Professional Documents
Culture Documents
1. INTRODUCCION
2. OBJETIVOS
2.1 OBJETIVOS GENERAL
Conocer tcnicas de anlisis multivariante y sus componentes principales
para la optimizacin de variables experimentales, diseo de parcelas
divididas y diseo complejos en series como herramientas de investigacin en
diferentes variables.
Conocer el estudio del diseo factorial y el efecto de varios factores sobre una
o varias respuestas o caractersticas de calidad, es decir, lo que se busca es
estudiar la relacin entre los factores y la respuesta, con la finalidad de
conocer mejor cmo es esta relacin y generar conocimiento que permita
tomar acciones y decisiones que mejoren el desempeo del proceso.
2.2 OBJETIVOS ESPECIFICOS
Clasificar las distintas tcnicas multivariantes, distinguiendo entre mtodos
de dependencia, interdependencia y estructurales e indicando, de forma
resumida.
Indicar cules son las etapas a seguir en la resolucin de un problema de
Anlisis Multivariante.
Determinar una combinacin de niveles de los factores en la cual el
desempeo del proceso sea mejor que en las condiciones de operacin
3. JUSTIFICACION
4. DESARROLLO
4.1. ANALISIS MULTIVARIANTE
4.1.1. Anlisis Multivariante -Concepto
Mtricas: cuantitativas
Mediciones del error
Mediciones multivariantes
Nivel de significancia vs Potencia de la prueba. (Figueras, M. 2000).
var X [ j]
4.7. DISEOS
FACTORIALES
EXPERIMENTOS
COMPLEJOS
EN
SERIES
DISEOS
4.7.1 INTRODUCCION
Los diseos experimentales son importantes ya que le permiten al investigador mejorar
un proceso o sistema por medio de la observacin de cambios en ellos a travs de un
experimento. Para lo cual el investigador necesita herramientas estadsticas para poder
experimentar y obtener resultados que signifiquen una mejora, una correccin o una
estabilizacin en ese proceso o sistema. Un tipo de diseo es el diseo factorial, en l
se tienen dos o ms factores, los cuales tienen dos o ms niveles, y se investigan todas
las posibles combinaciones de los niveles de los factores en cada ensayo completo o
rplica del experimento. Estos factores se estudian porque en principio se piensa que
tienen un efecto conjunto de stos sobre una respuesta. El efecto de un factor se define
como el cambio en la respuesta producido por un cambio en el nivel del factor. Con
frecuencia, ste se conoce como efecto principal porque se refiere a los factores de
inters primordial del experimento. (Lara Porras, A.M. 2000).
Existen varios casos especiales del diseo factorial general que resultan importantes
porque se usan ampliamente en el trabajo de investigacin, y porque constituyen la
base para otros diseos de gran valor prctico. El caso ms importante en diseo
factorial es el 2k, en el cual se tienen k factores con dos niveles cada uno (superior,
inferior). El diseo 2k resulta muy til cuando tenemos muchos factores por investigar
ya que representa un nmero menor de corridas con las cuales se pueden estudiar k
factores en un diseo factorial completo. (Lara Porras, A.M. 2000).
4.7.2. Experimento Factorial
Es un tipo de experimento en el que hay ms de una variable independiente. Su
principal accin es que sirven para valorar el efecto de la interaccin, es decir, saber el
efecto combinado de las distintas variables. Cada variable recibe el nombre de factor y
el nmero indica los niveles de cada variable, se estudia simultneamente dos o ms
factores, y donde los tratamientos se forman por la combinacin de los diferentes
niveles de cada uno de los factores. (Bafilo, A. 2007).
4.7.3. Diseo factorial con dos factores
Diseo en el cual intervienen slo dos factores. Supongamos que hay a niveles para el
factor A y b niveles del factor B, cada rplica del experimento contiene todas las
posibles combinaciones de tratamientos, es decir contiene los ab tratamientos posible.
(AxB). (Lara Porras, A.M. 2000).
4.7.3.1. Objetivos
Contrastar si existen diferencias entre las medias de la variable respuesta en
cada uno de los niveles del factor 1.
Contrastar si existen diferencias entre las medias de la variable respuesta en
cada uno de los niveles del factor 2.
Contrastar si los dos factores interaccionan. (Lara Porras, A.M. 2000).
4.7.3.2. Ventajas
Permiten estudiar los efectos principales, efectos de interaccin de factores,
efectos simples y efectos cruzados y anidados.
Todas las unidades experimentales intervienen en la determinacin de los
efectos principales y de los efectos de interaccin de los factores, por lo que el
nmero de repeticiones es elevado para estos casos.
El nmero de grados de libertad para el error experimental es alto, comparndolo
con los grados de libertad de los experimentos simples de los mismos factores,
lo que contribuye a disminuir la varianza del error experimental, aumentando por
este motivo la precisin del experimento. (Marn, J. 2010).
4.7.3.3. Desventajas
Donde:
= Media general
i= Efecto del Factor 1
j= Efecto del Factor 2
ij= Conocer
Interaccin
de niveles ijes ms til que conocer los efectos principales.
Interaccin:
la interaccin
ijk= Error experimental o efecto aleatorio de muestreo. (VillaGarca, T.
Una interaccin
significativa frecuentemente oscurece la significancia de los efectos
2010).
F.V.
A
B
AB
Error
Total
Fuente:
4.7.6. Ejercicio
g.l
a-1
b-1
(a 1)
(b 1)
ab (n
1)
abn-1
SS
SSA
SSB
SSAB
SSE
SST
CM
SSA/ (a 1)
SSB/ (b 1)
SSAB/ (a 1)
(b 1)
SSE/ab (n 1)
F
CMA/ CME
CMB / CME
CMAxB/CM
E
E(CM)
2 + rb2
2 + ra2b
2 + r2ab
2
En unos laboratorios se est estudiando los factores que influyen en la resistencia de un tipo
particular de fibra. Se eligen al azar cuatro mquinas y tres operarios y se realiza un
experimento factorial usando fibras de un mismo lote de produccin. Los resultados obtenidos
se muestran en la tabla adjunta. Analizar los resultados y obtener las conclusiones apropiadas.
4.7.6.1. Tabla 1. Tipos de mquinas para el desarrollo del experimento factorial.
Operario
1
A
109
110
110
112
116
114
2
3
B
110
115
110
111
112
115
C
108
109
111
109
114
119
D
110
108
114
112
120
117
Desarrollo
SCT = (109^2 + 117^2) (2695) ^2/ 24 = 262,97
2
SCA=
=12,46
6
24
SCB=
=160,33
8
24
12,46160,33=44,67 y SCR=45,5
2
24
F exp
1,10
21,14
1,96
Realizando
los
contrastes al nivel de
significacin del 5 %, se
concluye
que
es
significativo el efecto
principal del operario
(factor B) (F0,05,2,12 = 3,49), pero no son significativos el efecto principal del tipo de mquina
(factor A) (F0,05,3,12 = 3,89) y la interaccin entre el tipo de mquina y operario (factor A B)
(F0,05,6,12 = 3,00).
4.7.7. Diseo factorial con tres factores
Se llaman experimentos factoriales a aquellos experimentos en los que se estudia
simultneamente dos o ms factores, y donde los tratamientos se forman por la combinacin de
los diferentes niveles de cada uno de los factores. Los experimentos factoriales en si no
constituyen un diseo experimental si no un diseo tratamiento (un arreglo de tratamiento es
una disposicin geomtrica de ellos bien en el espacio o en el tiempo y que deben ser llevados
en cualquiera de los diseos experimentales clsicos tal como el diseo completo al azar y el
diseo en bloques completos al azar). (Lara Porras, A.M. 2000).
4.7.1. Usos
Los experimentos factoriales se emplean en todos los campos de la investigacin, son muy
tiles en investigaciones exploratorias en las que poco se sabe acerca de muchos factores. Muy
frecuentemente usados en investigaciones comparativas. El tipo de experimento factorial a
aplicarse depende de los nmeros y niveles de los factores en estudio. En algunas ocasiones
se est interesado en estudiar la influencia de dos o ms factores tratamiento, para ello se
hacen un diseo de filas por columnas. En este modelo es importante estudiar la posible
interaccin entre los dos factores. Si en cada casilla se tiene una nica observacin no es
posible estudiar la interaccin entre los dos factores. Al aplicar un experimento factorial hay que
tener en cuenta las siguientes condiciones para desarrollarlo sin inconvenientes:
4.7.2. Ventajas
Permiten estudiar los efectos principales, efectos de interaccin de factores y los efectos
simples.
Todas las unidades experimentales intervienen en la determinacin de los efectos
principales y de los efectos de interaccin de los factores, por lo que el nmero de
repeticiones es elevado para estos casos.
El nmero de grados de libertad para el error experimental es alto, comparndolo con
los grados de libertad de los experimentos simples de los mismos factores, lo que
contribuye a disminuir la varianza del error experimental, aumentando por este motivo la
precisin del experimento. (Diseo Experimental)
4.7.3. Desventajas
Se requiere un mayor nmero de unidades experimentales que los experimentos
simples y por lo tanto se tendr un mayor costo y trabajo en la ejecucin del
experimento.
Como en los experimentos factoriales cada uno de los niveles de un factor se combinan
con los niveles de los otros factores; a fin de que exista un balance en el anlisis
estadstico se tendr que algunas de las combinaciones no tienen inters practico, pero
deben incluirse para mantener el balance.
El anlisis estadstico es ms complicado que en los experimentos simples y la
interpretacin de los resultados se hace ms difcil a medida que aumenta el nmero de
factores y niveles por factor en el experimento.
4.7.8. Modelo lineal
SC (totales)
SC(tratamient
os)
SC (A)
SC (B)
SC (C)
SC(trat)/g.l(trat
)
SC(A)/g.l(A)
SC(B)/g.l(B)
SC(C)/g.l(C)
CM(trat)/CM(erro
r)
CM(A)/CM(error)
CM(B)/CM(error)
CM(C)/CM(error)
AxB
(a - 1) (b - 1)
SC (AB)
AxC
(a - 1) (c - 1)
SC (AC)
BxC
(b - 1)(c - 1)
SC (BC)
AxBxC
(a - 1) (b - 1)(c - 1)
SC (ABC)
Bloque
n-1
g.l(tot)-g.l(trat)g.l(bloq)
SC (bloque)
Error
SC (error)
CM(AB)/CM(error
)
CM(AC)/CM(error
SC(AC)/g.l(AC) )
CM(BC)/CM(error
SC(BC)/g.l(BC) )
SC(ABC)/g.l(AB CM(ABC)/CM(err
C)
or)
SC(bloq)/g.l(blo CM(bloq)/CM(err
q)
or)
SC(error)/g.l(er
ror)
SC(AB)/g.l(AB)
Fuente:
AxB
B1
B2
T1
Y11. =16 Y12=43
T2
Y21. =56 Y22=62
B
Y.1. = 72 Y2=105
Fuente: (Lara Porras, A.M. 2000).
B3
Y13=0
Y23=62
Y3=62
A
Y1=59
Y2=180
Y=239
4.7.9.3. Tabla 7. Datos del desarrollo del experimento factorial con tres factores.
AxC
Y1
Y2
T1
T2
C
Fuente:
Y1.1=32
Y2.1=84
Y1=116
Y1,2=27
Y2,2=96
Y2=123
4.7.9.4. Tabla 8. Datos del desarrollo del experimento factorial con tres factores.
BxC
B1
B2
B3
Fuente:
Y1
Y11=36
Y21=48
Y 31=32
Y2
Y12=36
Y22=57
Y22=30
Desarrollo
SCT = i j , k Y 2 ijk
y2
23 92
=6513
=1752,9
abc
12
SCA=
iY 2 i y 2 59 6 2+18 0 2 23 92
=1220,08
bc
abc
6
12
SCB=
jY 2 i y 2 7 22+1 052 +6 22 23 92
=253,17
ac
abc
4
12
SCc=
k Y 2 i y 2 11 6 2+1 232 23 92
=4,083
ab
abc
6
12
SCAB=
ij Y 2 ij y 2
1 62+ ..6 22 23 92
SCASCB=
SCASCB=231,16
c
abc
2
12
jk Y 2 jk
y2
3 62 + ..3 02 23 92
SCBC =
SCBSCC=
SCBSCC=17,16
a
abc
2
12
SCAC =
ik Y 2 ik
y2
3 22 + ..9 62 23 92
SCASCC =
SCBSCC =24,38
b
abc
3
12
SCR=SCT-SCA-SCB-SCC-SC(AB)-SC(AC)-SC(BC)-SC(ABC)=3,167
4.7.9.5. Tabla 9. ANOVA resultante del experimento factorial con tres factores.
FV
Factor A
SC
1220,08
GL
1
CM
1220,08
F exp
770,579
Factor B
Factor C
AxB
AxC
BxC
Residual
TOTAL
Fuente:
253,16
4,083
231,16
24,083
17,167
3,167
1752,9
2
1
2
1
2
2
11
126,58
4,083
115,58
24,083
8,583
1,583
79,947
2,579
73,00
15,211
5,421
Realizando los contrastes al nivel de significacin del 5 %, se concluye que son significativos los
efectos de los factores A (F0,05,1,2 = 18,51), B y A B (F0,05,2,2 = 19).
II
Sumator Promedi
ia
o
III
14
13
15
42
14
17
15
16
48
16
11
28
9,33
14
15
13
42
14
21
21
19
61
20,33
24
23
20
67
22,33
25
24
23
72
24
27
28
30
85
28,33
153
148
144
445
19,13
18,50
18,00
Desarrollo:
Realizamos los cuadros auxiliares necesarios:
F1
F2
Total
Medi
a
d1
90
128
218
18,1
7
Tota Medi
d2
l
a
70 160 13,33
157 285 23,75
227 445
18,9
2
F1
F2
Total
Medi
a
E1
E2
70
90
133 152
203 242
16,9 20,1
2
7
Tota Medi
l
a
160 13,33
285 23,75
445
E1
E2
Total
Medi
a
D1
D2
103 100
115 127
218 227
18,1 18,9
7
2
Tota
l
203
242
445
Medi
a
16,92
20,17
= 0,05
SCM= 1,69
DMS=
0,05 2 ( 1,69 )
(
)
2
12
DMS= 1,14
n= 12
gl= 14
trat
F2
F1
Medi
a
Rango
23,75
a
13,3
b
trat
D2
D1
Medi
a
Rango
18,92
a
18,17
a
trat
E2
E1
Medi
a
Rango
20,17
a
16,92
b
Tukey para (A x B)
= 0,05
SCM= 1,69
tukey=
4,11 (
( 1,69 )
)
6
DMS= 2,18
n= 6
gl= 14
Medi Ran
trat
a
go
A2B2 26,16
a
A2B1 21,33
b
A1B1
15
c
A1B2
11,6
Tukey para (B x C)
Medi Ran
trat
a
go
B2C2 21,16
a
B1C2 19,16 ab
B1C1 17,16 bc
B2E1 16,66
c
4.8.1. CARACTERISTICAS
Diseo experimental combinado que resulta til cuando al estudiar simultneamente
varios factores, alguno o algunos de ellos deben ser aplicados sobre unidades
experimentales relativamente grandes, pudindose aplicar el otro o los otros en
unidades experimentales menores, dentro de las unidades mayores. El caso ms
sencillo es aqul en el que se tienen slo dos factores, asignando los niveles de uno de
ellos a las unidades mayores y los niveles del otro a las subunidades. A las unidades
experimentales mayores suele llamrseles parcelas grandes o parcelas principales y a
las unidades experimentales menores se le llama subparcelas o subunidades. (Ziga,
E. 2010).
Diseo de parcelas divididas tienen una herencia agrcola, ya que las parcelas
usualmente son grandes reas de terreno y las subparcelas pequeas extensiones. Por
ejemplo, algunas variedades de cultivo pueden plantarse en diferentes campos
(parcelas) una variedad por campo. Luego cada campo puede dividirse, por ejemplo, en
cuatro subparcelas, y tratarse cada una con un fertilizante diferente. A pesar de sus
antecedentes agrcolas, los DPD son muy tiles en diferentes experimentos de
horticultura, zootecnia, industrias, laboratorio, invernadero, etc. En estos diseos tanto
los efectos del factor que va en las subparcelas como las interacciones entre ambos
factores son estimados con mayor precisin que los efectos del factor que va en las
parcelas, esto se debe al menor nmero de repeticiones del factor que va en las
parcelas y al mayor tamao de las mismas, lo que ocasiona un mayor Error en las
parcelas [E(a)] que en las subparcelas. (Ziga, E. 2010).
4.8.4. Diseo en Parcelas Divididas con el factor A asignado a las parcelas principales,
distribuido completamente al azar.
4.8.5. Diseo en Parcelas Divididas con el factor A asignado a las parcelas principales,
distribuido en Bloques Completos al Azar.
Cuando los niveles de un factor requieren de gran cantidad de material experimental por
U.E. frente a otros factores. Como ejemplo podemos tener las siguientes situaciones:
uso de riego, mtodos de aplicacin de fertilizantes, etc., seran ms factibles usarlos
como parcela principal que como subparcela.
Cuando se desea incorporar algn factor adicional, y as el alcance de la investigacin
sera mayor, como ejemplo de esta situacin, si se desea incorporar ciertos fungicidas,
para incrementar el alcance de la investigacin se puede proponer variedades que
presenten diversos tipos de resistencia a las enfermedades. En este caso el uso de
variedades como parcela principal dara ms proyeccin al experimento.
Tiene gran utilidad cuando se desea que ciertos factores sean medidos con mayor
precisin que otros, en este caso se elige como subparcelas los factores que se desea
estudiar con mayor precisin. (Badii, M. 2007).
Para el factor
A
Ho=1=
=0
2.=
Para DBCA
Para el factor B
Ho=1= 2.=
=0
Ha= 1 2.
Para la Interaccin
Ho=1= 2.=
=0
Ho=1= 2.=
=0
Ha= 1 2.
Ha= 1 2.
rab-1
Total
rab-1
SUMA DE CUADRADOS
y 2ijk FC
CUADRA
DOS
MEDIOS
F
CALCULAD
O
-----------
ijk
a-1
Bloques
r-1
B2k / abFC
k=1
Error (a)
a(r-1)
a-1
T 2i /rbFC
i=1
b-1
Error (a)
(a-1)(r-1)
AB
(a-1)(b-1)
b-1
SCPrincipales-SCbloque-SCFactor A
L2j / raFC
j=1
Error(b)
a(r-1)(b-1)
AB
(a-1)(b-1)
Error(b)
a(r-1)(b-1)
SCTotal-SCpp-SCB-SCAB
SC Bloq
gl Bloq
CM Bloq
CM ErrorA
SC A
gl A
CM A
CM ErrorA
SC ErrorA
gl ErrorA
SC B
gl B
CM B
CM ErrorB
SC AB
gl AB
CM AB
CM ErrorB
SC ErrorB
gl Error B
Bloques
Luminosida
d
L1
L2
L1
L2
L1
L2
L1
L2
I
11
16
PC
10
14
17
15
17
15
115
II
III
Total
Tratamientos
Tij
Media
11
17
11
18
33
51
11
17
9
15
13
16
14
14
109
10
18
13
9
10
15
104
29
47
43
40
41
44
Y=328
9,7
15,7
14,3
13,3
13,7
14,7
Y ij
Y =13,7
HIPOTESIS
Factor A
Ho= La temperatura influye favorablemente en la germinacin de las semillas de la
especie en estudio
Ha= La temperatura no influye favorablemente en la germinacin de las semillas de
la especie en estudio
Factor B
Ho= La luminosidad influye favorablemente en la germinacin de las semillas de la
especie en estudio
Ha= La luminosidad no influye favorablemente en la germinacin de las semillas de
la especie en estudio
Interaccin
Ho= Hay interaccin entre mis factores en estudio es decir entre la temperatura y la
luminosidad
Ha= No hay interaccin entre mis factores en estudio es decir entre la temperatura
y la luminosidad
Bloques
1 2 3 4 5 6 7 8 9 10 11 12
27 28 29 24 24 28 32 29 22 32 28 25
Clculo del factor A
Totales
Medias
T1
84
14
T2
76
12,7
T3
83
13,8
L1
146
12,17
Clculos bsicos
2
328
=4482,67
24
1.
FC Y =
2.
11
( 2+11 ++15 )4482,67=195,33
SC Total =
3.
27
( 2+28 ++25 2)
4482,67=53,33
2
SC pp=
4.
115
( 2+109 +1042 )
4482,67=7,58
8
SCBloq . =
L2
182
15,17
T4
85
14,2
5.
84
( 2+76 +83 +85 2)
4482,67=8,33
6
SC A=
6.
SC Error(a)=53,337,588,33=37,42
7.
146
( 2+182 )
4482,67=54
12
SC B =
8.
33
( 2+512 ++ 412+ 442 )
4482,678,3354=57
3
SC AB=
9.
SC Y , Error =195,3353,335457=31
gl
SC
CM
F
Calculad
o
F tabulado
0,05
0,01
Total
Bloques
Temperatura(A
)
Error(a)
Luminosidad(B
)
AB
Error(b)
23
2
3
195,33
7,58
8,33
3,790
2,780
0,61
0,45
5,14
4,76
10,92
9,78
6
1
37,42
54,00
6,240
54,000
13,94**
5,32
11,26
3
8
57,00
31,00
19,000
3,875
4,90*
4,07
7,59
CM ( a )
6,24
b
2
CV ( a )=
x 100=
x 100=12,9
13,7
Y
CV ( b )=
CM (b)
3,875
x 100=
x 100=14,4
13,7
Y
5. CONCLUSIONES
6. BIBLIOGRAFIA
https://www.uam.es/personal_pdi/ciencias/abaillo/AmbEst/Tema2.pdf
http://www.ugr.es/~bioestad/guiaspss/practica7/ArchivosAdjuntos/Factorial%20tres
%20factores.pdf
http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/Disenno/tema3DE.pdf
http://www.dpye.iimas.unam.mx/patricia/indexer/factoriales.pdf
http://www.est.uc3m.es/esp/nueva_docencia/leganes/ing_industrial/estadistica_II/doc_gr
upo1/archivos/Disenios%20a%20dos%20niveles.pdf
http://estadistica.260mb.com/Efrain_DPD.pdf
http://www.web.facpya.uanl.mx/rev_in/Revistas/4.2/A5.pdf
http://matematicas.unex.es/~jmf/Archivos/Manual%20de%20Estad%C3%ADstica
%20Multivariante.pdf
http://www.acmcb.es/files/425-3501-DOCUMENT/Sancho-9-14Maig12.pdf
http://ciberconta.unizar.es/leccion/anamul/inicio.html
http://www.fbbva.es/TLFU/microsites/ecologia_fluvial/pdf/cap_22.pdf