DBCA

Ejemplo 3.1

Comparación de cuatro métodos de ensamble. Un equipo de mejora investiga el efecto de cuatro métodos de ensamble A, B, C y D, sobre el tiempo de ensamble en minutos. En primera instancia, la estrategia experimental es aplicar cuatro veces los cuatro métodos de ensamble en orden completamente aleatorio (las 16 pruebas en orden aleatorio). Los tiempos de ensamble obtenidos se muestran en la tabla 3.1. Si se usa el diseño completamente al azar (DCA), se supone que, además del método de ensamble, no existe ningún otro factor que influya de manera significativa sobre la variable de respuesta (tiempo de ensamble).

A nice image.

df<-expand.grid(c("A","B","C","D"),c(1,2,3,4))
df$Y<-c(6,7,10,10,9,10,16,13,7,11,11,11,8,8,14,9)

names(df)=c("Metodo","Operador","Y")
str(df)

## 'data.frame':    16 obs. of  3 variables:
##  $ Metodo  : Factor w/ 4 levels "A","B","C","D": 1 2 3 4 1 2 3 4 1 2 ...
##  $ Operador: num  1 1 1 1 2 2 2 2 3 3 ...
##  $ Y       : num  6 7 10 10 9 10 16 13 7 11 ...
##  - attr(*, "out.attrs")=List of 2
##   ..$ dim     : int [1:2] 4 4
##   ..$ dimnames:List of 2
##   .. ..$ Var1: chr [1:4] "Var1=A" "Var1=B" "Var1=C" "Var1=D"
##   .. ..$ Var2: chr [1:4] "Var2=1" "Var2=2" "Var2=3" "Var2=4"

df$Operador=factor(df$Operador)

modelo<-lm(Y~Metodo+Operador,data=df)
anova<-aov(modelo)
summary(anova)

##             Df Sum Sq Mean Sq F value  Pr(>F)   
## Metodo       3   61.5    20.5   10.25 0.00292 **
## Operador     3   28.5     9.5    4.75 0.02985 * 
## Residuals    9   18.0     2.0                   
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

boxplot(Y~Operador,data=df)

boxplot(Y~Metodo,data=df)

boxplot(Y~Metodo+Operador,data=df)

library(agricolae)

LSD<-LSD.test(anova,"Metodo",group=T,console=T)

## 
## Study: anova ~ "Metodo"
## 
## LSD t Test for Y 
## 
## Mean Square Error:  2 
## 
## Metodo,  means and individual ( 95 %) CI
## 
##       Y      std r       LCL       UCL Min Max
## A  7.50 1.290994 4  5.900413  9.099587   6   9
## B  9.00 1.825742 4  7.400413 10.599587   7  11
## C 12.75 2.753785 4 11.150413 14.349587  10  16
## D 10.75 1.707825 4  9.150413 12.349587   9  13
## 
## Alpha: 0.05 ; DF Error: 9
## Critical Value of t: 2.262157 
## 
## least Significant Difference: 2.262157 
## 
## Treatments with the same letter are not significantly different.
## 
##       Y groups
## C 12.75      a
## D 10.75     ab
## B  9.00     bc
## A  7.50      c

bar.group(x=LSD$groups,horiz=T,col="red",xlim=c(0,16),
          xlab="Tiempo de ensamble",ylab="Método",main="Tiempo de Ensamble vs Método")

qqnorm(anova$residuals)
qqline(anova$residuals)