Академический Документы
Профессиональный Документы
Культура Документы
EXPERIMENTOS
Profesor: Ing. Joaqun Garca
Curso: ESTADISTICA III GRUPO D1
Horario: MIERCOLES Y VIERNES 10 A 12 AM
ESCUELA DE ESTUDIOS
INDUSTRIALES Y
EMPRESARIALES
Ing. M.Sc. Joaquin Garcia. UIS
La Estadstica en la
experimentacin.
INVESTIGACION CIENTIFICA:
La estadstica , y en particular el
diseo de experimentos son
consideradas como tcnicas que
deben incorporarse al desarrollo
del proceso investigativo
Ing. M.Sc. Joaquin Garcia. UIS
La estadstica y el
mtodo cientfico
3.
4.
5.
6.
7.
8.
QUE ES UN EXPERIMENTO
CLASES DE EXPERIMENTOS
1.
2.
Absolutos
Comparativos
1.
EXPERIMENTOS ABSOLUTOS:
Su objetivo es la determinacin de
propiedades absolutas de un conjunto de
objetos.
Por ejemplo: la determinacin del numero de
escarabajos en una regin.
2.
EXPERIMENTOS COMPARATIVOS:
Su objetivo es establecer comparaciones entre
objetos que reciben tratamientos diferentes.
Por ejemplo: la potencia de una droga puede
establecerse comparndola con las de otras
drogas , incluyendo controles.
Ing. M.Sc. Joaquin Garcia. UIS
a.
b.
10
11
Tratamiento: Un tratamiento es un
determinado nivel asignado a un determinado
factor durante un experimento, por ejemplo
temperatura a 800 grados. Una combinacin de
tratamientos es un conjunto de niveles para
todos los factores en un experimento
determinado. Por ejemplo, un experimento que
utiliza una temperatura de 800 grados, el
operario a , la maquina numero 3 y desconectada
, constituira una combinacin de tratamientos.
Ing. M.Sc. Joaquin Garcia. UIS
12
13
14
15
16
17
18
19
20
PASOS IMPORTANTES EN LA
ESCOGENCIA DEL DISEO
1.
2.
3.
21
22
2.
3.
23
4.
5.
24
6.
7.
25
1.
2.
3.
EN CONCLUSION
las primeras cuatros fases exigen un trabajo
mental del experimentador y son
fundamentales para el xito del proyecto.
La recoleccin de datos (fase cinco) no debe
iniciarse antes de haber respondido
satisfactoriamente las siguientes preguntas:
Cual es el objetivo principal del proyecto de
investigacin
Que tipo de datos van a obtenerse
Que diferencias en los resultados promedios
de los tratamientos se consideran
importantes
Ing. M.Sc. Joaquin Garcia. UIS
26
4.
5.
6.
7.
8.
27
Capitulo 2
ANALISIS DE VARIANZA
INTRODUCCION
28
EJERCICIO
La fabrica National Computer Products (NCP)
fabrica impresoras en las plantas de Atlanta ,
Dallas y Seattle, Estados unidos . Para
evaluar los conocimientos de sus empleados
acerca de la administracin de calidad total
se tomo una muestra aleatoria de seis
empleados en cada planta y se les someti a
un examen de conciencia de la calidad.
Las calificaciones de esos 18 empleados se
presentan en la siguiente tabla:
29
Observaci
n
Planta 1
Atlanta
Planta 2
Dallas
Planta 3
Seattle
85
71
59
75
75
64
82
73
62
76
74
69
71
69
75
85
82
67
Media de la
muestra
79
74
66
Varianza de
la muestra
34
20
32
Desviacin
estndar de
la muestra
5.83
4.47
5.66
30
Sean :
u1: media de la calificacin en el examen para
la poblacin empleados de la planta de Atlanta.
u2: media de la calificacin en el examen para
la poblacin empleados de la planta de Dallas.
u3:media de la calificacin en el examen para
la poblacin empleados de la planta de Seattle.
Se desea probar la siguiente hiptesis:
Ho: u1 = u2 = u3
H1: No todas las medias poblacionales son
iguales
31
IDENTIFICACION DE
CONCEPTOS
32
2.
3.
33
PERSPECTIVA CONCEPTUAL
x3
u x2 x1
Grafico 1
Si las medias de las tres poblaciones son iguales , cabe
esperar que las tres medias de las muestras se
aproximen entre si.
Si es verdadera , la hipotesis nula , Ho: u1 = u2 = u3 ,
se puede utilizar la variabilidad entre las medias de la
muestra para determinar un estimado de 2
Ing. M.Sc. Joaquin Garcia. UIS
34
35
Sx2
Como x2 = 2 / n, al despejar
se obtiene:
2 = n x 2
Ing. M.Sc. Joaquin Garcia. UIS
36
Estimado de 2 = n (Estimado de x2 ) =
n Sx2 = 6(43) = 258
Estimado de 2 entre tratamientos
37
X3 u3
u2 X2
X1 u1
38
39
40
41
En resumen, la racionalidad
del anlisis de varianza se
basa en el calculo de dos
estimados independientes de
la varianza poblacional 2
comn.
42
ANALYSIS OF VARIANCE
.1
y
11
y
21
y
31
.
y
r1
.2
y
12
y
22
y
32
.
y
r2
.3
y
13
y
23
y
33
.
y
r3
Ing. M.Sc. Joaquin Garcia. UIS
...
...
...
.
...
.k
y
1k
y
2k
y
3k
.
y
rk
43
y
11
y
21
y
31
.
y
r1
y
12
y
22
y
32
.
y
r2
y1
y
13
y
23
y
33
.
y
r3
y3
y2
Y
T
T j
ij
,n
...
...
...
.
...
y
1k
y
2k
y
3k
.
y
rk
yk
r j ,Y j T j / r j
,Y T / n
Ing. M.Sc. Joaquin Garcia. UIS
44
j = .j -
Ing. M.Sc. Joaquin Garcia. UIS
45
.j
j ij
Yij
46
j
j ij
Yij
47
Ho: 2 = 0
j distribuidos como N(0, 2)
Ing. M.Sc. Joaquin Garcia. UIS
48
EQUACION FUNDAMENTAL
j i(yij -y..)2= j i rj (y.j -y..)2 + j i (yij -y.j)2
SStotal = SStratamientos + SSerror
CUADRADO MEDIO
MStratamientos = SStratamientos / (k-1)
MSerror = SSerror/(n - k)
Ing. M.Sc. Joaquin Garcia. UIS
49
50
SS* = j iYij2
FC = 2 / n
(factor correcion )
SStotal = SS* - FC
SSerror = SStotal - SStratamient
Ing. M.Sc. Joaquin Garcia. UIS
51
j i rj (y.j .. )2 = 516
MStratamient
= SStratamient/(k-1) =
516 / 2 = 258
Ing. M.Sc. Joaquin Garcia. UIS
52
53
Estadstico de prueba:
F= MSTR/MSE
54
55
56
TABLA DE ANALISIS DE
VARIANZA
Fuente de
variacion
Suma de Grados
cuadrado
de
s
libertad
Cuadrado
Promedio
9.00
Tratamientos
516
258.00
Error
430
15
28.67
Total
946
17
57
CAPITULO 3
DISENO UNIFACTORIAL
COMPLETAMENTE
ALEATORIZADO
Yij = + j + ij
j = 1,2, ..., k; i = 1,2, ..., r
j = .j -
Ing. M.Sc. Joaquin Garcia. UIS
58
Y.j= j yij
y.j= y.j / n
j=1, 2, ..K
el tratamiento j-simo.
y..= j i yij
y..= y.. / n
59
-------- =
K
Ing. M.Sc. Joaquin Garcia. UIS
60
j = 0
= =....
0 para al menos una j
1
61
Ecuacin fundamental
j i(yij -y..)2 = * j i rj
rj debido a
Cuadrado medio
tratamientos
MStratamient = SStratamient/(k-1)
Cuadrado medio debido al error
MSerror = SSerror/(n-k)
Ing. M.Sc. Joaquin Garcia. UIS
62
Suma de
cuadrados
Entre los
Tratamientos
j i rj (y.j -y..)
Error
(Dentro de
los
tratamientos
)
Total
Grados Cuadrad
de
o
liberta Promedi
d
o
K-1
MStreatm
n-k
MSerror
j i(yij -y..)2
n -1
MStr /MSE
63
SStotal
j i yij 2 y.. 2 / n
SStratamient
64
2.
65
66
3.
PRUEBA DE COCHRAN
Proporciona un procedimiento de clculos ms
simples, pero que se restringe a situaciones
en las cuales los tamaos muestrales son
iguales.
El estadstico que se utiliza est dado por:
El mayor Sj2
G = ------------------
j 1
S j2
67
68
Mezcla (%)
Total
Media
551
595
639
417
563
457
580
615
449
631
450
508
511
517
522
731
583
573
438
613
499
633
648
415
656
632
517
677
555
679
3320
3416
3663
2791
3664
16.854
varianz 12.134
a
2303
3594
3319
3455
69
S12 :12134
3455
S22 :2303
Por lo tanto:
S32 :3594
S42 :3319
S52 :
70
EJERCICIO
71
Peso
porcentu
al del
algodn
Resistencia a la tensin
observada
(lb./pulg.)
Promedi
os
Y.j
Totales
Yj
15
15
11
49
9,8
20
12
17
12
18
18
77
15,4
25
14
18
18
19
19
88
17,6
30
19
25
22
19
23
108
21,6
35
10
11
15
11
54
10,8
y..=376
y..=15.0
4
72
Hiptesis a probar:
Ho: 1= 2= 3= 4= 5
H1: Algunas medias son diferentes
Las sumas de cuadrados requeridas se
calculan as:
SStotal
i j yij 2 y.. 2 / n
= (7) + (7) + (15) +. + (15) +
(11) - (376)/25 = 636.96
Ing. M.Sc. Joaquin Garcia. UIS
73
SStreatment
74
Estadstico de prueba:
F= MSTR/MSE
75
76
475.76
118.94
Error
161.20
20
8.06
Total
636.96
24
Ing. M.Sc. Joaquin Garcia. UIS
Valor P
14.76
<0.01
77
78
C=
k
j 1
cjY .j
donde:
k
j 1
cj 0
79
c
d
0
j
j
j 1
k
j 1
n jc jd j 0
80
EJEMPLO
81
HIPOTESIS
Ho:
Ho:
Ho:
Ho:
4= 5
1+3= 4+ 5
1= 3
42= 1 + 3 + 4 + 5
CONTRASTES
C1=
- y4. + y5.
C2= y1.
+ y3. - y4. - y5.
C3= y1.
- y3.
C4= -y1. + 4y2. - y3. - y4. - y5.
Ing. M.Sc. Joaquin Garcia. UIS
82
C = j (cj * yj.)
83
Peso
porcentu
al del
algodn
Resistencia a la tensin
observada
(lb./pulg.)
Promedi
os
Y.j
Totales
Yj
15
15
11
49
9,8
20
12
17
12
18
18
77
15,4
25
14
18
18
19
19
88
17,6
30
19
25
22
19
23
108
21,6
35
10
11
15
11
54
10,8
y..=376
y..=15.0
4
84
C2= +1(49)
+1(88) -1(108)-1(54)= -25
SSC2= (-25)/5(4) = 31.25
-1(108)+1(54)= -54
SSC1= -(54)/5(2)=291.60
C3= +1(49)
-1(88)
SSc3 =(-39)/5(2) =152.10
= -39
85
Fuente de
Variacion
Suma de
cuadrados
Grados
de
liberta
d
Peso
porcentual
del algodon
475.76
118.94
14.76
<0.001
Cuadrado
medio
Fo
Valor P
Contrastes ortogonales
C1: 4= 5
(291.60)
291.60
36.18
<0.001
C2: 1+3=
4+ 5
(31.25)
31.25
3.88
0.06
C3: 1= 3
(152.10)
152.10
18.87
<0.001
C4: 42= 1
+ 3 + 4 +
5
(0.81)
0.81
0.10
0.76
ERROR
161.20
20
8.06
TOTAL
636.96
24
Ing. M.Sc. Joaquin Garcia. UIS
86
87
1.
2.
88
3.
MSerror
Sy. j
n
(1)
(
1
/
n
j)
j 1
89
4.
5.
90
6.
91
92
1.
EJEMPLO
y1.= 9.8
y5.= 10.8
y2.= 15.4
y3.= 17.6
y4.= 21.6
Ing. M.Sc. Joaquin Garcia. UIS
93
2.
3.
Sy.j
4.
8.06
1.27
5
r0.05(4,20)= 3.18
r0.05(5,20)= 3.25
Ing. M.Sc. Joaquin Garcia. UIS
94
5.
95
6.
96
97
Prueba de Tukey
(Y max Y min )
MS error
n
99
MS error
T Q ( k,f ) n
(1)
100
EJEMPLO
T 4.23
0.05
8.06
5.37
5
101
102
103
Yij = + j + ij
j = 1,2, ..., k; i = 1,2, ..., n
j = .j -
VAR(Yij) = 2 + 2
Ing. M.Sc. Joaquin Garcia. UIS
104
2 = 0
H1: 2 > 0
Ho :
105
Estadstico de prueba:
F= MSTR/MSE
(1)
E[MStrat]= 2 + n 2
E[MSerror]= 2
Ing. M.Sc. Joaquin Garcia. UIS
106
107
BLOQUES
108
BLOQUES COMPLETOS
ALEATORIZADOS
109
Blocks
1
2
3
y 11
y 21
y 31
y 12
y 22
y 32
y 13
y 23
y 33
... y 1k
... y 2k
... y 3k
y n1
y n2
y1
y2
y n3
y3
.
.
... y nk
yk
y1
y2
y3
y n
y
110
= efecto comn
i. = media de bloque i
.j = media de tratamiento j
i = efecto de bloque i
j = efecto de tratamiento j
ij = error
Ing. M.Sc. Joaquin Garcia. UIS
111
Yij = + j + ij (one-way)
i + ij (two-way)
112
MODELO ESTADISTICO
Yij = + i + j + ij
i = i. -
j = .j -
ij = Yij - i. - .j +
i = 1,2,...,b; j = 1, 2,...,k
113
hiptesis a probar :
Ho: 1 = 2 =. . . = j = 0
H1: j 0 para al menos un k
114
115
Y..)2
i j (
Yi. - Y
..)2
+ i j ( Y .j -
Y ..)2
+ i j (Yij -
Yi.
Y.j + Y.. )2
116
117
SStotal
SStreatment
SSblock
i j yij 2 y.. 2 / n
1/b j y.j 2 y.. 2 / n
118
Si los tratamientos
E[MSblock] = 2 + k i i2/(b-1)
E[MStreatment] = 2 + b j j2/(k-1)
E[MSerror] = 2
119
Si
Ho: j = 0
120
Si
Ho: i = 0
121
Fuente de
variacin
Suma de
cuadrado
s
Grados
de
libertad
Cuadrado
medio
Fo
Tratamiento
s
SSTRA
K-1
SStrat / k-1
MSTra/Mse
Bloques
SSBloques
B-1
SSbloq / b-1
Error
SSe
(k-1)(b1)
SSe / (k-1)(b1)
Total
SSt
n-1
Ing. M.Sc. Joaquin Garcia. UIS
122
Ejemplo
123
Y.j
-2
-1
-1
-2
-3
-1
-2
15
Yi.
-4
-3
18
20= y..
124
i j yij 2 y.. 2 / n
125
Fuente de
variacion
Suma de
cuadrad
os
Tratamiento
s (tipo de
punta)
38.50
12.83
Bloques
(ejemplares)
82.50
27.50
Error
8.00
0.89
Total
129.00
15
Ing. M.Sc. Joaquin Garcia. UIS
Fo
Valor p
14.4
4
0.0009
126
UTILIZANDO
127
128
129
Yij = + i + j + ij
SStotal
i j yij 2 y.. 2 / N
130
SSblock
SStreat (corregida) = t j Qj / k
Ing. M.Sc. Joaquin Garcia. UIS
131
132
Fuente de
variacin
Suma de
cuadrados
Tratamiento
s
SSTrat(corregida
)
K-1
SStrat(corregida) /
Bloques
SSBloques
b-1
SSbloq / b-1
Error
SSe(por
sustraccin)
N-k-b+1
SSe / n-k-b+1
SSt
N -1
Total
Cuadrado
medio
k-1
Fo
MSTra(corregida)/
Mse
133
EJEMPLO
cuatro
procedimiento
catalizadores
experimental
consiste
El
en
de
reaccin.
Los
datos
obtenidos
se
134
73
74
71
218
75
67
72
214
73
75
68
216
75
72
75
222
Yi.
221
224
207
218
870= y..
135
= 2
t=3
Anlisis de Datos:
SStotal = i j yij 2 y.. 2 / 12
= 63.156- (870)/12 = 81.00
1/3 i y.i 2 y.. 2 / 12
= 1/3[(221)+ (207) + (224) + (218)](870)/12
= 55.00
Ing. M.Sc. Joaquin Garcia. UIS
SSblock
136
137
=3[(-9/3)+(-7/3)+(-4/3) + (20/3)] /
= 22.75
138
Fuente de
variacion
Suma de
cuadrad
os
Tratamientos
(ajustados para
los bloques)
22.75
7.58
Bloques
(ejemplares)
55.00
Error
3.25
0.65
Total
81.00
11
Ing. M.Sc. Joaquin Garcia. UIS
Fo
Valor p
11.6
6
0.0107
139
QUE
P ES PEQUEO ,
EL
CATALIZADOR
140
141
1
2
3
4
A
B
B
A
C
D
D
C
C
D
D
C
A
B
B
A
142
143
DISEO DE CUADRADOS
LATINOS
yijl l j i ijl
fila
columna
tratamiento
144
yijl l j i ijl
l = 1 , 2 , 3 k
J = 1 , 2 , 3 .. k
i = 1 , 2 , 3 .. K
EL MODELO ES ADITIVO ; ES DECIR NO
EXISTE INTERACCIONES ENTRE FILAS Y
COLUMNAS Y TAMPOCO ENTRE STAS Y LOS
TRATAMIENTOS.
Ing. M.Sc. Joaquin Garcia. UIS
145
Fo = MSTratamientos/MSE
Que se distribuye como F
k-1,(k-2)(k-1)
bajo Ho
146
SStotal
i j l yijl 2 y 2 / n
SStreatment
1/k j y..j 2 y 2 / n
SScolumnas
1/k i y..i2 y 2 / n
147
Suma de
cuadrado
s
Grados
de
libertad
Cuadrado
medio
Fo
Tratamiento
s
SSTRA
K-1
SStrat / k-1
MSTra/Mse
filas
SSfilas
K-1
SSfilas / k-1
Columnas
SScolumnas
k-1
SScolumnas / k1
Error
SSe
(k-2)(k1)
SSe / (k-2)(k1)
Total
SSt
k - 1
Ing. M.Sc. Joaquin Garcia. UIS
148
EJEMPLO
149
Y..l
Camadas
1
736 (C)
587 (E)
811 (B)
757 (A)
577 (E)
686 (E)
Yi..
3694
761 (B)
3676
3620
590 (E)
809 (B)
3471
751 (C)
822 (A)
3512
3360
920 (C)
635 (B)
725 (E)
4024
3553
3383
3681
18823= y
150
Fuente de
variacion
Suma de
cuadrad
os
Tratamientos
(dietas)
50.812
12703
Filas
52424
13106
columnas
14088
3522
Error
150424
12
12535
Total
267748
24
Ing. M.Sc. Joaquin Garcia. UIS
Fo
Valor p
1.01
0.44
151
ENTRE
LAS
DIETAS
DEDUCE
QUE
NO
HAY
SIGNIFICANCIA
ESTADISTICA
152
153
154
DISEOS FACTORIALES
155
DISEOS FACTORIALES
157
yijl j i ( ) i j ijl
l = 1 , 2 , 3 n
J = 1 , 2 , 3 .. a
i = 1 , 2 , 3 .. b
Se supone que ambos efectos son fijos
Ing. M.Sc. Joaquin Garcia. UIS
158
hiptesis a probar :
Ho: 1 = 2 =. . . = a = 0
H1: al menos una j 0
Ho: 1 = 2 =. . . = b = 0
H1: al menos una i 0
Ing. M.Sc. Joaquin Garcia. UIS
159
160
Suma de
cuadrado
s
Grados
de
libertad
Cuadrado
medio
Fo
Tratamientos A
SSA
a-1
SSA / a-1
MSA/Mse
Tratamientos B
SSB
b-1
SSB / b-1
Interaccin
SSAB
(a-1)(b-1)
SSAB / (a-1)(b-1)
Error
SSe
ab(n-1)
Total
SSt
abn -1
MSB/Mse
MSAB/Mse
SSe / ab(n-1)
161
Ejemplo:
162
1
FACTOR(A) MATERIAL
130
74
155
180
34
80
40
75
20
82
70
58
150
159
188
126
136
106
122
115
25
58
70
45
138
168
110
160
174
150
120
139
96
82
104
60
539
623
576
1738
229
998
230
479
583
1300
198
1501
342
1291
Ing. M.Sc. Joaquin Garcia. UIS
770
3799
163
FUENTES DE
VARIACION
SUMA DE
CUADRADOS
GRADOS DE
LIBERTAD
C.MEDIO
FO
TIPO DE MAT.
10683.72
5341.86
7.91 >
3.35
TEMPERATUR
39118.72
19559.36
28.97 >
3.35
INTERACCION
9613.77
2403.44
3.56 >
2.73
ERROR
18230.75
27
675.21
TOTAL
77646.96
35
164
165
CONCLUSIONES:
166
Diseo Factorial 2k
167
Diseo Factorial 2k
Debido a que slo hay dos niveles para cada factor, debe
suponerse que la respuesta es aproximadamente lineal en
el intervalo de los niveles elegidos de los factores.
Ing. M.Sc. Joaquin Garcia. UIS
168
Diseo Factorial 2k
169
Diseo Factorial 2k
Matriz de Diseo para 3 Factores
Design Point
1
2
3
4
5
6
7
8
Factor 1
Level
+
+
+
+
Factor 2
Level
+
+
+
+
Factor 3
Level Response
O1
O2
O3
O4
+
O5
+
O6
+
O7
+
O8
O1 O4 O3 O6 O5 O8 O7
4
171
Si el
efecto de alguno de los factores
depende del nivel de cualquier otro factor, se
dice que estos factores interactan
El grado de
interaccin (two-factor
interaction effect) entre dos factores i y j
est definido como:
1 (O4 O3 ) ( O8 O7 ) ( O2 O1 ) ( O6 O5 )
e12
2
2
2
172
Minimum Maximum
Value
Value
20
40
15
50
173
Response
135.6
128.2
121.7
131.5
174
5.3
2
2
12
.
2
2
ePT
8.6
2
Ing. M.Sc. Joaquin Garcia. UIS
175
176
177
Observemos
que
los
efectos
principales
e
interacciones calculados en el ejemplo previo son
variables aleatorias. Para determinar si los efectos son
realmente significativos o si su cambio se debe a
fluctuaciones aleatorias deberamos calcular los
efectos principales e interacciones varias veces (10 o
ms) y construir un intervalo de confianza para cada
efecto principal e interaccin.
178
179
180
EJEMPLO
181
N de
corrida
FACTOR
Etiqueta
de la
corrida
ndice
de
filtraci
n
(1)
45
71
48
ab
65
68
ac
60
bc
80
abc
65
43
10
ad
100
11
bd
45
12
abd
104
13
cd
75
14
acd
86
15
bcd
70
16
abcd
96
+ Garcia. UIS
+
Ing. M.Sc. Joaquin
182
EFECTO
CUADRADOS
PORCENTUAL
21,625
1870,56
32,6397
3,125
30,0625
0,681608
9,875
390,062
6,806
14,625
855,563
14,92
AB
0,125
0,0625
0,001
AC
-18,125
1314,06
22,92
AD
16,625
1105,56
19,29
BC
2,375
22,5625
0,39
BD
-0,375
0,5625
0,009
CD
-1,125
5,0625
0,088
ABC
1,875
14,0625
0,245
ABD
4,125
68,0625
1,187
ACD
-1,625
10,5625
0,184
BCD
-2,625
27,5625
0,480
ABCD
1,375
7,5625
0,1319
183
Grados
de
libertad
Cuadrad
o medio
Fo
Valor P
1870,56
1870,56
83,36
0,0001
390,06
390,06
17,38
0,0001
855,56
855,56
38,13
0,0001
AC
1314,06
1314,06
58,56
0,0001
AD
1105,56
1105,56
49,27
0,0001
CD
5,06
5,06
ACD
10,56
10,56
Error
179,52
22,44
Total
5730,94
15
Ing. M.Sc. Joaquin Garcia. UIS
184
FACTORIAL INCOMPLETO O
FRACCIONARIO
Fundamento del diseo: cuando la funcin
respuesta que se estudia es continua, pueden
eliminarse puntos intermedios de experimentacin
sin que se afecte el ajuste.
185
USOS Y VENTAJAS
187
exp 1
1x2
1x3
1x4
2x3
2x4
3x4
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
+
+
+
+
+
+
+
+
-
+
+
+
+
+
+
+
+
-
+
+
+
+
+
+
+
+
-
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
-
+
+
+
-
+
+
+
+
+
+
+
+
-
123
=4X5
+
+
-
134
=2X5
+
+
+
+
234
= 1X5
+
+
+
+
+
-
1234
=5
+
-
188
+
+
+
+
+
+
+
+
-
2+
1345
+
+
+
+
+
+
+
+
-
5+ 12 +
1234 345
+
+
+
+
+
+
+
+
-
+
+
+
+
+
+
+
+
-
+
+
+
+
-
+
+
+
+
+
+
+
+
13 +33 14 +
245 235
+
+
+
+
-
+
+
23 + 24 +
145 135
+
+
-
+
+
34 +
125
45+
123
25 +
134
1x5 +
234
+
-
+
+
+
+
+
+
-
+
-
190
191
192
EL DISEO ANTERIOR ESTA JUSTIFICADO SI LAS
INTERACCIONES
DE ORDEN SUPERIOR QUE SE
REEMPLAZAN (EN ESTE CASO,
TERCER Y CUARTO GRADO)
SON DESPRECIABLES.
eEL DISEO CONSTRUIDO CORRESPONDE A LA MAXIMA
RESOLUCION POSIBLE AUNQUE, EN TEORIA, SERIA POSIBLE
REEEMPLAZAR CUALQUIER COLUMNA POR UNA NUEVA VARIABLE .
SSI UNA DE LAS VARIABLES ES INERTE EL DISEO 2 K-1 DEJA UN
FACTORIAL COMPLETO EN LAS RESTANTES VARIABLES:
Si la variable 4 no tiene efecto significativo, queda un factorial
completo en las otras 4 variables (1,2,3,5)
193
+
Ing. M.Sc. Joaquin
Garcia. UIS
194
195
exp
4+
12
5+
13
6+
23
7+
123
Respuest
a
......
.......
.......
.......
.......
.......
........
.......
196