You are on page 1of 22

Experimentos con

un solo factor
(anlisis de
varianza)
Ing. Katerine Bergengruen
Anlisis de
Varianza
ANOVA para DCA
Diagramas de caja
simultneas
Grficas de medias
Comparacin de
tratamientos
Mtodo de Dunnet
Contraste
Normalidad
Varianza constante
Independencia
Familia de diseos
para comparar
tratamientos
Diseo al azar y
ANOVA
Pruebas de rangos
mltiples
Verificacin de los
supuestos del modelo
Tamao de la muestra
En el captulo anterior vimos los mtodos para comparar
dos tratamientos o condiciones (poblaciones o
procesos). En este captulo, aunque se sigue
considerando un solo factor, se presentan los diseos
experimentales que se utilizan cuando el objetivo es
comparar ms de dos tratamientos. Puede ser de inters
comparar tres o ms mquinas, varios proveedores,
cuatro procesos, tres materiales, etc. No se trata de
hacer estas comparaciones por capricho o para
descubrir lo evidente, ms bien muchas veces la
comparacin de tratamientos surge como una necesidad
en la lgica de pretender tomar una decisin, en la
solucin de un problema importante o como un paso
importante para el mejor entendimiento del proceso.
En el contexto de un problema de investigacin o mejora
surge la necesidad de realizar alguna comparacin de
tratamientos con el fin de elegir la mejor alternativa de
las varias que existen, o por lo menos para tener una
mejor comprensin del comportamiento de la variable de
inters en cada uno de los distintos tratamientos. Por
ejemplo, la comparacin de cuatro dietas de
alimentacin con ratas de laboratorio, se hace con el fin
de estudiar si alguna nueva dieta que se propone es
mejor o igual que las dietas ya existentes; la variable de
inters en este caso es el peso promedio alcanzado por
cada grupo de animales despus de alimentar a cada
grupo con la dieta que le toc en suerte.
Otro ejemplo es comparar cuatro proveedores del mismo
material, con el fin de quedarnos con los dos mejores;
en este caso se toma una muestra del material de cada
proveedor y se comparan los valores de una o varias
caractersticas de calidad medidas sobre el material.
Por lo general el inters del experimentador se centra en
comparar los tratamientos en cuanto a sus medidas
problacionales, sin olvidar que tambin es importante
compararlos en relacin a sus varianzas y su capacidad
actual y futura para cumplir con los requerimientos de
calidad y productividad. As desde el punto de vista
estadstico, la hiptesis fundamental a probar cuando se
comparan varios tratamientos es:
H
o
:
1
=
2
=
k
=
H
A
:
i
=
j
para algn i = j

Con la cual se requiere decidir si los tratamientos
son iguales estadsticamente en cunto a sus
medias, contra la alternativa de que al menos
dos de ellos son diferentes. La estrategia natural
para resolver este problema es obtener una
muestra representativa de mediciones en cada
uno de los tratamiento, con base en las medias
y varianzas muestrales, construir un estadstico
de prueba para decidir el resultado de dicha
comparacin.
Comparacin de cuatro mquinas.
Un problema frecuente de comparacin de tratamientos en
muchas plantas industriales es la comparacin de varias
mquinas que realizan cierta operacin. La conjetura
planteada por el equipo de trabajo es que las mquinas
no tienen igual desempeo respecto a cierta variable de
salida de inters. Se decide entonces correr un
experimento comparativo para corroborar tal conjetura.
El estudio consiste en obtener una muestra
representativa de productos procesados con cada un de
las mquinas, evitando al mximo favorecer el
desempeo de alguna de ellas. Es decir, al obtener los
productos para la comparacin se debe evitar cualquier
tipo de sesgo que pueda afectar la comparacin justa de
las mquinas (principio de bloqueo).
De aqu que el estudio deba ser diseado para aumentar la
posibilidad de un experimento til, que permita contestar
la inquietud planteada acerca del desempeo de los
equipos. Si de cada mquina M, (i=1,2,3,4), se obtienen
n, productos, entonces llamamos a Y ij el valor de
medicin del producto j-simo de la mquina i. Un
posible arreglo o aspecto de los datos considerando
cuatro mquinas se muestra en la siguiente tabla:
Esta manera de presentar los datos de un diseo
comparativo es la ms sencilla, dado que el nico factor
considerado en el estudio es el factor de inters, que en
este caso son las mquinas. Aqu las hiptesis a
contrastar estadsticamente son:

H
0
:
M1
=
M2
=
M3
=
M4
=
H
A
:
Mi
=
Mj
= para algn Mi = Mj
Principio de bloqueo.
Consiste en evitar cualquier tipo de sesgo que
puede afectar la comparacin justa de los
tratamiento.
Factores de bloque.
Son variables adicionales al factor de inters que
se incorpora de manera explcita en un
experimento comparativo, se les llama factores
de bloque. Estos tienen la particularidad de que
no se incluyen en el experimento porque
interese estudiar su efecto, sino como un medio
para estudiar de manera ms adecuada y eficaz
el factor de inters; si se pudiera realizar la
comparacin de tratamientos de manera
adecuada y eficaz prescindiendo de tales
factores, as se hara.
FAMILIA DE DISEOS PARA COMPARAR
TRATAMIENTOS.
Con el propsito de familiarizar y sensibilizar el lector sobre
la importancia de planear un diseo, y a la vez
familiarizarlo con el lenguaje y la problemtica en
diseo de experimentos, en esta seccin presentamos
de manera panormica los diseos experimentales
ms utilizados para comparar tratamientos. Estos
diseos, considerando desde cero hasta tres factores
de bloque, son respectivamente:

1. Diseo completamente al azar.
2. Diseo en bloques completos al azar.
3. Diseo en cuadro latino.
4. Diseo en cuadro grecolatino.
Tabla 3.1. Familia de diseos para comparar
tratamientos.
Diseo Factores de
bloque
Tcnicas
estadstica
Modelo
estadstico
Diseo
completamente al
azar
0 ANOVA con UN
criterio de
clasificacin
Diseo en bloques
completos al azar
1 ANOVA con DOS
criterios de
clasificacin
Diseo en cuadro
latino
2 ANOVA con TRES
criterios de
calsificacin
Diseo en cuadro
grecolatino
3 ANOVA con
CUATRO criterios
de clasificacin
Notacin: Y la variable de salida, la media global, r, el efecto del tratamiento i {eximo,
el error aleatorio, y yj, o, y , son los efectos de tres factores de bloque.
El modelo estadstico que se supone describe el
comportamiento de la variable observada Y en
cada diseo, incorpora un trmino adicional por
cada factor de bloque controlado.
De acuerdo con los modelos dados en la tabla,
para cada diseo comparativo se tienen al
menos dos fuentes de variabilidad, a saber: los
tratamientos o niveles del factor de inters y el
error aleatorio.

Interaccin entre dos factores.
Se refiere a que el efecto de un factor depende del
nivel en que se encuentra el otro, y viceversa.


Comparacin de cuatro mtodos de ensamble.
En primera instancia la estrategia experimental es
aplicar cuatro veces los cuatro mtodos de
ensamble en orden completamente aleatorio.

Diseo en bloques completos al azar.
Diseo que contempla slo un factor de bloque,
donde en cada nivel de ste, se prueban todos
los tratamientos en orden aleatorio.

Se dan cuenta que hay cuatro operadores y puede
afectar de manera significativa.

El nombre de bloques completos al azar es porque
en cada bloque (operador) se prueban todos los
tratamientos (completo) en orden aleatorio.

El orden en que se realiza el ensamble puede ser
otra fuente de variabilidad.

Diseo en cuadro latino.
Diseo que contempla dos factores de bloque,
adems del factor de tratamientos; los tres
factores tienen la misma cantidad de niveles.

Un cuarto factor de bloque a controlar activamente
en el diseo puede ser el lugar en que se
desarrolla el trabajo.
Diseo en cuadro grecolatino.
Diseo que contempla tres factores de bloque y un factor
de tratamientos; los cuatro tienen el mismo nmero de
niveles.

DISEO COMPLETAMENTE AL AZAR Y ANOVA.
El diseo completamente al azar (DCA) es el ms simple
de todos los diseos que se utilizan para comparar dos
o ms tratamientos, dado que slo considera dos
fuentes de variabilidad: los tratamientos y el error
aleatorio.
.
Tipo de
cuero

Observaciones


Promedio
A
264 260 258 241 262 255
256.7
B
208 220 216 200 213 206
209.8
C
220 263 219 225 230 228
230.8
D
217 226 215 224 220 222
220.7
Tabla 3.6. Comparacin de cuatro tipos de
cuero (cuatro tratamientos).
Diseo de balanceado.
Es cuando se utiliza el mismo nmero de repeticiones en
cada tratamiento.

Modelo de efectos fijos.
Es cuando se estudian todos los posibles tratamientos.

Anlisis de varianza.
Consiste en separar la contribucin de cada fuente de
variacin en la variacin total observada.
Notacin de puntos.
Sirve para representar cantidades numricas que
se pueden calcular a partir de los datos de
diseo completamente al azar.

ANOVA para el diseo completamente al azar
(DCA).
El nombre de anlisis de varianza (ANOVA) viene
el hecho de que se utilizan cocientes de
varianza para probar la hiptesis de igualdad de
media. La idea general de esta tcnica es
separar la variacin total en las partes con las
que contribuye cada fuente de variacin en el
experimento.
Cuadrados medios.
Es la suma de cuadrados divididas entre sus respectivos
grados de libertad se llaman cuadrados medios. Los dos
que ms interesan son el cuadrado medio de
tratamientos y el cuadrado medio del error, que se
denotan por:



Tabla de anlisis de varianza.
El anlisis de varianza es la tcnica estadstica
fundamental para el anlisis de todo tipo de diseos
experimentales. Tambin existen otras tcnicas que
complementan al ANOVA y que permiten entender
mejor los resultados del experimento. Varias de esas
tcnicas las veremos en el resto de este libro.

Mtodo de comparaciones mltiples.
Consideramos los datos del DCA dados en el ejemplo 3.2
donde el inters era comparar cuatro mtodos de
ensamble en cunto al tiempo promedio en minutos que
se gasta en cada uno de ellos. Se hicieron cuatro
observaciones del tiempo de ensamble en cada mtodo,
con los resultados siguientes:
Mtodo de ensamble
A B C D
8 7 11 10
8 9 16 12
7 10 11 11
8 8 13 9

You might also like