Diferentes tamaos de u.e.

Diseo de experimentos p. 1/24

Introduccin

Los diseos experimentales que tienen varios tamaos de u.e. son: diseos de mediciones repetidas, diseos de parcelas divididas, algunos diseos anidados y diseos que tienen combinaciones de ellos. La caracterstica que distingue a estos tipos de diseos es que se utilizan ms de un tamao de u.e. Cada tamao de u.e. tiene sus propias estructuras de diseo y de tratamientos. Ya que hay ms de un tamao de u.e., hay ms de un trmino de error, esto es, hay un trmino de error para cada tamao de u.e. lo cual est reejado tanto en el modelo como en la tabla de ANOVA.

Diseo de experimentos p. 2/24

Parcelas Divididas

El diseo de parcelas divididas (split-plot) tiene su origen en aplicaciones en Agricultura, donde las parcelas grandes generalmente eran grandes reas y las parcelas pequeas reas pequeas dentro de las grandes, y a cada una de los dos tamaos de parcela le corresponde un tratamiento. Por ejemplo, ciertas variedades de cultivo se podan sembrar en reas diferentes (parcelas grandes), una variedad en cada parcela. Luego cada rea se divide en k parcelas pequeas y cada una de estas puede ser tratada con un tipo de fertilizante diferente. La variedad del cultivo es el tratamiento de la parcela grande y el fertilizante el de la parcela pequea.

Diseo de experimentos p. 3/24

Parcelas Divididas

En general, el diseo de parcelas divididas se utiliza cuando algunos factores requieren u.e. grandes, mientras que otros factores las requieren ms pequeas. Alternativamente, algunas veces encontramos que la aleatorizacin completa no es factible por que es ms difcil cambiar los niveles de algunos factores, por lo que los factores difciles van a las parcelas grandes, mientras que los fciles van a las pequeas. Ejemplo de hornos y recetas de pastel.

Diseo de experimentos p. 4/24

Parcelas Divididas

La clave para construir los modelos de los diseos de parcelas divididas es identicar los diferentes tamaos de las unidades experimentales e identicar sus correspondientes estructuras de diseo y de tratamientos. Las suposiciones de los modelos de parcelas divididas son las usuales, en el sentido de que los trminos de error para cada una de los tamaos de ue se distribuyen independientemente como normales con media cero y una varianza propia. A continuacin se muestran algunos ejemplos tomados de varios libros.

Diseo de experimentos p. 5/24

Ejemplo 1 parcelas divididas

Ejercicio 6, cap 14 Kuehl. Un investigador de una compaa de mariscos quiere estudiar el crecimiento bacterial en ostiones y mejillones sujetos a tres temperaturas de almacenamiento. Estn disponibles nueve unidades de enfriamiento. Se selecionaron aleatoriamente tres unidades para cada una de las temperaturas. Los ostiones (1) y los mejillones (2) se guardaron por dos semanas en cada uno de las unidades de enfriamiento, despus de lo cual se cont el nmero de bacterias en una muestra de ostiones y mejillones. Se registr el logaritmo del conteo bacterial.

Diseo de experimentos p. 6/24

Ejemplo 1

Unidad 1 1 2 2 3 3 4 4 5

Temp ( C ) 0 0 0 0 0 0 5 5 5

Marisco 1 2 1 2 1 2 1 2 1

y 3.6882 0.3565 1.8275 1.7023 5.2327 4.5780 7.1950 5.0169 9.3224

Unidad 5 6 6 7 7 8 8 9 9

Temp( C ) 5 5 5 10 10 10 10 10 10

Marisco 2 1 2 1 2 1 2 1 2

y 7.9519 7.4195 6.3861 9.7842 10.1352 6.4703 5.0482 9.4442 11.0329

ParcelasDivididasMariscos.jmp

Diseo de experimentos p. 7/24

Ejemplo 1

Este es un experimento de parcelas divididas en diseo completamente al azar. El modelo para este experimento es: yijk = + Ti + Uj (i) + Mk + (T M )ik + ijk i = 1, 2, 3 j = 1, 2, 3 k = 1, 2 donde: Ti es el efecto de la temperatura (tratamiento de parcela grande) Uj (i) es el error de parcela grande (aleatorio) Mk es el efecto de marisco (tratamiento de parcela pequea) (T M )ik interaccin temperatura x marisco ijk error de parcela pequea (aleatorio)

Diseo de experimentos p. 8/24

Ejemplo 1

Componente Temperatura Error (a)=U(T) Marisco TxM Error(b)

E (CM ) 2 2 + 6 2 + 2U T (T ) 2 2 + 2U (T ) 2 2 + 9M 2 2 + 3T M 2

Las F se construyen de la siguiente manera: Temperatura: Marisco: T x M: CMT /CMU (T ) CMM /CM E CMT M /CM E

Diseo de experimentos p. 9/24

Ejemplo 1

F.V. Temperatura Error (a) Marisco TxM Error (b) Total

gl 2 6 1 2 6 17

SS 107.66 44.05 3.71 2.65 5.59 163.66

CM 53.83 7.34 3.71 1.32 0.93

F 7.33 3.98 1.42

p-value 0.0245 0.0929 0.3125

Las estimaciones de los componenetes de varianza con el mtodo de Momentos son: Componente Estimacin % de varianza total U(T) 3.21 77.48 Error (b) 0.93 22.53 Total 4.14 100.00

Diseo de experimentos p. 10/24

Ejemplo 2 parcelas divididas

El dueo de una fbrica de papel est interesado en estudiar el efecto de tres mtodos diferentes de preparar la pulpa y cuatro diferentes temperaturas de cocinado (horneado) para la pulpa, en la resistencia del papel. El investigador decide correr tres repeticiones de este experimento factorial, por lo que necesita (3 x 4 x 3) 36 observaciones. Sin embargo, la planta es capaz de hacer solamente 12 corridas por da, entonces el investigador decide correr una repeticin del factorial completo en cada uno de los 3 das necesarios y considerar los das o repeticiones como bloques.

Diseo de experimentos p. 11/24

Ejemplo 2

El experimento se llev a cabo, en cada uno de los das, de la siguiente manera: Se produce un lote de pulpa con uno de los tres mtodos bajo estudio. Este lote de pulpa se divide en cuatro muestras y cada muestra se cocina con una de las cuatro temperaturas. Entonces, se produce el segundo lote de pulpa usando otro de los tres mtodos, el cual tambin se divide en cuatro muestras que se cocinan con las cuatro temperaturas. El proceso se repite usando un lote de pulpa producido por el tercer mtodo. Los datos son:

Diseo de experimentos p. 12/24

Ejemplo 2

Pulpa Temp F 200 225 250 275

Bloque 1 1 2 3 30 35 37 36 34 41 38 42 29 26 33 36

Bloque 2 1 2 3 28 32 40 41 31 36 42 40 31 30 32 40

Bloque 3 1 2 3 31 37 41 40 35 40 39 44 32 34 39 45

Inicialmente podramos considerar que es un experimento factorial con 3 mtodos de preparacin (A) y cuatro niveles de temperatura (B) en bloques al azar.

Diseo de experimentos p. 13/24

Ejemplo 2

Si este fuera el caso entonces el orden de experimentacin dentro del bloque debera ser completamente aleatorio. Esto es, dentro de un bloque (da), deberamos seleccionar aleatoriamente una combinacin de niveles (tratamiento) (un mtodo de preparacin y una temperatura) y obtener una observacin, seleccionamos aleatoriamente otro tratamiento y obtenemos una segunda observacin, y as, sucesivamente, hasta que se tengan las 12 observaciones en el bloque. Sin embargo, el investigador no obtuvo sus datos de esa manera. l hizo un lote de pulpa (con alguno de los mtodos) y obtuvo las observaciones para las 4 temperaturas con el mismo lote de pulpa. Dada la economa de preparar los lotes y el tamao de los lotes, sta es la nica forma factible de hacer el experimento.

Diseo de experimentos p. 14/24

Ejemplo 2

Cada bloque se divide en tres partes llamadas parcelas grandes, y los mtodos de preparacin se llaman tratamientos principales o de parcela grande. Cada parcela grande se divide en cuatro partes llamadas parcelas pequeas, y se asigna al azar una temperatura a cada una. La temperatura se llama tratamiento de la parcela pequea. El modelo lineal para este diseo en parcelas divididas es: yijk = + i + j + ( )ij + k + ( )ik + ( )jk + ( )ijk + ijk

Diseo de experimentos p. 15/24

Ejemplo 2

donde es la media general i efecto de mtodo de preparacin de la pulpa (i = 1, 2, 3) j efecto del bloque (j = 1, 2, 3) ( )ij error de parcela grande k efecto de temperatura (k = 1, 2, 3, 4) ( )ik y ( )jk interacciones ( )ijk error de parcela pequea ijk no estimable parcelasdiv.jmp

Diseo de experimentos p. 16/24

Ejemplo 2

Las esperanzas de cuadrados medios son: Factor i j ( )ij k ( )ik ( )jk ( )ijk ijk E (CM ) 2 2 2 + 4 + 12 2 2 + 12 2 2 + 4 2 2 2 + 3 + 12 2 2 2 + + 3 2 2 + 3 2 2 + 2

Pulpa Bloque PxB Temp PxT BxT PxBxT Error

Diseo de experimentos p. 17/24

Ejemplo 2

Las estadsticas F se construyen de la siguiente manera: Pulpa: Temperatura: P x T: B x T: PxBxT: CMP /CMP xB CMT /CMBxT CMP xT /CMP xBxT no hay prueba no hay prueba

Diseo de experimentos p. 18/24

Ejemplo 2

FV Pulpa Bloque PxB=error(a) Temp PxT BxT PxBxT=error(b) Error Total

gl 2 2 4 3 6 6 12 0 35

SS 128.39 77.56 36.28 434.08 75.17 20.67 50.83 822.97

CM 64.19 38.78 9.07 144.69 12.53 3.44 4.24

F 7.08

p-value 0.049

42.00 2.96

0.0002 0.052

Diseo de experimentos p. 19/24

Ejemplo 3

Ejemplo 24.1 Milliken & Johnson Los datos son los rendimientos en libras de dos variedades de trigo (B) sembradas en cuatro diferentes mtodos de fertilizacin. El rea fue dividida en dos bloques, cada uno conteniendo cuatro parcelas. Cada uno de los cuatro fertilizantes se asignaron aleatoriamente a una de las parcelas grandes en cada bloque. Entonces, el diseo experimental para las parcelas grandes consisti en un bloques al azar y un solo factor (Fertilizante), con dos bloques y en cada uno cuatro parcelas grandes.

Diseo de experimentos p. 20/24

Ejemplo 3

Cada parcela grande se dividi en dos partes (parcelas pequeas) y se asign aleatoriamente una variedad de trigo a cada parcela pequea dentro de la parcela grande. El diseo experimental de las parcelas pequeas es un bloques al azar con un solo factor (Variedad), con ocho bloques y en cada uno dos parcelas pequeas. El modelo para este experimento es: yijk = + Fi + Bj + eij } parcela grande + Vk + F Vik + ijk } parcela pequea

donde i = 1, 2, 3, 4; j = 1, 2; k = 1, 2 y
2 2 ) ) ijk N ID(0, eij N ID(0, e

Diseo de experimentos p. 21/24

Ejemplo 3

Las esperanzas de cuadrados medios son: FV Fi Bj eij Vk F Vik ijk Total gl 3 1 3 1 3 4 15 E (CM ) 2 2 2 + 2e + 4F 2 2 + 8B 2 2 + 2e 2 2 + 8V 2 2 + 2F V 2

Diseo de experimentos p. 22/24

Ejemplo 3

Tabla de Anlisis de Varianza FV Fertilizante Bloque FxB-error(a) Variedad FxV Error-error(b) Total gl 3 1 3 1 3 4 15 SC 40.19 131.103 6.93 2.25 1.55 8.43 190.45 CM 13.39 131.103 2.31 2.25 0.52 2.11 F 5.80 p 0.0914

1.07 0.25

0.3599 0.8612

Diseo de experimentos p. 23/24

Ejemplo 3

Usando el mtodo de momentos para estimar los componentes de varianza de los dos errores, tenemos: CMerror(a) CMerror(b) Por lo tanto, 2
2 e 2 = 2 + 2e

= 2

= CMerror(b) = 2.11 = CMerror(a) 2 = 0.1 2

ej24_1_messy.jmp

Diseo de experimentos p. 24/24