Professional Documents
Culture Documents
Un experimento puede definirse como una prueba que permite analizar el efecto
producido por una o varias variables independientes sobre una variable
dependiente. En s, el objetivo de los experimentos es determinar la influencia que
tienen ciertos factores sobre la respuesta de salida del sistema.
Por su parte, los diseos experimentales son un esquema de cmo realizar
un experimento; se definen como un conjunto de pruebas en las que se efectan
cambios voluntarios a los parmetros de control de un proceso, su objetivo se
centra en la observacin e identificacin de las razones de cambio en la variable
de estudio y cuantificarla. Estos mtodos tienen amplia aplicacin en distintas
disciplinas, por ejemplo, en el mbito de la ingeniera para la mejora en el
desempeo de manufactura; con el objetivo de desarrollar un proceso robusto, es
decir, que se vea afectado de forma mnima por fuentes de variabilidad externas.
Dentro de las condiciones para llevar a cabo los diseos experimentales es
importante tomar en cuenta lo siguiente:
-
sesgo en el muestreo
Realizar un cierto nmero de repeticiones, esto permite cuantificar el error
experimental
Controlar las condiciones, reduce el error experimental
Experimentos
donde
se
estudia
relacin
causa-efecto:
estudian
dependiente.
Experimentos controlados: son ensayos controlados donde se evaluan
diferentes niveles de un factor, mientras los otros factores permanecen
constantes; sin embargo, no en todos los casos no es posible tener el
control
de
estos
experimentales.
factores,
Dichos
de
errores
manera
se
que
miden
por
se
la
tienen
errores
variacin
en
variabilidad en la respuesta
Determinacin de la robustez de un sistema
Obtener informacin que permitir el desarrollo de nuevos procesos y
La planeacin del experimento de manera que se recaben todos los datos que
puedan analizarse con mtodos estadsticos que darn pie a conclusiones vlidas
y objetivas se define como diseo estadstico de experimentos.
Dentro de las caracteristicas en la planeacin de los experimentos es importante:
1. Especificar los problemas, a manera de probar hiptesis y encontrar
respuestas, por lo que es importante que los experimentos sean, simples:
cuando estudian un solo factor de variacin; y factoriales: que estudian de
manera simultanea dos o ms factores que influyen en el estudio.
elegirse
un
lugar
accesible
un
nmero
de
repeticiones
representativo.
3. Reducir las fuentes de error; es importante llevar a cabo un muestreo
adecuado,
que
el
experimentador
realice
la
experimentacin
con
responsabilidad.
4. Mantener de manera constante los factores que pueden afectar la
produccin o la calidad del producto.
5. Que el experimentador sea cauto en los resultados experimentales, cuando
se realiza una observacin de una muestra en una poblacin de
experimentos; por lo que es necesario la repeticin del experimento para
que haya uniformidad.
6. Conocer cules son los objetivos de la investigacin.
ANOVA
El anlisis de la varianza (ANOVA) se debe al estadstico-gentico Sir Ronald
Aylmer Fisher (1890-1962), publicado en 1925 y pionero de la aplicacin de
mtodos estadsticos en el diseo de experimentos, introduciendo el concepto de
aleatorizacin.
El ANOVA se puede utilizar en las situaciones en las que nos interesa
analizar una respuesta cuantitativa, llamada variable dependiente, medida bajo
ciertas condiciones experimentales identificadas por una o ms variables
categricas llamadas variables independientes. Cuando hay una sola variable que
proporciona condiciones experimentales distintas, el anlisis recibe el nombre de
ANOVA de un factor.
La variacin en la respuesta se divide en la variacin entre los diferentes
niveles del factor (los diferentes tratamientos) y la variacin entre individuos dentro
de cada nivel. Suponiendo que las medias de los grupos son iguales, la variacin
entre grupos es comparable a la variacin entre individuos. Si la primera es mucho
mayor que la segunda, puede indicar que las medias en realidad no son iguales.
Distribucin normal
Una distribucin de probabilidad indica toda la gama de valores que pueden
representarse como resultado de un experimento si este se llevase a cabo.
Existen distintos tipos de distribuciones, sin embargo, la conocida como
distribucin normal es, por la cantidad de fenmenos que explica, la ms
importante de las distribuciones estadsticas.
A la distribucin normal tambin se le denomina con el nombre de campana de
Gauss, pues al representar su funcin de probabilidad, esta tiene forma de
campana. Una de sus caractersticas ms importantes es que casi cualquier
distribucin de probabilidad, tanto discreta como continua, se puede aproximar por
una normal bajo ciertas condiciones.
Caractersticas
la
curva
comprendida
entre
los
valores
situados
Z=
Histograma
Grficos
Grficos de cuantiles normales Q Q
Grficos de probabilidad normal PP
Pruebas de bondad y ajuste
Histograma
Un histograma es una representacin grfica de una variable en forma de barra,
donde la superficie de cada barra es proporcional a la frecuencia de los valores
representados, ya sea en forma diferencial o acumulada. Sirven para obtener una
visin general, o panorama, de la distribucin de la poblacin, o la muestra,
respecto a una caracterstica de la misma y que es de inters para el observador.
En general se utilizan para relacionar variables cuantitativas continuas, pero
tambin se lo suele usar para variables cuantitativas discretas, en cuyo caso es
comn llamarlo diagrama de frecuencias y sus barras estn separadas.
Estos grficos trabajan con los datos estandarizados y ordenados. Cuando los
datos se representan frente a los datos esperados de una distribucin N (0, 1) se
deben obtener puntos alineados en la diagonal de un cuadro.
Grficos de probabilidad normal PP
Representan dos funciones de distribuciones acumulativas, una contra otra: dando
dos funciones de probabilidad F y G donde f(z) y g(z), tienen valores entre
menos infinito e infinito. Como la funcin de distribucin acumulativa tiene de
rango (0,1), el dominio del rango parmetro o es (menos infinito, infinito) y el rango
es la unidad cuadrada (0,1) x (0,1).
La lnea de comparacin es la pendiente que est a 45, desde (0,0) hasta (1,1) y
la distribucin se considera igual si y solo si se juntan ambas lneas. Cualquier
desviacin significa una diferencia entre las distribuciones.
Pruebas de Bondad y Ajuste
Las pruebas de bondad de ajuste son aquellas que comparan los resultados de
una muestra con los que se espera obtener cuando la hiptesis nula es verdadera.
Esta tiene por objetivo determinar si los datos se ajustan a una determinada
distribucin, la cual puede estar completamente especificada (hiptesis simple) o
perteneciente a una clase para-mtrica (hiptesis compuesta).
Sea X: variable aleatoria poblacional
f0(x) la distribucin (o densidad) de probabilidad especificada o supuesta para X
Se desea probar la hiptesis:
Ho: f(x) = f0(x)
En contraste con la hiptesis alterna:
Ha: f(x) no= f0(x) (negacin de Ho).
Se destacan las siguientes pruebas:
Prueba de X2
Es una prueba no para-mtrica la cual se emplea tanto para distribuciones
continuas como para las discretas. Esta se utiliza para encontrar la distribucin de
una serie de datos.
Utiliza la siguiente formula:
observadateorica 2
X 2 =
Donde x2 es un valor de una variable aleatoria cuya distribucin muestral se
aproxima muy de cerca con v = k 1 grados de libertad.
Hiptesis:
Ho: la muestra se ajusta a una distribucin terica (esperado o modelo)
H1: la muestra no se ajusta a una distribucin terica (esperado o modelado)
Si las frecuencias observadas no difieren significativamente de las frecuencias
esperadas calculadas con el modelo propuesto, entonces el valor de estadstico
de prueba X2 ser cercano a cero, pero si estas diferencias son significativas,
entonces el valor del estadstico X2 estar en la regin de Ho.
Caractersticas de la prueba
o
o
Supuestos
1. Una muestra
2. Observaciones independientes
3. Muestreo aleatorio
4. Variables en escala de intervalo o razn
Tipo de hiptesis a probar
Ho: La muestra aleatoria tiene una distribucin normal.
Hiptesis alterna sin direccin
Hi: La muestra aleatoria no tiene una distribucin normal.
X Bartlett=
ln
( n1 )
( n1 ) ln ( n1 )
( n1 )
k +1
1+
3 ( k 1 )( N k )
Donde:
X2 Bartlett = Valor estadstico de esta prueba.
ln = Logaritmo natural.
S2 = Varianza.
n = Tamao de la muestra del grupo.
k = Nmero de grupos participantes.
N = Tamao total (sumatoria de las muestras).
Pasos:
1. Obtener el tamao de la muestra (n) y la varianza (s2) de cada grupo.
2. Multiplicar la varianza de cada grupo por los grados de libertad y
sumarlas: s2 (n - 1).
Trat. 1
Trat. 2
Trat.3
Rep. 1
4.2
3.9
4.8
Rep. 2
4.5
3.8
3.8
Rep. 3
4.3
4.1
4.2
Rep. 4
4.5
3.9
3.5
Totales
17.5
15.7
15.3
Trat. 1
Trat. 2
Trat.3
Rep. 1
17.64
15.21
14.44
Rep. 2
20.25
14.44
14.44
Rep. 3
18.49
16.81
17.64
Rep. 4
20.25
15.21
12.25
Totales
76.63
61.67
58.77
Trat. 1
Trat 2
Trat. 3
0.0675
0.0475
0.2425
SCi
0.0675
0.0475
0.2425
0.3625
S2p= (0.3625)/(12-3).
S2p= 0.0403.
5. Se obtiene la varianza de cada tratamiento (S 2i ), dividiendo cada suma de
cuadrados (SCi ) entre (r- 1).
S2i=SCi/(r-1).
SCi
S2i
Num. Trat.
Trat. 1
0.0675
0.0225
Trat 2
0.0475
0.0158
Trat. 3
0.2425
0.0825
SCi
0.3625
6. Se calcula el logaritmo natural para cada varianza de cada.
Num. Trat.
Trat. 1
Trat 2
Trat. 3
SCi
0.0675
0.0475
0.2425
S2i
0.0225
0.0158
0.0825
ln(S2 i)
-3.794
-4.146
-2.495
SCi
S2i
0.0675
0.0475
0.2425
0.3625
0.0225
0.0158
0.0825
ln(S2 i)
(r-1)ln(S2
i)
-3.794
-11.38
-4.146
-12.44
-2.495
-7.48
-31.30
r-1
3
3
3
1/(r-1)
0.3333
0.3333
0.3333
1
( N t ) ln S2 ( ri1 ) ln S i
i=1
T=
1
1
3 ( t1 )
)(
i=1
1
1
ri=1 N t
)(
( )( )
T =2. 088
10. En la tabla de la x 2 (ji-cuadrada) se localiza el valor de: X2 t-1,0.05 Es
decir, en el rengln de t-1 grados de libertad y en la columna de 0.05.
X2 t-1,0.05 = 5.99
11. Si T > X2 t-1,0.05 Entonces las varianzas no son iguales y la prueba de
anlisis de varianza no se puede realizar.
Como 2.088 < 5.99 la prueba de anlisis de varianza s se puede realizar.
Ejemplo:
Un investigador realiz un estudio para mostrar que los niveles de ansiedad de las
personas obsesas que asisten de manera constante a tratamiento para control de
peso corporal son mayor que el de los obesos que no asisten a tratamiento. l
desea saber si las varianzas de los grupos son homogneas o no.
Especificaciones: Participaron 28 personas obesas (hombres y mujeres). 14
personas obesas que no asistan a tratamiento y 14 que asistan de manera
regular a algn tipo de tratamiento. A los 28 participantes se les solicit que dieran
respuesta a la escala de estado de ansiedad (IDARE), la cual est diseada para
evaluar el grado de ansiedad ante situaciones cotidianas. Los puntajes de la
escala varan en un rango de 20 a 80 puntos, siendo los puntajes ms altos los
indicativos de un mayor nivel de ansiedad.
Eleccin de la prueba estadstica.
El modelo experimental tiene dos muestras independientes.
Planteamiento de Hiptesis.
Nivel de significacin
Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza
Ho.
Zona de rechazo
Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Clculo de ln
Para este clculo utilizamos una tabla logartmica de base 10 (logaritmos
comunes).
log.(10)s21 = 42.99 = 0.6325 + 1 = 1.6325
log.(10)s22 = 64.42 = 0.8089 + 1 = 1.8089
N = 28
K=2
(n - 1) = 26
s2 (n - 1) = 1396.33
lns2 (n - 1) = 103.
Entonces tenemos ya los clculos requeridos para poder aplicar la prueba
X2 Bartlett
t-1
Error
Por
Diferencia
Total
tr-1
S.C
C.M
Y i2 Y 2
r tr
i=1
SC (TRA)
GL (TRA)
X Diferencia
Y ij
i=1 j=1
Fc
Ft
)
CM (TRA) GL(T
GL(E ),
CM ( E)
SIG.
*
**
N.S
SC ( E)
GL ( E)
2
Y
tr
Ejercicios
Ejemplo 1. Se realiz un experimento para probar el grado de hidrlisis que tiene
el mtodo de explosin por vapor sobre el almidn de pltano macho para la
obtencin de maltodextrina con un rango de equivalentes de dextrosa (ED) alto.
Repeticiones
R1
R2
R3
R4
10
9.5
9.8
10.5
14
13.4
13
14.4
18.7
17.9
18
18.6
T1 20 S
T2 30 S
T3 40 S
3
4
12
Y
2
Y
<Y2
de Suma
tratamientos
39.8
54.8
73.2
167.8
28156.84
2346. 403333
cuadrado Yi2/r
al
Y2
1584.04
3003.04
5358.24
396.01
750.76
1339.56
/T
3. Todos los tratamientos se elevan al cuadrado
R1
R2
100
196
349.69
R3
R4
110.2
90.25 96.04
5
207.3
179.56
169
6
345.9
320.41
324
6
FV
G.L
S.C
C.M
Fc
Ft
SIG
.
Trat
t-1
Erro
Por
r
Diferenci
a
Tota
tr-1
l
Fuente
de
Y i2 Y 2
r tr
i=1
SC (TRA)
GL (TRA)
X Diferencia
SC ( E)
GL ( E)
CM (TRA)
CM ( E)
)
GL(T
GL(E )
*
**
N.S
Y 2
Y ij tr
i=1 j=1
Grados de
Suma
variacin
libertad
(FV)
Tratamientos
de
Cuadrado
Significanc
cuadrados
medio (CM)
Calculada
Tablas
ia (SIG)
(GL)
2
(SC)
139.926666
69.9633333
(FC)
287.52054
(FT)
3.98
Error
7
2.19
0.24333333
Total
11
142.116666
Tratamientos
Promed Desvest
io
EE
T1 20 S
9.95
0.42031734
0.21015867
T2 30 S
13.7
0.62182527
0.31091264
T3 40 S
18.3
0.40824829
0.20412415
T1 20 S
T2 30 S
T3 40 S
G.L
Trat
t-1
S.C
C.M
Fc
Ft
SIG.
*
**
N.S
Error Por
X Diferencia
Diferencia
Total
tr-1
TRATAMIENTOS (T)
REPETICIONES
R1
R2
R3
R4
0.644
0.658
0.62
0.612
T2=Hormona Tomatone
0.408
0.384
0.426
0.422
0.789
0.778
0.763
0.716
0.665
0.679
0.608
0.643
TRATAMIENTOS 4
Totales tratamiento
REPETICIONES 4
SUMA
N
16
Y1
2.534
SUMA
AL
CUADRADO Y Yi/R
6.421156
1.605289
Y2
1.64
2.6896
0.6724
Y3
3.046
9.278116
2.319529
Y4
Yi=
2.595
9.815
6.734025
25.122897
1.68350625
6.28072425
Yi=
Y./t.r
96.334225
6.020889063
0.432964
0.3844
0.374544
0.166464
0.147456
0.181476
0.178084
0.622521
0.605284
0.582169
0.512656
0.442225
0.461041
0.369664
0.413449
TRATAMIENT
OS (T)
T1=Producci
n
convencional
T2=Hormona
Tomatone
T3=Azoapirill
um
brasilense
T4=Bacillus
REPETICIONES
R1
R2
R3
R4
Totales
tratamien
to
SUMA
SUMA AL Yi/r.
CUADRA
DO Y
0.644
0.658
0.62
0.612
2.534
6.421156
1.605289
0.408
0.384
0.426
0.422
1.64
2.6896
0.6724
0.789
0.778
0.773
0.716
3.056
9.339136
2.334784
0.665
0.679
0.608
0.643
2.595
6.734025
1.683506
licheniformis
25
Yi=
Yi=
Y./t.
r=
FV
9.825
96.530625
6.0331640
63
GL
S.C
C.M
F.C
0.25983518
7
123.602289
0.086611729 3
Error
12
0.00840875
0.000700729
Total
15
0.26824393
7
F.T
SIG
3.4902
TRATAMIENTOS (T)
TOTAL.TRA
SUMA
PROMEDIO
DESVEST
ERROR
ESTANDAR
T1
2.534
0.6335
0.021252451
0.010626225
T2
1.64
0.41
0.018973666
0.009486833
T3
3.046
0.7615
0.032150687
0.016075343
T4
2.595
0.64875
0.030944843
0.015472422
T3
=
Az
os
pi
ril
lu
m
T1
=
Pr
od
uc
ci
on
co
nv
en
ci
on
al
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
Contenido de licopeno
0
T1 =Produccion convencional
TRATAMIENTOS
Conclusin:
Ho= T1 = T2 = T3 = T4
Ha= T1 = Tj
Se rechaza la hiptesis nula Ho; Fc= 123.60 y Ft = 3.49 al ser Fc> Ft
Con un nivel de significancia del 5% podemos concluir que ningn tratamiento es
igual y que al menos un tratamiento es estadsticamente diferente por lo cual se
rechaza la hiptesis nula. El tratamiento 3 (Azospirillum brasilense) es el que
presenta mayor produccin de antioxidante y el tratamiento 2 (Hormona
Tomatone el de menor produccin. Por lo anterior mencionado, se recomienda
usar el tratamiento 3.
TRATAMIENTOS (T)
REPETICIONES
R1
R2
R3
R4
R5
T1 (5MIN)
79
81
87
80
85
T2 (10MIN)
108
104
92
116
91
T3 (20MIN)
130
116
127
129
123
T4 (40MIN)
130
128
123
125
133
Tratamiento = 4
Repeticiones= 5
N`s= 20
6400
13456
16641
15625
Totales/tratamient
o
SUMA
SUMA
DE
CUADRADOS Y
Yi/r
Y1
412
169744
33948.8
Y2
511
261121
52224.2
Y3
625
390625
78125
Y4
Yi=
Yi=
Y./t.r
639
2187
4374
19131876
408321
1229811
81664.2
245962.2
245962.2
7225
8281
15129
17689
F.V
GL
S.C
C.M
T
Error
Total
3
16
19
6813.75
696.8
7510.55
2271.25
43.55
F.C
52.1526980
5
F.T
SIG
2.71
TRATAMIENTOS (T)
PROMEDIO
DESVEST
E.E
T1 (5MIN)
82.4
3.435112807
1.53622915
T2 (10MIN)
102.2
10
4.472135955
T3 (20MIN)
125
5.700877125
2.549509757
T4 (40MIN)
127.8
3.962322551
1.772004515
50
0
T1 (5MIN)
T2 (10MIN)
T3 (20MIN)
T4 (40MIN)
TRATAMIENTOS
Conclusin:
Ho= T1 = T2 = T3 = T4
Ha= T1 = Tj
Se rechaza la hiptesis nula Ho ; Fc= 52.15 y Ft= 2.71 al ser Fc> Ft
Con un nivel de significancia del 5% podemos concluir que al menos uno de los
tratamientos es estadsticamente diferente y solo los tratamientos T3 y T4 son
iguales por lo cual se rechaza la hiptesis nula. Los mejores tiempos de
incubacin fueron T3 (20 minutos) y T4 (40 minutos), y producen un efecto
significativo sobre la actividad antioxidante de la muestra pero al ser estos dos
estadsticamente iguales, se elige como el tiempo ideal el tratamientoT3. Por otro
lado el T1 (5 minutos) tuvo un rendimiento menor se recomienda no emplearlo
REPETICIONES
R1
R2
T1 =10
78.94
T2=15
78.94
T3=20
108.23
R3
R4
77.5
76.3
78.7
77.8
76.9
78.9
108.1
108.8
109.1
Totales/tratamien
to
SUMA
SUMA
AL
CUADRADO
Y
Yi/r
Y1
311.44
96994.8736
24248.7184
Y2
312.54
97681.2516
24420.3129
Y3
434.23
188555.6929 47138.92323
Tratamiento= 3 Repeticiones =4
Ns =12
6006.25
5821.69
6193.69
6231.5236
6052.84
5913.61
6225.21
11713.7329
11685.61
11837.44
11902.81
TRATAMIENTOS (T)
PROMEDIO
DESVEST
E.E
T1 =10
77.86
1.215894732
0.607947366
T2=15
78.135
0.978212656
0.489106328
108.5575
0.47246693
0.236233465
T3=20
F.V
GL
T
Error
2
9
Total
11
SC
2490.58751
7
7.975575
2498.56309
2
CM
FC
FT
1245.29375 1405.24586
8
9
4.26
0.886175
SIG
120
100
80
Tamao de poro
60
40
T1 =10
20
0
T1 =10
T2=15
T3=20
TRATAMIENTOS
Conclusin.
Ho= T1 = T2 = T3 = T4
Ha= T1 = Tj
Se rechaza la hiptesis nula Ho ; Fc= 1405.24 y Ft = 4.26 al ser Fc> Ft
Con un nivel de significancia del 5% podemos concluir que al menos uno de los
tratamientos es estadsticamente diferente y que existe un par de tratamientos que
son estadsticamente iguales (T1=T2). El tratamiento T3 produce un efecto
significativo en el tamao de poro mayor. Adems se puede observar que la
concentracin del agente formador de poros, juegan un papel relevante en las
propiedades ceramicas de la mullita.
t-1
S.C
C.M
2
2
Y
r i Yt
i=1
i
ri
SC (TRA)
GL(TRA)
Fc
Ft
)
CM (TRA) GL(T
GL(E ),
CM ( E)
SIG.
*
**
N.S
i=1
Error
Total
Por
Diferencia
t
r i 1
i=1
X Diferencia
ri
Y ij2
i=1 j=1
SC ( E)
GL ( E)
Y 2
t
ri
i=1
Trat
T H2SO2
T c. Ctrico
T HCl
T c.Ntrico
Repeticione
s
r1
r2
r3
8.2
8.12
7
7.15
9.23
10.12
10
11.1
r4
9.3
8.01
9.24
9
7.46
4
4
13
Y2/t
Suma de tratamientos
34.62
29.62
28.59
21.1
113.93
12980.0449
Suma al cuadrado Y2
1198.5444
877.3444
817.3881
445.21
Yi2/r
299.6361
219.3361
272.4627
222.605
998.4649
r2
67.24
49
85.1929
100
Repeticiones
r3
r4
65.9344
86.49
51.1225
64.1601
102.4144
85.3776
123.21
r5
r6
81
55.6516
F.V
G.L
S.C
C.M
Fc
Ft
SIG
.
Trat
t-1
Y i2 Y 2
r t
i=1
i
ri
SC (TRA)
GL (TRA)
X Diferencia
SC ( E)
GL ( E)
)
CM (TRA) GL(T
GL ( E ) ,
CM ( E)
i=1
Erro
r
Tota
l
X.Dif.
t
r i 1
i=1
ri
Y ij2
i=1 j=1
*
**
N.S
Y 2
t
ri
i=1
* Significativo con
Significativo con
FV
GL
Tratamientos
Error
Total
Tratamientos
T1
T2
T3
T4
H2SO4
c. Ctrico
HCl
c. Ntrico
SC
CM
FC
FT
SIG
15.574907
16.96859
3
7 5.1916359
5
8.81
0.3059555
9
2.7536
6
18.328507
12
7
Promedio
8.655
7.405
9.53
10.55
Desvest
0.5854
0.4465
0.5109
0.7778
EE
0.2618
0.2232
0.2950
0.4490
T H2SO2
T c. Ctrico
T HCl
T c.Ntrico
R3
10.6
R4
9.5
R5
10.3
R6
0
8.7
11.9
8
11.3
0
12.6
0
12.5
10.1
10.7
9.9
9.4
5.2
Procedimiento
Prueba de hiptesis:
H 0 :T 1=T 2 Tn
TRATAMIENTOS
REPETICIONES
N
Regla de decisin:
H a : Ti Tj
5
6
23
1 = 1 + 2 + 3 + 4 + 5 =1
= 5 + 4 + 6 + 6 + 3= 24 - 1= 23
r1
r2
r3
r4
r5
ri
1
ri`s
5
4
6
6
3
24
23
Totales TRA`S
49.5
31.8
72
59.3
18.4
Totales/tratamient
o
SUMA
SUMA
DE
CUADRADOS Y Yi/r
Y1
49.5
2450.25
490.05
Y2
31.8
1011.24
252.81
Y3
72
5184
Y4
59.3
3516.49
Y5
Yi=
Yi=
Y./t.r
18.4
231
53361
2223.375
338.56
864
586.081666
7
112.853333
3
2305.795
86.49
112.36
90.25
106.09
62.41
51.84
75.69
64
127.69
153.76
141.61
127.69
158.76
156.25
104.04
81
102.01
114.49
98.01
88.36
47.61
39.69
27.04
PROMEDIO
F.V
9.9
7.95 T
12
Error
9.883333333
6.133333333
Total
DESVEST
GL
0.543139025
4
0.613731755
0.593295879
19
0.604703784
0.86216781
23
E.E
S.C
0.242899156
82.42
0.306865877
0.242212028
7.385
0.246869286
0.497772817
89.805
ri
ris
C.M
5
20.605
4
6
0.388684211
6
3
24
F.C
53.0121868
7
F.T
2.9
SIG
14
12
10
8
% Humedad
6
4
2
0
T1 = Secador de charolas
Conclusin:
Ho= T1 = T2 = T3 = T4
Ha= T1 = Tj
Se rechaza la hiptesis nula Ho ; Fc= 52.15 y Ft= 2.71 al ser Fc> Ft.
Con un nivel de significancia del 5% se concluye que al menos uno de los
tratamientos es estadsticamente diferente por lo cual se rechaza la hiptesis nula.
Todos los tratamientos son mas efectivos que el secado a temperatura ambiente.
Los tratamientos T1 =T4 son estadsticamente iguales. El mejor tratamiento de
secado es el T5 (Secado convectivo) es el que presenta mayor absorcin de
humedad tiene una eficacia mayor con respecto a los tratamientos utilizados.
TRATAMIENTOS REPETICIONES
(T)
R1
R2
T1(10)
7.2
7.6
R3
15.4
R4
11.7
T2(20)
12.1
17.2
12.9
18.4
T3(50)
19.2
18.5
18.1
T4(70)
25.5
22.9
23.6
R5
9.8
5
4
Procedimiento
Prueba de hiptesis:
H 0 :T 1=T 2 Tn
Regla de decisin:
H a : Ti Tj
TRATAMIENT
OS
4
REPETICION
ES
5
N
15
= 1 + 2 + 3 + 4
1 = 1 + 2 + 3 + 4 =1
= 5 + 4 + 3+ 3= 15 - 1= 14
r1
r2
r3
r4
ri
1
ri`s
5
4
3
3
15
14
Totales TRA`S
51.7
60.6
55.8
72
Totales/tratamient
o
SUMA
SUMA
DE
CUADRADOS Y
Yi/r
Y1
51.7
2672.89
534.578
Y2
60.6
3672.36
918.09
Y3
55.8
3113.64
1037.88
Y4
Yi=
Yi=
Y./t.r
72
240.1
57648.01
3843.200667
5184
57648.01
1728
4218.548
TRATAMIENTOS
(T)
PROMEDIO
DESVEST
E.E
ris
T1(10)
10.34
3.358273366
1.501865507
T2(20)
15.15
3.11608729
1.558043645
T3(50)
18.6
0.556776436
0.321455025
T4(70)
24
1.345362405
0.776745347
15
F.V
GL
T
Error
3
11
Total
14
S.C
C.M
F.C
F.T
375.347333
3
125.1157778 17.53616824 3.59
78.482
7.134727273
453.829333
3
SIG
30
25
20
15
RESISTENCIA DE TELA
10
5
T4
(7
0)
T3
(5
0)
T2
(2
0)
T1
(1
0)
Conclusin:
Ho= T1 = T2 = T3 = T4
Ha= T1 = Tj
Se rechaza la hiptesis nula Ho ; Fc= 17.53 y Ft= 3.59 al ser Fc> Ft.
Con un nivel de significancia del 5% se concluye que al menos uno de los
tratamientos es estadsticamente diferente, y se puede observar que existe una
tendencia lineal, el incremento en la resistencia de la tela es a medida que
aumenta el porcentaje de algodn en cada uno de ellos. El tratamiento T4 (70%)
es el que presenta mayor resistencia y el T1 (10%) es el que presenta menor
resistencia.
R2
12
R3
11.4
R4
13
R5
T2(1)
13.2
13.4
14
15
13
T3(1.5)
17.8
18.6
19
18.1
T4(1.75)
28
29.7
28.7
29.4
28.
6
Tolales/tratamiento
SUMA
SUMA
DE
CUADRADOS Y
Yi/r
Y1
48.9
2391.21
478.242
Y2
68.6
4705.96
1176.49
Y3
55.4
3069.16
1023.053333
Y4
86.4
7464.96
2488.32
259.3
67236.49
3735.360556
67236.49
5166.105333
TRATAMIENTOS
REPETICIONES
N
4
5
17
169
225
327.61
864.36
169
817.96
GL
Error
14
Total
17
C.M
F.C
F.T
476.9149 3.513343 3.3
259
209
4
135.7439
048
35
30
25
20
15
10
5
0
T1
(0
.7
5)
RESISTENCIA DE TELA
S.C
1430.744
778
1900.414
667
3331.159
444
T3
(1
.5
)
FV
Conclusin:
Se puede observar que ningun tratamiento es igual debido a que existe una
tendencia de incremento en la resistencia de la membrana a medida que aumenta
la concentracion de mullita en cada uno de ellos .La mejor
Se rechaza la hiptesis nula Ho ; Fc= 17.53 y Ft= 3.59 al ser Fc> Ft.
Con un nivel de significancia del 5% se concluye que al menos uno de los
tratamientos es estadsticamente diferente, y se puede observar que existe una
tendencia lineal, el incremento en la resistencia de la membrana es a medida que
aumenta la concentracin de mullita en cada uno de ellos. El tratamiento T4
(1.75%) es el que presenta mayor resistencia y el T1 (0.75%) es el que presenta
menor resistencia.
t-1
BL
r-1
Error
Por
Diferencia
Total
tr-1
S.C
C.M
Y i2 Y 2
r tr
i=1
t
2
Y
tj Y tr
i=1
X Diferencia
ri
i=1 j=1
Ft
SIG.
SC (TRA)
GL (TRA)
)
CM (TRA) GL(T
GL(E ),
CM (E)
*
**
N.S
SC (BL)
GL ( BL)
CM ( BL)
CM ( BL)
)
GL(T
GL(E ),
*
**
N.S
SC (E)
GL (E)
Y ij2 Y tr
Fc
blo 1 (a)
blo 2
blo 3
blo 4
10 s
8.23
7.99
8.05
15 s
10.78
11
10.59
10.89
25 s
15.4
15.08
14.98
15.35
30 s
19.05
19
18.8
19.03
40 s
26.7
27
26.9
26.59
15 s
25 s
30 s
40 s
Como se observa en el grfico anterior, existe una gran interaccin en los datos,
debido a esto, no ser posible realizar un anlisis DEBA.
Ejemplo 2. Una industria desea comprobar el efecto que tienen las altas presiones
Tratamientos
Tipos de mquinas
Presin
en BLO1
BLO 2
BLO 3
BLO 4
mPa
A
B
C
D
100 mPa
81
86
82
83
200 mPa
85
87
95
85
300 mPa
90
92
95
90
400 mPa
89
97
98
98
400 mPa
99
106
101
100
hidrostticas en la extraccin de aceites esenciales de flores de manzanilla (Cistus
ladanifer L) con cinco tratamientos. Como tambin puede influir el tipo de mquina
empleada en la extraccin, se decide utilizar un diseo en bloques aleatorizados,
considerando las distintas mquinas de extraccin como bloques. La industria
dispone de 4 mquinas a las que asigna los 5 productos qumicos en orden
aleatorio. Los resultados obtenidos se muestran en la tabla 16.
110
105
100
95
90
85
80
75
100 mPa
200 mPa
Blo1 A
300 mPa
Blo 2 B
400 mPa
Blo 3 C
500 mPa
Blo4 D
Conclusin
Debido a que existen interacciones entre los tratamientos y los bloques, no es
posible emplear el DEBA para analizar esta problemtica.
Tipos de hornos
Temperatura
BLO1
BLO 2
BLO 3
1100 C
1200 C
1300 C
1500 C
A
130
195
210
190
B
165
240
255
240
C
100
180
195
175
Totales/trata
miento
SUMA
Y1
395
SUMA
AL
CUADR
ADO Y
156025
Y2
Y3
Y4
615
660
605
378225
435600
366025
Yi/r
Y.
Y./t.r
Yi/r
PROME DESV
DIO
EST
E.E
52008.3
3333
126075
145200
122008.
33
445291.
6667
131.67
32.53
16.27
205.00
220.00
201.67
31.22
31.22
34.03
15.61
15.61
17.02
2275
431302.
0833
TRATAMIENTO
4
Repeticiones
3
Total de tratamientos elevados al cuadrado.
16900
38025
2722
5
5760
0
1000
0
3240
0
44100
6502
5
5760
0
36100
F.V
GL
SC
CM
FC
FT
3
2
268.
6
237
Error
4663.1944
44
4114.5833
33
17.361111
11
8.94
Bloque
Total
11
13989.583
33
8229.1666
67
104.16666
67
22322.916
67
3802
5
3062
5
SIG
19.3
3
Temperaturtas de Sinterizado
Flexibilidad de la membrana
200
100
0
Hornos
Conclusin:
Con un nivel de significancia 5% se puede concluir que al menos uno de los
tratamientos es estadsticamente diferente, por lo que se rechaza la hiptesis nula.
De los tratamientos empleados, el T2 y T3 producen un efecto significativo e la
flexibilidad de las membranas, sin embargo a temperatura de 1300 C es el donde
se tiene una mayor flexibilidad en las membranas, y en el T1 las membranas no
S.C
C.M
2
Fc
Ft
SIG.
Trat
t-1
2
Y
nri Ytrn
i=1
SC (TRA)
GL (TRA)
CM (TRA)
CM ( E)
)
GL(T
GL(E ),
*
**
N.S
BL
r-1
Y j2 Y 2
t trn
i=1
SC (BL)
GL ( BL)
CM (BL)
CM (BL)
GL(BL)
GL(E ),
*
**
N.S
T*BL
(t-1)(r-1)
BL)
r
CM (TBL) GL(T
*
Y 2ij t Y 2i
Y 2j SCy 2(TBL)
...
GL(E ),
n rn tn +GLtrn(TBL) CM (TBL)
**
i=1 j=1
i=1
j=1
N.S
Error
Por Dif.
Total
tr-1
X Diferencia
ri
SC ( E)
GL ( E)
2
Y ij2 Y tr
i=1 j=1
R3
38.1
27.8
36.6
28
23.4
18.2
31
33.4
35.2
29.9
20.6
36.8
30.8
39.7
21.1
38.5
31
36.6
38.1
23.4
t1
t3
t2
t1
t4
t3
t2
t4
t1
t2
t4
t3
26.5
16.4
26.7
23.3
30.4
14.8
28.2
35.2
27.8
28
33.4
18.2
Totales
bloque
381.7
308.9
690.6
Y1
Y2
de Suma
Y3
cuadrado
Y4
145694.89
y
95419.21
Y./t..r.n
Yi/n.r
al
241114.1
187.7
197.7
Yj/t.n
114.5
190.7
12141.24083
690.6
7951.600833
19872.015
5871.881667
6514.215
2185.041667
6061.081667
20632.22
20092.84167
SUMA
110.1
12122.01
Yij/r
4040.67
Y12
77.6
6021.76
2007.253333
Y21
114.8
13179.04
4393.013333
Y22
82.9
6872.41
2290.803333
Y31
65.1
4238.01
1412.67
Y32
49.4
2440.36
813.4533333
Y41
91.7
8408.89
2802.963333
Y42
99
9801
3267
SUMAS
Y.
690.6
476928.3
6
19872.01
5
63083.48
3979525449
21027.82667
442169494.3
Y./t.r
SUMA
AL
CUADRADO Y
1354.24
542.89
1482.25
795.24
445.21
219.04
948.64
1239.04
1451.61
772.84
1339.56
784
547.56
331.24
961
1115.56
21071.68
F.V
GL
S.C
C.M
F.C
F.T
760.205
T*BL
220.82666
67
174.78
92.454241
41
80.569169
96
21.256308
91
3.24
BL
253.40166
67
220.82666
67
58.26
Error
16
TOT
23
43.853333
33
1199.665
SIG
4.49
3.25
2.7408333
33
Conclusin:
Con un valor de significancia del 5% podemos concluir que al menos un par de
concentraciones produce efecto distinto sobre el rendimiento de etanol con los
M.O estudiados y al menos una cepa (Bloque 1) produce un mayor rendimiento de
etanol comparado con la otra cepa. La interaccin de tratamientos por bloque nos
indica que los tratamientos NO siguen la misma tendencia en cada bloque.
t1
t3
t2
t1
t4
t3
t2
t4
t1
t2
t4
13.2
24.5
17.8
13.4
30.2
24.8
18.6
31.5
14
19
34.2
t3
21.9
t3
25.3
Yi/n.r
975.375
1872.66666
7
3266.66666
7
5538.88166
7
76.5
106
Y3
140
Y4
182.3
y
Y./t..r.n
504.8
10617.6266
7
11653.59
de Suma
cuadrado
56786.89
266.5
71022.25
504.8
127809.14
al Yj/t.n
4732.24083
3
5918.52083
3
10650.7616
7
SUMA
SUMA
AL
CUADRADO Y
35.9
1288.81
Yij/r
429.6033333
Y12
40.6
1648.36
549.4533333
Y21
46.7
2180.89
726.9633333
Y22
50
2500
833.3333333
Y31
53.6
2872.96
957.6533333
Y32
57.4
3294.76
1098.253333
Y41
86.4
7464.96
2488.32
Y42
95.9
9196.81
3065.603333
SUMAS
466.5
30447.55
10149.18333
Y.
217622.25
Y./t.r
9067.5937
5
927053301
103005922.3
144
179.
56
234.
09
268.
96
324
380.
25
882.
09
992.
25
237.16
275.56
309.76
331.24
784
912.04
Yijk
129.96
196
256
289
324
388.09
823.69
1169.6
4
10161.
83
F.V
GL
S.C
C.M
F.C
F.T
3
1
345.321111
1
33.135
T*BL
130
Error
16
102.5
43.333333
33
6.40625
53.903783
2
5.1722926
83
6.7642276
42
3.24
BL
1035.9633
33
33.135
TOT
23
1171.59833
3
4.49
3.25
SIG
35
30
25
20
15
Resistencia de la membrana 10
5
0
Tratamiento *Bloques
Conclusin:
Con un valor de significancia del 5% podemos concluir que al menos un par de
concentraciones produce un efecto sobre la resistencia en las membranas. Las
membranas que reunieron las mejores caractersticas, tanto en espesor como en
resistencia fueron las preparadas a una concentracin de 1.75 % m/v de mullita.
Se observ que al infiltrar con SiO2 al 0.08 % v/v las propiedades de flexibilidad de
las membranas mejoraron significativamente en el tratamiento T4. Por lo cual la
membrana que se eligi para el proceso de filtrado fue la del mejor tratamiento
T4B2 .
Glosario
Aleatorizacin: es la asignacin, en la cual se establece un tratamiento a cada
unidad experimental.
Bloque: son el conjunto de unidades experimentales homogneas con respecto al
efecto que han producido.
Diseo experimental: es un esquema para realizar un experimento, sus objetivos
son:
- Verificar si la diferencia entre los tratamientos es verdadera
- Establecer las tendencias entre las variables
Estimador insesgado: Posee un sesgo nulo por ser el valor esperado igual al
parmetro que se desea estimar.
Error experimental:
experimentales.
diferencia
innata
que
existe
entre
las
unidades
Bibliografa
Ausin., C. Tecnicas de Inferencia Estadistica. Contrastes de bondad de ajuste.
Cabaa., E. Pruebas de bondad y ajuste.
Bentez., C. Conceptos bsicos sobre anlisis de la varianza y diseo experimental.
Facultad de Ciencias Forestales (2002).
Montgomery, D., 2004. Diseos y anlisis de experimentos. Limusa Wiley. Universidad
estatal de Arizona.
Ordaz Sanz, J. A., Melgar Hiraldo, M. del C., Rubio Castao, C. M. S/F. Mtodos
estadsticos y economtricos en la empresa y para finanzas. Universidad Pablo de
Olavide: Sevilla.
Villaseor, A. J. (2011). Pruebas de bondad y ajuste para las distribuciones no
paramtricas. Colegio de posgrados. Mxico Lind, D.; Mason, R.; Marchal, W.
2001. Estadstica para Administracin y Economa. Ed. Irwin McGraw-Hill.
Universidad Carlos III de Madrid (2011).