Estadistica

S.E.P. S.N.E.S.T. D.G.E.S.T. S.E.V








NOMBRE DEL TEMA: Diseño de experimentos de un factor


CARRERA: Ing. .Industrial


MATERIA: Estadística Inferencial 2




NOMBRE DEL ALUMNO: Lauren López rodriguez


SEMESTRE: 4to




DOCENTE: Pedro Ramos gomez



















DISEÑO DEEXPERIMENTOS DE UN FACTOR


Los modelos de diseño de experimentos son modelos estadísticos clásicos cuyo objetivo es
Averiguar si unos determinados factores influyen en una variable de interés y, si existe influencia de algún factor, cuantificar dicha influencia.
Unos ejemplos donde habría que utilizar estos modelos son los siguientes:
— En el rendimiento de un determinado tipo de máquina (unidadesproducidas por día): se
Desea estudiar la influencia del trabajador que la maneja y la marca de la máquina.
— Se quiere estudiar la influencia de un tipo de pila eléctrica y de la marca, en la duración
de las pilas.
— Una compañía telefónica está interesada en conocer la influencia de varios factores en
La variable duración de una llamada telefónica. Los factores que se consideran son losSiguientes: hora a la que se produce la llamada; día de la semana en que se realiza la
Llamada; zona de la ciudad desde la que se hace la llamada; sexo del que realiza la llamada;
Tipo de teléfono (público o privado) desde el que se realiza la llamada.

El objetivo del diseño de experimentos es estudiar si cuando se utiliza un determinado
Tratamiento se produce una mejora en el proceso o no.Para ello se debe experimentar aplicando, el tratamiento y no aplicándolo. Si la variabilidad experimental es grande, sólo se detectará la influencia del uso del tratamiento cuando éste produzca grandes cambios en relación con el error de observación.




FAMILIA DE DISEÑOS PARA COMPARAR TRATAMIENTOS

Familia de diseños para comparar tratamientos
Los diseños experimentales más utilizadospara comparar tratamientos son:
(1) Diseño completamente al azar (DCA)
(2) Diseño en bloque completamente al azar (DBCA)
(3) Diseño en cuadro latino (DCL)
(4) Diseño en cuadro grecolatino (DCGL)
La diferencia fundamental entre estos diseños es el número de factores de bloque que incorporan o controlan de forma explícita durante el experimento. La compara- ción de los tratamientos en cuanto a larespuesta media que logran, en cualquiera de estos diseños, se hace mediante la hipótesis que se prueba con la técnica estadística llamada Análisis de Varianza (ANOVA) con uno, dos, tres o cuatro criterios de clasificación, dependiendo del número de factores de bloques incorporados al diseño.









EL MODELO DE EFECTOS FIJOS

Hay dos supuestos comunes hechos sobre el efectoindividual específico, el supuesto de efectos aleatorios y la asunción de efectos fijos. La hipótesis de efectos aleatorios (hecho en un modelo de efectos aleatorios), es que los efectos específicos individuales no están correlacionados con las variables independientes. El supuesto del modelo de efectos fijo es que el efecto específico individual está correlacionado con las variables independientes. Sila hipótesis de efectos aleatorios se mantiene, el modelo de efectos aleatorios es más eficiente que el modelo de efectos fijos. Sin embargo, si este supuesto no se cumple (es decir, si la prueba de Durbin-Watson falla), el modelo de efectos aleatorios no es consistente

Considere el modelo lineal de efectos no observados para [pic]observaciones y [pic]periodos de tiempo:
[pic]for [pic]and[pic]
donde [pic]es la variable dependiente observado para el individuo [pic]en tiempo [pic][pic]es la variante de tiempo [pic] el regresor de la matriz, [pic]es lo no observado invariante en el tiempo y el efecto individual [pic]es el término de error. De igual manera [pic], [pic]no puede ser observada por el econometrista. Los ejemplos más comunes de efectos invariantes en el tiempo son los...