TALLER 1 – DCA Y DCA control
Presentado por:
Amanda Valentina de la Parra
Richard Alexander Cuaical
Jhonny Alexander Champutis
Carlos Iván Reina Vivas
Facultad de Ingeniería
Ingeniería de Sistemas
2025
TALLER 1 – DCA Y DCA control
Presentado por:
Amanda Valentina de la Parra
Richard Alexander Cuaical
Jhonny Alexander Champutis
Carlos Iván Reina Vivas
Presentado a:
Magister. Leonel Delgado Eraso
Diplomado en Métodos Estadísticos para la Investigación II – Modulo 2
Ingeniería de Sistemas
Ipiales, Nariño.
2025
1. PUNTO UNO
Se llevo a cabo un experimento para investigar la eficacia de cinco materiales aislantes. Se
probaron 4 muestras de cada material con un nivel de voltaje para acelerar el tiempo de falla. Los
tiempos de falla (en minutos) se muestran en la siguiente tabla
a.) ¿Los cinco materiales tienen el mismo efecto sobre el tiempo de falla?. Realizar las
operaciones para construir la ANOVA y presentar la salida de R.
Los datos muestran los tiempos de falla (en minutos) para 4 muestras de cada uno de los 5 materiales
aislantes probados con el mismo nivel de voltaje.
En este caso:
Hipótesis nula (H₀): Los cinco materiales tienen el mismo efecto sobre el tiempo de
falla. μ₁ = μ₂ = μ₃ = μ₄ = μ₅
Hipótesis alterna (H₁): Al menos uno de los materiales tiene un efecto diferente sobre el
tiempo de falla.
Se considera un nivel de significancia de α = 0.05, es decir, un 95% de confianza.
Realizamos en R así:
Grados de Suma de Cuadrado
Valor F (F Valor-p
Fuente libertad cuadrados medio
value) (Pr(>F))
(Df) (Sum Sq) (Mean Sq)
Material 4 103191489 25797872 6.191 0.00379
Residual 15 62506557 4167044
Dado que el valor-p obtenido es 0.00379, el cual es menor que el nivel de significancia α = 0.05, se
rechaza la hipótesis nula (H₀). Esto indica que existen diferencias significativas en el tiempo de falla
entre los materiales evaluados, por lo tanto, se concluye que al menos uno de ellos presenta un
comportamiento distinto, es decir, no todos los materiales tienen el mismo efecto sobre el tiempo de falla.
b.) Si existen diferencias, ¿entre qué pares de materiales hay diferencia?
Luego de aplicar la prueba de Tukey HSD con TukeyHSD(modelo) en R, para comparar todos los pares
de materiales, se identificó que existen diferencias significativas entre ciertos materiales. Aquellos pares
cuyo valor p ajustado fue menor a 0.05 indican que el tipo de material influye de manera significativa en
el tiempo de falla. Esto confirma que no todos los materiales tienen el mismo desempeño en cuanto a
resistencia al fallo bajo voltaje acelerado.
Hay diferencias significativas (p < 0.05) entre: Material 1 y Material 2, Material 1 y Material 3,
Material 1 y Material 4, Material 1 y Material 5. Esto indica que el Material 1 es
significativamente diferente del resto en cuanto al tiempo de falla. Y podemos comprobarlo así
c.) Comprobar el cumplimiento de supuestos. Presentar gráficas y realizar las pruebas
respectivas.
Antes de aceptar los resultados del análisis de varianza (ANOVA), es fundamental verificar que se
cumplan sus supuestos: normalidad de los residuos y homogeneidad de varianzas, asi
- Normalidad de residuos
Uno de los supuestos fundamentales para que el análisis de varianza (ANOVA) sea válido es que los
residuos del modelo se distribuyan normalmente. Para verificar esto, se utiliza tanto una prueba
estadística (Shapiro-Wilk) como un gráfico Q-Q, que permite visualizar si los residuos se alinean con
una distribución normal.
La prueba de Shapiro-Wilk arrojó un valor W = 0.80927 y un valor-p = 0.001192. Dado que
el valor-p es menor que 0.05, se rechaza la hipótesis nula de normalidad. Esto indica que los
residuos del modelo no siguen una distribución normal.
- Homogeneidad de Varianza
Para comprobar la homogeneidad de varianzas, uno de los supuestos clave de la ANOVA, podemos
utilizar la prueba de Levene. Esta prueba verifica si las varianzas entre los grupos son iguales.
Verificamos la homogeneidad de las varianzas con R donde se visualiza las distribuciones de
los tiempos de falla para cada material, y si las cajas tienen tamaños similares y no hay outliers
notables, también sugiere que las varianzas entre los grupos son comparables. .
Y por ultimo realizamos el grafico con los valores ajustados. En este caso, se nota que los
residuos están más dispersos cuando los valores ajustados son altos, lo que podría indicar
que este supuesto no se cumple. Por eso, también se usa la prueba de Levene para confirmar
si realmente las varianzas son diferentes entre grupos.
2. PUNTO DOS
Se están investigando cuatro catalizadores que pueden afectar la concentración de un
componente en una mezcla. Se obtienen las siguientes concentraciones:
Catalizador 1 Catalizador 2 Catalizador 3 Catalizador 4
58.2 56.3 50.1 52.9
57.2 54.5 54.2 49.9
58.4 57.0 55.4 50.0
55.8 55.3 51.7
54.9
a.) ¿Los cuatro catalizadores tienen el mismo efecto sobre la concentración?. Realizar las
operaciones para construir la ANOVA y presentar la salida de R.
b.) Si existen diferencias, ¿entre qué pares de catalizadores hay diferencia?
c.) Comprobar el cumplimiento de supuestos. Presentar gráficas y realizar las pruebas
respectivas.
Catalizador Concentraciones
C1 58.2, 57.2, 58.4, 55.8, 54.9
C2 56.3, 54.5, 57.0, 55.3
C3 50.1, 54.2, 55.4
C4 52.9, 49.9, 50.0, 51.7
a) Análisis de Varianza
Hipótesis:
H₀ (nula): Las medias de concentración son iguales para todos los catalizadores.
H₁ (alternativa): Al menos una media de concentración es diferente.
Tabla ANOVA
FUENTE SUMA DE GRADOS DE F P-VALOR
CUADRADOS LIBERTAD
Catalizador 85.68 3 9.916 0.0014
Error (residual) 34.56 12
Respuesta
Como el p-valor < 0.05, se rechaza H₀.
Esto indica que el tipo de catalizador influye significativamente en la concentración
del componente.
R studio
b) Comparaciones múltiples (Prueba de Tukey)
Comparación Diferencia de p-valor ¿Diferencia
medias significativa?
C1 – C2 1.33 0.676 No
C1 – C3 4.17 0.048 Si
C1 – C4 5.57 0.006 SI
C2 – C3 2.83 0.221 No
C2 – C4 4.23 0.038 SI
C3 – C4 1.40 0.682 No
El Catalizador 1 genera concentraciones significativamente más altas que los catalizadores 3 y
4, lo que lo posiciona como el más efectivo del grupo.
El Catalizador 2 tiene un comportamiento intermedio, sin diferenciarse significativamente de
C1 ni de C3, pero sí difiere de C4, al cual supera en concentración.
R studio
c) Verificación de supuestos
1. Normalidad de residuos (Shapiro-Wilk)
p-valor = 0.527 → Se acepta la normalidad.
2. Homogeneidad de varianzas (Levene)
p-valor = 0.419 → Se acepta igualdad de varianzas.
3. Independencia
Asegurada por el diseño (DCA sin bloques ni autocorrelación).
R studio
3. PUNTO TRES
Una profesora de matemáticas imparte clase en 4 grupos de alumnos, en los que explican la
misma materia, pero siguiendo distintos métodos de enseñanza. Desea averiguar si el método de
enseñanza utilizado influye en las calificaciones de los estudiantes. Las calificaciones obtenidas
por los alumnos correspondientes a los 4 grupos fueron:
a. ¿Los cuatro métodos de enseñanza tienen el mismo efecto sobre la calificación de los
estudiantes? Realizar las operaciones para construir la ANOVA y presentar la salida de
R.
Primero se debe organizar los datos en formato largo, que es el adecuado para ANOVA en R.
Ejecución ANOVA
El valor P = 0.578 es mucho mayor que 0.05, por lo tanto, no se rechaza la hipótesis nula. Esto
quiere deci que no hay evidencia estadísticamente significativa de que los métodos de enseñanza
produzcan diferentes efectos sobre las calificaciones de los estudiantes.
b. Si existen diferencias, ¿entre qué pares de métodos hay diferencia?
Como el ANOVA no mostró diferencias significativas, no es necesario realizar comparaciones
post-hoc como Tukey. Sin embargo, se muestra el desarrollo de la prueba post-hoc como Tukey
HSD:
c. Comprobar el cumplimiento de supuestos. Presentar gráficas y realizar las pruebas
respectivas
Verificación de supuestos del ANOVA
- Normalidad de los residuos
El test de normalidad de Shapiro-Wilk aplicado a los residuos del modelo ANOVA arrojó un
estadístico W de 0.96424 y un valor p de 0.1769. Dado que este valor p es mayor al nivel de
significancia habitual (0.05), no se rechaza la hipótesis nula de normalidad. Esto sugiere que
los residuos del modelo se distribuyen aproximadamente de forma normal, lo cual valida
uno de los supuestos fundamentales del análisis de varianza y respalda la fiabilidad de las
conclusiones obtenidas a partir del modelo.
- Homogeneidad de varianzas
La prueba de Levene para la homogeneidad de varianzas arrojó un valor p de 0.675, lo cual
indica que no se rechaza la hipótesis nula de igualdad de varianzas entre los grupos. Esto
significa que no hay evidencia estadísticamente significativa de que las varianzas de las
calificaciones difieran entre los distintos métodos de enseñanza. En consecuencia, se cumple
el supuesto de homogeneidad de varianzas, lo que valida la aplicación del análisis de
varianza y respalda la fiabilidad de sus resultados.
4. PUNTO 4
Según la información del PRIMER PUNTO, considerar al material 3 como tratamiento control.
Aplicar la prueba de Dunnett para comparar el tiempo medio de falla del material 3 con los
demás materiales
Se aplicó la prueba de Dunnett, considerando al Material 3 como tratamiento control, con el fin
de comparar su tiempo medio de falla frente a los demás materiales. Esta prueba permite realizar
comparaciones múltiples
Los resultados muestran que ninguna de las comparaciones con el Material 3 presenta un valor p
ajustado menor a 0.05, lo que indica que no hay diferencias estadísticamente significativas entre
el Material 3 y los demás materiales, bajo un nivel de significancia del 5%.
Realizamos el grafico para tener una vista mejor y mas completa de todos los intervalos incluyen el
valor cero, lo cual refuerza la conclusión de que no hay evidencia suficiente para afirmar que los otros
materiales difieren del Material 3 en cuanto al tiempo de falla.
5. PUNTO 5
Según la información del SEGUNDO PUNTO, considerar al catalizador 2 como tratamiento
control. Aplicar la prueba de Dunnett para comparar la concentración media de la mezcla del
catalizador 2 con los demás catalizadores.
• C1 vs C2: No hay diferencia significativa (p > 0.05)
• C3 vs C2: No hay diferencia significativa (p = 0.083), pero es marginalmente
significativa al 10% ⇒ C3 tiene tendencia a menor concentración
• C4 vs C2: Sí hay diferencia significativa (p < 0.01) ⇒ C4 tiene menor concentración
La prueba de Dunnett realiza una comparación directa entre la media de concentración generada
por el catalizador 2 (considerado como control) y las medias generadas por cada uno de los otros
tres catalizadores. El resultado proporciona tanto la diferencia de medias, como los intervalos de
confianza al 95% y los valores-p ajustados para cada comparación.
• Catalizador 1 vs Catalizador 2:
La diferencia de medias no es estadísticamente significativa (p > 0.05), lo que indica que el
rendimiento del catalizador 1, en términos de concentración, es estadísticamente similar al del
catalizador 2. Esto sugiere que el catalizador 1 podría considerarse un sustituto viable del
catalizador de referencia, si se mantienen otros factores constantes (como costos, disponibilidad
o compatibilidad del proceso).
• Catalizador 3 vs Catalizador 2:
Se observó una diferencia negativa en la concentración generada por el catalizador 3 respecto al
control; sin embargo, esta diferencia no alcanzó significación estadística al nivel del 5% (p =
0.083). Aunque puede considerarse marginalmente significativa al 10%, esta evidencia no es
suficientemente sólida como para concluir que C3 sea menos eficaz. Se sugiere precaución al
interpretar esta diferencia.
• Catalizador 4 vs Catalizador 2:
Se observó una diferencia negativa estadísticamente significativa (p < 0.01), indicando que el
catalizador 4 produce una concentración considerablemente inferior a la del control. Este
resultado es consistente y suficientemente robusto como para descartar al catalizador 4 como un
sustituto adecuado, si se desea mantener los niveles actuales de concentración.
Los resultados de la prueba de Dunnett indican que, al tomar al catalizador 2 como tratamiento
de control (por ejemplo, por ser el estándar actualmente usado en el proceso), solo el catalizador
1 presenta un comportamiento estadísticamente equivalente en términos de concentración.
Desde una perspectiva práctica, el catalizador 1 puede ser considerado una alternativa válida al
catalizador de control, siempre que otros factores también lo respalden.
En cambio, tanto el catalizador 3 (con evidencia débil) como el catalizador 4 (con evidencia
clara) han mostrado menor eficacia y, por tanto, no deberían considerarse sustitutos equivalentes.
Su adopción podría comprometer la calidad del producto final al reducir la concentración del
componente en la mezcla, con posibles implicaciones técnicas, operativas o regulatorias.
6. PUNTO 6
Según la información del TERCER PUNTO, considerar al método 4 como tratamiento control.
Aplicar la prueba de Dunnett para comparar la calificación media del método 4 con los demás
métodos de enseñanza.
Con base en los resultados del análisis de comparaciones múltiples mediante el método de
Dunnett, no se encontraron diferencias estadísticamente significativas entre los métodos
evaluados (Método1, Método2 y Método3) en comparación con el método de referencia
(Método4). Aunque se observaron algunas diferencias numéricas en las medias de calificaciones,
los valores p ajustados fueron todos mayores a 0.05, lo que indica que estas diferencias podrían
deberse al azar y no representan efectos reales. Por lo tanto, ninguno de los métodos alternativos
presenta un desempeño significativamente distinto al del método de control.
