Funciones > Diseño de experimentos > Selección de factores > Ejemplo: Análisis de varianza (ANOVA) para factoriales no replicados
Ejemplo: Análisis de varianza (ANOVA) para factoriales no replicados
Utilice la función anova para realizar un análisis de varianza para un factorial no replicado mediante la detección de un factor insignificante y la posterior proyección del factorial en un factorial de menor orden.
1. Llame a la función fullfact para crear una matriz de diseño factorial completa para realizar un experimento que pruebe la velocidad de filtración de una planta piloto. Los factores A, B, C y D corresponden a la temperatura, la presión, la concentración de formaldehído y el índice de agitación, respectivamente.
Pulse aquí para copiar esta expresión
Pulse aquí para copiar esta expresión
2. Registre los resultados del experimento en la matriz Y1 con un elemento por cada una de las dieciséis ejecuciones.
Pulse aquí para copiar esta expresión
3. Llame a la función quickscreen para obtener la respuesta media de cada factor principal.
Pulse aquí para copiar esta expresión
4. Cree un gráfico de efectos para determinar los factores significativos.
Pulse aquí para copiar esta expresión
Pulse aquí para copiar esta expresión
Pulse aquí para copiar esta expresión
Pulse aquí para copiar esta expresión
Pulse aquí para copiar esta expresión
El factor C y las interacciones de segundo orden que incluyen C tienen solo un pequeño impacto sobre el experimento. En comparación con los factores A, B y D, el factor C no es significativo.
5. Llame a la función anova para realizar un análisis de varianza.
Pulse aquí para copiar esta expresión
La función anova devuelve un error porque Y1 no está replicado. Sin embargo, dado que C no es significativo, “Run 1” y "Run 5" son duplicados en lo que se refiere a los factores A, B y D. Este es también el caso de “Run 2" y "Run 6". De hecho, la matriz de diseño ABCD 24 en su totalidad contiene un duplicado de la matriz de diseño ABD 23 cuando C no es significativo.
6. Llame a la función fullfact para crear una matriz de diseño factorial 23 completa.
Pulse aquí para copiar esta expresión
En X2, se cambian los nombres de factor. Los factores iniciales A, B, D pasan a ser A, B, C.
7. Reorganice los resultados del experimento para ajustarlos a un experimento factorial de 23.
Pulse aquí para copiar esta expresión
8. Llame a la función anova utilizando Y2.
Pulse aquí para copiar esta expresión
Pulse aquí para copiar esta expresión
9. Utilice la función qF para calcular el F-value crítico de los factores y las interacciones, y comparar su F-value con el F-value crítico.
Pulse aquí para copiar esta expresión
Pulse aquí para copiar esta expresión
Pulse aquí para copiar esta expresión
Pulse aquí para copiar esta expresión
En el gráfico de efectos se indica que el factor C no es significativo en comparación con A, B y D.
Los factores A, B, D (se muestra en V como A, B, C) y sus interacciones AD, BD (se muestra en V como AC, BC) son significativos en el nivel 5 % ya que sus F-values son mayores que Fcrit. Este análisis de varianza refuerza la conclusión subjetiva que se deriva del gráfico de efectos.
Referencia
Montgomery, D.C., Design and Analysis of Experiments, 5th ed., John Wiley & Sons, New York, 2001, págs. 246.
¿Fue esto útil?