Universidad Central de Venezuela

Facultad de Ingeniera
Ncleo Experimental Armando Mendoza
Ingeniera de Procesos Industriales
Curso: Diseo de Experimentos

ASIGNACIN DE DISEO FACTORIAL

EQUIPO 7
EJERCICIOS 1 Y 6
Profa. Isabel Daz

Auto

Coraspe Loreany C.I.: 20.693

Garcia Al C.I.: 24.816
Martinez Emily C.I.: 20.770
Parra Evelyn C.I.: 23.792
Puente Jeisy C.I.: 23.919
Ramrez Dana C.I.: 19.515

e Venezuela
niera
mando Mendoza
Industriales
perimentos

O FACTORIAL
7
1Y6

Autores:
Coraspe Loreany C.I.: 20.693.795
Garcia Al C.I.: 24.816.104
Martinez Emily C.I.: 20.770.272
Parra Evelyn C.I.: 23.792.660
Puente Jeisy C.I.: 23.919.209
Ramrez Dana C.I.: 19.515.534

Ejercicio 1

Se realiza un experimento para estudiar la inf

de un tubo de osciloscopio. Se registraron los

Tipo de Cristal

100

580

550

546

Y.j.

5097

Prom Y.j.

566.3333333333

N=r*3^k

27

Temperatura FactorB
Tipo de Cristal Factor A

bo=100

ao

572.667

a1

553

a2

573.333

Efecto Simple de B

Nivel Bajo de B
Ao
0.66667

Efecto Simple de A

Nivel Bajo de A
Bo

Efecto Simple de A
813.33333

Interaccin
AB
BA

-250.000
-250.000

Verificando el supuesto de
i =PromYi.. - PromY
75.148
26.815
-101.963
0.000

j= PromY.j. -PromY
-373.852
118.815
255.037
0.000

CODIFICACIN

aobo
aobo
aobo
aob1
aob1
aob1
aob2
aob2
aob2
a1bo
a1bo
a1bo
a1b1
a1b1
a1b1
a1b2
a1b2
a1b2
a2bo
a2bo

Tratamientos
1
1
1
2
2
2
3
3
3
4
4
4
5
5
5
6
6
6
7
7

Tipo de Cristal
-1
-1
-1
-1
-1
-1
-1
-1
-1
0
0
0
0
0
0
0
0
0
1
1

a2bo
a2b1
a2b1
a2b1
a2b2
a2b2
a2b2

7
8
8
8
9
9
9

1
1
1
1
1
1
1

ANALISIS DE VARIANZA
Diseo factorial de mltiples niveles
Factores:
2
Corridas base: 9
Bloques base: 1

Rplicas:
3
Total de corridas: 27
Total de bloques: 1

Modelo lineal general: Y vs. Tratamiento

Mtodo
Codificacin de factores (-1. 0. +1)
Anlisis de Varianza
Fuente
Tratamiento
Error
Total

GL
SC Ajust.
MC Ajust.
Valor F Valor p
8
2411751
301469
824,77
0,000
18
6579
366
26
2418330

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
19,1185 99,73%
99,61% 99,39%

Ho: 1= 2= 3= 4= 5=...= 9= 0
Ha: i 0 para algn ji= 1,2 ,3...9

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
19,1185 99,73%
99,61% 99,39%

Ho: 1= 2= 3= 4= 5=...= 9= 0
Ha: i 0 para algn ji= 1,2 ,3...9

Con un 95% de confiabilidad, como el valor de p(0,000)< alfa(0,05) se puede suponer que hay
suficiente evidencia estadstica para rechaza la Ho a favor de Ha. Por lo tanto, podemos decir
existe diferencia significativa los tratamiento, es decir que al menos uno de ellos es diferente. E
ello que se recomienda aplicar un anlisis factorial para determinar si los factores (tipo de crist
temperatura) y las interacciones tienen algn efecto o estn incidiendosobre la salida luminoso
un tubo de osciloscopio.

Por otro lado, tambin podemos decir que los tratamientos explican un 99,73% de la variabilid
la respuesta, es decir la variabilidad en la salida luminoso de un tubo de osciloscopio

ANALISIS DE REGRESIN
Creamos el diseo
Diseo factorial de mltiples niveles
Factores:
Corridas base:
Bloques base:

2
9
1

Rplicas:
3
Total de corridas: 27
Total de bloques: 3

Nmero de niveles: 3. 3

Anlisis de regresin: Y vs. Temperatura. Tipo de Cristal

Mtodo
Codificacin de predictores categricos (-1. 0. +1)
Anlisis de Varianza
Fuente

GL

SC Ajust.

MC Ajust.

Valor F Valor p

Mtodo
Codificacin de predictores categricos (-1. 0. +1)
Anlisis de Varianza
Fuente
Regresin
Temperatura
Tipo de Cristal
Temperatura*Temperatura
Temperatura*Tipo de Cristal
Error
Falta de ajuste
Error puro
Total

GL
SC Ajust.
MC Ajust. Valor F Valor p
6
2347377
391229
110,28
0,000
1
1779756
1779756 501,67
0,000
2
150865
75432
21,26
0,000
1
190579
190579
53,72
0,000
2
226178
113089
31,88
0,000
20
70953
3548
2
64374
32187
88,06
0,000
18
6579
366
26
2418330

Resumen del modelo

R-cuad. R-cuad.
S
R-cuad. ( ajustado) (pred)
59,5623 97,07%
96,19% 95,04%
Coeficientes
Trmino
Constante
Temperatura
Tipo de Cristal
-1
0
Temperatura*Temperatura
Temperatura*Tipo de Cristal
-1
0

Coef
1059,0
314,4
75,1
26,8
-178,2
92,2
65,6

EE del
coef.
Valor T Valor p
VIF
19,9
53,34
0,000
14,0
22,40
0,000
1,00
16,2
4,64
0,000
1,33
16,2
1,65
0,114
1,33
24,3
-7,33
0,000
1,00
19,9
19,9

4,64
3,30

0,000
0,004

1,33
1,33

Ecuacin de regresin
Tipo de
Cristal
-1

Y = 1134,1 +406,7Temperatura -178,2Temperatura*Temperatura

Y = 1085,8 +380,0Temperatura -178,2Temperatura*Temperatura

Y = 957,0 +156,7Temperatura -178,2Temperatura*Temperatura

n experimento para estudiar la influencia de la temperatura de operacin y tres tipo de placas de c

e osciloscopio. Se registraron los siguientes datos:

Temperatura
100

125
568

570

1090

1087

530

579

1070

1035

575

599

1045

1053
9531

5097
566.3333333333

niveles

1059

Prom Y

940.1851851852

factores
repeticiones
num de observ total

Temperatura FactorB
b1=125

b2=150

1087.333

1386

1035

1313

1054.667

886.667

Nivel Medio de B
A1
-32.66667

Nivel Alto de B
A2
-499.33333

Efecto Lineal del facto

A
A

Nivel Medio de A
B1

Nivel Alto de A
B2

Efecto Lineal del Facto

B

PromYij.

760.000

Ai = 0

313.33333

Bj = 0

( AB )ij Yij . (

(AB)ij
Interaccin

722.019
1236.685
1535.352
480.185
962.185
1240.185
496.796
978.130
810.130

Y
580
568
570
1090
1087
1085
1392
1380
1386
550
530
579
1070
1035
1000
1328
1312
1299
546
575

Verificando es supuesto de Normalidad ba

Ho: los datos siguen una distribucin normal

Ha: Los datos no sigun una distribucin norm

Grfica de
99

95
90
80

Porcentaje

Temperatura
-1
-1
-1
0
0
0
1
1
1
-1
-1
-1
0
0
0
1
1
1
-1
-1

-218.167
296.500
595.167
-460.000
22.000
300.000
-443.389
37.944
-130.056
0.000

70
60
50
40
30
20
10

80

Porcentaje

-1
0
0
0
1
1
1

70

599
1045
1053
1066
867
904
889

60
50
40
30
20
10
5

200

400

600

800

10
Y

Con un 95% de confiabilidad, como el valor de

la Ha. Por lo tanto, podemos suponer que los da
Es necesario entonces aplicar una prueba de val
seguridad efectivamente es as.

ARIANZA

Grficas de residuos
99

40

90

20

Residuo

Porcentaje

Grfica de probabilidad normal

50

0
-20

10
1
-40

-20

20

-40
500

40

Residuo

Histograma

alor F Valor p
0,000

40
20

Residuo

Frecuencia

12

6
3
0

-30

-20

-10

10

Residuo

20

30

40

0
-20
-40

-30

-10

10

20

30

-40

40

Residuo

Para el analisis factorial se plantean las siguie

Para el Tipo de Cristal
Ho: A=0
Ha: A0

< alfa(0,05) se puede suponer que hay

r de Ha. Por lo tanto, podemos decir que
e al menos uno de ellos es diferente. Es por
determinar si los factores (tipo de cristal y
n incidiendosobre la salida luminoso de

Para Temperatura
Ho: B=0
Ha: B0
Interaccin de ambos factores
Ho: AB=0
Ha: AB0

os explican un 99,73% de la variabilidad en

o de un tubo de osciloscopio

Prueba de Hipotesis para el Modelo

GRESIN

Ho: =====
H1: al menos una 0

Modelo de regresin:
Yijm = 0+ 1 X1+ 2 X2+ 11
(X1)2+ 22(X2)2+ 12 X1X2 + ijm

27
3

i=1,2,3; j=1,2,3; m=3

Cristal

Grficas de residuos
Grfica de probabilidad normal
99

Valor F Valor p

100

90
50
10

Residuo

MC Ajust.

Porcentaje

t.

-20

50
0
-50

Grfica de probabilidad normal

100

Residuo

90
50

50
0
-50

10
1

-100

-50

50

-100

100

Residuo

Histograma
8

100

50

Residuo

Frecuencia

t.
MC Ajust. Valor F Valor p
391229
110,28
0,000
1779756 501,67
0,000
75432
21,26
0,000
0579
53,72
0,000
3089
31,88
0,000
3548
32187
88,06
0,000
366

Porcentaje

99

4
2
0

0
-50

-75

-50

-25

25

50

75

100

-100

Residuo

En en analisis de regresin, se puede decir con un 95% de confia

significancia) existe suficiente evidencia estadstica para rechaz

Valor T Valor p
VIF
53,34
0,000
22,40
0,000
1,00

4,64
0,000
1,33
1,65
0,114
1,33
33
0,000
1,00
4,64
3,30

0,000
0,004

1,33
1,33

mperatura*Temperatura

Ho: =====
H1: al menos una 0

Lo que quiere decir que al menos una de las variables regresoras

influye sobre la variable respuesta.

Conclusiones:

En el anlisis de regresin, como se puede observar, se incluy

Temperatura), el trmino cudrtico B*B (de segundo orden) (t
Tipo de cristal es categrico). No se tom en cuenta tom en c
todo anlisis la regresin se utilizan para estudiar la relacin e
sin embargo el coeficiente de determinacin fue de 97,03%.

mperatura*Temperatura

mperatura*Temperatura

Lo que quiere decir que el modelo de regresin explica en un

factores Tipo de Cristal (A), y Temperatura (B) y su interacc
que pudieran estar influyendo en la variable respuesta pero qu
R cuadrado ajustado ste disminuy a 96,19% lo cual puede
decir que el modelo de regresin se ajusta a los datos en un 96

Asimismo como el valor del R cuadrado y R cuadrado ajustad

existe el ajuste del mismo a los datos es bueno, esto se debe a
se tom en cuenta el trmino cudrtico A*A (Tipo de Cristal*

Por otro lado, para la Temperatura y para el termino de segun

R cuadrado ajustado ste disminuy a 96,19% lo cual puede

decir que el modelo de regresin se ajusta a los datos en un 96

Asimismo como el valor del R cuadrado y R cuadrado ajustad

existe el ajuste del mismo a los datos es bueno, esto se debe a
se tom en cuenta el trmino cudrtico A*A (Tipo de Cristal*

Por otro lado, para la Temperatura y para el termino de segun

varianza) es igual a 1 significa que son independientes entre s
tienen un factor de inflacin de la varianza (VIF) > 1 (1,33) l

ipo de placas de cubriemiento de cristal, en la slida luminosa

150
1085

1392

1380

1386

1000

1328

1312

1299

1066

867

904
10757

889

1195.2222222222

Tipo de Cristal

Temperatura

a0
a0
a0
a1
a1
a1
a2
a2
a2

b0
b1
b2
b0
b1
b2
b0
b1
b2

Efecto Lineal del factor A

-177.111
-177.11111

Efecto Lineal del Factor B

628.889

Tratamiento
572.667
1087.333
1386
553
1035
1313
573.333
1054.667
886.667

Efecto Cuadratico de Factor A

-5890125.77777778

Efecto Cuadratico de Factor B

-3597286.77777778

Efecto Lineal de A
A =(a2b0+a2b1+a2b2-(a0b0+a0b1+a0b2))/3
Efecto Cudratico de A
A = ((a2b0+a2b1+a2b2)-2(a1b0+a1b1+a1b2)
(a0b0+a0b1+a0b2))/3
Efecto Lineal de B
A =(a2b2+a1b2+a0b2-(a0b0+a1b0+a2b0))/3
Efecto Cuadrtico de B
A = ((a0b2+a1b2+a0b2)-2(a0b1+a1b1+a2b1)
(a0b0+a1b0+a2b0))/3

Efecto Lineal de B
A =(a2b2+a1b2+a0b2-(a0b0+a1b0+a2b0))/3
628.889

Efecto Cuadrtico de B
A = ((a0b2+a1b2+a0b2)-2(a0b1+a1b1+a2b1)
(a0b0+a1b0+a2b0))/3

AB )ij Yij. ( Ai B j ) / 2 Y ...

de Normalidad bajo las hipotesis:

distribucin normal
na distribucin normal

Grfica de probabilidad de Y
Normal
Media
940,2
Desv.Est.
305,0
N
27
KS
0,202
Valor P
<0,010

600

800

1000
Y

1200

1400

1600

1800

d, como el valor de P(0,010)< alfa(0,05) se puede recharzar la Ho a favor de

s suponer que los datos no siguen una distribucin normal.
ar una prueba de valores atpicos y determinar la curtosis para tener mayor
as.

s de residuos para Y

mal

vs. ajustes

Residuo

40
20
0
-20
-40
500

40

750

1000

1250

1500

Valor ajustado

vs. orden
40

En los grficos del Model

tener un comportamiento
se puede apreciar en el his
Normal); por otro lado, el
patrn definido.

Residuo

20

40

0
-20
-40

8 10 12 14 16 18 20 22 24 26

Orden de observacin

-40

40

8 10 12 14 16 18 20 22 24 26

Orden de observacin

Analisis Factorial
Modelo lineal general: Y

e plantean las siguientes hiptesis:

Mtodo

Codificacin de factores (-1

Informacin del factor
Factor
Tipo de Cristal
Temperatura

Tipo
Fijo
Fijo

ores
Anlisis de Varianza

Fuente
Tipo de Cristal
Temperatura
Tipo de Cristal*Temperatur
Error
Total

is para el Modelo de Regresin

Resumen del modelo

R-c
S
R-cuad. (ajustad
19,1185 99,73%
99,61%

esin:
2 X2+ 11
2 X1X2 + ijm

Variables regresoras:
X1 tipo de cristal
x2 temperatura
x1x2 interaccin
x1*x1 trmico cuadrtico
x2*x2 trmico cuadrtico

3; m=3

as de residuos para Y

mal

vs. ajustes

Residuo

100
50
0
-50

mal

vs. ajustes

Residuo

100
50
0
-50
-100

100

600

800

1000

1200

1400

Valor ajustado

vs. orden

En los grficos del analisis de regresin se

comportamiento normal, ya que los valores
apreciar en el histograma que los residuos f
Normal) y las observaciones parecen no ten

Residuo

100
50
0
-50

100

-100

8 10 12 14 16 18 20 22 24 26

Orden de observacin

on un 95% de confianza, que como los valores de p< 0,05 (nivel de

adstica para rechazar la Ho a favor de la Ha, siendo las hipotesis:

variables regresoras contribuye significativamente al modelo, es decir,

observar, se incluyeron los trminos lineales A Y B (de primer orden) (Tipo de Cristal y
de segundo orden) (temperatura*temperatura) y la interaccin B*A (a pesar de que el factor
en cuenta tom en cuenta el trmino cudrtico A*A (Tipo de Cristal*Tipo de Cristal) ya que
estudiar la relacin entre dos o ms variables numricas, no obstante, el Tipo de Cristal no lo es,
n fue de 97,03%.

esin explica en un 97,03% la la salida luminoso de un tubo de osciloscopio en relacin a los

ra (B) y su interaccin AB. El 2,97% de la variabilidad restante se explicara por otros factores
le respuesta pero que no han sido considerados para el estudio planteado. Al observar el % de
19% lo cual puede deberse a que se agregaron factores no significativos al modelo,.Se puede
a los datos en un 96,19%.

R cuadrado ajustado se aproximan se puede decir que el modelo est bien planteado y que
ueno, esto se debe a que se consideraron los factores adecuados para el estudio, puesto que no
A (Tipo de Cristal*Tipo de Cristal) porque es una variable categrica.

el termino de segundo orden Temperatura*Temperaura el VIF (factor de inflacin de la

19% lo cual puede deberse a que se agregaron factores no significativos al modelo,.Se puede
a los datos en un 96,19%.

R cuadrado ajustado se aproximan se puede decir que el modelo est bien planteado y que
ueno, esto se debe a que se consideraron los factores adecuados para el estudio, puesto que no
A (Tipo de Cristal*Tipo de Cristal) porque es una variable categrica.

el termino de segundo orden Temperatura*Temperaura el VIF (factor de inflacin de la

dependientes entre s, es decir, no estn correlacionados. Mientras que los dems trminos
a (VIF) > 1 (1,33) lo que significa que existe una correlacin entre ellos.

Yi..

Prom Yi..

9138

1015.3333333

8703

967

7544
25385

838.22222222
Y

ineal de A
+a2b1+a2b2-(a0b0+a0b1+a0b2))/3

udratico de A
0+a2b1+a2b2)-2(a1b0+a1b1+a1b2)
1+a0b2))/3

ineal de B
+a1b2+a0b2-(a0b0+a1b0+a2b0))/3

uadrtico de B
2+a1b2+a0b2)-2(a0b1+a1b1+a2b1)
0+a2b0))/3

Tipo de Diseo:

Diseo Factorial 3^2 de p = 3 niveles

Variable a estudiar y los factores que intervienen:

La variable a estudiar es la salida luminoso de un tubo
Existen 2 factores de estudio los cuales son de efectos
* Tipo de Cristal (Factor A)
* Temperatura (Factor B)
Modelo Estadstico:
Yijm = + Ai + Bj + Cm+ (AB)ij + ijm
con i=1,2,3 ; j=1,2,3 ; m=1,2,...r r=3 repeticiones

Donde:
* es la media global o efecto constante
* Ai es el efecto del i-simo nivel del factor tipo de crist
* Bj es el efecto del j-simo nivel del factor temperatur
* (AB)ij efecto de la interaccin del: i-simo nivel del fa
nivel del factor temperatura
* ijmk es la variable aleatoria que representa el efecto
observacin.
Supuestos:
*
*
*
*

es constante para todos los niveles

Yijm ~ DNI ( +Ai +Bj+(AB)ij, ) normalemente inde
ijm ~ DNI (0, ), normalmente independiente
Ai = 0 ; Bj= 0 ; * (AB)ij = 0 ; Para i=1,2,3 ; j=

Pruebas de hiptesis:

* Ho: Ai = 0 ; Ha: al menos una Ai 0 para algn i=1,2,3

* Ho: Bj = 0 ; Ha: al menos una Bj0 para algn j=1,2,3
* Ho: (AB)ij = 0 para todas las i,j ; Ha: al menos una (A
Modelo de regresin:
2

ineal de B
+a1b2+a0b2-(a0b0+a1b0+a2b0))/3

uadrtico de B
2+a1b2+a0b2)-2(a0b1+a1b1+a2b1)
0+a2b0))/3

Pruebas de hiptesis:

* Ho: Ai = 0 ; Ha: al menos una Ai 0 para algn i=1,2,3

* Ho: Bj = 0 ; Ha: al menos una Bj0 para algn j=1,2,3
* Ho: (AB)ij = 0 para todas las i,j ; Ha: al menos una (A
Modelo de regresin:
Yijm = 0+ 1 X1+ 2 X2+ 11 (X1)2+ 22(X2)2+ 12 X1X2 + ijm
i=1,2,3; j=1,2,3; m=3

Donde:
0 es el trmino independiente
1, 2 coeficientes de los trminos lineales.
_,_ son los coeficientes de los trminos cuadrtico
12 el coeficiente del trmino de la interaccin
ijm Variable aleatoria que engloba un conjunto de facto
en la respuesta solo en pequeas magnitudes pero que
cuenta.
Prueba de Hiptesis
Ho: _=_=_=_=_=
H1: al menos una 0

Prueba de Valores Atpicos , se planten las siguientes hiptesis:

Ho: Los valores de los datos provienen de una misma poblacin
Ha: Los valores de los datos no provienen de una misma poblacin.

Grfica de valores atpicos de Y

Mn.
530,00

Prueba de Grubbs
Mx.
G
1392,00 1,48

500

600

700

800

900

1000

1100

1200

1300

1400

Con un 95% de confiablidad, como el valor de P(1,000) > alfa(0,05) se puede aceptar la
Por lo que, podemos consideran entonces que los valores provienen de la misma. En otr
palabras, no hay valor atpico.
Adems, se determin la curtosis:
Resumen para Y
Estadsticas descriptivas: Y
Media del
Error
Variable N N* Media estndar
Y
27 0 940,2
58,7

Desv.Est. Mnimo
Mximo
curtosis
305,0
530,0
1392,0
-1,3

Observando la curtosis nos fijamos que efectivamente se encuentra dentro de rango -2 y

por lo que asumismos que los datos siguen una distribucin normal tal como se conside
en la prueba de puntos atpicos; apesar de que la prueba de normalidad de Kolmogow
Smirnov arroj que no era as.

En los grficos del Modelo General Lineal se observa que los residuos parecieran
tener un comportamiento normal, ya que los valores se aproximan a la recta, adems,
se puede apreciar en el histograma que se forman una campana de Gauss (Distribucin
Normal); por otro lado, el orden de las observaciones parecieria que no siguen un
patrn definido.

alisis Factorial
odelo lineal general: Y vs. Tipo de Cristal. Temperatura

todo

dificacin de factores (-1. 0. +1)

ormacin del factor

ctor
po de Cristal
mperatura

Tipo
Fijo
Fijo

Niveles
3
3

Valores
-1. 0. 1
-1. 0. 1

lisis de Varianza

ente
ipo de Cristal
emperatura
ipo de Cristal*Temperatura
ror
tal

2
2

GL

4
18
26

SC Ajust.
MC Ajust.
Valor F
Valor p
150865
75432
206,37
0,000
1970335
985167
2695,26
0,000
290552
72638
198,73
0,000
6579
366
2418330

sumen del modelo

R-cuad. R-cuad.
S
R-cuad. (ajustado)
(pred)
,1185 99,73%
99,61%
99,39%

Este modelo lineal general de analisis factorial explica en un 99,73% la variacin de la

salida luminoso de un tubo de osciloscopio en relacin a los factores Tipo de Cristal (A) y
Temperatura (B) y la interaccin de ambos (AB). El 0,27% de la variabilidad restante se
explicara por otros factores que pudieran estar influyendoen la variable respuesta pero que
no han sido considerados para el estudio planteado. Al observar el % de R cuadrado
ajustado ste disminuy poco a 99,61%. Se puede decir que el modelo de regresin
factorial se ajusta a los datos en un 99,61%.

del analisis de regresin se observa que los residuos parecieran tener un

normal, ya que los valores se aproximan a la recta, adems se puede
stograma que los residuos forman una campana de Gauss (Distribucin
bservaciones parecen no tener un patron definido.

istal y
e el factor
al) ya que
stal no lo es,

lacin a los
tros factores
rvar el % de
o,.Se puede

ado y que
esto que no

de la

o,.Se puede

ado y que
esto que no

de la
rminos

de p = 3 niveles y k=2 factores

ntervienen:

noso de un tubo de osciloscopio.

son de efectos fijos siendo los siguientes:

3 repeticiones

e
ctor tipo de cristal
ctor temperatura
simo nivel del factor tipo de cristal con el j-simo

esenta el efecto del error de la ijm-sima

malemente independientes
endiente
ara i=1,2,3 ; j=1,2,3;

ra algn i=1,2,3
ra algn j=1,2,3
al menos una (AB)ij 0 para algn i=1,2,3 y j=1,2,3

ra algn i=1,2,3
ra algn j=1,2,3
al menos una (AB)ij 0 para algn i=1,2,3 y j=1,2,3

X1X2 + ijm

ales.
minos cuadrticos
accin
onjunto de factores, cada uno de los cuales influye
itudes pero que de forma conjunta debe tenerse en

tesis:

cin
blacin.

Verificando el supuesto de homogenedidad asumiendo normalidad en los da

plantean las siguientes hipotesis:
Ho : ^2 1 = ^22 = = ^2k
Ha : ^2 i ^2 j para por lo menos un par (i, j)
.

Prueba de Grubbs
Mn.
Mx.
G
P
530,00 1392,00 1,48 1,000

Prueba de igualdad de varianzas para Y

Cristal

Temperatura

Tratamientos

-1

-1

-1

-1

Esta
Valo

Esta
Valo

se puede aceptar la Ho.

de la misma. En otras

-1

-1

Esta
Valo

100 200 300 400 500 600 700

Intervalos de confianza de Bonferroni de 95% par

Asumiendo que los datos provienen de una distribucin normal segn l

de puntos atpicos y la curtosis, con un 95% de confiabilidad, como el
>alfa(0,05) se puede aceptar la Ho. Por lo tanto, se puede suponer que
las varianzas poblacionales. Es decir se cumple el supuesto de homoge

Grfica de caja de Y
1400
1300

o
curtosis
392,0
-1,37

dentro de rango -2 y 2
al como se consider
dad de Kolmogow

1200
1100

1000
900
800
700
600
500

En el analisis factorial, se puede decir con un 95% de confiabilida

factor Tipo de Cristal como para el factor Temperatura el Valor P(0
de significancia), por lo que contamos con suficiente evidencia pa
favor de la Ho. En ese sentido, podemos concluir que ambos facto
sobre la salida luminoso de un tubo de osciloscopio.

Adems, con el mismo nivel de significancia, para la interaccin d

AB, como el Valor de P(0,000)> 0,05 (nivel de significancia) se pu
a favor de la Ha, por lo tanto la interaccin del Tipo de Cristal y ll

factor Tipo de Cristal como para el factor Temperatura el Valor P(0

de significancia), por lo que contamos con suficiente evidencia pa
favor de la Ho. En ese sentido, podemos concluir que ambos facto
sobre la salida luminoso de un tubo de osciloscopio.

Adems, con el mismo nivel de significancia, para la interaccin d

AB, como el Valor de P(0,000)> 0,05 (nivel de significancia) se pu
a favor de la Ha, por lo tanto la interaccin del Tipo de Cristal y ll
tambin influyen sobre la salida luminoso de un tubo de oscilosco

Grfica de efectos principales par

Medias de datos
Temperatura
1200
1100

Valor p

variacin de la
o de Cristal (A) y
dad restante se
espuesta pero que
R cuadrado
regresin

Media

1000
900
800
700
600
500
-1

-1

miendo normalidad en los datos, se

ar (i, j)

aldad de varianzas para Y

Prueba de Bartlett
Estadstica de prueba
Valor P

13,44
0,098

Prueba de Levene
Estadstica de prueba
Valor P

1,25
0,325

Estadstica de prueba
Valor P

1,25
0,325

100 200 300 400 500 600 700

anza de Bonferroni de 95% para Desv.Est.

na distribucin normal segn la lo arrojado por la prueba

5% de confiabilidad, como el valor de p(0,098)
lo tanto, se puede suponer que no existen diferencia entre
cumple el supuesto de homogeneidad en la ploracin.

a de caja de Y

cir con un 95% de confiabilidad que tanto para el

factor Temperatura el Valor P(0,000)< 0,05(nivel
mos con suficiente evidencia para rechazar la Ho a
emos concluir que ambos factores estn influyendo
de osciloscopio.

nificancia, para la interaccin de ambos factores

05 (nivel de significancia) se puede rechazar la Ho
raccin del Tipo de Cristal y lla Temperatura

En este grfica de caja podemos obervar que la mayor

cantidad de datos se encuentran por debajo de la media
es decir, en el segundo y tercer cuartil por lo tanto los d
estn muy dispersos haca esa parte.

factor Temperatura el Valor P(0,000)< 0,05(nivel

mos con suficiente evidencia para rechazar la Ho a
emos concluir que ambos factores estn influyendo
de osciloscopio.

nificancia, para la interaccin de ambos factores

05 (nivel de significancia) se puede rechazar la Ho
raccin del Tipo de Cristal y lla Temperatura
minoso de un tubo de osciloscopio.

de efectos principales para Y

Medias de datos

ra

Cristal

La grfica de efectos principale

traza una lnea horizontal en la m
y la lnea de referencia. Al obs
comparacin con

-1

podemos obervar que la mayor

uentran por debajo de la mediana,
y tercer cuartil por lo tanto los datos
ca esa parte.

La grfica de efectos principales muestra las medias de respuesta para cada nivel de factor. Se
aza una lnea horizontal en la media principal. Los efectos son las diferencias entre las medias
y la lnea de referencia. Al observar la grfica ,el efecto del factor temperatura es grande en
comparacin con el efecto que produce el factor tipo de cristal.

l de factor. Se
ntre las medias
es grande en

En un proceso de soldado de aluminio haba problemas con la fuerza de unin de

el poste a un tablero electrnico. Se decide abordar el problema mediante un d
como factores de control: el tiempo (T), la potencia (P) y la fuerza (F) y como v
fuerza necesaria para despegar la
soldadura despus de transcurrido un tiempo). Los datos obtenidos

T(mseg)

P(Watts)

5
3
7
7
7
3
7
3
5
3

4.3
5.6
3.0
5.6
3.0
5.6
5.6
3.0
4.3
3.0

Tipo de Diseo: diseo factorial 23 (3 factores a dos niveles cada uno)

dos puntos centrales por cada rplica (2 rplicas o repeticiones).
Modelo: Efectos fijos
Variable a estudiar y los factores que intervienen:

La variable a estudiar es la fuerza de arrastre (la fuerza necesaria para

despegar la soldadura despus de transcurrido un tiempo).
Factores que intervienen:
* Tiempo (mseg)
* Potencia (watts)
* Fuerza (grs)
Modelo Estadstico:

Yijmk = + Ai + Bj + Cm+ (AB)ij + (AC)im + (BC)jm+ (ABC)ijm + ijmk

siendo i=1,2 ; j=1,2 ; m= 1,2 y k=2 repeticiones
Donde:
* es la media global
* Ai es el efecto del i-simo nivel del factor tiempo
* Bj es el efecto del j-simo nivel del factor potencia
* Cm es el efecto del m-simo nivel del factor fuerza
* (AB)ij,(AC)im, (BC)jm y (ABC)ijm efecto de las interacciones del i-simo n
factor tiempo con el j-simo nivel del factor potencia; i-simo nivel del
tiempo con el m-simo nivel del factor fuerza; j-simo nivel del factor
potencia con el m-simo nivel del factor fuerza y el isimo nivel factor
con el j-simo nivel del factor potencia y el m-simo nivel del factor fu

* Ai es el efecto del i-simo nivel del factor tiempo

* Bj es el efecto del j-simo nivel del factor potencia
* Cm es el efecto del m-simo nivel del factor fuerza
* (AB)ij,(AC)im, (BC)jm y (ABC)ijm efecto de las interacciones del i-simo n
factor tiempo con el j-simo nivel del factor potencia; i-simo nivel del
tiempo con el m-simo nivel del factor fuerza; j-simo nivel del factor
potencia con el m-simo nivel del factor fuerza y el isimo nivel factor
con el j-simo nivel del factor potencia y el m-simo nivel del factor fu
* ijmk es la variable aleatoria que representa el efecto del error de la
sima observacin.
Supuestos:

* es constante para todos los niveles

* Yijmk ~ DNI ( +Ai +Bj+Cm+(AB)ij+(AC)im+(BC)jm+ (ABC)ijm, ) , e
corresponde a una Distribucin Normal e Indepediente.
* ijmk ~ DNI (0, ), es decir, corresponde a una Distribucin Normal e
Indepediente.
* Ai = 0 ; Bj= 0 ; Cm = 0
* (AB)ij = 0 ; (AC)im = 0 ; (BC)jm = 0 ; (ABC)ijm = 0 Para i=1,2
; m =1,2
Pruebas de hiptesis:

* Ho: Ai = 0 ; Ha: al menos una Ai 0 para algn i=1,2

* Ho: Bj = 0 ; Ha: al menos una Bj0 para algn j=1,2
* Ho: Cm = 0 ; Ha: al menos una Cm 0 para algn m=1,2
* Ho: (AB)ij = 0 para todas las i,j ; Ha: al menos una (AB)ij 0 para alg
(i,j)=1,2
* Ho: (AC)im = 0 para todas las i,m ; Ha: al menos una (AC)im 0 para
(i,m)=1,2
* Ho: (BC)jm = 0 para todas las j,m ; Ha: al menos una (BC)jm 0 para
(j,m)=1,2
* Ho: (ABC)ijm = 0 para todas las i,j,m ; Ha: al menos una (ABC)ijm 0
algn (i,j,m)=1,2

Modelo de regresin
0 + 1 X1 + 2 X2 + 3 X3 + 12 X1X2 + 13 X1X3 + 23 X2X3 + imjk
i=1,2; m=1,2; j=1,2; k=2
Donde:
0 es el trmino independiente
1, 2 3 son los coeficientes de los trminos lineales.
12 , 13, 23 son los coeficientes de los trminos de interaccin.
ijmk Variable aleatoria que engloba un conjunto de factores, cada uno d
cuales influye en la respuesta solo en pequeas magnitudes pero que d
forma conjunta debe tenerse en cuenta.

Prueba de Hiptesis
Ho: _=_=_=_=_=_=
H1: por lo menos uno de los parmetros B1, B2,......, B23 es distinto de
Repeticin
T(mseg) P(Watts)

1
1
1
1
1
1
1
1
1
1
2
2
2
2
2
2
2
2
2
2

Tratamiento
1

5
3
7
7
7
3
7
3
5
3
5
3
7
7
7
3
7
3
5
3

T(mseg)

4.3
5.6
3
5.6
3
5.6
5.6
3
4.3
3
4.3
5.6
3
5.6
3
5.6
5.6
3
4.3
3

Codificacin
P(Watts)

-1

-1

-1

-1

-1

-1

-1

-1

0
-1
1
-1
1

0
-1
-1
1
1

9
1
2
3
4

5
6
7
8
9
9

-1
1
-1
1
0
0

-1
-1
1
1
0
0

Verificacin de los supuest

Grfica de probabilidad de Y
Normal
99

95
90

Porcentaje

80
70
60
50
40
30
20
10
5

500

1000

1500

2000

Prueba de varianzas iguales: Y vs. Tiempo. Potencia. Fuerza

Tiempo Potencia
-1

-1

Fuerza
Prueba de Bartlett

-1

Valor p

1
1

-1
1

-1

-1
1

-1
1
0

20000

40000 60000

80000 100000 120000 140000

Intervalos de confianza de Bonferroni de 95% para Desv.Est.

0,861

250

1
0

20000

40000 60000

80000 100000 120000 140000

Intervalos de confianza de Bonferroni de 95% para Desv.Est.

Estadsticos descriptivos: Y

Variable
Y

N
20

N*
0

Variable
Y

Mximo
1981,0

Media
1404,6

Error
estndar
de la
media
85,7

Desv.Est.
383,5

Varianza
147050,5

Curtosis
-1,47

ANOVA unidireccional: Y vs. Tratamiento

Ho: 1= 2= 3= 4= 5=...= 9= 0
Ha: i 0 para algn ji= 1,2 ,3...9

Informacin del factor

Factor
Tratamiento

Niveles
9

Valores
1. 2. 3. 4. 5. 6. 7. 8. 9

Anlisis de Varianza
Fuente
Tratamiento
Error
Total

GL
8
11
19

SC Ajust.
2267574
526385
2793959

MC Ajust.
283447
47853

Valor F
5,92

Valor p
0,004

Resumen del modelo

S
218,754

R-cuad.
(ajustado)
67,46%

R-cuad.
81,16%

R-cuad.
(pred)
30,36%

Medias
Tratamiento
1
2
3
4
5
6
7
8
9

N
2
2
2
2
2
2
2
2
4

Media
1870,0
1111
1332
1233
921,0
1001,0
1531
1366
1841,5

Desv.Est.
110,3
279
247
246
65,1
131,5
145
448
154,8

IC de 95%
(1529,5. 2210,5)
(
770.
1451)
(
991.
1672)
(
893.
1573)
( 580,5. 1261,5)
( 660,5. 1341,5)
( 1190.
1871)
( 1025.
1706)
(1600,8. 2082,2)

Desv.Est. agrupada = 218,754

Modelo lineal general: Y vs. Bloques. Tratamientos

Mtodo
Codificacin de factores

(-1. 0. +1)

Informacin del factor

Factor
Tratamientos
Bloques

Tipo
Fijo
Fijo

Niveles
9
2

Valores
1. 2. 3. 4. 5. 6. 7. 8. 9
1. 2

Anlisis de Varianza
Fuente
Tratamientos

GL
8

SC Ajust.
2267574

MC Ajust.
283447

Valor F
5,93

Valo
0,

Bloques
Error
Falta de ajuste
Error puro
Total

1
10
8
2
19

48020
478365
414600
63765
2793959

48020
47836
51825
31883

1,00

0,

1,63

0,

Resumen del modelo

S
218,716

R-cuad.
82,88%

R-cuad.
(ajustado)
67,47%

R-cuad.
(pred)
22,07%

Diseo factorial completo

Factores:
Corridas:
Bloques:

3
20
2

Diseo de la base:
Rplicas:
Puntos centrales (total):

3. 8
2
4

Regresin factorial: Y vs. A. B. C

Anlisis de Varianza
Fuente
Modelo
Lineal
A
B
C
Interacciones de 2 trminos
A*B
A*C
B*C
Interacciones de 3 trminos
A*B*C
Error
Curvatura
Error puro
Total

GL
7
3
1
1
1
3
1
1
1
1
1
12
1
11
19

SC Ajust.
1313166
432285
222312
77841
132132
675671
43264
149382
483025
205209
205209
1480793
954408
526385
2793959

MC Ajust.
187595
144095
222312
77841
132132
225224
43264
149382
483025
205209
205209
123399
954408
47853

Resumen del modelo

S
351,283

R-cuad.
47,00%

R-cuad.
(ajustado)
16,08%

R-cuad.
(pred)
0,00%

Coeficientes codificados

Trmino
Constante
A
B
C
A*B
A*C
B*C
A*B*C

Efecto
-235,7
139,5
-181,8
104,0
193,3
347,5
-226,5

Coef
1404,6
-117,9
69,8
-90,9
52,0
96,6
173,8
-113,3

EE del
coef.
78,5
87,8
87,8
87,8
87,8
87,8
87,8
87,8

Valor T
17,88
-1,34
0,79
-1,03
0,59
1,10
1,98
-1,29

Valor p
0,000
0,204
0,442
0,321
0,565
0,293
0,071
0,222

VIF
1,00
1,00
1,00
1,00
1,00
1,00
1,00

Al observar la tabla anavar de la regresin factorial , se puede decir con un

fuerza(C) no estn influyendo sobre la fuerza de arrastre necesaria para
valor de p para la potencia ( 0,442) y el valor de p para la fuerza (0,321) s
hiptesis nulas: Ho: A = 0 ; Ho: B = 0 ; Ho: C = 0. Por otro lado, con el mi
interacciones : Ho: AB= 0 ; Ho: AC= 0 ; Ho: BC= 0 y Ho: ABC= 0 debido a
el nivel de significancia alfa (0,05), por lo tanto, se puede concluir que las
despegar la soldadura. Sin embargo, pareciera que la interaccin BC pu
(0,071) est muy cercano al valor de alfa (0,05).

Grfica de interaccin para Fuerza de arrastre

Medias de datos
3,0

4,3

5,6

700

750

800
1800
1500

T(mseg)
1200

T(mseg)
3
5
7

Grfica de interaccin para Fuerza de arrastre

Medias de datos
3,0

4,3

5,6

700

750

800

T(mseg)
3
5
7

1800
1500

T(mseg)
1200

P(Watts)
3,0
4,3
5,6

1800

1500

P(Watts)
1200

F(grs)

Anlisis de regresin: Y vs. A. B. C

Prueba de Hiptesis
Ho: ======
H1: por lo menos uno de los parmetros B1, B2,......,
B23 es distinto de cero.

Modelo de regresin
0 + 1 X1 + 2 X2 + 3 X3 + 12 X1X2 + 13 X1X3 + 23 X2X3
+ imjk
i=1,2; m=1,2; j=1,2; k=2

Anlisis de Varianza
Fuente
Regresin
A
B
C

GL
6
1
1
1

SC Ajust.
1107957
222312
77841
132132

MC Ajust.
184659
222312
77841
132132

Valor F
1,42
1,71
0,60
1,02

Valo
0,
0,
0,
0,

A*B
A*C
B*C
Error
Falta de ajuste
Error puro
Total

1
1
1
13
2
11
19

43264
149382
483025
1686002
1159617
526385
2793959

43264
149382
483025
129692
579809
47853

0,33
1,15
3,72

0,
0,
0,

12,12

0,

Resumen del modelo

S
360,128

R-cuad.
39,66%

R-cuad.
(ajustado)
11,80%

R-cuad.
(pred)
0,00%

Al observar la tabla anavar en el anlisis de regresin , se puede

las interacciones X1X2, X1X3 y X2X3 no contribuyen con inform
significativamente en la variable respuesta ya que el valor de p
valores de p para las interacciones son mayores que el nivel de
regresoras del modelo no son significativas. Sin embargo, pare
el valor p (0,071) est muy cercano al valor de alfa (0,05).

Coeficientes

Trmino
Constante
A
B
C
A*B

Coef
1404,6
-117,9
69,8
-90,9
52,0

EE del
coef.
80,5
90,0
90,0
90,0
90,0

Valor T
17,44
-1,31
0,77
-1,01
0,58

Valor p
0,000
0,213
0,452
0,331
0,573

VIF
1,00
1,00
1,00
1,00

A*C
B*C

96,6
173,8

90,0
90,0

1,07
1,93

0,303
0,076

1,00
1,00

Ecuacin de regresin

Y = 1404,6 - 117,9 A + 69,8 B - 90,9 C + 52,0 A*B + 96,6 A

Con

Con una confiabilidad del 95% se puede decir q

factores tiempo (A), potencia (B) , fuerza
fuerza*potencia(BC) al presentar valores de p >
para estos factores no es el

Se recomienda a los investigadores considerar

necesaria para despegar la soldadura debido a
stos no son significativos para el estudio que
anlisis de regresin es bastante alta (57980
modelo no logra describir de manera adecuada
variable de respuesta, por ello se debera rea
abordar el problema de la fuerza de unin d

as con la fuerza de unin de la soldadura. El inconveniente ocurra al soldar

r el problema mediante un diseo de experimentos, donde se consideran
a (P) y la fuerza (F) y como variable de respuesta la fuerza de arrastre (la
a necesaria para despegar la
empo). Los datos obtenidos se muestran en la siguiente tabla:

F(grs)
750
700
700
800
800
800
700
800
750
700

a dos niveles cada uno) con

s o repeticiones).

en:

a fuerza necesaria para

un tiempo).

C)jm+ (ABC)ijm + ijmk

ones

mpo
encia
uerza
eracciones del i-simo nivel del
encia; i-simo nivel del factor
-simo nivel del factor
y el isimo nivel factor tiempo
simo nivel del factor fuerza.

Fuerza de Arrastre
1981
1506
1308
1682
908
1633
1059
875
1792
1792

1645
1157
913
1049
1094
1428
1407
967
1948
1948

mpo
encia
uerza
eracciones del i-simo nivel del
encia; i-simo nivel del factor
-simo nivel del factor
y el isimo nivel factor tiempo
simo nivel del factor fuerza.
el efecto del error de la ijmk-

BC)jm+ (ABC)ijm, ) , es decir,

ediente.
a Distribucin Normal e

BC)ijm = 0

Para i=1,2 ; j=1,2

n i=1,2
j=1,2
n m=1,2
una (AB)ij 0 para algn

os una (AC)im 0 para algn

os una (BC)jm 0 para algn

menos una (ABC)ijm 0 para

X3 + imjk

eales.
de interaccin.
de factores, cada uno de los
magnitudes pero que de

......, B23 es distinto de cero.

F(grs)
Fuerza de arrastre

750
700
700
800
800
800
700
800
750
700
750
700
700
800
800
800
700
800
750
700
PromY.

Codificacin
F(grs)

1981
1506
1308
1682
908
1633
1059
875
1792
1792
1645
1157
913
1049
1094
1428
1407
967
1948
1948
1404.6

-1

Fuerza de arrastre
1792

-1

1308

-1

1506

-1

1059

875

908

1633

1682

1981

0
-1
-1
-1
-1

1792
1948
913
1157
1407

Variable
Tiempo
Potencia

Fuerza
Codificacin

Tratamiento T(mseg)
1
-1
2
-1
3
-1
4
-1
5
1
6
1
7
1
8
1

Nivel Bajo

3.00
3.0
700.0
-1

P(Watts)
-1
-1
1
1
-1
-1
1
1

Se cre un diseo factorial en M

3 factores. Luego se estableci
completo 2 a la 3 con dos punt
bloque, dos rplicas y 2 bloque
las corridas.

Al obtener la codificacin, se p
variable respuesta segn la co
nivel.

967
1094
1428
1049
1645
1948

1
1
1
1
0
0

Verificacin de los supuestos

babilidad de Y

mal
Media
1405
Desv.Est.
383,5
N
20
KS
0,141
Valor p
>0,150

Prueba de Normalidad

Ho: Los datos siguen una distribucin norm

Ha: Los datos no siguen una distribucin n

Como el valor de p(0,150) > (0,05) se pu

Por lo tanto, podemos suponer con un 95%
que los datos siguen una distribucin norm
2000

2500

Fuerza
Prueba de Bartlett
Valor p

00

.Est.

0,861

Prueba de Homogeneidad de Varianza (Homocedasticidad)

Ho: _1^2=_2^2==_^2=0
Ha: _^2_^2 (,)= 1,2

Como el valor de p(0,861) > (0,05) se puede aceptar la Ho. Por lo tanto
con un 95% de confiabilidad suponemos que no existen diferencia entre
las varianzas poblacionales. Es decir se cumple el supuesto de
homogeneidad en la poblacin.

00

.Est.

Desv.Est.
383,5

Varianza
147050,5

Q1
1051,5

Mediana
1417,5

Q3
1764,5

Grficas de residuos para

99

400

90

200

Residuo

Porcentaje

Grfica de probabilidad normal

50

0
-200

10
1
-500

-250

250

-400

500

1000

Residuo

Histograma
400
200

3,6

Residuo

Frecuencia

4,8

. 6. 7. 8. 9

t.
47

Mnimo
875,0

2,4

-200

1,2
0,0

-300

-200

-100

100

200

300

-400

Residuo

Valor F
5,92

Valor p
0,004

Como el valor de p(0,04)< (0,05) co

confiabilidad se puede suponer que h
estadstica para rechazar la Ho a favo
podemos decir que al menos un trata
ello se debe realizar un anlisis factor
los factores (tiempo, potencia e ifuerz
estn influyendo sobre la variable res

estadstica para rechazar la Ho a favo

podemos decir que al menos un trata
ello se debe realizar un anlisis factor
los factores (tiempo, potencia e ifuerz
estn influyendo sobre la variable res

Los tratamientos explican el 81,16% de la

variabilidad en la fuerza de arrastre necesaria
para despegar la soldadura.

IC de 95%
(1529,5. 2210,5)
(
770.
1451)
(
991.
1672)
(
893.
1573)
( 580,5. 1261,5)
( 660,5. 1341,5)
( 1190.
1871)
( 1025.
1706)
(1600,8. 2082,2)

Tratamientos

Grfica de prob

Porcentaje

99
90
50
10
1
-400

Resi

Histog

3. 4. 5. 6. 7. 8. 9

C Ajust.
283447

-200

Frecuencia

8
6
4
2
0

Valor F
5,93

Valor p
0,006

-300

-200

-100

Resi

En los grfic
residuos par
valores se a

48020
47836
51825
31883

otal):

1,00

0,340

1,63

0,436

En los grfic
residuos par
valores se a
histograma
Normal); po
que no sigue

Como el valor de p(0,3

decir que los bloques
variable respuesta.

3. 8
2
4

SC Ajust.
1313166
432285
222312
77841
132132
675671
43264
149382
483025
205209
205209
1480793
954408
526385
2793959

MC Ajust.
187595
144095
222312
77841
132132
225224
43264
149382
483025
205209
205209
123399
954408
47853

Valor F
1,52
1,17
1,80
0,63
1,07
1,83
0,35
1,21
3,91
1,66
1,66

Valor p
0,250
0,363
0,204
0,442
0,321
0,196
0,565
0,293
0,071
0,222
0,222

19,94

0,001

El modelo de regresin factorial explica en un 47% la

variacin de la fuerza de arrastre en relacin a los
factores potencia (B),tiempo (A) y fuerza (C) y sus

El modelo de regresin factorial explica en un 47% la

variacin de la fuerza de arrastre en relacin a los
factores potencia (B),tiempo (A) y fuerza (C) y sus
respectivas interacciones AB, AC, BC y ABC. El 53% de
la variabilidad restante se explicara por otros factores
que pudieran estar influyendo en la variable respuesta
pero que no han sido considerados para el estudio
planteado. Al observar el % de R cuadrado ajustado
ste disminuy a 16,08% lo cual puede deberse a que se
agregaron factores no significativos al modelo (que no
estn influyendo sobre la variable respuesta). Se puede
decir que el modelo de regresin factorial se ajusta a los
datos en un 16,08%.

Valor T
17,88
-1,34
0,79
-1,03
0,59
1,10
1,98
-1,29

Valor p
0,000
0,204
0,442
0,321
0,565
0,293
0,071
0,222

VIF

Como el VIF (factor de inflacin

de la varianza) para cada uno de
los factores e interacciones es
igual a 1 significa que son
independientes entre s, es decir,
no estn correlacionados.

1,00
1,00
1,00
1,00
1,00
1,00
1,00

, se puede decir con una confiabilidad del 95% que los factores tiempo (A), potencia (B
rastre necesaria para despegar la soldadura ya que el valor de p para el tiempo (0,204
para la fuerza (0,321) son mayores que el nivel de significancia alfa (0,05) aceptndose
or otro lado, con el mismo nivel de confianza se aceptan las hiptesis nulas de las
Ho: ABC= 0 debido a que los valores de p de las interacciones respectivas son mayor
puede concluir que las interacciones no influyen sobre la fuerza de arrastre necesaria p
e la interaccin BC pudiese estar influyendo en la variable respuesta porque el valor p

rastre

Grfica de efectos principales para Fuerza de arrastre

Medias de datos

800

1900
1800
1500

1200

T(mseg)
3
5
7

1800
1700

T(mseg)

P(Watts)

F(grs)

rastre

Grfica de efectos principales para Fuerza de arrastre

Medias de datos

800

T(mseg)

1900

T(mseg)
3
5
7

1800
1500

P(Watts)

F(grs)

1800
1700

1200

P(Watts)
3,0
4,3
5,6

1800

1500

Media

1600
1500
1400
1300

1200

1200
1100
3

3,0

4,3

5,6

700

800

Grfica de probabilid

os B1, B2,......,
Variables regresoras
X1 es el factor A (tiempo)
X2 es el factor B (potencia)
X3 es el factor C (fuerza)
X1X2 es la interaccion AB
X1X3 es la interaccin AC
X2X3 es la interaccion BC

Porcentaje

99

X1X3 + 23 X2X3

C Ajust.
184659
222312
77841
132132

750

90
50
10
1
-800

-400

Residuo

Histogram

Frecuencia

8
6
4
2
0

Valor F
1,42
1,71
0,60
1,02

Valor p
0,278
0,213
0,452
0,331

-600

-400

-200

Residuo

En los grficos del Anlis

parecieran tener un com
aproximan a la recta, ad
forman una campana de
orden de las observacion

43264
149382
483025
129692
579809
47853

0,33
1,15
3,72

0,573
0,303
0,076

12,12

0,002

En los grficos del Anlis

parecieran tener un com
aproximan a la recta, ad
forman una campana de
orden de las observacion

El modelo de regresin explica en un 39,66% de la variacin

de la fuerza de arrastre en relacin a los factores potencia
(B),tiempo (A) y fuerza (C) y sus respectivas interacciones
AB, AC, BC y ABC. El 60,34% de la variabilidad restante se
explicara por otros factores que pudieran estar influyendo
en la variable respuesta pero que no han sido considerados
para el estudio planteado. Al observar el % de R cuadrado
ajustado ste disminuy a 11,80% lo cual puede deberse a
que se agregaron factores no significativos al modelo (que no
estn influyendo sobre la variable respuesta). Se puede
decir que el modelo de regresin se ajusta a los datos en un
11,80%.

de regresin , se puede decir con una confiabilidad del 95% que las variables regresora
ontribuyen con informacin a la prediccin de la fuerza de arrastre necesaria para desp
a ya que el valor de p para el tiempo (0,213),el valor de p para la potencia ( 0,452), el v
ayores que el nivel de significancia alfa (0,05) aceptndose la hiptesis nula: Ho: =
as. Sin embargo, pareciera que la interaccin X1X2 contribuye con informacin a la p
lor de alfa (0,05).

Valor p
0,000
0,213
0,452
0,331
0,573

VIF
1,00
1,00
1,00
1,00

Como el VIF (factor de inflacin de

la varianza) para cada uno de los
factores e interacciones es igual a 1
significa que son independientes
entre s, es decir, no estn
correlacionados.

0,303
0,076

la varianza) para cada uno de los

factores e interacciones es igual a 1
significa que son independientes
entre s, es decir, no estn
correlacionados.

1,00
1,00

9 C + 52,0 A*B + 96,6 A*C + 173,8 B*C

Conclusiones y recomendaciones

el 95% se puede decir que existe suficiente evidencia estadstica como para aceptar la H
), potencia (B) , fuerza (C) y las interacciones tiempo*potencia (AB), tiempo*fuerza(BC)
presentar valores de p > alfa(0,05). Por consiguiente, se puede decir que el modelo de re
estos factores no es el adecuado ya que se ajusta a los datos en un 11,80 %.

estigadores considerar otros factores que pudieran estar influyendo sobre la fuerza de
r la soldadura debido a que el tiempo, la fuerza y la potencia , adems de las interacc
os para el estudio que se desea realizar. Adems, el cuadrado medio de la falta de ajus
s bastante alta (579809) en comparacin con los dems cuadrados medios , por esta ra
de manera adecuada la relacin funcional entre los factores experimentales seleccion
por ello se debera realizar el estudio nuevamente (plantear otro diseo de experimento
de la fuerza de unin de la soldadura en el proceso de soldado de aluminio adecuadam

Nivel Alto

P.C.

7.00
5.6
800.0
1

5.00
4.3
750.0
0

Efecto Simple de BC sobre A

F(grs)
-1
1
-1
1
-1
1
-1
1

1870
921
1331.5
1530.5
1110.5
1001
1233
1365.5

aoboco
aoboc1
aob1co
aob1c1
a1boco
a1boc1
a1b1co
a1b1c1

o factorial en Minitab con 2 niveles y

go se estableci un diseo factorial
3 con dos puntos centrales por
licas y 2 bloques. No se aletaorizaron

dificacin, se prosigui a ordenar la

sta segn la codificacin de cada

Ao
A1

Efecto promedio del factor A

A

G
2000

stribucin normal
a distribucin normal

1600

> (0,05) se puede aceptar la Ho.

oner con un 95% de confiabilidad,
stribucin normal.

1800

1400

1200

1000

sticidad)

Ho. Por lo tanto,

diferencia entre
sto de

Se puede observar que dato

s de residuos para Y

al

300

vs. ajustes
400

Residuo

200
0
-200
-400

500

1000

1200

1400

1600

1800

Valor ajustado

vs. orden
400

Residuo

200
0
-200
-400

10

12

14

16

18

20

Orden de observacin

04)< (0,05) con un 95 % de

suponer que hay suficiente evidencia
zar la Ho a favor de la Ha. Entonces,
menos un tratamiento es diferente. Por
n anlisis factorial para determinar si
otencia e ifuerza) e interacciones
e la variable respuesta .

zar la Ho a favor de la Ha. Entonces,

menos un tratamiento es diferente. Por
n anlisis factorial para determinar si
otencia e ifuerza) e interacciones
e la variable respuesta .

Grficas de residuos para Y

Grfica de probabilidad normal

-300

vs. ajustes

Residuo

300
150
0
-150

-200

200

-300

400

1000

1200

Residuo

1400

1600

1800

Valor ajustado

Histograma

vs. orden
300

Residuo

150

-200

-100

Residuo

100

200

300

0
-150
-300

10

12

14

16

Orden de observacin

En los grficos del Modelo General Lineal se observa que los

residuos parecieran tener un comportamiento normal, ya que los
valores se aproximan a la recta, adems, se puede apreciar en el

18

20

En los grficos del Modelo General Lineal se observa que los

residuos parecieran tener un comportamiento normal, ya que los
valores se aproximan a la recta, adems, se puede apreciar en el
histograma que forman una campana de Gauss (Distribucin
Normal); por otro lado , el orden de las observaciones parecieria
que no siguen un patrn definido.

o el valor de p(0,340) > alfa (0,05) se puede

r que los bloques no estn influyendo sobre las
able respuesta.

% la
s
s

Diagrama de Pareto de efectos estandarizados

(la respuesta es Y. = 0,05)
Trmino

2,179
Factor
A
B
C

BC
A
ABC
AC
C
B
AB
0,0

0,5

1,0

1,5

Efecto estandarizado

2,0

2,5

Nom
A
B
C

AB

de inflacin
cada uno de
cciones es
ue son
e s, es decir,
nados.

A), potencia (B) y

l tiempo (0,204),el
5) aceptndose las
nulas de las
ivas son mayores que
stre necesaria para
rque el valor p

0,5

1,0

1,5

2,0

2,5

Efecto estandarizado

Grficas de residuos para Y

Grfica de probabilidad normal

vs. aj

99
90

Residuo

Porcentaje

500

50

250
0
-250

10
1

-500

-250

250

-500
1000

500

1250

Residuo

Histograma

vs. o
500

Residuo

3
2
1
0

15

Valor a

Frecuencia

% la
s
s
% de
tores
uesta
o
ado
que se
ue no
puede
ta a los

0,0

250
0
-250

-400

-200

200

Residuo

400

600

-500

10

Orden de o

En los grficos del Modelo de regresin factorial se ob

los residuos parecieran tener un comportamiento nor
los valores se aproximan a la recta, adems, se pued
el histograma que forman una campana de Gauss (Dis
Normal); por otro lado , el orden de las observaciones
que no siguen un patrn definido.

800

Grficas de residuos para Y

rfica de probabilidad normal

vs. ajustes

Residuo

500
250
0
-250
-500
-400

400

800

1000

1200

1400

1600

Residuo

Valor ajustado

Histograma

vs. orden

1800

Residuo

500
250
0
-250
-500
-400

-200

Residuo

200

400

600

10

12

14

16

18

Orden de observacin

ficos del Anlisis de Regresin se observa que los residuos

an tener un comportamiento normal, ya que los valores se
n a la recta, adems, se puede apreciar en el histograma que
na campana de Gauss (Distribucin Normal); por otro lado , el
las observaciones parecieria que no siguen un patrn definido.

20

ficos del Anlisis de Regresin se observa que los residuos

an tener un comportamiento normal, ya que los valores se
n a la recta, adems, se puede apreciar en el histograma que
na campana de Gauss (Distribucin Normal); por otro lado , el
las observaciones parecieria que no siguen un patrn definido.

a variacin
potencia
acciones
tante se
fluyendo
siderados
cuadrado
deberse a
delo (que no
puede
atos en un

ables regresoras tiempo (X1), potencia (X2) fuerza(X3) y

saria para despegar la soldadura, es decir, no influyen
cia ( 0,452), el valor de p para la fuerza (0,331), y los
nula: Ho: ====== de que las variables
ormacin a la prediccin de la variable respuesta porque

n de
e los
ual a 1
ntes

e los
ual a 1
ntes

ara aceptar la Ho de los

mpo*fuerza(BC) y
el modelo de regresin
0 %.

re la fuerza de arrastre
de las interacciones de
la falta de ajuste en el
ios , por esta razn el
ales seleccionados y la
de experimentos) para
nio adecuadamente

Efecto Simple de BC sobre A

5653
4710

Efecto promedio del factor A

-235.75

Efecto Simple de AC
Bo
B1

Efecto promedio del factor B

B

Grfica de caja de Y
2000

1800

1600

1400

1200

1000

Se puede observar que datos se distribuyen de igual forma a ambos de la mediana

(simetra)

stes

1600

1800

stado

den

12

14

16

servacin

e los
a que los
ciar en el

18

20

e los
a que los
ciar en el
ucin
arecieria

tos estandarizados
= 0,05)

2,179
Factor
A
B
C

2,0

2,5

Nombre
A
B
C

2,0

2,5

s de residuos para Y

mal

vs. ajustes

Residuo

500
250
0
-250
-500
1000

1250

1500

1750

2000

Valor ajustado

vs. orden

Residuo

500
250
0
-250

600

-500

10

12

14

16

18

Orden de observacin

o de regresin factorial se observa que

ener un comportamiento normal, ya que
a la recta, adems, se puede apreciar en
n una campana de Gauss (Distribucin
orden de las observaciones parecieria
definido.

20

16

1800

18

ue
el
nido.

20

ue
el
nido.

Efecto Simple de AC sobre B

4902.5
5460.5

Efecto promedio del factor B

139.5

Efecto Simple de AB s
Co
C1

Efecto promedio del factor B

C

mediana

Efecto Simple de AB sobre C

5545
4818

to promedio del factor B

-181.75