Capítulo 4

4-1. Un químico quiere probar el efecto de cuatro agentes químicos sobre la resistencia de
una tipo particular de tela. Debido a que podría haber variabilidad de un rollo de tela a otro,
el químico decide usar un diseño de bloques aleatorizados, con los rollos de tela
considerados como bloques. Selecciona cinco rollos y aplica los cuatro agentes químicos de
manera aleatoria a cada rollo. A continuación se presentarán las resistencias a la tensión
resultantes. Analizar los datos de este experimento (utilizar a = 0.05) y sacar las
conclusiones apropiadas.

Agente Rollo
Químico 1 2 3 4 5
1 73 68 74 71 67
2 73 67 75 72 70
3 75 68 78 73 68
4 73 71 75 75 69

4-2. Se están comparando tres soluciones de lavado diferentes a fin de estudiar su

efectividad para retardar el crecimiento de bacterias en contenedores de leche de 5 galones.
El análisis se hace en un laboratorio y sólo pueden realizarse tres ensayos en un día. Puesto
que los días podrían representar una fuente potencial de variabilidad, el experimentador
decide usar un diseño de bloques aleatorizados. Se hacen observaciones en cuatro días,
cuyos datos se muestran enseguida. Analizar los datos de este experimento (utilizar a =
0.05) y sacar las conclusiones apropiadas.

Solución Días
1 2 3 4
1 13 22 18 39
2 16 24 17 44
3 5 4 1 22

4-3. Graficar las resistencias a la tensión medias observadas para cada tipo de agente
químico en el problema 4-1 y compararlas con una distribución t con la escalación
apropiada. ¿Qué conclusiones se sacarían a partir de esta representación gráfica?

4-4. Graficar los conteos de bacterias promedio para cada solución en el problema 4-2 y
compararlos con una distribución t escalada. ¿Qué conclusiones pueden sacarse?

4-5. En el artículo de Fire Safety Jpurnal (“El efecto del diseño de boquillas en la
estabilidad y el desempeño de surtidores de agua turbulenta”, vol. 4) se describe un
experimento en el que se determinó un factor de la forma para varios diseños diferentes de
boquillas con seis niveles de la velocidad del flujo de salida del surtidor.
El interés se centró en las diferencias potenciales entre los diseños de las boquillas, con la
velocidad considerada como una variable perturbadora. Los datos se presentan a
continuación.
Diseño de Velocidad del flujo de salida del surtidor (m/s)
la boquilla 11.73 14.37 16.59 20.43 23.46 28.74
1 0.78 0.80 0.81 0.75 0.77 0.78
2 0.85 0.85 0.92 0.86 0.81 0.83
3 0.93 0.92 0.95 0.89 0.89 0.83
4 1.14 0.97 0.98 0.88 0.86 0.83
5 0.97 0.86 0.78 0.76 0.76 0.75

a) ¿El diseño de la boquilla afecta el factor de la forma? Comparar las boquillas con un
diagrama de dispersión y con un análisis de varianza, utilizando a = 0.05.
b) Analizar los residuales de este experimento.
c) ¿Qué diseños de las boquillas son diferentes con respecto al factor de la forma?
Trazar una gráfica del factor de la forma promedio para cada tipo de boquilla y
compararla con una distribución t escalada. Comparar las conclusiones que se
sacaron de esta gráfica con las de la prueba del rango múltiple de Duncan.

4-6. Considere el experimento del algoritmo para controlar la proporción de alúmina del
capítulo 3, sección 3-8. El experimento se llevó a cabo en realidad como un diseño de
bloques aleatorizados, en el que se seleccionaron seis periodos como bloques, y se probaron
los cuatro algoritmos para controlar la proporción en cada periodo. El voltaje promedio de
la celda y la desviación estándar del voltaje (indicada entre paréntesis) para cada celda son
los siguientes:

Algoritmo para Tiempo

controlar la 1 2 3 4 5 6
proporción
1 4.93(0.05) 4.86(0.04) 4.75(0.05) 4.95(0.06) 4.79(0.03) 4.88(0.05)
2 4.85(0.04) 4.91(0.02) 4.79(0.03) 4.85(0.05) 4.75(0.03) 4.85(0.02)
3 4.83(0.09) 4.88(0.13) 4.90(0.11) 4.75(0.15) 4.82(0.08) 4.90(0.12)
4 4.89(0.03) 4.77(0.04) 4.94(0.05) 4.86(0.05) 4.79(0.03) 4.76(0.02)

a) Analizar los datos del voltaje promedio de las celdas. (Utilizar a = 0.05.) ¿La
elección del algoritmo para controlar la proporción afecta el voltaje promedio de las
celdas?
b) Realizar el análisis apropiado de la desviación estándar del voltaje. (Recuerda que
éste se le llamó “ruido del crisol”.) ¿La elección del algoritmo para controlar la
proporción afecta el ruido del crisol?
c) Realizar los análisis residuales que parezcan apropiados.
d) ¿Qué algoritmo para controlar la proporción debería seleccionarse si el objetivo es
reducir tanto el voltaje promedio de las celdas como el ruido del crisol?

4-7. El fabricante de una aleación maestra de aluminio produce refinadores de textura en

forma de lingotes. La compañía produce el producto en cuatro hornos. Se sabe que cada
horno tiene sus propias características únicas de operación, por lo que en cualquier
experimento que se corra en la fundición en el que se use más de un horno, los hornos se
considerarán como una variable perturbadora. Los ingenieros del proceso sospechan que la
velocidad de agitación afecta la medida de la textura del producto. Cada horno puede
operarse con cuatro diferentes velocidades de agitación. Se lleva a cabo un diseño de
bloques aleatorizados para un refinador particular y los datos resultantes de la medida de la
textura se muestran a continuación:

Velocidad de agitación (rpm) Horno

1 2 3 4
5 8 4 5 6
10 14 5 6 9
15 14 6 9 2
20 17 9 3 6

a) ¿Existe evidencia de que la velocidad de agitación afecta la medida de la textura?

b) Representar los residuales de este experimento en una gráfica de probabilidad
normal. Interpretar esta gráfica.
c) Graficar los residuales contra el horno y la velocidad de agitación. ¿Esta gráfica
proporciona alguna información útil?
d) ¿Cuál sería la recomendación de los ingenieros del proceso con respecto a la
elección de la velocidad de agitación y del horno para este refinador de textura
particular si es deseable una medida de la textura pequeña?

4-8. Analizar los datos del problema 4-2 utilizando la prueba general de significación de la
regresión.

4-9. Suponiendo que los tipos de agentes químicos y los rollos de la tela son fijos, estimar
los parámetros del modelo  i y  i del problema 4-1.

4-10. Trazar una curva de operación característica para el diseño del problema 4-2. ¿La
prueba parece ser sensible a las diferencias pequeñas en los efectos de los tratamientos?

4-11. Suponga que falta la observación del agente químico 2 y el rollo 3 en el problema 4-
1. Analizar el problema estimando el valor faltante. Realizar el análisis exacto y comparar
los resultados.

4-12. Dos valores faltantes en un bloque aleatorizado. Suponga que en el problema 4-1
faltan observacines del agente químico tipo 2 y el rollo 3 y del agente químico tipo 4 y del
rollo 4.

a) Analizar el diseño haciendo la estimación iterativa de los valores faltantes, como se

describe en la sección 4-1.3.
b) Derivar SSE con respecto a los dos valores faltantes, igualar los resultados con cero
y resolver las ecuaciones para las estimaciones de los valores faltantes. Analizar el
diseño utilizando estas dos estimaciones de los valores faltantes.
c) Deducir las fórmulas generales para estimar dos valores faltantes cuando las
observaciones están en bloques diferentes.
 d) Deducir las fórmulas generales para estimar dos valores faltantes cuando las
observaciones están en el mismo bloque.

4-13. Un ingeniero industrial está realizando un experimento sobre el tiempo de enfoque

del ojo. Se interesa en el efecto de la distancia del objeto al ojo sobre el tiempo de enfoque.
Cuatro distancias diferentes son de interés. Cuenta con cinco sujetos para el experimento.
Debido a que puede haber diferencias entre los individuos, el ingeniero decide realizar el
experimento en un diseño de bloques aleatorizados. Los datos obtenidos se presentan a
continuación. Analizar los datos de este experimento (utilizar a = 0.05) y sacar las
conclusiones apropiadas.

Distancia Sujeto
(pies) 1 2 3 4 5
4 10 6 6 6 6
6 7 6 6 1 6
8 5 3 3 2 5
10 6 4 4 2 3

4-14. Se estudia el efecto de cinco ingredientes diferentes (A, B, C, D y E) sobre el tiempo

de reacción de un proceso químico. Cada lote de material nuevo sólo alcanza para permitir
la realización de cinco corridas. Además, cada corrida requiere aproximadamente de 1 ½
horas, por lo que sólo pueden realizarse cinco corridas en un día. El experimentador decide
realizar el experimento como un cuadro latino para que los efectos del día y el lote puedan
controlarse sistemáticamente. Obtiene los datos que se muestran enseguida. Analizar los
datos de este experimento (utilizar a = 0.05) y sacar conclusiones.

Lote Día
1 2 3 4 5
1 A=8 B=7 D=1 C=7 E=3
2 C = 11 E=2 A=7 D=3 B=8
3 B=4 A=9 C = 10 E=1 D=5
4 D=6 C=8 E=6 B=6 A = 10
5 E=4 D=2 B=3 A=8 C=8

4-15. Un ingeniero industrial investiga el efecto de cuatro métodos de ensamblaje (A, B, C

y D) sobre el tiempo de ensamblaje de un componente de televisores a color. Se
seleccionan cuatro operadores para el estudio. Además, el ingeniero sabe que todos los
métodos de ensamblaje producen fatiga, de tal modo que el tiempo requerido para el último
ensamblaje puede ser mayor que para el primero., independientemente del método. Es
decir, se desarrolla una tendencia en el tiempo de ensamblaje requerido. Para tomar en
cuenta esta fuente de variabilidad, el ingeniero emplea el diseño del cuadrado latino que se
presenta a continuación. Analizar los datos de este experimento (a = 0.05) y sacar las
conclusiones apropiadas.

Orden de Operador
ensamblaje 1 2 3 4
 1 C= D=4 A=7 B
10 =8
2 B= C = 18 D = 11 A
7 =8
3 A= B = 10 C = 11 D
5 =9
4 D= A = 10 B = 12 C
10 =
14

4-16. Suponga que en el problema 4-14 falta la observación del lote 3 en el día 4. Estimar el
valor faltante con la ecuación 4-24, y realizar el análisis utilizando este valor.

4-17. Considere un cuadrado latino de p x p con renglones (ai), columnas   k  y

tratamientos  j  fijos. Obtener estimaciones de mínimos cuadrados de los parámetros del
modelo  i ,  k y  j .

4-18. Deducir la fórmula del valor faltante (ecuación 4-24) para el diseño del cuadrado
latino.

4-19. Diseños que incluyen varios cuadrados latinos. (Ver Cochran y Cox [26] y John
[61d].)El cuadrado latino p x p contiene únicamente p observaciones para cada tratamiento.
Para obtener más réplicas, el experimentador puede usar varios cuadrados, por ejemplo n.
No es relevante si los cuadrados usados son el mismo o son diferentes. El modelo
apropiado es
i  1, 2,. .. , p

y ijk h     h   i  h    j   k  h      jh   ijkh
 j

 1
 1
, 2,. .. , p
k , 2,.. ., p

h  1 , 2,. .. , n

donde yijkh es la observación del tratamiento j en el renglón i y la columna k del cuadrado h-

ésimo. Observe que ai(h) y  k ( h ) son los efectos del renglón y la columna en el cuadrado h-
ésimo,  h es el efecto del cuadrado h-ésimo y   jh es la interacción entre los
tratamientos y los cuadrados.

a) Establecer las ecuaciones normales para este modelo y resolverlas para las
estimaciones de los parámetros del modelo. Suponga que las condiciones auxiliares
apropiadas para los parámetros son h ˆ h  0, i ˆ i ( h )  0 y k  k ( h )  0 para
cada h,  j ˆ j  0 ,  j ˆ  jh  0 para cada h y h ˆ  jh  0 para cada j.
b) Desarrollar la tabla del análisis apropiado para los datos restantes.

4-20. Comentar la forma en que pueden utilizarse las curvas de operación características del
apéndice con el diseño del cuadro latino.
4-21. Suponga que en el problema 4-14 los datos tomados en el día 5 se analizaron
incorrectamente y fue necesario descartarlos. Desarrollar un análisis apropiado para los
datos restantes.
4-22. El rendimiento de un proceso químico se midió utilizando cinco lotes de materia
prima, cinco concentraciones de ácido, cinco tiempos de procesamiento (A, B, C, D y E) y
cinco concentraciones de catalizador   ,  , y,  ,   . Se usó el cuadrado grecolatino
siguiente. Analizar los datos de este experimento (utilizar a = 0.05) y sacar conclusiones.

Lote Concentración del ácido

1 2 3 4 5
1 A   26 B  16 Cy  19 D  16 E  13
2 By  18 C  21 D  18 E  11 A  21
3 C  20 D  12 E   16 Ay  25 B  13
4 D  15 Ey  15 A  22 B  14 C  17
5 E  10 A  24 B  17 C   17 Dy  14

4-23. Suponga que en el problema 4-15 el ingeniero sospecha que los sitios de trabajo
usados por los cuatro operadores pueden representar una fuente adicional de variación. Es
posible introducir un cuarto factor, el sitio de trabajo   ,  , y ,   , y realizar otro
experimento, de donde resulta el cuadrado grecolatino siguiente. Analizar los datos de este
experimento (utilizar a = 0.05) y sacar conclusiones.

Orden de Operador
ensamblaje 1 2 3 4
1 C  11 By  10 D  14 A  8
2 B  8 C  12 Ay  10 D  12
3 A  9 D  11 B  7 Cy  15
4 Dy  9 A  8 C  18 B  6

4-24 Construir un hipercuadrado de 5 x 5 para estudiar los efectos de los cinco factores.
Desarrollar la tabla de análisis de varianza para este diseño.
4-25. Considere los datos de los problemas 4-15 y 4-23. Después de eliminar las letras
griegas del problema 4-23, analizar los datos utilizando el método desarrollado en el
problema 4-19.
4-26. Considere el diseño de bloques aleatorizados con un valor faltante en la tabla 4-7.
Analizar los datos utilizando el análisis exacto del problema del valor faltante revisado en
la sección 4-14. Comparar los resultados con el análisis aproximado de estos datos que se
presentan en la tabla 4-8.
4-27. Un ingeniero estudia las características del rendimiento de combustible de cinco tipos
de aditivos de gasolina. En la prueba de carretera el ingeniero desea usar loa automóviles
como bloques; sin embargo, debido a una restricción de tiempo, debe utilizar un diseño de
bloques incompletos. Realiza el diseño balanceado con los cinco bloques siguientes.
Analizar los datos de este experimento (utilizar a = 0.05) y sacar conclusiones.

Aditivo Automóvil
1 2 3 4 5
1 17 14 13 12
2 14 14 13 10
 3 12 13 12 9
4 13 11 11 12
5 11 12 10 8

4-28. Construir un conjunto de contrastes ortogonales para los datos del problema 4-27.
Calcular la suma de cuadrados para cada contraste.
4-29. Se estudian siete concentraciones diferentes de madera dura para determinar su efecto
sobre la resistencia del papel producido. Sin embargo, en la planta piloto sólo pueden
hacerse tres corridas de producción por día. Dado que los días pueden diferir, el analista
utiliza el diseño de bloques incompletos balanceados que se muestra abajo. Analizar los
datos de este experimento (utilizar a = 0.05) y sacar conclusiones.

Concentración de Días
madera dura (%) 1 2 3 4 5 6 7
2 114 120 117
4 126 120 119
6 137 117 134
8 141 129 149
10 145 150 143
12 120 118 123
14 136 130 127

4-30. Analizar los datos del ejemplo 4-6 utilizando la prueba general de significación de la
regresión.
4-31. Demostrar que K i 1 Qi /  a  es la suma de los cuadrados ajustada de los
a 2

tratamientos en un BIBD.
4-32. Un experimentador quiere comparar cuatro tratamientos en bloques de dos corridas.
Encontrar un BIBD para este experimento con seis bloques.
4-33. Un experimentador quiere comparar ocho tratamientos en bloques de cuatro corridas.
Encontrar un BIBD con 14 bloques y   3 .
4-34. Realizar el análisis interbloques del diseño del problema 4-27.
4-35. realizar el análisis interbloque s del diseño del problema 4-29.
4-36. Comprobar que no existe un BIBD con parámetros a = 8, r = 8, k = 4 y b = 16.
4-37. Demostrar que la varianza de los estimadores intrabloques ˆi  es k  a  1 2 /  a 2  .
4-38. Diseños extendidos de bloques incompletos. Ocasionalmente, el tamaño del bloque
cumple con la relación a k  2a . Un diseño extendido de bloques incompletos consiste en una
sola réplica de cada tratamiento en cada bloque junto con un diseño de bloques incompletos
con k* = k –a. En el caso balanceado, el diseño de bloques incompletos tendrá los
parámetros k* = k –a, r* = r –b y  * . Desarrollar el análisis estadístico. (Sugerencia:
en el diseño extendido de bloques incompletos, se tiene   2r  b   * )