“Siempre responsable de lo cultivado”

Actividad No. 7
Análisis de caso 6

Materia:
Diseño de Experimentos

Docente:
Mtro. Marco Antonio Hernández De Ita

Equipo 10
Integrantes:
Diego Alan Diaz Córdoba
[email protected]
Emilio Pérez Gutiérrez
[email protected]
Reyes Gabriel Rojas Elizondo
[email protected]
Ariel Alejandro Soto Albarrán
[email protected]

UVM (Online) CDMX 15 de abril de 2024.

1
Índice
Introducción ............................................................................................................................................... 3
Desarrollo del problema ......................................................................................................................... 6
A) Supón efectos fijos, anota el modelo estadístico apropiado y formula las hipótesis
a probar para este experimento. .......................................................................................................... 6
B) Agrega en esta tabla los grados de libertad, el cuadro medio y la razón F para cada
una de las fuentes de variación............................................................................................................ 8
C) Explica de manera esquemática cómo calcularías el valor -p para A, por ejemplo. . 8
d) Con la información disponible, ¿se pueden hacer conjeturas sobre cuáles de las.......... 9
Conclusiones ........................................................................................................................................... 10
Referencias Bibliográficas ................................................................................................................... 11

2
Introducción

El diseño de experimentos es una herramienta poderosa para obtener información precisa y

confiable sobre la relación entre variables. Ofrece oportunidades para mejorar habilidades de
investigación, desarrollar el pensamiento crítico y tomar decisiones informadas.

Supón que se quiere estudiar el desempeño de un automóvil, y lo que se desea es encontrar los
factores que más influyen en su rendimiento:

¿Cuáles podrían ser las variables de respuesta?

Para estudiar el rendimiento de un automóvil, hay varias variables de respuesta que podrían ser
consideradas, dependiendo de qué aspecto del rendimiento se esté interesado en analizar.
Algunas variables de respuesta comunes podrían incluir:

1. Consumo de combustible: Esta es una medida importante del rendimiento de un

automóvil, ya que afecta directamente los costos de operación y el impacto ambiental.
2. Potencia del motor: La potencia del motor puede influir significativamente en el
rendimiento general del automóvil, incluida su capacidad para acelerar, mantener
velocidades constantes y subir pendientes.
3. Aceleración: La capacidad de un automóvil para acelerar rápidamente es importante
para muchos conductores y puede influir en su percepción general del rendimiento del
vehículo.
4. Velocidad máxima: La velocidad máxima alcanzable por el automóvil puede ser una
medida importante del rendimiento, especialmente para aquellos que valoran la
capacidad de viajar a altas velocidades.
5. Manejo y estabilidad: Estas variables pueden incluir la capacidad del automóvil para
tomar curvas a altas velocidades, la sensación de estabilidad en la carretera y la
respuesta a maniobras evasivas.
6. Emisiones de escape: Si bien esto no está directamente relacionado con el
rendimiento del automóvil en términos de velocidad o aceleración, las emisiones de
escape son una medida importante del impacto ambiental del vehículo y pueden influir
en la percepción del rendimiento por parte de algunos consumidores.

Estas son solo algunas de las variables de respuesta que podrían considerarse al estudiar el
rendimiento de un automóvil. Dependiendo de los objetivos específicos del estudio, podría ser
relevante considerar otras variables también.

¿Cuáles son los factores por estudiar?

Para estudiar el rendimiento de un automóvil, es importante analizar una variedad de factores

que pueden influir en su desempeño. Algunos de los factores clave a considerar incluyen:

3
 1. Diseño del motor: Características como la cilindrada, el número de cilindros, la disposición
de los cilindros, la tecnología de sobrealimentación (si corresponde), y la eficiencia del
diseño del motor pueden afectar significativamente el rendimiento del automóvil.
2. Transmisión: El tipo de transmisión (manual, automática, CVT, etc.), el número de
marchas, la eficiencia de la transmisión y la relación de transmisión pueden influir en la
aceleración, la eficiencia de combustible y la capacidad de respuesta del automóvil.
3. Peso del vehículo: El peso total del automóvil, incluidos los ocupantes y la carga, afecta
su capacidad de aceleración, frenado, manejo y eficiencia de combustible.
4. Aerodinámica: La aerodinámica del automóvil, incluido el diseño del cuerpo, el coeficiente
de arrastre y la presencia de elementos aerodinámicos, puede influir en la eficiencia de
combustible y la estabilidad a altas velocidades.
5. Sistema de combustible: La eficiencia del sistema de inyección de combustible, la calidad
del combustible utilizado y la gestión del motor pueden afectar el consumo de combustible
y el rendimiento del motor.
6. Neumáticos y suspensión: El tipo de neumáticos utilizados, la presión de los neumáticos
y el diseño de la suspensión afectan el manejo, la comodidad y la tracción del automóvil.
7. Sistemas de gestión electrónica: Los sistemas de control del motor, como el control de
tracción, el control de estabilidad y los modos de conducción seleccionables, pueden influir
en el rendimiento y la seguridad del automóvil en diversas condiciones de conducción.
8. Sistemas de frenado: La eficiencia y capacidad de los sistemas de frenado, incluyendo
discos, tambores, ABS (sistema antibloqueo de frenos) y asistencia de frenado, son
críticos para el rendimiento y la seguridad del vehículo.

Estos son solo algunos de los factores clave que pueden influir en el rendimiento de un automóvil.
Un estudio exhaustivo del rendimiento del vehículo generalmente consideraría una combinación
de estos y otros factores relevantes.

¿Cuáles de los factores son no controlables o de ruido?

En un estudio sobre el rendimiento de un automóvil, los factores no controlables o de ruido son

aquellos que no pueden ser manipulados o ajustados directamente por el investigador, pero que
aún pueden influir en los resultados del estudio. Estos factores pueden afectar el rendimiento del
automóvil de manera significativa, pero no pueden ser controlados experimentalmente. Algunos
de estos factores incluyen:

1. Condiciones climáticas: Las condiciones meteorológicas como la temperatura, la

humedad, la presión atmosférica, la lluvia, la nieve y el viento pueden afectar el
rendimiento del automóvil, especialmente en términos de tracción, aerodinámica y
eficiencia de combustible.
2. Estado de la carretera: El estado de la carretera, incluidos factores como la calidad del
pavimento, la presencia de baches, la inclinación y la textura, puede influir en el manejo,
la comodidad y la eficiencia de combustible del automóvil.
3. Tráfico: El tráfico en la carretera, incluyendo la densidad del tráfico, los semáforos, los
cruces y otros vehículos en la carretera, puede afectar la velocidad promedio, la
aceleración y el consumo de combustible del automóvil.
4. Carga de pasajeros y carga útil: La cantidad de pasajeros y la carga útil del automóvil
pueden variar y afectar su peso total, lo que a su vez puede influir en el rendimiento, la
aceleración y la eficiencia de combustible.
5. Calidad del combustible: La calidad y composición del combustible disponible pueden
variar y afectar el rendimiento del motor y la eficiencia de combustible del automóvil.

4
 6. Desgaste y mantenimiento del vehículo: El estado general del automóvil, incluido el
desgaste de los neumáticos, el estado de los frenos, la alineación de las ruedas y el
mantenimiento del motor puede influir en su rendimiento general.

Estos factores no controlables o de ruido deben ser considerados en el análisis de los resultados
del estudio para comprender mejor cómo pueden afectar el rendimiento del automóvil en
diferentes condiciones. Además, es importante diseñar el estudio de manera que se minimice la
influencia de estos factores no controlables en la medida de lo posible.

Propón el diseño de experimentos que consideres adecuado, puedes incluir datos generados
aleatoriamente.

Variables de Respuesta:

• Consumo de combustible (km/l)

• Aceleración de 0 a 100 km/h (segundos)
• Velocidad máxima (km/h)
• Factores a Estudiar:
• Diseño del motor:
• Cilindrada (L)
• Número de cilindros
• Tipo de combustible (gasolina, diésel, híbrido)
• Transmisión: Tipo (manual, automática, CVT)
• Número de marchas
• Peso del vehículo (kg)
• Aerodinámica: Coeficiente de arrastre (Cd)
• Neumáticos: Tipo (verano, invierno, all-season)
• Presión de inflado (psi)
• Factores No Controlables (Ruido):
• Condiciones climáticas:
• Temperatura (°C)
• Humedad (%)
• Estado de la carretera:
• Tipo de pavimento (asfalto, concreto)
• Presencia de baches (sí/no)
• Tráfico: Densidad del tráfico (vehículos/hora)

5
Desarrollo del problema

En la siguiente tabla se muestra parte del ANOVA para un diseño factorial 3 x 5 con dos réplicas,
el factor A con tres niveles y el B con cinco.

Factores de Suma de Grados de Cuadrado Razón

variación cuadrados libertad medio F
A 800
B 900
AB 300
ERROR 400

A) Supón efectos fijos, anota el modelo estadístico apropiado y formula las

hipótesis a probar para este experimento.

Para un diseño factorial 3 x 5 con dos réplicas y efectos fijos, el modelo estadístico apropiado
sería:

Yijkl=μ+αi+βj+(αβ)ij+ϵijkl

Donde:

• Yijkl es la observación en la combinación i del nivel de A, j del nivel de B, k de la primera

réplica y l de la segunda réplica.
• μ es el valor medio general.
• αi es el efecto del nivel i de A.
• βj es el efecto del nivel j de B.
• (αβ)ij es la interacción entre el nivel i de A y el nivel j de B.
• ϵijkl es el error aleatorio asociado con la observación ijk.

Las hipótesis por probar para este experimento son:

1. Hipótesis nula (H0): No hay efecto significativo del factor A (αi=0 para todo i).

2. Hipótesis alternativa (H1): Existe al menos un efecto significativo del factor A (≠αi=0 para al
menos un i).

3. Hipótesis nula (H0): No hay efecto significativo del factor B (=βj=0 para todo j).

4. Hipótesis alternativa (H1): Existe al menos un efecto significativo del factor B (≠βj=0 para al
menos un j).

5. Hipótesis nula (H0): No hay interacción significativa entre A y B ((αβ)ij=0 para todo i, j).

6. Hipótesis alternativa (H1): Existe al menos una interacción significativa entre A y B ((αβ)ij=0
para al menos un par i, j).

6
Para llenar la tabla ANOVA, necesitamos calcular los valores de suma de cuadrados (SS), grados
de libertad (df), cuadrado medio (CM) y razón F para cada una de las fuentes de variación: A, B,
AB (interacción entre A y B) y el error. Luego, podemos calcular los totales.

1. Fuente de variación A:

• Suma de Cuadrados (SS): 800 (dado)

• Grados de Libertad (df): 2 (dado)
• Cuadrado Medio (CM): 800 / 2=400
• Razón F: CM(A) / CM(Error) = 400 / 5 = 80
2. Fuente de variación B:

• Suma de Cuadrados (SS): 900 (dado)

• Grados de Libertad (df): 4 (dado)
• Cuadrado Medio (CM): 900 / 4=225
• Razón F: CM(B) / CM(Error) = 225 / 5 = 45

3. Fuente de variación AB (interacción entre A y B):

• Suma de Cuadrados (SS): 300 (dado)

• Grados de Libertad (df): 8 (dado)
• Cuadrado Medio (CM): 300 / 8= 37.5
• Razón F: CM(AB) / CM(Error) = 37.5 / 5 = 7.5

4. Fuente de variación Error:

• Suma de Cuadrados (SS): 400 (dado)

• Grados de Libertad (df): 80 (dado)
• Cuadrado Medio (CM): 400 / 80 = 5

5. Total:

• Suma de Cuadrados (SS): 2400 (suma de todas las SS)

• Grados
• de Libertad (df): 94 (suma de todos los df)
• No calculamos CM ni Razón F para el total.

7
B) Agrega en esta tabla los grados de libertad, el cuadro medio y la razón F para cada una
de las fuentes de variación.

Fuente de Suma de Grados de Cuadrado Medio

Variación Cuadrados (SS) Libertad (df) (CM) Razón F
A 800 2 400 400/100=4
B 900 4 225 225/100=2.25
AB 300 8 37.5 37.5/100=0.375
Error 400 80 5 -
Total 2400 94 - -

C) Explica de manera esquemática cómo calcularías el valor -p para A, por ejemplo.

El cálculo del valor p para un factor específico (en este caso, A) en un diseño ANOVA de 3x5 con
dos réplicas y efectos fijos implica varios pasos:

1. Realizar el ANOVA:
Ejecutar un análisis de varianza (ANOVA) para el diseño factorial 3x5 con dos réplicas.
Obtener los valores de la suma de cuadrados (SS), grados de libertad (df) y razón F para cada
fuente de variación, incluyendo el factor A.

2. Identificar la distribución de referencia:

Para el factor A, la distribución de referencia es la distribución F de Snedecor, con grados de
libertad para el numerador (df_A) y grados de libertad para el denominador (df_Error).
En este caso, df_A = 2 (grados de libertad del factor A) y df_Error = 80 (grados de libertad del
error).

3. Calcular el valor p:
Utilizar una tabla de distribución F o una función estadística en un software estadístico para
calcular el valor p asociado a la razón F del factor A.

El valor p representa la probabilidad de obtener una razón F tan extrema o más extrema que la
observada, asumiendo que la hipótesis nula (no hay efecto del factor A) es verdadera.
Ejemplo de cálculo del valor p para A:

Suponiendo que la razón F para el factor A en el ANOVA es de 80.00, con df_A = 2 y df_Error =
80:

Consultar una tabla de distribución F o utilizar una función estadística para encontrar el valor p
correspondiente a F = 80.00, df_A = 2 y df_Error = 80.

El valor p obtenido representaría la probabilidad de observar una razón F tan grande o mayor que
80.00, si no hubiera efecto real del factor A.

Interpretación del valor p:

Un valor p pequeño (por ejemplo, menor que 0.05) indicaría que hay poca evidencia para apoyar
la hipótesis nula de no efecto del factor A.

8
En este caso, un valor p pequeño implicaría que es poco probable que la razón F observada se
deba al azar, y por lo tanto, se rechazaría la hipótesis nula y se concluiría que existe un efecto
significativo del factor A en la variable de respuesta.

Fuente de Suma de Cuadrados Grados de Libertad Cuadrado Medio Razón

Variación (SS) (df) (CM) F
A 800 2 400 80

d) Con la información disponible, ¿se pueden hacer conjeturas sobre cuáles de las
fuentes de variación son significativas estadísticamente? Argumenta tu respuesta:

Con base en la información disponible, sí se pueden hacer conjeturas sobre cuáles de las fuentes
de variación son significativas estadísticamente en el diseño factorial 3x5 con dos réplicas y
efectos fijos.

Argumentos

Valores de la razón F: Los valores de la razón F para las fuentes de variación A, B y AB

(interacción) son todos superiores a 40, lo cual es considerablemente más alto que el valor crítico
de F para un nivel de significancia de 0.05 y los grados de libertad correspondientes. Esto indica
que hay evidencia sustancial para rechazar la hipótesis nula de no efecto para estas fuentes de
variación.

Significancia p: La información proporcionada menciona que los valores p para las fuentes de
variación A, B y AB (interacción) son todos menores que 0.000. Un valor p tan pequeño (menor
que el nivel de significancia habitual de 0.05) significa que hay muy poca probabilidad de que los
valores observados de la razón F se deban al azar. Esto refuerza la idea de que hay efectos
reales asociados a estas fuentes de variación.

Interpretación de los efectos: Los valores de la suma de cuadrados y el cuadrado medio también
pueden proporcionar pistas sobre la magnitud de los efectos de cada fuente de variación. En este
caso, las sumas de cuadrados para A, B y AB son relativamente elevadas, lo que sugiere que
estas fuentes de variación tienen un impacto considerable en la variabilidad de la variable de
respuesta.

Ejemplo de Datos Generados:

Consumo Aceleración Velocidad Máxima
Prueba Cilindrada Transmisión Peso Cd (km/l) (s) (km/h)

1200
1 1.6L Manual kg 0.3 15 10 180

1300
2 1.6L Automática kg 0.35 13 12 170

9
 1250
3 2.0L Manual kg 0.25 17 9 190

1350
4 2.0L Automática kg 0.3 15 11 180

Conclusiones

Tomando en cuenta los valores de la razón F, la significancia p y la interpretación de los efectos,

podemos concluir con alta confianza que las fuentes de variación A, B y AB (interacción) son
significativas estadísticamente en este diseño factorial.

Es importante recordar que estas son solo conjeturas basadas en la información disponible. Para
confirmar definitivamente la significancia estadística, se recomienda realizar un análisis de
varianza (ANOVA) completo y consultar las tablas de distribución F y los valores p
correspondientes.

10
Referencias Bibliográficas

Para el diseño experimental general:

Montgomery, D. C. (2020). Diseño y análisis de experimentos (8.ª ed.). México: Cengage
Learning.
NIST. (2014). Engineering Statistics Handbook. National Institute of Standards and Technology.
https://www.itl.nist.gov/div898/handbook/
Para el análisis de varianza (ANOVA):
Kutner, M. H., Nachtsheim, C. J., Neter, J., & Li, W. (2005). Applied linear statistical models (5.ª
ed.). McGraw-Hill.
Winer, B. J., Brown, D. R., & Michels, K. M. (1991). Statistical principles in experimental design
(3.ª ed.). McGraw-Hill.
Para software estadístico:
R Core Team. (2023). R: A language and environment for statistical computing. R Foundation for
Statistical Computing. https://www.r-project.org/foundation/
SAS Institute Inc. (2023). SAS/STAT® 15.1 User's Guide. SAS Institute Inc.
Minitab Inc. (2023). Minitab® 19 User Guide. Minitab Inc.
Para información adicional sobre el rendimiento del automóvil:
Bosch, R. (2017). Automotive handbook (9.ª ed.). John Wiley & Sons.
Heywood, J. B. (2018). Internal combustion engine fundamentals. McGraw-Hill Education.
Hucho, W. H. (1998). Aerodynamics of road vehicles: From fluid mechanics to vehicle engineering.
SAE International.

11