INSTITUTO TECNOLOGICO DE MINATITLAN

ANALISIS DE DATOS EXPERIMENTALES

UNIDAD IV

ANALISIS ESTADISTICO

RACILLA CRUZ DANIEL

SEVILLA MORFIN JOSE

 4.1 EXPERIMENTOS CON UN FACTOR

INTRODUCCION

El campo de la estadstica tiene que ver con la

recopilacin, presentacin, anlisis y uso de datos para
tomar decisiones y resolver problemas.

El conocimiento de la estadstica y la probabilidad puede

constituirse una herramienta para ayudar a los
cientficos e ingenieros a disear nuevos productos y
sistemas, a perfeccionar los existentes y a disear,
desarrollar y mejorar los procesos de produccin.
OBJETIVO GENERAL.
Realizar un diseo de experimentos con un solo factor.
OBJETIVO ESPECFICO.

Analizar datos mediante un anlisis estadstico.

Aplicacin de las bases de un diseo de
experimentos.
Determinacin del diseo experimental.
Determinacin de las variables en un diseo de
experimentos.

EJERCICIO:
Con el objetivo de comparar la eficiencia de remocin de
la DBO5, se muestrearon 4 plantas tratadoras de aguas
residuales, en un periodo de 25 das, con la finalidad de
determinar si cumple con los lmites mximos
permisibles para contaminantes bsicos, establecido en
la NOM-001-SEMARNAT-1996, para uso pblico urbano
procedente de embalses naturales y artificiales, con un
lmite mximo de 60 mg/L, obteniendo los siguientes
resultados.
Plantas Resultados (DBO5 mg/L)

10 15 20
5 das 25 das
das das das
DBO5 mg/L
1. Planta
de
120 96 73 58 46
Huamuxtitl
n
2. Planta de
130 117 97 63 47
Tlapa
3. Planta
de
100 85 76 64 61
Malinaltepe
c
4. Planta
de 150 128 105 78 72
Acapulco

Al iniciar el experimento se obtuvieron las siguientes

respuestas:
Plantas Resultados (DBO5 mg/L)

5 10 15 20 25 totales promedios
das das das das das
DBO5 mg/L
1. Planta
de
120 96 73 58 46 393 78.6
Huamuxt
itln
2. Planta
130 117 97 63 47 454 90.8
de Tlapa
3. Planta
de
100 85 76 64 61 386 77.2
Malinaltepe
c
4. Planta
de 150 128 105 78 72 533 106.6
Acapulco

TOTAL 1766 88.3

Las hiptesis que se desean probar son:

Ho: Todas las plantas son eficientes

H1: Ninguna planta es eficiente
Ya planteadas las hiptesis y corrido el experimento, se
procede a realizar los clculos matemticos que
permitan llegar al estadstico de prueba F0 para tomar
una decisin.
Inicialmente se calcul la suma de cuadrados de las
plantas de tratamiento.
 = (3932+4542+3862+5332)-
= (154,449+206,116+14
8,996+284,089)-88.3
= 0.2 (793,650)-88.3
=158,730-88.3
= 158,641.7

Luego se procedi a calcular la suma de cuadrados

total:

=(1202+962+732+582+462+1302+1172+972+632+472+1002+852
+762+642+612+1502+1282+1052+782+722)-
=(14400+9216+5329+3364+1296+16900+13689+9409+396
9+2209+10000+7225+5776+4096+3721+22500+16384+110
25+6084+5184)-88.3
= (175,776)-88.3
= 175,687.7

Para determinar la suma de cuadrados de los errores se

hace la diferencia de la suma de cuadrados total y la
suma de cuadrados de tratamientos.

SSE = SSTotal - SSTrat = 175,687.7-158,641.7 = 17,046

Siendo 17,046 la fuente de variacin dentro de las

plantas de tratamiento.
 La tabla de ANOVA queda de la siguiente manera:

ANOVA
Fuente Suma de Grados
Promedio de los Estadstico de prueba
de cuadrados de
cuadrados (MS) F0
variacin (SS) libertad
SSTrat a-1 =
DBO5 =
=158,641.7 4-1=3
N-a
SSE = =1,065.3
Error 20-
=17,046
4=16
N-1
SSTotal
Total 20-
=175,687.7
1=19

En el experimento se obtuvo un valor de F0 igual a 49.63

tomando un nivel de significancia de 0.01, teniendo 3
grados de libertad del factor y 16 de error, se procedi a
buscar en la tabla de la distribucin F y se obtiene un
valor de 5.29. Como 49.63>5.29 entonces concluimos
que las medias de los niveles del factor difieren y por
tanto se procede a rechazar H0 y a aceptar H1.

4.2 EXPERIMENTOS CON DOS FACTORES

INTRODUCCIOIN
El efecto de un factor se define como el cambio
observado en la variable de respuesta debido a un
cambio de nivel de tal factor. En particular, los efectos
principales son los cambios en la media de la variable de
respuesta que se deben a la accin individual de cada
factor. En trminos matemticos, el efecto principal de
un factor con dos niveles es la diferencia entre la
respuesta media observada cuando tal factor estuvo en
su primer nivel, y la respuesta media observada cuando
el factor estuvo en su segundo nivel.

El experimento factorial ms sencillo es en el que

intervienen solamente dos factores, por ejemplo, A y B.
Hay a niveles del factor A y b niveles del factor B. El
experimento tiene n rplicas y cada rplica contiene
todas las combinaciones de tratamientos
Diseos factoriales con dos factores
Un diseo de experimentos factorial o arreglo factorial
es el conjunto de puntos experimentales o tratamientos
que pueden formarse considerando todas las posibles
combinaciones de los niveles de los factores.
Los factores pueden ser de tipo cualitativo (mquinas,
tipos de material, operador, la presencia o ausencia de
una operacin previa, etc.), o de tipo cuantitativo
(temperatura, humedad, velocidad, presin, etc.). Para
poder estudiar la manera en que incluye cada factor
sobre la variable respuesta, es necesario elegir al menos
dos niveles de prueba para cada uno de ellos.
El objetivo de un diseo factorial es estudiar el efecto de
varios factores sobre una o varias respuestas o
caractersticas de calidad y determinar una combinacin
de niveles de los factores en la cual el desempeo del
proceso sea mejor que en las condiciones de operacin
actuale
Con k = 2 factores, ambos con dos niveles de prueba, se
forma el diseo factorial 2 x 2= 2 al cuadrado, que
consiste de cuatro combinaciones o puntos
experimentales.
Considerando otra vez k = 2 factores, pero ahora uno
con tres niveles y el otro con dos niveles, se pueden
construir 3 x 2 combinaciones que dan lugar al diseo
factorial 3 x 2. Observe que en el nombre del diseo
factorial va implcita el nmero de tratamientos que lo
componen. Para obtener el nmero de corridas
experimentales se multiplica el nmero de tratamientos
por el nmero de rplicas, donde una rplica se lleva a
cabo cada vez que se repite el arreglo completo.
Considere los factores A y B con a y b (a,b>2 ) niveles de
prueba, respectivamente. Con ellos se puede construir el
arreglo o diseo factorial a x b , que consiste de a x b
tratamientos. Se llama rplica cada repeticin completa
del arreglo factorial. Los diseos factoriales que
involucran menos de cuatro factores se corren
replicadas para poder tener la potencia necesaria en las
pruebas estadsticas sobre el efecto de inters, de tal
forma que si se hacen n rplicas, el nmero total de
corridas experimentales es (a x b).

EJEMPLO
En unos laboratorios se est estudiando los factores
que influyen en la resistencia de un tipo particular de
fibra. Se eligen al azar cuatro mquinas y tres operarios
y se realiza un experimento factorial usando fibras de
un mismo lote de produccin. Los resultados obtenidos
se muestran en la tabla adjunta. Analizar los resultados
y obtener las conclusiones apropiadas.

Tipos de mquinas

Operario A B C D

109 110 108 110

1
110 115 109 108

110 110 111 114

2
112 111 109 112

116 112 114 120

3
114 115 119 117

Para realizar el anlisis organizamos los datos en forma

tabular de la manera siguiente:
Tipos de mquinas
Operario A B C D yi..
109 110 108 110
1 879
219 225 217 218
110 115 109 108
110 110 111 114
2 889
222 221 220 226
112 111 109 112
116 112 114 120
3 927
230 227 233 237
114 115 119 117
y.j. 671 673 670 681 2695
Las Sumas de Cuadrados y la Tabla ANOVA se
muestran a continuacin
2
. .(2695)
SCT = 109 + 117 24 = 262,97
2 2
 8792 + 8892 + (2695)
2
SCA = 12,46
9272
= 24
32

6712 + 6732 + 6702 + (2695)

2
SCB 2 = 160,33
681
= 24
42

2192 + + (2695)
12,46 160,33 = 44,67 y SCR = 45,5.
2
SC(AB)
= 2372
24
F. V. S. C. G. L. C. M. Fexp

Factor A 12,46 3 4,15 1,10

Factor B 160,34 2 80,17 21,14

Interaccin 44,67 6 7,45 1,96

Residual 45,50 12 3,79

TOTAL 262,97 23

2
 4.3 EXPERIMENTOS CON DOS O MS FACTORES

INTRODUCCION

Estudiaremos si un conjunto de factores (con dos o

mas niveles cada uno) influye sobre los valores medios
de una variable respuesta Y. Intentaremos determinar
que factores influyen realmente sobre Y.
Es importante el diseo del experimento para asegurar
la homogeneidad dentro de cada poblacin y reducir el
error experimental.

EJEMPLO

En 1973 la compaa petrolfera Texaco informo al

Subcomit de Contaminacin Ambiental sobre la
eficiencia del filtro Octel para reducir la emisin de
gases contaminantes en los coches. Una de las
posibles desventajas del filtro era que aumentaba el
ruido producido por los automviles. La compaa
ofreca datos del ruido (en decibelios) producido por
coches provistos del filtro Octel frente al producido por
coches desprovistos de el y deduca que no exista
diferencia.

Nivel de ruido (en decibelios)

Sin 810 820 820 840 840 845 785 790 785 835 835 835 845 855 850 760 760
filtro 770
Octel 820 820 820 820 820 825 775 775 775 825 825 825 815 825 825 770 760
765
 860

840
Nivel de ruido (en
decibelios)

800

780

760

Sin filtro filtro octel

Cuando aceptamos H0 : 1 = 2 = . . . = I , o
bien es porque las medias son todas iguales, o
bien porque no podemos detectar la diferencia
entre las medias debido a que es demasiado
grande.

El diseo de experimentos intenta reducir el error

experimental para que este no oculte una
diferencia significativa entre las respuestas
medias. Uno de nuestros objetivos sera realizar
comparaciones entre grupos lo mas
homogneos posible y tratar de detectar los
factores que realmente influyen sobre la variable
de internes.

Llamaremos variable respuesta a la variable de inter

es Y (el nivel de ruido producido por el
coche). Los factores o variables experimentales
son aquellas variables que pueden afectar a los
valores de la respuesta (el que un coche lleve o
no el filtro, la gama de automovil).
Suponemos que la respuesta es continua y
que los factores se prefijan para el
experimento en unos niveles determinados
(filtro/silenciador, gama alta/media/baja).
Podemos controlar o prefijar el valor que toman
algunos factores y luego observar el valor que
toma Y . Pero en cualquier experimento habra
numerosos factores que no midamos ni
controlemos y que contribuyen al error
experimental.

Llamaremos variable respuesta a la variable de inter

es Y (el nivel de ruido producido por el
coche). Los factores o variables experimentales
son aquellas variables que pueden afectar a los
valores de la respuesta (el que un coche lleve o
no el filtro, la gama de automovil).
Suponemos que la respuesta es continua y
que los factores se prefijan para el
experimento en unos niveles determinados
(filtro/silenciador, gama alta/media/baja).
Podemos controlar o prefijar el valor que toman
algunos factores y luego observar el valor que
toma Y . Pero en cualquier experimento habra
numerosos factores que no midamos ni
controlemos y que contribuyen al error
experimental. Hay tres posibles maneras de
reducir este error: la aleatorizacion, la repeticion y
los disenos factoriales.

Consiste en asignar todos los factores no

controlados aleatoriamente a las
observaciones. Esto previene sesgos en las
observaciones y reduce la dependencia de estas
entre s.

Supongamos que en las pruebas se utilizaron

dos marcas de coche exclusivamente, Ford y
Seat, pero que el factor marca no nos interesa.
Si los filtros Octel se instalan en los Ford y los
silenciadores en los Seat y la marca Seat es mas
silenciosa que la Ford quiza lleguemos a la
conclusion de que el filtro hace demasiado
ruido cuando en realidad el efecto ha sido
causado por la marca Ford. Una manera de
resolver este problema es, al ir a tomar una
nueva observacion, escoger al azar la marca de
ese coche de entre las dos disponibles.

El principio de aleatorizacion tambien se utiliza

para prevenir el
efecto de aprendizaje o de fatiga.
Supongamos que queremos comparar tres
programas estadsticos, A, B y C, para su
posible uso en la docencia de una asignatura.
Se evaluara, entre otras cosas, si los programas
son de facil manejo y comprension. Se pide a seis
estudiantes que analicen algunos conjuntos de
datos, cada uno de ellos con esos tres
programas. Si todos resuelven cada problema
utilizando los programas en el orden A, B, C, es
probable que los programas B o C les parezcan
mejor, porque la utilizacion del programa A
previamente les ha servido para aprender. Para
evitar este efecto se asignara aleatoriamente a
cada estudiante un orden de utilizacion de los
programas:

estudiant 1 2 3 4 5 6
e A B C B C A
programa B C B A A C
s C A A C B B

REPETICION DEL EXPERIMENTO

Puesto que lo que deseamos es detectar las
posibles diferencias entre medias de
poblaciones y la varianza de una media
muestral es 2 /n, disminuiremos el error
experimental aumentando el tamano muestral n,
es decir, repitiendo mas veces el experimento.
DISEO FACTORIAL
Supongamos que medimos el nivel de ruido
emitido por un coche en funcion de si lleva o no
un filtro, pero hay otro factor (la gama) que influye
en la respuesta. Podemos eliminar la presencia
de ese factor utilizando la misma gama de
coche en todo el experimento.
En esto consiste el diseno clasico de
experimentos: eliminar el efecto de todos los
factores que puedan afectar a la respuesta,
excepto la presencia o no del filtro,
manteniendo fijos sus valores a lo largo de todo
el experimento.

Otra opcion es utilizar distintas gamas de coche

tanto para la presencia de filtro como para su
ausencia. Esto es razonable si queremos
extender las conclusiones del experimento a
cualquier tipo de coche (y no solo a los de una
determinada gama).

En general, trataremos de introducir en el

experimento todos los factores que puedan
afectar a la respuesta y observaremos esta para
distintos niveles de los factores.

En el diseno factorial con dos factores se cruzan

todos los posibles niveles del factor que mas nos
interesa (la presencia o no de filtro) con todos los
posibles niveles del otro factor (la gama del
automovil). Las observaciones obtenidas se
presentan en una tabla de doble entrada.
Texaco en realidad proporciono mas informaci
on en su informe del filtro Octel:
Gama vehculo
Baja Medi Alta
810 a
840 785
820 840 790
820 845 785
Silenciador
835 845 760
835 855 760
835 850 770
820 820 775
820 820 775
820 825 775
Filtro Octel
825 815 770
825 825 760
825 825 765

A esa variable experimental, como la gama del

coche, que a priori no nos interesa
directamente, pero que incluimos en las
observaciones para reducir el error
experimental se la llama variable bloque (o factor
secundario). El factor principal tambien se
denomina tratamiento.

El diseno experimental mas sencillo, llamado

modelo en bloques aleatorizados, cruza todos los
posibles niveles del factor de interes con todos
los niveles de la variable bloque y observa la
variable respuesta al menos una vez para cada
una de esas combinaciones.

El resto de factores que puedan afectar al

experimento (como el punto de instalacion del
filtro en el coche) se asignaran al azar
(aleatorizacion) a cada combinacion del bloque
con el factor.