Experimentos con factores aleatorios

Diseo de experimentos p. 1/36

Introduccin

Hasta ahora hemos supuesto que los factores de un experimento son factores jos, esto es, los niveles de los factores usados en el experimento son los niveles especcos de inters. Esto implica que las inferencias estadsticas que se hagan sobre estos factores estn limitadas a estos niveles especcos estudiados. En algunas situaciones experimentales, los niveles de un factor se seleccionan al azar de una poblacin grande de posibles niveles, y el investigador quiere tener conclusiones acerca de toda la poblacin de niveles, no solamente de los usados en el experimento. En esta situacin se dice que el factor es aleatorio.

Diseo de experimentos p. 2/36

Introduccin

Para el caso de un solo factor, el modelo estadstico lineal es: yij = + i + ij i = 1, . . . , a j = 1, . . . , n donde es la media general, i son los efectos aleatorios del factor, ij es el error aleatorio. Se supone que i y ij son independientes y que se distribuyen: ij i N (0, 2 )
2 N (0, )

La varianza de cualquier observacin es:

2 V (yij ) = + 2 2 y 2 se llaman componentes de varianza y el modelo se llama modelo de efectos aleatorios o de componentes de varianza.
Diseo de experimentos p. 3/36

Introduccin

Ahora lo que nos interesa es probar hiptesis acerca de la 2 componente de varianza .

2 H0 : = 0 2 H1 : > 0

tratamientos iguales variabilidad entre tratamientos

Se tiene que SSE 2 a donde N = na, y bajo la hiptesis N 2 nula SStrat 2 , entonces, bajo H0 : a1 2 Fc = CMtrat SStrat /a 1 = Fa1,N a SSE/N a CM E

Diseo de experimentos p. 4/36

Tabla de ANOVA

F.V. Entre grupos Dentro grupos Total Bajo H0 ,

g.l. a1 N t N 1

SS SSA SSE SStot

CM CMA CM E

Fc CMA /CM E

E(CM ) 2 2 + n 2

CMtrat = CM E = 2 .

Si H0 no es cierta, CMtrat > CM E, por lo tanto rechazamos H0 para valores grandes de Fc , es decir, rechazamos H0 si Fc > Fa1,N a .

Diseo de experimentos p. 5/36

Componentes de varianza
2 Interesa estimar los componentes de varianza ( , 2 ) en el modelo.

Existen varios procedimientos, el que veremos se llama mtodo de anlisis de varianza o de momentos, ya que usa la informacin de la tabla de ANOVA. El mtodo consiste en igualar la esperanza de cuadrados medios a sus valores observados. CMtrat CM E por lo tanto 2 2
2 = 2 + n

= 2 = CM E CMtrat CM E = n

Diseo de experimentos p. 6/36

Componentes de varianza

El mtodo de anlisis de varianza para estimar los componentes de varianza es relativamente sencillo y bueno cuando se tienen experimentos balanceados. A veces este mtodo de estimar las componentes de varianza d estimaciones negativas. Algunos autores dicen que es evidencia de que la componente es cero, aunque otros dicen que puede ser evidencia de que el modelo es incorrecto. Un mtodo ms reciente y que tiene buenos resultados es el de mxima verosimilitud restringida, REML (ste es el mtodo recomendado en JMP).

Diseo de experimentos p. 7/36

Ejemplo

Una fbrica textil produce un tipo de tela en un nmero grande de telares. Se desea obtener una tela de resistencia uniforme. El ingeniero a cargo sospecha que adems de la variacin usual en resistencia de muestras de tela del mismo telar, puede haber variaciones en resistencia entre diferentes telares. Para investigar esto, selecciona al azar 4 telares y hace 4 determinaciones de resistencia en la tela producida por cada telar. El experimento se corre en orden aleatorio. Telar Resistencia 1 98, 97, 99, 96 2 91, 90, 93, 92 3 96, 95, 97, 95 4 95, 96, 99, 98 ej12-1.jmp
Diseo de experimentos p. 8/36

Ejemplo

F.V. Telar Error Total

g.l. 3 12 15

SS 89.19 22.75 111.94

CM 29.73 1.89

F 15.68**

E(CM ) 2 2 + 4T 2

Componente Telar Error Total

Componente de varianza estimado 6.96 1.89 8.85

% del total 78.59 21.41 100.00

La mayor parte de la variabilidad se debe a diferencias entre telares. Si el ingeniero logra disminuir la variabilidad entre telares la produccin de telas sera ms homognea.

Diseo de experimentos p. 9/36

Diseo factorial con dos factores aleatorios

Suponga que se tienen los factores A y B y que ambos tienen un nmero grande de niveles que son de inters. Seleccionamos aleatoriamente a niveles de A y b niveles de B y arreglamos estos niveles en un diseo factorial. Si el experimento se replica n veces, entonces el modelos lineal es: yijk = + i + j + ( )ij + ijk i = 1, . . . , a j = 1, . . . , b k = 1, . . . , n donde i , j , ( )ij , ijk son variables aleatorias independientes. Tambien suponemos que: i j ( )ij ijk
2 N (0, ) 2 N (0, ) 2 N (0, )

N (0, 2 )
Diseo de experimentos p. 10/36

Diseo factorial con dos factores aleatorios

Por lo tanto, la varianza de cualquier observacin es:

2 2 2 V (yijk ) = + + + 2

Nos interesa probar las hiptesis:

2 H01 : 2 H02 : 2 H03 :

= = =

0 0 0

Las sumas de cuadrados se calculan igual que con efectos jos.

Diseo de experimentos p. 11/36

Diseo factorial con dos factores aleatorios

Para formar las estadsticas de prueba, debemos examinar la esperanza de cuadrados medios. Se puede demostrar que: E(CMA ) E(CMB ) E(CMAB ) E(CM E)
2 2 = 2 + n + bn 2 2 = 2 + n + an 2 = 2 + n

= 2

Diseo de experimentos p. 12/36

Diseo factorial con dos factores aleatorios

Las estadsticas F para probar las hiptesis anteriores se calculan de la siguiente manera: H01 :
2

=0 =0 =0

CMAB Fc = CM E CMA Fc = CMAB CMB Fc = CMAB

H02 : H03 :

Diseo de experimentos p. 13/36

Diseo factorial con dos factores aleatorios

Los componentes de varianza se pueden estimar por el mtodo de anlisis de varianza, igualando los cuadrados medios observados a sus respectivos valores esperados y resolviendo las ecuaciones, quedando:

2 2 2 2

= CM E = = = CMAB CM E n CMB CMAB an CMA CMAB bn

Diseo de experimentos p. 14/36

Ejemplo con dos factores aleatorios

(Ejemplo 7.1 Kuehl) Evaluacin del funcionamiento de mquinas con componentes de varianza. Se est desarrollando un nuevo espectrofotmetro para uso en laboratorios clnicos. Se quiere evaluar el funcionamiento de las mquinas de la lnea de produccin. Pregunta de investigacin: Un componente crtico del funcionamiento de un instrumento es la consistencia de las mediciones de un da a otro entre las mquinas. Se quiere saber si la variabilidad de las mediciones entre las mquinas operadas durante varios das estn dentro de los estndares aceptables para aplicaciones clnicas. Estructura de tratamientos: Se construye un diseo factorial con mquinas y das como factores. Sern probadas 4 mquinas en 4 diferentes das en un arreglo 4 4.
Diseo de experimentos p. 15/36

Ejemplo con dos factores aleatorios

Diseo experimental: Se seleccionan aleatoriamente 4 mquinas. Se preparan cada da 8 replicaciones de muestras de suero en sangre con el mismo lote de reactivos. Dos muestras de suero se asignan aleatoriamente a cada una de las cuatro mquinas en cada uno de los 4 das para un diseo completamente al azar con dos repeticiones de cada tratamiento. El mismo tcnico prepara las muestras de suero y opera las mquinas durante todo el experimento. Se miden los niveles de triglicridos (mg/dl) en las muestras de suero.

Diseo de experimentos p. 16/36

Ejemplo con dos factores aleatorios

Mquina Da 1 2 3 4 1 142.3,144.0 134.9, 146.3 148.6, 156.5 152.0, 151.4 2 148.6, 146.9 145.2, 146.3 148.6, 153.1 149.7, 152.0 3 142.9, 147.4 125.9, 127.6 135.5, 138.9 142.9, 142.3 4 133.8, 133.2 108.9, 107.5 132.1, 149.7 141.7, 141.2

Las mquinas son un factor aleatorio porque representan una muestra aleatoria de una poblacin potencial de mquinas a construir, y los das son una muestra aleatoria de una poblacin de das en los cuales se usarn las mquinas. El arreglo factorial permite la evaluacin de la interaccin entre mquinas y das. La consistencia del funcionamiento de las mquinas se evidenca por la ausencia de interaccin. ej7_1_kuehl.jmp

Diseo de experimentos p. 17/36

Ejemplo con dos factores aleatorios

F.V. Da Mquina Interaccin Error

g.l. 3 3 9 16 2 dm 2 m 2 d 2

SS 1334.46 1647.28 786.04 286.33

CM 444.82 549.09 87.34 17.90

Fc 5.09* 6.29* 4.88**

E(CM ) 2 2 2 + 2dm + 8d 2 2 2 + 2dm + 8m 2 2 + 2dm 2

= CM E = 17.90 CMdm CM E = 34.72 = n CMm CMdm = = 57.72 na CMd CMdm = 44.69 = nb

Diseo de experimentos p. 18/36

Ejemplo con dos factores aleatorios

Componente Da Mquina Da x Mquina Error Total

Estimador 44.69 57.72 34.72 17.90 155.02

% del total 28.825 37.23 22.398 11.544 100

La varianza estimada de una observacin es: y = 2 + d + m + dm = 155.02 2 2 2 2

Diseo de experimentos p. 19/36

Ejemplo con dos factores aleatorios

Interpretacin: Cada uno de los componentes de varianza contribuye signicativamente a la variacin de las mediciones. El componente del error 2 = 17.9 representa la variacin en la preparacin de las muestra de suero en sangre. El componente de mquinas m = 57.7, es la variacin en el 2 funcionamiento de las mquinas. El componente de das d = 44.7, es la variabilidad asociada 2 con un nuevo inicio utilizando nuevos reactivos para el anlisis de las muestras y otras fuentes de variabilidad que pueden asociarse a las diferencias operacionales entre los das.

Diseo de experimentos p. 20/36

Ejemplo con dos factores aleatorios

El componente de la interaccin dm = 34.7 implica que el 2 funcionamiento de las mquinas no vara consistentemente con los cambios de operacin de los das. Una posible explicacin es que exista una inconsistencia en la calibracin de las mquinas a lo largo de los das. El investigador, basado en su experiencia, debe ser capaz de decidir si alguna de las fuentes de variabilidad anteriores excede un nivel aceptable y corregir, si es necesario, cualquier deciencia en las mquinas o en las condiciones de operacin

Diseo de experimentos p. 21/36

Tres factores aleatorios

F.V. A B C AB AC BC ABC Error

g.l. a1 b1 c1 (a 1)(b 1) (a 1)(c 1) (b 1)(c 1) (a 1)(b 1)(c 1) abc(r 1)

E(CM ) 2 2 2 2 2 + rabc + rcab + rbac + rbca 2 2 2 2 2 + rabc + rcab + rabc + racb 2 2 2 2 2 + rabc + rbac + rabc + rabc 2 2 2 + rabc + rcab 2 2 2 + rabc + rbac 2 2 2 + rabc + rabc 2 2 + rabc 2

Diseo de experimentos p. 22/36

Tres factores aleatorios

Las estadsticas F se construyen de la siguiente manera: ABC : AB : AC : BC : CMABC CM E CMAB CMABC CMAC CMABC CMBC CMABC

Diseo de experimentos p. 23/36

Tres factores aleatorios

Para probar los tres efectos principales (A,B y C) es necesario construir un cuadrado medio para el denominador de las pruebas F. Existen pruebas F aproximadas utilizando el procedimiento de Satterthwaite, donde se calcula una combinacin lineal de los cuadrados medios y sus correspondientes grados de libertad. Dada una funcin lineal M , donde M = a1 (CM1 ) + a2 (CM2 ) + . . . + ak (CMk ) y CM1 , CM2 , . . . , CMk son cuadrados medios con gl 1 , 2 , . . . , k respectivamente, los grados de libertad para M son aproximadamente = M2
k (ai (CMi ))2 i=1 i

Diseo de experimentos p. 24/36

Tres factores aleatorios

2 Para probar la hiptesis H0 : A = 0 se puede construir la combinacin lineal

M = CMAB + CMAC CMABC entonces la prueba queda como: CMA M Calculando los grados de libertad para el denominador con el procedimiento de Satterthwaite.

Diseo de experimentos p. 25/36

Tres factores aleatorios

Es posible construir un Cuadrado Medio negativo cuando en la combinacin lineal algunos de los cuadrados medios tienen coecientes negativos. Para salvar esta dicultad, otra aproximacin para probar la 2 hiptesis H0 : A = 0 es hacer M1 = CMA + CMABC M2 = CMAB + CMAC con gl calculados con el procedimiento de Satterthwaite,entonces la prueba queda como: M1 . M2 Lo mismo se hara para los otros efectos principales (B y C).

Diseo de experimentos p. 26/36

Efectos anidados

Diseo de experimentos p. 27/36

Efectos anidados

En algunos experimentos factoriales los niveles de un factor (digamos, B) son similares pero no idnticos para diferentes niveles de otro factor (A). Este arreglo se llama diseo anidado o jerrquico y se dice que B est anidado en A. Generalmente los factores que estn anidados son aleatorios. Por ejemplo, una compaa compra su materia prima a tres diferentes proveedores. La compaa desea determinar si la pureza de la materia prima es la misma en cada proveedor. Se seleccionan cuatro lotes de materia prima de cada proveedor y se tomarn tres determinaciones de pureza en cada lote.

Diseo de experimentos p. 28/36

Ejemplo

Diseo de experimentos p. 29/36

Ejemplo

Este es un diseo anidado de 2 etapas, con lote anidado en proveedor, y observacin anidada en lote. Por qu no son dos factores cruzados? Porque el lote 1 debera referirse a una caracterstica particular del mismo lote, equivalentemente para los otros lotes. En el ejemplo, los lotes de cada proveedor son nicos para el proveedor particular. Esto es, el lote 1 del proveedor 1 no tiene nada que ver con el lote 1 de los otros proveedores, es solamente una etiqueta.

Diseo de experimentos p. 30/36

Efectos anidados

El modelo estadstico para los diseos anidados de dos etapas es: yijk = + i + j(i) + k(ij) i = 1, . . . , a j = 1, . . . , b k = 1, . . . , n a niveles del factor A b niveles del factor B anidados en cada nivel del factor A n repeticiones Es conveniente pensar en las repeticiones como que estn anidadas en la combinacin de niveles de A y B. Este es un diseo anidado balanceado, ya que hay igual nmero de niveles de B dentro de cada nivel de A e igual nmero de repeticiones. Ya que todos los niveles de B no aparecen con todos los niveles de A entonces no puede haber interaccin entre A y B.

Diseo de experimentos p. 31/36

Efectos anidados

F.V. A B(A) Error Total SSA

g.l. a1 a(b 1) ab(n 1) abn 1 = 1 bn 1 n

a a

SS SSA SSB(A) SSE SST ot

2 yi.. 2 y... abn

CM CMA CMB(A) CM E

i=1 a b

SSB(A)

1 2 yij. bn i=1 j=1

b n

a 2 yi.. i=1 a b 2 yij. i=1 j=1

SSE

=
i=1 j=1 k=1 a b n

1 2 yijk n
2 yijk

SST ot

=
i=1 j=1 k=1

2 y... abn
Diseo de experimentos p. 32/36

Efectos anidados

E(CM ) E(CMA ) E(CMB(A) ) E(CM E)

A jo B jo
2 2 + bnA 2 2 + nB

A jo B aleatorio
2 2 2 + nB + bnA 2 2 + nB

A aleatorio B aleatorio
2 2 2 + nB + bnA 2 2 + nB

Diseo de experimentos p. 33/36

Ejemplo

1 Lote 1 1 -1 0 2 -2 -3 -4 3 -2 0 1 4 1 4 0

Proveedor 2 1 2 3 1 0 -1 -2 4 0 -3 2 -2

3 4 0 3 2 1 2 4 0 2 -2 0 2 3 1 -1 2 4 3 2 1

Los lotes se toman al azar de cada proveedor. Proveedor es jo y lote aleatorio. anidado.jmp

Diseo de experimentos p. 34/36

Ejemplo

F.V. Proveedor Lote(Proveedor) Error Total

g.l. 2 9 24 35

SS 15.06 69.92 63.33 148.31

CM 7.53 7.77 2.64

E(CM ) 2 2 2 + 3B + 12A 2 2 + 3B 2

F 0.97 2.94*

No hay efecto signicativo del proveedor en la pureza del material. La pureza de los lotes de materia prima del mismo proveedor dieren signicativamente, por lo tanto, hay que trabajar con los proveedores para que reduzcan su variabilidad de lote a lote. Las estimaciones de los componentes de varianza son: Componente Estimacin % del total Lote(proveedor) 1.7099 39.32 Error 2.6389 60.68 Total 4.3488 100.00
Diseo de experimentos p. 35/36

Ejemplo

Qu pasa si ignoramos que hay diferentes lotes y consideramos las 12 observaciones de cada proveedor como repeticiones? F.V. Proveedor Error Total g.l. 2 33 35 SS 15.06 133.25 148.31 CM 7.53 4.038 F 1.864 p-value 0.171

No hay diferencia en proveedores. Sin embargo, en este anlisis estamos ignorando que cada 3 observaciones tienen en comn que provienen de un mismo lote donde hay diferencias (segn el anlisis anterior).

Diseo de experimentos p. 36/36