Análisis y diseño de experimentos

1. Análisis y diseño de experimentos Humberto Gutiérrez Pulido Román de la Vara Salazar

2. Capítulo 3 Experimentos con un solo factor (análisis de varianza)

3. Análisis de varianza • Principio de bloqueo. Consiste en evitar cualquier tipo de sesgo que puede afectar la comparación justa de los tratamientos • Factores de bloqueo. son variables adicionales al factor de interés que se incorporan de manera explícita en un experimento comparativo

4. Familia de diseños para comparar tratamientos • Interacción entre dos factores. Se refiere a que el efecto de un factor depende del nivel en que se encuentra el otro • Diseño en bloques completos al azar. Diseño que contempla sólo un factor de bloqueo, donde en cada nivel de éste, se prueban todos los tratamientos en orden aleatorio • Diseño de cuadro latino. Diseño que contempla dos factores de tratamiento; los tres factores tienen la misma cantidad de niveles • Diseño en cuadro grecolatino. Diseño que contempla tres factores de bloque y un factor de tratamiento; los cuatro tienen el mismo número de niveles

5. Diseño completamente al azar y anova • Diseño balanceado. Es cuando se utiliza el mismo número de repeticiones en cada tratamiento • Modelo de efectos fijos. Es cuando se estudian todos los posibles tratamientos

6. Partiendo la variación total en sus componentes en un DCA

7. Anova para el diseño completamente al azar (DCA) • Análisis de varianza • Notación de puntos • Cuadrados medios • Tabla de análisis • Método de comparaciones múltiples

8. Representación de los efectos de tratamiento en el DCA

9. Diagramas de cajas simultáneos • Análisis comparativo de los tratamientos mediante diagramas de caja

10. Diagramas de cajas para los métodos de ensamble

11. Gráfico de medias con el método LSD

12. Comparaciones o pruebas de rango múltiples • Comparación de parejas de medias de tratamientos • Comparación de tratamientos con un control (método de Dunnet) • Comparación por contrastes

13. Verificación de los supuestos del modelo • Normalidad • Varianza constante • Independencia

14. Gráfica de probabilidad en papel normal y en papel ordinario

15. Ejemplos de gráficas de residuos donde no se cumplen los supuestos para el ANOVA

16. Gráficas de residuos para los tipos de cuero

17. Gráficas de diagnóstico • Son gráficas de residuos que sirven para verificar los supuestos de normalidad, varianza constante e independencia; también para constatar la ausencia de datos anómalos