Diseño de Experimentos

ANOVA
(extracto de
Mejoramiento de Procesos
por medio de toma de decisiones basada en datos por Omar Mora)
Rev.2

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Diseño Experimental (DEX)
El diseño experimental (DEX) suele ser circunscrito al concepto de Diseño
de Experimentos Factorial. Esto es un enfoque limitado. En un contexto
amplio DEX abarca todas las técnicas que permiten una comparación de
factores, en diferentes niveles, para poder identificar diferencias
significativas entre ellos.

Las pruebas de hipótesis, el análisis de regresión, ANOVA son técnicas de

DEX de amplio espectro de uso, y pueden dar grandes retribuciones a
quienes las empleen de forma cautelosa y responsable.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Diseño Experimental Básico
El diseño experimental, abreviado en No obstante, a manera de lograr un
inglés como DEX, los analistas, enfoque más integral de lo que es
deliberadamente cambia uno o diseño experimental, se dirá que un
más factores, variable de procesos, buen analista debe manejar con
con el fin de observar si los efectos propiedad al menos las siguientes
de los cambios tienen relación con herramientas estadísticas antes de
las variables de respuesta. ingresar en el diseño experimental:

Comúnmente cuando se habla de • Tamaño de Muestra

diseño experimental, la mayor • Pruebas de Hipótesis
parte de los analistas evoca • ANOVA
técnicas como diseño factorial,
diseño de Taguchi, Placket- • Análisis de Regresión y Correlación
Burman, Central Composite,
Superficies de Respuesta, entre Y conocedor de lo anterior, el estudio y
otros. aplicación del diseño experimental le
resultará mucho más sencillo, que si
Y esto está bien. asume que es un concepto separado,
o independiente.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Diseño Experimental Básico
En este documento se iniciar el Si el lector requiere ahondar en los
tema de diseño experimental conocimientos sobre este tema, le
por medio del estudio de recomendamos acudir a la
ANOVA de una y dos vías. bibliografía anotada al final de
este documento.
Posteriormente, se trabajará el
tema de diseño factorial de
dos niveles, y otras
variedades. Pero, no se
pretende que esta explicación
sea exhaustiva, si no más
bien, introductoria.

No está dentro del alcance de

este documento temas como
diseño de mezclas, diseño de
experimentos de Taguchi.
Copyrights©. 2005-2008 PXS Diseño de Experimentos
Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Niveles de Análisis
Lógico

Experimental Estadístico

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA como DEX
A designed experiment is a test or series of tests in which purposeful changes are
made to the input variables of a process that we may observe and identify
corresponding changes in the output response.

Factores Controlables (Entradas)

...
x1 x2 xp

...

Salidas
Entradas PROCESO y

...

...
z1 z2 zq
Factores Incontrolables
(Entradas)

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA: Conceptos Básicos

• ANOVA es un herramienta • “Las técnicas iniciales de

estadística que se emplea análisis de varianzas fueron
para comparar los desarrolladas por el
desempeños promedio de estadístico y genetista Ronald
un determinado número de Fisher entre 1920 y 1930, y
algunas veces se les conoce
poblaciones. como ANOVA de Fisher o
Análisis de Varianza de
• ANOVA es el acrónimo Fisher.” (5)
para el término en inglés,
Analysis of Variance.

• Típicamente ANOVA y
Análisis de Regresión son
considerados métodos
analíticos avanzados.
Copyrights©. 2005-2008 PXS Diseño de Experimentos
Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA: son promedios
El acrónimo ANOVA causa un Si bien ANOVA es acerca de
poco de confusión. promedios, es necesario
verificar ciertas fuentes de
Recuerde: ANOVA es un variación antes de poder
método usado con la ejecutar un análisis tipo
intención de determinar la ANOVA.
existencia de diferencias
entre un número de
promedios poblacionales.

El principio de parsimonia es
sumamente necesario, al
enfrentar la posibilidad de
usar una ANOVA

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA: Modelos Conceptuales
• Modelo de Efectos Fijos: el
supuesto para este modelo es • Modelo Mixto: estos modelos
que los datos en cada pueden utilizarse para explicar
población bajo estudio, condiciones donde ambos, los
provienen o se pueden modelos de efectos fijos y
explicar por medio de una aleatorios, están presentes.
distribución normal, y los
promedios podrían o no diferir. ADVERTENCIA: el alcance de
este documento es sobre el
• Modelo de Efectos Modelo de Efectos Fijos,
Aleatorios:los supuestos de solamente.
este caso asumen que los
datos describen una jeraquía
de poblaciones disímiles
cuyas differencias son
inhabilitadas por la jeraquía
misma.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 “…ANOVA es similar a la regresión en el
sentido que es utilizada para investigar
y modelar la relación entre una variable
de respuesta y una o más variables
independientes” MINITAB Stat Guide. MINITAB Release 14

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Navaja de Occam y ANOVA
“Si solamente se están comparando dos medias, entonces la ANOVA
dará los mismos resultados que una prueba de hipótesis t, para
mustras independientes (si estamos comparando dos grupos
diferentes de casos u observaciones) o una prueba t para muestras
dependientes (si estamos comparando dos variables en un solo
especimen de casos u observaciones)”

Traducción a partir de (6)

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Prueba de Hipótesis y ANOVA

En el Diseño Experimental,
específicamente en el uso de
ANOVA y DOE Factorial, se
debe tener presente que el
conocimiento y destreza tanto
en prueba de hipótesis como
en análisis de regresión es
fundamental para una correcta
interpretación del resultado de
la ANOVA o el DOE.
H 0 : 1  2  ...n
Estos elementos se reforzarán con
la práctica y ejemplos.

La hipótesis nula que subyace es:

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Supuestos en la ANOVA
Hay dos supuestos básicos en Violentar estos supuestos podría
ANOVA: originar consecuencias en
las conclusiones del
1. Los datos se han extraído estudio.
por muestreo es
independiente y aleatorios
de “j” poblaciones bajo
estudio.

2. Las “j” poblaciones están

normalmente distribuidas
con una media “” QUE
PODRIAN O NO (he aquí
la esencia de la ANOVA)
ser iguales; sin embargo,
las varianzas “²” son
iguales en las “j”
poblaciones.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Supuesto de Normalidad

Supuesto de Normalidad:

Los efectos de incumplir este supuestos están relacionados con el

estadístico de prueba usado por la ANOVA, mejor conocido como
prueba F.

Muchos autores establecen que la prueba F es sorprendentemente

robusta y tolera desviaciones de los datos del modelo Normal. La
principal restricción podr{ia estar relacionad con el nivel de
Curtosis de los datos.

Cuando la curtosis no es mesocúrtica, si no que es leptocurtica, el

valor de F tiende a ser bajo y no se puede rechazar la hipótesis
nula, a pesar que sea incorrecta. Si los datos tienen platicurtosis,
sucedería algo similar: se rechazaría aun cuando la hipótesis nula
era correcta.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Supuesto de Homogeneidad de
Varianzas
La homogenidad de varianzas, como supuesto,
considera que las varianzas en los diferentes
grupos son idénticas.

“Si las varianzas en dos grupos independientes son

diferentes, entonces adicionar los datos de esos
grupos en uno solo, no es apropidado, y no
conducirá a una correcta estimación de la
varianza común dentro-del-grupo (since que no
existe varianza común)” Traducción adaptada de (6)

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Supuesto de Homogeneidad de
Varianzas
Igualmente, la prueba F es muy En la práctica, estas sugerencias son
robusta, y tolera desviaciones de poco utilizadas, pero es necesario
incumplimiento de homogeneidad tener presente la necesidad de
de varianzas;sin embargo, pueden validar los supuestos
existir casos en los que los
promedios están correlacionados
con varianzas entre las celdas que
conforman la tabla de ANOVA. Es
un factor dificil de identificar.

Algunos sugieren crear un gráfico de

dispersión que confronte varianzas
contra promedios, y comprobar si
hay correlaciones

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Pasos para Aplicar ANOVA
Este es un procedimiento sugerido
por Blackberry&Cross, sobre la
base de conceptos teóricos y
prácticas operativas
industriales, estudiadas
durante varios años.
Algunos autores podrían diferer
del orden o necesidad de
ciertos pasos, pero cada paso
sugerido se considera
necesario para desarrollar
metodología y resultados más
confiables

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Pasos para Aplicar ANOVA
1. Descripción clara del problema
2. Determinación del modelo de análisis
3. Definición de la hipótesis nula
4. Determinación del tamaño de Muestra
5. Realizar una prueba de igualdad de varianzas
6. Realizar una prueba de Bondad de Ajuste para Normalidad
7. Configurar la tabla de ANOVA
8. Ejecutar la prueba de ANOVA
9. Analizar los resultados (incluye análisis de residuos)
10. Conducir pruebas de Tukey, HSU y/o ANOM
11. Concluir sobre el Experimento ANOVA

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Tamaño de Muestra para
ANOVA
Recuérdese que cuando se Todo problema de tamaño de
trabaja con problemas de muestra requiere al menos:
tamaño de muestra (Power
and Sample Size, en inglés)
siempre hay dos formas de 1. Desviación estándar (en
abordarlo: modelos de datos continuos)
2. Diferencia mínima detectable
entre el más pequeño y más
• Prospectivo: antes de correr grande de los factores medios.
el experimento 3. Poder de la prueba

• Retrospectivo: después de
correr el experimento

Se recomienda utilizar el enfoque

prospectivo, siempre que sea
posible.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Tamaño de Muestra para ANOVA
Asuma que ha hecho un experimento ANOVA, con el fin de
entender como el envejecimiento de los materiales afecta su
resistencia media. Usted quiere encontrar la diferencia, en un
grupo de datos controlado, con niveles promedio entre 10 y 14
unidades de resistencia. El sigma del proceso que se tiene ha
sido registrado en 2.5. Usted tomó una muestra inicial de 8, en
un enfoque retrospectivo de muestreo.Calcule el tamaño de
muestra, con un nivel de poder de prueba del 90%. Use
MINITAB 15.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Poder de la Prueba
“El poder de la prueba es la probabilidad de correctamente rechazar H0
cuando es falsa. En otras palabras, es la probabilidad de que se
identifique una diferencia significativa (efecto) cuando existe”

MINITAB Stat Guide

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Fundamentos de Cálculo de
ANOVA
Este material abarca solamente los tipos de ANOVA conocidos como:

ANOVA Una-Vía (One-Way ANOVA)

ANOVA Dos-Vías (Two-Way ANOVA)

No se incluyen en este materiales modelos para ANOVA no-balanceada.

Para mayor información consulte (8).

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA de Una Vía
Esta modalidad de ANOVA puede sintetizarse en un diseño experimental,
en donde se analiza un (1) factor, en múltiples niveles.

Típicamente, se llama a los niveles del factor “tratamientos”.

De forma estricta, la ANOVA de Una Vía es un OFAT.

Su utilidad es de gran valor, tanto en la práctica como en el ejercicio

conceptual.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA de Una-Vía Tamaño
Muestra
NOTA: no se ha estudiado los elementos de ANOVA DE UNA VÍA,
pero se utlizará este menú de tamaño de muestra como ilustración

Power and Sample Size

One-way ANOVA

Alpha = 0.05 Assumed standard deviation = 2.5

Number of Levels = 5

SS Sample Maximum
Means Size Power Difference
8 8 0.661089 4

The sample size is for each level.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA de Una-Vía Tamaño Muestra

Power and Sample Size

One-way ANOVA

Alpha = 0.05 Assumed standard deviation = 2.5 Number of Levels =

5

SS Sample Target Maximum

Means Size Power Actual Power Difference
8 14 0.90 0.923493 4
8 16 0.95 0.956893 4
8 21 0.99 0.990934 4

The sample size is for each level.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Prueba Igualdad de
Varianzas
Para ejecutar estas pruebas use el menú de
MINITAB

Stat > ANOVA > Test for Equal Variances.

Asuma que tiene un producto en el cual el espesor es una dimensión

crítica. El producto se fabrica por medio de termoformado plástico

Usted sabe que el sistema de termoformado se comporta como sigue:

Cuando trabaja a 25 psi, y cuando trabaja a 41 psi debería ser lo mismo

¿Las varianzas en ambos niveles (25 y 41 psi) serán iguales?

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Prueba: Bonferroni y Levene
Test for Equal Variances: Diameter versus Pressure

95% Bonferroni confidence intervals for standard deviations

Pressure N Lower StDev Upper

25 9 2.91929 4.55522 9.7110
41 9 3.54091 5.52519 11.7789

F-Test (normal distribution)

Test statistic = 0.68, p-value = 0.598

Levene's Test (any continuous distribution)

Test statistic = 0.05, p-value = 0.824

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ilustración de Igualdad de Varianzas
Test for Equal Variances for Diameter
F-Test
Test Statistic 0.68
25 P-Value 0.598
Pressure

Levene's Test
Test Statistic 0.05
P-Value 0.824
41

2 4 6 8 10 12
95% Bonferroni Confidence Intervals for StDevs

25
Pressure

41

0 5 10 15 20 25
Diameter

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Homogeneidad de Varianzas
Varios Métodos
En general los métodos de igualdad de varianzas se categorizan en

Pruebas estadísticas
– Barlett's (mejor con datos normales)
– F-test (muy robusta; se ve afectada por la curtosis alta o baja)
– Levene (menos poderosa, pero es no-paramétrica)

Medición de Varianza
– Desviación Estándar
– Varianza
– Bonferroni: intervalos de confianza

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Prueba de Normalidad
Las pruebas de Normalidad sugeridad son
1. Anderson Darling
2. Kolmogorov-Smirnov
3. Ryan-Joiner
4. P-Value

Con anterioridad se han mencionado otras pruebas.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA una-vía: un solo factor en
múltiples niveles
Tabla de ANOVA y Fórmulas

Tratamiento Observaciones Totales Medias

1 y11 y12  y1n y1 y1

2 y 21 y 22  y2n y 2 y 2
      
a y a1 ya2  y an y a y a
y  y 
Copyrights©. 2005-2008 PXS Diseño de Experimentos
Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Fórmulas Específicas
n
y i   y ij yi  yi / n i  1,2,..., a
j 1

a n
y   yij y  y / N N  an
i 1 j 1

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Medición de la Variabilidad en ANOVA

Al igual como se explicó en los 2

a n
y
SST   yij  
elementos de análisis de 2
regresión, la ANOVA como
modelo experimental está i 1 j 1 N
compuesto de un factor
sistemático y otro aleatorio.

La variabilidad total se mide

por de SST, en donde SS
significa Suma de Cuadrados, SST  SS tratamientos  SS error
del inglés Sum of Squares.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 SS Tratamientos = Suma de cuadrados de las diferencias entre las medias
de los tratamientos y el promedio general.
SS error = Suma de cuadrados de las diferencias de las observaciones
dentro de un tratamiento del promedio del tratamiento.

El concepto de tratamiento y error son complicados, cuando se ejecutan las

primeras experimentaciones con ANOVA.

En este documento se omitirán las ecuaciones para el cálculo manual de la

Suma de Cuadrados de los Tratamientos y la Suma de Cuadrados de los
Errores. Se enfocará el estudio en la confección e interpretación de la
ANOVA.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 TABLA DE ANOVA-Sumaria

Fuentes de Suma Grados Cuadrado

Variación Cuadrados Medio F0
Libertad

MS Tratamientos
Tratamientos SS Tratamientos a 1 MS Tratamientos
MS E
Error
SS E a(n  1) MS E
Total SS Total an  1

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 TABLA DE ANOVA-Sumaria

Fuentes de Suma Grados Cuadrado

Variación Cuadrados Medio F0
Libertad

MS Tratamientos
Tratamientos SS Tratamientos a 1 MS Tratamientos
MS E
Error
SS E a(n  1) MS E
Total SS Total an  1

Los conceptos de análisis

de regresión se adicional en R² = SS Tratamientos
la interpretación de la
ANOVA SS Total

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Cuadrado Medio y Varianza

Recuérdese que

S12
F0 
S2

En el caso de la ANOVA, la varianza de

los tratamientos y del error se estima
por medio de los Cuadrados Medios
MSTratamientos
F0 
MS error

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo:

Una compañía fabricante de aleaciones, ha decidido entender mejor su

proceso. De momento se sabe que la adición de determinados metales
favorece la resistencia; el equipo de ingeniería conoce que adicionar
bronce en diferentes proporciones, a la amalgama, podría explicar la
mejoría en la resistencia. El problema está en el costo del bronce, y su
problema de abastecimiento. El departamento de ingeniería expone
entonces que la resistencia está dada en función de la proporción de
bronce. Se decide utilizar diferentes proporciones: 5%, 10%, 15% y
20%. Para cada concentración se han tomado 6 especímenes, de
acuerdo con un muestreo aleatorio retrospectivo.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Resistencia en PSI de las Amalgamas

OBSERVACIONES RECOLECTADAS

Porcentaje de
Bronce 1 2 3 4 5 6 Totales Promedio
(%)

5 7 8 15 11 9 10 60 10.00

10 12 17 13 18 19 15 94 15.67

15 14 18 19 17 16 18 102 17.00

20 19 25 22 23 18 20 127 21.17

TOTALES 383 15.96

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Verificación de Supuestos
Probability Plot of Resistencias
Normal
99
Mean 15.96
StDev 4.723
95 N 24
AD 0.326
90
P-Value 0.505
80
70
Percent

60
50
40
30
20

10
Homogeneidad de Varianzas
5
Bartlett's Test

5 Test Statistic 1.14

1 P-Value 0.769
5 10 15 20 25 30 Lev ene's Test
Resistencias Test Statistic 0.60
P-Value 0.623
10

Tratamiento
15

20

0 1 2 3 4 5 6 7 8 9
95% Bonferroni Confidence Intervals for StDevs

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo:Construcción Tabla ANOVA
Acceda al Menú de
MINITAB 15:

STAT ►ANOVA ►One

Way

La variable de respuesta
es la
Resistencia del metal. El
factor, tratamiento, es el
porcentaje de bronce.

Para efectos de análisis

es conveniente registrar
los residuales y los
valores de ajuste del
modelo (fit)
Copyrights©. 2005-2008 PXS Diseño de Experimentos
Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo:Construcción Tabla ANOVA

Como parte del proceso de validación

de los resultados de una ANOVA,
es altamente recomendado que
se seleccionen los gráficos:
– Análisis cuatro-en-uno
– Valores individuales
– Cajas-y-bigotes

Estos gráficos deben estudiarse, para

entender el comportamiento de
los valores individuales, así como
de los valores residuales

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo:Comparaciones Múltiples

En algunas ocasiones las pruebas de

comparación múltiple, resultan un
recurso adicional para identificar
si hay evidencia estadística de
diferencia entre los tratamientos.

Para efectos de ilustracíón en

MINITAB 15 se procederá a
analizar las pruebas:

• Tukey
• HSU

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Análisis Gráfico
Individual Value Plot of Resistencias vs Tratamiento

25

20
Resistencias

15

10
Boxplot of Resistencias

25
5
5 10 15 20
Tratamiento
20

Resistencias
15

10

5
5 10 15 20
Tratamiento

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Análisis Gráfico
Residual Plots for Resistencias
Normal Probability Plot Versus Fits
99
N 24
AD 0.259 4
90 P-Value 0.684
2

Residual
Percent

50
0

10 -2

1 -4
-5.0 -2.5 0.0 2.5 5.0 10.0 12.5 15.0 17.5 20.0
Residual Fitted Value

Histogram Versus Order

4.8
4
3.6
Frequency

2
Residual
2.4 0

1.2 -2

0.0 -4
-4 -2 0 2 4 2 4 6 8 10 12 14 16 18 20 22 24
Residual Observation Order

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Comportamiento de los Residuos

Los residuos son la diferencia entre los datos observados (Oi) y los datos
esperados (Ei), o también llamados ajustados, ya que provienen de
una curva de ajuste o modelo.

Si la diferencia entre Oi-Ei es igual a cero (0), significa que el modelo y

los datos se ajustan perfectamente.

Los residuos deben seguir un comportamiento normal, con media cero

(0) y varianza desconocida, pero calculable.

Para que la ANOVA , u otros modelos sean válidos, es necesario que

estas condiciones se cumplan.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: ANOVA Sumaria
One-way ANOVA: Resistencias versus Tratamiento

Source DF SS MS F P
Tratamiento 3 382.79 127.60 19.61 0.000
Error 20 130.17 6.51
Total 23 512.96

S = 2.551 R-Sq = 74.62% R-Sq(adj) = 70.82%

Individual 95% CIs For Mean Based on Pooled StDev

Level N Mean StDev +---------+---------+---------+---------
5 6 10.000 2.828 (----*----)
10 6 15.667 2.805 (----*-----)
15 6 17.000 1.789 (----*-----)
20 6 21.167 2.639 (-----*----)
+---------+---------+---------+---------
8.0 12.0 16.0 20.0

Pooled StDev = 2.551

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Comparación de HSU

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Comparación de Tukey

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOM
Con frecuencia, en la práctica, el En MINITAB 15, el menú es:
concepto de ANOVA resulta
dificil de visualizar para
muchos. Una alternativa STAT►ANOVA ►ANOM
gráfica para solventar este
inconveniente de interface, Es recomendable acompañar las
es la prueba conocida como pruebas de ANOVA, con un
ANOM (Analysis of Means). análisis ANOM.
ANOM puede aplicarse para
datos normales, binomiales o
poisson, y provee un
despliegue gráfico de su
resultado. Puede diferir de la
ANOVA en el resultado final,
por lo que el analista debe
ser cauto. Toda herramienta
tiene diferente nivel de poder.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOM

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA de Dos Vías
Esta modalidad de ANOVA tiene la propiedad de poder incorporar dos ,
factores, cada uno con “a” cantidad de niveles.

La ANOVA de Dos Vías no es un OFAT, y es un modelo experimental más

complejo.

La ANOVA de dos vías, permite entender el efecto del factor A, el factor B,

además de su interacción AB, lo que la convierte en una herramienta
muy poderosa.

Igualmente, es un diseño experimental de amplia utilidad práctica.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA dos vías: dos factores en “a” niveles
Factor B
1 2 b
y111, y112, y121, y122, y1b1 , y1b 2 ,
1  , y11n  , y12n   , y1bn y1
( y11 ) ( y12 ) ( y1b )
y211, y212, y221, y222, y2b1 , y2b 2 ,
Factor A  , y21n  , y22n   , y2bn
2 y 2 
( y21 ) ( y22n ) ( y22n )
   
ya11, ya12 , ya 21, ya 22 , yab1 , yab2 ,
a  , ya1n  , ya 2 n   , yabn y a 
( ya1 ) ( y a 2 ) ( yab )
y1 y2 yb y  

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA dos vías: fórmulas
b n
yi   yijk
yi
yi  i  1,2,..., a
j 1 k 1 bn
a n
y j    yijk y j  
y j 
j  1,2,..., b
i 1 k 1 an
yij 
n yij   i  1,2,..., a
yij    yijk n
k 1 j  1,2,..., b
a b n
y   yijk y 
y
i 1 j 1 k 1 abn

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 B= -1
La hipótesis nula en una ANOVA B= 1
de dos vías, se expresa como:

Respuesta
H0: No hay efecto significativo del
Factor A, No hay efecto significativo
del Factor B, No hay efecto
No Interacción Significativa
significativo por la interacción entre AB -1 Factor A 1

INTERACCIONES
B= 1

Respuesta
Las interacciones suceden cuando el
efecto de un factor, sobre la variable de
respuesta depende del nivel de otro B= -1
factor. Interacción Significativa
-1 Factor A 1

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA dos vías: Tabla Sumaria

Fuente de Suma Grados de Cuadrado F0

Variación Cuadrados Libertad Medio

A SS A MS A
SS A a 1 MS A  F0 
a 1 MS E
SS B MS B
B SS B b 1 MS B  F0 
b 1 MS E
SS AB MS AB
Interacci{on SS AB (a  1)(b  1) MS AB  F0 
(a  1)(b  1) MS E
SS E
Error SS E ab(n  1) MS E 
ab(n  1)
Total SST abn  1

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo:

Una empresa del sector electrónico tiene un proceso de introducción de nuevos

productos (NPI, de sus siglas en inglés). Como parte de los retos que el equipo NPI
debe enfrentar, se encuentra tomar la decisión acerca del modo de fabricación de la
cubierta plástica que protejerá a un transmisor tierra-aire. Se sabe que pueden
fabricarse las cubiertas por dos tecnologías alternativas: inyección y termoformado.
Igualmente hay tres materiales, polímeros, que se pueden emplear: ABS(1),
Acetal(2), Policarbonato(3).
Se ha decido hacer tres muestras piloto para cada técnica con cada polímero. Una
ANOVA de dos vías resulta funcional para análisis de este experimento, donde la
variable de respuesta es un coeficiente de curvatura, por cálculo indirecto.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Curvatura
Polímero Inyección Termoformado yi
1 4.0, 4.5, 4.3 5.4, 4.9, 5.6 28.7

12.8 15.9

2 5.6, 4.9, 5.4 5.8, 6.1, 6.3 34.1

15.9 18.2

3 3.8, 3.7, 4.0 5.5, 5.0, 5.0 27.0

11.5 15.5

y j  40.2 49.6 89.8

y

a=3, b=2, n=3

Copyrights©. 2005-2008 PXS Diseño de Experimentos
Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Análisis Gráfico ANOVA 2-vías

Residual Plots for Curvatura

Normal Probability Plot Versus Fits
99 0.4
N 18
AD 0.353
90 P-Value 0.425 0.2

Residual
Percent

50 0.0

-0.2
10
-0.4
1
-0.50 -0.25 0.00 0.25 0.50 4.0 4.5 5.0 5.5 6.0
Residual Fitted Value

Histogram Versus Order

0.4
3

0.2
Frequency

2
Residual
0.0

1 -0.2

0 -0.4
-0.4 -0.3 -0.2 -0.1 0.0 0.1 0.2 0.3 2 4 6 8 10 12 14 16 18
Residual Observation Order

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Análisis Gráfico ANOVA 2-vías

Boxplot of Curvatura
6.5

6.0

5.5
Curvatura

5.0

4.5

4.0

Método n o n o n o
c ciò ad cciò ad cciò ad
m m m
ye or y e or ye or
In of In of In of
rm rm rm
Te Te Te
Polímero 1 2 3

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Análisis Gráfico ANOVA 2-vías

Individual Value Plot of Curvatura vs Polímero, Método

6.5

6.0

5.5
Curvatura

5.0

4.5

4.0

Método n o n o n o
c ciò ad cciò ad cciò ad
m m m
ye or y e or ye or
In of In of In of
rm rm rm
Te Te Te
Polímero 1 2 3

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Supuesto Igualdad de Varianzas

Homogeneidad de Varianzas
Polímero Método

Bartlett's Test
1 Inyecciòn Test Statistic 1.43
P-Value 0.921
Termoformado Lev ene's Test
Test Statistic 0.17
P-Value 0.969

2 Inyecciòn

Termoformado

3 Inyecciòn

Termoformado

0 1 2 3 4 5 6
95% Bonferroni Confidence Intervals for StDevs

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Efectos Principales ANOVA 2-
vías

Main Effects Plot for Curvatura

Data Means

Polímero Método
5.75

5.50

5.25
Mean

5.00

4.75

4.50

1 2 3 Inyecciòn Termoformado

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Interacciones ANOVA 2-vías

Interaction Plot for Curvatura

Data Means

Inyecciòn Termoformado
6.0 Polímero
1
5.5 2
3
5.0
Polímero
4.5

4.0

6.0 Método
Iny ecciòn
5.5 Termoformado

5.0
Método
4.5

4.0

1 2 3

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Intervalos ANOVA 2-vías

Interval Plot of Curvatura

95% CI for the Mean
6.0

5.5
Curvatura

5.0

4.5

4.0

Inyecciòn Termoformado
Método

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Intervalos ANOVA 2-vías

Interval Plot of Curvatura

95% CI for the Mean
7

6
Curvatura

3
Método n o n o n o
c ciò ad cciò ad cciò ad
m m m
ye or y e or ye or
In of In of In of
rm rm rm
Te Te Te
Polímero 1 2 3

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Ejemplo: Tabla ANOVA Dos-Vías, Sumaria

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA: Taller
Recolecte y estudie los datos necesarios,
que le permitan confeccionar un estudio
de ANOVA de una o dos vías.

Solamente practicando se logrará

desarrollar destrezas analíticas.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Diseños completamente aleatorios
La manera en que se toman los datos La aleatorización es una de las medidas
para diferentes tratamientos, en que se adoptan para combatir los
un experimento, como lo es una efectos indeseables de las llamadas
ANOVA, algunas veces obedece “variables furtiuvas”.
a:

Las “variables furtivas” son cualitativas o

• La comodidad para tomarlos
cuantitativas, y no hay certeza sobre
• El costo de recolección
cuando puedan presentarse y afecten
• La necesidad de aleatorización el evento en estudio. Estas variables
completa
generalmente son aquellas que el
• Ningún criterio investigador, analista, no ha
identificado, pero que si afectan la
Sin duda, de las anteriores opciones variable de respuesta.
que explican cómo se planifícó la
recolección de datos, la más
conveniente, apropiada, y La aleatorización compesa el problema,
recomendada, es la pero no lo elimina. La manifestación
aleatorización completa de los de las “variables furtivas” se observa
datos. en la suma de cuadrados del error.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Diseños completamente aleatorios
Nadie puede anticipar la “Aleatorio o nada”. Es una frase de
algunos especialistas, que evoca el
presencia de una “variable
grado imperativo de generar
furtiva”. aleatorización en los modelos.
Aun cuando el proceso de
generar un diseño MINITAB 15 no genera la aleatorización
completamente aleatorio sea de forma automática, pero se puede
más costoso, lento en la hacer utilizando varios menús.
práctica, o dificil de asimilar
gerencialmente, es una forma Se mostrará el procedimiento
de mitigar el riesgo de seguidamente, gracias a un ejemplo.
concluir inapropiadamente
después de aplicar la ANOVA
(u otros diseños
experimentales).

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Diseños completamente aleatorios

Modelo
Modelo
Aleatorio
No Aleatorio

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Diseños completamente aleatorios
Con ayuda de MINITAB 15, es Calc ► Random Data ►
posible lograr el proceso de Sample from Columns: le
aleatorización de las corridas ayudará a crear la lista aleatoria de
para los tratamientos. corrida a partir del orden estándar
Stat ► Quality Tools ► Run
Acceda a los menús: Charts: es un procedimiento
recomendado por Blackberry&Cross, para
verificar si el orden aleatorio lo es en buena
medida.
Calc►Make Pattern Data ►
Simple Set of Numbers: para
crear el listado de los tratamientos
(también puede usar texto en
Calc►Make Pattern Data ► Text
Values)
Calc ► Make Pattern Data ►
Simple Set of Numbers: para
crear la lista de corrida, en orden
estándar.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Run Chart of Corrida
20

15
Corrida

10

0
2 4 6 8 10 12 14 16 18
Observation
Number of runs about median: 2 Number of runs up or down: 1
Expected number of runs: 10.0 Expected number of runs: 11.7
Longest run about median: 9 Longest run up or down: 17
Approx P-Value for Clustering: 0.000 Approx P-Value for Trends: 0.000
Approx P-Value for Mixtures: 1.000 Approx P-Value for Oscillation: 1.000

Run Chart of Aleatorio

20

15

Aleatorio
10

0
2 4 6 8 10 12 14 16 18
Observation
Number of runs about median: 11 Number of runs up or down: 10
Expected number of runs: 10.0 Expected number of runs: 11.7
Longest run about median: 3 Longest run up or down: 3
Approx P-Value for Clustering: 0.686 Approx P-Value for Trends: 0.163
Approx P-Value for Mixtures: 0.314 Approx P-Value for Oscillation: 0.837

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Transformación de Respuestas
Como se ha mencionado, y practicado, Las transformaciones más comunes en
el comportamiento de los residuos el caso de ANOVA son:
debe ser normal, con media cero, y
varianza desconocida, pero
calculable. Algunas veces esta – Logarítmica
situación no se presenta, y hace – Datos discretos
que el modelo no sea válido. – Datos Fraccionados
Las causas pueden ser múltiples: – Datos en Escalafón

– Sistema de medición inadecuado Los detalles acerca del proceso de

– Datos mal digitados transformación están fuera del
– Efectos por redondeo alcance de este documento.
– Otro tipo de discrepancias.

Muchas de estas discrepancias

pueden ser resueltas gracias a la
aplicación de transformaciones
matemáticas de los datos
originales

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 ANOVA Dos Vías y GLM
En MINITAB 15 la manera de
resolver problema de ANOVA
de Dos Vías, puede lograrse
por medio de diferentes
menús:

Stat► ANOVA ► Balanced ANOVA

Stat ► ANOVA ► General Linear Model

Estos dos menús de MINITAB 15 ofrecen

más posibilidades analíticas.

Con su facilitador, proceda a utilizar los

datos que se muestran al lado, para
resolver un ejercicio que emplee las
opciones señaladas antes.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Taller
Tratamiento

Obs 1 2 3 4 5 6 7 8 9

1 1213,5 1173 1143 1209 1174,5 1117,5 1255,5 86,6 83,1

2 1174,5 1227 1180,5 1264,5 1246,5 1185 1204,5 1254 1168,5

3 1167 1252,5 1192,5 1207,5 1183,5 1195,5 1212 1284 1168,5

4 1149 1263 1129,5 1158 1251 1246,5 1254 1258,5 1198,5

5 1233 1135,5 1233 1239 1215 1146 1251 1290 1255,5

6 1117,5 1221 1180,5 1186,5 1167 1203 1179 1155 1207,5

7 1207,5 1170 1113 1255,5 1161 1213,5 1242 1200 1221

8 1155 1228,5 1261,5 1228,5 1176 1218 1104 1263 1122

9 1237,5 1248 1255,5 1168,5 1171,5 1260 1240,5 1150,5 1291,5

Considere un proceso en el cual la temperatura puede colocarse en diferentes niveles.

Se han escogido 9 niveles distintos. Para niveles se han tomado 9 observaciones.
Construya un gráfico de cajas-y-bigotes para ilustrar el comportamiento de este
fenómeno. Luego confecciones una ANOVA de una-vía. Puede descargar los datos
desde www.sixsigmacostarica.com

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Aclaraciones
Este documento utiliza material contenido en MINITAB 15. Todos esos ejemplos son
propiedad de MINITAB Inc.

A la fecha de edición e impresión de este documento, MINITAB 15 no cuenta con versión

en español, por lo que los resultados se dejan en este texto tal y como se obtienen
de la versión en inglés del software.

Esta obra pretende funcionar como un complemento didáctico para todos aquellos
usuarios de MINITAB 15, que son hispano-parlantes, y como una guía para los
representantes de MINITAB en América Latina.

Puede entonces catalogarse este documento como una guía ampliada a la ayuda
(HELP) de MINITAB 15, para usuarios que recientemente se introducen al uso del
software, pero no debe confundirse con una obra que compite con textos de
MINITAB Inc.

No es el propósito de este documento ser un libro en estadística, mejoramiento continuo

o similar, ni tampoco pretende este material reemplazar el entrenamiento certificado
de MINITAB Inc., el cual se recomienda grandemente.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Simbología en este documento

En este documento se hará uso de diferente nomenclatura, cuando se

acceda a MINITAB 15

Por ejemplo:

FILE ►Print Setup en donde el símbolo “►” significa, que el usuario debe
acceder a un submenú del menú FILE, según el ejemplo

MTB> en donde el símbolo “>” es parte de la nomenclatura de comandos de

MINITAB

Ctrl + S, que implica que el símbolo “+” muestra la unión de secuencia de teclas,
en este caso la tecla “Ctrl” seguida de la tecla “S”

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Bibliografía
1. Douglas Montgomery, Introduction to Quality Control. Wiley and Sons,
2004
2. Forrest W. Breyfogle III, John Wiley and Sons, 2003
3. Omar Mora. Quality Engineer Manual of Formulas, 2002
4. MINITAB Inc. MINITAB 15 Stat Guide, 2007
5. Traducción de Wikipedia, 2005 http://en.wikipedia.org/wiki/ANOVA
6. MINITAB Stat Guide. MINITAB Release 14
7. STATSoft Electronic Textbook www.statsoft.com, 2005
8. Montgomery D.C.1991.Design and Analysis of Experiments. Tercera
Edición, New York, WIley & Sons.
9. Design of Experiments with MINITAB. Paul Mathews, ASQ Press,2004

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)
 Todas las figuras y datos específicamente referidos, así Contáctenos:
como el logo y el nombre de MINITAB 15,
pertenecen a MINITAB Inc. Blackberry&Cross®

Windows, Microsoft, Office, Microsoft Excel son marcas Teléfono: 506-297-4735

registradas de Microsoft Inc.
Moravia, San José, Costa Rica

E-mail: [email protected]
Blackberry&Cross, la marca y el logo, son propiedad de
Blackberry&Cross S.A.
Web:
Este documento fue preparado por Blackberry&Cross
para uso en Centroamérica y demás países de www.blackberrycross.com
Latinoamérica
www.sixsigmacostarica.com
Este documento está en constante revisión y
mejoramiento, y el usuario acepta usarlo “como es”.

Todos los derechos reservados. Se prohíbe su

reproducción sin el permiso de los autores.

Copyrights©. 2005-2008 PXS Diseño de Experimentos

Con apoyo de software especializado
Rev.2 (Todos los derechos reservados a Backberry & Cross S.A.©, 2006-2010)