2013-B. Diseño y análisis de experimentos. El chocomilk ideal

Documentos relacionados
4. DISEÑOS MULTIFACTORIALES O FACTORIALES

PROYECTO FINAL DISEÑO DE EXPERIMENTOS DISOLUCIÓN DE UNA ASPIRINA

Diseño de Experimentos. Diseños Factoriales

2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)

DISEÑO EXPERIMENTAL FACTORIAL DE GRUPOS

EXPERIMENTOS FACTORIALES

Diseños Factoriales. Diseño de experimentos p. 1/25

Diseños Factoriales. Diseño de experimentos p. 1/18

Diseño de Experimentos Experimentos factoriales

Diseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos

CALIDAD DE MARCAS ECONÓMICAS DE ESMALTE DE UÑAS COMPARANDO TIEMPO DE SECADO Y DURACIÓN

TEMA 2 Diseño de experimentos: modelos con varios factores

U ED Tudela Diseños de Investigación y Análisis de Datos - Tema 7

ESQUEMA GENERAL DISEÑO FACTORIAL

Métodos de Diseño y Análisis de Experimentos

ANOVA mul)factorial. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

DISEÑO EN PARCELAS DIVIDIDAS

Se permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.

5. DISEÑO FACTORIALES 2 k

EXPERIMENTOS FACTORIALES CON RESTRICCIONES DE ALEATORIZACION

Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos

Experimento Gauge R & R.

En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza

Métodos de Diseño y Análisis de Experimentos

Estadística; 3º CC. AA. Examen final, 23 de enero de 2009

DCA: Es el más simple de todos los diseños, solamente se estudia el. en diferentes tratamientos o niveles.

Modelos mixtos. Diseño de experimentos p. 1/26

DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos

Análisis de la varianza (ANOVA)

1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología

Departamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff

Capítulo 6. Análisis de la covarianza ANÁLISIS DE LA COVARIANZA UNIFACTORIAL INTRODUCCIÓN

Tipo de punta (factor) (bloques)

Diseño de Bloques al azar. Diseño de experimentos p. 1/25

ESTADISTICA AVANZADA. Análisis de la Variancia Anova One Way Kruskal-Wallis Bloques (Friedman)

Métodos de Diseño y Análisis de Experimentos

DISEÑO EN BLOQUES ALEATORIZADOS

5 ANÁLISIS Y RESULTADOS

III Verano de Probabilidad y Estadística Ejemplos de Interacción entre Estadística y Ecología

Pruebas estadís,cas para evaluar relaciones

Tema 2 Análisis de la varianza multifactorial

Diseño y análisis de experimentos

Diseño Factorial. Introducción

Supuestos y comparaciones múltiples

Ideas básicas del diseño experimental

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

9. DISEÑOS 2 K CON PUNTOS AL CENTRO 9.1 INTRODUCCION

CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS

Modelo de Análisis de la Covarianza. Introducción al modelo de Medidas Repetidas

ANÁLISIS DE REGRESIÓN

Experimentos con factores aleatorios. Diseño de experimentos p. 1/36

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO

Regresión múltiple. Demostraciones. Elisa Mª Molanes López

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

Tema 4. Análisis multivariante de la varianza

ESQUEMA GENERAL. Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto

Análisis de la Varianza

Análisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears

Diseño de Experimentos

DISEÑO Y ANÁLISIS DE DATOS II. PRIMER PARCIAL. NOVIEMBRE 2016.

Estas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías

ANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes

Tema 18 Análisis de la varianza de un factor (ANOVA) Contraste paramétrico de hipótesis

DISEÑO FACTORIAL MODELO JERÁRQUICO (0 ANIDADO)

Contrastes sobre la media Sea X 1, X 2,..., X n una m.a.s. extraída de una población normal X con media desconocida µ. Se desea contrastar:

ÍNDICE CAPÍTULO 1. INTRODUCCIÓN

Análisis estadístico y uso de bases de datos!!!!! Diseños factoriales! Diseños anidados

Escuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO

Diseño de Bloques Aleatorios y. Cuadrados Latinos

Test ANOVA. Prof. Jose Jacobo Zubcoff 1 ANOVA ANOVA. H 0 : No existen diferencias entre los k niveles H 1 : La hipótesis nula no es cierta

Estadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min

Esta prueba no paramétrica es análoga a la prueba paramétrica ANOVA de una vía.

APLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES

ANOVA de dos factores Tema Objetivo. Concepto de interacción

Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis

Análisis de la Varianza (ANOVA).

Tema 4. Regresión lineal simple

Elaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes

ANÁLISIS DE LA VARIANZA PARTE PRIMERA

Prueba t para muestras independientes

INFERENCIA ESTADISTICA CUADRADO) CHI-CUADRADO. x i. Variable Aleatoria [N(µ, σ) ] Muestras (N=1) Tipificando. = i σ z 2. = σ

1 El Análisis de Varianza

4 Análisis de Varianza

DISEÑO DE CUADRADOS LATINOS

CONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN

CONTRASTES DE HIPÓTESES

Ing. MSc. Luis Fernando Restrepo Gómez

ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación

14 horas. 20 horas

DISEÑO Y ANÁLISIS DE DATOS I. SEGUNDO PARCIAL 2016

Detergente Lavad.1 Lavad.2 Lavad.3 Media A B C D Media

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II

Estimación de Parámetros.

Índice. Diseños factoriales. José Gabriel Palomo Sánchez E.U.A.T. U.P.M. Julio de 2011

Diseños factoriales con tres factores

Regresión Lineal. El modelo de regresión caracteriza la relación entre una variable respuesta que depende de k variables independientes o regresoras.

Comparación de métodos de aprendizaje sobre el mismo problema

INGENIERO EN COMPUTACIÓN DISTRIBUCIONES DE PROBABILIDAD CONTINUA ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: AGOSTO DE 2017

Transcripción:

2013-B El chocomilk ideal Nadia Berenice Haro Mares Ulises Guadalupe Herrera Sillas Violeta María Isabel Martínez Mercado Angélica Rivera Pulido Proyecto Final

Angélica, Nadia, Violeta y Ulises, acaban de salir de la carrera y no encontraron trabajo, por lo que planean poner un puesto de chocomilk's en CUCEI. Debido a esto necesitan saber que marca de leche y de chocolate son las favoritas para prepararlos. Dinámica del Experimento 1. Se comparon 2 marcas de leche: sello rojo (S) y nutrileche (N), así como 3 marcas de chocolate: Choco-Choco (A), Cal-C-Tose (B) y Nesquik (C). 2. Se hicieron chocomilk s combinando cada tipo de leche con un tipo diferente de chocolate obteniendo en total 6 combinaciones: (N-A, N-B, N-C, S-A, S-B y S-C). 3. Se les pido a 26 personas que tomaran una muestra de cada combinación aletoreamente, y que después de haber probado todas dieran una calificación del 1 al 10. Se obtuvieron los siguientes datos No. de corrida 1 2 3 4 5 Leche Cal. No. de corrida Leche Cal No. de corrida Leche Cal. N A 4 N B 4 N B 6 N B 1 N C 8 N C 8 N C 8 10 19 S A 7 S A 7 S A 2 S B 4 S B 7 S B 2 S C 9 S C 10 S C 9 N A 4 N A 5 N B 3 N B 7 N B 1 N C 1 N C 9 N C 8 11 20 S A 6 S A 4 S A 5 S B 3 S B 6 S B 5 S C 8 S C 10 S C 8 N A 2 N B 2 N B 8 N B 1 N C 9 N C 9 N C 6 12 21 S A 4 S A 6 S A 1 S B 4 S B 7 S B 4 S C 9 S C 8 S C 9 N A 4 N B 5 N B 9 N B 4 N C 8 N C 1 N C 8 13 22 S A 6 S A 6 S A 6 S B 6 S B 9 S B 3 S C 9 S C 1 S C 9 N B 9 N B 5 N B 4 14 23 N C 7 N C 8 N C 2 S A 9 S A 7 S A 8

6 7 8 9 S B 8 S B 6 S B 1 S C 7 S C 9 S C 9 N A 5 N A 9 N A 8 N B 4 N B 7 N B 9 N C 5 N C 8 N C 4 15 24 S A 2 S A 7 S A 7 S B 6 S B 5 S B 2 S C 9 S C 10 S C 9 N A 8 N A 8 N B 4 N B 9 N B 1 N C 7 N C 8 N C 7 16 25 S A 2 S A 5 S A 7 S B 2 S B 6 S B 2 S C 9 S C 10 S C 9 N A 4 N B 4 N B 8 N B 1 N C 8 N C 3 N C 8 17 26 S A 4 S A 3 S A 6 S B 3 S B 6 S B 1 S C 9 S C 9 S C 6 N B 10 N B 2 N C 7 N C 9 18 S A 6 S A 7 S B 9 S B 6 S C 7 S C 10 2. Variable de respuesta Calificación 3. Factor Controlado Tipo de Leche (A) Tipo (B) 4. Niveles del factor A: 2 B: 3 5. Modelo matemático γ ijk = μ + τ i + β j + (τβ) ij + ε ijk Donde γ ijk = Calificación; = media global o media general; i =Efecto sencillo del tipo de leche en la Calificación;

β j : Efecto sencillo del tipo de chocolate en la Calificación; (τβ) ij : Efecto combinado del tipo de chocolate y de leche en la Calificación. ε ijk : error aleatorio 6. Hipótesis H0 (hipótesis nula): No influye el tipo de leche en la calificación. Ha (hipótesis alternativa): Si influye el tipo de leche en la calificación. H0 (hipótesis nula): No influye el tipo de chocolate en la calificación. Ha (hipótesis alternativa): Si influye el tipo de chocolate en la calificación. H0 (hipótesis nula): No hay efecto de interacción entre el tipo de leche y de chocolate en la calificación. Ha (hipótesis alternativa): Si hay efecto de interacción entre el tipo de leche y de chocolate en la calificación. 7. ANOVA Análisis de Varianza para Calificación - Suma de Cuadrados Tipo III Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P EFECTOS PRINCIPALES A:Leche 4.00641 1 4.00641 0.79 0.3760 B: 208.051 2 104.026 20.47 0.0000 INTERACCIONES AB 44.5128 2 22.2564 4.38 0.0142 RESIDUOS 762.115 150 5.08077 TOTAL (CORREGIDO) 1018.69 155 Todas las razones-f se basan en el cuadrado medio del error residual Como el valor de P (0.000) del chocolate y de la interacción entre el tipo de leche y chocolate (0.0142) son menores a α= 0.05, se descarta Hipótesis nula para ambos casos, con lo que se plantea que el tipo de chocolate y la interacción entre el chocolate y el tipo de leche, si influye en la calificación con un 95% de confianza.

8. Prueba LSD Pruebas de Múltiple Rangos para Calificación por Método: 95.0 porcentaje LSD Casos Media LS Sigma LS Grupos Homogéneos B 52 4.82692 0.312581 X A 52 5.71154 0.312581 X C 52 7.59615 0.312581 X Contraste Sig. Diferencia +/- Límites A - B * 0.884615 0.873464 A - C * -1.88462 0.873464 B - C * -2.76923 0.873464 * indica una diferencia significativa. Existen 3 grupos homogéneos: el primero con el tipo de chocolate A, el segundo con el tipo de chocolate B y el tercero con el tipo de chocolate C. Si se desea aumentar la calificación para un mejor sabor se recomienda utilizar el tercer grupo (tipo de chocolate C). 9. Gráfica y tabla de medias 8.3 Medias y 95.0% de Fisher LSD 7.3 Calificación 6.3 5.3 4.3 A B C Error Límite Límite Nivel Casos Media Est. Inferior Superior MEDIA GLOBAL 156 6.04487 A 52 5.71154 0.312581 5.09391 6.32917 B 52 4.82692 0.312581 4.20929 5.44456 C 52 7.59615 0.312581 6.97852 8.21379

Si se usa el tipo de chocolate C se esperarían promedios de calificación entre 6.97852 a 8.21379. 10. Gráfica de interacciones Gráfico de Interacciones 8.7 7.7 A B C Calificación 6.7 5.7 4.7 N Leche S Cuando se trabaja con el tipo de chocolate C y su interacción con los tipos de leche N y S, se observa una mayor calificación con el tipo de leche S. Cuando se trabaja tanto con el tipo de chocolate A, así como con el B, y sus respectivas interacciones con los tipos de leche N y S, respectivamente, no existe un cambio en la calificación. Conclusiones problema Con base a la prueba LSD para el tipo de chocolate se recomienda usar el tipo de chocolate C con cualquier tipo de leche. Con base a la gráfica de interacciones se recomienda usar el tipo de chocolate C con el tipo de leche S. Recomendación Con base a los resultados anteriores se recomienda que el tipo de chocolate C con el tipo de leche S es la combinación ideal para incrementar la calificación.

11. Supuestos a) Supuesto de varianza constante *LECHE Gráfico de Residuos para Calificación 8 4 residuos 0-4 -8 N Leche S Si cumple el supuesto de varianza constante. *CHOCOLATE 8 Gráfico de Residuos para Calificación 4 residuos 0-4 -8 A B C Si cumple el supuesto de varianza constante.

b) Independencia: Si cumple 8 Gráfico de Residuos para Calificación 4 residuos 0-4 -8 0 40 80 120 160 número de fila c) Normalidad: Si cumple porcentaje 99.9 99 95 80 50 20 5 1 0.1 Gráfico de Probabilidad Normal -8-5 -2 1 4 7 RESIDUOS