Parcial 2
Integrante: Dana Marcela Pérez Sampayo - 2018216093
Ejercicio 1
Se utiliza una aleación de níquel y titanio para fabricar componentes de los motores de turbina de
aviones. La formación de fisuras es un problema potencialmente serio de las piezas terminadas, ya
que pueden provocar fallas irreversibles. Se realiza una prueba de las piezas para determinar el
efecto de cuatro factores sobre las fisuras. Los cuatro factores son la temperatura de vaciado (A), el
contenido de titanio (B), el método de tratamiento térmico (C) y la cantidad de refinador de grano
usada (D). Se hacen dos réplicas de un diseño 24 y se mide la longitud de las fisuras (en mm x 10-2)
inducidas en un ejemplar de prueba de muestra sometido a una prueba estándar. Los datos se
muestran en la siguiente tabla:
a) Estimar los efectos de los factores. ¿Qué efectos de los factores parecen ser grandes?
Efecto Estimado Error Estd. V.I.F.
promedio 11.9881 0.0516945
A:Factor_A 0.142875 0.103389 1.0
B:Factor_B 0.29825 0.103389 1.0
C:Factor_C 6.2455 0.103389 1.0
D:Factor_D 3.49575 0.103389 1.0
AB -1.122 0.103389 1.0
AC -0.442 0.103389 1.0
AD 1.03975 0.103389 1.0
BC -1.14612 0.103389 1.0
BD 0.114875 0.103389 1.0
CD -1.10462 0.103389 1.0
ABC 0.069375 0.103389 1.0
ABD 0.875875 0.103389 1.0
ACD 3.33763 0.103389 1.0
BCD -1.73875 0.103389 1.0
ABCD -0.1235 0.103389 1.0
bloque -0.0445 0.103389 1.0
R:/ Los efectos producidos son grandes C, D, AD, AB, ACD, CD, BCD Y BC
b) Conducir un análisis de varianza. ¿Alguno de los factores afecta la formación de fisuras?
utilizar α = 0.05
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
A:Factor_A 0.163306 1 0.163306 1.91 0.1872
B:Factor_B 0.711624 1 0.711624 8.32 0.0113
C:Factor_C 312.05 1 312.05 3649.11 0.0000
D:Factor_D 97.7621 1 97.7621 1143.23 0.0000
AB 10.0711 1 10.0711 117.77 0.0000
AC 1.56291 1 1.56291 18.28 0.0007
AD 8.64864 1 8.64864 101.14 0.0000
BC 10.5088 1 10.5088 122.89 0.0000
BD 0.10557 1 0.10557 1.23 0.2840
CD 9.76157 1 9.76157 114.15 0.0000
ABC 0.0385031 1 0.0385031 0.45 0.5124
ABD 6.13726 1 6.13726 71.77 0.0000
ACD 89.1179 1 89.1179 1042.14 0.0000
BCD 24.186 1 24.186 282.83 0.0000
ABCD 0.122018 1 0.122018 1.43 0.2508
bloques 0.015842 1 0.015842 0.19 0.6730
Error total 1.28271 15 0.0855141
Total (corr.) 572.246 31
R:/ Los Factores que obtuvieron resultados significativos un 𝑉𝑎𝑙𝑜𝑟 − 𝑃 < 𝛼 = 0.05, son B,
C, D, AB, AC, BC, CD, ABD, ACD Y BCD.
c) Escribir un modelo de regresión que pueda usarse para predecir la longitud de las fisuras
como una función de los efectos principales y las interacciones significativas que se han
identificado en el inciso b.
Análisis de Varianza para Longitud fisura
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
C:Factor_C 34.6722 1 34.6722 995.08 0.0000
D:Factor_D 10.8625 1 10.8625 311.75 0.0000
AB 1.11901 1 1.11901 32.12 0.0000
AC 0.173657 1 0.173657 4.98 0.0372
AD 0.96096 1 0.96096 27.58 0.0000
BC 1.16765 1 1.16765 33.51 0.0000
CD 1.08462 1 1.08462 31.13 0.0000
ABD 0.681917 1 0.681917 19.57 0.0003
ACD 9.90199 1 9.90199 284.18 0.0000
BCD 2.68733 1 2.68733 77.13 0.0000
bloques 0.00176022 1 0.00176022 0.05 0.8244
Error total 0.696874 20 0.0348437
Total (corr.) 64.0105 31
R-cuadrada = 98.9113 porciento
R-cuadrada (ajustada por g.l.) = 98.3125 porciento
Error estándar del est. = 0.186665
Error absoluto medio = 0.121743
Estadístico Durbin-Watson = 1.8603 (P=0.2422)
Autocorrelación residual de Lag 1 = -0.0263985
Coef. de regresión para Longitud fisura
Coeficiente Estimado
constante 4.1731
C:Factor_C 1.04092
D:Factor_D 0.582625
AB -0.187
AC -0.0736667
AD 0.173292
BC -0.191021
CD -0.184104
ABD 0.145979
ACD 0.556271
BCD -0.289792
Longitud fisura = 4.1731 + 1.04092*Factor_C + 0.582625*Factor_D - 0.187*Factor_A*Factor_B -
0.0736667*Factor_A*Factor_C + 0.173292*Factor_A*Factor_D - 0.191021*Factor_B*Factor_C -
0.184104*Factor_C*Factor_D + 0.145979*Factor_A*Factor_B*Factor_D + 0.556271*Factor_A*Factor_C*Factor_D -
0.289792*Factor_B*Factor_C*Factor_D
Pruebas de Normalidad para RESIDUOS
Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0.915669 0.0179263
Gráfica de Probabilidad Normal para Longitud fisura
99.9
99
porcentaje 95
80
50
20
0.1
-9 1 11 21 31
Efectos estandarizados
Gráfica de Residuos para Longitud fisura
0.25
0.15
0.05
residuo
-0.05
-0.15
-0.25
0 2 4 6 8
predichos
Verificación de varianzas
Factor_A
Verificación de Varianza
Prueba Valor-P
Levene's 0.137991 0.712898
Comparación Sigma1 Sigma2 F-Ratio P-Valor
-1 / 1 1.51885 1.39973 1.17744 0.7559
Factor B
Verificación de Varianza
Prueba Valor-P
Levene's 0.261488 0.612843
Comparación Sigma1 Sigma2 F-Ratio P-Valor
-1 / 1 1.54859 1.36528 1.28656 0.6318
Factor C
Verificación de Varianza
Prueba Valor-P
Levene's 0.0112518 0.916229
Comparación Sigma1 Sigma2 F-Ratio P-Valor
-1 / 1 1.02166 0.955034 1.1444 0.7973
Factor D
Verificación de Varianza
Prueba Valor-P
Levene's 1.49433 0.231064
Comparación Sigma1 Sigma2 F-Ratio P-Valor
-1 / 1 1.48321 1.15901 1.63768 0.3499
d) Analizar los residuales de este experimento.
prueba de Normalidad de residuos.
Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0.915669 0.0179263
Gráfica de Probabilidad Normal para Longitud fisura
99.9
99
95
porcentaje
80
50
20
0.1
-9 1 11 21 31
Efectos estandarizados
Gráfica de Residuos para Longitud fisura
0.25
0.15
0.05
residuo -0.05
-0.15
-0.25
0 2 4 6 8
predichos
e) ¿Hay algún indicio de que alguno de los factores afecte la variabilidad de la formación de
fisuras?
f) ¿Qué recomendaciones se harían respecto de las operaciones del proceso? Utilizar graficas
de las interacciones y/o de los efectos principales como ayuda para sacar conclusiones.
Optimizar Respuesta
Meta: minimizar Longitud fisura
Valor óptimo = 1.58808
Factor Bajo Alto Óptimo
Factor_A -1.0 1.0 -1.0
Factor_B -1.0 1.0 -1.0
Factor_C -1.0 1.0 -1.0
Factor_D -1.0 1.0 -1.0
Gráfica de Interacción para Longitud fisura
6.3
+
5.3 + +
+
Longitud fisura
+ +
+ -
+
+
4.3 + -
+
- +
- -
- -
3.3 -
-
-
-
2.3 -
AB AC AD BC BD CD
Ejercicio 2
Se realizó un estudio con el objetivo de averiguar la estabilidad de la vitamina C en concentrado
de jugo de naranja congelado reconstituido que se almacena en un refrigerador por un periodo
de hasta una semana. Tres tipos de concentrado de jugo de naranja congelado se probaron
utilizando tres periodos diferentes de tiempo. Estos últimos se refieren al número de días que
transcurren desde que el jugo de naranja se mezcla hasta que se somete a la prueba. Los
resultados, en miligramos de ácido ascórbico por litro, se registraron de la siguiente manera,
según se indica en la siguiente tabla.
Análisis de Varianza para Ácido ascórbico mg/L - Suma de Cuadrados Tipo III
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
EFECTOS PRINCIPALES
A: Tiempo en días 226.676 2 113.338 12.04 0.0002
B: MARCA 32.9622 2 16.4811 1.75 0.1927
INTERACCIONES
AB 17.3011 4 4.32528 0.46 0.7647
RESIDUOS 254.14 27 9.41259
TOTAL (CORREGIDO) 531.079 35
a) No existe diferencia en los contenidos de ácido ascórbico entre las diferentes marcas de
concentrado de jugo de naranja.
R:/ el valor-P >α =0.05 para el factor marca, no existe evidencia estadística significativa,
que indique que hay alguna diferencia entre ellas, en cuanto al contenido de ácido
ascórbico
b) No existen diferencias en los contenidos de ácido ascórbico debido a los diferentes periodos
de tiempo.
R:/ Si existen diferencias significativas en el paso de los días valor-p<α=0.05, en cuanto al
contenido de ácido ascórbico
c) Las marcas de concentrado de jugo de naranja y el número de días que transcurre desde
que el jugo se mezcla hasta que se somete a la prueba no interactúan.
R:/
Gráfico de Interacciones
54 MARCA
A1
A2
52 A3
Acido escorbico mg/L
50
48
46
44
0 3 7
Tiempo en dias
No existe evidencia que indique que hay alguna interacción entre los dos factores
estudiados, aunque el grafico de interacción muestra que hay dos marcas que se cruzan,
esta no resulta significativa con un valor-P=0.76
Ejercicio 3
En el área de desarrollo de una empresa se pretende obtener un nuevo polímero de bajo peso
molecular (𝑌1 ), de lograrse esto, se obtendrá un polímero que funcione como dispersante en la
industria de la cerámica. De acuerdo con los conocimientos técnicos que se tienen, se considera
que los factores críticos son 𝑋1 : persulfato de sodio (NaPS), 𝑋2 : acido hipofosforoso (𝐻3 𝑃𝑂2 ) y
𝑋3 : isopropanol (IPA). Para encontrar las condiciones óptimas se realizó un experimento y se
obtuvieron los siguientes datos (los valores de los factores están codificados). Además de 𝑌1 se
midió la viscosidad (𝑌2 ).
a) Ajuste el modelo 𝑌1 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + 𝜀 para la variable 𝑌1
b) ¿El modelo explica la variación observada en 𝑌1 ? Argumente con base a la significancia del
modelo, los residuales y los coeficientes de determinación
c) Ajuste el modelo 𝑌1 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + 𝛽12 𝑋1 𝑋2 + 𝛽13 𝑋1 𝑋3 + 𝛽23 𝑋2 𝑋3 +
𝛽11 𝑋12 + 𝛽22 𝑋22 + 𝛽33 𝑋 23 + 𝜀, y analice con detalle la calidad del ajuste (hipótesis sobre
coeficientes individuales, graficas de residuos)
d) Con base en lo anterior, proponga un modelo que considere que solo tiene términos
significativos. Ajústelo y haga un análisis completo sobre este.
e) Para el modelo final al que llego en el punto anterior, interprete con detalle el significado
de cada uno de los coeficientes estimados en función de su aporte para la variable de
respuesta 𝑌1 .
Modelo lineal
Gráfica de Efectos Principales para bajo peso molecular
9900
9500
bajo peso molecular
9100
8700
8300
7900
7500
-1.0 1.0 -1.0 1.0 -1.0 1.0
X1 X_2 X_3
Efectos estimados para bajo peso molecular
Efecto Estimado Error Estd. V.I.F.
promedio 8683.53 93.5762
A:X1 -504.75 256.269 1.0
B:X_2 -2187.5 256.269 1.0
C:X_3 -42.25 256.269 1.0
Errores estándar basados en el error total con 11 g.l.
Análisis de Varianza para bajo peso molecular
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
A:X1 509545. 1 509545. 3.88 0.0746
B:X_2 9.57031E6 1 9.57031E6 72.86 0.0000
C:X_3 3570.13 1 3570.13 0.03 0.8720
Error total 1.44482E6 11 131348.
Total (corr.) 1.15283E7 14
R-cuadrada = 87.4671 porciento
R-cuadrada (ajustada por g.l.) = 84.049 porciento
Error estándar del est. = 362.419
Error absoluto medio = 248.49
Estadístico Durbin-Watson = 1.33621 (P=0.1514)
Autocorrelación residual de Lag 1 = 0.281957
Coef. de regresión para bajo peso molecular
Coeficiente Estimado
constante 8683.53
A:X1 -252.375
B:X_2 -1093.75
C:X_3 -21.125
bajo peso molecular = 8683.53 - 252.375*X1 - 1093.75*X_2 - 21.125*X_3
Gráfica de Probabilidad Normal para bajo peso molecular
99.9
99
95
porcentaje
80
50
20
0.1
-8.6 -6.6 -4.6 -2.6 -0.6 1.4
Efectos estandarizados
Gráfica de Residuos para bajo peso molecular
800
400
residuo
-400
-800
7100 8100 9100 10100 11100
predichos
Modelo de superficie de respuesta
Gráfica de Efectos Principales para bajo peso molecular
9700
9300
bajo peso molecular
8900
8500
8100
7700
7300
-1.0 1.0 -1.0 1.0 -1.0 1.0
X1 X_2 X_3
Efectos estimados para bajo peso molecular
Efecto Estimado Error Estd. V.I.F.
promedio 8476.67 170.849
A:X1 -504.75 209.247 1.0
B:X_2 -2187.5 209.247 1.0
C:X_3 -42.25 209.247 1.0
AA 176.083 308.003 1.01111
AB -43.0 295.919 1.0
AC 115.5 295.919 1.0
BB -86.4167 308.003 1.01111
BC 723.0 295.919 1.0
CC 686.083 308.003 1.01111
Análisis de Varianza para bajo peso molecular
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
A:X1 509545. 1 509545. 5.82 0.0607
B:X_2 9.57031E6 1 9.57031E6 109.29 0.0001
C:X_3 3570.13 1 3570.13 0.04 0.8479
AA 28620.3 1 28620.3 0.33 0.5923
AB 1849.0 1 1849.0 0.02 0.8901
AC 13340.3 1 13340.3 0.15 0.7124
BB 6893.39 1 6893.39 0.08 0.7903
BC 522729. 1 522729. 5.97 0.0584
CC 434502. 1 434502. 4.96 0.0764
Error total 437841. 5 87568.3
Total (corr.) 1.15283E7 14
R-cuadrada = 96.202 porciento
R-cuadrada (ajustada por g.l.) = 89.3656 porciento
Error estándar del est. = 295.919
Error absoluto medio = 145.611
Estadístico Durbin-Watson = 1.37246 (P=0.1786)
Autocorrelación residual de Lag 1 = 0.304047
Coef. de regresión para bajo peso molecular
Coeficiente Estimado
constante 8476.67
A:X1 -252.375
B:X_2 -1093.75
C:X_3 -21.125
AA 88.0417
AB -21.5
AC 57.75
BB -43.2083
BC 361.5
CC 343.042
bajo peso molecular = 8476.67 - 252.375*X1 - 1093.75*X_2 - 21.125*X_3 + 88.0417*X1^2 - 21.5*X1*X_2 +
57.75*X1*X_3 - 43.2083*X_2^2 + 361.5*X_2*X_3 + 343.042*X_3^2
Gráfica de Probabilidad Normal para bajo peso molecular
99.9
99
95
porcentaje
80
50
20
0.1
-11 -8 -5 -2 1 4
Efectos estandarizados
Gráfica de Probabilidad Normal para bajo peso molecular
99.9
99
porcentaje 95
80
50
20
0.1
-11 -8 -5 -2 1 4
Efectos estandarizados
Modelo reducido
Efectos estimados para bajo peso molecular
Efecto Estimado Error Estd. V.I.F.
promedio 8502.29 88.2753
A:X1 -504.75 165.148 1.0
B:X_2 -2187.5 165.148 1.0
C:X_3 -42.25 165.148 1.0
BC 723.0 233.555 1.0
CC 679.679 241.752 1.0
Errores estándar basados en el error total con 9 g.l.
Gráfica de Efectos Principales para bajo peso molecular
9800
9400
bajo peso molecular
9000
8600
8200
7800
7400
-1.0 1.0 -1.0 1.0 -1.0 1.0
X1 X_2 X_3
Gráfica de Interacción para bajo peso molecular
10400 X_3=-1.0
9900
bajo peso molecular
X_3=1.0
9400
8900
8400
X_3=1.0
7900
7400 X_3=-1.0
-1.0 1.0
X_2
Análisis de Varianza para bajo peso molecular
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
A:X1 509545. 1 509545. 9.34 0.0137
B:X_2 9.57031E6 1 9.57031E6 175.45 0.0000
C:X_3 3570.13 1 3570.13 0.07 0.8038
BC 522729. 1 522729. 9.58 0.0128
CC 431165. 1 431165. 7.90 0.0203
Error total 490930. 9 54547.7
Total (corr.) 1.15283E7 14
R-cuadrada = 95.7415 porciento
R-cuadrada (ajustada por g.l.) = 93.3757 porciento
Error estándar del est. = 233.555
Error absoluto medio = 147.319
Estadístico Durbin-Watson = 1.3234 (P=0.1412)
Autocorrelación residual de Lag 1 = 0.321961
Coef. de regresión para bajo peso molecular
Coeficiente Estimado
constante 8502.29
A:X1 -252.375
B:X_2 -1093.75
C:X_3 -21.125
BC 361.5
CC 339.839
bajo peso molecular = 8502.29 - 252.375*X1 - 1093.75*X_2 - 21.125*X_3 + 361.5*X_2*X_3 + 339.839*X_3^2
Optimizar Respuesta
Meta: maximizar bajo peso molecular
Valor óptimo = 10558.9
Factor Bajo Alto Óptimo
X1 -1.0 1.0 -0.999972
X_2 -1.0 1.0 -1.0
X_3 -1.0 1.0 -0.988714
Gráfica de Residuos para bajo peso molecular
500
300
100
residuo
-100
-300
-500
7100 8100 9100 10100 11100
predichos
