ejemplo llantas
DESCRIPTION
Bloques Llantas diseño de experimentosTRANSCRIPT
DISEÑOS DE UN FACTOR – BLOQUES ALEATORIOS – CUADRADO LATINO
EJEMPLO
Considere el problema de determinar si diferentes marcas de llantas presentan diferentes cantidades de pérdida de espesor después de 32,000 km de manejo. Un Gerente de una compañía desea considerar cuatro marcas disponibles y tomar una decisión sobre cuál marca podría mostrar la cantidad mínima de desgaste después del periodo de manejo. Las marcas a considerar son A, B, C, y D. Aunque las condiciones de manejo podrían simularse en un laboratorio, él desea probar estas cuatro marcas bajo condiciones actuales de manejo. La variable de respuesta a ser medida es la diferencia máxima en espesor en una llanta entre el tiempo que fue montada en el carro y después que ha completado los 32,000 km en el carro. La variable de respuesta es Y ij es la diferencia en espesor en milésimas (0.001 mm) y el único factor de interés es marca, o sea j dónde j = 1, 2 , 3, 4.
Diseño No. 1
Carros denotados como I, II, III, IVDistribución:
MARCA
CARROI II III IVA B C DA B C DA B C DA B C D
Diseño No.2 Completamente Aleatorizado CRD
MARCA
CARROI II III IV
C(12) A(14) C(10) A(13)A(17) A(13) D(11) D(9)D(13) B(14) B(14) B(8)D(11) C(12) B(13) C(9)
Modelo: Yij = + j + ij
Ver análisis
Diseño No.3 Bloques Completamente Aleatorizados RCBD
MARCA
CARROI II III IV
B(14) D(11) A(13) C(9)C(12) C(12) B(13) D(9)A(17) B(14) D(11) B(8)D(13) A(14) C(10) A(13)
Modelo : Yij = + i + j + ij
Ver análisis
Se pueden analizar más de una respuesta, (todo viene en plural). Covariadas es un factor que no se puede controlar (continuo), pero que está presente en el experimento. Si la covariada es significativa quiere decir que influye en el experimento.
Recuerde luego hacer prueba de medias. Recordar minimizar, maximizar, o un valor meta, eso es lo que se busca siempre en un experimento.
CARRO
MARCA
IVIIIIII
DCBADCBADCBADCBA
17
16
15
14
13
12
11
10
9
8
Y
Gráfica de caja de Y
Box plot ultimo primero en aparecer “marca”
D - C
D - B
C - B
D - A
C - A
B - A
420-2-4-6
MARCA
diferentes.Si un intervalo no contiene cero, las medias correspondientes son significativamente
ICs simultáneos de 95% de TukeyDiferencias de las medias para Y
En C-A y D-A hay diferencias significativas.
Parece que el comprador 2 presenta un menor desgaste para los efectos, pero es de la competencia. Estándar y + barato no son diferentes, si solo ellos estuvieran la estrategia es pasarse a B que es más barato.
Verificar residuos, ver gráfico adjunto.
210-1-2
99
90
50
10
1
N 16AD 0,352Valor p 0,423
Residuo
Porc
enta
je
161412108
1
0
-1
-2
Valor ajustado
Res
iduo
1,00,50,0-0,5-1,0-1,5-2,0
4
3
2
1
0
Residuo
Frec
uenc
ia
16151413121110987654321
1
0
-1
-2
Orden de observación
Res
iduo
Gráfica de probabilidad normal vs. ajustes
Histograma vs. orden
Gráficas de residuos para Y
Diseño No.4 Diseño de Cuadrados Latinos
POSICIÓN
CARROI II III IV
1 C (12) D (11) A (13) B (8)2 B (14) C (12) D (11) A (13)3 A (17) B (14) C (10) D (9)4 D (13) A (14) B (13) C (9)
Modelo : Yijk = + i + j + k + ijk
Ver análisis
Empezar con el GLM en Minitab.
D - C
D - B
C - B
D - A
C - A
B - A
3210-1-2-3-4-5-6
MARCA
diferentes.Si un intervalo no contiene cero, las medias correspondientes son significativamente
ICs simultáneos de 95% de TukeyDiferencias de las medias para Y
Se llegan a las mismas conclusiones, el ms del error si va disminuyendo porque se está incluyendo un factor más que hace más sensible el experimento.
10-1
99
90
50
10
1
N 16AD 0,536Valor p 0,143
Residuo
Porc
enta
je
16141210
1,0
0,5
0,0
-0,5
-1,0
Valor ajustado
Res
iduo
1,00,50,0-0,5-1,0
4
3
2
1
0
Residuo
Frec
uenc
ia
16151413121110987654321
1,0
0,5
0,0
-0,5
-1,0
Orden de observación
Res
iduo
Gráfica de probabilidad normal vs. ajustes
Histograma vs. orden
Gráficas de residuos para Y
El análisis de residuos refleja que cumplen los supuestos requeridos para validar el modelo.