You are on page 1of 23

Análisis de Varianza

El análisis grafico, no estadístico, se complementa con el


estudio de análisis de varianza, lo cual aporta el criterio
objetivo para complementar la evaluación.

Ej. Se realiza la investigación sobre el efecto de dos


factores en la velocidad de reacción de un proceso, sean
estas la concentración de una reactivo(X1) y la cantidad
de catalizador(X2)
Factores Nivel (-) Nivel(+)

X1: reactivo % 15 20
X2: Catalizador(sacos) 1 2

Con estos valores 22=4


Factores codificados Factores
N X1 X2 X1 X2 X1 X2
1 -1 -1 +1 15 1
2 +1 -1 -1 20 1
3 -1 +1 -1 15 2
4 +1 +1 +1 20 2
Respuestas
I II III Total Y
28 25 27 80 26,67
36 32 32 100 33,33
18 19 23 60 20,00
31 30 29 90 30,00

Promedio general Y= 27.50


Los promedios de bajo y alto nivel para los factores
e interacción y el efecto ∆

Promedio X1 X2 X1 X2

(-)

(+)

Efecto ∆
Promedio X1 X2 X1 X2

(-) 23,335 30 26,665

(+) 31,665 25 28,335


+8,33 -5 +1,67
Efecto ∆
Tabla ANAVA
Fuente SS gl MS Fo
X1
X2
X1X2
Error
Total
Análisis de Varianza, representa a la variabilidad total
de los datos en sus partes y contrapartes

SStotal = SS efectos+ SS error

Donde:

SStotal = suma total de cuadrados

SSefectos =suma de cuadrados debido a los tratamientos

SSerror= suma de cuadrados debido al error


Para el análisis de varianza de un diseño factorial con
varias replicas, en los puntos del diseño la suma total
de cuadrados viene dado por:

SSTotal =∑∑∑Y2ijk –Y2 /Nr

N=# pruebas experimentales


r= número de replicas en el diseño

SSTotal=( 282+252+…..+302+292) – (28+25+…30+29)2 / (4)(3)

SSTotal= 323
La suma de cuadrados de los efectos e interacciones se da
por la siguiente relación:

SSefectos =(∑Xij Yi)2 / Nr

SSx1 = [(100+90)-(80+60)]2 / (4)(3) = 208.33


SSx2 = [(60+90)-(80+100)]2 / (4)(3) = 75
SSx1x2 = [(80+90)-(100+60)]2 / (4)(3) = 8.33

SSefectos= SSx1+SSx2+SSx3 = 208.33+75+8.33=291.66


SStotal = SS efectos+ SS error

SS error =323-291.66 =31.34


A través del calculo del efecto ∆, se observa que X1, tiene
mayor incidencia en el proceso, la manera mas precisa y
estadística de medir la importancia de esa variable es el
Teorema de Cochran, que se resume en la siguiente
expresión:

Fo= MSefectos / MSerror


donde:
MSefectos= SSefectos / glT
MSerror = SSerror / glE
glT= grados de libertad de los efectos e interacciones. Es
igual a 1 en diseños factoriales a dos niveles

glE = grados de libertad de la suma de cuadrados del error.


Igual a: La sumatoria de cada replica menos 1

Una variable o una interacción es significativa si se cumple


la siguiente condición:

Fo>F(α;glT, glE)
gl T= 2-1 = 1

gl E = (3-1)+(3-1)+(3-1)+(3-1) =8

MSefectos(x1)=208.33/1 =208.33
MSefectos(x2)=75/1 =75
MSefectos(x3)=8.33/1 =8.33
MSerror =31.34/8 =3.92

Fo= MSefectos / MSerror


Tabla ANAVA
Fuente SS gl MS Fo
1 208,33
X1 208,3 53,15
1 75,00 19,13
X2 75,00
8,33
X1X2 8,33 1
2,13
3,92
Error 31,34 8

Total 323,00 11
Una variable o una interacción es significativa si
cumple la siguiente condición:

Fo > F (α;glT ; glE)


Para un nivel de significacion α=0,01;glT=1 ; glE=8
F(0.01; 1; 8)= ? 11,26

¿ cuales son las variables o interacciones


significativas?
El modelo matemático queda definido por:

Y= 27.50+(8.33/2)X1-(5/2)X2

Y= 27.50+4.165X1-2.5X2
Análisis de Residuos

Para saber cuan distanciados están los valores que se


predicen con el modelo de los valores experimentados,
se efectúa el análisis de residuos. Este análisis considera
los residuales igual a: Y - Ŷ
Yr R=(Yr - Ŷ)
N X1 X2 Y1 Y2 Y3 Y Ŷ Ry1 Ry2 Ry3

Ŷ= Y estimado o respuesta según el modelo


Y= Y observado o respuesta experimental
Con estos datos se calcula la suma de cuadrados
residual del modelo

SSMR= ∑ (Y - Ŷ)2
Nr- I
Donde:
Ŷ= Y estimado o respuesta según el modelo
Y= Y observado o respuesta experimental
Nr= # total de experimentos
I= número de parámetros del modelo matemático
Nr-I= grados de libertad del residuo= gl R
SSMR= (2.165)2+(0.835)2+….(0.835)2+(-0.165)2
(4)(3) -3
SSMR=4.41
Para determinar estadísticamente si el modelo
matemático hallado representa adecuadamente a
los datos experimentales, se realiza la prueba F

Fo= SSMR
MSerror
Fo= 4.41 /3.92 = 1.124

El modelo es adecuado si:


Fo < F(α; gl R ; gl E)

Si α=0.05 ;glR=9 ; glE=8

F(0.05;9;8)=3.39

1.124<3.39 entonces el modelo matemático es


adecuado