Diseño de experimentos

Tarea 3Tema 8. Pruebas de rangos

múltiples

2-7-2024

Adrian Hernández Vargas

tecmilenio
 1. Busca en fuentes de información confiables los siguientes conceptos: Curvas:
Desviaciones estándar: Intervalo de confianza: Potencia de prueba: desviación
estándar de un conjunto de muestras aleatorias: el estadístico de Student.

Pruebas de rangos múltiples

Pruebas de comparaciones múltiples (LSD).

Es una comparación múltiple. Que se basa en la creación de un valor común, un umbral,

basado en un test de la t de Student. Se realizan todas las diferencias entre medias de los
t niveles.

Las diferencias que estén por encima de este umbral indicarán una diferencia de medias
significativa y las diferencias que estén por debajo indicarán una diferencia no
significativa: Es importante considerar la tasa de error por familia al realizar
comparaciones múltiples, porque las probabilidades de cometer un error de tipo I para
una serie de comparaciones son mayores que la tasa de error de cualquier comparación
individual.

La expresión consiste en y hipótesis alterna se plantea con la expresión

.

ejemplo: Probar que las medias de dos poblaciones con 4 tratamientos son
significativamente diferentes si ya disponemos de las medias de los 4 tratamientos
realizados en un experimento anterior: como en nuestro ejemplo para todas las
concentraciones A, B,C y D se tomaron tres muestras), calculamos el
estadístico LSD con la siguiente fórmula:

Si el diseño no está balanceado, es decir, para

muestras de tamaño diferente n1 y n2, calculamos el
estadístico LSD con la siguiente fórmula:

A continuación, realizamos una tabla con el valor absoluto de las

diferencias entre tratamientos: Rechazamos la
hipótesis nula si:

1. Tabla del modelo de un factor de efectos fijos balanceados con N = a*n = 12:
2. Definimos que, por lo tanto.
3. De la Tabla A.4 de Walpole (2012) obtenemos que.
4. MSE = 11.5833.
5. Calcular el valor del estadístico LSD:
Tabla con el valor absoluto de las diferencias entre tratamientos (sin repetición):

µB-µC | 12 – 13 | 1 < 9.526 Se acepta

µB-µA | 12 – 14 | 2 < 9.526 Se acepta

µB-µC | 12 – 18 | 2 < 9.526 Se acepta
µC-µA | 13 – 14 | 1 < 9.526 Se acepta
µC-µD | 13 – 18 | 5 < 9.526 Se acepta
µA-µD | 14 – 18 | 4 < 9.526 Se acepta

Rechazamos la hipótesis nula y, por lo tanto, aceptamos la hipótesis alterna sí:

Prueba de Tukey.

El método de Tukey se utiliza intervalos de confianza para todas las diferencias en parejas
entre las medias de los niveles de los factores mientras controla la tasa de error por
familia en un nivel especificado. Es importante considerar la tasa de error por familia
cuando se hacen comparaciones múltiples, porque la probabilidad de cometer un error
de tipo I para una serie de comparaciones es mayor que la tasa de error para cualquier
comparación individual.

Consiste en probar que las medias de dos poblaciones con “a” tratamientos son
significativamente diferentes. La prueba de Tukey permite comparar dos a dos todos los
tratamientos, está diseñada para garantizar que todas las comparaciones tengan en
global una confianza del 100 (1- α) %.

De tal forma que la hipótesis nula se plantea con la expresión siguiente: de

tal forma que la hipótesis alterna se plantea con la expresión siguiente: .

Calcular el valor del estadístico con la siguiente fórmula:

A continuación, realizamos una tabla con el valor absoluto
de las diferencias entre tratamientos:
Rechazamos la hipótesis nula y, por lo tanto, aceptamos la hipótesis alterna sí:
Probar que las medias de dos poblaciones con 4 tratamientos son significativamente
diferentes si ya disponemos de las medias de los 4 tratamientos realizados en un
experimento anterior; ver Tabla 2 (resultados del ANOVA).

Solución:

1. Tabla del modelo de un factor de efectos fijos balanceados con N = a*n = 12: Tabla
2. (cálculos previos).
2. Definimos que
3. De la Tabla F obtenemos que .
4. MSE = 11.5833

El valor absoluto de las diferencias entre tratamientos:

µB-µC | 12 – 13 | 1 < 8.91 Se acepta

µB-µA | 12 – 14 | 2 < 8.91 Se acepta

µB-µC | 12 – 18 | 2 < 8.91 Se acepta

µC-µA | 13 – 14 | 1 < 8.91 Se acepta

µC-µD | 13 – 18 | 5 < 8.91 Se acepta

µA-µD | 14 – 18 | 4 < 8.91 Se acepta

Rechazamos la hipótesis nula y, por lo tanto, aceptamos la hipótesis alterna sí:

; ver resultados en la Tabla 1. Tabla de Resultados.
En el ejercicio se acepta la hipótesis nula, ya que ninguna comparación nos da como
resultado que la diferencia sea mayor al indicador de 8.91. Esto quiere decir que la
diferencia no es significativa.
Prueba de rangos de Duncan.

consiste en probar que las medias de dos poblaciones con “a” tratamientos son
significativamente diferentes a través de los rangos mínimos significativos (LSR, Least
Significant Ranges). El procedimiento para realizar la prueba es el siguiente:

 Una vez obtenidos los datos en la tabla del modelo de un factor de efectos fijos
balanceados.
 Se ordenan por rango (de menor a mayor).
 Se calcula MSE.
 Calcular el error estándar con la siguiente fórmula:
 Definir el nivel de significancia para realizar la prueba.
 Obtener, para p = 2,3,…,a partir de una tabla. Por ejemplo, la Tabla VII de
Montgomery (2012).
 Calcular los n - 1 LSR con la siguiente
fórmula:
 A continuación, realizamos una tabla con las diferencias entre las medias de los
tratamientos (mayor menos menor):
e incluimos en cada línea la comparación con los Rp.
 Rechazamos la hipótesis nula y, por lo tanto, aceptamos la hipótesis
alterna si existen diferencias significativas:

Ejemplo: Probar que las medias de dos poblaciones con 4 tratamientos son
significativamente diferentes si ya disponemos de las medias de los 4 tratamientos
realizados en un experimento anterior, (resultados del ANOVA).

1. Tabla del modelo de un factor de efectos fijos balanceados con N = a*n = 12; ver la
Tabla 1. (Cálculos previos).
2. Se ordenan por rango (de menor a mayor); ver la Tabla 5 (cálculos).

Paso 2: Paso 6: Paso 7: LSRs Paso 8: Diferencias y comparaciones

R0.05(2,8) = R2 = 3.26*1.965 4 vs.3: 18- 3 vs.2: 2 vs.1: 13-
3.26 = 14.34= 14.34-3= 12=
6.41 4.34 < 6.41 1.34 < 6.41 1 <6.41
R0.05(3,8) = R3 = 3.39*1.965 4 vs.3: 18- 3 vs.1:
3.39 = 13= 14.34-12=
6.67 5.34 < 6.67 2.34 < 6.67
R0.05(4,8) = R4 = 3.47*1.965 4 vs.1: 18-
3.47 = 12=
6.82 6 < 6.82
Observamos en la Tabla 1 (resultados del ANOVA) que MSE = 11.
5833. Al calcular: Definimos que . A partir de la Tabla VII
de Montgomery obtenemos los rangos significativos. Calcular
los (n – 1) LSR. Diferencias entre las medias de los tratamientos (mayor menos menor):
e incluimos en cada línea la comparación con los Rp.Dado que
en todas las desigualdades: aceptamos la hipótesis nula de que si existen
diferencias significativas.

2. Realiza un cuadro sinóptico en donde presentes la definición de cada concepto y

su relación con el tema de tamaño de la muestra.

Explicación

Recordemos el experimento planteado en el tema 7 con respecto a la resistencia del

papel:

Una compañía necesita aumentar la resistencia de un papel para envoltura de dulces,

para lo cual cambiará la fórmula de la sustancia con la que se fabrica, ya que se sabe que
el uso de cierto sólido repercute en la resistencia, por lo cual se decide experimentar
cambiando la concentración de este sólido a la sustancia de fabricación del papel de
envoltura y se probará cuál concentración es la que concede mejor resistencia.

Una vez que se mide la resistencia de tres papeles realizados con las cuatro diferentes
concentraciones de sólido en la sustancia fabricante, se obtienen los siguientes
resultados:
Para los ejemplos de los subtemas 8.1, 8.2 y 8.3, utilizaremos las siguientes tablas:

Suma de Grados de Cuadrados

Estadístico F 0
cuadrados libertad medios

Tratamiento SSTr =62 3 20.6667 1.7841727

Error SSE = 92.6667 8 11.5833

Total SST =154.667 11

Tabla 2. Tabla ANOVA de resultados.

j= n=

Niveles (diferente
concentración de 1 2 3 Promedio Suma S
sustancia sólida)
 i= 1 A 14 17 12 14.3 43 4.2

2 B 10 10 16 12 36 8

3 C 10 19 10 13 39 1

C(k) = 4 D 17 18 19 18 54 .66

30.

Tabla 1. Datos de medición de la tensión del papel medido en psi.

Primero es importante calcular la media de medias:

En la que:

a. SSTr es la varianza del error entre tratamientos, que es la variación de los

tratamientos y se obtiene con la fórmula:

El cálculo se realiza de suma de cuadrado de los tratamientos= 186 para calcular el

cuadrado medio se divide entre c-1

b. SSE es la varianza del error dentro de los tratamientos, y se obtiene con la

fórmula:

Ejemplo para la concentración de sólido A, se calcula la desviación dentro del grupo:

 Luego, cada resultado de suma de varianza del error se multiplica por la cantidad
de observaciones: 3(4.22)+3(8)+3(18)+3(.667) = 92.667

c. SST = SSTr + SSE es la varianza del error total, y se obtiene con la fórmula:

SST = SSTr + SSE: 154.667=62+92.667

d. Para calcular el estadístico F sería:

Para los ejemplos de los subtemas 8.1, 8.2 y 8.3, utilizaremos las siguientes tablas:

Grados
Suma de Cuadrados Estadístico
de
cuadrados medios F0
libertad
Tratamiento SSTr =62 3 20.667 1.7841727
SSE =
Error 8 11.5833
92.6667
SST
Total 11
=154.667
Tabla 2. Tabla ANOVA de resultados.

Si revisamos el valor Fcalculada = Fc = 1.7841 vs. valor de la tabla F (3,8,0.05)

obtenemos que:

.78 > 8.85, por tanto, se rechaza la Ho, o bien si utilizas Minitab, se puede calcular a partir
de conocer que el Pvalue: 0.000 es menor que el valor de α 0.05 se rechaza Ho.

La interpretación de rechazar Ho denota que al menos un tratamiento tiene una media

con diferencia significativa.

8.1 Pruebas de comparaciones múltiples (LSD).

La prueba de comparaciones múltiples —también conocida como método Fisher de
diferencia mínima significativa (Least Significant Difference) — consiste en probar que las
medias de dos poblaciones con “a” tratamientos son significativamente diferentes. De tal
forma que la hipótesis nula se plantea con la expresión siguiente:

Realizamos una prueba de una cola, de tal forma que la hipótesis alterna se plantea con la
expresión siguiente:

El procedimiento para realizar la prueba es el siguiente:

1. Una vez obtenidos los datos en la tabla del modelo de un factor de efectos fijos
balanceados (ver tema 6.2).
2. Definir el nivel de significancia para realizar la prueba.
3. Obtener a partir de una tabla. Por ejemplo la Tabla A.4 de Walpole (2012).
4. Calcular MSE.
5. Calcular el valor del estadístico LSD:

Si las muestras son del mismo tamaño, n = n1 = n2, es decir, el diseño está
balanceado (como en nuestro ejemplo para todas las concentraciones A,B,C y D se
tomaron tres muestras), calculamos el estadístico LSD con la siguiente fórmula:

Si el diseño no está balanceado, es decir, para muestras de tamaño diferente n1 y n2,

calculamos el estadístico LSD con la siguiente fórmula:

6. A continuación realizamos una tabla con el valor absoluto de las diferencias entre
tratamientos:
 7. Rechazamos la hipótesis nula si:

Ejemplo

Probar que las medias de dos poblaciones con 4 tratamientos son significativamente
diferentes si ya disponemos de las medias de los 4 tratamientos realizados en un
experimento anterior: ver Tabla 2 (Resultados del ANOVA).

Solución:

1. Tabla del modelo de un factor de efectos fijos

balanceados con N = a*n = 12:
2. Definimos que , por lo tanto .
3. De la Tabla A.4 de Walpole (2012) obtenemos
que .
4. MSE = 11.5833.
5. Calcular el valor del estadístico LSD:

6. Tabla con el valor absoluto de las diferencias entre

tratamientos (sin repetición):

µB-µC | 12 – 13 | 1 < 9.526 Se acepta

µB-µA | 12 – 14 | 2 < 9.526 Se acepta

µB-µC | 12 – 18 | 2 < 9.526 Se acepta

µC-µA | 13 – 14 | 1 < 9.526 Se acepta

µC-µD | 13 – 18 | 5 < 9.526 Se acepta

µA-µD | 14 – 18 | 4 < 9.526 Se acepta

Tabla 3. Tabla de Resultados

 7. Rechazamos la hipótesis nula y, por lo tanto,
aceptamos la hipótesis alterna sí:

En este caso no tenemos suficiente evidencia estadística para rechazar Ho. Quiere decir
que en el ejemplo expuesto el grado de diferencia no es significativo.

8.2 Prueba de Tukey

La prueba de Tukey consiste en probar que las medias de dos poblaciones con
“a” tratamientos son significativamente diferentes. La prueba de Tukey permite comparar
dos a dos todos los tratamientos, está diseñada para garantizar que todas las
comparaciones tengan en global una confianza del 100 (1- α) %.

De tal forma que la hipótesis nula se plantea con la expresión siguiente:

Realizamos una prueba de dos colas, de tal forma que la hipótesis alterna se plantea con
la expresión siguiente:

El procedimiento para realizar la prueba es el siguiente:

1. Una vez obtenidos los datos en la tabla del modelo de un factor de efectos fijos
balanceados (ver tema 6.2).
2. Definir el nivel de significancia para realizar la prueba.
3. Obtener a partir de una tabla. Por ejemplo, Domínguez y Castaño (2016).
(Ver los rangos estandarizados, Tabla F en la sección de tablas) en la que f son los
grados de libertad asociados con MSE.
4. Calcular MSE.
5. Calcular el valor del estadístico con la siguiente fórmula:

6. A continuación realizamos una tabla con el valor absoluto de las diferencias entre
tratamientos:

7. Rechazamos la hipótesis nula y, por lo tanto, aceptamos la hipótesis alterna sí:

 Ejemplo

Probar que las medias de dos poblaciones con 4 tratamientos son significativamente
diferentes si ya disponemos de las medias de los 4 tratamientos realizados en un
experimento anterior; ver Tabla 2 (resultados del ANOVA).

Solución:

1. Tabla del modelo de un factor de efectos fijos

balanceados con N = a*n = 12: Tabla 2. (cálculos
previos).
2. Definimos que
3. De la Tabla F obtenemos que .
4. MSE = 11.5833

5. .

6. Tabla con el valor absoluto de las diferencias entre

tratamientos:

µB-µC | 12 – 13 | 1 < 8.91 Se acepta

µB-µA | 12 – 14 | 2 < 8.91 Se acepta

µB-µC | 12 – 18 | 2 < 8.91 Se acepta

µC-µA | 13 – 14 | 1 < 8.91 Se acepta

µC-µD | 13 – 18 | 5 < 8.91 Se acepta

µA-µD | 14 – 18 | 4 < 8.91 Se acepta

Tabla 4. Tabla de Resultados

7. Rechazamos la hipótesis nula y, por lo tanto,

aceptamos la hipótesis alterna sí:

; ver resultados en la Tabla 1. Tabla

de Resultados.
 8. En el ejercicio se acepta la hipótesis nula, ya que
ninguna comparación nos da como resultado que la
diferencia sea mayor al indicador de 8.91. Esto
quiere decir que la diferencia no es significativa.
9. En el caso que alguna diferencia hubiera sido > 8.91,
este tratamiento sería el que tiene una diferencia
significativa a los demás tratamientos. En el caso del
ejercicio se traduciría a que la concentración de tal
sólido hace que la resistencia fuese mejor. En el
caso real de nuestro análisis nos demuestra que la
concentración del sólido no tiene relevancia para la
resistencia del papel.

NOTA: se observa que los resultados coinciden con la prueba LSD.

En Minitab, al correr la prueba de tukey visualmente se puede verificar las comparaciones

entre medias, si algún intervalo de comparación tiene un punto de media en el cero esto
significaría que tiene una diferencia significativa, de lo contrario no se encuentra
diferencia significativa.

Figura1. Prueba de Tukey en Minitab.

Esta pantalla se obtuvo directamente del software que se está explicando en la computadora, para fines
educativos.
8.3 Prueba de rangos de Duncan

La prueba de rangos de Duncan consiste en probar que las medias de dos poblaciones
con “a” tratamientos son significativamente diferentes a través de los rangos mínimos
significativos (LSR, Least Significant Ranges).

El procedimiento para realizar la prueba es el siguiente:

1. Una vez obtenidos los datos en la tabla del modelo de un factor de efectos fijos
balanceados (ver tema 6.2).
2. Se ordenan por rango (de menor a mayor).
3. Se calcula MSE.
4. Calcular el error estándar con la siguiente fórmula:

5. Definir el nivel de significancia para realizar la prueba.

6. Obtener , para p = 2,3,…,a partir de una tabla. Por ejemplo, la Tabla VII
de Montgomery (2012).
7. Calcular los n - 1 LSR con la siguiente fórmula:

8. A continuación realizamos una tabla con las diferencias entre las medias de los
tratamientos (mayor menos menor):
e incluimos en cada línea la comparación con los Rp.
9. Rechazamos la hipótesis nula y, por lo tanto, aceptamos la hipótesis alterna si
existen diferencias significativas:

Ejemplo
Probar que las medias de dos poblaciones con 4 tratamientos son significativamente
diferentes si ya disponemos de las medias de los 4 tratamientos realizados en un
experimento anterior; ver Tabla 1 (resultados del ANOVA).

Solución:

1. Tabla del modelo de un factor de efectos fijos

balanceados con N = a*n = 12; ver la Tabla 1.
(Cálculos previos).
2. Se ordenan por rango (de menor a mayor); ver la
Tabla 5 (cálculos).

Paso 2: Paso 6: Paso 7: LSRs Paso 8: Diferencias y comparaciones

R =
2 4 vs.3: 18- 3 vs.2: 2 vs.1:
R (2,8) =
0.05
3.26*1.965 = 14.34= 14.34-3= 13-12=
3.26
6.41 4.34 < 6.41 1.34 < 6.41 1 <6.41

R =
3 4 vs.3: 18- 3 vs.1:
R (3,8) =
0.05
3.39*1.965 = 13= 14.34-12=
3.39
6.67 5.34 < 6.67 2.34 < 6.67

R =
4 4 vs.1: 18-
R (4,8) =
0.05
3.47*1.965 = 12=
3.47
6.82 6 < 6.82

Tabla 5. Cálculos

3. Observamos en la Tabla 1 (resultados del ANOVA)

que MSE = 11.5833.

4. Calcular: .
5. Definimos que .
6. A partir de la Tabla VII de Montgomery obtenemos
los rangos significativos. Ver la Tabla 3 (cálculos).
7. Calcular los (n – 1) LSR. Ver la Tabla 5 (cálculos).
8. Diferencias entre las medias de los tratamientos
(mayor menos menor):
e incluimos en cada línea
la comparación con los Rp.
 9. Dado que en todas las desigualdades:
aceptamos la hipótesis nula de que si
existen diferencias significativas.

Cierre

Al realizar la comparación entre pares de medias de tratamientos con cualquiera de las

tres pruebas estudiadas, hay que efectuar los procedimientos con mucho cuidado para
poder tomar la mejor decisión posible.

De tal suerte que las pruebas de hipótesis que se realicen sean significativamente
diferentes, y así lleguen a ser aceptadas o rechazadas con toda certeza.

Por ejemplo: para probar que la eficiencia de una gasolina con dos aditivos A y B son
significativamente diferentes, podemos hacer uso de las pruebas sobre la diferencia de
medias con comparaciones múltiples (LSD), Tukey o rangos de Duncan.

Referencias bibliográficas

 Domínguez, J., y Castaño, E. (2016). Diseño de Experimentos: Estrategias y análisis en

ciencias e ingenierías. México: Alfaomega.
 Gutiérrez, H., y De la Vara, R. (2012). Análisis y diseño de experimentos (3ª ed.).
México: McGraw-Hill.
 Montgomery, D. (2012). Diseño de experimentos (2ª ed.). México. Limusa Wiley.