Clasificación de análisis de varianza y diagramas de estructura
1. Clasificación de análisis
de varianza y diagramas
de estructura
Diseño de experimentos: Oscar O. Melo M. Luis A. López P.
Sandra E. Melo M.
Ingeniería en Procesos y Calidad
IPC-1121 Diseño de Experimentos
Autores:
Laura Mora Umaña
María Fernanda Núñez Pacheco
Susan Salazar Céspedes
III Cuatrimestre 2021
Grupo 5
2. Introducción
Los métodos tradicionales de análisis de varianza desarrollan cálculos a
partir de modelos estadísticos asociado con el experimento en
consideración.
Resulta importante además presentar modelos gráficos ya que la
representación visual provee una herramienta clara para identificar cómo
obtener cálculos a partir de las relaciones existentes de los factores
experimentales.
3. ANOVA
Según Eisenhart (1947) se considera que el análisis de varianza es utilizado
para estudiar soluciones a dos clases de casos:
Clase I: detección y estimación de relaciones entre las medias de subconjuntos
de objetos del universo considerado.
Clase II: detección y estimación de componentes de variación (aleatorias),
asociados con una población compuesta.
4. Supuestos
fundamentales:
Para la Clase I, los siguientes supuestos son necesarios:
Son variables aleatorias que se distribuyen alrededor de los
verdaderos valores medios, donde esos valores son
constantes.
Los parámetros se encuentran relacionados en forma lineal.
Las variables aleatorias son homocedásticas y mutuamente
incorrelacionadas.
5. Supuestos
fundamentales
Para la Clase II:
Son variables aleatorias que se distribuyen alrededor
de un valor medio (valor fijo).
Las variables aleatorias son sumas de componentes.
Los desvíos en un modelo a dos vías de clasificación
se distribuyen en forma normal.
Cuando los supuestos anteriores se satisfacen, las
inferencias sobre los componentes de varianza son
válidas.
6. Diagramas de estructuras y
análisis de varianza en diseños
experimentales:
El uso de diagramas de
estructura es de gran utilidad
práctica en la construcción de
modelos para el análisis de
varianza con datos balanceados
(grados de libertad, suma de
cuadrados y esperanza de
cuadrados medios).
7. Regla 1. Efectos Admisibles: Un efecto admisible es toda combinación de letras de
factores en el cual ningún factor en una combinación está conectado con otro factor
de la combinación por líneas ascendentes.
Regla 2. Grados de Libertad: son obtenidos del diagrama de estructura por la
distinción de factores vivos e inertes asociados con el efecto de interés.
Regla 3. Sumas de Cuadrados: para el efecto Q es obtenida por la multiplicación
algebraica de los grados de libertad gl(Q) en la suma de los términos en la que cada
término t consiste en un conjunto de subíndices.
Regla 4. Esperanza de los cuadrados medios: Los cuadrados medios esperados son
calculados de acuerdo con los conceptos de factores e interacción ya expuestos.
Regla 5. Construcción de las estadísticas F y estimación de los componentes de
varianza: Con base en los resultados obtenidos en la regla 4, se desarrolla el análisis
de varianza, se construyen las estadísticas de prueba F y la estimación de las
diferentes componentes de varianza.
Derivación de
fórmulas: