Академический Документы
Профессиональный Документы
Культура Документы
ESTUDIANTE
ARIEL MONTENEGRO LEDESMA
CODIGO 76236899
WILMER ALEXANDER TROCHEZ
CODIGO: 1060869344
ANGELA MARIA BASTIDAS
CODIGO: 1086924576
WILDER ARNEY VELASCO
CODIGO: 1.061535437
GRUPO
30156_9
TUTOR
JUAN CAMILO MENDOZA
1
INTRODUCCION
2
OBJETIVO GENERAL
Realizar el análisis y desarrollo de cada uno de los problemas citados, aplicando los
conceptos de diseño factorial, apoyado en el uso de programas estadísticos.
OBJETIVOS ESPECÍFICOS
aplicando cada uno de los conceptos de formulación de hipótesis
3
Apéndice 4
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.
Un estudiante en la UNAD, viene realizando experimentos sobre la solubilidad de un
extruido tipo cereal para el desayuno. El estudio se encuentra enfocado en determinar el
efecto del polvo de hornear y la proporción de yuca que contiene el producto sobre el índice
de solubilidad en leche (ISL). El trabajo experimental se localizó en la planta piloto de la
ECBTI, en el cual se utilizaron tres concentraciones de yuca y tres concentraciones de
polvo de hornear en la formulación del extruido.
A continuación, se describe la tabla con los resultados para cada uno de los tratamientos,
cada variable de respuesta (ISL) se midió 3 veces.
a. Plantear el modelo estadístico para este diseño, explicar cada uno de los términos en
función del ejercicio (5 /120)
El modelo estadístico de efectos para este tipo de diseño está dado por:
Donde
μ= Media general
4
α i=Efecto debido ali−ésimo nivel de factor A
ε ijk=Error aleatorio
5
En nuestro ejercicio tenemos
Factor A=Concentración
a=3
b=3
n=3 →replicas
2 2 2 2 2 2 2 2 2 2 2 2 2
S CT =( 10,21 +10,64 +10,85 +12,53 +12,5 +12,39 +14,79 +14,85 + 15,21 +10,67 +10,75 +10,82 +12,26
S CT =4960,2225−4829,1107=131,1118
S C A =4841,4343−4829,1107
S C A =12,3236
6
S C B=4943,4276−4829,1107
S C B=114,3169
( 31,7 2+ 37,422+ 44,852 +32,242 +38,152 +48,19 2+34,57 2+ 43,222+ 50,752 ) 361,092
S C AB = − −12,3236−114,316
3 27
14872,4009
S C AB = −4829,1107−12,3236−114,3169
3
S C AB =1,7158
S C E=S C T −S C A −S C B −S C AB
S C E=131,1118−12,3236−114,3169−1,7158
S C E=2,7555
En Factor A
GL A =a−1=3−1=2
En Factor B
GL B=b−1=3−1=2
Interacción AB
Error
Total
G LT =abn−1= (3 )( 3 )( 3 ) −1=27−1=26
S C A 12,3236
C M A= = =6,1618
G LA 2
Factor B
S C B 114,3169
C M B= = =57,1585
G LB 2
Interacción AB
S C AB 1,7158
C M AB= = =0,4290
G LAB 4
Error
S C E 2,7555
C M E= = =0,1531
G LE 18
Cálculos de valor F 0
Factor A
A C M A 6,1618
F0 = = =40,25
C M E 0,1531
Factor B
B C M B 57,1585
F0= = =373,34
C M E 0,1531
Factor AB
AB C M AB 0,4290
F0 = = =2,80
C M E 0,1531
Cálculo de valor-p
8
A la derecha de F 0A=40,25
¿ DISTR . F ( 40.25 ,2 , 18 )
A la derecha de F B0 =373,34
¿ DISTR . F ( 373.34 ,2 , 18 )
A la derecha de F 0AB=2,80
¿ DISTR . F ( 2.80 , 4 , 18 )
El valor-p es 0,0572
9
Completamos la tabla ANOVA.
Suma de
Fuente de Grados de Cuadrado F0
cuadrado valor-p
variación libertad s medios
s
Factor A 12,3236 2 6,1618 40,25
Factor B 114,3169 2 51,1585 373,34
Interacción AB 1,7158 4 0,429 2,8
Error 2,7555 18 0,1531
Total 131,1118 26
Para el Factor A.
Criterio valor-p
El Valor− p=2,2722 x 10−7 es mucho menor a la significancia prefijada
∝=0,05
se rechaza H 0 ,con lo cual se concluye que sí hay diferencia o efectos de la
concentración de la yuca sobre el índice de solubilidad de leche (ISL)
Criterio F 0
Comparar el estadístico de prueba contra un numero critico de tablas.
El valor crítico para una significancia de ∝=0,05
F 0.05 ,2 ,18=3,55
10
Tenemos que
F 0=43,038> F 0.05 ,2 , 18=3,55
Para el Factor B.
Criterio valor-p
El Valor− p=2,2189 x 10−15 es mucho menor a la significancia prefijada
∝=0,05
se rechaza H 0 ,con lo cual se concluye que sí hay diferencia o efectos de la concentración
del polvo de hornear sobre el índice de solubilidad de leche (ISL)
Criterio F 0
Comparar el estadístico de prueba contra un numero critico de tablas.
El valor crítico para una significancia de ∝=0,05
F 0.05 ,2 ,18=3,55
11
Tenemos que
F 0=373,34> F 0.05 ,2 , 18=3,55
Criterio valor-p
El Valor− p=0,0572es mayor a la significancia prefijada
∝=0,05
No se rechaza H 0 ,con lo cual se concluye que no hay evidencia suficiente para afirmar que
la interacción de la concentración de la yuca y polvo de hornear tiene efecto sobre sobre el
índice de solubilidad de leche (ISL)
Criterio F 0
Comparar el estadístico de prueba contra un numero critico de tablas.
El valor crítico para una significancia de ∝=0,05
F 0.05 ,4 , 18=2,93
12
Tenemos que
F 0=2,80< F 0.05 ,2 ,18=2,93
No se rechaza H 0 ,con lo cual se concluye que no hay evidencia suficiente para afirmar que
la interacción de la concentración de la yuca y polvo de hornear tiene efecto sobre sobre el
índice de solubilidad de leche (ISL)
f. Realice las hipótesis para la comparación de las medias para los tratamientos de la
investigación. (10 /120)
Para el factor B
H 0 : μ B 1=μ B 2 H 0 : μB 1=μB 3 H 0 : μB 3 =μ B 2
; ;
H A : μ B 1 ≠ μ B 2 H A :μ B 1 ≠ μ B 3 H A : μ B 3 ≠ μ B 2
13
g. Aplique la prueba de Tukey con un alfa de 0.05, para diferencia entre las medias de
los tratamientos. (30/120)
CME
T ∝=q∝ (ab , ab( n−1))
√ n
Donde:
C M E=Cuadrado medio del error
n=Número de replicas
q ∝ ( ab , ab(n−1))=Punto porcentual de latabla rango estudentizado
Para el Factor A
Vamos a aplicar la prueba para nuestro caso.
0,1531
T 0.05=q 0.05 ( 9 , 18 )
√ 3
0,1531
T 0.05=4,96
√ 3
=1,120
113,97
μA 1= =12,66
9
14
118,58
μA 2= =13,18
9
128,54
μA 3= =14,28
9
Diferencia Diferencia muestral Prueba de Decisión
poblacional Tukey
μ A 1 −μ A 2 |12,66−13,18|=0,52 0,52<1,120 No Significativa
μ A 1 −μ A 3 |12,66−14,28|=1,62 1,62>1,120 Significativa
μ A 2 −μ A 3 |13,18−14,28|=1,1 1,1<1,120 No Significativa
μ A 2 =μ A 3
No hay diferencia entre las medias muestrales de los tres niveles del Factor A
Para el factor B
0,1531
T 0.05=4,96
√ 3
=1,120
98,51
μ B 1= =10,95
9
118,79
μ B 2= =13,20
9
143,79
μ B 3= =15,98
9
Diferencia Diferencia muestral Prueba de Decisión
poblacional Tukey
μ B 1−μB 2 |10,95−13,20|=2,25 2,25>1,120 Significativa
μ B 1−μB 3 |10,95−15,98|=5,03 5,03>1,120 Significativa
μ B 2−μB 3 |13,20−15,98|=2,78 2,78>1,120 Significativa
15
h. Describa al menos 4 programas o paquetes estadísticos que son utilizados para el
análisis de diseños experimentales. (10 /120)
Software R:
Cualquier usuario puede descargar y crear su código de manera gratuita, sin restricciones de
uso, la única regla es que la distribución siempre sea libre (GPL).
NCSS:
• Listas de aleatorización
• Diseños equilibrados de bloques incompletos
• Diseños factoriales fraccionados
• Diseños latinos cuadrados
• Diseños de superficie de respuesta
• Diseños de cribado
• Diseños de Taguchi
• Diseños de dos niveles
• Generador de diseño
• Diseños D-Optimal
• Análisis de diseños de dos niveles.
• Regresión de superficie de respuesta
16
Minitab: Minitab ofrece cinco tipos de diseños: diseños de cribado, diseños factoriales,
diseños de superficie de respuesta, diseños de mezcla y diseños de Taguchi (también
llamados diseños robustos de Taguchi).
Los pasos que debe seguir en Minitab para crear, analizar y visualizar un experimento
diseñado son similares para todos los tipos. Una vez realizado el experimento e ingresados
los resultados, Minitab proporciona varias herramientas analíticas y gráficas para ayudarle a
entender los resultados.
SPSS: SPSS se utiliza para una amplia gama de análisis estadísticos, como las estadísticas
descriptivas (por ejemplo, medias, frecuencias), las estadísticas bivariadas (por ejemplo,
análisis de la varianza, prueba t), regresión, el análisis de factores, y la representación
gráfica de los datos.
La base del software estadístico SPSS incluye estadísticas descriptivas como la tabulación y
frecuencias de cruce, estadísticas de dos variables, además pruebas T, ANOVA y de
correlación. Con SPSS es posible realizar recopilación de datos, crear estadísticas, análisis
de decisiones de gestión y mucho más
17
CONCLUCIONES
Importante entender que dentro de los experimentos interviene el estudio de los efectos de
dos o más factores, es así como los diseños factoriales son los de mayor eficiencia para este
tipo de experimentos en el caso inicialmente citado sobre el experimento sobre la
solubilidad de un extruido tipo cereal para el desayuno. El estudio se encuentra enfocado en
determinar el efecto del polvo de hornear y la proporción de yuca que contiene el producto
sobre el índice de solubilidad en leche . Esto con el fin de entender la conceptualización de
diseño factorial en que cada ensayo o replica completa del experimento se investiga todas
las combinaciones posibles de los niveles de los factores
18
BIBLIOGRAFIAS
19