Академический Документы
Профессиональный Документы
Культура Документы
Fábrica 1 2 3 4 5 6 7 8
Antes 55 63 90 47 75 90 73 92
Después 52 60 85 49 65 87 67 85
Fábrica 9 10 11 12 13 14 15 16
Antes 110 33 44 74 60 87 41 15
Después 95 35 47 70 55 75 45 18
1
2 Modelos estadísticos aplicados. Juan Vilar
Una vez introducidas las variables Yantes e Ydespues ; el módulo proporciona resultados
analíticos y grá…cos acerca de la variable diferencia Ydif . Utilizando el test de la t respecto
a la media de una muestra resuelve el contraste H0 : E (Ydif ) = 0:
¿Utilizando directamente los datos de la tabla podría resolverse el problema contras-
tando la hipótesis H0 : E (Yantes ) = E (Ydespues ) ; frente a la alternativa de que las medias
son diferentes?
Si se quiere resolver el problema de esta forma ¿cómo se debe recoger la muestra?,
¿los resultados obtenidos por ambos procedimientos son iguales?, ¿cuál de los dos proce-
dimientos es mejor?
La resolución del problema también puede hacerse por una tabla ANOVA de un modelo
de diseño de experimentos con un factor tratamiento (plan de seguridad ) y un factor-bloque
(fábrica). Se siguen los siguientes pasos:
B1 B2 B3 B4 B5 B6 B7 B8 B9 B10
Níquel 760 0 660 3 680 9 740 7 730 0 720 7 800 0 830 6 610 2 620 6
Cobre 710 6 740 1 700 7 750 4 660 7 650 0 700 8 760 2 660 0 720 0
Hierro 760 4 730 4 690 7 740 7 600 2 610 2 710 7 570 0 580 5 660 3
En este módulo al introducir como variable dependiente “resistencia”y los dos factores:
el factor-tratamiento tipo de soldadura y el factor-bloque lingote, se obtiene un completo
análisis de la varianza que comprende:
- la tabla ANOVA que permite contrastar la in‡uencia de los dos factores;
- la tabla de medias que calcula la media de cada nivel de cada uno de los factores, así
como intervalos de con…anza para las mismas;
- el test de rangos múltiples que permite obtener los grupos homogéneos en ambos
factores y las diferencias signi…cativas entre las medias de dos niveles de un factor, se
pueden utilizar diferentes métodos (LSD, Sche¤é, Tuckey,.. ).
El estudio grá…co que ofrece el módulo es bastante completo:
- el grá…co de puntos y el de medias permiten con…rmar gra…camente las conclusiones
que se deducen de la tabla ANOVA,
- los tres grá…cos de residuos permiten tener idea aproximada acerca del cumplimiento
de las hipótesis básicas del modelo,
- si en el módulo de opciones de analisis se eligen “interacciones de orden 2 ”, se
obtienen grá…cos de interacciones que pueden dar una idea aproximada acerca de la posible
existencia o no de interacciones.
También se puede calcular el l test de Tuckey sobre la no existencia de interacción
aunque con un mayor trabajo ya que el paquete no lo calcula directamente.
Como en el análisis de cualquier modelo estadístico se deben guardar los residuos y
analizar el cumplimeinto de las hipótesis básicas estructurales como se indicó en el capítulo
anterior. El estudio sobre la heterocedasticidad debe hacerse en relación a cada uno de los
dos factores.
4 Modelos estadísticos aplicados. Juan Vilar
? Se introduce la variable dependiente “tiempo”y los dos factores “…chero”y “bu¤ ers”.
? En un primer estudio conviene introducir el factor “réplica” que indica el orden en
el que se repitió el experimento y se estudia el modelo de tres factores sin replicación. Si
el modelo se ha replicado correctamente la tabla ANOVA indicará que el factor “réplica”
no in‡uye.
? En este caso se deshecha el factor “réplica” y se repite el estudio considerando el
modelo de dos factores e interacción entre los dos factores (interacción de orden 2). Se
obtienen conclusiones según los resultados obtenidos.
? Se …naliza con el análisis de residuos.
E1 E2 E3 E4
P1 10 F1 90 5 F2 7 F4 110 5F3
P2 8 F2 10 F1 80 5 F3 9 F4
P3 7 F3 60 5 F4 7 F1 8 F2
P4 6 F4 5 F3 6 F2 9 F1
Desarrollo del Problema 3.4.
Se deben introducir los datos de forma correcta en el …chero, una vez realizado ésto,
se utiliza el análisis anterior, siendo la variable respuesta “tiempo” y los tres factores
“peso”, “edad ” y “fármaco”. Al calcular la tabla ANOVA si alguno de los factores no es
signi…cativo se elimina del modelo y se calcula la nueva tabla ANOVA.
Siendo ^ i = yi y y ^ j = y j y
Factor …la ( ) = Factor-bloque ordenador, i = 1; 2; 3; 4:
Factor columna ( ) = Factor-tratamiento programa, j = 1; 2; 3; 4; 5:
Las predicciones de cada tratamiento (casilla) se calculan utilizando
y^ij = ^ + ^ i + ^ j = yi + y j y ;
se obtiene
Predicciones Prog.1 Prog.2 Prog.3 Prog.4 Prog.5
Ord.1 10 48 10 705 00 055 10 38 10 08
Ord.2 20 10 20 325 00 675 20 00 10 70
Ord.3 10 72 10 945 00 295 10 62 10 32
Ord.4 30 90 40 125 20 475 30 80 30 50
A partir de esta tabla se calculan los residuos
eij = yij y^ij ;
obteniendo la siguiente tabla de residuos
Residuos Prog.1 Prog.2 Prog.3 Prog.4 Prog.5
Ord.1 00 18 00 105 00 455 00 18 00 02
Ord.2 00 10 00 075 00 275 00 00 00 10
Ord.3 00 08 00 245 00 305 00 12 00 02
Ord.4 00 00 00 275 00 475 00 30 00 10
Observar que la suma de los residuos de cada …la y de cada columna es cero.
5
X
scT ( ) = scT (programa) = 4 ^ 2
j
j=1
De donde
scT = scT ( ) + scT ( ) = 180 044 + 60 693 = 240 737:
La variabilidad total es
4 X
X 5
scG = (yij y )2
i=1 j=1
2 2 2 2
= 10 3 10 96 + 10 6 10 96 + : : : + 40 1 10 96 + 30 4 10 96
= 250 688:
Prácticas y problemas de diseño de experimentos. 7
1X X 2
scG = ns2Y = n y y2
n i j ij
0 1
X 4 X5
= @ 2A
yij 20 10 962 :
i=1 j=1
Tabla ANOVA
Efecto Sum cuad. g.l. Varianza estadíst. F p-valor
scT ( ) : ordenador. 180 044 3 s^2 = 60 015 F^ = 750 89 00 000
scT ( ): programa. 60 693 4 s^2 = 10 673 F^ = 210 11 00 000
scT 240 737 7
scR 0 951 12 s^2R = 00 079
0
s^2 10 673
F^ = = = 210 11 F4;12 ? ) p val = 00 000:
s^2R 00 079
Se rechaza la hipótesis nula de no in‡uencia del factor programa.
s^2 60 015
F^ = 2 = 0 = 750 89 F3;12 ? ) p val = 00 000:
s^R 0 079
Se rechaza la hipótesis nula de no in‡uencia del factor ordenador. Ha sido conve-
niente bloquear.
8 Modelos estadísticos aplicados. Juan Vilar
Coe…cientes de determinación.
- Porcentaje de variabilidad explicada por el factor-tratamiento programa
scT ( ) 60 693
R2 ( ) = = 0 = 00 26055 ) 260 055 %:
scG 25 688
- Porcentaje de variabilidad explicada por el modelo
scT
R2 = R2 ( ) + R2 ( ) = = 00 96298 ) 960 298 %:
scG
Si no tiene en cuenta el factor-bloque ordenador se obtiene la siguiente tabla ANOVA
que se deduce de la anterior
(1)
H0 : “el factor programa no in‡uye”: i = 0; j = 1; : : : ; 5;
se obtiene
s^2 10 673
F^ = = = 10 32 2 F4;15 ? ) p val = 00 307
s^2R 10 266
Se acepta la hipótesis nula de no in‡uencia del factor programa, en contradicción con
lo obtenido anteriormente.
A la vista de lo obtenido en este problema, es fundamental controlar los factores
in‡uyentes en la variable respuesta.
Las siguientes grá…cas permiten examinar las hipótesis básicas del modelo:
En la Figura 3.1. se observa el grá…co de residuos frente a predicciones.
En las Figuras 3.2. y 3.3. se presentan los grá…cos de interacciones por cada uno de los
dos factores. De ellos se deduce la no existencia de interacción entre ambos factores.
Prácticas y problemas de diseño de experimentos. 9
(I 1) (J 1) s^2R 2 3 4 00 079 2
2 (I 1)(J 1) ) 2 12
3 4 00 079
50 226 = 2
12 00 05 2
2
12 00 95 = 210 026
00 948 00 948
= 00 045 2
00 181 =
210 026 50 226
Intervalo de con…anza para los efectos (ordenador). Se hace para 2 :
r
2I 1 2 ^2 n
^2 N 2; ) t(I 1)(J 1)
n s^R I 1
r
2 ( 00 82) 20
) t12
00 079 3
r
0 0 2 ( 00 82) 20
) 1 78 = t12 0 95 t12 00 95 = 10 78
00 079 3
10 78
) 2 2 00 82 = 00 82 00 054 = 00 874; 00 766 :
320 68
Intervalo de con…anza para los efectos (programa). Se hace para 3 :
^ r n
^ 2J 1 3 3
3 N 3; ) t(I 1)(J 1)
n s^R J 1
r
( 1 0 085) 20
3
) 0
t12
0 079 4
r
( 1 0 085) 20
3
) 10 78 = t12 00 95 0
t12 00 95 = 10 78
0 079 4
Temperatura
Material Baja Media Alta
130 155 34 40 20 70
M1
74 180 80 75 82 58
150 188 136 122 25 70
M2
159 126 106 115 58 45
138 110 174 120 96 104
M3
168 160 150 139 82 60
Medias
yij Baja Media Alta yi
M1 1340 75 570 25 570 5 830 17
M2 1550 75 1190 75 490 5 1080 33
M3 1440 0 1450 75 850 5 1250 08
yj 1440 83 1070 58 640 17 y = 1050 53
Se calculan los parámetros del modelo utilizando
^ i = yi y ; ^ =yj
j y ; (d)ij = yij yi yj +y ;
se obtiene
Prácticas y problemas de diseño de experimentos. 13
se obtiene
obteniendo
Residuos Baja Media Alta
40 75200 25 230 25170 25 370 5 120 5
M1
600 75 450 25 220 75 170 75 240 5 00 5
50 75 320 25 0
16 25 20 25 24 5 200 5
0
M2
30 25 290 75 130 75 40 75 80 5 40 5
60 0 340 0 280 25 250 75 100 5 180 5
M3
240 0 160 0 40 25 60 75 30 5 250 5
3 X
X 3 X
4
scG = (yijk y )2
i=1 j=1 k=1
1X X X 2
= ns2Y = n y y2 = 77;6470 0:
n i j k ijk
3 X
X 3 X
4 3 X
X 3 X
4
scR = eijk = (yijk y^ij )2 =
i=1 j=1 k=1 i=1 j=1 k=1
Tabla ANOVA
Efecto Sum cuad. g.l. Varianza estadíst. F p-valor
scT ( ) 10;6830 70 2 s^2 = 5;3410 86 70 91 00 002
scT ( ) 39;1180 70 2 s^2 = 19;5590 4 280 97 00 000
scT ( ) 9;6130 78 4 s^2 = 2;4030 44 30 56 00 019
scT 59;4160 18 8
scR 18;2300 7 27 s^2R = 6750 213 s^R = 250 98
scG 77;6470 0 35 s^2Y = 2;2180 48 s^Y = 470 10
Los coe…cientes de determinación que se obtienen son
scT ( ) 10;6830 70
R2 ( ) = R2 (material ) = = = 00 1376 ) 130 76 %:
scG 77;6470 0
scT ( ) 39;1180 70
R2 ( ) = R2 (temperatura) = = = 00 5038 ) 500 38 %:
scG 77;6470 0
scT ( ) 9;6130 78
R2 ( ) = R2 (interacción) = = = 00 1238 ) 120 38 %:
scG 77;6470 0
scT 59;4160 18
R2 = = R2 ( ) + R2 ( ) + R2 ( )= = 00 7652 ) 760 52 %:
scG 77;6470 0
(1)
H0 : “el factor no in‡uye”: i = 0; i = 1; : : : ; 3:
s^2 5;3410 86
F^ = 2 = = 70 91 F2;27 ? ) p val = 00 002:
s^R 6750 213
Se rechaza la hipótesis nula de no in‡uencia del factor material. Hecho que se observa
claramente en el grá…co de medias del factor material,
s^2 19;5590 4
F^ = = = 280 97 F2;27 ? ) p val = 00 000:
s^2R 6750 213
16 Modelos estadísticos aplicados. Juan Vilar
s^2 2;4030 44
F^ = = = 30 56 F2;27 ? ) p val = 00 019:
s^2R 6750 213
Se rechaza la hipótesis nula de no in‡uencia de la interacción de los factores para
niveles superiores a 00 02. Esto se puede observar en los grá…cos de interacciones (respecto
al factor material, Figura 3.8. y respecto al factor temperatura, Figura 3.9.).
Tipo de papel
Letra satinado blanco color
grande 258 A 230 C 240 B
normal 235 B 270 A 240 C
pequeña 220 C 225 B 260 A
donde el factor …la representa al factor tipo de letra, el factor columna representa al
factor tipo de papel y el factor letra (cuadrado latino) representa el factor iluminación.
Es un modelo con tres factores, cada uno de los cuales tiene tres niveles, se supone que no
existen interacciones entre los factores y puede resolverse con solo 32 = 9 observaciones
por medio del diseño fraccional de cuadrado latino.
Se calculan las medias y parámetros del modelo como sigue
y = 242
18 Modelos estadísticos aplicados. Juan Vilar
Medias y estimaciones
yi ^ i = yi y yj ^ =yj y y k ^k = y k y
j
2420 67 0
+0 67 0
237 67 0
4 33 2620 67 +200 67
2480 33 +60 33 2410 67 00 33 2330 33 80 67
2350 00 70 00 2460 67 +40 66 2300 00 120 00
A partir de estos valores se calculan las predicciones
y^ij(k) = ^ + ^ i + ^ j + ^(k) ; i; j = 1; 2; 3;
obteniendo
Predicciones
2590 00 2300 33 2380 67
2350 33 2680 67 2410 00
2180 67 2260 00 2600 33
Los residuos son
eij(k) = yij(k) y^ij(k) ; i; j = 1; 2; 3;
se obtiene
Residuos
10 00 00 33 10 33
00 33 10 33 10 00
10 33 10 00 00 33
Cálculo de las sumas de cuadrados
3 X
X 3 3 X
X 3
2
scR = e2ij(k) = yij(k) y^ij(k)
i=1 j=1 i=1 j=1
= 80 67:
scT ( ) 2680 67
R2 ( ) = R2 (tipo letra) = = = 00 1149 ) 110 49 %:
scG 2;338
scT ( ) 1220 00
R2 ( ) = R2 (papel ) = = = 00 522 ) 50 22 %:
scG 2;338
scT ( ) 1;9380 67
R2 ( ) = R2 (iluminación) = = = 00 8292 ) 820 92 %:
scG 2;338
sgT 2;3290 34
R2 = = R2 ( ) + R2 ( ) + R2 ( ) = = 00 9962 ) 990 62 %:
scG 2;338
Tabla ANOVA
Efecto Sum cuad. g.l. Varianza estadíst. F p-valor
scT ( ) 2680 67 2 s^2 = 1340 33 31 00 031
scT ( ) 1220 00 2 s^2 = 610 00 0
14 08 00 066
scT ( ) 1;9380 67 2 s^2 = 9690 33 2230 69 00 004
scT 2;3290 34 6
scR 80 66 2 s^2R = 40 33 s^R = 20 08
scG 2;3380 0 8 s^2Y = 2920 25 s^Y = 170 09
(1)
H0 : “el factor tipo de letra no in‡uye”: i = 0; i = 1; 2; 3:
s^2 1340 33
F^ = 2 = 0 = 31 F2;2 ? ) p val = 00 031:
s^R 4 33
Se rechaza para niveles de > 00 031 (por ejemplo = 00 05) la hipótesis nula de no
in‡uencia del factor tipo de letra. El grá…co de medias con…rma este hecho.
20 Modelos estadísticos aplicados. Juan Vilar
s^2 610 00
F^ = = = 140 08 F2;2 ? ) p val = 00 066:
s^2R 40 33
Se acepta para niveles de < 00 066 (por ejemplo = 00 05) la hipótesis nula de no
in‡uencia del factor tipo de papel. El grá…co de medias del factor tipo de papel es
s^2 9690 33
F^ = 2 = 0 = 2330 39 F2;2 ? ) p val = 00 004:
s^R 4 33
Prácticas y problemas de diseño de experimentos. 21
Se rechaza para niveles de > 00 004 (por ejemplo = 00 05) la hipótesis nula de no
in‡uencia del factor tipo de iluminación. Esto puede observarse en el grá…co de medias del
factor
Problema 3.9.
“Una empresa desea contrastar si el lunes es el día de la semana en que se presentan
más bajas por enfermedad común. Para ello, en base a los datos de cinco años, se eligen
al azar 10 lunes, 10 martes, 10 miércoles, 10 jueves y 10 viernes, anotando el número de
bajas durante tales días. Los resultados obtenidos son los de la tabla adjunta
22 Modelos estadísticos aplicados. Juan Vilar
Muestreo 1
Día número de bajas por día
Lunes 26 37 22 55 23 38 46 25 25 23
Martes 35 20 28 12 17 17 57 42 25 63
Miércoles 25 40 63 18 62 30 38 23 37 26
Jueves 51 20 30 13 42 28 17 73 25 22
Viernes 30 62 40 15 26 37 52 12 16 25
Muestreo 2
Semana (número de bajas por día)
Día S1 S2 S3 S4 S5 S6 S7 S8 S9 S10
Lunes 40 32 56 65 18 43 30 51 46 38
Martes 32 51 34 35 23 22 45 35 32 58
Miércoles 42 30 29 30 15 30 42 51 31 26
Jueves 20 32 30 40 21 28 46 36 36 22
Viernes 26 27 27 17 23 37 53 22 15 22
3. Utilizando los dos tipos de muestreo ¿existe un día o más en que el número de bajas
por enfermedad común sea signi…cativamente mayor?
4. En ambos casos ¿se veri…can las hipótesis del modelo? En caso negativo, transformar
los datos y recalcular los modelos.
Problema 3.10.
“Se realiza un experimento para investigar el proceso de obtención de la penicilina,
siendo la variable de interés la producción obtenida. El estudio se centra en observar los
resultados de 4 variantes del proceso básico, denominadas tratamientos A, B, C y D. Se
quiere controlar una materia prima importante, el licor de maíz, para ello se utilizan cinco
mezclas de licor de maíz (bloques) con los que se realiza el experimento. Los resultados
observados son los de la tabla adjunta. En base a estos datos ¿in‡uye la variante del
proceso en la producción obtenida? ¿El resultado sería el mismo si no se tiene en cuenta
el tipo de maíz utilizado?”.
Prácticas y problemas de diseño de experimentos. 23
Tratamientos
Bloque A B C D
Mezcla 1 89 88 97 94
Mezcla 2 84 77 92 79
Mezcla 3 81 87 87 85
Mezcla 4 87 92 89 84
Mezcla 5 79 81 80 88
Problema 3.11.
“Un experimento consiste en anotar las décimas de segundo que se tarda en parar el
cronómetro después de ponerlo en marcha. Para ello, se inicializa el cronómetro en 0:00:00,
se pone en marcha pulsando un botón para, después, pararlo pulsando el mismo botón. Se
anota el tiempo que se ha tardado en pararlo, ésto es, el tiempo que aparece indicado en
el cronómetro.
Con este experimento se desea estudiar la in‡uencia en la variable de interés (tiempo que
se tarda en detener el cronómetro en décimas de segundo) de dos factores: el tipo de reloj
utilizado (se han utilizado cuatro relojes: R1, R2, R3 y R4) y de la mano utilizada (derecha
(D) o izquierda (I)).
Todos los datos de este experimento han sido realizados por una sola persona que ha real-
izado cinco réplicas de cada tratamiento. Los datos obtenidos son los de la tabla adjunta.
En base a ellos estudiar la in‡uencia de los factores y analizar la existencia de interacción
entre los dos factores, ¿veri…can los residuos las hipótesis del modelo?”.
Reloj
Mano R1 R2 R3 R4
11 11 10 18 18 16 12 14
Derecha 16 12 20 17 17 20 15 16
11 13 15 16
17 17 30 22 21 25 21 16
Izquierda 11 17 28 22 22 23 18 21
16 20 26 18
Problema 3.12.
“Se ha realizado un experimento para comprobar si existen diferencias signi…cativas
en el tiempo de ejecución entre tres programas que calculan el factorial de un número.
También se desea investigar si in‡uye en la variable de interés el intervalo al que pertenece
el número del que se calcula el factorial.
Los programas utilizados son tres:
- Recfact, que calcula el factorial de forma recursiva.
- Tailfact, calcula el factorial de usando tail-recursion.
- Loopfact, calcula el factorial utilizando un bucle en el que calcula en sucesivas itera-
ciones el producto …nal.
24 Modelos estadísticos aplicados. Juan Vilar
Los intervalos elegidos para hacer el estudio son de longitud cien unidades: [1,100],
[101,200], [201,300], [301,400], [401,500].
En el experimento se generaba para cada uno de los cinco intervalos diez números
aleatorios (diez réplicas) y para cada número se calculaba el tiempo de ejecución de los
tres programas que calculan el factorial.Los datos obtenidos del experimento son los de la
tabla adjunta.
Intervalo
Programa I.1. I.2. I.3. I.4. I.5.
10 6 70 9 170 3 130 3 280 8 350 2 390 9 440 9 510 5 510 7
70 8 110 8 140 7 230 4 310 9 290 2 400 9 440 8 520 6 500 1
Recfact 80 5 40 5 190 0 220 2 320 0 310 0 360 9 390 5 550 1 500 6
50 7 20 8 190 3 140 8 290 9 310 1 460 4 430 1 490 0 560 6
0
82 40 6 240 8 150 0 340 5 260 5 370 5 390 2 490 1 550 9
30 2 110 7 210 5 280 4 460 3 510 6 580 9 680 0 850 6 740 1
100 9 170 0 360 6 270 9 520 6 430 7 550 9 650 2 760 6 840 7
Tailfact 10 7 70 9 250 5 210 6 430 0 390 5 590 6 550 1 780 2 790 6
5 9 110 2
0 220 0 320 8 470 6 440 8 600 2 670 5 830 5 750 8
60 1 110 9 340 5 340 5 460 4 470 8 700 2 610 9 770 6 740 1
100 7 10 7 330 7 210 5 420 5 460 4 530 4 540 5 720 4 760 3
110 0 30 2 270 8 210 0 460 7 410 8 580 7 660 1 740 6 770 4
Loopfact 7 8 110 7
0 240 9 210 1 500 3 430 5 680 3 630 4 820 6 750 8
60 0 110 6 350 8 270 3 380 4 450 1 570 4 570 8 720 2 830 5
50 9 160 7 180 9 320 0 450 2 510 3 650 8 600 4 740 0 810 3
2. ¿Qué modelo estadístico se debe utilizar? ¿Se ajusta bien el modelo propuesto a
los datos? ¿Existe interacción entre los factores?, en caso a…rmativo interpretar la
interacción.
Problema 3.13.
“Se diseña un experimento para estudiar la in‡uencia del “tipo de cinta”(dos niveles)
y del “tipo de impresora”(dos niveles) en la variable “duración de la cinta en horas”. Los
datos se recogen en la tabla adjunta
Prácticas y problemas de diseño de experimentos. 25
Impresora I 1 Impresora I 2
Cinta A Cinta B Cinta A Cinta B
0 0
17 1 15 2 190 4 170 2 0 0
12 3 11 6 150 6 160 1
160 5 160 7 180 9 200 7 130 8 120 1 170 2 180 3
0
14 9 200 1 0
10 8 160 7
Problema 3.14.
“Se realiza un experimento para estudiar el efecto del tipo de material y el tratamiento
empleado en el desgaste de unas piezas mecánicas. Los datos obtenidos son los de la tabla
adjunta. En base a estos datos analizar la in‡uencia de los dos factores (diseño anadidado
o jerarquizado)”.
Material A B C D E
Tratamiento a b a b a b a b a b
Réplica 1 23 30 42 45 37 39 41 44 20 24
Réplica 2 25 31 44 50 38 39 42 49 25 30
Problema 3.15.
“Se realiza un experimento para comparar la energía que se requiere para llevar a
cabo tres actividades físicas: correr, pasear y montar en bicicleta. La variable de interés
es Y =“número de kilocalorías consumidas por kilómetro recorrido”. Se cree que las dife-
rencias metabólicas entre los individuos puede afectar al número de kilocalorías requeridas
para llevar a cabo una determinada actividad y se quiere controlar esta variable extraña.
Para ello se seleccionan ocho individuos al azar y se les pide que hagan las tres actividades
mencionadas. Se mide el número de kilocalorías consumidas por kilómetro obteniendo los
datos de la tabla adjunta. Las actividades se realizan en orden aleatorio con tiempo de
recupeación entre una y otra. ¿Puede pensarse que no in‡uye la actividad realizada en el
número de kilocalorías consumidas?.”
Problema 3.16.
“Se están investigando los efectos que sobre la resistencia del papel produce el por-
centaje de concentración de …bra de madera (hardwood) en la pulpa, la presión del tanque
y el tiempo de cocción de la pulpa. Se seleccionan tres niveles de concentración de madera
y de presión, y dos niveles de tiempo de cocción. Por tanto, los factores son: concentración
porcentual de …bra que se estudia a tres niveles (2, 4 y 8); presión durante el tiempo de
cocción que se estudia a tres niveles (400, 500 y 650); y tiempo de cocción que se estudia
a dos niveles, 3 y 4 horas.
Se realiza un experimento completamente aleatorizado con dos réplicas y se registran
los datos que se recogen en el …chero problema-3-16.