Академический Документы
Профессиональный Документы
Культура Документы
DISEÑO EXPERIMENTAL
COD. 7700553
CCAV NEIVA
2020
DESARROLLO DE LA ACTIVIDAD
1. A partir de la lectura del capítulo 6 del libro análisis y diseños de experimentos,
aplique los conceptos del diseño factorial al siguiente enunciado.
A continuación, se describe la tabla con los resultados para cada uno de los tratamientos,
cada variable de respuesta (ISL) se midió 3 veces.
Polvo de (%)
Yuca (%)
Concentración 1 Concentración 2 Concentración 3
10,21 12,53 14,79
Concentración 1 10,64 12,50 14,85
10,85 12,39 15,21
10,67 12,26 15,75
Concentración 2 10,75 12,79 15,63
10,82 13,10 16,81
11,13 13,78 16,57
Concentración 3 11,56 14,91 16,88
11,88 14,53 17,30
a. Plantear el modelo estadístico para este diseño, explicar cada uno de los términos en
función del ejercicio (5 /120)
Y ijk =μ+γ i+ δ j +¿
Donde:
Y ijk =Solubilidad enleche del cereal μ= Media general
γ i=Efecto del i−ésimo nivel d el factor % del Polvo de h .δ j=¿ Efecto del j−ésimo nivel del factor %Yuca¿¿
ε ijk =Error aleatorio
Conociendo los valores a los cuales debemos llegar damos inicio a los calculos realizando
la totalización de las concentraciones:
Datos
n=3
k =2
3
Y 2i .. Y 2…
SC A =∑ −¿ 2 ¿
j=1 3 n n3
SC A =¿ ¿
44490,8483 130385,99
SC A = −
9 27
SC A =114 ,316919
3
Y 2. j . Y 2…
SC B=∑ −
j=1 3 n n 32
SC B=¿ ¿
43572,9089 130385,99
SC B= −
9 27
SC B=12.3236
Y ij2 . Y 2…
3 3
SC AB=∑ ∑ − 2 −SC A −SCB
i=1 j=1 n n3
[ ( 31,7 )2+ ( 37,42 )2 + ( 44,85 )2+ ( 32,24 )2+ ( 38,15 )2+ ( 48,19 )2 + ( 34,57 )2 + ( 43,22 )2 + ( 50,75 )2 ]
SC AB= −¿ ¿
3
14872,40 130385,99
SC AB= − −114,3169−12.3236
3 27
SC AB=1,7157
3
Y 2…
3 n
2
SCT =∑ ∑ ∑ Y − 2 ijk
i=1 j=1 k=1 n3
SCT =[ ( 10,21 )2 + ( 10,64 )2 + ( 10,85 )2 + ( 12,53 )2+ ( 12,50 )2+ (12,39 )2+ ( 14,79 )2 + ( 14,85 )2 + ( 15,21 )2+ ( 10,67 )2+ ( 10,75 )2+
130385,99
SCT =4 960 , 2225−
27
SCT =131,1183
SC E=2,7556
SC B 3
SC B 4
SC A
CM A =
2
114,316919
CM A =
2
CM A =57,1584
SC B
CM B=
2
12,3236
CM B=
2
CM B=6,1618
SC AB
CM AB =
4
1,7157
CM AB =
4
CM AB =0,428925
SC E
CM E = 2
3 (n−1)
2,7556
CM E =
32 (3−1)
CM E =0,15308
CM A
F 0=
CM E
57,1584
F 0=
0,15308
F 0=373,367786
CM B
F 0=
CM E
6,1618
F 0=
0,15308
F 0=40,2498
CM AB
F 0=
CM E
0,428925
F 0=
0,15308
F 0=2,637 7
El P-valor es:
P ( F> F 0A ) ≈ 0P ( F> F 0B ) ≈ 0P ( F> F 0AB ) ≈ 0.0764
Con los datos obtenidos mediante la aplicación de las formulas procedemos a construir la
tabla ANOVA, descomponiendo la variación total de la suma de los cuadrados, teniendo en
cuenta los grados de libertad, para ello se dividen las sumas de cuadrados entre los grados
de libertad, de este modo obtenemos los cuadrados medios.
Al dividir estos datos entre los cuadrados medios del error obtenemos los estadisticos de
prueba con distribución F.
FV SC GL CM F0 Valor-p
A 114,316919 2 57,1584 373,3677 0,0001
B 12,3236 2 6,1618 40,2498 0,0001
AB 1,7157 4 0,428925 2,8018 0,0764
Error 131,1183 18 0,15308
Total 131.11 26
Para poder brindar conclusiones relacionadas con los valores –P y F0 es necesario tener en
cuenta los criterios establecidos para cada uno de ellos y que corresponden a:
2; 18 = 3,55
2; 18 = 3,55
4; 18 = 2,93
f =3,55
f =3,55
f =2,93
Por Consiguiente tenemos que:
Y para –P tenemos:
Realice las hipótesis para la comparación de las medias para los tratamientos de la
investigación. (10 /120)
Para prevenir que se puedan presentar confusiones y debido a que tanto en el % de Yuca como em
manera que el % de yuca se identifique con la letra A y el % de polvo de Hornear con la letra B, de
este modo se conoceran como Niveles de % de Yuca A1, A2 y A3 y los % de polvo de hornear se
Ho: μ A =μ A
1 2
Ha: μ A ≠ μ A
1 2
Ho: μ A =μ A
2 3
Ha: μ A ≠ μ A
2 3
Ho: μ A =μ A
1 3
Ha: μ A ≠ μ A
1 3
Ho: μ B =μ B
1 2
Ha: μ B ≠ μ B
1 2
Ho: μ B =μ B
2 3
Ha: μ B ≠ μ B
2 3
Ho: μ B =μ B
1 3
Ha: μ B ≠ μ B
1 3
Hipótesis Nula: para este caso se determina que el efecto del % de polvo de hornear y el %
de Yuca que contiene el cereal no afecta el indice de solubilidad en Leche.
H_0: μ_0,=μ_1……..=μ_n
H_a: μ_0,≠μ_1……..≠μ_n
g. Aplique la prueba de Tukey con un alfa de 0.05, para diferencia entre las medias de
los tratamientos. (30/120)
h. Describa al menos 4 programas o paquetes estadísticos que son utilizados para el
análisis de diseños experimentales. (10 /120)
Como primera medida me gustaría hacer énfasis en dos programas estadísticos que durante
el desarrollo de este trabajo colaborativo pude observar que se complementan de manera
muy dinámica y permiten mejorar la experiencia en mi caso como usuario ya se integraron
de manera inmediata y son:
Infostat:
Este software resulta de gran utilidad para aplicar en el desarrollo y obtención de
información estadística ya que su potente interfaz gráfica permite desarrollar una gran
variedad de gráficos y herramientas para modelación de datos. Una de sus principales
ventajas es que está diseñado para uso académico y por consiguiente resulta de gran
utilidad para los estudiantes, es potente una vez se incorpora de manera dinámica y
automática con el software R aumentando el abanico de posibilidades que ya vienen
incluidas en la versión trial.
Software R:
Resulta ser un paquete estadístico dinámico que permite realizar un gran número de
pruebas estadísticas que incluyen ANOVA y ANCOVA, Posee una interfaz gráfica muy
agradable para el usuario resultando ser una herramienta además de potente y muy fácil de
interactuar, posee herramientas de análisis multivariado, que permite entre otras
aplicaciones Tablas de contingencia, Correlación de Pearson, Correlación Spearman, Tau-
B de Kendall, Regresión lineal, Prueba T bayesiana de muestras independientes, Prueba T
bayesiana de muestras pareadas, Prueba T bayesiana de una muestra, ANOVA bayesiano,
ANCOVA bayesiano, ANOVA bayesiano de medidas repetidas, Regresión Lineal
bayesiana, Mesas de Contingencia bayesiana, Mesas de Correlación bayesiana entre otras.
BIBLIOGRAFIA
Gutiérrez, H. (2012). Análisis y diseño de experimentos. (3a. ed.) McGraw-Hill
Interamericana. (pp 52–61) Recuperado de:
http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=375&pg=