You are on page 1of 119

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU

E.A.P.I. QUIMICA AMBIENTAL


Un ingeniero químico
ambiental una industria

PROBLEMAS RESUELTOS DE DISEÑO DE


EXPERIMENTOS

CÁTEDRA : ESTADISTICA Y DISEÑO DE EXPERIMENTOS

CATEDRÁTICO : Dr. Sc. PALACIOS VELASQUEZ Abraham Arsenio

ALUMNA : CUSI VARGAS, Yanet

HUANCAYO –PERÚ

2013
PROBLEMAS PROPUESTOS DE DISEÑO DE EXPERIMENTOS

PROBLEMA 1:
Como se sabe, el frijol tarda para cocerse, lo que implica gasto de tiempo de gas.Se
decide hacer un estudio para comparar el tiempo de cocimiento de frijol sometido a dos
tratamientos de remojo, uno a base de cloruro de sodio (sal común) y otro a base de
bicarbonato de sodio. Los resultados en minutos se muestran en la tabla, donde también
se incluye el tratamiento control que consiste del remojo con pura agua.
Agua pura Cloruro de Sodio Bicarbonato de Sodio
213 76 57
214 85 67
204 74 55
208 78 64
212 82 61
200 75 63
207 82 63
SOLUCIÓN:
Ho: las medidas de tiempo de los 3 tratamientos son iguales
Ha: las medidas de tiempo de los 3 tratamientos son diferentes (no son iguales)

GruposCuenta Suma Promedio Varianza


Pura Agua 7 1458 208.2 26.2
Cloruro de Sodio 7 552 78.8 17.4
Bicarbonato de sodio 7 430 61.4 17.2
Origen de las variaciones Suma de cuadrados Grados de libertad Promedio de
los cuadrados
Entre grupos
(SC entre) 90119.2 2 45059.6
Dentro de los grupos
(SC intra) 366 18 20.3
Total(SC total) 90485.2 20

F Probabilidad Valor crítico para F


2216.04 2.8982E-22 3.55

INFERENCIA:
El valor de la F teórica con 2 y 18 grados de libertad, a un nivel de confianza del 95% es
3.55 y a comparación de F que se obtuvo, se concluye que se rechaza la hipótesis nula y
se acepta la hipótesis alternativa: las medidas de tiempo son diferentes, por tanto se
infiere que el tipo de tratamiento influyen significativamente en la cocción de los
frijoles.

PROBLEMA 2:
Se hace un estudio sobre la efectividad de tres marcas de spray para matar moscas. Para
ello, cada spray se aplica a un grupo de 100 moscas, y se cuenta el numero de moscas
muertas, expresado en porcentaje. Se hacen seis replicas, y los resultados obtenidos se
muestran enseguida:

SOLUCIÓN:
Ho: las medidas de las tres marcas son iguales
Ha: las medidas de las tres marcas no son iguales

GruposCuenta Suma Promedio Varianza


1 6 414 69 26
2 6 355 59.16 66.96
3 6 377 62.83 66.16

Origen de las variaciones Suma de cuadrados(SC) Grados de libertad


Promedio de los cuadrados(MC)
Entre grupos 296.3 2 148.1
Dentro de los grupos 795.6 15 53.0
Total 1092 17
F Probabilidad Valor crítico para F

2.79 0.093 3.68

INFERENCIA:
El valor de la F teórica con 2 y 15 grados de libertad, a un nivel de confianza el 95% es
3.68 y a comparación de F que se obtuvo, se concluye que se acepta la hipótesis nula y
se infiere que no hay diferencia entre la efectividad promedio de los 3 productos en
spray marcas de spray son igual de efectivas.

PROBLEMA 3:
En un centro de investigación se realiza un estudio para comparar varios tratamientos
que, al aplicarse previamente a los frijoles crudos reducen su tiempo de cocción. Estos
tratamientos son a base de bicarbonato de sodio (NaHCO3) y cloruro de sodio o sal
común (NaCL). El primer tratamiento es el tratamiento control, que consiste en no
aplicar ningún tratamiento. El tratamiento T2 es el remojo en agua con bicarbonato de
sodio, el T3 es en agua con sal común y el T4 es en agua con una combinación de
ambos ingredientes en proporciones iguales. La variable de respuesta es el tiempo de
cocción en minutos. Los datos se muestran en la siguiente tabla.
SOLUCIÓN:

Ho: las medidas de los tratamientos son iguales.


Ha: las medidas de los tratamientos no son iguales.

GruposCuenta Suma Promedio Varianza


control 7 1458 208.28 26.23
T2 7 552 78.85 17.47
T3 7 430 61.42 17.28
T4 7 599 85.57 20.28
Origen de las variaciones Suma de cuadrados Grados de libertad Promedio de
los cuadrados
Entre grupos 95041.2 3 31680.4
Dentro de los grupos 487.7 24 20.3

Total 95528.9 27

F Probabilidad Valor crítico para F


1558.9 1.2606E-27 3.008

INFERENCIA:
El valor de la F teórica con 3 y 24 grados de libertad, a un nivel de confianza del 95%
es 3.008 y a comparación de F que se obtuvo, se concluye que se rechaza la hipótesis
nula y se acepta la hipótesis alternativa: la medida de los tratamientos no son iguales,
por tanto se infiere que los tratamientos influyen en el tiempo de cocción de los frijoles.

PROBLEMA 4:
Se desea evaluar tres tiempos para inocular naranjas a través de inmersión durante 1, 5,
y 10 minutos, en una suspensión bacteriana con una concentración de 10 8
cél/ml. El propósito es seleccionar el tiempo en el cual se adhieren más bacterias a la
superficie de naranjas. Las pruebas se realizan para dos tipos de microorganismos
(Escherichia coli O157:H7, y Salmonella typhimirium) midiendo como variable de
respuesta el número de unidades formadoras de colonias (ufc) expresadas en logaritmos,
que se recuperan en 30cm de la superficie de las naranjas inoculadas. Los datos
obtenidos se muestran a continuación:
SOLUCIÓN:
Ho: las medidas de los tratamientos con los 2 tipos de bacterias son iguales.
Ha: las medidas de los tratamientos con los 2 tipos de bacterias no son iguales.

Con la primera bacteria:

GruposCuenta Suma Promedio Varianza


1 6 30.4 5.0666 0.2906
5 6 28.9 4.8166 0.1176
10 6 27.8 4.6333 0.8026
Origen de las variaciones Suma de cuadrados Grados de libertad Promedio de
los cuadrados
Entre grupos 0.5677 2 0.2838
Dentro de los grupos 6.055 15 0.4036

Total 6.6227 17

F Probabilidad Valor crítico para F


0.7032 0.5105 3.682

Con la segunda bacteria:


GruposCuenta Suma Promedio Varianza
1 6 26.6 4.433 0.338
5 6 23.8 3.966 0.254
10 6 21.3 3.55 0.979

Origen de las variaciones Suma de cuadrados Grados de libertad Promedio de


los cuadrados
Entre grupos 2.34 2 1.1716
Dentro de los grupos 7.86 15 0.5241

Total 10.20 17

F Probabilidad Valor crítico para F


2.2355 0.1413 3.6823

INFERENCIA:
Tanto en la primera como en la segunda bacteria el valor de la F teórica con 2 y 15
grados de libertad, a un nivel de confianza del 95% es 3.682 y a comparación de F que
se obtuvo en ambos, se concluye que se acepta la hipótesis nula: las medidas de los
tratamientos con los 2 tipos de bacterias son iguales, por tanto se infiere que el tipo de
bacteria no influye en el tiempo de inoculación de las naranjas.

PROBLEMA 5:
Una compañía farmacéutica desea evaluar el efecto que tiene la cantidad de almidón en
la dureza de las tabletas. Se decidió producir lotes con una cantidad determinada de
almidón. Se decidió que las cantidades de almidón a aprobar fueran 2% , 5% y 10%. La
variable de respuesta sería el promedio de la dureza de 20 tabletas de cada lote.
Obteniéndose los
siguientes resultados:

SOLUCIÓN:
Ho: las medidas de durezas tomadas en los 3 tipos diferentes de porcentaje de
almidón son iguales
Ha: las medidas de durezas tomadas en los 3 tipos diferentes de porcentaje de almidón
no son iguales

GruposCuenta Suma Promedio Varianza


0.02 4 18.8 4.7 0.15
0.05 4 26.8 6.7 0.26
0.1 4 33.4 8.35 0.27

Origen de las variaciones Suma de cuadrados Grados de libertad Promedio de


los cuadrados
Entre grupos 26.72 2 13.363
Dentro de los grupos 2.07 9 0.23

Total 28.79 11

F Probabilidad Valor crítico para F


58.10 7.1586E-06 4.25

INFERENCIA:
El valor de la F teórica con 2 y 24 grados de libertad, a un nivel de confianza del
95% es 4.25 y a comparación de F que se obtuvo, se concluye que se rechaza la
hipótesis nula y se acepta la hipótesis alternativa que es: las medidas de durezas
tomadas en los 3 tipos de porcentaje de almidón no son iguales, por tanto se infiere que
él % de almidón si influye en la dureza de las tabletas.

PROBLEMA 6:
Los datos que se presentan en seguida son rendimientos en toneladas por hectárea de un
pasto con 3 niveles de fertilización nitrogenada. El diseño fue completamente
aleatorizado, con 5 repeticiones por tratamiento.
Niveles de Nitrógeno
CONJETURA :
H0: µ1=µ2=µ3
Ha: u1≠ µ2≠ µ3
EXPERIMENTO
N1 N2 N3
14.823 25.151 32.605
14.676 25.401 32.460
14.720 25.131 32.256
14.514 25.031 32.669
15.065 25.267 32.111
C) ANÁLISIS:

N= 15 SST= 807.863555
n= 5 SSt= 807.207447
a= 3 SSE= 0.6561088
FUENTE DE VARIACIÓN SS gl Ms F
TRATAMIENTO 807.207447 2 403.603723 7381.77064
ERROR 0.6561088 12 0.05467573
TOTAL 807.863555 14

INFERENCIA:
Ƒ0.05, 2,12= 3.89
Se observa F=7381.77064 > Ƒ0.05, 2,12= 3.89, por lo tanto el valor F=7381.77064
hallado cae en la zona de rechazo. Se acepta la hipótesis alternativa y se rechaza la
hipótesis nula. En otras palabras: Los niveles de fertilización nitrogenada disminuye los
rendimientos por hectárea de pastos.

PROBLEMA 7:
Se pide a cuatro químicos que determinen el porcentaje de alcohol metílico en un
compuesto químico. Cada uno realiza 3 determinaciones y los resultados son los
siguientes:
SOLUCIÓN:
Químico Porcentaje de alcohol metílico.
Niveles de Nitrógeno
H0: µ1=µ2=µ3=µ4 Ha: u1≠ µ2≠ µ3≠ µ4
EXPERIMENTO:
1 84.99 84.04 84.38
2 85.15 85.13 84.88
3 84.72 84.48 85.16
4 84.20 84.10 84.55
ANÁLISIS:

N= 12 SST= 1.9027667
n= 3 SSt= 1.0445667
a= 4 SSE= 0.8582

FUENTE DE VARIACIÓN SS gl Ms F
TRATAMIENTO 1.04456667 3 0.34818889 3.245759859
ERROR 0.8582 8 0.107275
TOTAL 1.90276667 11

CONCLUSIÓN:
Ƒ0.05, 3,8= 4.07
Se observa F=3.245759859< Ƒ0.05, 3,8= 4.07, por lo tanto el valor F=3.245759859
hallado cae en la zona de aceptación.

INFERENCIA:

Se acepta la hipótesis nula y se rechaza la hipótesis alternativa. En otras palabras: el


porcentaje de alcohol metílico en un compuesto químico no tiene variación.

PROBLEMA 8:
Se están investigando cuatro catalizadores que pueden afectar la concentración de un
componente en una mezcla líquida formada por tres componentes. Se obtuvieron las
siguientes concentraciones:
SOLUCIÓN:
H0: µ1=µ2=µ3=µ4
Ha: u1≠ µ2≠ µ3≠ µ4

EXPERIMENTO
Catalizador
1 234
58.2 56.3 50.1 52.9
57.2 54.5 54.2 49.9
58.4 57.0 55.4 50.0
55.8 55.3 55.2 51.7

ANÁLISIS:

N= 16 SST= 120.569375
n= 4 SSt= 3.231875
a= 4 SSE= 117.3375

FUENTE DE VARIACIÓN SS gl Ms F
TRATAMIENTO 3.231875 3 1.07729167 0.11017364
ERROR 117.3375 12 9.778125
TOTAL 120.569375 15

CONCLUSIÓN:
Ƒ0.05, 3,12= 3.49

INFERENCIA:
Se observa F=0.11017364< Ƒ0.05, 3,16= 3.49, por lo tanto el valor F=0.11017364
hallado cae en la zona de aceptación. Se acepta la hipótesis nula y se rechaza la
hipótesis alternativa. En otras palabras los catalizadores pueden afectar la concentración
de los componentes.

PROBLEMA 9:
Se está estudiando la resistencia a la tensión de cemento Portland. Cuatro técnicas de
mezclado pueden ser usadas económicamente. Se han recolectado los siguientes datos:
SOLUCIÓN:
H0: µ1=µ2=µ3=µ4 Ha: u1≠ µ2≠ µ3≠ µ4

EXPERIMENTO:

Técnica de mezclado Resistencia a la tensión (lb/plg²)


1 3129 3000 2865 2890
2 3200 3300 2975 3150
3 2800 2900 2985 3050
4 2600 2700 2600 2765
ANÁLISIS:

N= 16 SST= 696110.938
n= 4 SSt= 505452.688
a= 4 SSE= 190658.25
FUENTE DE VARIACIÓN SS gl Ms F
TRATAMIENTO 505452.688 3 168484.229 10.6043706
ERROR 190658.25 12 15888.1875
TOTAL 696110.938 15

CONCLUSIÓN:

Ƒ0.05, 3,12= 3.49


Se observa F=10.6043706> Ƒ0.05, 3,12= 3.49, por lo tanto el valor hallado
F=15.5802469 cae en la zona de rechazo.
INFERENCIA:
Se acepta la hipótesis alternativa y se rechaza la hipótesis nula. En otras palabras las
técnicas de mezclado no pueden ser usadas económicamente en la resistencia a la
tensión de cemento Portland.

PROBLEMA 10:
El tiempo de respuesta en milisegundos fue determinado para tres tipos de circuitos de
un mecanismo de interrupción automática de válvulas. Los resultados fueron:
SOLUCIÓN:
H0: µ1=µ2=µ3=µ4
Ha: u1≠ µ2≠ µ3≠ µ4
EXPERIMENTO
Tipo de circuito Tiempo de respuesta
1 9 12 10 8 15
2 20 21 23 17 30
3 6 5 8 16 7
ANÁLISIS:

N= 15 SST= 815.733333
n= 5 SSt= 588.933333
a= 3 SSE= 226.8
FUENTE DE VARIACIÓN SS gl Ms F
TRATAMIENTO 588.933333 2 294.466667 15.5802469
ERROR 226.8 12 18.9
TOTAL 815.733333 14

CONCLUSIÓN:

Ƒ0.05, 2,12= 3.89


Se observa F=15.5802469 > Ƒ0.05, 2,12= 3.89, por lo tanto el valor hallado
F=15.5802469 cae en la zona de rechazo.
INFERENCIA:
Se acepta la hipótesis alternativa y se rechaza la hipótesis nula. El tiempo de respuesta
en milisegundos para tres tipos de circuitos de un mecanismo de interrupción
automática de válvulas es diferente.

PROBLEMA 11:
Están considerándose seis diferentes maquinas para sus uso en la manufactura de sellos
de goma. Éstas están siendo comparadas con respecto a la resistencia de tensión del
producto. Se utiliza una muestra aleatoria de 4 sellos de cada máquina para determinar
si la resistencia promedio a la tensión varía de máquina a máquina o no. Las siguientes
son las mediciones de resistencia a la tensión.

Máquina Resistencia a la tensión

1 17.5 16.9 15.8 18.6


2 16.4 19.2 17.7 15.4
3 20.3 15.7 17.8 18.9
4 14.6 16.7 20.8 18.9
5 17.5 19.2 16.5 20.5
6 18.3 16.2 17.5 20.1
H0: La resistencia promedio de resistencia a la tensión de cada máquina para la
fabricación de sellos de goma es igual maquina a máquina.

SOLUCIÓN:
µ1=µ2=µ3=µ4= µ5= µ6

Ha: La resistencia promedio de resistencia a la tensión de las máquinas para la


fabricación de sellos de goma es diferente maquina a máquina.

u1≠ µ2≠ µ3≠ µ4 µ5≠µ6

N= 24 SST= 67.9783333
n= 4 SSt= 5.33833333
a= 6 SSE= 62.64

Máquina Resistencia SUMA


a la Tensión
1 17.5 16.9 15.8 18.6 68.8
2 16.4 19.2 17.7 15.4 68.7
3 20.3 15.7 17.8 18.9 72.7
4 14.6 16.7 20.8 18.9 71
5 17.5 19.2 16.5 20.5 73.7
6 18.3 16.2 17.5 20.1 72.1

F.V SS g.l MS F p
TRATAMIENTO 5.33833333 5 1.06766667 0.30680077 < 0.05
ERROR 62.64 18 3.48
Total 67.9783333 23

DE TABLAS
F(5,18,0.05)= 2.786
PROBLEMA 12:
En el siguiente experimento se compararon los tiempos de coagulación de la sangre de
4 grupos de ardillas con diferentes niveles de protrombina (un componente del plasma,
necesario para la formación de coágulos).

Tiempos de coagulación (en segundos)


Niveles de protrombina
20% 30% 50% 100%
34.4 25.0 20.9 19.7
27.3 23.2 22.2 21.7
65.0 45.2 27.8 21.1
31.3 26.4 19.6 18.5
48.5 26.8 20.1 16.0
38.4 32.7 22.1
40.5 28.8 19.7

SOLUCIÓN:
Ho: Si influye el nivel de protrombina en los tiempos de coagulación de la sangre
Ha: No influye el nivel de protrombina en los tiempos de coagulación de la sangre

F.V SS g.l MS F p
TRATAMIENTO 1795.51 3 598.503 9.63 <0.05
ERROR 1367.76 22 62.171
Total 3163.27 25

DE TABLAS
F(3,22,0.05)= 3.055

PROBLEMA 13:
Un químico desea probar el efecto de cuatro agentes químicos en la resistencia de
cierto tipo de tela. Debido a que podría haber variabilidad de rollo a rollo de tela, decide
correr un diseño en bloques al azar, considerando a cada rollo como un bloque. Los
resultados de resistencia son:

Químico Rollo 1 Rollo 2 Rollo 3 Rollo 4 Rollo 5


1 73 68 74 71 67
2 73 67 75 72 70
3 75 68 78 73 68
4 73 71 75 75 69
SOLUCIÓN:
H0: Las resistencias promedio del efecto de los agentes químicos probados en rollos de
tela son iguales.
µ1=µ2=µ3=µ4= µ5

Ha: Por lo menos una de las resistencias promedio del efecto de los agentes químicos
probados en rollos de tela es diferente.

u1≠ µ2=µ3=µ4= µ5

QUÍMICO (A) TOTAL POR BLOQUE


ROLLO (BLOQUES) 1 2 3 4
1 73 73 75 73 294
2 68 67 68 71 274
3 74 75 78 75 302
4 71 72 73 75 291
5 67 70 68 69 274
TOTAL 353 357 362 363 1435
MEDIA 70.6 71.4 72.4 72.6 71.75

a= 4
b= 5
n= 1
N= 20

F.V SC g.l MC F p
A 12.95 3 4.316666667 2.37614679 < 0.05
B 157 4 39.25 21.6055046 > 0.05
ERROR 21.8 12 1.816666667
Total 191.75 19

DE TABLAS

F(3,12,0.05)= 3.49
F(4,12,0.05)= 3.26

PROBLEMA 14:
Para el ensamble de un artículo en particular se está considerando cuatro maquinas
diferentes, M1, M2, M3, M4. Se decide que deben utilizarse seis operadores diferentes
en un experimento para comparar las máquinas. Las maquinas se asignan a cada
operador en un orden aleatorio. La operación de las maquinas requieren determinada
destreza física y se anticipa que puede haber una diferencia entre los operarios en cuanto
a la velocidad con la cual operarán la maquinaria. Se registraron los siguientes tiempos,
en segundos, para el ensamble del producto determinado:

Operador
Maquinaria 1 2 3 4 5 6
1 42.5 39.3 39.6 39.9 42.9 43.6
2 39.8 40.1 40.5 42.3 42.5 43.1
3 40.2 40.5 41.3 43.4 44.9 45.1
4 41.3 40.2 43.5 44.2 45.9 43.

SOLUCIÓN:
H0: El promedio de la destreza física junto a la velocidad con la que opera un trabajador
para el ensamble de un artículo considerando cuatro máquinas son iguales.
µ1=µ2=µ3=µ4
Ha: Por lo menos uno de los promedios de la destreza física junto a la velocidad con la
que opera un trabajador para el ensamble de un artículo considerando cuatro máquinas
es diferente.
u1≠ µ2=µ3=µ4

Operador(A) TOTAL POR BLOQUE


Maquinaria(B) 1 2 3 4 5 6
1 42.5 39.3 39.6 39.9 42.9 43.6 247.8
2 39.8 40.1 40.5 42.3 42.5 43.1 248.3
3 40.2 40.5 41.3 43.4 44.9 45.1 255.4
4 41.3 40.2 43.5 44.2 45.9 43.3 258.4
TOTALES 163.8 160.1 164.9 169.8 176.2 175.1 1009.9
MEDIAS 40.95 40.025 41.225 42.45 44.05 43.775 42.0791667

a= 6
b= 4
n= 1
N= 24

F.V SC g.l MC F p
A 52.4870833 5 10.49741667 7.66312481 < 0.05
B 13.8245833 3 4.608194444 3.36398662 > 0.05
ERROR 20.5479167 15 1.369861111
Total 86.8595833 23

DE TABLAS
FA-TABLAS F(5,15,0.05)= 2.9

FB-TABLAS F(3,15,0.05)= 3.29


PROBLEMA 15:
Un experimento realizado en el cultivo de soya se ensayaron varias niveles de
humedad aprovechable y varios niveles de fósforo. Los tratamientos son :

1.- 20% de humedad y 30 kg/Ha de fósforo


2.- 40% de humedad y 30 kg/Ha de fósforo
3.- 20% de humedad y 60 kg/Ha de fósforo
4.- 40% de humedad y 60 kg/Ha de fósforo

El experimento se realizó con 6 repeticiones. Los bloques fueron franjas de terreno


relativamente uniformes. La variable medida fue el rendimiento de grano (en kg).

Tratamientos
Bloque
1 2 3 4
I 7.3 6.8 6.7 5.7
II 7.2 5.5 7.3 6.9
III 7.6 6.8 6.8 6.4
IV 7.2 6.5 7.4 6.1
V 7.5 6.8 7.5 6.4
VI 7.6 7.1 6.3 6.3

SOLUCIÓN:
H0: El promedio de la destreza física junto a la velocidad con la que opera un trabajador
para el ensamble de un artículo considerando cuatro máquinas son iguales.

µ1=µ2=µ3=µ4

Ha: Por lo menos uno de los promedios de la destreza física junto a la velocidad con la
que opera un trabajador para el ensamble de un artículo considerando cuatro máquinas
es diferente.
u1≠ µ2=µ3=µ4

TRATAMIENTOS (A) TOTAL POR BLOQUE


BLOQUE (B) 1 2 3 4
I 7.3 6.8 6.7 5.7 26.5
II 7.2 5.5 7.3 6.9 26.9
III 7.6 6.8 6.8 6.4 27.6
IV 7.2 6.5 7.4 6.1 27.2
V 7.5 6.8 7.5 6.4 28.2
VI 7.6 7.1 6.3 6.3 27.3
TOTALES 44.4 39.5 42 37.8 163.7
MEDIAS 7.4 6.58333333 7 6.3 6.82083333

a= 4 F.V SC g.l MC F p
b= 6 A 4.17125 3 1.390416667 6.4346317 < 0.05
n= 1 B 0.42708333 5 0.085416667 0.39529503 > 0.05
N= 24 ERROR 3.24125 15 0.216083333
Total 7.83958333 23

DE TABLAS

FA-TABLAS F(3,15,0.05)= 3.29


FB-TABLAS F(5,15,0.05)= 2.9

PROBLEMA 16:
Se realizo un estudio para comparar el rendimiento de tres marcas de gasolina en
competencia. Se seleccionan cuatro modelos diferentes de automóvil de tamaño
variable.Los datos, en millas por galon son los siguientes:

Marca de Gasolina
Modelo A B C
A 32.4 35.6 38.7
B 28.8 28.6 29.9
C 36.5 37.6 39.1
D 34.4 36.2 37.9

SOLUCIÓN:
El diseño es un diseño de bloque completamente al azar
Factor principal: marcas de gasolina
Factor secundario: modelo de automóvil de diferente tamaño
ui = rendimiento promedio de la gasolina
Ho: u1=u2=u3
Ha: u1≠u2≠u3
Realizando el análisis de varianza (ANOVA)
Aplicando las formulas

Donde:
b: tres marcas de gasolina
k: cuatro modelos de automóvil

CUADRO ANOVA
fuente de variabilidad suma de cuadrados grados de libertad cuadrado medio
Fc
modelo de automóvil
de tamaño variable 130.3491667 2 65.17458333 52.4309497
marca de gasolina 22.90166667 3 7.633888889 6.14122905
error 7.458333333 6 1.243055556
total 160.7091667 11

Calculando F-Fischer para α = 0.01 para v1=2, v2=6


F= 10.9247665
Calculando F-Fischer para α = 0.01 para v1=3, v2=6
F=9.78

Donde:
b: tres marcas de gasolina
k: cuatro modelos de automóvil

INFERENCIA:
PARA EL CASO DEL FACTOR MODELO DE AUTOMÓVIL DE TAMAÑO
VARIABLE
Rechazamos la hipótesis nula y aceptamos la alterna, existe variación estadística en el
rendimiento de las tres marcas de gasolina debido al modelo y tamaño de automóvil ya
que F-tablas =10.9<F-calculado =52.43

PARA EL CASO DEL FACTOR MARCA DE GASOLINA


Aceptamos la hipótesis nula y rechazamos la alterna, No existe variación estadística en
el rendimiento de las tres marcas de gasolina debido a la marca de gasolina ya que que
F-tablas =9.78> F-calculado =6.14

CONCLUSIÓN
Como el factor principal a evaluar es las marcas de gasolina en el rendimiento, pues se
llega a conclusión de que el rendimiento no depende de la marca de la gasolina ya que
estadísticamente todas ellas son iguales.

PROBLEMA 17:
Tres diferentes soluciones para lavar están siendo comparadas con el objeto de estudiar
su
efectividad en el retraso del crecimiento de bacterias en envases de leche de 5 galones.
El análisis se realiza en un laboratorio y sólo puede efectuarse tres pruebas en un mismo
día. Como los días son una fuente variabilidad potencial, el experimentador decide usar
un diseño aleatorizado por bloques. Las observaciones se recopilaron durante cuatro
días y los datos aparecen a continuación.
Días
Solución 1 2 3 4
1 13 22 18 39
2 16 24 17 44
3 5 4 1 22

SOLUCIÓN:
El diseño es un diseño de bloque completamente al azar
Factor principal: tipo de solución
Factor secundario: número de días
ui = efectividad en el retraso del crecimiento de bacterias en envases de leche de 5
galones
Ho: u1=u2=u3
Ha: u1≠u2≠u3
Realizando el análisis de varianza (ANOVA)
Aplicando las formulas

Donde:
b: 4 días
k: 3 tipos de soluciones
CUADRO ANOVA

fuente de variabilidad suma de cuadrados grados de libertad cuadrado medio


Fc
tipo de solución 703.5 2 351.75 40.7170418
número de días 1106.91667 3 368.972222 42.7106109
error 51.8333333 6 8.63888889
total 1862.25 11

Calculando F-Fischer para α = 0.01 para v1=2, v2=6


F= 10.9247665
Calculando F-Fischer para α = 0.01 para v1=3, v2=6
F=9.78
INFERENCIA:
PARA EL CASO DEL FACTOR TIPO DE SOLUCIÓN
Rechazamos la hipótesis nula y aceptamos la alterna, existe variación en la efectividad
en el retraso del crecimiento de bacterias en envases de leche de 5 galones debido al
tipo de solución ya que F-tablas =10.9<F-calculado =40.72

PARA EL CASO DEL FACTOR NÚMERO DE DÍAS


Rechazamos la hipótesis nula y aceptamos la alterna, existe variación en la efectividad
en el retraso del crecimiento de bacterias en envases de leche de 5 galones debido al
número de días ya que F-tablas =9.78< F-calculado =42.71
CONCLUSIÓN
Como el factor principal a evaluar es el tipo de solución para lavado en la efectividad en
el retraso del crecimiento de bacterias en envases de leche de 5 galones, pues se llega a
conclusión de que la efectividad varía mucho de acuerdo al tipo de solución a utilizar
principalmente y el número de días de crecimiento de bacterias en los envases de leche.

PROBLEMA 18:
En una fábrica de aceites vegetales comestibles la calidad se ve afectada por la cantidad
de impurezas dentro del aceite, ya que éstas causan oxidación, y esto repercute a su vez
en las características de sabor y color del producto final. Los factores controlados que se
cree que influyen más en la capacidad de adsorción de impurezas son la temperatura y
el porcentaje de arcilla. Con el propósito de encontrar las condiciones óptimas de estos
factores en cada lote se plantea la necesidad de realizar pruebas experimentales a nivel
laboratorio. Así, teniendo como variable de respuesta el color del aceite, se realizó el
siguiente experimento:

Temperatura Porcentaje de arcilla


( C)
0.8 0.9 1.0 1.1
90 5.8 5.9 5.4 5.5 4.9 5.1 4.5 4.4
100 5.0 4.9 4.8 4.7 4.6 4.4 4.1 4.3
110 4.7 4.6 4.4 4.4 4.1 4.0 3.7 3.6
SOLUCIÓN:
El diseño es un diseño factorial de 3x4
Factores: temperatura y porcentaje de arcilla
Las hipótesis de interés para el problema son:
Ho: efecto de temperatura (T)=0
Ha: efecto de temperatura (T) ≠ 0
Ho: efecto de porcentaje de arcilla (%A)=0
Ha: efecto de porcentaje de arcilla (%A) ≠ 0
Ho: (efecto de temperatura (T)) x (efecto de porcentaje de arcilla (%A))=0
Ha: (efecto de temperatura (T)) x (efecto de porcentaje de arcilla (%A)) ≠ 0
Realizando el análisis de varianza (ANOVA)
Aplicando las formulas

Donde:
a: 3 temperaturas
b: 4 distintos porcentajes de arcilla
n: 2 replicas
CUADRO ANOVA

fuente de variabilidad suma de cuadrados grados de libertad cuadrado medio


Fc
A: Temperatura 4.04083333 2 2.02041667 242.45
B: % de Arcilla 3.70166667 3 1.23388889 148.066667
AxB 0.23583333 6 0.03930556 4.71666667
Error 0.1 12 0.00833333
Total 8.07833333 23

Calculando F-Fischer con α = 0.01 para v1=2, v2=12


F= 6.93
Calculando F-Fischer con α = 0.01 para v1=3, v2=12
F=5.95
Calculando F-Fischer con α = 0.01 para v1=6, v2=12
F=4.82

INFERENCIA:
PARA EL CASO DEL FACTOR TEMPERATURA
Rechazamos la hipótesis nula y aceptamos la alterna, existe un alto efecto de la
temperatura en el color obtenido de aceite ya que F-tablas =6.93<F-calculado =242.45.
PARA EL CASO DEL FACTOR PORCENTAJE DE ARCILLA
Rechazamos la hipótesis nula y aceptamos la alterna, existe un efecto considerable del
porcentaje de arcilla utilizada en el color obtenido de aceite ya que F-tablas =5.95<F-
calculado =148.0

PARA EL CASO DE LA INTERACIÓN DE FACTORES


Aceptamos la hipótesis nula y rechazamos la alterna, no existe variación del color de
aceite por la interacción del factor temperatura y porcentaje de arcilla, ya que F-tablas
=4.82>F-calculado =4.72

CONCLUSIÓN
Como se quiere obtener las condiciones óptimas de operación de estos factores para
que el color del aceite sea lo más transparentemente posible, entonces ello será posible
a temperaturas y porcentajes de arcilla altas.

PROBLEMA 19:
En una empresa alimenticia se desea evaluar cuatro antioxidantes, a través de su efecto
en un aceite vegetal. El propósito es seleccionar el producto que retrase mas la
oxidación. Las pruebas se hacen a condiciones de estrés, midiendo como variable de
respuesta al índice de peróxidos. Diferentes unidades experimentales se evalúan a
diferentes tiempos. Los datos obtenidos se muestran a continuación (en el control no
se agrega ningún antioxidante)
Tiempo
Producto 4 horas 8 horas 12 horas
Control 3.84, 3.72 27.63, 27.58 39.95, 39.00
A 4.00, 3.91 22.00,21.83 46.20,45.60
B 3.61 ,3.61 21.94,21.85 43.58,42.98
C 3.57, 3.50 20.50,20.32 45.14,44.89
D 3.64,3.61 20.30,20.19 44.36,44.02

SOLUCIÓN:
El diseño es un diseño factorial de 5x3
Factores: tipo de antioxidante, tiempo
Las hipótesis de interés para el problema son:
Ho: efecto del antioxidante (Ax)=0
Ha: efecto del antioxidante (Ax) ≠ 0
Ho: efecto del tiempo (t) =0
Ha: efecto del tiempo (t) ≠ 0
Ho: (efecto del antioxidante (Ax)) x (efecto del tiempo (t))=0
Ha: (efecto del antioxidante (Ax)) x (efecto del tiempo (t)) ≠ 0
Realizando el análisis de varianza (ANOVA)
Aplicando las formulas
Donde:
a: 4 tipos de antioxidante y 1 control sin antioxidante
b: 3 tiempos diferentes
n: 2 replicas

CUADRO ANOVA
fuente de variabilidad suma de cuadrados grados de libertad cuadrado medio
Fc
A: Tipo de antioxidante 5.32277917 3 1.77425972 42.8608287
B: tiempo 6744.8716 2 3372.4358 81468.0012
AxB 7.43633333 6 1.23938889 29.939943
Error 0.49675 12 0.04139583
Total 6758.12746 23

Calculando F-Fischer con α = 0.01 para v1=3, v2=12


F=5.95
Calculando F-Fischer con α = 0.01 para v1=2, v2=12
F=6.93
Calculando F-Fischer con α = 0.01 para v1=6, v2=12
F=4.82

INFERENCIA:
PARA EL CASO DEL FACTOR ANTIOXIDANTE
Rechazamos la hipótesis nula y aceptamos la alterna, existe una considerable efecto del
tipo de antioxidante en el índice de peróxidos en el aceite vegetal ya que F-tablas
=5.95<F-calculado =42.46
PARA EL CASO DEL FACTOR TIEMPO
Rechazamos la hipótesis nula y aceptamos la alterna, existe un efecto apreciable del
tiempo en el índice de peróxidos en el aceite vegetal ya que F-tablas =6.93<F-calculado
=81468
PARA EL CASO DE LA INTERACIÓN DE FACTORES
Rechazamos la hipótesis nula y aceptamos la alterna, existe variaciones en el índice de
peróxidos en el aceite vegetal a causa de que existe una interacción de los factores tipo
de antioxidante y tiempo, ya que F-tablas =4.82<F-calculado =29.94
CONCLUSIÓN
Como se quiere obtener un antioxidante que retrase más la oxidación del aceite vegetal
de acuerdo a que transcurra el tiempo, entonces ello será posible con el antioxidante B
o D.

PROBLEMA 20:
En un laboratorio de microbiología se realiza un experimento para investigar si influye
el tipo de verdura (lechuga-L, cilantro-C, zanahoria-Z) y la temperatura (8 y 20° C) de
almacenamiento en la sobrevivencia del vidrio cholera. Se hicieron varias réplicas. El
porcentaje de sobrevivencia obtenido después de 24 horas de inoculado el alimento se
muestra a continuación.
Temperatura
Alimento 20 8
L 13.1 15.0 33.6 35.5 42.0 11.1 12.8 6.2 28.5 41.0 35.9 25.0 23.8 79.0 41.6
C 19.0 19.0 66.6 66.6 11.0 11.0 49.0 49.0 84.3 68.7 68.7 30.5 30.5 11.0 11.020.0
Z 1.2 1.2 0.2 0.1 0.3 0.2 0.1 0.4 0.2 0.3 25.8 21.8 16.0 16.0 20.1 15.4 13.325.2
SOLUCIÓN:
El diseño es un diseño factorial de 3x2
Factores: tipo de verdura, Temperatura
Las hipótesis de interés para el problema son:
Ho: efecto del tipo de verdura (TV)=0
Ha: efecto del tipo de verdura (TV) ≠ 0
Ho: efecto del temperatura (T) =0
Ha: efecto del temperatura (T) ≠ 0
Ho: (efecto del tipo de verdura (TV)) x (efecto del temperatura (T))=0
Ha: (efecto del tipo de verdura (TV)) x (efecto del temperatura (T))≠ 0
Realizando el análisis de varianza (ANOVA)
Aplicando las formulas

Donde:
a: 3 tipos de verdura
b: 2 temperaturas
n11: 7 réplicas; n21: 8 réplicas; n31: 10 réplicas
ni2: 8 réplicas
CUADRO ANOVA
fuente de variabilidad suma de cuadrados Grados de libertad cuadrado medio
Fc
A: Tipo de verdura 6347 2 3173.5 8.4875
B: temperatura 1658.2 1 1658.2 4.4348
AxB 154.54 2 77.27 0.2067
Error 13461 36 373.9
Total 21620 41

Calculando F-Fischer con α = 0.01 para v1=2, v2=36


F=5.2479
Calculando F-Fischer con α = 0.01 para v1=1, v2=36
F=7.3956
Calculando F-Fischer con α = 0.01 para v1=2, v2=36
F=5.2479
= 0.01 para v1=2, v2=36
F=5.2479

INFERENCIA:
PARA EL CASO DEL FACTOR TIPO DE VERDURA
Rechazamos la hipótesis nula y aceptamos la alterna, existe un efecto en la variación de
la sobrevivencia del Vibrio Cholera por el tipo de verdura, ya que F-tablas =5.2479<F-
calculado =8.4875
PARA EL CASO DEL FACTOR TEMPERATURA
Aceptamos la hipótesis nula y rechazamos la alterna, no existe un efecto apreciable de
la temperatura en el sobrevivencia del Vibrio Cholera ya que F-tablas =7.3956>F-
calculado =4.4348
PARA EL CASO DE LA INTERACIÓN DE FACTORES
Aceptamos la hipótesis nula y rechazamos la alterna, no existe efectos en el
sobrevivencia del Vibrio Cholera a causa de la interacción de los factores tipo de
verdura y temperatura, ya que F-tablas =5.2479>F-calculado =0.2067
CONCLUSIÓN
Como se quiere saber la influencia del tipo de verdura y temperatura en la
sobrevivencia del Vibrio Cholera, se llega a determinar que el tipo de verdura
determina la sobrevivencia del Vibrio Cholera

PROBLEMA 21.
Se encuentra en estudio el rendimiento de un proceso químico. Se cree que las dos
variables
más importantes son la presión y la temperatura. Se seleccionan tres niveles de cada factor
y se
realiza un experimento factorial con dos réplicas. Se recopilan los siguientes datos:

Presión
Temperatura 200 215 230

Baja 90.4 90.7 90.2

90.2 90.6 90.4

Intermedia 90.1 90.5 89.9

90.3 90.6 90.1

Alta 90.5 90.8 90.4

90.7 90.9 90.1

H0: Las variables presión y volumen influyen en el rendimiento de un proceso


químico.
Ha: Las variables presión y volumen no influyen en el rendimiento de un proceso
químico.
DISEÑO FACTORIAL:

PRESIÓN(B)
TEMPERATURA(A) 200 215 230
BAJA 90.4 90.7 90.2
90.2 90.6 90.4
SUMA 180.6 181.3 180.6 542.5
INTERMEDIA 90.1 90.5 89.9
90.3 90.6 90.1
SUMA 180.4 181.1 180 541.5
ALTA 90.5 90.8 90.4
90.7 90.9 90.1
SUMA 181.2 181.7 180.5 543.4
542.2 544.1 541.1 1627.4
a= 3 F.V g.l SC MC F p
b= 3 A 2 0.301111 0.15055556 8.4687 < 0.05
n= 2 B 2 0.767778 0.38388889 21.594 < 0.05
N= 18 AB 4 0.068889 0.01722222 0.9688 < 0.05
error 9 0.16 0.01777778
Total 17 1.297778

DE
TABLAS
FA-TABLAS F(2,9,0.05)= 4.26
FB-TABLAS F(2,9,0.05) = 4.26
3.63

FAB-
TABLAS F(4,9,0.05)= PROBLEMA 22.
Se están estudiando los factores que influyen en la resistencia de ruptura de una
fibra sintética. Se eligen al azar cuatro máquinas y tres operadores y se realiza un
experimento
factorial usando fibras de un mismo lote de producción. Los resultados se
muestran a
continuación.
Máquina

Operario A B C D

1 109 110 108 110

110 115 109 108

2 110 110 111 114

112 111 109 112


3 116 112 114 120

114 115 119 117

H0: La resistencia de ruptura de una fibra sintética está influenciada por las
maquina a usa y por los operadores que lo manipula.
Ha: La resistencia de ruptura de una fibra sintética no está influenciada por las
maquina a usa y por los operadores que lo manipula.

MAQUINA(B)
Operario(A) A B C D
1 109 110 108 110
110 115 109 108
Suma 219 225 217 218 879
2 110 110 111 114
112 111 109 112
Suma 222 221 220 226 889
3 116 112 114 120
114 115 119 117
Suma 230 227 233 237 927

671 673 670 681 2695

a= 3 F.V g.l SC MC F p
b= 4 A 2 160.3333 80.1666667 21.143 < 0.05
n= 2 B 3 12.45833 4.15277778 1.0952 < 0.05
N= 24 AB 6 44.66667 7.44444444 1.9634 < 0.05
error 12 45.5 3.79166667
Total 23 262.9583

DE
TABLAS
FA-TABLAS F(2,12,0.05)= 3.89
FB-TABLAS F(3,12,0.05)= 3.49
FAB-
F(6,12,0.05)= 3.00
TABLAS

PROBLEMA 23.
Es común añadir el elemento químico antimonio a la soldadura blanda de
estaño-plomo como sustituto del estaño, que es más caro, a fin de reducir el costo
de la soldadura blanda. Se llevo a cabo un experimento factorial con miras a
determinar el efecto del antimonio sobre la resistencia de la unión soldada en
blando con la soldadura de estaño-plomo (Journal, mayo de 1986). Se
prepararon especímenes de soldadura estaño-plomo empleando uno de cuatro
métodos de enfriamiento posibles (extinción con agua, WQ; extinción con de
aceite, OQ; extinción con aire, AB, y enfriamiento en horno, FC) y agregando
a la composición cantidades de antimonio (O%, 3%, 5% y 10%). Se asignaron
aleatoriamente tres uniones soldadas en blando a cada uno de los 4 x 4 = 16
tratamientos y se midió la resistencia al corte de cada una. Los resultados
experimentales aparecen en la siguiente tabla,

Cantidad de antimonio Método de Resistencia al corte


% en peso enfriamiento Mpa
0 WQ 17.6, 19.5, 18.3
0 OQ 20.0, 24.3, 21.9
0 AB 18.3, 19.8, 22.9
0 FC 19.4, 19.8, 20.3
3 WQ 18.6, 19.5, 19.0
3 OQ 20.0, 20.9, 20.4
3 AB 21.7, 22.9, 22.1
3 FC 19.0, 20.9, 19.9
5 WQ 22.3, 19.5, 20.5
5 OQ 20.9, 22.9, 20.6
5 AB 22.9, 19.7, 21.6
5 FC 19.6, 16.4, 20.5
10 WQ 15.2, 17.1, 16.6
l0 OQ 16.4, 19.0, 18. 1
l0 AB 15.8, 17.3, 17.1
10 FC 16.4, 17.6, 17.6

PROBLEMA 24
Se desea investigar el efecto del tipo de suspensión (A), abertura de malla
(B) y temperatura de ciclaje (C) en el volumen de sedimentación Y(%) de una
suspensión. Para ello se decide correr un experimento factorial 3 x 2 x 2 con
seis réplicas, y las observaciones obtenidas en las 72 corridas experimentales se
muestran en la siguiente tabla:
A1 A2 A3
B1 B2 B1 B2 B1 B2
60, 75, 75 67, 73, 73 62, 68, 65 71, 80, 80 76, 71 ,75 75, 75, 75
C1
86, 70, 70 67, 68, 68 76, 65, 65 72, 80, 80 70, 68, 73 75, 75, 77

55, 53, 53 52, 52, 57 44, 44, 45 60, 60, 60 52, 51, 50 56, 55, 57
C2
55, 55, 55 52, 54, 54 48, 48, 45 67, 67, 65 52, 48, 54 59, 50, 55

H0: El efecto en el volumen de sedimentación Y(%) de una suspensión está


influenciada por tipo de suspensión (A), abertura de malla (B) y la temperatura de
ciclaje (C).

Ha: El efecto en el volumen de sedimentación Y(%) de una suspensión está


influenciada por tipo de suspensión (A), abertura de malla (B) y la temperatura de
ciclaje (C).

A1 A2 A3
B1 B2 B1 B2 B1 B2
60 75 75 67 73 73 62 68 65 71 80 80 76 71 75 75 75 75
C1
86 70 70 67 68 68 76 65 65 72 80 80 70 68 73 75 75 77
SUMA 436 416 401 463 433 452 2601
55 53 53 52 52 57 44 44 45 60 60 60 52 51 50 56 55 57
C2
55 55 55 52 54 54 48 48 45 67 67 65 52 48 54 59 50 55
SUMA 326 321 274 379 307 332 1939
762 737 675 842 740 784 4540

A B
C A1 A2 A3 C B1 B2
C1 852 864 885 C1 1270 1331
C2 647 653 639 C2 907 1032
1499 1517 1524 2177 2363

F.V g.l SC MC F p
a= 3 A 2 13.8611 6.93056 0.49406 < 0.05
b= 2 B 1 480.5 480.5 34.2535 < 0.05
c= 2 C 1 6086.72 6086.72 433.905 < 0.05
n= 6 AB 2 788.25 394.125 28.096 < 0.05
N= 72 AC 2 40.8611 20.4306 1.45644 < 0.05
BC 1 56.8889 56.8889 4.05545 < 0.05
ABC 2 31.0278 15.5139 1.10594 < 0.05
error 60 841.667 14.0278
Total 71 8339.78

DE
TABLAS
FA-TABLAS F(2,60,0.05)= 3.15
FB-TABLAS F(1,60,0.05)= 4.00
FC-TABLAS F(1,60,0.05)= 4.00
FAB-
F(2,60,0.05)= 3.15
TABLAS

FAC-
F(2,60,0.05)= 4.00
TABLAS

FBC-
F(1,60,0.05)= 3.15
TABLAS

FABC-
F(2,60,0.05)= 4.00
TABLAS
PROBLEMA 26.
Se esta investigando los efectos sobre la resistencia del papel que producen el
porcentaje de la concentración de fibra de madera en la pulpa, la presión del tanque y el
tiempo de cocción de la pulpa. Se seleccionan tres niveles de concentración de
madera y de la presión, y dos niveles de tiempo de cocción. Se realiza un
experimento factorial con dos replicas y se recopilan los datos.
Concentración Presión durante tiempo Presión durante tiempo porcentual de
cocción de 3.0 h de cocción de 4.0 h
de fibra
400 500 650 400 500 650

2 196.6 197.7 199.8 198.4 199.6 200.6


196.0 196.0 199.4 198.6 200.4 200.9

4 198.5 196.0 198.4 197.5 198.7 199.6


197.2 196.9 197.6 198.1 198.0 199.0

8 197.5 195.6 197.4 197.6 197.0 198.5


196.6 196.2 198.1 198.4 197.8 199.8

PROBLEMA 27.
Una bacterióloga esta interesada en el efecto que tienen dos diferentes medios de
cultivo (factor A): 1(nivel bajo) y 2 (nivel alto); y dos lapsos de tiempo (factor B):12
hrs (nivel bajo) y 18 hrs (nivel alto) sobre crecimiento de un virus en particular. Realiza
seis replicas de un diseño haciendo los ensayos en un orden aleatorio. Los resultados
son los siguientes:

FACTORES REPLICAS
A B I II III IV V VI
- - 21 23 20 22 28 26
+ - 25 24 29 26 25 27
- + 37 38 35 39 38 36
+ + 31 29 30 34 33 35

SOLUCIÓN:
Los dos cultivos poseen el mismo efecto
Los cultivos poseen efectos diferentes
Hallando las medias y varianza
FACTORES REPLICAS promedio
A B I II III IV V VI

- - 21 23 20 22 28 26 23.3333 9.4666
+ - 25 24 29 26 25 27 26 3.2
- + 37 38 35 39 38 36 37.1666 2.166
+ + 31 29 30 34 33 35 32 5.6
total 114 114 114 121 124 124 29.624 5.108

Calculo de valores generales:


Media=29.624 grados libertad=N-1 gl=3 a=2

SST 10.216
SSE 25.540
MST 10.216
MSE 12.77
F 0.8
SST= (N-a)
SSE=
F=MST/MSE
MST=SST/ (a-1)
MSE=SSE/ (N-a)
PROBLEMA 28
Un ingeniero industrial que trabaja en una embotelladora esta interesado en el efecto de
dos tipos de botella (factor A) de 32 onzas sobre el tiempo de reparto de cajas de 12
botellas de este producto. Los dos tipos de botella son de plástico (nivel bajo) y de
vidrio (nivel alto), y se utilizan dos repartidores(factor B) para realizar una tarea que
consiste en mover 40 cajas del producto a una distancia de 50 pies sobre un carrito
repartidor, y acomodarlos. Se realiza un diseño factorial ; y los tiempos observados se
muestran en la siguiente tabla:
FACTORES REPLICAS
A B I II III IV
- - 5.12 4.98 4.89 5
+ - 6.65 5.49 6.24 5.55
- + 4.95 4.27 4.43 4.25
+ + 5.28 4.75 4.91 4.71

SOLUCIÓN:
Las dos botellas generan el mismo efecto
las dos botellas generan diferentes efectos
FACTORES REPLICAS promedio

A B I II III IV
- - 5.12 4.98 4.89 5 4.9975 8.9583*

+ - 6.65 5.49 6.24 5.55 5.9825 0.313825


- + 4.95 4.27 4.43 4.25 4.475 0.10676
+ + 5.28 4.75 4.91 4.71 4.9125 0.06749
0.1242583
Calculo de valores generales:
Media=5.091875 grados libertad=N-1 gl=3 a=2
SST= (N-a)
SSE=
MST=SST/ (a-1)
MSE=SSE/ (N-a)
SST 0.2485166
SSE 0.497033
MST 0.2485166
MSE 0.2485166
F 1

F=MST/MSE

PROBLEMA 29.
En una empresa lechera se ha tenido problemas con la viscosidad de cierta bebida de
chocolate. Se cree que tres ingredientes que se agregan en pequeñas cantidades son con
los que se puede resolver este problema. Por lo que es necesario explorar la situación,
para ello se corre un experimento 23 con dos réplicas. Enseguida se aprecian los
resultados obtenidos:

Ingrediente A Ingrediente B Ingrediente C Viscosidad


-1 -1 -1 13.3, 13.7
1 -1 -1 14.7, 14.4
-1 1 -1 14.6, 14.5
1 1 -1 14.3, 14.1
-1 -1 1 16.9, 17.2
1 -1 1 15.5, 15.4
-1 1 1 17.0, 17.1
1 1 1 18.9, 19.0
=3.2131

Media=15.6625

SOLUCIÓN:
Los ingredientes generan el mismo efecto
Los ingredientes generan diferentes efectos
Ingrediente A Ingrediente B Ingrediente C Viscosidad
-1 -1 -1 13.3, 13.7
1 -1 -1 14.7, 14.4
-1 1 -1 14.6, 14.5
1 1 -1 14.3, 14.1
-1 -1 1 16.9, 17.2
1 -1 1 15.5, 15.4
-1 1 1 17.0, 17.1
1 1 1 18.9, 19.0

Calculo de valores generales:


Media=5.091875 grados libertad=N-1 gl=7 a=2
SST= (N-a)
SSE=
MST=SST/ (a-1)
MSE=SSE/ (N-a)
F=MST/MSE
INFERENCIA:

PROBLEMA 30:
Se desea analizar la calidad de bolsas de papel, a través de la resistencia al rasgamiento
(Y), para lo cual utiliza una escala numérica. Se examinan tres factores, cada uno en dos
niveles, x1=tipo de papel, x2=humedad, x3=dirección del rasguño. Decide obtener tres
observaciones (réplicas) en cada combinación, las mismas que se muestran en la
siguiente tabla.
X1 X2 X3 RESISTENCIA
- - - 3.8 3.1 2.2
+ - - 6.6 8 6.8
- + - 3.4 1.7 3.8
+ + - 6.8 8.2 6
- - + 2.3 3.1 0.7
+ - + 4.7 3.5 4.4
- + + 2.1 1.1 3.6
+ + + 4.2 4.7 2.9

SOLUCIÓN:
Las dos botellas generan el mismo efecto
las dos botellas generan diferentes efectos

PROBLEMA 31:

Un ingeniero esta interesado en el efecto que tiene la rapidez de corte (A), la


configuración (B) y el ángulo de corte (C) sobre la duración de una herramienta. Se
eligen dos niveles de cada factor y se realiza un diseño factorial 23 con n =3 los
resultados se muestran a continuación:

CODIGO FACTORES REPLICAS


A B C I II III
- - - 22 31 25
+ - - 32 43 29
- + - 35 34 50
+ + - 55 47 46
- - + 44 45 38
+ - + 40 37 36
- + + 60 50 54
+ + + 39 41 47

Solución:

Hipótesis nula:
Los efectos A,B y C influyen de igual manera en la duración de una herramienta.

Hipótesis alternativa:
Los efectos A,B y C no influyen de igual manera en la duración de una herramienta.

Hipótesis nula:
Ho 𝐴 = 𝐵 = 𝐶
Hipótesis alternativa:
Ha 𝐴 ≠ 𝐵 ≠ 𝐶

CODIGO FACTORES REPLICAS Suma


A B C I II III
- - - 22 31 25 78 (1)
+ - - 32 43 29 104 a
- + - 35 34 50 119 b
+ + - 55 47 46 148 ab
- - + 44 45 38 127 c
+ - + 40 37 36 113 ac
- + + 60 50 54 164 bc
+ + + 39 41 47 127 abc

Hallando las interacciones:

1
A =4𝑛 (𝑎 − (1) + 𝑎𝑏 − 𝑏 + 𝑎𝑐 − 𝑐 + 𝑎𝑏𝑐 − 𝑏𝑐)

1
A =12 (4)

A =0.333

1
B =4𝑛 (𝑏 + 𝑎𝑏 + 𝑏𝑐 + 𝑎𝑏𝑐 − (1) − 𝑎 − 𝑐 − 𝑎𝑐)

1
B =12 (136)

B =11.333

1
C =4𝑛 (𝑐 + 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐 − (1) − 𝑎 − 𝑏 − 𝑎𝑐)

1
C =12 (82)

C =6.8333
1
AB =4𝑛 (𝑎𝑏 − 𝑎 − 𝑏 + (1) + 𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐)

1
AB =12 (−20)

AB =-1.666

1
AC =4𝑛 ((1) − 𝑎 + 𝑏 − 𝑎𝑏 − 𝑐 + 𝑎𝑐 − 𝑏𝑐 + 𝑎𝑏𝑐)

1
AC=12 (−106)

AC =-8.833

1
BC =4𝑛 ((1) + 𝑎 − 𝑏 − 𝑎𝑏 − 𝑐 − 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐)

1
BC=12 (−34)

BC =-2.833

ABC =(𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐 − 𝑎𝑏 + 𝑏 + 𝑎 − (1))

1
ABC =12 (−26)

ABC=-2.166

Suma de cuadrados
(CONTRASTE)2 (4)2
SSA = =
23 ∗3 24

SSA =0.666
(CONTRASTE)2 (136)2
SSB = =
23 ∗3 24

SSB =770.666

(CONTRASTE)2 (82)2
SSC = =
23 ∗3 24

SSC =280.166

(CONTRASTE)2 (−20)2
SSAB = =
23 ∗3 24

SSAB =16.666

(CONTRASTE)2 (−106)2
SSAC = =
23 ∗3 24

SSAC =468.166

(CONTRASTE)2 (−34)2
SSBC = =
23 ∗3 24

SSBC =48.166

(CONTRASTE)2 (−26)2
SSABC = =
23 ∗3 24

SSABC =28.166

(∑ 𝑡𝑜𝑡𝑎𝑙)2
SST =(∑ 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑑𝑎𝑡𝑜2) − 𝑁

(980)2
SST =(42112) − 24
SST =2095.333

CUADRO DE ANOVA

Fuentes de SS gl MS F
variacion
A 0.666 1 0.666 0.011
B 770.666 1 770.666 12.773
C 280.166 1 280.166 4.643
AB 16.666 1 16.666 0.276
AC 468.166 1 468.166 7.759
BC 48.166 1 48.166 0.798
ABC 28.166 1 28.166 0.466
Error 482.671 8 60.333
Total 2095.333 15

PROBLEMA 32.

Se utiliza una aleación de níquel y titanio en la fabricación de componentes para


turbinas de aviones. La formación de grietas es un problema potencialmente grave en la
parte final, ya que puede dar por resultado una falla irreversible. Se realiza una
prueba en las instalaciones del fabricante de las partes a fin de determinar el efecto de
tres factores sobre las grietas. Los tres factores son temperatura de vertido (A),
contenido de Titanio (B) y método de tratamiento térmico. Se corren dos replicas de
un diseño 23 y se mide la longitud de las grietas (en mm) inducidas en una probeta
sometida a una prueba estándar.Los datos se muestran enseguida:
CODIGO FACTORES REPLICAS
A B C I II
- - - 1.71 1.91
+ - - 1.42 1.48
- + - 1.35 1.53
+ + - 1.67 1.55
- - + 1.23 1.38
+ - + 1.25 1.26
- + + 1.46 1.42
+ + + 1.29 1.27

Solución:

Hipótesis nula:
Los factores A,B y C ocasionan de la misma manera grietas en la aleación de níquel y
titanio en la fabricación de componentes para turbinas.

Hipótesis alternativa:
Los factores A,B y C al menos uno no ocasiona grietas en la aleación de níquel y titanio
en la fabricación de componentes para turbinas.

Hipótesis nula:
Ho 𝐴 = 𝐵 = 𝐶

Hipótesis alternativa:
Ha 𝐴 ≠ 𝐵 ≠ 𝐶

CODIGO FACTORES REPLICAS


A B C I II
- - - 1.71 1.91 3.62 (1)
+ - - 1.42 1.48 2.9 A
- + - 1.35 1.53 2.88 B
+ + - 1.67 1.55 3.22 Ab
- - + 1.23 1.38 2.26 C
+ - + 1.25 1.26 2.51 Ac
- + + 1.46 1.42 2.88 Bc
+ + + 1.29 1.27 2.56 Abc
Hallando las interacciones:

1
A =4𝑛 (𝑎 − (1) + 𝑎𝑏 − 𝑏 + 𝑎𝑐 − 𝑐 + 𝑎𝑏𝑐 − 𝑏𝑐)

1
A =8 (−0.8)

A =-0.1

1
B =4𝑛 (𝑏 + 𝑎𝑏 + 𝑏𝑐 + 𝑎𝑏𝑐 − (1) − 𝑎 − 𝑐 − 𝑎𝑐)

1
B =8 (−0.1)

B =-0.0125

1
C =4𝑛 (𝑐 + 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐 − (1) − 𝑎 − 𝑏 − 𝑎𝑐)

1
C =8 (−2.06)

C =-0.2575

1
AB =4𝑛 (𝑎𝑏 − 𝑎 − 𝑏 + (1) + 𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐)

1
AB =8 (0.84)

AB =0.105

1
AC =4𝑛 ((1) − 𝑎 + 𝑏 − 𝑎𝑏 − 𝑐 + 𝑎𝑐 − 𝑏𝑐 + 𝑎𝑏𝑐)
1
AC=8 (−0.04)

AC =-0.005

1
BC =4𝑛 ((1) + 𝑎 − 𝑏 − 𝑎𝑏 − 𝑐 − 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐)

1
BC=8 (0.74)

BC =0.0925

ABC =(𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐 − 𝑎𝑏 + 𝑏 + 𝑎 − (1))

1
ABC =8 (−1.28)

ABC=-0.16

Suma de cuadrados

(CONTRASTE)2 (−0.8)2
SSA = =
23 ∗2 16

SSA =0.04

(CONTRASTE)2 (−0.1)2
SSB = =
23 ∗2 16

SSB =0.000625

(CONTRASTE)2 (−2.06)2
SSC = =
23 ∗2 16

SSC =0.265
(CONTRASTE)2 (0.84)2
SSAB = =
23 ∗2 16

SSAB =0.0441

(CONTRASTE)2 (−0.04)2
SSAC = =
23 ∗2 16

SSAC =0.0001

(CONTRASTE)2 (0.74)2
SSBC = =
23 ∗2 16

SSBC =0.0342

(CONTRASTE)2 (−1.28)2
SSABC = =
23 ∗2 16

SSABC =0.1024

(∑ 𝑡𝑜𝑡𝑎𝑙)2
SST =(∑ 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑑𝑎𝑡𝑜2) − 𝑁

(23.18)2
SST =(34.1262) − 16

SST =0.5441

CUADRO DE ANOVA

Fuentes de SS gl MS F
variacion
A 0.04 1 0.04 5.55
B 0.000625 1 0.000625 0.086
C 0.265 1 0.265 36.80
AB 0.0441 1 0.0441 6.125
AC 0.0001 1 0.0001 0.013
BC 0.0342 1 0.0342 4.75
ABC 0.1024 1 0.1024 0.021
Error 0.05775 8 0.0072
Total 0.5441 15

PROBLEMA 33:

Un ingeniero está interesado en el efecto de la velocidad de corte (A), la dureza del


metal (B), y el ángulo del corte (C) sobre la duración de una herramienta de corte.
Para ello se eligen dos niveles para cada factor y se corren dos réplicas del diseño factorial
23 . La tabla siguiente presenta los datos del tiempo de duración (en horas) de la
herramienta.

CODIGO FACTORES REPLICAS


A B C I II
- - - 221 311
+ - - 325 435
- + - 354 348
+ + - 552 472
- - + 440 453
+ - + 406 377
- + + 605 500
+ + + 392 419

Solución:

Hipótesis nula:
Los factores A,B y C influyen de la misma manera en la duración de una herramienta de
corte

Hipótesis alternativa:
Los factores A,B y C al menos uno no influyen en la duración de una herramienta de
corte

Hipótesis nula:
Ho 𝐴 = 𝐵 = 𝐶

Hipótesis alternativa:
Ha 𝐴 ≠ 𝐵 ≠ 𝐶

CODIGO FACTORES REPLICAS


A B C I II
- - - 221 311 532 (1)
+ - - 325 435 760 A
- + - 354 348 702 B
+ + - 552 472 1024 Ab
- - + 440 453 893 C
+ - + 406 377 783 Ac
- + + 605 500 1105 Bc
+ + + 392 419 811 abc

Hallando las interacciones:

1
A =4𝑛 (𝑎 − (1) + 𝑎𝑏 − 𝑏 + 𝑎𝑐 − 𝑐 + 𝑎𝑏𝑐 − 𝑏𝑐)

1
A =8 (−1366)

A =-170.75

1
B =4𝑛 (𝑏 + 𝑎𝑏 + 𝑏𝑐 + 𝑎𝑏𝑐 − (1) − 𝑎 − 𝑐 − 𝑎𝑐)
1
B =8 (674)

B=84.25

1
C =4𝑛 (𝑐 + 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐 − (1) − 𝑎 − 𝑏 − 𝑎𝑐)

1
C =8 815

C=101.875

1
AB =4𝑛 (𝑎𝑏 − 𝑎 − 𝑏 + (1) + 𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐)

1
AB =8 (−90)

AB =-11.25

1
AC =4𝑛 ((1) − 𝑎 + 𝑏 − 𝑎𝑏 − 𝑐 + 𝑎𝑐 − 𝑏𝑐 + 𝑎𝑏𝑐)

1
AC=8 (−954)

AC =119.25

1
BC =4𝑛 ((1) + 𝑎 − 𝑏 − 𝑎𝑏 − 𝑐 − 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐)

1
BC=8 (−838)

BC =-104,75
ABC =(𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐 − 𝑎𝑏 + 𝑏 + 𝑎 − (1))

1
ABC =8 (−278)

ABC=-34.75
Suma de cuadrados

(CONTRASTE)2 (−13.66)2
SSA = =
23 ∗2 16

SSA = 116622.25

(CONTRASTE)2
SSB = 28
23 ∗2

(CONTRASTE)2 (−2.06)2
SSC = =
23 ∗2 16

SSC =0.265

(CONTRASTE)2 (0.84)2
SSAB = =
23 ∗2 16

SSAB =0.0441

(CONTRASTE)2 (−0.04)2
SSAC = =
23 ∗2 16

SSAC =0.0001

(CONTRASTE)2 (0.74)2
SSBC = =
23 ∗2 16

SSBC =0.0342
(CONTRASTE)2 (−1.28)2
SSABC = =
23 ∗2 16

SSABC =0.1024

(∑ 𝑡𝑜𝑡𝑎𝑙)2
SST =(∑ 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑑𝑎𝑡𝑜2) − 𝑁

(23.18)2
SST =(34.1262) − 16

SST =0.5441

CUADRO DE ANOVA

Fuentes de SS gl MS F
variacion
A 0.04 1 0.04 5.55
B 0.000625 1 0.000625 0.086
C 0.265 1 0.265 36.80
AB 0.0441 1 0.0441 6.125
AC 0.0001 1 0.0001 0.013
BC 0.0342 1 0.0342 4.75
ABC 0.1024 1 0.1024 0.021
Error 0.05775 8 0.0072
Total 0.5441 15
C 77 78
Ac 81 80
Bc 88 82
abc 73 70
D 98 95
Ad 72 76
Bd 87 83
abd 85 86
Cd 99 90
acd 79 75
bcd 87 84
abcd 80 80

PROBLEMA 34.
Se realiza un experimento para mejorar el rendimiento de un proceso químico. Se
seleccionan cuatro factores y se realiza un experimento completamente aleatorizado con
dos réplicas. Los resultados se muestran en la siguiente tabla.

TRATAMIENTO COMBINACION O REPLICAS


I II
(1) 90 93
A 74 78
B 81 85
Ab 83 80
C 77 78
Ac 81 80
Bc 88 82
abc 73 70
D 98 95
Ad 72 76
Bd 87 83
abd 85 86
Cd 99 90
acd 79 75
bcd 87 84
abcd 80 80

PROBLEMA 36
En una empresa del área electrónica una máquina toma componentes que le va
proporcionando un alimentador, para montarlos o depositarlos en una tarjeta. Se ha
tenido el problema de que la máquina falla en sus intentos por tomar el componente, lo
cual causa paros de la máquina que detienen el proceso hasta que el operador se da
cuenta y reinicia el proceso. Esto ocasiona tiempos muertos, aumento del tiempo de
ciclo y baja productividad. Los intentos por corregir el problema han sido variar los
parámetros de operación (incluyendo bajar la velocidad) sin tener la certeza de que la
acción efectuada realmente redujo el problema. En este contexto, para diagnosticar
mejor la situación, se decide correr un diseño de experimentos 2 con n=2 replicas; en el
que se tienen los siguientes factores y niveles (-, +) respectivamente:
(A) Velocidad de Cam (70%, 100%)
(B) Velocidad de mesa (media, alta)
(C) Orden o secuencia de colocación, position place (continua, variable)
Y1 Y2
A B C D I II I II
- - - - 61 50 88 79
+ - - - 105 98 78 74
- + - - 61 40 82 82
+ + - - 104 145 73 79
- - + - 0 35 88 100
+ - + - 35 22 84 82
- + + - 50 37 89 88
+ + + - 57 71 79 81
- - - + 12 19 77 75
+ - - + 60 57 66 64
- + - + 9 19 84 73
+ + - + 72 61 93 66
- - + + 0 0 86 82
+ - + + 10 1 76 77
- + + + 3 7 84 86
+ + + + 15 15 75 73
654 677 1302 1261
(D) Alimentador, feeder (1,2)

SOLUCIÓN:
Ho: Los diferentes factores influyen en la productividad de la empresa
Ha: Al menos uno de los factores influye en la productividad de la empresa

SUMATORIA DE LOS CUADRADOS DE TODOS LOS DATOS =

303596 SST= 299702


SUMA TOTAL DE MARCA 1= 1956 SSt= 3894
SUMA TOTAL DE MARCA 2= 1938 SSE= 295808

SUMA TOTAL DE MARCAS= 3894


FUENTE DE VARIACIÓN SS gl Ms F
TRATAMIENTO 3894 1 3894 0.47390199
ERROR 295808 36 8216.88889
TOTAL 299702 37

N= 38
n= 16
a= 2
Los factores influyen directamente
INFERENCIA:
Aceptamos la hipótesis nula y rechazamos la hipótesis alternativa en la productividad de
la empresa
A B
11465 8741
17109 15080
10445 8324
16145 27266
7744 11225
8281 7208
10421 9113
9490 11602
6073 5986
7956 7345
7137 5690
13833 8077
7396 6724
5876 5930
7065 7445
5850 5554
152286 151310

PROBLEMA 37
En el área de SMT se busca reducir los defectos ocasionados por impresiones de
soldadura en pasta inadecuada. Se corre un diseño 2 con tres replicas, cuyos factores
son: altura de la mesa (A), velocidad de separación (B), velocidad de impresión (C), y
presión de los squeeges (D). La variable de respuesta es la altura de la impresión de
soldadura en pasta. Cada prueba experimental consistió en correr diez tarjetas de
manera consecutiva, a cada tarjeta se le midió la altura. Con estos diez datos se calculo
la media y la desviación estándar, para analizar el efecto de los factores sobre ambas.
N= 38
n= 16
a= 3
FACTOR MEDI DESVIACI
ES A ON
ESTANDA
R
A B C D I II III I II III
- - - - 6.821 6.29 6.26 0.17 0.17 0.23
1 8 42 69
+ - - - 6.941 6.59 6.71 0.28 0.50 0.33
1 5 02 86 73
- + - - 6.392 5.80 6.23 0.17 0.41 0.36
3 1 51 34 87
+ + - - 6.643 6.06 6.58 0.29 0.18 0.23
7 04 59 98
- - + - 6.848 6.46 6.64 0.27 0.18 0.17
7 9 47 77 96
+ - + - 8.736 7.25 7.39 0.80 0.75 0.54
7 4 19 05 02
- + + - 6.761 6.42 6.44 0.16 0.21 0.22
2 2 46 48 63
+ + + - 7.753 7.07 7.22 0.63 0.59 0.32
2 9 74 75 52
- - - + 5.468 5.32 5.25 0.28 0.14 0.14
9 6 23 58 18
+ - - + 5.786 5.39 5.35 0.51 0.24 0.18
4 6 45 07 27
- + - + 5.763 5.28 5.45 0.14 0.20 0.21
4 5 09 93 15
+ + - + 5.544 5.39 5.72 0.18 0.13 0.22
4 6 92 4 44
- - + + 6.126 6.00 5.76 0.29 0.33 0.26
9 1 47 55 92
+ - + + 6.605 6.19 5.46 0.37 0.50 0.26
2 8 81 15 47
- + + + 6.556 5.60 5.46 0.25 0.25 0.18
3 2 71 51 06
+ + + + 6.675 6.33 6.16 0.21 0.37 0.48
2 1 61 39 78
105.4 97.5 98.1 5.07 5.23 4.40
18 07 53 14 11 98

SOLUCIÓN:
SUMATORIA DE LOS CUADRADOS DE TODOS LOS DATOS =

1928.21718 SST= 1612.42688


SUMA TOTAL DE MARCA 1= 301.078 SSt= 315.7903
SUMA TOTAL DE MARCA 2= 14.7123 SSE= 1296.63658

SUMA TOTAL DE MARCAS= 315.7903


FUENTE DE VARIACIÓN SS gl Ms F
TRATAMIENTO 315.7903 2 157.89515 4.26205023
ERROR 1296.63658 35 37.0467596
TOTAL 1612.42688 37

A B C
46.5563866 39.3191176 39.340724
48.255993 45.349899 45.2049963
40.888324 38.9962606 38.9613007
44.2137812 43.3309588 43.353904
46.9705641 44.2444323 44.2414572
76.9607396 55.2344863 54.963052
45.7382142 41.545503 41.5505757
60.5152878 52.6154473 52.364196
29.9787173 27.6467936 27.6456432
33.7425063 28.7446725 28.7201153
33.2320218 29.8008315 29.8017573
30.7717326 32.805032 32.8374314
37.6147241 33.3016813 33.2615896
43.7689846 30.1505263 29.9690901
43.0472364 29.89852 29.8660604
44.6023242 38.0977222 38.1958698
706.857538 611.081884 610.277763
Ho: A, B, C y D afectan para la reducción de defectos ocasionados por impresiones de
soldadura.
Ha: Al menos uno de estos interviene en la reducción de defectos.
INFERENCIA:
Rechazamos la Ho y aceptamos la Ha Uno de los factores interviene en la reducción de
defectos ocasionados por soldaduras.
Practica 38.
El tequila es una bebida que está sujeta a una norma oficial mexicana (NOM-006-
SCFI,1993), y conforme a esta se debe cumplir con ciertas especificaciones físico-
químicas. Por ejemplo el alcohol anhidro no debe rebasar los 300 mg/100 ml, y los
alcoholes superiores tampoco deben exceder los 400 mg/100 ml. En un laboratorio de
investigación mediante un diseño factorial 25 no replicado se estudio la influencia de
diversos factores sobre la producción de alcoholes superiores en la etapa de
fermentación (Pinal et al. 1997). Los factores estudiados y los niveles fueron tipo de
cepa, A (1,2), temperatura, B (30, 35° C), fuente de nitrógeno, C –(NH4)2SO4 y urea-,
relación carbono/nitrógeno, D (62/1, 188/1) y porcentaje de inóculo, E (5 y 10%). En la
siguiente tabla se muestran los resultados obtenidos en cuanto alcohol isoamílico (mg/l),
que es parte de los alcoholes superiores.
(1)=21.4 d=42.5 e=32.9 de=54.0
a=16.8 ad=21.0 ae=17.5 ade=21.8
b=29.3 bd=79.1 be=30.0 bde=79.9
ab=12.7 abd=20.0 abe=24.1 abde=31.5
c=27.5 cd=48.6 ce=26.7 cde=47.9
ac=22.9 acd=27.1 ace=11.4 acde=15.6
bc=35.4 bcd=85.2 bce=23.9 bcde=73.8
abc=18.8 abcd=26.1 abce=18.0 abcde=25.4
A B C D E
(1 1 - - - - - 21.4
a 2 + - - - - 16.8
b 3 - + - - - 29.3
ab 4 + + - - - 12.7
c 5 - - + - - 27.5
ac 6 + - + - - 22.9
bc 7 - + + - - 35.4
abc 8 + + + - - 18.8
d 9 - - - + - 42.5
ad 10 + - - + - 21
bd 11 - + - + - 79.1
abd 12 + + - + - 20
cd 13 - - + + - 48.6
acd 14 + - + + - 27.1
bcd 15 - + + + - 85.2
abcd 16 + + + + - 26.1
e 17 - - - - + 32.9
ae 18 + - - - + 17.5
be 19 - + - - + 30
abe 20 + + - - + 24.1
ce 21 - - + - + 26.7
ace 22 + - + - + 11.4
bce 23 - + + - + 23.9
abce 24 + + + - + 18
de 25 - - - + + 54
ade 26 + - - + + 21.8
bde 27 - + - + + 79.9
abde 28 + + - + + 31.5
cde 29 - - + + + 47.9
acde 30 + - + + + 15.6
bcde 31 - + + + + 73.8
abcde 32 + + + + + 25.4
1068.8

SOLUCIÓN:
ABCDE A B AB
-1 -1 -1 1 -21.4 -21.4 -21.4 21.4
1 1 -1 -1 16.8 16.8 -16.8 -16.8
1 -1 1 -1 29.3 -29.3 29.3 -29.3
-1 1 1 1 -12.7 12.7 12.7 12.7
1 -1 -1 1 27.5 -27.5 -27.5 27.5
-1 1 -1 -1 -22.9 22.9 -22.9 -22.9
-1 -1 1 -1 -35.4 -35.4 35.4 -35.4
1 1 1 1 18.8 18.8 18.8 18.8
1 -1 -1 1 42.5 -42.5 -42.5 42.5
-1 1 -1 -1 -21 21 -21 -21
-1 -1 1 -1 -79.1 -79.1 79.1 -79.1
1 1 1 1 20 20 20 20
-1 -1 -1 1 -48.6 -48.6 -48.6 48.6
1 1 -1 -1 27.1 27.1 -27.1 -27.1
1 -1 1 -1 85.2 -85.2 85.2 -85.2
-1 1 1 1 -26.1 26.1 26.1 26.1
1 -1 -1 1 32.9 -32.9 -32.9 32.9
-1 1 -1 -1 -17.5 17.5 -17.5 -17.5
-1 -1 1 -1 -30 -30 30 -30
1 1 1 1 24.1 24.1 24.1 24.1
-1 -1 -1 1 -26.7 -26.7 -26.7 26.7
1 1 -1 -1 11.4 11.4 -11.4 -11.4
1 -1 1 -1 23.9 -23.9 23.9 -23.9
-1 1 1 1 -18 18 18 18
-1 -1 -1 1 -54 -54 -54 54
1 1 -1 -1 21.8 21.8 -21.8 -21.8
1 -1 1 -1 79.9 -79.9 79.9 -79.9
-1 1 1 1 -31.5 31.5 31.5 31.5
1 -1 -1 1 47.9 -47.9 -47.9 47.9
-1 1 -1 -1 -15.6 15.6 -15.6 -15.6
-1 -1 1 -1 -73.8 -73.8 73.8 -73.8
1 1 1 1 25.4 25.4 25.4 25.4
0.2 -407.4 157.6 -112.6

N= 160
n= 32
a= 5

FUENTE DE VARIACION
SS GL MEDIA F
FACTOR A 1296.677813 4 324.169453 51.8137777
FACTOR B 194.045 4 48.51125 7.75381857
INTERACCION 99.0528125 4 24.7632031 3.95803827
ERROR 969.7471875 155 6.25643347
TOTAL 1068.8 159

Ho: La temperatura y tipo de cepa afectan la fermentación del tequila


Ha: Temperatura diferente del tipo de cepa en la fermentación.

INFERENCIA:
Rechazamos el Ho, aceptamos la hipótesis alternativa
La interacción entre la temperatura y tipo de cepa no influye en la fermentación del
tequila.

PROBLEMA 39.

En una fábrica de componentes electrónicos uno de sus principales clientes ha reportado


tener problemas con algunos de sus productos ( comportamiento eléctrico intermitente).
Mediante el análisis de las muestras retornadas por el cliente un equipo identifico que el
problema era "alambre mal colocado"; y que ello podía a obedecer a varias causas.
Para confirmarlas decidieron correr el diseño de experimentos 25 que se muestra al
lado. La variable de respuesta es el número de unidades con alambre mal colocado. Cada
prueba se hizo en la línea de ensamble y consistió en colocar una cierta cantidad de
alambres (lo hace un equipo automático). La cantidad de alambres a colocar en cada
prueba, bajo cada condición, se determinó de tal forma que de acuerdo a las estimaciones
iniciales de la gravedad del problema, se tuviera una alta probabilidad de detectar piezas
con alambres mal colocados.

(1) = 105 e=34 FACTOR


NIVELES
a=0 ae = 3 E: Brillo en la oblea (-) Brillo (+)
Normal
b = 66 be=18 D: Colocación del dado (-) Girado (+) Normal
ab = 7 abe = 2 C: Threshold (-) 725 (+) 850
c = 54 ce =0 B: Sistema de luz (-) Fibra (+) Incandescente
ac = 1 ace = 0 A: Patrón de Reconocimiento (-) 1 punto (+) 2 puntos
bc =41 bce = 49
abc = 0 abce = 4
d=0 de = 0
ad = 0 ade = 0
bd = 0 bde = 0
abd = 5 abde = 0
cd = 25 cde = 0
acd = 1 acde = 0

Ho: los 5 factores para el comportamiento eléctrico intermitente influyen en el número


de unidades con alambre mal colocado.
Ha: Al menos un factor para el comportamiento eléctrico intermitente no influye en el
número de unidades con alambre mal colocado.

A B C D E Combinación Réplica
- - - - - (1) 105
+ - - - - a 0
- + - - - b 66
+ + - - - ab 7
- - + - - c 54
+ - + - - ac 1
- + + - - bc 41
+ + + - - abc 0
- - - + - d 0
+ - - + - ad 0
- + - + - bd 0
+ + - + - abd 5
- - + + - cd 25
+ - + + - acd 1
- + + + - bcd 0
+ + + + - abcd 0
- - - - + e 34
+ - - - + ae 3
- + - - + be 18
+ + - - + abe 2
- - + - + ce 0
+ - + - + ace 0
- + + - + bce 49
+ + + - + abce 4
- - - + + de 0
+ - - + + ade 0
- + - + + bde 0
+ + - + + abde 0
- - + + + cde 0
+ - + + + acde 0
- + + + + bcde 0
+ + + + + abcde 0
A B C D E Réplica
-105 -105 -105 -105 -105 105
+0 -0 -0 -0 -0 0
-66 +66 -66 -66 -66 -66
+7 +7 -7 -7 -7 7
-54 -54 +54 -54 -54 54
+1 -1 +1 -1 -1 -1
-41 +41 +41 -41 -41 -41
+0 +0 +0 -0 -0 0
-0 -0 -0 +0 -0 0
+0 -0 -0 +0 -0 0
-0 +0 -0 +0 -0 0
+5 +5 -5 +5 -5 5
-25 -25 +25 +25 -25 25
+1 -1 +1 +1 -1 -1
-0 +0 +0 +0 -0 0
+0 +0 +0 +0 -0 0
-34 -34 -34 -34 +34 34
+3 -3 -3 -3 +3 -3
-18 +18 -18 -18 +18 -18
+2 +2 -2 -2 +2 2
-0 -0 +0 -0 +0 0
+0 -0 +0 -0 +0 0
-49 +49 +49 -49 +49 -49
+4 +4 +4 -4 +4 4
-0 -0 -0 +0 +0 0
+0 -0 -0 +0 +0 0
-0 +0 -0 +0 +0 0
+0 +0 -0 +0 +0 0
-0 -0 +0 +0 +0 0
+0 -0 +0 +0 +0 0
-0 +0 +0 +0 +0 0
+0 +0 +0 +0 +0 0

Fuente de variación SS gl MS F
A 4255,03125 1 4255,03125 7,80747
B 30,03125 1 30,03125 0,00551
C 132,03125 1 132,03125 0,24226
AB 75,03125 1 75,03125 0,13767
Error 14714,03125 27 544,994213
Total 19206,96875 31

4,161

Interpolando para obtener el 97% de confianza


30……………...4,17
31………………..x
40………………..4,08
40 − 30 4,08 − 4,17
=
31 − 30 𝑋 − 4,17
X = 4,161

Inferencia: Aceptamos la hipótesis alternativa y rechazamos la hipótesis nula. Decimos


que al menos un factor no influye en el número de unidades con alambre mal colocado.
PROBLEMA 40.
En un estudio del rendimiento para el desarrollo de un proceso se consideraron cuatro
factores, cada uno a dos niveles: tiempo (A), concentración (B), presión (C) y
temperatura (D). Se corrió una sola réplica de un diseño 2 , y los datos resultantes se
muestran en la siguiente tabla:

Numero de Orden de Rendimiento Niveles del factor


corrida corrida real A B C D Bajo(-) Alto(+)
1 5 - - - - 12 A(h) 2.5 3
2 9 + - - - 18 B(%) 14 18
3 8 - + - - 13 C(psi) 60 80
4 13 + + - - 16 D(°C) 225 250
5 3 - - + - 17
6 7 + - + - 15
7 14 - + + - 20
8 1 - + + - 15
9 6 - - - + 10
10 11 + - - + 25
11 2 - + - + 13
12 15 + + - + 24
13 4 - - + + 19
14 16 + - + + 21
15 10 - + - + 17
16 12 + - + - 23

SOLUCIÓN:

Ho: Los 4 factores de un proceso influyen en el rendimiento para el desarrollo de un


proceso.
Ha: Al menos 1 de los 4 factores no influye en el rendimiento para el desarrollo de un
proceso.

A B C D AC AD CD ACD
-12 -12 -12 -12 12 12 12 -12
18 -18 -18 -18 -18 -18 18 18
-13 13 -13 -13 13 13 13 -13
16 16 -16 -16 -16 -16 16 16
-17 -17 17 -17 -17 17 -17 17
15 -15 15 -15 15 -15 -15 -15
-20 20 20 -20 -20 20 -20 20
15 15 15 -15 15 -15 -15 -15
-10 -10 -10 10 10 -10 -10 10
25 -25 -25 25 -25 25 -25 -25
-13 13 -13 13 13 -13 -13 13
24 24 -24 24 -24 24 -24 -24
-19 -19 19 19 -19 -19 19 -19
21 -21 21 21 21 21 21 21
-17 17 17 17 -17 -17 17 -17
23 23 23 23 23 23 23 23

Fuente de SS gl MS F
variación
A 81 1 81 4,1645
C 16 1 16 0,8226
D 42,25 1 42,25 2,1722
AC 72,25 1 72,25 3,7146
AD 64 1 64 3,2904
CD 0 1 0 0
ACD 0,25 1 0,25 0,0128
Error 16 8 2 0,1028
Total 291,75 15

4,54

Inferencia: Aceptamos la hipótesis nula y rechazamos la hipótesis alternativa dado que


los 4 factores de un proceso influyen en el rendimiento para el desarrollo de un proceso.

PROBLEMA 41
En un experimento descrito por M. G. Natralle en el Handbook of Experimental
Statistics (num. 91, 1993) del Nacional Bureau of standards, se prueba la resistencia
al fuego en telas después de aplicarles tratamientos contra el fuego. Los cuatro factores
considerados son el tipo de tela (A), el tipo de tratamiento contra el fuego (B), la
condición de lavado (C- el nivel bajo es sin lavar ; el nivel alto es después de una
lavada ) y el método con que se realiza la prueba (D). Todos los factores se
corren con dos niveles, y la variable de respuesta es el número de pulgadas de
tela quemada en una muestra de prueba de tamaño estándar . Los datos son :

A B C D Replica 1
-1 -1 -1 -1 42
1 -1 -1 -1 31
-1 1 -1 -1 45
1 1 -1 -1 29
-1 -1 1 -1 39
1 -1 1 -1 28
-1 1 1 -1 46
1 1 1 -1 32
-1 -1 -1 1 40
1 -1 -1 1 30
-1 1 -1 1 50
1 1 -1 1 25
-1 -1 1 1 40
1 -1 1 1 25
-1 1 1 1 50
1 1 1 1 23

SOLUCIÓN:

Ho: Los 4 factores de una prueba de tamaño estándar influyen en el número de pulgadas
de tela quemada.
Ha: Al menos 1 de los 4 factores de prueba de tamaño estándar no influye en el número
de pulgadas de tela quemada.

A C D AC AD CD ACD
-42 -42 -42 42 42 42 -42
31 -31 -31 -31 -31 31 31
-45 -45 -45 45 45 -45 -45
29 -29 -29 -29 -29 -29 29
-39 39 -39 -39 39 -39 39
28 28 -28 28 -28 -28 -28
-46 46 -46 -46 46 46 46
32 32 -32 32 -32 32 -32
-40 -40 40 40 -40 40 40
30 -30 30 -30 30 30 -30
-50 -50 50 50 -50 -50 50
25 -25 25 -25 25 -25 -25
-40 40 40 -40 -40 -40 -40
25 25 25 25 25 -25 25
-50 50 50 -50 -50 50 -50
23 23 23 23 23 23 23

Fuente de SS gl MS F
variación
A 1040,0625 1 1040,0625 9,0977
C 5,0625 1 5,0625 0,0442
D 5,0625 1 5,0625 0,0442
AC 1,5625 1 1,5625 0,0136
AD 39,0625 1 39,0625 0,3416
CD 280,5625 1 280,5625 2,4541
ACD 5,0625 1 5,0625 0,0442
Error 914,5625 8 114,3203
Total 1250,9375 15

4,54

Inferencia: Aceptamos la hipótesis alternativa y rechazamos la hipótesis nula, dado que


solo 3 factores de un proceso influyen en el rendimiento para el desarrollo de un proceso.

PROBLEMA 42:
Una de las fallas más importantes en la línea de empaque de un producto es la
calidad de las etiquetas. Un equipo de mejora decide atacar este problema
mediante el diseño de experimentos. Para ello eligen una de las impresoras a la
cual se le puede manipular los factores: velocidad, temperatura, tensión y tipo de
etiqueta. Los niveles utilizados de cada factor fueron:

Factor Nivel bajo Nivel alto


Velocidad baja Alta
Temperatura 5 21
Tension 4 12
Tipo de etiqueta esmaltada mate

El diseño factorial utilizado fue un 24 en cada combinación del experimento se


imprimieron 20 etiquetas y se contabiliza como variable de respuesta en el número de
impresiones rechazadas. Los resultados observados en orden aleatorio son los
siguientes:

Temperatura Velocidad Etiqueta Tension No pasan


+ + + + 20
- + - + 20
+ + + - 19
+ - + - 9
+ + - - 3
+ + - + 20
- - + - 20
- + + + 20
- - - + 20
- - - - 20
+ - + + 7
- - + + 20
- + - - 20
+ - - + 0
+ - - - 5
- + + - 20

SOLUCIÓN:

Ho: Los 4 factores de empaque de un producto influyen en la calidad de etiquetas.


Ha: Al menos 1 de los 4 factores de empaque de un producto no influye en la calidad de
las etiquetas.

A C D AC AD CD ACD
20 20 20 20 20 20 20
-20 -20 20 20 -20 -20 20
19 19 -19 19 -19 -19 -19
9 9 -9 9 -9 -9 -9
3 -3 -3 -3 -3 3 3
20 -20 20 -20 20 -20 -20
-20 20 -20 -20 20 -20 20
-20 20 20 -20 -20 20 -20
-20 20 20 20 -20 -20 20
-20 20 -20 20 20 20 -20
7 7 7 7 7 7 7
-20 20 20 -20 -20 20 -20
-20 -20 -20 20 20 20 -20
0 0 0 0 0 0 0
5 -5 -5 -5 -5 5 5
-20 20 -20 -20 20 20 20

Fuente de SS gl MS F
variación
A 370,5625 1 370,5625 8,8891
C 45,5625 1 45,5625 1,0929
D 7,5625 1 7,5625 0,1814
AC 45,5625 1 45,5625 1,0929
AD 10,5625 1 10,5625 0,2533
CD 10,5625 1 10,5625 0,2533
ACD 10,5625 1 10,5625 0,2533
Error 333,5 8 41,6875
Total 834,4375 15

4,54

Inferencia: Aceptamos la hipótesis alternativa y rechazamos la hipótesis nula, dado que


al menos 1 de los 4 factores de un proceso no influye en el rendimiento para el desarrollo
de un proceso.

PROBLEMA 43.
Se utilizó un diseño 25-1 para investigar los efectos de cinco factores sobre el color de
un producto químico. Los factores son A = solvente/reactivo, B = catalizador/reactivo,
C = temperatura, D = pureza de reactivo y E = PH del reactivo. Los resultados fueron
como sigue:

e = -0.63 c = 2.06 d = 6.79 cde = 5.22


a = 2.51 ace = 1.22 ade = 5.47 acd = 4.38
b = -2.68 bce = -2.09 bde = 3.45 bcd = 4.30
abe = 1.66 abc = 1.93 abd = 5.68 abcde = 4.05

SOLUCIÓN:
Ho: Los cinco factores influyen en el color de un producto químico.
Ha: Al menos uno de los cinco factores no influye en el color de un producto químico.

ELABORAMOS NUESTRO CUADRO

HALLAMOS LA SUMA DE CUADRADOS DE CADA FACTOR:


Trabajamos con los signos del cuadro(A, B, C, D, E, AB, BC,…, DE)

FUENTES DE VARIABLE SUMATORIA DE CUADRADOS


A 6.8644
B 7.1824
C 0.0870
D 78.1456
E 2.7390
AB 6.5025
AC 2.4806
AD 7.3441
AE 0.3660
BC 0.1122
BD 0.2401
BE 0.3306
CD 2.0306
CE 0.2304
DE 0.0306

〖SC〗_A=〖[-(-0.63)+2.51-(-2.68)+1.66-2.06+⋯-4.30+4.05]/2^(5-1) 〗^2=6.8644

A B C D E=ABCD TRATAMIENTOS RENDIMIENTO


- - - - + e -0.63
+ - - - - a 2.51
- + - - - b -2.68
+ + - - + abe 1.66
- - + - - c 2.06
+ - + - + ace 1.22
- + + - + bce -2.09
+ + + - - abc 1.93
- - - + - d 6.79
+ - - + + ade 5.47
- + - + + bde 3.45
+ + - + - abd 5.68
- - + + + cde 5.22
+ - + + - acd 4.38
- + + + - bcd 4.30
+ + + + + abcde 4.05

〖SC〗_B=〖[-(-0.63)-2.51+(-2.68)+1.66-2.06-…+4.30+4.05]/2^(5-1) 〗^2=7.1824

HALLAMOS LA SUMATORIA DE CUADRADOS

〖SC〗_TOTAL=∑▒(cada dato)^2 〖-((∑▒〖total de los datos〗))/N〗^2


〖SC〗_TOTAL=[(-0.63)^2+〖2.51〗^2+(-2.68)^2+⋯+〖4.30〗^2+〖4.05〗^2 ]-〖
43.32〗^2/16

〖SC〗_TOTAL=114.6863

ELABORAMOS NUESTRA TABLA DE ANÁLISIS DE VARIANZA


FUENTE DE VARIACIÓN SC G.L CUADRO MEDIO F VALOR DE P
A (solvente/reactivo) 6.8644 1 6.8644 3.4902 > 0.05
B (catalizador/reactivo) 7.1824 1 7.1824 3.6518 > 0.05
C (temperatura) 0.0870 1 0.0870 0.0442 > 0.05
D (pureza de reactivo) 78.1456 1 78.1456 39.7326 < 0.05
E (PH del reactivo) 2.7390 1 2.7390 1.3926 > 0.05
ERROR 19.6679 10 1.96679
TOTAL 114.6863 15

INFERENCIA:
Rechazamos la hipótesis nula (Ho) y aceptamos la hipótesis alternativa (Ha). Por lo que
concluimos que el solvente, el catalizador, la temperatura y el pH influyen en el color
de un producto químico mientras que la dureza no influye en el color de un producto
químico.

Practica 44:

Los datos siguientes representan una sola réplica de un diseño 25-1 que se utilizan en
un experimento para estudiar la resistencia a la compresión del concreto. Los factores
son la mezcla (A), el tiempo (B), el laboratorio (C), la temperatura (D) y el tiempo de
secado (E).
e = 800 c = 600 d = 1000 cde = 1500
a = 900 ace = 1200 ade = 1500 acd = 1100
b = 3400 bce = 3006 bde = 4000 bcd = 3300
abe = 6200 abc = 3000 abd = 6100 abcde = 6800

SOLUCIÓN:
Ho: Los cinco factores influyen en la resistencia del concreto.
Ha: Al menos uno de los cinco factores no influye en la resistencia del concreto.

ELABORAMOS NUESTRO CUADRO


A B C D E=ABCD COMBINACION REPLICA I
- - - - + e 800
+ - - - - a 900
- + - - - b 3400
+ + - - + abe 6200
- - + - - c 600
+ - + - + ace 1200
- + + - + bce 3006
+ + + - - abc 3000
- - - + - d 1000
+ - - + + ade 1500
- + - + + bde 4000
+ + - + - abd 6100
- - + + + cde 1500
+ - + + - acd 1100
- + + + - bcd 3300
+ + + + + abcde 6800

HALLAMOS LA SUMA DE CUADRADOS


Trabajamos con los signos del cuadro(A, B, C, D, E, AB, BC,…, DE)

〖SC〗_A=〖[-800+900-3400+⋯-3300+6800]/2^(5-1) 〗^2=

FUENTES DE VARIABLE SUMATORIA DE CUADRADOS


A 5283102.25
B 46260402.25
C 719952.25
D 2397852.25
E 1964202.25
AB 3604302.25
AC 203852.25
AD 304152.25
AE 807302.25
BC 899652.25
BD 560252.25
BE 492102.35
CD 807302.25
CE 725052.25
DE 63252.25

〖SC〗_B=〖[-800-900+3400+⋯+3300+6800]/2^(5-1) 〗^2=

HALLAMOS LA SUMATORIA DE CUADRADOS

〖SC〗_TOTAL=∑▒(cada dato)^2 〖-((∑▒〖total de los datos〗))/N〗^2

〖SC〗_TOTAL=[〖800〗^2+〖900〗^2+〖3400〗^2+⋯+〖3300〗^2+〖6800〗^2
]-〖44406〗^2/16

〖SC〗_TOTAL=65092733.75

ELABORAMOS NUESTRA TABLA DE ANÁLISIS DE VARIANZA

FUENTE DE VARIACIÓN SC G.L CUADRO MEDIO F VALOR DE P


A (mezcla) 5283102.25 1 5283102.25 6.2395 < 0.05
B (tiempo) 46260402.25 1 46260402.25 54.6347 < 0.05
C (laboratorio) 719952.25 1 719952.25 0.8503 > 0.05
D (temperatura) 2397852.25 1 2397852.25 2.8319 > 0.05
E (tiempo de secado) 1964202.25 1 1964202.25 2.3198 > 0.05
ERROR 8467222.5 10 846722.25
TOTAL 65092733.75 15

INFERENCIA:
Rechazamos la hipótesis nula (Ho) y aceptamos la hipótesis alternativa (Ha). Por lo que
concluimos que el laboratorio, la temperatura y el tiempo de secado influyen en la
resistencia del concreto mientras que la mezcla y el tiempo no influyen en la
resistencia del concreto.
PROBLEMA 45
Se emplea una recubridora rotatoria para aplicar un material fotorresistente a una oblea
de silicio desnuda. Esta operación suele realizarse en una fase temprana del proceso de
manufactura de dispositivos a base de semiconductor. El espesor promedio de
recubrimiento y la variabilidad en el espesor de dicho recubrimiento tienen un efecto
importante en los pasos siguientes de la manufactura. Se utilizan seis variables en el
experimento. Las variables y sus niveles alto y bajo son como sigue:
FACTOR NIVEL BAJO NIVEL ALTO
Volumen (A) 7300 6650
Lote(B) 5 20
Tiempo (C) 3 5
Rapidez (D) 14 6
Aceleración(E) Lote 1 Lote 2
Tapa(F) Sin tapa Con tapa

El experimentador decide emplear un diseño 26-1 , y tomar tres lecturas del


grosor de recubrimiento fotorresistente en cada oblea de prueba y calcular el
promedio de las tres lecturas. Los datos se presentan en la siguiente tabla:

SOLUCIÓN:

CORRIDA A B C D E F PROMEDIO
1 + + - - - - 4525.7
2 + - + - - - 4446
3 - - + + - - 4464.7
4 - + - - + - 4317.3
5 - - - - - - 4297
6 + - + + + - 4485.7
7 - - + - - + 4493.3
8 + + - + + - 4542.3
9 + - - + - - 4625.7
10 - - - + - + 4656
11 - + - + + + 4478.7
12 - - + - + - 4223.7
13 + - + + - + 4626.7
14 - - + + + + 4467
15 + + - - + + 4262
16 + + + - - + 4515.7
17 - + - - - + 4535
18 - - - + + - 4497.7
19 + + + - + - 4300.3
20 - + + - - - 4530.3
21 + - - + + + 4451
22 - + + + - + 4664.7
23 + - - - + - 4235
24 - + + - + + 4220.3
25 + - - - - + 4382.7
26 - + + + + - 4521.7
27 - - - - + + 4198.7
28 + + + + - - 4677.7
29 + - + - + + 4196.7
30 + + + + + + 4474.7
31 + + - + - + 4667.7
32 - + - + - - 4690.7

HIPÓTESIS
Ho: Los cinco factores influyen en la resistencia del concreto.
Ha: Al menos uno de los cinco factores no influye en la resistencia del concreto.

PROBLEMA 47:

En una empresa panificadora se tiene problemas con la simetría y el color del producto
final: pan integral. Los responsables de proceso sospechan que el problema se origina
desde la fase de fermentación. En ésta se combina agua, harina, cierta cantidad de
levadura, más una serie de ingredientes (fosfato, sal, etc.). Al final de la fermentación se
obtiene lo que llaman "esponja liquida" la cual debe tener una serie de parámetros de
calidad: una acidez total titulable (ATT) mayor a 6.0, un PH mayor a 4.8. Sin embargo,
no se ha venido cumpliendo con tales exigencias de calidad. Se han hecho algunos
intentos experimentando con un factor a la vez, pero los resultados han sido malos. En
busca de una mejor alternativa para tratar de mejorar (maximizar) las características de
calidad de la fase de 6-2 fermentación se decide correr el siguiente diseño de
experimentos 2 . Los primeros cinco factores estudiados son cantidad a agregar en la
fermentación: levadura (A: 17 y 19), sal (B: 2.5 y 3.7), fosfato (C: 2.0 y 3.6), sulfato (D:
1.5 y 2.2), cloruro (E: 0.89 y 1.20) y temperatura inicial del agua (F: 22 y 26).

Resolución:

 HIPÓTESIS

HO=todos los factores influyen en el color del pan integral


Ha= todos los factores no influyen en el color del pan integral

 ELABORAMOS EL CUADRO

A B C D E ATT PH

9 - - - - - - (1) 6,2 4,86


5 + - - - + - ae 5,6 4,86
6 - + - - + + bef 5,8 4,85
1 + + - - - + abf 5,8 4,99
14 - - + - + + cef 5,7 4,94
10 + - + - - + acf 6,4 4,74
13 - + + - - - bc 6,4 4,83
12 + + + - + - abce 6,6 4,85
11 - - - + - + df 5,3 4,81
3 + - - + + + adef 6,6 4,81
15 - + - + + - bde 5,2 4,98
16 + + - + - - abd 5,5 4,98
8 - - + + + - cde 6,9 4,84
4 + - + + - - acd 7,1 4,85
2 - + + + - + bcdf 6,7 4,96
7 + + + + + + abcdef 6,9 4,84

 HALLAMOS LA SUMA DE CUADRADOS


[−4.86 + 4.86 − 4.85 … . . −4.96 + 4.84]
𝑆𝐶𝐴 = = −9.375 ∗ 10−3
26−2

[−16.9 + 23.3 − 15.5 + ⋯ − 16.2 + 18.1]


𝑆𝐶𝐵 = = −0.2756
26−2

[−4.86 + 4.86 − 4.85 … . . −4.96 + 4.84]


𝑆𝐶𝐶 = = 0.015625
26−2

[−4.86 + 4.86 − 4.85 … . . −4.96 + 4.84]


𝑆𝐶𝐷 = = +9.375 ∗ 10−3
26−2
[−4.86 + 4.86 − 4.85 … . . −4.96 + 4.84]
𝑆𝐶𝐸 = = −3.125 ∗ 10−3
26−2

[−4.86 + 4.86 − 4.85 … . . −4.96 + 4.84]


𝑆𝐶𝐹 = = −6.875 ∗ 10−3
26−2

 HALLAMOS LA SUMATORIA DE CUADRADOS

(∑ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑙𝑜𝑠 𝑑𝑎𝑡𝑜𝑠)2


2
𝑆𝐶𝑇𝑂𝑇𝐴𝐿 = ∑(𝑐𝑎𝑑𝑎 𝑑𝑎𝑡𝑜) −
𝑁
77.992
𝑆𝐶𝑇𝑂𝑇𝐴𝐿 = 357.0966 −
16

𝑆𝐶𝑇𝑂𝑇𝐴𝐿 = 23.0559

 TABLA DE ANALISIS DE VARAIANZA

FUENTE DE SC G.L CUADRO F VALOR


VARIACIÓN MEDIO DE P
A (levadura) −9.375 ∗ 10−3 1 −9.375 ∗ 10−3 -0.0004114 > 0.05
B (sal) −0.2756 1 −0.2756 -0.01209 > 0.05
C (fosfato) 0.015625 1 0.015625 0.0000685 > 0.05
D (sulfato) +9.375 ∗ 10−3 1 +9.375 ∗ 10−3 0.00004114 > 0.05
E (cloruro) −3.125 ∗ 10−3 1 −3.125 ∗ 10−3 -0.00001371 > 0.05
F(temperatura) −6.875 ∗ 10−3 1 −6.875 ∗ 10−3 -0.00003017 >0.005
ERROR 22.785 10
TOTAL 23.0559 16
- -0.00001371 0.000068
0.0004114 5
-0.01209 0.0000411
4

 INFERENCIA:

Aceptamos la hipótesis nula y rechazamos la hipótesis alternativa

PROBLEMA 48.

Se corre un experimento en una fábrica de semiconductores para investigar el efecto


deB 6 2 seis factores sobre la ampliación del transistor. el diseño seleccionado es el
2IV que semuestra a continuación:

A B C D E F AMPLIACION
-1 -1 -1 -1 -1 -1 1455
1 -1 -1 -1 1 -1 1511
-1 1 -1 -1 1 1 1487
1 1 -1 -1 -1 1 1596
-1 -1 1 -1 1 1 1430
1 -1 1 -1 -1 1 1481
-1 1 1 -1 -1 -1 1458
1 1 1 -1 1 -1 1549
-1 -1 -1 1 -1 1 1454
1 -1 -1 1 1 1 1517
-1 1 -1 1 1 -1 1487
1 1 -1 1 -1 -1 1596
-1 -1 1 1 1 -1 1446
1 -1 1 1 -1 -1 1473
-1 1 1 1 -1 1 1461
1 1 1 1 1 1 1563

RESOLUCIÓN:

HO=la ampliación de los semiconductores influyen de la misma manera en los 6 factores

Ha= la ampliación de los semiconductores no influyen de la misma manera en los 6


factores

PROBLEMA 51
La Resistencia a la tensión de un producto de papel se relaciona con la cantidad de
madera dura en la pulpa. Se producen 10 muestras en la planta piloto y los datos se
presentan en la siguiente tabla.

a) Ajustar el modelo de regresión lineal que relacione la resistencia con el porcentaje de


madera dura.
b) Probar si el modelo es significativo.

SOLUCIÓN:
Y X x*y Y^2 X^2
160 10 1600 25600 100
171 15 2565 29241 225
175 15 2625 30625 225
182 20 3640 33124 400
184 20 3680 33856 400
181 20 3620 32761 400
188 25 4700 35344 625
193 25 4825 37249 625
195 28 5460 38025 784
200 30 6000 40000 900
TOTAL 1829 208 38715 335825 4684

Primero hallamos las medias:


X=208/10=20.8
Y=1829/10=182.9
Hallamos la variación y la desviación:

Varx=1/9(4684/1-〖208〗^2/10)

Varx=35.76

Vary=1/9(335825/1-〖1829〗^2/10)

Vary=130.09
Hallamos las desviaciones:
Desv(x)=√35.76 =5.979
Desv(y)=√130.09 =11.405
Hallamos la interacción de los dos:

Var (xy) = (33585/11-〖20.8〗^1*〖182.9〗^1)

Desv (xy) =√665.0275=81.559


La regresión lineal e de la forma:
y=ax+b
a. pendiente
a=desvx/desvy=5.979/11.405=0.524
b. 182.9=0.524(20.8)+b
b=178.0008

y=0.524(20.8)+178.0008=188.9……….es la regresión lineal


El nivel de significación es:
Ns=81.559/(5.979*11.405)=1.196

INFERENCIA:
El nivel se significación es de aceptación por la interacción entre la resistencia por el
porcentaje de madera.

PROBLEMA 52.
En una planta se destila aire líquido para producir oxígeno, nitrógeno y argón. Se
piensa que le porcentaje de impurezas en el oxígeno se relaciona linealmente con la
cantidad de impurezas en el aire, medida por el “conteo de contaminación” en partes por
millón (ppm). Una muestra de los datos de operación de la planta se presenta a
continuación
PUREZA%,
Y 93.3 92 92.4 91.7 94 94.6 93.6 93.1
CONTEO CONTAMINACION,
DE X 1.1 1.5 1.36 1.59 1.08 0.75 1.2 0.99
PUREZA%,
Y 93.2 93 92.2 91.3 90.1 91.6 91.9
CONTEO CONTAMINACION,
DE X 0.83 1.2 1.47 1.81 2.03 1.75 1.68

a) Ajustar el modelo de regresión lineal.


b) Probar si el modelo es significativo.

SOLUCIÓN:
Realizamos dos cuadros
Cuadro 1:
pureza y contaminación x x*y x^2 y^2
93.3 0.1 9.33 0.01 8704.89
92 1.5 138 2.25 8464
92.4 1.36 125.664 1.8496 8537.76
91.7 1.59 145.803 2.5281 8408.89
94 1.08 101.52 1.1664 8836
94.6 0.75 70.95 0.5625 8949.16
93.6 1.2 112.32 1.44 8760.96
93.1 0.99 92.169 0.9801 8667.61
total 744.7 8.57 795.756 10.7867 69329.27

Cuadro 2:
pureza y contaminación x x*y x^2 y^2
93.2 0.83 77.356 0.6889 8686.24
93 1.2 111.6 1.44 8649
92.2 1.47 135.534 2.1609 8500.84
91.3 1.81 165.253 3.2761 8335.69
90.1 2.03 182.903 4.1209 8118.01
91.3 1.75 159.775 3.0625 8335.69
91.9 1.68 154.392 2.8224 8445.61
total 643 10.77 986.813 17.5717 59071.08

En el cuadro1
Primero hallamos las medias:
X=8.57/8=1.071
Y=744.7/8=93.875
Hallamos la variación y la desviación:

Varx=1/7(17.5717/1-〖10.77〗^2/8)

Varx=0.2007
Vary=1/7(69.329.27/1-〖744.7〗^2/8)

Vary=0.876
Hallamos las desviaciones:
Desv(x)=√0.2007 =0.4479
Desv(y)=√0.876 =0.9359
Hallamos la interacción de los dos:

Var (xy) = (33585/11-〖20.8〗^1*〖182.9〗^1)

Desv (xy) =√2117.285=46.013


La regresión lineal e de la forma:
y=ax+b
a. pendiente
a=desvx/desvy=0.4479/0.9359=0.478
b. 93.875=0.478(1.071)+b

b=93.363

y=0.524(20.8)+93.363=104.2622……….es la regresión lineal


El nivel de significación es:
Ns=46.013/(0.4479*0.9359)=109.7

INFERENCIA:
El nivel de significación se rechaza por caer en la no interacción de los dos factores.
Cuadro 2
Primero hallamos las medias:
X=10.77/7=1.538
Y=643/7=91.857
Hallamos la variación y la desviación:

Varx=1/7(17.5717/1-〖10.77〗^2/8)

Varx=0.143
Vary=1/7(69.329.27/1-〖744.7〗^2/8)

Vary=0.991
Hallamos las desviaciones:
Desv(x)=√0.143 =0.378
Desv(y)=√0.991 =0.995
Hallamos la interacción de los dos:

Var (xy) = (33585/11-〖20.8〗^1*〖182.9〗^1)

Desv (xy) =√2039.92=45.165


La regresión lineal e de la forma:
y=ax+b
a. pendiente
a=desvx/desvy=0.378/0.995=0.379
b. 91.857=0.379(1.538)+b

b=91.274

y=0.379(1.538)+91.274=91.856……….es la regresión lineal


El nivel de significación es:
Ns=45.165/(0.379*0.995)=120.84
INFERENCIA
El nivel de significación se rechaza por caer en la no interacción de los dos factores.
PROBLEMA 53.
Se piensa que la potencia al freno desarrollada por el motor de un automóvil en un
dinamómetro es una función de la rapidez del motor en revoluciones por minuto (rmp),
el octanaje del combustible y la compresión del motor. Se llevo a cabo un experimento
en el laboratorio y los datos colectados fueron:

a) Ajustar el modelo de regresión múltiple.


b) Probar si el modelo es significativo.
SOLUCION

y x1 x2 x3 yx1 yx2 yx3


225 2000 90 100 450000 20250 22500
212 1800 94 95 381600 19928 20140
229 2400 88 110 549600 20152 25190
222 1900 91 96 421800 20202 21312
219 1600 86 100 350400 18834 21900
278 2500 96 110 695000 26688 30580
246 3000 94 98 738000 23124 24108
237 3200 90 100 758400 21330 23700
233 2800 88 105 652400 20504 24465
224 3400 86 97 761600 19264 21728
223 1800 90 100 401400 20070 22300
230 2500 89 104 575000 20470 23920
total 2778 28900 1082 1215 6735200 250816 281843

Primero hallamos las medias:


X=10.77/7=1.538
Y=643/7=91.857
Hallamos la variación y la desviación:
Varx=0.143
Vary=0.991
Hallamos las desviaciones:
Desv(x)=√0.143 =16.35
Desv(y)=√0.991 =573.66
Hallamos la interacción de los dos:
Desv (xy) =√2039.92=1161.608La regresión lineal e de la forma:
y=ax+b
a. pendiente
a=desvx/desvy=16.35/573.66=2.79*10-3
b. 91.857=0.379(1.538)+b

b=0.425

y=0.379(1.538)+91.274=91.856……….es la regresión lineal


El nivel de significación es:
Ns=45.165/(0.379*0.995)=115.82
INFERENCIA:
La zona de aceptación se niega por q cae en la zona de rechazo.
La potencia del freno no guarda relación con ningún factor dado.

PROBLEMA 54.
En el área de desarrollo de una empresa se pretende obtener un nuevo polímero de bajo
peso molecular (Y1), de lograrse esto, se obtendrá un polímero que funcione como
dispersante en la industria de la cerámica. De acuerdo a conocimientos técnicos que se
tienen, se consideran que los factores críticos son: X1, Per sulfato de Sodio (NaPS), X2,
Acido hipofosforoso (H3PO2) y X3, Isopropanol (IPA). Para encontrar las condiciones
óptimas se realizó un experimento y se obtuvieron los siguientes datos (los valores de
los factores están codificados). Además de la variable Y1, se midió la Viscosidad (Y2).

a) Ajustar el modelo de regresión múltiple tanto para Y1 y Y2.


b) Probar si el modelo es significativo en ambas variables.

SOLUCION:
Y1 Y2 X1 X2 X3 Y1X1 Y1X2 Y1X3 Y2X1 Y2X2 Y2X3
9.392 1.08 0 0 0 0 0 0 0 0 0
9.895 2.33 -1 -1 0 -9.895 -9.895 0 -2.33 -2.33 0
9.204 1.58 1 -1 0 9.204 -9.204 0 1.58 -1.58 0
7.882 0.69 -1 1 0 -7.882 7.882 0 -0.69 0.69 0
7.105 0.42 1 1 0 7.105 7.105 0 0.42 0.42 0
8.939 1.19 -1 0 -1 -8.939 0 -8.939 -1.19 0 -1.19
8.548 0.93 1 0 -1 8.548 0 -8.548 0.93 0 -0.93
8.598 0.92 0 0 0 0 0 0 0 0 0
9.152 1.28 -1 0 1 -9.152 0 9.152 -1.28 0 1.28
8.992 0.86 1 0 1 8.992 0 8.992 0.86 0 0.86
10.504 5.6 0 -1 -1 0 -10.504 -10.504 0
-5.6 -5.6
7.462 5.4 0 1 -1 0 7.462 -7.462 0 5.4 -5.4
9.368 1.23 0 -1 1 0 -9.368 9.368 0 -1.23 1.23
7.772 0.62 0 1 1 0 7.772 7.772 0 0.62 0.62
8.44 1.02 0 0 0 0 0 0 0 0 0
TOTAL 131.253 25.15 0 0 0 -2.019 -8.75 -0.169 -1.7
-3.61 -9.13

La regresión lineal e de la forma:


y=ax1+bx2+cx3+d
a. pendiente
a=desvx/desvy=0538/0.956=0.562
b9.523=0.562(1.218)+b

b=8.388

y=0.562(1.218)+8.388=9.072……….es la regresión lineal


El nivel de significación es:
Ns=2.158/(0.354+0.258)=3.5261
INFERENCIA:
El nivel de significación se rechaza por caer en la no interacción de los dos factores.
INFERENCIA
La regresión multiple por cada factor es de similitud e interaccion de cada uno de ellas.
Practica 55. Se desea investigar la relación entre el peso de un individuo y su
presión
sanguínea sistólica. Para ello se seleccionan aleatoriamente 26 hombres cuyas edades
fluctúan
entre 25 y 30 años.
1.Mediante un diagrama de dispersión describa la relación entre ambas variables.
¿ Qué tipo de relación observa?

2.Obtenga el coeficiente de correlación e interprételo.

3.Obtenga la mejor recta que modela la relación peso- presión sanguínea.

4.Si un hombre de entre 25 y 30 años de edad pesa150 libras, según el modelo,


¿cuál sería su presión media? ¿La estimación es
confiable? Argumente.

5.¿El modelo obtenido sería útil para estimar la presión sanguínea de otro tipo de
individuos, por ejemplo, mujeres, niños, ancianos, etc.?

Solución:
X=peso Y=presion X^2 Y^2 X*Y
165 130 27225 16900 21450
167 133 27889 17689 22211
180 150 32400 22500 27000
155 128 24025 16384 19840
212 151 44944 22801 32012
175 146 30625 21316 25550
190 150 36100 22500 28500
210 140 44100 19600 29400
200 148 40000 21904 29600
149 125 22201 15625 18625
158 133 24964 17689 21014
169 135 28561 18225 22815
170 150 28900 22500 25500
172 153 29584 23409 26316
159 128 25281 16384 20352
168 132 28224 17424 22176
174 149 30276 22201 25926
183 158 33489 24964 28914
215 150 46225 22500 32250
195 163 38025 26569 31785
180 156 32400 24336 28080
143 124 20449 15376 17732
240 170 57600 28900 40800
235 165 55225 27225 38775
192 160 36864 25600 30720
187 159 34969 25281 29733
SUMATORIA
4743 3786 880545 555802 697076

Medias:

182.4230769

145.6153846
Desv. T.
24.26801167

13.15901833

covarianza:

247.0088757

Coef. De
correlac. r= 0.7734903

Respuesta:
1.

PRESION vs PESO
180
PRESION SISTOLICA (mmHg)

160
140
120
100
y = 0.4194x + 69.104
80 R² = 0.5983
60 R=0.77
40
20
0
0 50 100 150 200 250 300
PESO (lb)
2. Hay una relación positiva y relativamente alta entre las variables porque r=0.77
3. y = 0.4194x + 69.104; donde y=presion; x=peso
4. Como la correlación relativamente alta, r = 0,77 es razonable hacer
estimaciones dentro del intervalo de datos. Para un peso de 150 libras, la
presión será, aproximadamente, 132.014mmHg

PROBLEMA 56:
Se busca encontrar los niveles de tiempo (t) y temperatura (T) que maximizan rendimiento.
Las condiciones actuales son t=75 min. y de T=1300C. Para explorar la superficie de
respuesta entorno a estos valores, se corre el siguiente diseño experimental.

Variables Naturales Variables Codificadas


a. Ajuste el modelo de primer orden; ¿es
Tiempo Temperat. x1 x2 Y
adecuado (curvatura, R2)? explique.
70 127.5 -1 -1 54.3

80 127.5 1 -1 60.3

70 132.5 -1 1 64.6

80 132.5 1 1 68.0

b. Anote la ecuación del modelo con el que 75 130.0 0 0 60.3


se enconara la trayectoria de máximo 75 130.0 0 0 64.3
ascenso. 75 130.0 0 0 62.3

c. Con base a la trayectoria de máximo crecimiento; proponga en qué niveles de t y T


recomendaría experimentar.
d. Siguiendo la trayectoria de máximo
Variables Naturales Variables Codificadas
crecimiento, el último punto con el que se
obtuvo una respuesta alta fue t=90 y T=145. Tiempo Temperat. x1 x2 Y

Por lo que entorno a este se corrió un nuevo 80 140 -1 -1 78.8


diseño. Ajuste un modelo de primer orden, y 100 140 1 -1 84.5
vea si este describe adecuadamente la
80 150 -1 1 91.2
superficie de respuesta.
100 150 1 1 77.4

90 145 0 0 89.7

90 145 0 0 86.8

e. Se agregaron otras 6 para completar un diseño de composición central.e. Ajuste un modelo


de 2do. orden, vea la calidad y encuentre las condiciones que optimizan.

76 145 -1.414 0 83.3

104 145 1.414 0 81.2

90 138 0 -1.414 81.2

90 152 0 1.414 79.5

90 145 0 0 87.0

90 145 0 0 86.0

Solución:

Variables Naturales Variables Codificadas


Tiempo= 1 Temperat.=  2 x1 x2 Y

70 127.5 -1 -1 54.3

80 127.5 1 -1 60.3

70 132.5 -1 1 64.6

80 132.5 1 1 68.0

75 130.0 0 0 60.3

75 130.0 0 0 64.3

75 130.0 0 0 62.3

Para simplificar los cálculos, las variables independientes se codifican al intervalo (-1, 1).
Por lo tanto, si  1 representa la variable natural tiempo y  2 la variable natural temperatura,

entonces las variables codificadas son x 1


y x 2
mediante las siguientes ecuaciones:

1 2
 75  130
x 1
5
y x 2
5

2
2
Nótese que el diseño experimental usado por la ingeniera es un diseño con cinco
puntos centrales. Las observaciones repetidas en el centro se utilizan para estimar el error
experimental y permitir una prueba de adecuación del modelo de primer orden. Asimismo,
el modelo está centrado alrededor de las condiciones actuales de operación del proceso.

Pero, antes de explorar la trayectoria de máximo ascenso, es necesario los siguientes


pasos:

1.- Realizar un análisis de varianza para ver la significancia de los factores (aquí podemos
ver si hay o no curvatura).

2.- Encontrar el modelo de regresión de primer orden.


3.- Investigar la idoneidad del modelo de primer orden mediante el
Resultados del primer paso:

Analisis de Varianza para rendimiento


----------------------------------------------
Fuente SC G.L. C.Medios F P-Value
----------------------------------------------
A:x1 2.4025 1 2.4025 55.87 0.0017
B:x2 0.4225 1 0.4225 9.83 0.0350
AB 0.0025 1 0.0025 0.06 0.8213
Curvatura0.002 1 0.0027 0.06 0.8137
error 0.172 4 0.043
----------------------------------------------
Total 3.00222 8

*No Existe curvatura


*Tiempo y Temperatura son significativos
*No hay efecto de interacción.
*Por tanto se requiere un modelo de primer orden

Resultados del segundo paso

Coeficientes de Regresión para rendimiento


------------------------------------
constant = 40.4444
A:x1 = 0.775
B:x2 = 0.325
------------------------------------

Resultados del tercer paso:

Es necesario investigar la idoneidad del modelo (utilizando el método de


forward) encontramos que:
Análisis de regresión múltiple
----------------------------------------------
Variable dependiente: rendimiento
----------------------------------------------
Parámetro error estadístico
Estimado estándar de prueba T P-Value
----------------------------------------------
CONSTANT 40.4444 0.0572878 705.987 0.0000
x1 0.775 0.0859317 9.01879 0.0001
x2 0.325 0.0859317 3.78207 0.0092
----------------------------------------------

Las variables x1 y x2 y la constante son significativas en el modelo con un 95% de


confianza.

La variable más importante es x1.

Con respecto al modelo, revisando el anova

Análisis de varianza para el modelo en general.


----------------------------------------------
Fuente SC GL CM F-Ratio P-Value
----------------------------------------------
Model 2.825 2 1.412 47.82 0.0002
Residual 0.177 6 0.0295
----------------------------------------------
Total 3.00222 8
Si r = cero significa que no hay asociación o correlación entre las dos variables.
57. Los datos que se presentan en la siguiente tabla fueron recopilados en un experimento
para optimizar el crecimiento de cristales en función de tres variables x1, x2 y x3. Se desean
valores altos de Y (rendimiento en gramos).

x1 x2 x3 Y

-1 -1 -1 66

-1 -1 1 70 a. Realice un análisis de varianza para un modelo

-1 1 -1 78 de segundo orden. Determine los componentes


significativos y más importantes.
-1 1 1 60

1 -1 -1 80

1 -1 1 70 b. En qué condiciones se logra el óptimo y que


1 1 -1 100 valor se espera de Y.

1 1 1 75

-1.682 0 0 100 c. Verifique la calidad del modelo (R2, resisuales).


1.682 0 0 80
Problema 2. Los datos que se presentan en la si-
0 -1.682 0 68
guiente tabla fueron recopilados en un
0 1.682 0 63 experimento para optimizar el crecimiento de
0 0 -1.682 65 cristales en función de tres variables x1, x2 y x3. Se

0 0 1.682 82 desean valores altos de Y (rendimiento en


gramos).
0 0 0 113

0 0 0 100

0 0 0 118

0 0 0 88

0 0 0 100

0 0 0 85
Solución:
se conocen como diseño de composición central. Estos diseños se construyen con base en
factoriales con dos niveles (lo cual permite la estimación de efectos principales e
interacciones). Además, incluyen un conjunto de puntos en los ejes (llamados puntos
estrella), los cuales junto con el punto central (por lo general, repetido) permiten estimar los
términos cuadráticos puros.

Un diseño compuesto central se convierte en rotable mediante la selección de  . El valor



n j
de para lograr la conversión a diseño rotable, depende del número de puntos de la
1

porción factorial del diseño. De hecho,  =


4
proporciona un diseño compuesto

central rotable, donde n j es el número de puntos en la porción factorial del diseño (de
esta forma para 2 factores alfa es 1.4142, para 3 es 1.6818, para 4 es 2.0, para 5 es 2.3784,
para 8 es 1.682). En el ejemplo se ilustra el uso de un diseño central compuesto rotable.

Ese ejemplo tiene dos factores y la porción factorial contiene n 3


j = 2 = 8 puntos. Por lo

tanto, el valor de á para lograr la invariabilidad ante el giro es  = (8)1/4 = 1.682

Otra propiedad útil del diseño central compuesto es que puede "crecer" a partir de un diseño
de primer orden (el 2k) agregando los puntos axiales y quizás algunos puntos centrales.

El análisis de varianza para este diseño es el siguiente:


Analysis of Variance for rendimiento
----------------------------------------------
Fuente SC G.L. C.M. Fo P-Value
----------------------------------------------
A:x1 7.91 1 7.9198 111.93 0.0000
B:x2 2.12 1 2.1231 30.01 0.0009
AA 13.17 1 13.1761 186.21 0.0000
AB 0.25 1 0.25 3.53 0.1022
BB 6.97 1 6.97 98.56 0.0000
error 0.49 7 0.0707
----------------------------------------------
Total 28.74 12

Nótese que son significativos los efectos simples del tiempo y de la temperatura, no
hay efecto de interacción, y son significativos los cuadráticos del tiempo y temperatura.

El modelo de regresión para el problema es:

Rendimiento= 79.94 + 0.994976 x1+0.515166x2


-1.37625 x1x1+0.25x1x2
-1.00125x2x2
La superficie de respuesta se muestra a continuación:

Estimated Response Surface

81
rendimiento

80
79
78
77 1
0.6
76 0.2
-1 -0.6 -0.2 -1
-0.6
-0.2 x2
0.2 0.6 1
x1

La gráfica de contornos es

Contours of Estimated Response Surface


1 rendimiento
76.0
0.6 76.5
77.0
0.2 77.5
x2

78.0
-0.2 78.5
79.0
-0.6 79.5
80.0
-1 80.5
-1 -0.6 -0.2 0.2 0.6 1

x1

La gráfica de superficie con los contornos es:


Estimated Response Surface
rendimiento
76.0
76.5
81
rendimiento

77.0
80 77.5
79 78.0
78 78.5
79.0
77 1
0.6 79.5
76 0.2 80.0
-0.2 x2
-1 -0.6 -0.6
-0.2 0.2 0.6 -1 80.5
1
x1

ANALISIS DEL MODELO DE REGRESION

Ahora analizaremos si el modelo de regresión es significativo

Rendimiento= 79.94 + 0.994976 x1+0.515166x2 -1.37625 x1x1+0.25x1x2 -


1.00125x2x2

Conforme al análisis de varianza el modelo de regresión es significativo con un 95% de


confianza,

PROBLEMA 58
Una planta química produce oxígeno al licuar aire y separarlo en sus components
gaseosos por destilación fraccionada. La pureza del oxígeno es una función de la
temperatura del condensador principal y de la presión entre las columnas superior e
inferior. Las condiciones actuales de operación son temperatura (1 ) = -220°C y tasa
de presión de ( 2 )= 1.2. Con los datos siguientes hallar la trayectoria de ascenso
rápido o profundo:

Temperatura (1) Razón de presión (2) Pureza


-225 1.1 82.8
-225 1.3 83.5
-215 1.1 84.7
-215 1.3 85
-220 1.2 84.1
-220 1.2 84.5
-220 1.2 83.9
-220 1.2 84.3

Solución:

Reconocer el diseño como Factorial completo:

Stat > DOE > Factorial > Define Custom Factorial Design
Factors Temp_X1 Presion_X2
Seleccionar General Full Factorial
OK

Cambiar el diseño a valores codificados (3 niveles:1, 2, 3)


Stat > DOE > Display Design
Seleccionar Units for factors Coded Units
OK

La ecuación de regresión con valores codificados es:

Stat > Regression > Regression


Response Pureza
Predictors Temp_X1 Presion_X2
OK
La regression de education es:

Pureza = 81.9 + 0.850 Temp_X1 + 0.250 Presion_X2


Esta ecuación se utiliza como el modelo de ascenso rápido

Con variables reales, la ecuación de regresión es la siguiente:

The regression equation is


Pureza = 119 + 0.170 Temp_X1 + 2.50 Presion_X2

Se supone que un cambio de un grado en la temperatura, la trayectoria de ascenso


rápido pasa de (X1 = 0, X2 = 0) con una pendiente de (0.25/0.85). En las variables
codificadas, un grado de temperatura es equivalente a un paso de X1 = (0.17/0.85) = 1
/ 5 = 0.2. Así X2 = (0.25/0.85)*0.2 = 0.059.

La trayectoria de ascenso rápido es:

PROBLEMA 59

Con el propósito de mejorar el rendimiento de un proceso, se decide correr un diseño de


composición central, teniendo como factores temperatura (125 nivel actual) y presión (25
nivel actual). El diseño y los datos obtenidos se muestran a continuación.
TEMPERATURA PRESION RENDIMIENTO
110 15 35
140 15 51
110 35 41
140 35 50
103.8 25 42
146.2 25 65
125 10.9 43
125 39.1 45
125 25 62
125 25 63
125 25 64
125 25 61

SOLUCIÓN:

a. Ajuste un modelo de segundo orden a los datos experimentales, con base al anova señale
que términos son significativos.

∑ 𝒕𝒐𝒕𝒂𝒍 (∑ 𝒕𝒐𝒕𝒂𝒍)𝟐
TEMPERATURA PRESION RENDIMIENTO 𝒏
∑= 1500 300 622 2422 162947
𝟐 187500 7500 32240 227240
∑. ⁄𝒏

b. ¿El modelo de segundo orden describe adecuadamente la superficie? Explique.

n X1^2 X2^2 X3^2


1 12100 225 1225
2 19600 225 2601
3 12100 1225 1681
4 19600 1225 2500
5 10774.44 625 1764
6 21374.44 625 4225
7 15625 118.81 1849
8 15625 1528.81 2025
9 15625 625 3844
10 15625 625 3969
11 15625 625 4096
12 15625 625 3721
∑ 𝑡𝑜𝑡𝑎𝑙
189298.88 8297.62 33500 231096.5

c. Anote la ecuación del modelo ajustado.

 A partir de estas condiciones básicas calculamos la suma de los cuadrados:


𝑆𝐶(𝑎) = 231096.5 − 162946.78 = 68149.72

𝑆𝐶(𝑏) = 231096.5 − 227240.33 = 3856.17

𝑆𝐶(𝑎 ∗ 𝑏) = 227240.33 − 16293.56 = 64293.56

 Los cuadros medios serán:


64293.56
𝐶𝑀(𝑎) = = 32146.77
3−1
3856.17
𝐶𝑀(𝑏) = = 116.85
36 − 3
 Hallando el F Fisher:
32146.77
𝐹. 𝐹 = = 275.103
116.85

d. Apoyándose en la gráfica superficie de respuesta y la gráfica de contornos de ésta,


encuentre los niveles de temperatura y presión que maximizan la respuesta.

 Hallar el F. Tablas:
𝑉1 = 3 − 1 = 2
𝑉1 = 36 − 3 = 33

Por interpolación:

𝐹. 𝑇 = 3.293

 GRAFICANDO:
PROBLEMA 60

En el anodizado de artículos de aluminio mediante una solución de ácidos (sulfúrico, cítrico,


bórico) y dicromato de aluminio; bajo ciertas condiciones de PH, temperatura, corriente y
tiempo de permanencia. Se ha tenido el problema de un bajo grosor en el anodizado, lo cual
genera piezas defectuosas, problemas de resistencia y durabilidad. Para abordar el problema
se estudiar la influencia del PH y la temperatura, sobre el espesor del anodizado, mediante
el siguiente diseño:

pH Temperatura Espesor
1.2 –8 9
1.8 –8 14
1.2 8 10
1.8 8 19
1.2 –8 8
1.8 –8 12
1.2 8 11
1.8 8 20
1.5 0 14
1.5 0 13

SOLUCION:

a. Señale el nombre del diseño utilizado

DISENO FACTORIAL: CUADRO ANOVA

b. ¿Un modelo de primer orden describe adecuadamente la superficie? (vea calidad de


ajuste) Argumente.

∑ 𝒕𝒐𝒕𝒂𝒍 (∑ 𝒕𝒐𝒕𝒂𝒍)𝟐
TEMPERATURA PRESION RENDIMIENTO 𝒏
∑= 15.00 0.00 130.00 145.00 700.83
𝟐 22.5 0 1690 1712.50
∑. ⁄𝒏

c. Especifique el modelo de primer orden junto con sus coeficientes estimados.

n X1^2 X2^2 X3^2


1 1.44 64 81
2 3.24 64 196
3 1.44 64 100
4 3.24 64 361
5 1.44 64 64
6 3.24 64 144
7 1.44 64 121
8 3.24 64 400
9 2.25 0 196
10 2.25 0 169

∑ 𝑡𝑜𝑡𝑎𝑙 23.22 512 1832 2367.22

d. Con el modelo anterior encuentre cinco puntos de la trayectoria de máximo crecimiento


(utilice PH como factor y la longitud de paso igual a 0.2).

 A partir de estas condiciones básicas calculamos la suma de los cuadrados:


𝑆𝐶(𝑎) = 23167.22 − 700.83 = 1666.39

𝑆𝐶(𝑏) = 23167.22 − 1712.50 = 654.72

𝑆𝐶(𝑎 ∗ 𝑏) = 1712.50 − 700.83 = 1011.67

 Los cuadros medios serán:


1011.67
𝐶𝑀(𝑎) = = 505.83
3−1
654.72
𝐶𝑀(𝑏) = = 24.249
30 − 3
 Hallando el F Fisher:
505.83
𝐹. 𝐹 = = 20.86
24.24

e. Explique que haría con los puntos encontrados en el inciso anterior.

 Hallar el F. Tablas:
𝑉1 = 3 − 1 = 2
𝑉1 = 30 − 3 = 27

Por interpolación:

𝐹. 𝑇 = 3.36

 GRAFICANDO:

PROBLEMA 61

Con el propósito de mejorar el rendimiento de un proceso, se decide correr un diseño de


composición central, teniendo como factores temperatura (125 nivel actual) y presión (25
nivel actual). El diseño y los datos obtenidos se muestran a continuación.

TEMPERATURA PRESION RENDIMIENTO


110 15 35
140 15 51
110 35 41
140 35 50
103.8 25 42
146.2 25 65
125 10.9 43
125 39.1 45
125 25 62
125 25 63
125 25 64
125 25 61

SOLUCIÓN:

a. Ajuste un modelo de segundo orden a los datos experimentales, con base al anova señale
que términos son significativos.

(∑ 𝑡𝑜𝑡𝑎𝑙)2
TEMPERATUR PRESIO RENDIMIENT ∑ 𝑡𝑜𝑡𝑎𝑙
A N O 𝑛

∑= 1500 300 622 2422 162947


2
∑. ⁄𝑛 187500 7500 32240 227240

b. ¿El modelo de segundo orden describe adecuadamente la superficie? Explique.

n X1^2 X2^2 X3^2


1 12100 225 1225
2 19600 225 2601
3 12100 1225 1681
4 19600 1225 2500
5 10774.44 625 1764
6 21374.44 625 4225
7 15625 118.81 1849
8 15625 1528.81 2025
9 15625 625 3844
10 15625 625 3969
11 15625 625 4096
12 15625 625 3721
∑ 𝒕𝒐𝒕𝒂𝒍
189298.88 8297.62 33500 231096.5

c. Anote la ecuación del modelo ajustado.


 A partir de estas condiciones básicas calculamos la suma de los cuadrados:
𝑆𝐶(𝑎) = 231096.5 − 162946.78 = 68149.72

𝑆𝐶(𝑏) = 231096.5 − 227240.33 = 3856.17

𝑆𝐶(𝑎 ∗ 𝑏) = 227240.33 − 16293.56 = 64293.56

 Los cuadros medios serán:


64293.56
𝐶𝑀(𝑎) = = 32146.77
3−1
3856.17
𝐶𝑀(𝑏) = = 116.85
36 − 3
 Hallando el F Fisher:
32146.77
𝐹. 𝐹 = = 275.103
116.85

d. Apoyándose en la gráfica superficie de respuesta y la gráfica de contornos de ésta,


encuentre los niveles de temperatura y presión que maximizan la respuesta.

 Hallar el F. Tablas:
𝑉1 = 3 − 1 = 2
𝑉1 = 36 − 3 = 33

Por interpolación:

𝐹. 𝑇 = 3.293

 GRAFICANDO:

PROBLEMA 62
En busca de optimizar el rendimiento de un proceso químico se decide correr un diseño de
segundo orden, teniendo como factores a temperatura, presión y tiempo de residencia; y a la
variable de respuesta a rendimiento. El diseño empleado y los resultados obtenidos se
muestran a continuación.

TEMPERATURA PRESION TIEMPO RENDIMIENTO


90 10 25 36
120 10 25 52
90 30 25 45
120 30 25 47
90 10 35 44
120 10 35 58
90 30 35 41
120 30 35 50
79.8 20 30 45
130.2 20 30 66
105 3.2 30 42
105 36.8 30 46
105 20 21.6 30
105 20 38.4 60
105 20 30 59
105 20 30 60
105 20 30 62
105 20 30 58
(a) Señale el nombre del diseño utilizado

DISENO FACTORIAL: CUADRO ANOVA

(c) Realice el análisis de varianza para este experimento, de acuerdo a éste, ¿existe algún
factor que no influye en el rendimiento? Argumente

∑ 𝒕𝒐𝒕𝒂𝒍 (∑ 𝒕𝒐𝒕𝒂𝒍)𝟐
TEMPERATURA PRESION RENDIMIENTO 𝒏
∑= 1890.00 360.00 540.00 901.00 3691.00
𝟐 198450 7200 16200 45100.0556 266950.06
∑. ⁄𝒏
(d) Ajuste un modelo de segundo orden, depurelo eliminando términos no significativos, y
conteste:

N X1^2 X2^2 X3^2 X4^2


1 8100 100 625 1296
2 14400 100 625 2704
3 8100 900 625 2025
4 14400 900 625 2209
5 8100 100 1225 1936
6 14400 100 1225 3364
7 8100 900 1225 1681
8 14400 900 1225 2500
9 6368.04 400 900 2025
10 16952.04 400 900 4356
11 11025 10.24 900 1764
12 11025 1354.24 900 2116
13 11025 400 466.56 900
14 11025 400 1474.56 3600
15 11025 400 900 3481
16 11025 400 900 3600
17 11025 400 900 3844
18 11025 400 900 3364

∑ 𝑡𝑜𝑡𝑎𝑙 201520.08 8564.48 16541.12 46765 273390.68

(f) Con base a la gráfica de contornos, trate de encontrar los niveles de los factores que
maximiza el rendimiento del proceso.

 A partir de estas condiciones básicas calculamos la suma de los cuadrados:


𝑆𝐶(𝑎) = 273390.68 − 189215.01 = 84175.67
𝑆𝐶(𝑏) = 273390.68 − 266950.06 = 6440.06

𝑆𝐶(𝑎 ∗ 𝑏) = 266950.06 − 189215.01 = 77735.04

 Los cuadros medios serán:


77735.04
𝐶𝑀(𝑎) = = 25911.68
4−1
6440.06
𝐶𝑀(𝑏) = = 116.85
72 − 4
 Hallando el F Fisher:
32146.77
𝐹. 𝐹 = = 273.57
116.85

(k) ¿Qué haría con los puntos encontrados?

 Hallar el F. Tablas:
𝑉1 = 4 − 1 = 1
𝑉1 = 72 − 4 = 68

Por interpolación:

𝐹. 𝑇 = 2.74

(l) Con el modelo seleccionado, calcule el rendimiento del proceso en el punto central del
diseño.