Professional Documents
Culture Documents
Análisis de Varianza de Dos Factores
Análisis de Varianza de Dos Factores
Planificación, Análisis
organización y estadístico
ejecución
(productos: datos)
Modelo causal
Diseño completo al azar con un solo
factor, ANOVA de una vía
Factor (X) Y
Error
Modelo causal
Diseño factorial, ANOVA de dos vías
Factor A
Factor B Y
Error
Análisis de varianza de dos factores
Bibliografía
Montgomery, D. y Runger, G. (2005) Probabilidad y estadística aplicadas a la ingeniería. México, D.F.:
Limusa Wiley. Capítulo 13. Sección 13.1 y 13.4
Triola, M. (2013). Estadística. 11va. Edición. Pearson Educación, México, D.F. Capítulo 12. Sección 12.3 y
12.4.
El análisis de varianza (ANOVA) de dos factores es una técnica estadística utilizada para analizar la influencia
de dos factores en una variable de interés. Los dos factores pueden ser cualquier cosa que se desee
investigar, como tratamientos diferentes, temperaturas, grupo de edad, ciudad de residencia, etc.
El ANOVA de dos factores permite examinar el efecto de cada factor individualmente, así como el efecto de
la interacción entre los dos factores. La interacción entre los factores se refiere a si el efecto de un factor
varía según el nivel del otro factor.
H 0 ≔ No existe interacción entre los niveles de los factores sobre la variable respuesta
H 1 ≔ Existe interacción entre los niveles de los factores sobre la variable respuesta
Para obtener el valor del estadístico de prueba, se debe elaborar la tabla del ANOVA.
b 2
1 y… SC ( B) CM ( B)
Factor B b–1 ∑
an j=1
2
y . j .−
abn b−1 CME
F α ; b−1; ab (n−1)
a b 2
1 y
Interacción
(a – 1)(b – 1) ∑ ∑
n i=1 j=1
y 2ij . − …
abn
SC( AB ) CM ( AB)
F α ; (a−1) ( b−1) ;ab (n−1)
AxB ( a−1 )( b−1 ) CME
SC(Subtotales) – SCA −SCB
SCE
Error ab (n – 1) SCT – SC ( A) – SC( B)– SC ( AB)
ab ( n−1 )
a b n 2
y
Total abn – 1 ∑ ∑ ∑ y 2ijk− abn…
i=1 j=1 k=1
Ejercicios
1. La pregunta de investigación es: ¿Qué factores influyen en la mayor conservación del queso?
a. A partir de revisar el siguiente video sobre la conservación de queso: Trucos para conservar quesos
b. Discuta con sus compañeros e indique al menos dos factores que puede incluirse en la hipótesis de
investigación.
Modelo matemático
Hipótesis estadística
H1: Existe interacción entre los niveles del queso y los niveles del modo de
H1:
conservación que impactan en el tiempo de vida del queso
2. Un ingeniero sospecha que el tipo de pintura tapa poros y el método de
aplicación afectan el tiempo de duración de la pintura de las piezas de
las aeronaves. Él está interesado en determinar si algún tipo de pintura
con algún nivel del método de aplicación influyen en el tiempo de
duración de la pintura de las piezas de las aeronaves . Idea dos
experimentos, obteniendo las siguientes gráficas.
H 0 : No existe interacción entre los niveles de los factores sobre la variable respuesta
H 1 : Existe interacción entre los niveles de los factores sobre la variable respuesta
Ejemplo 1
Se lleva a cabo un experimento para estudiar el efecto de la temperatura y tipo de horno sobre la vida de un
componente. En el experimento se utiliza cuatro tipos de horno y tres niveles de temperatura. Se asignaron
de forma aleatoria 36 de estos componentes, tres a cada combinación de tratamiento y se registró los
siguientes resultados.
Temperatura (grados) H1 H2 H3 H4
227 214 225 260
500 221 259 236 229
225 265 230 258
187 181 232 246
550 208 179 198 273
198 195 200 285
174 198 178 206
600 202 194 213 219
201 195 212 210
Solución
El modelo aditivo es:
α =0,05
Del resultado de Minitab, se tiene que:
valor p = 0.264
Decisión
Como el valor p = 0.264 es mayor al nivel de significancia α =0,05 ; entonces, no se rechaza H 0
Conclusión
Con 5 % de nivel de significación, la evidencia muestral es insuficiente para descartar que los errores
provienen de una población normal. Por lo tanto, se asume que se cumple el supuesto.
H 0: Los errores tienen la misma varianza en cada una de las poblaciones (es sinónimo “tratamientos”)
H 1: Al menos una varianza es diferente
α =0,05
Pruebas
Estadística
Método de prueba Valor p
Bartlett 16.22 0.133
Valor p = 0.133
Decisión
Como el valor p = 0.133 es mayor al nivel de significancia α =0,05 ; entonces, no se rechaza H 0
Conclusión
Con 5 % de nivel de significación, la evidencia muestral es insuficiente para descartar que las varianzas de los
errores en cada población son las mismas. Por lo tanto, se asume que se cumple el supuesto.
Analizando la interacción
H 0: La interacción de los niveles de temperatura en cada tipo de horno no impacta en la vida útil
H 1: La interacción de los niveles de temperatura en cada tipo de horno sí impacta en la vida útil
α =0,05
CMAB
F cal= F(6,24) / H 0 cierto
CME
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Temperatura 2 8431 4215.3 18.29 0.000
Horno 3 8050 2683.3 11.65 0.000
Temperatura*Horno 6 5984 997.4 4.33 0.004
Error 24 5530 230.4
Total 35 27995
F cal=4.33
valor p=0.004
Decisión
Como el valor p = 0.004 es menor al nivel de significancia α =0,05 ; entonces, se rechaza H 0
Conclusión
Con 5 % de nivel de significación, la evidencia muestral es suficiente para afirmar que La interacción de los
niveles de temperatura en cada tipo de horno sí impacta en la vida útil de dicho componente.
La mejor combinación es el tratamiento temperatura 550 grados y horno 4, en cuyo caso, la vida media estos
componentes es superior (268.000) al resto de combinaciones y está sola en la agrupación A.
Ejercicios
3. Tecno Gas S.A. es una empresa que fabrica y comercializa termas a gas para uso doméstico e industrial.
La terma a gas es un artefacto calentador de agua que funciona de forma continua mediante la
combustión de gas.
Su planta de producción está ubicada en la ciudad del Callao y sus productos se comercializan a través de
sus locales de venta y centros comerciales ubicados en Lima y provincias. Constantemente está
mejorando su tecnología para producir termas a gas a un precio competitivo y de primerísima calidad,
reduciendo al mínimo las fallas y reclamos de los clientes.
El jefe del departamento de ingeniería está interesado en determinar si hay influencia del turno de
producción y la capacidad de las termas en el porcentaje de termas con defecto.
Para esto diseñó un experimento factorial con tres niveles del turno de producción y tres niveles de la
capacidad de las termas, obteniendo la siguiente información:
Capacidad
Turno de producción
10 litros 14 litros 18 litros
3.8 5.5 4.5
Mañana (M) 4.0 5.0 4.0
4.2 4.8 4.2
4.5 5.0 3.8
Tarde (T) 4.2 5.3 4.0
4.8 5.8 3.5
5.0 6.0 3.8
Noche (N) 4.5 5.8 4.0
5.2 5.5 4.1
¿Qué capacidad de terma o turno de producción debe elegir jefe de departamento de ingeniería, para
obtener menor porcentaje de termas con defectos? Realice el análisis con un nivel de significación del
5%.
b. Prueba de supuestos.
Ho: No existe interacción entre el turno de producción y la capacidad de la terma que impacta en el
porcentaje de termas defectuosas
H1: Sí existe interacción entre el turno de producción y la capacidad de la terma que impacta en el
porcentaje de termas defectuosas
=0.05
CMAB
F cal= F(4,18) / H 0 cierto
CME
Analysis of Variance
Source DF Adj SS Adj MS F-Value P-Value
Turno 2 0.9267 0.46333 5.44 0.014
Capacidad 2 9.4289 4.71444 55.34 0.000
Turno*Capacidad 4 1.2978 0.32444 3.81 0.021
Error 18 1.5333 0.08519
Total 26 13.1867
Fuentes de
Gl SC CM Fcal Ftab
variación
A 2 0.9267 0.4633 5.44 3.55
B 2 9.4289 4.7144 55.34 3.55
AB 4 1.2978 0.3244 3.81 2.93
Error 18 1.5333 0.0852
Total 26 13.1867
α =0,05
2.93 Fcal=3.81
Los criterios de rechazo y no rechazo son:
Si Fcal ≤ 2.93 No se rechaza Ho
Si Fcal > 2.93 Sí se rechaza Ho
Como el valor del estadístico de prueba Fcal =3.81 > el valor crítico Fcrítico = 2.93 se rechaza Ho
Conclusión
Con 5% de nivel de significación, la evidencia muestral es suficiente para afirmar Sí existe
interacción entre el turno de producción y la capacidad de la terma que impacta en el
porcentaje de termas defectuosas
La pregunta final era: ¿Qué capacidad de terma o turno de producción debe elegir jefe de
departamento de ingeniería, para obtener menor porcentaje de termas con defectos?
Conclusión de la gráfica
Lo que busca es minimizar el porcentaje de termas defectuosas
Observando la tabla anterior, se aprecia que el bloque de tratamientos E son los que brindan un menor
porcentaje promedio de termas defectuosas.
Seleccionando a los tratamientos del bloque E que no tienen traslape con otro bloque, nos quedamos con los
tratamientos M1OL, N18L o T18L.
4. Al pesar un reactivo en un laboratorio aparecen diferencias debidas a las balanzas usadas y a la habilidad
del personal que realizan las mediciones. Se elige tres balanzas y tres técnicos de laboratorio, los
resultados de las mediciones, en gramos, se muestran a continuación.
Personal
Balanza 1 2 3
1.81 2.04 2.03
1 1.91 1.97 1.98
1.91 1.99 1.94
1.94 2.08 2.03
2 1.90 2.14 1.98
1.99 2.08 2.00
1.83 1.98 1.91
3 1.92 2.05 2.06
1.96 2.03 2.04
a. ¿Puede asegurarse al nivel de significación α =0,05 que hay habilidad homogénea de todos los
técnicos del laboratorio?
b. ¿Existe interacción entre los factores? Use α =0,05 .
c. Analice los supuestos del modelo. Use α =0,05 .
d. Encuentre el(los) mejor(es) procedimiento(s).