Descripción
Libro digital para leer en línea o en app móvil
Descripción:
Este libro es resultado de más de 20 años de enseñanza, capacitación y asesoría sobre diseño y análisis
de experimentos por parte de los autores. Durante este tiempo se ha tenido interacción con estudiantes
universitarios y de posgrado, investigadores, colegas estadísticos y personal técnico y directivo de numerosas
empresas. El resultado de ello se refl eja en los 15 capítulos de este texto, en sus cinco decenas
de ejemplos y en los más de 150 ejercicios, fundamentados en experimentos reales.
Tabla de contenidos:
Front Matter
Dedicatoria
Acerca de los autores
Prefacio
Sobre la tercera edición
Agradecimientos
Capítulo 1: Introducción al diseño de experimentos
Sumario
Objetivos de aprendizaje
Conceptos clave
El diseño de experimentos hoy
Diseño de experimentos en la investigación
Figura 1.1
Figura 1.2
Breve historia del diseño de experimentos
Definiciones básicas en el diseño de experimentos
Experimento
Unidad experimental
Variables, factores y niveles
Figura 1.3
Variable(s) de respuesta
Factores controlables
Factores no controlables o de ruido
Factores estudiados
Niveles y tratamientos
Tabla 1.1: Puntos de diseño o tratamientos
Error aleatorio y error experimental
Etapas en el diseño de experimentos
Ejemplo 1.1
Figura 1.4
Planeación y realización
1. Entender y delimitar el problema u objeto de estudio
2. Elegir la(s) variable(s) de respuesta que será medida en cada punto del diseño y verificar que se mide de manera confiable
3. Determinar cuáles factores deben estudiarse o investigarse, de acuerdo con la supuesta influencia que tienen sobre la respuesta
4. Seleccionar los niveles de cada factor, así como el diseño experimental adecuado a los factores que se tienen y al objetivo del experimento
5. Planear y organizar el trabajo experimental
6. Realizar el experimento
Análisis
Interpretación
Control y conclusiones finales
Consideraciones prácticas sobre el uso de métodos estadísticos
El conocimiento no estadístico es vital
Reconocer la diferencia entre significancia estadística e importancia prác tica
Apostarle más a la experimentación secuencial que a un experimento único y definitivo
Principios básicos
Aleatorización
Repetición
Bloqueo
Clasificación y selección de los diseños experimentales
Figura 1.5
Preguntas y ejercicios
Capítulo 2: Elementos de inferencia estadística: experimentos con uno y dos tratamientos
Sumario
Objetivos de aprendizaje
Conceptos clave
Población y muestra, parámetros y estadísticos
Figura 2.1
Inferencia estadística
Distribuciones de probabilidad e inferencia
Figura 2.2
Uso de Excel
Estimación puntual y por intervalo
Estimación puntual
Estimación por intervalo
Intervalo de confianza para una media
Ejemplo 2.1
Tamaño de la muestra
Intervalo para la varianza
Ejemplo 2.2
Intervalo para la proporción
Ejemplo 2.3
Tamaño de muestra
Resumen de fórmulas para intervalos de confianza
Tabla 2.1: Resumen de fórmulas para intervalos de confianza
Conceptos básicos de prueba de hipótesis
Planteamiento de una hipótesis estadística
Estadístico de prueba
Criterio de rechazo
Figura 2.3
Pruebas de una y dos colas (unilaterales y bilaterales)
El riesgo de una decisión equivocada: errores tipo I y tipo II
Prueba para la media con varianza desconocida
Figura 2.4
Ejemplo 2.4
Peso de costales
Figura 2.5
Prueba para la varianza
Prueba para una proporción
Ejemplo 2.5
Tres criterios de rechazo o aceptación equivalentes
Estadístico de prueba frente a valor crítico
Significancia observada frente a significancia predefinida
Figura 2.6
Intervalo de confianza
Comparación de dos tratamientos
Hipótesis para dos medias
Tabla 2.2: Comparación de dos tratamientos
Suposición de varianzas desconocidas pero iguales
Ejemplo 2.6
Comparación de dos centrifugadoras
Sin suponer varianzas iguales
Prueba para la igualdad de varianzas
Comparación de proporciones
Poblaciones pareadas (comparación de dos medias con muestras dependientes)
Ejemplo 2.7
Comparación de dos básculas
Tabla 2.3: Mediciones reportadas por dos básculas
Poblaciones pareadas: caso más general
Ejemplo 2.8
Impurezas en cofres levantados y cerrados
Tabla 2.4: Número de impurezas en cofres de autos
Resumen de fórmulas para procedimientos de prueba de hipótesis
Tabla 2.5: Procedimientos de prueba de hipótesis para un parámetro
Tabla 2.6: Procedimientos de prueba de hipótesis para dos parámetros.
Uso de software
En Excel
Preguntas y ejercicios
Ejercicios de estimación
Prueba de hipótesis para un parámetro
Prueba de hipótesis (comparación de tratamientos)
Pruebas pareadas
Investigar y experimentar
Capítulo 3: Experimentos con un solo factor (análisis de varianza)
Sumario
Objetivos de aprendizaje
Conceptos clave
Diseño completamente al azar y ANOVA
Ejemplo 3.1
Comparación de cuatro métodos de ensamble
Tabla 3.1: Diseño completamente al azar, ejemplo 3.1
Ejemplo 3.2
Comparación de cuatro tipos de cuero
Tabla 3.2: Comparación de cuatro tipos de cuero (cuatro tratamientos)
Tabla 3.3: Diseño completamente al azar
Notación de puntos
ANOVA para el diseño completamente al azar (DCA)
Figura 3.1
Figura 3.2
Tabla 3.4: Tabla de ANOVA para el DCA
Análisis del ejemplo 3.2 (comparación de cuatro tipos de cuero)
Tabla 3.5: ANOVA para los tipos de cuero, ejemplo 3.2
Ejemplo 3.3
Comparación de cuatro métodos de ensamble
Tabla 3.6: ANOVA para los métodos de ensamble, ejemplos 3.1 y 3.3
Cálculos manuales
Tabla 3.7: Detalles de los cálculos para el ANOVA en el DCA para el tiempo de ensamble, ejemplo 3.3
Diagramas de cajas simultáneos
Figura 3.3
Gráficos de medias
Figura 3.4
Comparaciones o pruebas de rango múltiples
Comparación de parejas de medias de tratamientos
Método LSD (diferencia mínima significativa)
Ejemplo 3.4
Tabla 3.8: Aplicación de la prueba LSD a métodos de ensamble
Método de Tukey
Ejemplo 3.5
Método de Duncan
Ejemplo 3.6
Comparación de tratamientos con un control (método de Dunnet)
Comparación por contrastes
Contraste
Contrastes ortogonales
Método de Sheffé
Verificación de los supuestos del modelo
Normalidad
Gráfica de probabilidad en papel normal
Tabla 3.9: Cálculos para realizar una gráfica de probabilidad normal
Figura 3.5
Gráfica de probabilidad normal en papel ordinario
Prueba de Shapiro-Wilks para normalidad
Varianza constante
Figura 3.6
Transformaciones para estabilizar la varianza
Prueba de Bartlett para homogeneidad de varianzas
Independencia
Ejemplo 3.7
Continuación del análisis para comparar cuatro tipos de cuero
Tabla 3.10: Residuos para ejemplo 3.2
Figura 3.7
Elección del tamaño de la muestra
Elección del tamaño de muestra por intervalo de confianza
Uso de software
Uso de Excel
Preguntas y ejercicios
Investigar y experimentar
Capítulo 4: Diseños en bloques
Sumario
Objetivos de aprendizaje
Conceptos clave
Diseño en bloques completos al azar
Factores de bloque
Tabla 4.1: Arreglo de los datos en un diseño en bloques completos al azar
Modelo estadístico
Hipótesis a probar
Análisis de varianza
Tabla 4.2: ANOVA para un diseño en bloques completos al azar
Ejemplo 4.1
Tabla 4.3: ANOVA para el ejemplo 4.1
Comparación de parejas de medias de tratamiento en el DBCA
Efecto de bloque
Diseño en cuadro latino
Tabla 4.4: Aspectos de los datos en un diseño en cuadro latino
Análisis del diseño
Tabla 4.5: ANOVA para el diseño en cuadro latino
Ejemplo 4.2
Comparación de cuatro marcas de llantas
Tabla 4.6: DCL en la comparación de cuatro marcas (A, B, C, D) de llantas
Análisis de varianza
Tabla 4.7: ANOVA para el ejemplo 4.2
Interpretación
Figura 4.1
Comprobación de supuestos
Figura 4.2
Selección y aleatorización de un cuadro latino
Diseño en cuadro grecolatino
Tabla 4.8: Diseño en cuadro grecolatino
Tabla 4.9: ANOVA para el diseño en cuadro grecolatino
Ejemplo 4.3
Diseño en bloques incompletos balanceados
Ejemplo 4.4
Tabla 4.10: Diseño BIB para el rendimiento de trigo
Análisis del DBIB
Tabla 4.11: ANOVA para el DBIB
Análisis de varianza para el ejemplo 4.4
Tabla 4.12: ANOVA para el ejemplo 4.4
Comparaciones de medias
Construcción de un DBIB
Método no reducido
Tabla 4.13: Diseño BIB con parámetros k = 5, b = 10, t = 3, r = 6, λ = 3
Métodos basados en cuadros latinos
Tabla 4.14: DBIB con parámetros k = 9, b = 12, t = 3, r = 4 y λ = 1
Aleatorización
Tabla 4.15: Diseño en cuadro grecolatino para ensamble
Tabla 4.16: ANOVA para diseño en el cuadro grecolatino de la tabla 4.10
Uso de software
Uso de Excel
Preguntas y ejercicios
Diseños en bloques incompletos balanceados
Investigar y experimentar
Capítulo 5: Diseños factoriales
Sumario
Objetivos de aprendizaje
Conceptos clave
Conceptos básicos en diseños factoriales
Ejemplo 5.1
Diseño factorial 22
Tabla 5.1: Diseño factorial 22
Efecto principal y efecto de interacción
Representación de los efectos principales y la interacción
Figura 5.1
Figura 5.2
Ejemplo de no interacción
Experimentation factorial vs. mover un factor a la vez
Tabla 5.2: Ejemplo de experimentación empírica (requiere más recursos)
Problema
El enfoque correcto
Ventajas de los diseños factoriales
Diseños factoriales con dos factores
Ejemplo 5.2
Factorial 4 × 3
Tabla 5.3: Datos del experimento factorial 4 × 3 (ejemplo 5.2)
Figura 5.3
Modelo estadístico e hipótesis de interés
Tabla 5.4: ANOVA para el diseño factorial a × b
Tabla 5.5: ANOVA para el ejemplo 5.2
Figura 5.4
Comparación de medias
Figura 5.5
Tomando en cuenta la interacción
Figura 5.6
Verificación de supuestos
Figura 5.7
Diseños factoriales con tres factores
Ejemplo 5.3
Figura 5.8
Modelo estadístico
Hipótesis de interés
Tabla 5.6: ANOVA para el diseño factorial a × b × c. En el ejemplo 5.3 es 3 × 2 × 2
Tabla 5.7: ANOVA completo para el ejemplo 5.3
Tabla 5.8: ANOVA simplificado para el ejemplo 5.3
Interpretación de efectos activos
Figura 5.9
Diagnóstico
Figura 5.10
Figura 5.11
Transformaciones para estabilizar varianza
Ejemplo 5.4
Tabla 5.9: ANOVA para el ejemplo 5.4, respuesta Y−1/2
Diseño factorial general
Tabla 5.10: ANOVA para el diseño factorial general a × b × . . . × k
Modelos de efectos aleatorios
El caso de dos factores aleatorios
Ejemplo 5.5
Estudio R&R
Modelo mixto: factores aleatorios y fijos
Uso de software
Uso de Excel
Preguntas y ejercicios
Investigar y experimentar
Capítulo 6: Diseños factoriales 2k
Sumario
Objetivos de aprendizaje
Conceptos clave
Diseño factorial 22
Tabla 6.1: Seis maneras de escribir los tratamientos del diseño 22
Representación geométrica
Figura 6.1
Cálculo de los efectos
Análisis de varianza
Definición de contraste
Métodos para calcular contrastes
Pasos para llegar al ANOVA
Figura 6.2
Tabla 6.2: ANOVA para el diseño factorial 22
Experimento 22: ejemplo integrador
Tabla 6.3: Diseño y datos para ranuradora
Figura 6.3
Efectos estimados
Tabla 6.4: ANOVA para el experimento de la ranuradora
Análisis de varianza
Interpretación y conclusiones
Figura 6.4
Modelo de regresión
Figura 6.5
Coeficientes de determinación, R2 y Raj2
Hacer la predicción
Gráficos de superficie
Figura 6.6
Figura 6.7
Análisis de residuos
Figura 6.8
Verificación de supuestos
Figura 6.9
Diseño factorial 23
Figura 6.10
Análisis del diseño factorial 23
Tabla 6.5: Tabla de signos del diseño factorial 23
Tabla 6.6: ANOVA para el diseño 23
Experimento 23: ejemplo integrador
Tamaño de prueba
Tabla 6.7: Resultado del experimento de obleas rotas (p es la proporción de obleas rotas en cada tratamiento)
Pareto estandarizado
Tabla 6.8: ANOVA completo para el ejemplo de obleas
Figura 6.11
El mejor ANOVA
Tabla 6.9: El mejor ANOVA para el ejemplo de obleas
Interpretación
Figura 6.12
Figura 6.13
Figura 6.14
Diseño factorial general 2k
Tabla 6.10: Familia de diseños factoriales 2k (k ≤ 5)
Estimación de contrastes, efectos y sumas de cuadrados
Tabla 6.11: Diseños factoriales 2k y sus efectos de interés, k ≤ 5
ANOVA del diseño factorial 2k
Diseño factorial 2k no replicado
Número de réplicas en los factoriales 2k
Tabla 6.12: Réplicas o corridas en la familia de diseños 2k
¿Cómo decidir cuáles efectos mandar al error?
Gráfico de efectos en papel normal (gráfico de Daniel)
Diagrama de Pareto de efectos
Figura 6.15
Otros criterios útiles
Colapsar o proyectar el diseño
Figura 6.16
Experimento 25 no replicado: ejemplo integrador
Tabla 6.13: Matriz de diseño en orden aleatorio
Tabla 6.14: Datos acomodados en el orden estándar para experimento de simiconductores
Análisis del experimento
Tabla 6.15: Efectos estimados
Figura 6.17
Figura 6.18
Tabla 6.16: ANOVA preliminar para los semiconductores
Mejor ANOVA
Tabla 6.17: El mejor análisis de varianza
Interpretación
Figura 6.19
Figura 6.20
Predicción
Figura 6.21
Verificación de supuestos
Figura 6.22
Figura 6.23
Análisis alternativo: colapsación o proyección del diseño
Figura 6.24
Tabla 6.18: ANOVA directo del diseño colapsado para semiconductores
Cuando la significancia de los efectos es menos clara: un ejemplo
Tabla 6.19: Diseño factorial 25 con sólo una corrida por tratamiento, ejemplo del tequila
Análisis del experimento
Efectos estimados y diagrama de Pareto
Figura 6.25
Tabla 6.20: Efectos estimados
Gráfica de efectos en papel normal
Figura 6.26
Tabla 6.21: Análisis de varianza.
Verificación de supuestos
Figura 6.27
Gráficas de efectos y conclusiones
Figura 6.28
Figura 6.29
Predicción
Factoriales 2k con punto al centro
Tabla 6.22a: ANOVA para corriente de fuga de obleas
Ejemplo 6.1
Factorial 23 con repeticiones al centro
Tabla 6.22b: Mejor ANOVA y prueba de falta de ajuste para corriente de fuga
Figura 6.30
Factoriales 2k en bloques
Cuando los bloques son las réplicas
Tabla 6.23: ANOVA con efecto de bloque
Generando los bloques con contrastes
Tabla 6.24: Efectos adecuados para generar bloques
Uso de software
En Minitab
En Excel
Preguntas y ejercicios
Investigar y experimentar
Capítulo 7: Diseños factoriales 3k y factoriales mixtos
Sumario
Objetivos de aprendizaje
Conceptos clave
Diseños factoriales 3k
Figura 7.1
Diseño factorial 32
Tabla 7.1: Diseño factorial 32 en tres notaciones útiles
Figura 7.2
Análisis del diseño factorial 32
Tabla 7.2: ANOVA para el diseño 32
Descomposición a efectos con un grado de libertad
Tabla 7.3: ANOVA desglosado para el diseño 32
Figura 7.3
Ejemplo 7.1
Tabla 7.4: ANOVA sin desglosar, ejemplo 7.1
Figura 7.4
Tabla 7.5: Coeficientes para calcular los contrastes en el factorial 32, ejemplo 7.1
Tabla 7.6: ANOVA desglosado, ejemplo 7.1
Factoriales mixtos
Ejemplo 7.2
(Continuación del ejemplo 5.2)
Tabla 7.7: ANOVA sin desglosar para el ejemplo 7.2
ANOVA desglosado
Tabla 7.8: Coeficientes para calcular los contrastes en el factorial 4 × 3, ejemplo 7.2
Tabla 7.9: ANOVA desglosado para el ejemplo 7.2
Uso de software
Preguntas y ejercicios
Capítulo 8: Diseños factoriales fraccionados 2k−p
Sumario
Objetivos de aprendizaje
Conceptos clave
Tabla 8.1: Efectos en los factoriales 2k
Diseño factorial fraccionado 2k−1
Diseño factorial fraccionado 23−1
Tabla 8.2: Diseño factorial completo 23 y contraste ABC
Tabla 8.3: Dos posibles diseños fraccionados 23−1
Figura 8.1
Estructura de alias del diseño 23−1 con I = ABC
Interpretación de efectos alias
Estructura de alias del diseño 23−1 con I = −ABC
El concepto de resolución
Construcción de fracciones 2k−1
Ejemplo 8.1
Construcción del diseño 24−1
Experimento 25−1: ejemplo integrador
Tabla 8.4: Dos fracciones 25−1
Análisis de las dos fracciones
Figura 8.2
Figura 8.3
Interpretación
Figura 8.4
Figura 8.5
Diseños factoriales fraccionados 2k−2
Ejemplo 8.2
Fracción 25−2
Tabla 8.5: Diseño 25−2, I = ABD = ACE
Estructura de alias
Tabla 8.6: Estructura de alias completa del diseño 2III5−2
Tabla 8.7: Estructura de alias reducida
Diseño factorial fraccionado 2k−p
Tabla 8.8: Factoriales fraccionados con resolución IV, con máximo 64 corridas
Ejemplo 8.3
Fracción 27−3
Tabla 8.9: Diseño 27−3, con generadores I = ABCE, I = BCDF e I = ACDG
Tabla 8.10: Estructura de alias completa del diseño 2IV7−3
Tabla 8.11: Estructura de alias reducida para el diseño 2IV7−3
Estimación de efectos y sumas de cuadrados
Experimento 27−4: ejemplo integrador
Tabla 8.12: Factores y niveles utilizados: problema de vibración
Tabla 8.13: Estructura de alias del diseño 2III7−4 (fracción principal)
Tabla 8.14: Matriz de diseño y vibración observada
Análisis del experimento
Figura 8.6
Figura 8.7
Tabla 8.15: Mejor análisis de varianza
Interpretación
Figura 8.8
Figura 8.9
Tres principios de los efectos factoriales
Principio de jerarquía
Principio de escasez (sparsity)
Principio de herencia
Tópicos adicionales sobre factoriales fraccionados
Comentarios sobre la resolución
Diseños fraccionados con aberración mínima
Patrón de longitud de palabra
Aberración mínima
Fracciones saturadas
Diseños de Plackett-Burman
Tabla 8.16: Diseño de Plackett-Burman con 12 corridas y hasta k = 11 factores
Diseño de Plackett-Burman con 12 corridas y hasta k = 11 factures
Tabla 8.17: Signos para el primer renglón de algunos diseños de Plackett-Burman
Aclaración de ambigüedades con otra fracción
Tabla 8.18: Diseño factorial fraccionado 27−4
Tabla 8.19: Estructura alias de la fracción original
CASO 1
Estimación de un factor dominante y todas sus interacciones
Tabla 8.20: Estructura alias de la segunda fracción, caso 1
Tabla 8.21: Estructura alias combinada, caso 1
CASO 2
Estimación de todos los efectos principales
Tabla 8.22: Estructura alias de la segunda fracción, caso 2
Tabla 8.23: Estructura de alias combinada, caso 2
Uso de software
Preguntas y ejercicios
Capítulo 9: Introducción al diseño robusto (Taguchi)
Sumario
Objetivos de aprendizaje
Conceptos clave
Filosofía Taguchi
Figura 9.1
El concepto de robustez
Figura 9.2
Factores de control, de ruido y de señal
Figura 9.3
Factor señal
Factores de ruido
Tipos de estudios de robustez
Ejemplo 9.1
Tabla 9.1: Factores de control y de ruido en la producción de un pigmento
Figura 9.4
Figura 9.5
Arreglos ortogonales
Figura 9.6
Diseño con arreglo interno y externo (diseño de parámetros)
Figura 9.7
Razón señal/ruido
Tabla 9.2: Razones señal/ruido para los diferentes tipos de variables de respuesta
Optimización en dos pasos
Ejemplo 9.2
Análisis del experimento del color del pigmento
Figura 9.8
Figura 9.9
Tabla 9.3: Mejor ANOVA para razón S/R y la media. Ejemplo del pigmento
Uso de software
Preguntas y ejercicios
Figura 9.10
Tabla 9.4: Datos del ejercicio 19
Capítulo 10: Planeación de un experimento
Sumario
Objetivos de aprendizaje
Conceptos clave
Experimentación: una estrategia para probar conjeturas y generar aprendizaje
Ejemplo 10.1
Tabla 10.1: Matriz de diseño para el ejemplo 10.1
El diseño de experimentos y el ciclo de Deming
Figura 10.1
Etapas y actividades de la planeación y análisis de un experimento
Planeación y diseño
Análisis e interpretación
Conclusiones
Control de factores de bloque y de ruido
Qué sigue después del primer experimento
Figura 10.2
Qué hacer cuando ningún efecto es significativo
Preguntas y ejercicios
Capítulo 11: Análisis de regresión
Sumario
Objetivos de aprendizaje
Conceptos clave
Regresión lineal simple
Ejemplo 11.1
Tabla 11.1: Datos de resistencia del papel, ejemplo 11.1
Figura 11.1
Figura 11.2
Tabla 11.2: Procedimiento para realizar los cálculos para la regresión simple
Tabla 11.3: Valores ajustados, y^i, y residuos, ei, para el ejemplo 11.1
Pruebas de hipótesis en la regresión lineal simple
Tabla 11.4: Análisis de regresión para el modelo Y = β0 + β1X
Estimación por intervalo para los parámetros de la regresión lineal simple
Análisis de varianza del modelo de regresión
Tabla 11.5: Análisis de varianza para el modelo de regresión simple
Ejemplo 11.2
Tabla 11.6: Análisis de regresión para el ejemplo 11.2
Tabla 11.7: Análisis de varianza para el ejemplo 11.2
Calidad del ajuste en regresión lineal simple
Coeficiente de determinación R2
Coeficiente de determinación ajustado, Raj2
Coeficiente de correlación
Error estándar de estimación
Media del error absoluto (mea)
Análisis gráfico de residuos
Figura 11.3
Figura 11.4
Figura 11.5
Verificación del supuesto de independencia
Prueba de Durbin-Watson
Prueba de falta de ajuste
Estimación y predicción por intervalo en regresión simple
Figura 11.6
Predicción de observaciones futuras
Riesgos de la regresión
Regresión lineal múltiple
Tabla 11.8: Estructura de los datos para la regresión lineal múltiple
Ejemplo 11.3
Tabla 11.9: Datos para el ejemplo 11.3
Tabla 11.10: Valores observados predichos y residuos para el ejemplo 11.3
Figura 11.7
Pruebas de hipótesis en regresión lineal múltiple
Análisis de varianza
Tabla 11.11: ANOVA para la significancia del modelo de regresión lineal múltiple
Coeficiente de determinación
Coeficiente de correlación múltiple
Error estándar de estimación y media del error absoluto
Pruebas sobre coeficientes individuales del modelo
Tabla 11.12: Análisis de regresión para el modelo Y = β0 + β1X1 + . . . + βk Xk
Ejemplo 11.4
Tabla 11.13: Análisis para el modelo de regresión lineal múltiple ajustado a los datos del ejemplo 11.3
Selección de variables en regresión lineal múltiple
Intervalos de confianza y predicción en regresión múltiple
Regresión polinomial y otros modelos de regresión simple
Tabla 11.14: Algunos modelos que son susceptibles de linealizarse con transformación de X, Y o ambas
Ejemplo 11.5
Figura 11.8
Tabla 11.15: Análisis para el modelo X-logarítmico ajustado a los datos del ejemplo 11.4
Ejemplo 11.6
Modelo cuadrático
Tabla 11.16: Datos para el ejemplo 11.6
Figura 11.9
Tabla 11.17
Uso de software
Uso de Excel
Preguntas y ejercicios
Preguntas y ejercicios de regresión lineal múltiple
Preguntas y ejercicios de regresión polinomial y otros modelos de regresión simple
Investigar y experimentar
Capítulo 12: Optimización de procesos con metodología de superficie de respuesta
Sumario
Objetivos de aprendizaje
Conceptos clave
Introducción a la metodología de superficie de respuesta
Figura 12.1
Región experimental y región de operabilidad
Figura 12.2
Mejor tratamiento y punto óptimo
Figura 12.3
Elementos de la MSR
Figura 12.4
Figura 12.5
Modelos
Figura 12.6
Modelos jerárquicos
Técnicas de optimización
Escalamiento ascendente (descendente)
Ejemplo 12.1
Figura 12.7
Tabla 12.1: Resultados de helicópteros construidos y análisis de varianza
Tabla 12.2: Escalamiento ascendente para el tiempo de vuelo
Figura 12.8
Análisis canónico
Determinación del punto estacionario (candidato a óptimo)
Ejemplo 12.2
Tabla 12.3: Experimento en cámaras de un solo uso
Tabla 12.4: ANOVA para datos de la tabla 12.3
Tabla 12.5: Diseño central compuesto para el número de fibras
Tabla 12.6: Análisis de varianza para datos de tabla 12.5
Figura 12.9
Tipos de superficie y ecuación canónica
Figura 12.10
Figura 12.11
Ejemplo 12.3
De regreso a la dirección de pérdida mínima
Análisis de cordillera
Figura 12.12
Ejemplo 12.4
Tabla 12.7: Diseño 26−2 y resultados para el ejemplo 12.4
Figura 12.13
Tabla 12.8: Análisis de varianza para diseño de tabla 12.7
Tabla 12.9: Trayectoria de máximo ascenso y resultados obtenidos
Tabla 12.10: Diseño y resultados para la segunda región experimental, ejemplo 12.4
Tabla 12.11: Análisis de varianza para el modelo de primer y segundo órdenes ANOVA modelo de primer orden
Diseños de superficie de respuesta
Ortogonalidad y rotabilidad
Relación modelo-diseño
Figura 12.14
Diseños de primer orden
Figura 12.15
Diseños de segundo orden
Diseños de Box-Behnken
Tabla 12.12: Matriz del diseño de Box-Behnken para tres factores
Figura 12.16
Diseño de composición central
Figura 12.17
Diseño de composición central con centros en las caras
Diseño central compuesto pequeño
¿Cuál diseño de segundo orden utilizar?
Tabla 12.13: Número de puntos en los diseños de segundo orden
Uso de software
Preguntas y ejercicios
Investigar y experimentar
Capítulo 13: Optimización simultánea de varias respuestas
Sumario
Objetivos de aprendizaje
Conceptos clave
Optimización simultánea
Figura 13.1
Ejemplo 13.1
Optimización de neumáticos
Tabla 13.1: Diseño yresultados experimentalespara el ejemplo 13.1
Tabla 13.2: Calidad de ajuste de cada modelo, ejemplo 13.1
Método gráfico
Figura 13.2
Paso 1
Figura 13.3
Paso 2
Figura 13.4
Paso 3
Método de la función de deseabilidad
Figura 13.5
Figura 13.6
Ejemplo 13.2
Optimización de un proceso de soldadura en semiconductores
Tabla 13.3: Experimento sobre soldadura en semiconductores, ejemplo 13.2
Tabla 13.4: Modelos ajustados para los datos de la tabla 13.3
Método gráfico
Figura 13.7
Método de la función de deseabilidad
Uso de software
Statgraphics
Minitab
Figura 13.8
Design Expert
Preguntas y ejercicios
Investigar y experimentar
Capítulo 14: Algunos diseños especiales: anidados, parcelas divididas y mediciones repetidas
Sumario
Objetivos de aprendizaje
Conceptos clave
Diseños anidados
Ejemplo 14.1
Figura 14.1
Ejemplo 14.2
Factores cruzados y anidados
Figura 14.2
Modelo y análisis estadístico del diseño anidado
Tabla 14.1: Valores esperados de los CM en el diseño anidado con dos factores
Tabla 14.2: ANOVA anidado. Ejemplo 14.1
Ejemplo 14.2: (Continuación)
Tabla 14.3: ANOVA para tiempos de ensamble. Ejemplo 14.2
Figura 14.3
Diseño en parcelas divididas
Figura 14.4
Cuándo utilizar el diseño en parcelas divididas
Ejemplo 14.3
Caso con dos factores
Tabla 14.4: Datos de resistencia de la madera al agua, ejemplo 14.3
Ejemplo 14.4
Caso con varios factores
Tabla 14.5: Experimento sobre el sabor de pasteles
Modelo y análisis estadístico de los diseños en parcelas divididas
El caso de dos factores
Tabla 14.6: Valores esperados de cuadrados medios del diseño en parcelas divididas con las parcelas acomodadas completamente al azar
Análisis del ejemplo 14.3
Tabla 14.7: ANOVA con promedio para el factor de parcela
Tabla 14.8: Análisis del ejemplo 14.3 como factorial 2 × 4
Tabla 14.9: ANOVA completo del diseño en parcelas divididas, ejemplo 14.3
Parcelas acomodadas en bloques
Tabla 14.10: Valores esperados de los cuadrados medios para las parcelas acomodadas en bloques
El caso con más de dos factores
Análisis del ejemplo 14.4
Figura 14.5
Tabla 14.11: ANOVA para los efectos de parcela
Tabla 14.12: ANOVA como diseño factorial (análisis incorrecto)
Tabla 14.13: Análisis completo del diseño en parcelas divididas, ejemplo 14.4
Figura 14.6
Diseños con medidas repetidas
Ejemplo 14.5
Tabla 14.14: Peso de 27 ratas en tres tratamientos, ejemplo 14.5
Análisis univariado
Figura 14.7
Tabla 14.15: Estimación de los parámetros de las líneas rectas y coeficiente R2
Tabla 14.16: ANOVA para β0 y β1
Figura 14.8
Análisis multivariado
Uso de software
Preguntas y ejercicios
Ejercicios de diseños anidados
Ejercicios de parcelas divididas
Ejercicios de medidas repetidas
Capítulo 15: Diseño de experimentos con mezclas
Sumario
Objetivos de aprendizaje
Conceptos clave
El problema del diseño de experimentos con mezclas
Ejemplo 15.1
Tabla 15.1: Mezclas y resultados para el ejemplo de análogos de queso
Figura 15.1
Figura 15.2
Algunos diseños de mezclas y sus modelos estadísticos
Figura 15.3
Aumentar el diseño
Modelo de primer orden
Modelo cuadrático
Ajuste del modelo y caracterización de la superficie de respuesta
Tabla 15.2: Análisis de los posibles modelos para el ejemplo de análogos de queso
Tabla 15.3: Ajuste y análisis de varianza para el modelo cuadrático, ejemplo de análogos de queso
Figura 15.4
Interpretación de los coeficientes del modelo ajustado
Gráfico de trazas
Figura 15.5
Restricciones en los componentes de una mezcla
Figura 15.6
Ejemplo 15.2
Experimento con restricciones
Tabla 15.4: Restricciones para los tres componentes del aditivo, ejemplo 15.2
Tabla 15.5: Datos de experimento de mezclas para esmalte
Tabla 15.6: Análisis de los posibles modelos para el ejemplo de esmalte
Tabla 15.7: Modelo cuadrático completo para ejemplo de esmalte
Tabla 15.8: Análisis de varianza del modelo lineal, ejemplo de esmalte
Figura 15.7
Seudocomponentes
La idea de diseños mixtos: componentes de mezclas y variables de proceso
Uso de software
Preguntas y ejercicios
Investigar y experimentar
Back Matter
Apéndice A: Tablas
Sumario
Tabla A1: Puntos críticos de la distribución normal estándar (μ = 0, σ = 1), P (Z > z)
Tabla A2: Puntos para la distribución χ2
Tabla A3: Puntos críticos para la distribución T de Student
Tabla A4: Puntos críticos al 5% de la distribución F, P(X > x) = 0.05
Tabla A5: Puntos porcentuales del estadístico rango estudentizado (5%)
Tabla A6: Valores críticos para prueba de Duncan (1%)
Tabla A7: Valores críticos para la prueba de Dunnett (hipótesis bilaterales)
Tabla A8: Límites para prueba de Durbin-Watson
Tabla A9: Valores de Wa para la prueba de Shapiro-Wilks
Tabla A9b: Prueba de normalidad Shapiro-Wilks, coeficientes ai para el estadístico W (n = 2 a n = 50)
Bibliografía
Índice analítico
Valoraciones
No hay valoraciones aún.