Diseños de bloques completos Diseños factoriales 2k y 3k

Get Started. It's Free
or sign up with your email address
Rocket clouds
Diseños de bloques completos Diseños factoriales 2k y 3k by Mind Map: Diseños de bloques completos  Diseños factoriales 2k y 3k

1. Diseño de cuadro latino El diseño de cuadro latino se utiliza cuando se pueden comparar los factores, dos de ellos () llamados de bloque y el tercero () llamado de tratamiento. El modelo estadístico está dado por la expresión: Se llama el cuadro latino, además de los factores que se utilizan para realizar un tercer cotejo de acuerdo a la letra latina correspondiente.

2. Los diseños de bloques completos se utilizan en casos en donde dos o más factores influyen en la respuesta. Como por ejemplo, tener un indicador de la velocidad de un avión en el que no está solo los parámetros propios de la nave, como el flujo de combustible o el propio diseño del fuselaje y las alas, sino también los servicios como la velocidad del viento o el grado de humedad, etc.

3. Diseños de bloques completos aleatorios El diseño de bloques completos aleatorios se utiliza cuando queremos comparar los tratamientos para determinar el efecto de un factor en especial

4. Es el diseño más eficiente para los experimentos en los que se puede estudiar los efectos de dos o más factores. En cada ensayo o réplica completa del experimento se investigan todas las combinaciones posibles de los niveles de los factores. Factores cruzados, sí el factor A tiene niveles y el factor B niveles, entonces cada réplica contiene ab combinaciones. Efecto principal, se llama la llama al cambio en la respuesta producida por un cambio en el nivel del factor

5. Incremento de la respuesta promedio, en la operación anterior, decimos que hay un incremento de la respuesta promedio de A = 21, cuando el factor A cambia del nivel bajo al nivel alto o decimos que hay un incremento de la respuesta promedio de B = 21, cuando el factor B cambia del nivel bajo al nivel alto. Interacción, ocurre cuando en un experimento encontramos que la diferencia en la respuesta entre los niveles de un factor no es la misma que entre los niveles del otro factor

6. La magnitud del efecto de la interacción: Se calcula con el promedio de los efectos anteriores: | A | = (- 28 -30) / 2 = -29

7. Factor cuantitativo, son las variables que se le puede asignar una cantidad analógica, como a la temperatura, presión, tiempo, etc. Modelo de regresión, un factor cuantitativo que puede ser una función: Gráfica de superficie de respuesta: Se le llama así a la representación gráfica de un modelo de regresión

8. Ventajas del diseño factorial Puede ser estudiado el efecto individual y la interacción de cada factor. Puede cambiar de tamaño sobre la marcha a medida que el experimento lo requiera. Se pueden correr los diseños factoriales en forma fraccionada. Se pueden combinar con diseños de bloques si así lo requiere el experimento. No requiere de matemáticas complicadas, la mayoría de las veces se trabaja con base en representaciones de funciones lineales.