratamientos.

3.2 El modelo de efectos fijos.
3.3 Diseño completamente aleatorio y ANOVA.
3.4 Comparaciones o pruebas de rangos múltiples.
3.5 Verificación de los supuestos del modelo

Familia de diseños para comparar
tratamientos
1. Diseño completamente al azar
2. Diseño en bloques completos al azar
3. Diseño en cuadro latino
4. Diseño en cuadro grecolatino

El modelo de efectos fijos
En la práctica puede suceder que los tratamientos que se
desea comparar sean demasiados como para experimentar
con todos. Cuando esto sucede es conveniente comparar
sólo una muestra de la población de tratamientos, de
modo que el efecto pasa a ser una variable aleatoria con
su propia varianza que deberá estimarse a partir de los
datos (véase sección “Modelos de efectos aleatorios”
El modelo de efectos fijos
En este capítulo sólo se presenta el caso en que todos los
tratamientos que se tienen se prueban, es decir, se
supone una población pequeña de tratamientos, lo cual
hace posible compararlos a todos. En este caso, el
modelo dado por la ecuación
se llama modelo de efectos fijos.

Diseño completamente aleatorio y
ANOVA
Terminología
 Unidades experimentales. Los objetos sobre los
cuales se hacen mediciones se denominan
unidades experimentales.
 Factor: es una parte del proceso que al cambiar de
estado, modifica significativamente el
comportamiento de la variable que se está midiendo.
 Nivel: al grado de intensidad de un factor se le llama
nivel.
Ingenbiería Industrial 6/1/22 7
ANOVA
 Tratamiento: un tratamiento es una combinación
específica de niveles de un factor o de factores.
 Experimento: es un conjunto de pruebas estructurado y
coherente que es analizado a fin de ganar entendimiento
acerca del proceso.
 Diseño de Experimentos: es el nombre usado
comúnmente para describir la planeación y ejecución del
experimento de forma tal que se asegure la confiabilidad del
mismo en la obtención de resultados y que su costo sea el
mínimo posible
ANOVA
 Análisis de varianza: es una técnica mediante la cual
la variación total presente en un conjunto de datos se
divide en varias componentes, cada una de las cuales
tiene asociada una fuente de variación específica, de
manera que en el análisis es posible conocer la
magnitud de las contribuciones de cada fuente de
variación a la variación total.
ANOVA
 Eficiencia del Experimento. Un experimento es

eficiente cuando:
 Se obtiene la información requerida
 Con el mínimo consumo de recursos

ANOVA
 Principios Básicos
 Repetibilidad. Esto significa que las pruebas se puedan repetir
bajo las mismas condiciones en más de una ocasión. La
repetibilidad es importante, al menos por dos razones:
 Permite cuantificar el error aleatorio inherente al

proceso

Ingenbiería Industrial Permite una mejor estimación de los parámetros
6/1/22 11
Diseño completamente aleatorio
y ANOVA
 Aleatoriedad. Esto significa que, tanto el material asignado a una
prueba en particular como el orden en que se realizan las pruebas, se
seleccionan al azar o de manera aleatoria. La aleatoriedad es
importante al menos por dos razones:
 Confunde el efecto de factores no controlables

 Valida las pruebas estadísticas al hacer que los errores
Ingeniería Industrial experimentales sean estadísticamente independientes.

6/1/22 12
y ANOVA
 Bloqueo. Consiste en nulificar o tomar en cuenta
en forma adecuada todos los factores que puedan
afectar la respuesta observada.

y ANOVA
 Suponga que tenemos diferentes niveles a de un

solo factor (tratamientos) que deseamos
comparar. La respuesta observada para cada uno
de los a tratamientos es una variable aleatoria.
Los datos aparecerán como en la tabla siguiente:

El Análisis de Varianza en la
Clasificación de un Solo Sentido
Tratamientos Observaciones Totales Promedios

1 y11 y12 
y1n
2 y21 y22 
y2n
3 y31 y31 
y3n
a ya1 ya1 
yan

 Un dato en esta tabla, por ejemplo, representa la j-ésima

observación tomada bajo el i-ésimo tratamiento. En un
principio consideramos el caso en que hay un número igual
de observaciones, n , en cada tratamiento. Podemos
describir estas observaciones por medio de un modelo
estadístico lineal.

 Análisis Estadístico
i. Las hipótesis apropiadas son
H0 : 1= 2=  =a=0 (El factor NO afecta la variable de respuesta)
H0 : 1= 2=  =a=0 (El factor SI afecta la variable de respuesta)
ii. El estadístico de prueba es:

iii.La regla de decisión para un nivel de significancia ,

es
Rechazar o
iv. Evaluar el estadístico de Prueba, utilizando la tabla

del ANOVA

Análisis de Varianza para el modelo de efectos fijos de clasificación

en un sentido
Fuente de Sumas de Grados de Cuadrados f0
variación Cuadrados libertad Medios
Tratamientos
Error
Total

v. Tomar una decisión: Rechazar o No Rechazar
vi. Conclusión: el rechazo de H0 implica que al menos

uno de los efectos de tratamiento es diferente de cero y
por lo tanto el factor si afecta la variable de respuesta.

Comparaciones o pruebas de
rangos múltiples
i. Método de Scheffé para Comparación de
Contrastes
ii. Método de la Mínima Diferencia
Significativa
iii. Prueba de Rango Múltiple de Duncan
iv. Prueba de Newman – Keuls
v. Prueba de Tukey

Verificación de la Adecuación
del Modelo
 En cualquier experimento diseñado, es siempre

importante examinar los residuos y verificar si se violan
las suposiciones básicas (Normalidad, Independencia,
Aditividad e Igualdad de varianzas) que pueden
invalidar los resultados.

Verificación de la Adecuación
del Modelo
Generación de los Residuos

 Los valores de los residuos se obtienen, como es usual, por
la diferencia entre los valores observados y los estimados
(medias de tratamiento)

Verificación de los supuestos del
modelo
 La Suposición de Normalidad. La suposición de normalidad
puede verificarse mediante la construcción de una gráfica de
probabilidad normal de los residuos.
 Independencia. Trazado de los Residuos en secuencia de

Tiempo.
 Igualdad de varianzas. Trazado de los Residuos Contra

Valores Ajustados.

UNIDAD 3. Diseño de Experimentos de Un Factor

Cargado por

Copyright:

Formatos disponibles

UNIDAD 3. Diseño de Experimentos de Un Factor

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

UNIDAD 3. Diseño de Experimentos de Un Factor

Cargado por

Copyright:

Formatos disponibles

Estadística Inferencial II

M.C. José Armando Rodríguez Romo

3.1 Familia de diseños para comparar tratamientos.

Ingeniería Industrial 6/1/22 3

1. Diseño completamente al azar

2. Diseño en bloques completos al azar

3. Diseño en cuadro latino

4. Diseño en cuadro grecolatino

se llama modelo de efectos fijos.

 Eficiencia del Experimento. Un experimento es

Ingenbiería Industrial 6/1/22 10

 Permite cuantificar el error aleatorio inherente al

 Confunde el efecto de factores no controlables

Ingeniería Industrial experimentales sean estadísticamente independientes.

Ingeniería Industrial 6/1/22 13

 Suponga que tenemos diferentes niveles a de un

Ingeniería Industrial 6/1/22 14

Tratamientos Observaciones Totales Promedios

Ingeniería Industrial 6/1/22 15

 Un dato en esta tabla, por ejemplo, representa la j-ésima

Ingeniería Industrial 6/1/22 16

H0 : 1= 2=  =a=0 (El factor SI afecta la variable de respuesta)

ii. El estadístico de prueba es:

Ingeniería Industrial 6/1/22 17

iii.La regla de decisión para un nivel de significancia ,

iv. Evaluar el estadístico de Prueba, utilizando la tabla

Ingeniería Industrial 6/1/22 18

Análisis de Varianza para el modelo de efectos fijos de clasificación

Ingeniería Industrial 6/1/22 19

v. Tomar una decisión: Rechazar o No Rechazar

vi. Conclusión: el rechazo de H0 implica que al menos

Ingeniería Industrial 6/1/22 20

Ingeniería Industrial 6/1/22 21

 En cualquier experimento diseñado, es siempre

Ingeniería Industrial 6/1/22 22

Generación de los Residuos

Ingeniería Industrial 6/1/22 23

 Independencia. Trazado de los Residuos en secuencia de

 Igualdad de varianzas. Trazado de los Residuos Contra

También podría gustarte