ESCUELA SUPERIOR POLITÉCNICA DE

CHIMBORAZO.

FACULTAD DE MECÁNICA
ESCUELA DE INGENIERÍA INDUSTRIAL

DISEÑO EXPERIMENTAL
TEMA:
DISEÑO FACTORIAL
NOMBRE:
• Cristhian Ilbay
• Diego Loor
• Alex Ilbis
• Alex López
• Segundo Macas
DOCENTE:
Ing. Iván Acosta
FECHA DE ENTREGA:
2 021 - 02 - 02
PERÍODO LECTIVO:
PERIODO ACADÉMICO ESPECIAL OCTUBRE 2020 – MARZO
2021
Ejercicio #1:

Se corre un diseño factorial 3 × 2 con 10 réplicas para investigar el hinchamiento del

catalizador después de la extrusión en la fabricación de botellas de polietileno de alta
densidad. El catalizador se utiliza en la obtención de dicho polietileno. Los factores
investigados son: molde (con dos niveles) y B: catalizador (con tres niveles). Los datos
obtenidos se muestran en la siguiente tabla:

a. Plantee las hipótesis de interés en este problema y el modelo estadístico

correspondiente.

HIPÓTESIS:

Hipótesis con respecto al MOLDE.

𝐻𝑜 : 𝐸𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑚𝑜𝑙𝑑𝑒 𝑛𝑜 𝑖𝑛𝑓𝑙𝑢𝑦𝑒 𝑒𝑛 𝑒𝑙 ℎ𝑖𝑛𝑐ℎ𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑐𝑎𝑡𝑎𝑙𝑖𝑧𝑎𝑑𝑜𝑟; 𝜇𝐴1 = 𝜇𝐴2

𝐻𝐴 : 𝐸𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑚𝑜𝑙𝑑𝑒 𝑖𝑛𝑓𝑙𝑢𝑦𝑒 𝑒𝑛 𝑒𝑙 ℎ𝑖𝑛𝑐ℎ𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑐𝑎𝑡𝑎𝑙𝑖𝑧𝑎𝑑𝑜𝑟; 𝜇𝐴1 ≠ 𝜇𝐴2

Hipótesis con respecto al CATALIZADOR.

𝐻𝑜 : 𝐸𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑐𝑎𝑡𝑎𝑙𝑖𝑧𝑎𝑑𝑜𝑟 𝑛𝑜 𝑖𝑛𝑓𝑙𝑢𝑦𝑒 𝑒𝑛 𝑒𝑙 ℎ𝑖𝑛𝑐ℎ𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑐𝑎𝑡𝑎𝑙𝑖𝑧𝑎𝑑𝑜𝑟; 𝜇𝐵1 =

𝜇𝐵2 = 𝜇𝐵3

𝐻𝐴 : 𝐸𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑐𝑎𝑡𝑎𝑙𝑖𝑧𝑎𝑑𝑜𝑟 𝑖𝑛𝑓𝑙𝑢𝑦𝑒 𝑒𝑛 𝑒𝑙 ℎ𝑖𝑛𝑐ℎ𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑐𝑎𝑡𝑎𝑙𝑖𝑧𝑎𝑑𝑜𝑟; 𝜇𝐵1 ≠

𝜇𝐵2 ≠ 𝜇𝐵3

Hipótesis de las INTERACCIONES

𝐻𝑜 : 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑖𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑒𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑚𝑜𝑙𝑑𝑒 𝑦 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑐𝑎𝑡𝑎𝑙𝑖𝑧𝑎𝑑𝑜𝑟; 𝜇𝐴𝐵 = 0

𝐻𝐴 : 𝐸𝑥𝑖𝑠𝑡𝑒 𝑖𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑒𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑚𝑜𝑙𝑑𝑒 𝑦 𝑒𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑐𝑎𝑡𝑎𝑙𝑖𝑧𝑎𝑑𝑜𝑟; 𝜇𝐴𝐵 ≠ 0

MODELO ESTADÍSTICO:

𝑌𝑖𝑗𝑘 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘

b. Construya la tabla de análisis de varianza y determine cuáles efectos están activos.

CATALIZADOR
B1 B2 B3 𝑌𝑖..
93 92 95
92 90 94
93 92 94
92 94 94
91 91 97
A1 2777
90 91 96
90 90 94
90 92 95
91 91 94
91 92 96
MOLDE
88 90 91
88 89 97
87 88 91
88 88 90
87 90 89
A2 2673
88 89 91
87 88 92
87 89 90
87 88 90
87 88 91
𝑌.𝑗. 1787 1802 1861 5450
𝑌𝑖𝑗2 495466 495041,667

Tabla para cálculo de las interacciones: Cálculo de la suma de cuadrados:

CATALIZADOR SCT 424,33

SCA 180,27
B1 B2 B3
SCB 153,03
A1 913 915 949
MOLDE SCAxB 3,43
A2 874 887 912
SCE 87,60
ANOVA:

FV SM GL CM F Valor crítico CD
MOLDE 180,27 1,00 180,27 111,12 4,02 S
CATALIZADOR 153,03 2,00 76,52 47,17 3,17 S
INTERACCIÓN 3,43 2,00 1,72 1,06 3,17 NS
ERROR 87,60 54,00 1,62
TOTAL 424,3 59
CONCLUSIÓN: Al determinar la tabla ANOVA, observamos que existen dos factores
activos o significativos, los cuales son el factor del tipo del molde y el factor del tipo de
catalizador, dado que 112,12>4,02 y 47,17>3,17 respectivamente. Entonces no podemos
rechazar la hipótesis alternativa la cual nos dice que, el molde influye en la hinchazón del
catalizador y a su vez también aceptamos la otra hipótesis alternativa la cual nos
establecía que el catalizador influye en el hinchamiento del catalizador.

c. Dibuje las gráficas de medias para los dos efectos principales con los métodos LSD
y de Tukey. Compare los resultados de ambos métodos.

Gráfica LSD de los promedios del Factor A

Gráfica LSD de los promedios del Factor B

MEDIANTE TUKEY:
𝑞(𝛼,𝑘,𝑔𝑙) = 𝑞(0,05,6,54)=4,646
𝐶𝑀𝐸 1,62
𝑇𝐴 = 𝑞(𝛼,𝑘,𝑔𝑙) *√ = 4,646 ∗ √ = 0,973
𝑛 30

𝐶𝑀𝐸 1,62
𝑇𝐵 = 𝑞(𝛼,𝑘,𝑔𝑙) *√ = 4,646 ∗ √ = 1,192
𝑛 20

Diferencia Diferencia Diferencia Criterio de

Tukey
poblacional muestral muestral decisión
𝜇𝐴1 𝜇𝐴2 𝑌𝐴1 𝑌𝐴2 3,467 0,973 S
𝜇𝐵1 𝜇𝐵2 𝑌𝐵1 𝑌𝐵2 0,75 1,192 NS
𝜇𝐵2 𝜇𝐵3 𝑌𝐵2 𝑌𝐵3 2,95 1,192 S
𝜇𝐵1 𝜇𝐵3 𝑌𝐵1 𝑌𝐵3 3,7 1,192 S

CONCLUSIÓN: Mediante las gráficas LSD tanto para el molde como para el
catalizador, se observó lo que se concluyó en el ANOVA, es decir, que existe diferencia
significativa entre ellos. Por parte de la gráfica LSD del Molde observamos que no existe
traslape, y en la gráfica del LSD del catalizador, observamos que tan solo existe traslape
en el catalizador B1 Y B2.

Para confirmar lo anteriormente dicho, se realizó el análisis mediante el modo analítico

de Tukey, y observamos y comprobamos que existe diferencia entre el molde A1 y A2.
Por el otro lado observamos que en el catalizador existe diferente significativa entre los
tipos B2 y B3, B1 y B3 y en el único que no existe diferencia es en el tipo B1 y B2 como
se lo observó mediante la gráfica LSD del factor B.
d. Haga la gráfica de interacción e interprete

CONCLUSIÓN: Mediante el ANOVA se pudo determinar que no existía diferencia

significativa dado que 1,06<3,17. Mediante la gráfica se puede comprobar que no existe
interacción dado que aproximadamente se ve que poseen la misma pendiente y se sitúan
de manera paralela entre ellas, es decir, no interceptan en ningún punto. Por otro lado, se
observa que la hinchazón más baja se obtiene con el molde A2 y el catalizador A1, y por
el contrario se observa que el mayor valor de hinchamiento se lo obtiene mediante el
Molde A1 y el catalizador B3.

e. Determine cuál es el mejor tratamiento. ¿Cuál es el hinchamiento predicho en el

mejor tratamiento? Verifique los supuestos de normalidad y varianza constante.
CONCLUSIÓN: En este caso como se requiere maximizar, es decir se requiere del
hinchamiento del catalizador, podemos decir que el mejor tratamiento sería mediante el
molde A1 y el catalizador B3 como se observan en las dos gráficas, dado que en ese punto
obtenemos el mayor valor promedio, y el hinchamiento predicho en ese tratamiento es de
94,5 por lo que deberíamos considerar estos tratamientos para obtener los mejores
resultados en el proceso de fabricación de las botellas.

PRUEBA DE NORMALIDAD:

CONCLUSIÓN: Dado que el valor p es menor que nuestro nivel de significancia de 0,05
podemos decir que los datos no se distribuyen de forma normal, por lo que se tendría que
realizar un ajuste en los datos para que tenga mayor veracidad en las conclusiones
obtenidas.
PRUEBA DE HOMOCEDASTICIDAD:

CONCLUSIÓN: Dado que mediante la prueba de Levene nos resultó un valor p de 0,55
lo cual es mayor a nuestro nivel de significancia de 0,05 nos indica que si cumplen con el
supuesto de homogeneidad de varianza.

f. Utilice la gráfica de residuos contra factores para detectar posibles efectos sobre
la dispersión del hinchamiento. ¿En cuál molde parece que es menor la dispersión?
CONCLUSIÓN: Una vez realizada la gráfica de residuos vs los efectos, se observa que
existe una mayor dispersión en molde de tipo A1 y en el caso de los catalizadores se
observa una semejanza entre el B1 y B2 mientras que el que posee mayor dispersión
parece ser el B3.

EJERCICIO #2.

Para mejorar la resistencia a la torsión de las adhesiones de componentes electrónicos

sobre placas, se estudiaron dos tipos de pegamentos (A1 y A2) y tres temperaturas de
curado (60, 80 y 100°C). En cada combinación se analizaron dos componentes y los
resultados obtenidos son los siguientes:

a. Plantee las hipótesis de interés en este problema y el modelo estadístico

correspondiente.
HIPÓTESIS

Hipótesis con respecto al PEGAMENTO

𝐻𝑜 : 𝐸𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑝𝑒𝑔𝑎𝑚𝑒𝑛𝑡𝑜 𝑛𝑜 𝑖𝑛𝑓𝑙𝑢𝑦𝑒 𝑒𝑛 𝑙𝑎 𝑟𝑒𝑠𝑖𝑠𝑡𝑒𝑛𝑐𝑖𝑎 𝑎 𝑙𝑎 𝑡𝑜𝑟𝑠𝑖ó𝑛; 𝜇𝐴1 = 𝜇𝐴2

𝐻𝐴 : 𝐸𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑝𝑒𝑔𝑎𝑚𝑒𝑛𝑡𝑜 𝑖𝑛𝑓𝑙𝑢𝑦𝑒 𝑒𝑛 𝑙𝑎 𝑟𝑒𝑠𝑖𝑠𝑡𝑒𝑛𝑐𝑖𝑎 𝑎 𝑙𝑎 𝑡𝑜𝑟𝑠𝑖ó𝑛; 𝜇𝐴1 ≠ 𝜇𝐴2

Hipótesis con respecto al CURADO

𝐻𝑜 : 𝐿𝑎 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑐𝑢𝑟𝑎𝑑𝑜 𝑛𝑜 𝑖𝑛𝑓𝑙𝑢𝑦𝑒 𝑒𝑛 𝑙𝑎 𝑟𝑒𝑠𝑖𝑠𝑡𝑒𝑛𝑐𝑖𝑎 𝑎 𝑙𝑎 𝑡𝑜𝑟𝑠𝑖ó𝑛; 𝜇60 =

𝜇80 = 𝜇100

𝐻𝐴 : 𝐿𝑎 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑐𝑢𝑟𝑎𝑑𝑜 𝑖𝑛𝑓𝑙𝑢𝑦𝑒 𝑒𝑛 𝑒𝑙 ℎ𝑖𝑛𝑐ℎ𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑐𝑎𝑡𝑎𝑙𝑖𝑧𝑎𝑑𝑜𝑟;

𝜇60 ≠ 𝜇80 ≠ 𝜇100

Hipótesis de las INTERACCIONES

𝐻𝑜 : 𝑁𝑜 𝑒𝑥𝑖𝑠𝑡𝑒 𝑖𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑒𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑝𝑒𝑔𝑎𝑚𝑒𝑛𝑡𝑜 𝑦 𝑙𝑎 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑐𝑢𝑟𝑎𝑑𝑜

; 𝜇𝐴𝐵 = 0

𝐻𝐴 : 𝐸𝑥𝑖𝑠𝑡𝑒 𝑖𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛 𝑒𝑛𝑡𝑟𝑒 𝑒𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑝𝑒𝑔𝑎𝑚𝑒𝑛𝑡𝑜 𝑦 𝑙𝑎 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑑𝑒 𝑐𝑢𝑟𝑎𝑑𝑜

; 𝜇𝐴𝐵 ≠ 0

MODELO ESTADÍSTICO:

𝑌𝑖𝑗𝑘 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘

b. Construya el ANOVA y decida cuáles efectos están activos.

CURADO
PEGAMENTO
60 80 100 𝑌𝑖..
2,5 3,8 4
PEGAMENTO A1 20,7
2,8 3,4 4,2
1,6 3,2 4,3
PEGAMENTO A2 17,82
1,22 2,8 4,7
𝑌.𝑗. 8,12 13,2 17,2 38,52
𝑌𝑖𝑗2 136,4384 123,6492

Tabla para cálculo de las interacciones:

CURADO
PEGAMENTO 60 80 100
PEGAMENTO A1 5,3 7,2 8,2
PEGAMENTO A2 2,82 6 9
Cálculo de la suma de cuadrados:

SCT 12,79
SCA 0,69
SCB 10,35
SCAxB 1,37
SCE 0,38
ANOVA:
FV SM GL CM F Valor crítico CD
PEGAMENTO 0,69 1,00 0,69 10,99 5,99 S
CURADO 10,35 2,00 5,18 82,35 5,14 S
INTERACCIÓN 1,37 2,00 0,68 10,87 5,14 S
ERROR 0,38 6,00 0,06
TOTAL 12,8 11

CONCLUSIÓN: Al determinar la tabla ANOVA, observamos que existen tres factores

activos o significativos, los cuales son el factor del tipo de pegamento, la temperatura de
curado y la interacción entre ellos, dado que 10,99>5,99; 82,35>5,14 y por último que
10,87>5,14 respectivamente. Entonces no podemos rechazar la hipótesis alternativa la
cual nos dice que, el tipo de pegamento influye en la resistencia a la torsión, tampoco se
puede rechazar la otra hipótesis alternativa la cual nos establecía que la temperatura de
curado influye en la resistencia a la torsión y por último también aceptamos la hipótesis
alternativa de las interacciones, la cual nos establece que existe interacción entre el
pegamento y la temperatura de curado.

c. Dibuje las gráficas de efectos y determine con ellas el mejor tratamiento.

CONCLUSIÓN: Una vez realizada las gráficas de promedios de efectos principales y de
interacción, podemos afirmar en el primer gráfico que existen diferencia significativa
tanto en el tipo de pegamento como en la temperatura de curado por lo que no observa
traslape entre ellos; así mismo observamos en la gráfica de interacción que existe
diferencia significativa debido a que las pendientes se ven muy distintas entre ellas y
también podríamos decir que existe una interacción positiva entre la temperatura de
curado de 60 y la de 100 así como también con la de 100 y 80.

En este caso como queremos elevar la resistencia a la torsión, para ello el mejor
tratamiento se observa que es mediante el tipo de PEGAMENTO 2 y una temperatura de
CURADO de 100, por lo que debemos de tomar en cuenta estos parámetros para aumentar
la resistencia a la torsión.

d. Estime la resistencia a la torsión en el mejor tratamiento.

CONCLUSIÓN: Como se mencionó anteriormente, el mejor tratamiento es mediante el
tipo de PEGAMENTO 2 y una temperatura de CURADO de 100, y se estima que la
resistencia a la torsión mediante ese tratamiento será de 4,5.

e. Verifique residuos.

CONCLUSIÓN: Como se puede observar, no persigue una distribución normal, tanto en

la gráfica de residuos de probabilidad, así como en el histograma, por lo que se debería
tomar en cuenta tomar los datos de mejor manera para que no influyan en la veracidad de
las conclusiones que obtengamos.

EJERCICIO #3.

En una empresa alimenticia se desean evaluar cuatro antioxidantes, a través de su efecto

en un aceite vegetal. El propósito es seleccionar el producto que retrase más la oxidación.
Las pruebas se hacen en condiciones de estrés, midiendo como variable de respuesta al
índice de peróxidos. Se evalúan diferentes unidades experimentales a diferentes tiempos.
Los datos obtenidos se muestran a continuación (en el control no se agrega ningún
antioxidante).

Tiempo
Producto
4 horas 8 horas 12 horas
Control 3,84 3,72 27,63 27,58 39,95 39
A 4 3,91 22 21,83 46,2 45,6
B 3,61 3,61 21,94 21,85 46,58 42,98
C 3,57 3,5 20,5 20,32 45,14 44,89
D 3,64 3,61 20,3 20,19 44,36 44,02
 a) Formule el modelo estadístico más apropiado al problema y las hipótesis
estadísticas que se pueden probar.

HIPÓTESIS
Para el factor (ANTIOXIDANTES)

Ho: Los antioxidantes no influyen en el retraso de la oxidación del aceite vegetal.; 𝛼1 =

𝛼2 = 𝛼3

HA: Los antioxidantes si influyen en el retraso de la oxidación del aceite vegetal.; 𝛼1 ≠

𝛼2 ≠ 𝛼3

Para el factor (TEMPERATURA)

Ho: El tiempo de exposición no influye en el retraso de la oxidación del aceite vegetal.;

𝛽1 = 𝛽2 = 𝛽3

HA: El tiempo de exposición si influye en el retraso de la oxidación del aceite vegetal.;

𝛽1 ≠ 𝛽2 ≠ 𝛽3

Para la INTERACCIÓN tipo de material vs temperatura

Ho: La relación que existe entre los antioxidantes y el tiempo es nula.; α𝛽𝑖𝑗 =
0 , 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖𝑗

HA: La relación que existe entre La relación que existe entre los antioxidantes y el tiempo
es significativa.; α𝛽𝑖𝑗 ≠ 0, 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜

MODELO MATEMÁTICO

𝒀𝒊𝒋𝒌 = 𝑢 + α𝑖 + 𝛽𝑗 + α𝛽𝑖𝑗 + 𝜀𝑖𝑗𝑘

a) Haga un análisis de varianza y observe los aspectos más relevantes.

Tiempo
Producto Suma Yi..^2
4 horas 8 horas 12 horas
Control 3,84 3,72 27,63 27,58 39,95 39
A 4 3,91 22 21,83 46,2 45,6 143,54 20603,73
B 3,61 3,61 21,94 21,85 46,58 42,98 140,57 19759,92
C 3,57 3,5 20,5 20,32 45,14 44,89 137,92 19021,93
D 3,64 3,61 20,3 20,19 44,36 44,02 136,12 18528,65
 Suma 29,45 168,93 359,77 558,15 77914,24
Y.j.^2 867,30 28537,34 129434,45 158839,10
∑Y.j. ^2 19869,92

Tiempo
Producto ∑Yij^2
4 horas 8 horas 12 horas
Control 7,56 55,21 78,95
A 7,91 43,83 91,8
B 7,22 43,79 89,56 39726,25
C 7,07 40,82 90,03
D 7,25 40,49 88,38

N 24 Factor corrección 12980.48

A 4 SCtotal 6889.44
B 3 SCantioxidante (A) 5.23
AxB 2 SCtiempo(B) 6874.41
SCantioxidante X
tiempo 3.01
ScErrror 6.80

ANOVA

F-
SC GL CM FO CD
FV CRÍTICO
SCantioxidante (A) 5,23 3 1,74 3,08 3,490 NS
SCtiempo(B) 6874,41 2 3437,21 6068,56 3,885 S
SCantioxidante X
3,01 6 0,50 0,88 2,996 NS
tiempo
SCErrror 6,80 12 0,57
TOTAL 6889,44 23 299,54

CONCLUSIÓN

En estadístico de prueba FO del tiempo (3.08) > F- critico (3,490); esto quiere decir que
el tiempo de exposición si influye en el retraso de la oxidación del aceite vegetal, por lo
tanto, se acepta HA y se rechaza Ho. Mientras que para el tipo de producto antioxidante
utilizado y la relación entre producto vs tiempo ambas resultaron ser no significativas,
por lo que se acepta Ho y se rechaza HA de manera que estos factores no influyen en el
índice de los peróxidos en otras palabras no tienen una influencia considerable reduciendo
el tiempo de oxidación.
 b) ¿Los supuestos del modelo se cumplen?

En este caso la gráfica de efectos con respecto al producto se puede comprobar que no
hay significancia ya que la gráfica se asemeja a una constante, mientras que para el tiempo
se puede observar que mientras va aumentando el tiempo, el retraso de la oxidación es
mayor. Por lo que se puede concluir que la mejor opción para tener un mayor retardo de
oxidación seria exponer el producto a un determinado antioxidante a 12 horas.

En este caso se puede observar que, a un tiempo de 12 horas, los productos A, B, C, D

tienen un retardo a la oxidación muy parecidas, por lo que se concluye que, para tener un
retraso mayor a la oxidación del aceite vegetal, lo más idóneo es trabajar con el producto
A (antioxidante A) en un tiempo de exposición o reposo de 12 horas.
 c) Considerando que a menor índice de peróxidos mejor es el producto, ¿hay
algún producto que sea mejor estadísticamente?

Gráfica de intervalos de Desempeño

95% IC para la media
50
45,9
44,78 45,015 44,19

40
Desemp o

30
eñ

21,915 21,895
20 20,41 20,245

10

3,955 3,61 3,535 3,625

0
Producto A B C D A B C D A B C D
Tiempo 4 8 12

La desviación estándar agrupada se utilizó para calcular los intervalos.

CONCLUSIÓN

En este caso para cumplir con el propósito que es seleccionar el producto que retrase más
la oxidación, el producto ideal será el A con un tiempo de 12 horas, ya que se puede
observar en las gráficas que el valor promedio de A a 12 horas de exposición es de 45, 9,
siendo el mejor resultado de todo el tratamiento y la mejor opción para cumplir con los
requerimientos de oxidación.

EJERCICIO #4.

En la siguiente tabla se presenta la vida útil (en horas) observada sobre un tipo de batería.
Se considera que los factores que influyen son el tipo de material y la temperatura a la
que está expuesta:

TIPO DE TEMPERATURA
MATERIAL 15 70 125
1 130 155 174 180 34 40 80 75 50 70 82 58
2 150 188 159 126 136 122 106 115 45 72 60 48
3 138 110 168 160 174 120 150 139 96 104 82 78

a) Formule el modelo estadístico más apropiado al problema y las hipótesis

estadísticas que se pueden probar.
 HIPÓTESIS

Para el factor (TIPO DE MATERIAL)

Ho: El tipo de material con el que es construida la batería no influye en la vida útil de la
misma.; 𝑯𝒐: 𝛼1 = 𝛼2 = 𝛼3

HA: El tipo de material con el que es construida la batería si influye en la vida útil de la
misma.; 𝑯𝑨 : 𝛼1 ≠ 𝛼2 ≠ 𝛼3

Para el factor (TEMPERATURA)

Ho: La temperatura a la que está expuesta la batería no influye en la vida útil de la

misma.; 𝑯𝒐: 𝛽1 = 𝛽2 = 𝛽3

HA: La temperatura a la que está expuesta la batería si influye en la vida útil de la

misma.; 𝑯𝑨 : 𝛽1 ≠ 𝛽2 ≠ 𝛽3

Para la interacción tipo de material vs temperatura

Ho: La relación que existe entre el tipo de material y la temperatura a la que está
expuesta la batería es nula.; 𝑯𝒐: α𝛽𝑖𝑗 = 0 , 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖𝑗

HA: La relación que existe entre el tipo de material y la temperatura a la que está
expuesta la batería es significativa.; 𝑯𝑨 : α𝛽𝑖𝑗 ≠ 0, 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜

Modelo matemático

𝒀𝒊𝒋𝒌 = 𝑢 + 𝛼𝑖 + 𝛽𝑗 + 𝛼𝛽𝑖𝑗 + 𝜀𝑖𝑗𝑘

b) Haga un análisis de varianza y observe los aspectos más relevantes.

TIPO DE TEMPERATURA
Suma ∑Yi..^2
MATERIAL 15 70 125
1 130 155 174 180 34 40 80 75 50 70 82 58 1128 1272384
2 150 188 159 126 136 122 106 115 45 72 60 48 1327 1760929
3 138 110 168 160 174 120 150 139 96 104 82 78 1519 2307361
Suma 1838 1291 845 3974 5340674
Y.j.^2 3378244 1666681 714025 5758950
∑Y.j.^2 510130

TIPO DE TEMPERATURA
MATERIAL 15 70 125
1 639 229 260
2 623 479 225
3 576 583 360 1997822

N=36
A=3
B=3
AxB=4
Factor corrección 438685,44
SCtotal 71444,56
SCmaterial (A) 6370,72
SCtemperatura(B) 41227,06
SCmaterial X temperatura 13172,28
SCErrror 10674,50

ANOVA

F-
FV SC GL CM FO CD
CRÍTICO
SCmaterial (A) 6370,72 2 3185,36 8,057 3,354 SIGNIFICATIVO
SCtemperatura(B) 41227,06 2 20613,53 52,14 3,354 SIGNIFICATIVO
SCmaterial X
13172,28 4 3293,07 8,329 2,728 SIGNIFICATIVO
temperatura
SCErrror 10674,5 27 395,35
SCtotal 71444,56 35 2041,27

CONCLUSIÓN

Mediante la elaboración de la tabla Anova se puede observar que el estadístico de prueba

FO> F- crítico para todos los casos; esto quiere decir que el tipo de material con el que es
construida la batería, la temperatura a la que está expuesta la batería y la relación que
existe entre el tipo de material y temperatura, si influye significativamente en la vida útil
de la batería; por lo tanto, se acepta HA y se rechaza Ho en los 3 casos
 c) Realice las gráficas de efectos e interprete

CONCLUSIÓN

En este caso se puede observar en la gráfica de efectos del tipo de material que cuando la
batería es construida con el tipo de material 1 el nivel de la vida útil es bajo, mientras que
si se le construye con el tipo de material 3 la vida útil aumenta. En la gráfica de efectos
de la temperatura a la que está expuesto la batería se puede concluir que a una temperatura
de 15 °C la vida útil va a ser la máxima, ya que si la batería está expuesto a una
temperatura de 125 °C su vida útil va a ser muy corta.
CONCLUSIÓN

En este caso se puede observar a través de la gráfica de interacción del tipo de material
vs la temperatura, para que la batería para que tenga una vida útil al máximo se tendrá
que construir con el tipo de material 1 y la temperatura más adecuada a la que tendrá que
estar expuesta es 15 °C.

d) ¿Los supuestos del modelo se cumplen?

Gráfica de intervalos de Desempeño

95% IC para la media
200

175
159,75
155,75
150 145,75
144
Desemp o
eñ

125
119,75

100
90

75
65
57,25 56,25
50

Temperatura 15 70 125 15 70 125 15 70 125

Tipo material Tipo 1 Tipo 2 Tipo 3

La desviación estándar agrupada se utilizó para calcular los intervalos.

En este caso se puede observar que existe traslape en algunos puntos, Tipo 1 con una
temperatura de 15 °C, Tipo 2 con una temperatura de 15 °C y Tipo 3 a una temperatura
de 15 y 70 °C; mediante los valores promedio se puede concluir que la opción más
adecuada para establecer la vida útil de la batería al máximo es construir la batería con
tipo de material 1 y exponer la misma a una temperatura máxima de 15 °C ( valor
promedio = 159,75), ya que si se pasa de ese valor la vida útil va a ser menor.

e) Determine el coeficiente de determinación e interprete

𝐶𝑀𝑇 𝐶𝑀𝐸
𝑹𝟐 = ∗ 100%
𝐶𝑀𝑇

2041,27 395,35
𝑹𝟐 = ∗ 100% = 𝟖𝟎, 𝟔𝟑%
2041,27

El tratamiento es eficiente, ya que el 80, 63 % de variabilidad es explicado por los factores

tipo de material con el que es construida la batería, la temperatura a la que está expuesta
y la relación que existe entre los dos; mientras que el 19,37 % de variabilidad es
provocado por otros factores, por lo tanto, se puede aceptar esta propuesta de fabricación
ya que el coeficiente de determinación es mayor al 75 %.

EJERCICIO #6.

A continuación, se muestran los resultados de un diseño factorial. Conteste los siguientes

incisos sin utilizar un software computacional, es decir, haga las operaciones de manera
manual.

Réplica
A B I II III
- - 82 80 84
+ - 78 82 79
- + 71 70 66
+ + 89 88 93

a. ¿Qué nombre recibe este diseño y por qué?

De acuerdo a los datos de la tabla suministrados por el ejercicio, podemos afirmar que se
trata de un diseño factorial 22 ya que tienen dos factores A Y B y dos niveles en cada uno
(+; -)

b. ¿Cuántos tratamientos tiene este diseño, ¿cuántas réplicas?

Debido a que se trata de un Diseño factorial 22 podemos determinar que tenemos 4
tratamientos y 3 réplicas para cada uno de los tratamientos.

c. En total son 12 corridas experimentales. Señale en qué orden debieron correrse y

explique por qué.

Las corridas debieron ser tomadas de manera aleatoria para equilibrar el efecto de las
condiciones externas o no controlables que siempre existen en los diferentes procesos, de
manera que los datos puedan cumplir con el supuesto de independencia de manera que
los resultados obtenidos van ser mucho más fiables.

d. Explique los efectos que se pueden estudiar a través de este diseño.

Para todo diseño factorial 22 van existir tres efectos, dos principales que corresponden a
los tratamientos A y B; y uno de la interacción de AxB, para todos estos efectos se
formulan las hipótesis nulas como alternativas.
e. Obtenga los contrastes para los efectos principales de A y B, así como para la
interacción.

Réplica
TOTAL YATES
A B A*B I II III
- - + 82 80 84 246 (1)
+ - - 78 82 79 239 a
- + - 71 70 66 207 b
+ + + 89 88 93 270 ab

Contraste de A = (A+ + A+)- (A- -A-)

Contraste de A = ((a + ab) – ((1) + b))
Contraste de A = (239+270 - (246+207))
Contraste de A = 56
Contraste de B = (B+ + B+) - (B- -B-)
Contraste de B = (b + ab –((1) – a))
Contraste de B = (207+270-(246+239))
Contraste de B = -8
Contraste de AB = AB+ + AB+ - AB- -AB-
Contraste de AB= ((1) + ab - a - b)
Contraste de AB = (246+270-239-207)
Contraste de AB = 70
f. Calcule los efectos principales y el efecto de interacción.

MODELO ESTADÍSTICO

𝒀𝒊𝒋𝒌 = 𝑢 + 𝛼𝑖 + 𝛽𝑗 + 𝛼𝛽𝑖𝑗 + 𝜀𝑖𝑗

HIPÓTESIS

Hipótesis para A

Ho= El efecto de A tiene un impacto significativo en la variable respuesta; 𝑯𝒐: 𝛼1 = 𝛼2

HA= El efecto de A no tiene un impacto significativo en la variable respuesta; 𝑯𝒐: 𝛼1 ≠

𝛼2
Hipótesis para B

Ho= El efecto de B tiene un impacto significativo en la variable respuesta; 𝑯𝒐: 𝛽1 = 𝛽2

HA= El efecto de B no tiene un impacto significativo en la variable respuesta; 𝑯𝒐: 𝛽1 ≠

𝛼2

Hipótesis para la interacción entre AxB

Ho= El efecto de la interacción entre A y B tiene un impacto significativo en la variable

respuesta; 𝑯𝒐: 𝛼1 𝛽1 = 𝛼2 𝛽2

HA= El efecto de la interacción entre A y B no tiene un impacto significativo en la variable

respuesta; 𝑯𝒐: 𝛼1 𝛽1 ≠ 𝛼2 𝛽2

9622
𝑺𝑪𝑻 = 77840 = 719,667
3∗4
562
𝑺𝑪𝑨 = = 261
3∗4
82
𝑺𝑪𝑩 = = 5,33
3∗4
702
𝑺𝑪𝑨𝑩 = = 408,33
3∗4
𝑺𝑪𝑬 = 𝑆𝐶𝑇 𝑆𝐶𝐴 𝑆𝐶𝐵 𝑆𝐶𝐴𝐵
𝑺𝑪𝑬 = 719,667 261 5,33 408,33 = 45,007

ANOVA

Criterio de
ANOVA
decisión
FV SC GL CM Fo Fα (95%) Fα (99%) 95% 99%

A 261,33 1 261,33 46,81 S S

B 5,33 1 5,33 0,96 5,32 11,26 NS NS

A*B 408,33 1 408,33 73,13 S S

ERROR 44,67 8 5,58

TOTAL 719,67 11 65,42

ANÁLISIS Y CONCLUSIÓN:

Una vez finalizado el ANOVA se puede concluir que:

- El FACTOR A es muy significativo debido a que Fo (46,81) > Fα (5,32 y 11.26)

a un nivel de confianza del 95% y del 99% respectivamente, por lo tanto, se
rechaza la hipótesis nula y se acepta la hipótesis alternativa de manera que el
factor A tiene un efecto significativo sobre la variable respuesta.
- El FACTOR B no es significativo debido a que Fo (0.96) > Fα (5,32 y 11.26) a
un nivel de confianza del 95% y del 99% respectivamente, por lo tanto, se acepta
la hipótesis nula y se rechaza la hipótesis alternativa de manera que el factor A no
tiene un efecto significativo sobre la variable respuesta.
- La interacción entre el factor A y B es muy significativo debido a que Fo (73.13)
> Fα (5,32 y 11.26) a un nivel de confianza del 95% y del 99% respectivamente,
por lo tanto, se rechaza la hipótesis nula y se acepta la hipótesis alternativa de
manera que la interacción entre el factor A y el factor B tiene un efecto
significativo sobre la variable respuesta.

g. Haga las gráficas de los efectos principales de A y B, e interprételas.

En la gráfica de efectos principales de los resultados se observa que el factor A en el punto

más alto tiene mayor variabilidad que en B y en el punto más bajo de A existe menor
variabilidad que en el punto más bajo que B.
h. Realice la gráfica de la interacción entre los factores A y B, e interprétela con
detalle.

Se identifica que hay menos variabilidad en el factor B y que se obtiene el mayor valor
en A+ con B+ y el menor valor con A- Y B- Y que nuestra mejor opción en la opción A

i. ¿Desde su punto de vista el factor B parece tener influencia sobre Y? Argumente

su respuesta.
Según lo estudiado, el factor B no tiene una influencia considerable sobre la variable Y,
pues como observamos en las gráficas y en la tabla ANOVA la variabilidad está más
relacionada al factor A y a la interacción AxB.

j. Defina la ecuación de regresión que se ajusta al comportamiento de la variable

respuesta.
Ecuación de regresión

Resultado = 80,167 - 4,667 A_- + 4,667 A_+ + 0,667 B_- - 0,667 B_+ + 5,833 A*B_- -
- 5,833 A*B_- + - 5,833 A*B_+ - + 5,833 A*B_+ +
EJERCICIO 7

En una empresa lechera se han tenido problemas con la viscosidad de cierta bebida de
chocolate. Se cree que con dos ingredientes que se agregan en pequeñas cantidades se
puede resolver este problema, por lo que es necesario explorar la situación; para ello se
corre un experimento con cuatro réplicas. A continuación, se aprecian los resultados
obtenidos:

INGREDIENTES A INGREDIENTES B A*B VISCOSIDAD Sumatoria yA

-1 -1 + 13,3 13,9 14,2 13,4 54,8 1
1 -1 - 14,7 14,4 14,6 14,9 58,6 a
-1 1 - 16,9 16,2 17,2 15,5 65,8 b
1 1 + 17,4 17,1 18,5 19,1 72,1 ab

Sumatoria de cuadrados.

176,89 193,21 201,64 179,56

216,09 207,36 213,16 222,01
285,61 262,44 295,84 240,25
302,76 292,41 342,25 364,81 3996,29

Contrastes

Contraste A 10,1
Contraste B 24,5
Contraste
A*B 2,5
Efectos

Efecto A 1,2625
Efecto B 17,7125
Efecto A*B 0,3125

ANOVA

ANOVA
FV SC GL CM Fo Foo CD
A 6,375625 1 6,375625 15,22 4,747 S
B 37,515625 1 37,515625 89,55 S
INTERACCION A*B 0,390625 1 0,390625 0,93 NS
ERROR 5,03 12 0,42
TOTAL 49,31 15 3,29 3,29

Estime todos los posibles efectos y diga cuáles son significativos.

A 6,375625 1 6,375625 15,22 4,747 S

B 37,515625 1 37,515625 89,55 S
INTERACCION A*B 0,390625 1 0,390625 0,93 NS

• Los efectos significativos son el ingrediente A y el ingrediente B, mientras que la

interaccion A*B, no es significativa.
1. Realice un análisis de varianza de estos datos y obtenga conclusiones
generales.
ANOVA
FV SC GL CM Fo Foo CD
A 6,375625 1 6,375625 15,22 S
B 37,515625 1 37,515625 89,55 4,747 S
INTERACCION A*B 0,390625 1 0,390625 0,93 NS
ERROR 5,03 12 0,42
TOTAL 49,31 15 3,29 3,29
• Cada uno de los factores afecta el proceso en varias cantidades que se difieren
entre si, siendo los ingredientes A y B los mas significativos.
• El ingrediente B es mas significativo que A y A*B (interaccion), ademas el
ingrediente A tambien es un ingrediente que ayuda a resolver el problema de
viscocidad.

2. Interprete a detalle los efectos significativos.

• El tratamiento ganador es en el que interviene el ingrediente B, pues si se añade

unicamente el ingrediente B, se logra disminuir en gran cantidad el problema de
la viscosidad del chocolate.
• Ademas el ingrediente A, puede disminuir significativamente el problema, pero
no en gran medida.
• Finalmente si se añade el ingrediente A y B, en la mezcla no se lograra disminuir
el problema.
 3. ¿Hay un tratamiento ganador para minimizar?, Realice las graficas

• Podemos observar que el ingrediente B tiene mayor incidencia sobre el

ingrediente A y la interacción A*B, por lo tanto, al momento de añadir en la
mezcla para poder resolver el problema de la viscosidad, entonces el tratamiento
optimo y ganador es el Ingrediente B.

4. Determine el coeficiente de determinación e interprete.

COEFICIENTE DE DETERMINACIÓN
R^2 87%

El l 87% de los efectos se explica por los tres factores que estamos estudiando, y el 13%
son errores naturales.
Ejercicio 8

En una empresa de electrónica una máquina toma componentes que le proporciona un

alimentador, para depositarlos en una tarjeta. Se ha tenido el problema de que la máquina
falla en sus intentos por tomar el componente, lo cual causa paros de la máquina que
detienen el proceso hasta que el operador reinicia el proceso. Para diagnosticar mejor la
situación, se decide correr un diseño de experimentos con n = 2 réplicas, en el que se
tienen los siguientes factores y niveles (-+), respectivamente:

A) Velocidad de cam (70%, 100%),

B) Velocidad de mesa (media, alta).

Como el proceso es muy rápido, es necesario dejarlo operar en cada condición

experimental el tiempo suficiente para reproducir el problema. Se consideró que esto se
lograba con suficiente confianza con 500 componentes; por ello, cada una de las corridas
experimentales consistió en colocar 500 componentes, y se midieron dos variables de
respuesta:

Y1 = número de errores (o intentos fallidos), y

Y2 = tiempo real (en segundos) para tomar y "colocar" los 500 componentes.

Es evidente que se quiere minimizar ambas variables.

Los datos obtenidos se muestran en la siguiente tabla

1. Investigue qué efectos influyen de manera significativa sobre Y1 (apóyese en

Pareto y ANOVA).
 ANÁLISIS DE VARIANZA
FV SC GL CM F P-VALOR F CRITICO
A V. CAM 7200 1 7200 25,1308901 0,00742155 7,70864742 S
B V. MESA 162 1 162 0,56544503 0,49390192 7,70864742 NS
Interacción 392 1 392 1,36823735 0,30705819 7,70864742 NS
ERROR 1146 4 286,5

Total 8900 7

• El efecto A de la velocidad del cam que se encuentra al 70% - 100% afecta de

manera siginificativa al numero de errores o intentos fallidos durante las pruebas.
• En cambio la interaccion A*B y el tratamiento B, no afectan de manera
significativa a Y1 ( numero de errores o intentos fallidos)
Si en el análisis anterior encuentra alguna interacción significativa, analice con detalle la
más importante e interprete en términos físicos.

A V. CAM 7200 1 7200 25,1308901 0,00742155 7,70864742 S

B V. MESA 162 1 162 0,56544503 0,49390192 7,70864742 NS
Interacción 392 1 392 1,36823735 0,30705819 7,70864742 NS
• Ninguna de las interacciones requieren un analisis ya que no afectan de manera
significativa en el procedimiento que requiere para contabilisar el numero de
rrores realizado por la maquina.
2. ¿Qué tratamiento minimiza Y1? Ahora investigue qué efectos influyen de
manera relevante sobre Y2. ¿Qué tratamiento minimiza Y2?

• Los tratamientos se encuentran dentro del promedio, lo que significa que la

variacion entre los efectos de la velocidad del Cam en combinacion con la
velocidad de la mesa, se encuentran dentro de un promedio muy bajo.

• En cambio podemos observar que el tiempo para tomar y colocar se ven afectados
por la velocidad de la mesa y la velocidad del cam, pero sus valores tambien se
 encuentran dentro de un promedio alto dandonos a denotar que no varian mucho
entre ellos.

3. Encuentre una condición satisfactoria tanto para minimizar Y1 como Y2.

• Las codiciones mas satisfactorias para minimizar Y1 es: A- y B+
• Las condiciones mas Satisfactorias para minimizar Y2 es: A+ y B- ; como tambien
A+ y B+

4. De los análisis de varianza para Y1 y Y2 observe el coeficiente R2. ¿Qué

concluye de ello?
Y2 : tiempo real (en segundos) para tomar y "colocar" los 500 componentes.

• El 58% de la variabilidaad está explicada por los componentes de estudio y al ser

mínimo no es significativo mínimo debe ser del 75% para estimar que el diseño
es bueno, por lo tanto se necesita hacer un mejor analisis para determinar cuales
son los factores que van a influir en la variable respuesta Y2: Tiempo.
Y1: número de errores (o intentos fallidos),

El 87% de la variabilidaad está explicada por los componentes de estudio y al ser

mínimo no es significativo mínimo debe ser del 75% para estimar que el diseño
es bueno.

5. Defina la ecuación de regresión que se ajusta al comportamiento de las

variables respuestas
Y1: número de errores (o intentos fallidos),
Y2: tiempo real (en segundos) para tomar y "colocar" los 500 componentes.

EJERCICIO #9

En una fábrica de dientes se tiene problemas con la calidad: porosidad (burbujas de aire
dentro de los dientes), manchas blancas, dientes sucios, dientes quebrados. En los intentos
por resolver los problemas han hecho cambios en algunos factores o variables del proceso.
Con base en la metodología del DDE se decide correr un diseño de experimentos. Los
factores y niveles son: temperatura de prensado (90, 130 °C), tiempo de prensado (8 y 15
minutos) y tamaño de partícula (sin tamizar y con tamizado), la variable de respuesta fue
porcentaje de diente bueno en cada corrida (un lote de producción). Los datos son los
siguientes:
Temperatura (A) Tiempo (B) T. de partícula (C) Porcentaje de diente bueno
90 8 Sin Tamizar 76.4 76.9
130 8 Sin Tamizar 76.3 76.9
90 15 Sin Tamizar 80.4 81
130 15 Sin Tamizar 77.9 79.6
90 8 Con Tamizar 84.4 84.6
130 8 Con Tamizar 84.7 84.5
90 15 Con Tamizar 82.7 83.2
130 15 Con Tamizar 85 84.7

a. Estime todos los posibles efectos y diga cuáles son significativos.

Primero es necesario determinar el tipo de diseño factorial estamos analizando, de
acuerdo a la información de la tabla el ejercicio trata de un diseño factorial 23, es decir
vamos a tener tres factores y dos niveles; por consecuencia tendremos siete efectos, tres
efectos principales (A,B,C), tres efectos de interacción doble (AxB, AxC, BxC) y un
efectos de interacción triple (AxBxC).
Efecto de A 0 Contraste A 0
Efecto de B 1.225 Contraste B 9.8
Efecto de C 6.05 Contraste C 48.4
Efecto AxB -0.025 Contraste AxB -0.2
 Efecto BxC -1.875 Contraste BxC -15
Efecto AxC 1 Contraste AxC 8
Efecto Contraste
7.4
AxBxC 0.925 AxBxC

Como se observa los efectos mas significativos resultaron ser por parte del tiempo de
prensado, del tamaño de la partícula, de la interacción doble entre AxC y la interacción
triple entre AxBxC. De manera que se observa la influencia que tiene el facto C (tamaño
de particula), en la variable respuesta (% de diente bueno).
b. Realice un análisis de varianza de estos datos y obtenga conclusiones generales.
HIPÓTESIS
Para el factor A (Temperatura de prensado)

Ho: La temperatura de prensado no influye en el porcentaje de diente bueno en cada

corrida.; 𝛼1 = 𝛼2

HA: La temperatura de prensado si influye en el porcentaje de diente bueno en cada

corrida; 𝛼1 ≠ 𝛼2

Para el factor B (Tiempo de prensado)

Ho: El tiempo de prensado no influye en el porcentaje de diente bueno en cada corrida.;

𝛽1 = 𝛽2

HA: El tiempo de prensado influye en el porcentaje de diente bueno en cada corrida.;

𝛽1 ≠ 𝛽2

Para el factor C (Tamaño de partícula)

Ho: El tamaño de partícula no influye en el porcentaje de diente bueno en cada corrida.;

𝛾1 = 𝛾2

HA: El tamaño de partícula influye en el porcentaje de diente bueno en cada corrida.;

𝛾1 ≠ 𝛾2

Para la INTERACCIÓN DOBLE AxB

Ho: La relación que existe entre la temperatura y tiempo de prensado es nula por lo tanto
no tiene impacto en el porcentaje de diente bueno por corrida.; α𝛽𝑖𝑗 = 0 , 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖𝑗
HA: La relación que existe entre la temperatura y tiempo de prensado tiene impacto en
el porcentaje de diente bueno por corrida.; α𝛽𝑖𝑗 ≠ 0, 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜

Para la INTERACCIÓN DOBLE AxC

Ho: La relación que existe entre la temperatura de prensado y el tamaño de partícula es

nula por lo tanto no tiene impacto en el porcentaje de diente bueno por corrida.; α𝛾𝑖𝑘 =
0 , 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖𝑘

HA: La relación que existe entre la temperatura de prensado y el tamaño de partícula

tiene impacto en el porcentaje de diente bueno por corrida.; α𝛾𝑖𝑘 ≠ 0, 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜

Para la INTERACCIÓN DOBLE BxC

Ho: La relación que existe entre el tiempo de prensado y el tamaño de partícula es nula
por lo tanto no tiene impacto en el porcentaje de diente bueno por corrida.; 𝛽𝛾𝑗𝑘 =
0 , 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖𝑗

HA: La relación que existe entre el tiempo de prensado y el tamaño de partícula tiene
impacto en el porcentaje de diente bueno por corrida.; 𝛽𝛾𝑗𝑘 ≠ 0, 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜

Para la INTERACCIÓN TRIPLE AxBxC

Ho: La relación que existe entre la temperatura, el tiempo de prensado y el tamaño de

partícula es nula por lo tanto no tiene impacto en el porcentaje de diente bueno por
corrida.; 𝛼𝛽𝛾𝑖𝑗 = 0 , 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑖𝑗𝑘

HA: La relación que existe entre la temperatura, el tiempo de prensado y el tamaño de

partícula tiene impacto en el porcentaje de diente bueno por corrida.; 𝛼𝛽𝛾𝑖𝑗𝑘 ≠
0, 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜

MODELO MATEMÁTICO

𝒀𝒊𝒋𝒌 = 𝑢 + α𝑖 + 𝛽𝑗 + 𝛾𝑘 + α𝛽𝑖𝑗 + α𝛾𝑖𝑘 + βγ𝑗𝑘 + α𝛽𝛾𝑖𝑗𝑘 + 𝜀𝑖𝑗𝑘

A B C AxB AxC BxC AxBxC Porcentaje TOTAL YATES
- - - + + + - 76.4 76.9 153.3 (1)
+ - - - - + + 76.3 76.9 153.2 a
- + - - + - + 80.4 81 161.4 b
+ + - + - - - 77.9 79.6 157.5 ab
 - - + + - - + 84.4 84.6 169 c
+ - + - + - - 84.7 84.5 169.2 ac
- + + - - + - 82.7 83.2 165.9 bc
+ + + + + + + 85 84.7 169.7 abc
1299.2

Efecto de A 0 Contraste A 0 SCA 0

Efecto de B 1.225 Contraste B 9.8 SCB 6.0025
Efecto de C 6.05 Contraste C 48.4 SCC 146.41
Efecto AxB -0.025 Contraste AxB -0.2 SCAxB 0.0025
Efecto BxC -1.875 Contraste BxC -15 SCBxC 14.0625
Efecto AxC 1 Contraste AxC 8 SCAxC 4
Efecto AxBxC 0.925 Contraste AxBxC 7.4 SCAxBxC 3.4225

FV SC GL CM Fo Fcritico CD
A 0 1 0 0 NS
B 6.0025 1 6.0025 22.4392523 S
C 146.41 1 146.41 547.327103 S
AxB 0.0025 1 0.0025 0.00934579 5.31765507 NS
BxC 14.0625 1 14.0625 52.5700935 S
AxC 4 1 4 14.953271 S
AxBxC 3.4225 1 3.4225 12.7943925 S
Error 2.14 8 0.2675
TOTAL 176.04 15 11.736

R^2 98%

CONCLUSIÓN

Una vez analizado el ANOVA se observa que los efectos producidos por los factores
principales B (tiempo) y C (tamaño de particula), las interacciones dobles entre AxC y
BxC así como el efecto de la interacción triple AxBxC, son significativos con un 98% de
manera que para estos se acepta la hipótesis alternativa y se rechaza la nula; pues si
producen un efecto sobre la variable Y (porcentaje de diente bueno).

c. Verifique residuos, ¿qué observa que sea notorio?

d. ¿Hay un tratamiento ganador?

Como se observa en la grafica la mayor influencia la tiene el factor C (Tamaño de grano),

de manera que es el factor cuya influencia es principal sobre el porcentaje de diente
bueno. De manera que, si se requiere aumentar el porcentaje de este, se requiere trabajar
con un tamaño de grano que haya pasado por un proceso de tamizado.

e. ¿Qué condición de proceso sugiere emplear a futuro? Tome en cuenta, además,

que, a mayor tiempo y mayor temperatura, más costos.
Considerando la grafica y el análisis en ANOVA el mejor tratamiento requiere de un
proceso de tamaño de grano CON TAMIZADO, en lo que respecta la temperatura no
tiene un impacto significativo por lo cual se puede utilizar cualquier temperatura, siendo
que la influencia del tiempo no parece tan relevante y si un costo por los recursos que
representa se opta por un tiempo de 8 minutos.
f. Las condiciones que se utilizaban antes del experimento eran: temperatura de 130
°C y tiempo de 15 minutos. ¿Por qué cree que se eligieron niveles inferiores de
prueba para estos factores?
Simplemente como se observo en el desarrollo de este ejercicio, la temperatura no tenía
un impacto significativo de manera que si se comprobaba que con 90 °C se tenían mismos
resultados que con 130 °C eso representaría una mejora y un ahorro económico
importante, considerando el tiempo pasa lago similar, si al reducir los recursos invertidos
en el proceso se obtuvieron resultados similares hablando del porcentaje de diente bueno,
siendo necesarios menos recursos en esas factores y una mayor prioridad en el
TAMIZADO.
g. Estos resultados, aunque positivos, no son suficientes; por lo tanto, qué sugiere
usted, ¿explorar más niveles de los factores ya estudiados?, ¿considerar otras
causas? o ¿qué? Argumente.
Considero que un solo factor tenga demasiado impacto sobre el proceso indica que
probablemente no se consideraron aspectos del grano que pue diesen tener una influencia
real, sin embargo, se comprobó con el estadístico R2 que su valor fue del 98% que los
resultados obtenidos sobre la influencia del factor C (TAMIZADO), son los fiable y
representa la variabilidad del proceso estudiado.