Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 48 vistas

    Análisis de Varianza: 3.3 Diseño Completamente Aleatorio Y Anova

    Cargado por

    Vero Mauricio
    Este documento describe métodos estadísticos para analizar datos de un experimento que compara cuatro métodos de ensamble. Se aplicó un diseño completamente aleatorio, realizando 16 pruebas en orden aleatorio de los cuatro métodos. Se usó un análisis de varianza (ANOVA) para determinar si los métodos afectan significativamente los tiempos de ensamble. Luego, se aplicaron pruebas múltiples como LSD y Tukey para identificar qué métodos difieren significativamente. Finalmente, se discuten los supuestos del modelo ANOVA.

    Copyright:

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

    Análisis de Varianza: 3.3 Diseño Completamente Aleatorio Y Anova

    Cargado por

    Vero Mauricio
    48 vistas12 páginas
    Este documento describe métodos estadísticos para analizar datos de un experimento que compara cuatro métodos de ensamble. Se aplicó un diseño completamente aleatorio, realizando 16 pruebas en orden aleatorio de los cuatro métodos. Se usó un análisis de varianza (ANOVA) para determinar si los métodos afectan significativamente los tiempos de ensamble. Luego, se aplicaron pruebas múltiples como LSD y Tukey para identificar qué métodos difieren significativamente. Finalmente, se discuten los supuestos del modelo ANOVA.

    Título original

    Diseño+de+Experimentos+Plantilla 1

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    XLSX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe métodos estadísticos para analizar datos de un experimento que compara cuatro métodos de ensamble. Se aplicó un diseño completamente aleatorio, realizando 16 pruebas en orden aleatorio de los cuatro métodos. Se usó un análisis de varianza (ANOVA) para determinar si los métodos afectan significativamente los tiempos de ensamble. Luego, se aplicaron pruebas múltiples como LSD y Tukey para identificar qué métodos difieren significativamente. Finalmente, se discuten los supuestos del modelo ANOVA.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    48 vistas12 páginas

    Análisis de Varianza: 3.3 Diseño Completamente Aleatorio Y Anova

    Cargado por

    Vero Mauricio
    Este documento describe métodos estadísticos para analizar datos de un experimento que compara cuatro métodos de ensamble. Se aplicó un diseño completamente aleatorio, realizando 16 pruebas en orden aleatorio de los cuatro métodos. Se usó un análisis de varianza (ANOVA) para determinar si los métodos afectan significativamente los tiempos de ensamble. Luego, se aplicaron pruebas múltiples como LSD y Tukey para identificar qué métodos difieren significativamente. Finalmente, se discuten los supuestos del modelo ANOVA.

    Copyright:

    © All Rights Reserved
    Descargue como XLSX, PDF, TXT o lea en línea desde Scribd
    Descargar como xlsx, pdf o txt
    Está en la página 1de 12

    3.

    3 DISEÑO COMPLETAMENTE ALEATORIO Y

    ANÁLISIS DE VARIANZA

    EJERCICIO

    Comparación de cuatro métodos de ensamble. Un equipo de mejora inves


    A, B, C y D, sobre el tiempo de ensamble en minutos con un nivel de sig
    estrategia experimental es aplicar cuatro veces los cuatro métodos de ens
    16 pruebas en orden aleatorio). Los tiempos de ensamble obtenidos se mu
    completamente al azar (DCA), se supone que, además del método de ensa
    de manera significativa sobre la variable de respuest

    METODO DE ENSAMBLE
    A B C D
    6 7 11 10 36
    8 9 16 12 64
    7 10 11 11 49
    8 8 13 9 64
    29 34 51 42 841
    156 24336 〖𝑌 ..

    TABLA ANOVA PARA DCA


    〗 ^2
    FV SC GL CM Fo
    Métodos de
    69.5 3 23.1666667 9.42372881
    ensamble

    Error 29.5 12 2.45833333


    Total 99 15

    N= 16 Total de datos
    n= 4 Observaciones por tratamiento
    k= 4 Número de tratamientos

    Conclusión: como se rechazó Ho, es necesario investigar cual ensamble es mas conv
    para mejorar los tiempos, si se hubiera aceptado nos daría lo mismo la selección de cua
    MPLETAMENTE ALEATORIO Y ANOVA

    Suma de Cuadrados de los Tratam

    Suma de Cuadrados del Error

    Suma Total de Cuadrados

    mble. Un equipo de mejora investiga el efecto de cuatro métodos de ensamble


    le en minutos con un nivel de significancia de 0.05. En primera instancia, la
    veces los cuatro métodos de ensamble en orden completamente aleatorio (las
    os de ensamble obtenidos se muestran en la siguiente tabla . Si se usa el diseño
    que, además del método de ensamble, no existe ningún otro factor que influya
    tiva sobre la variable de respuesta (tiempo de ensamble)

    49 121 100
    81 256 144
    1620 𝑌_𝑖𝑗^
    100 121 121 2
    64 169 81
    1156 2601 1764 6362 𝑌_(𝑖.)
    〖𝑌 .. ^2
    PARA DCA
    〗 ^2
    F de tablas DECISIÓN
    3.4902948194976 Se rechaza H0 HIPÓTESIS

    Ho: No hay diferencia o efecto de los métodos de ensamble


    H1: Sí hay diferencia o efecto de los métodos de ensamble

    Condición:
    𝑆𝑖 𝑓_𝑜>𝑓_(𝑡𝑎𝑏𝑙𝑎𝑠 𝑠𝑒
    𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝐻_𝑜 )

    o investigar cual ensamble es mas conveniente utilizar


    nos daría lo mismo la selección de cualquier ensamble.
    Cuadrados de los Tratamientos

    Cuadrados del Error

    al de Cuadrados
    HIPÓTESIS

    de los métodos de ensamble en cuanto a su tiempo promedio.


    e los métodos de ensamble en cuanto a su tiempo promedio.
    3.4 PRUEBA MÚLTIPLE DE RANGOS

    El análisis de varianza es un procedimiento poderoso para probar la homogeneidad de u


    rechazamos la hipótesis nula ( ) y aceptamos la alterna (que no todas las medias son igua
    poblacionales son iguales y cuáles son diferentes

    Para probar la igualdad de todos los posibles pares de medias, se han propuesto varios m
    comparaciones múltiples o pruebas de rango múltiple. La diferencia primordial entre lo
    para detectar las diferencias entre las medias. Se dice que una prueba es más potente si
    pequeñas.

    * MÉTODO LSD: Mínima Diferencia Significativa


    Método de la diferencia mínima significativa de Fisher (método LSD).

    Una vez que se rechazo en el ANOVA, el problema es probar la igualdad de todos los posibl

    La LSD se llama diferencia mínima significativa de Fisher, ya que es la


    diferencia mínima que debe existir entre dos medias muestrales para
    considerar que los tratamientos correspondientes son significativamente
    diferentes.

    𝒕_(𝜶/ 2.17881283 LSD= 2.415601613542


    𝟐)=
    CME= 2.458333333

    PROMEDIOS
    7.25 8.5 12.75 10.5

    DIFERENCIA MUESTRAL
    DIFERENCIA VALOR ABSOLUTO
    POBLACIONAL LSD DECISIÓN

    𝜇_1−𝜇_2
    𝜇_1−𝜇_2 1.25 2.41560161
    𝜇_1−𝜇_3 5.5 2.41560161 * * Existe significancia
    𝜇_1−𝜇_4 3.25 2.41560161 *
    𝜇_2−𝜇_3 4.25 2.41560161 *
    𝜇_2−𝜇_4 2 2.41560161
    𝜇_3−𝜇_4 2.25 2.41560161

    Condición:
    𝑆𝑖 𝑉𝑎𝑙𝑜𝑟 𝐴𝑏𝑠𝑜𝑙𝑢𝑡𝑜>𝐿𝑆𝐷, 𝑇𝑈𝐾𝐸𝑌, 𝑠𝑖 ℎ𝑎𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐

    Interpretación: Como podemos observar en el resultado, podemos


    decir que en la primera, quinta y sexta diferencia muestral de las
    medias de los ensambles, se puede seleccionar cualquier ensamble y no
    afecta los tiempos, pero en la segunda, tercera y cuarta diferencia
    muestral, se tendría que ver en cual ensamble existe menor tiempo y es
    mejor.
    PLE DE RANGOS

    homogeneidad de un conjunto de medias. Sin embargo, si


    las medias son iguales) aún no sabemos cuáles de las medias

    n propuesto varios métodos, conocidos como métodos de


    primordial entre los métodos radica en la potencia que tienen
    a es más potente si es capaz de detectar diferencias más

    *MÉTODO DE TUKEY

    aldad de todos los posibles pares de medias con la hipótesis:

    Es el método más conservador para comparar pares de medias


    de tratamientos, el cual consiste en comparar las diferencias
    entre medias muestrales con el valor crítico dado por:

    𝒒_𝜶= 4.2 3.29260535

    CME= 2.45833333

    DIFERENCIA MUESTRAL
    DIFERENCIA VALOR ABSOLUTO
    POBLACIONAL TUKEY DECISIÓN

    𝜇_1−𝜇_2
    𝜇_1−𝜇_2 1.25 3.29260535
    𝜇_1−𝜇_3 5.5 3.29260535 *
    𝜇_1−𝜇_4 3.25 3.29260535
    𝜇_2−𝜇_3 4.25 3.29260535 *
    𝜇_2−𝜇_4 2 3.29260535
    𝜇_3−𝜇_4 2.25 3.29260535

    𝑦 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑣𝑎

    Interpretación: En comparación con el método LSD, podemos


    observar que existen menos diferencias significativas entre las medias
    de los ensambles, esto, debido a que el resultado del método Tukey se
    encuentra mas lejano por eso hay menos puntos, por lo que se puede
    decir que es menos preciso por el valor que arroja, en la media 1 y 3,y
    2 y 4, se tendría que ver en cual ensamble existe menor tiempo y es
    mejor.
    .
    3.5 VERIFICACIÓN DE LOS SUPUESTOS D

    TABLA ANOVA
    DE LOS SUPUESTOS DEL MODELO

    BLA ANOVA

    También podría gustarte