Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 6K vistas

    Diseño Factorial de Dos Factores

    Cargado por

    jeyleen diaz
    DISEÑO FACTORIAL DE DOS FACTORES Un diseño factorial con dos factores consiste en experimentar con todos los tratamientos que se obtienen al combinar cada nivel de un factor con los niveles del otro. En general, si existen dos factores de interés, el primero con K niveles y el segundo con J niveles distintos, el conjunto de datos del diseño factorial se resume en una tabla del tipo: • El valor yj representa la observación realizada de la variable respuesta, en el nivel i del primer factor, y el valor j del segundo. Los objetivos de un diseño factorial con dos factores son los siguientes: • Contrastar si existen diferencias entre las medias de la variable respuesta en cada uno de los niveles del factor 1. • Contrastar si existen diferencias entre las medias de la variable respuesta en cada uno de los niveles del factor 2. • Contrastar si los dos factores interaccionan. El modelo sin replicación El modelo estadístico para este diseño es: Supondremos que se toma una observación por cada combinación de factores, por tanto, hay un total de N = ab observaciones. Estimación de los parámetros del modelo Los estimadores máximo verosímiles de los parámetros del modelo son Por lo tanto, al ser los residuos nulos no es posible estimar la varianza del modelo y no se pueden contrastar la significatividad de los efectos de los factores. Dichos contrates sólo pueden realizarse si: El modelo con replicación El modelo estadístico para este diseño es: Donde r es el número de replicaciones y n = abr es el número de observaciones. El número de parámetros de este modelo es, como en el modelo de dos factores sin replicación, ab + 1 pero en este caso el número de observaciones es abr. Estimación de los parámetros del modelo Los estimadores máximo verosímiles de los parámetros del modelo son Se verifica que todos los residuos de una celdilla deben sumar cero es decir, en cada celdilla hay r − 1 residuos independientes. Por lo tanto, en total habrá ab(r − 1) residuos independientes. Se verifican las mismas propiedades para los estimadores máximo-verosímiles que en los modelos anteriores. La varianza residual tiene la siguiente expresión Descomposición de la variabilidad La ecuación básica del análisis de la varianza es: Que simbólicamente podemos escribir: SCT = SCA + SCB + SC(AB) + SCR. Estas sumas de cuadrados también se pueden expresar como: Análisis estadístico El objetivo del análisis es realizar los contrastes de hipótesis nula: EJEMPLO: En unos laboratorios se está estudiando los factores que influyen en la resistencia de un tipo particular de fibra. Se eligen al azar cuatro máquinas y tres operarios y se realiza un experimento factorial usando fibras de un mismo lote de producción. Los resultados obtenidos se muestran en la tabla adjunta. Analizar los resultados y obtener las conclusiones apropiadas. Para realizar el análisis organizamos los datos en forma tabular de la manera siguiente:

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Diseño Factorial de Dos Factores

    Cargado por

    jeyleen diaz
    6K vistas6 páginas
    DISEÑO FACTORIAL DE DOS FACTORES Un diseño factorial con dos factores consiste en experimentar con todos los tratamientos que se obtienen al combinar cada nivel de un factor con los niveles del otro. En general, si existen dos factores de interés, el primero con K niveles y el segundo con J niveles distintos, el conjunto de datos del diseño factorial se resume en una tabla del tipo: • El valor yj representa la observación realizada de la variable respuesta, en el nivel i del primer factor, y el valor j del segundo. Los objetivos de un diseño factorial con dos factores son los siguientes: • Contrastar si existen diferencias entre las medias de la variable respuesta en cada uno de los niveles del factor 1. • Contrastar si existen diferencias entre las medias de la variable respuesta en cada uno de los niveles del factor 2. • Contrastar si los dos factores interaccionan. El modelo sin replicación El modelo estadístico para este diseño es: Supondremos que se toma una observación por cada combinación de factores, por tanto, hay un total de N = ab observaciones. Estimación de los parámetros del modelo Los estimadores máximo verosímiles de los parámetros del modelo son Por lo tanto, al ser los residuos nulos no es posible estimar la varianza del modelo y no se pueden contrastar la significatividad de los efectos de los factores. Dichos contrates sólo pueden realizarse si: El modelo con replicación El modelo estadístico para este diseño es: Donde r es el número de replicaciones y n = abr es el número de observaciones. El número de parámetros de este modelo es, como en el modelo de dos factores sin replicación, ab + 1 pero en este caso el número de observaciones es abr. Estimación de los parámetros del modelo Los estimadores máximo verosímiles de los parámetros del modelo son Se verifica que todos los residuos de una celdilla deben sumar cero es decir, en cada celdilla hay r − 1 residuos independientes. Por lo tanto, en total habrá ab(r − 1) residuos independientes. Se verifican las mismas propiedades para los estimadores máximo-verosímiles que en los modelos anteriores. La varianza residual tiene la siguiente expresión Descomposición de la variabilidad La ecuación básica del análisis de la varianza es: Que simbólicamente podemos escribir: SCT = SCA + SCB + SC(AB) + SCR. Estas sumas de cuadrados también se pueden expresar como: Análisis estadístico El objetivo del análisis es realizar los contrastes de hipótesis nula: EJEMPLO: En unos laboratorios se está estudiando los factores que influyen en la resistencia de un tipo particular de fibra. Se eligen al azar cuatro máquinas y tres operarios y se realiza un experimento factorial usando fibras de un mismo lote de producción. Los resultados obtenidos se muestran en la tabla adjunta. Analizar los resultados y obtener las conclusiones apropiadas. Para realizar el análisis organizamos los datos en forma tabular de la manera siguiente:

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    DISEÑO FACTORIAL DE DOS FACTORES Un diseño factorial con dos factores consiste en experimentar con todos los tratamientos que se obtienen al combinar cada nivel de un factor con los niveles del otro. En general, si existen dos factores de interés, el primero con K niveles y el segundo con J niveles distintos, el conjunto de datos del diseño factorial se resume en una tabla del tipo: • El valor yj representa la observación realizada de la variable respuesta, en el nivel i del primer factor, y el valor j del segundo. Los objetivos de un diseño factorial con dos factores son los siguientes: • Contrastar si existen diferencias entre las medias de la variable respuesta en cada uno de los niveles del factor 1. • Contrastar si existen diferencias entre las medias de la variable respuesta en cada uno de los niveles del factor 2. • Contrastar si los dos factores interaccionan. El modelo sin replicación El modelo estadístico para este diseño es: Supondremos que se toma una observación por cada combinación de factores, por tanto, hay un total de N = ab observaciones. Estimación de los parámetros del modelo Los estimadores máximo verosímiles de los parámetros del modelo son Por lo tanto, al ser los residuos nulos no es posible estimar la varianza del modelo y no se pueden contrastar la significatividad de los efectos de los factores. Dichos contrates sólo pueden realizarse si: El modelo con replicación El modelo estadístico para este diseño es: Donde r es el número de replicaciones y n = abr es el número de observaciones. El número de parámetros de este modelo es, como en el modelo de dos factores sin replicación, ab + 1 pero en este caso el número de observaciones es abr. Estimación de los parámetros del modelo Los estimadores máximo verosímiles de los parámetros del modelo son Se verifica que todos los residuos de una celdilla deben sumar cero es decir, en cada celdilla hay r − 1 residuos independientes. Por lo tanto, en total habrá ab(r − 1) residuos independientes. Se verifican las mismas propiedades para los estimadores máximo-verosímiles que en los modelos anteriores. La varianza residual tiene la siguiente expresión Descomposición de la variabilidad La ecuación básica del análisis de la varianza es: Que simbólicamente podemos escribir: SCT = SCA + SCB + SC(AB) + SCR. Estas sumas de cuadrados también se pueden expresar como: Análisis estadístico El objetivo del análisis es realizar los contrastes de hipótesis nula: EJEMPLO: En unos laboratorios se está estudiando los factores que influyen en la resistencia de un tipo particular de fibra. Se eligen al azar cuatro máquinas y tres operarios y se realiza un experimento factorial usando fibras de un mismo lote de producción. Los resultados obtenidos se muestran en la tabla adjunta. Analizar los resultados y obtener las conclusiones apropiadas. Para realizar el análisis organizamos los datos en forma tabular de la manera siguiente:

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    6K vistas6 páginas

    Diseño Factorial de Dos Factores

    Cargado por

    jeyleen diaz
    DISEÑO FACTORIAL DE DOS FACTORES Un diseño factorial con dos factores consiste en experimentar con todos los tratamientos que se obtienen al combinar cada nivel de un factor con los niveles del otro. En general, si existen dos factores de interés, el primero con K niveles y el segundo con J niveles distintos, el conjunto de datos del diseño factorial se resume en una tabla del tipo: • El valor yj representa la observación realizada de la variable respuesta, en el nivel i del primer factor, y el valor j del segundo. Los objetivos de un diseño factorial con dos factores son los siguientes: • Contrastar si existen diferencias entre las medias de la variable respuesta en cada uno de los niveles del factor 1. • Contrastar si existen diferencias entre las medias de la variable respuesta en cada uno de los niveles del factor 2. • Contrastar si los dos factores interaccionan. El modelo sin replicación El modelo estadístico para este diseño es: Supondremos que se toma una observación por cada combinación de factores, por tanto, hay un total de N = ab observaciones. Estimación de los parámetros del modelo Los estimadores máximo verosímiles de los parámetros del modelo son Por lo tanto, al ser los residuos nulos no es posible estimar la varianza del modelo y no se pueden contrastar la significatividad de los efectos de los factores. Dichos contrates sólo pueden realizarse si: El modelo con replicación El modelo estadístico para este diseño es: Donde r es el número de replicaciones y n = abr es el número de observaciones. El número de parámetros de este modelo es, como en el modelo de dos factores sin replicación, ab + 1 pero en este caso el número de observaciones es abr. Estimación de los parámetros del modelo Los estimadores máximo verosímiles de los parámetros del modelo son Se verifica que todos los residuos de una celdilla deben sumar cero es decir, en cada celdilla hay r − 1 residuos independientes. Por lo tanto, en total habrá ab(r − 1) residuos independientes. Se verifican las mismas propiedades para los estimadores máximo-verosímiles que en los modelos anteriores. La varianza residual tiene la siguiente expresión Descomposición de la variabilidad La ecuación básica del análisis de la varianza es: Que simbólicamente podemos escribir: SCT = SCA + SCB + SC(AB) + SCR. Estas sumas de cuadrados también se pueden expresar como: Análisis estadístico El objetivo del análisis es realizar los contrastes de hipótesis nula: EJEMPLO: En unos laboratorios se está estudiando los factores que influyen en la resistencia de un tipo particular de fibra. Se eligen al azar cuatro máquinas y tres operarios y se realiza un experimento factorial usando fibras de un mismo lote de producción. Los resultados obtenidos se muestran en la tabla adjunta. Analizar los resultados y obtener las conclusiones apropiadas. Para realizar el análisis organizamos los datos en forma tabular de la manera siguiente:

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 6

    DISEO FACTORIAL DE DOS FACTORES

    Un diseo factorial con dos factores consiste en experimentar con todos los
    tratamientos que se obtienen al combinar cada nivel de un factor con los niveles del
    otro.
    En general, si existen dos factores de inters, el primero con K niveles y el segundo
    con J niveles distintos, el conjunto de datos del diseo factorial se resume en una tabla
    del tipo:

    El valor yj representa la observacin realizada de la variable respuesta, en el


    nivel i del primer factor, y el valor j del segundo.

    Los objetivos de un diseo factorial con dos factores son los siguientes:

    Contrastar si existen diferencias entre las medias de la variable respuesta en


    cada uno de los niveles del factor 1.
    Contrastar si existen diferencias entre las medias de la variable respuesta en
    cada uno de los niveles del factor 2.
    Contrastar si los dos factores interaccionan.

    El modelo sin replicacin


    El modelo estadstico para este diseo es:

    Supondremos que se toma una observacin por cada combinacin de factores, por
    tanto, hay un total de N = ab observaciones.

    Estimacin de los parmetros del modelo


    Los estimadores mximo verosmiles de los parmetros del modelo son

    Por lo tanto, al ser los residuos nulos no es posible estimar la varianza del modelo y no
    se pueden contrastar la significatividad de los efectos de los factores. Dichos contrates
    slo
    pueden
    realizarse
    si:

    El modelo con replicacin


    El modelo estadstico para este diseo es:

    Donde r es el nmero de replicaciones y n = abr es el nmero de observaciones. El


    nmero de parmetros de este modelo es, como en el modelo de dos factores sin
    replicacin, ab + 1 pero en este caso el nmero de observaciones es abr.

    Estimacin de los parmetros del modelo


    Los estimadores mximo verosmiles de los parmetros del modelo son

    Se verifica que todos los residuos de una celdilla deben sumar cero es decir, en cada
    celdilla hay r 1 residuos independientes. Por lo tanto, en total habr ab(r 1)
    residuos independientes. Se verifican las mismas propiedades para los estimadores
    mximo-verosmiles que en los modelos anteriores. La varianza residual tiene la

    siguiente expresin
    Descomposicin de la variabilidad
    La ecuacin bsica del anlisis de la varianza es:

    Que simblicamente podemos escribir: SCT = SCA + SCB + SC(AB) + SCR. Estas
    sumas de cuadrados tambin se pueden expresar como:

    Anlisis estadstico
    El objetivo del anlisis es realizar los contrastes de hiptesis nula:

    EJEMPLO:
    En unos laboratorios se est estudiando los factores que influyen en la resistencia de
    un tipo particular de fibra. Se eligen al azar cuatro mquinas y tres operarios y se
    realiza un experimento factorial usando fibras de un mismo lote de produccin. Los
    resultados obtenidos se muestran en la tabla adjunta. Analizar los resultados y obtener
    las conclusiones apropiadas.

    Para realizar el anlisis organizamos los datos en forma tabular de la manera


    siguiente:

    También podría gustarte