Experimentar consiste en variar deliberadamente las condiciones habituales de trabajo para encontrar mejores maneras de proceder y ganar al mismo tiempo un conocimiento más profundo sobre el comportamiento de productos y procesos. El problema básico del diseño de experimentos reside en decidir qué conjunto de variables pondrán de manifiesto, de forma más clara y con menos esfuerzo, los diversos aspectos de interés de un problema habitualmente industrial pero extensible a cualquier otro sector.
En la industria, las técnicas de análisis y diseño de experimentos se utilizan básicamente en la mejora de los productos y en el diseño o mejora de procesos. La optimización de procesos sobre los que influyen múltiples variables es la esencia del diseño de experimentos.
Precisamente este libro se ocupa de las técnicas de diseño de experimentos más habituales. La obra comienza tratando los experimentos de comparaciones simples y los experimentos unifactoriales. A continuación se generaliza a los experimentos multifactoriales y con covariables. Se tratan también los diseños en bloques aleatorizados, en parcelas divididas, cuadrados latinos y grecolatinos, diseños jerárquicos y diseños de superficie de respuesta. Por último, se profundiza abordando los experimentos factoriales completos y fraccionales, así como los experimentos multivariantes.
En cuanto a la metodología, los temas comienzan con fundamentos teóricos sobre las diferentes técnicas que posteriormente se complementan con métodos automatizados utilizando el software más actual adecuado para trabajar en diseño de experimentos. Se utilizan los programas SPSS, STATGRAPHICS, EXCEL Y SAS para la resolución de una gran variedad de ejercicios prácticos.
CONTENIDO
Capítulo 1. Introducción al diseño de experimentos
Conceptos en el diseño de experimentos
Aplicaciones del diseño de experimentos
Clasificación de los modelos de diseño de experimentos
Los modelos de diseño de experimentos como modelos econométricos
Capítulo 2. Experimentos de comparaciones simples
Introducción
Modelización de experimentos. Variables aleatorias
Diseños de experimentos aleatorizados. Inferencias sobre la diferencia de mediasContrastes de hipótesis
Intervalos de confianza
Comparación de poblaciones normales con datos apareados
Ejemplos sobre variables aleatorias discretas
Ejemplos sobre variables aleatorias continuas
Ejemplos sobre intervalos de confianza
Ejemplos sobre contrastes de hipótesis
Capítulo 3. Experimentos de comparaciones simples. Métodos automatizados
SPSS y los contrastes de hipótesis e intervalos de confianza
SAS y los contrastes de hipótesis e intervalos de confianza
STATGRAPHICS CENTURION y los contrastes de hipótesis e intervalos de confianza
Contrastes de hipótesis para diferencias de medias a través de Excel
Capítulo 4. Experimentos con un solo factor. Análisis de la varianza
Introducción
Diseños unifactoriales
Contrastes múltiples de igualdad de varianzas
Estimación del diseño unifactorial por máxima verosimilutud
Ejemplo de diseño unifactorial
Ejemplo de diseño unifactorial balanceado
Ejemplo de diseño unifactorial balanceado con intervalos de confianza
Ejemplo de diseño unifactorial con contrastes de igualdad de medias
Ejemplo de diseño unifactorial con contrastes de igualdad de varianzas
Capítulo 5. Experimentos con un solo factor. Métodos automatizados
Introducción
Diseños unifactoriales de efectos fijos con SPSS
Diseños unifactoriales de efectos aleatorios con SPSS
Diseños unifactoriales de efectos fijos con SAS. Procedimiento ANOVA
Diseños unifactoriales de efectos aleatorios con SAS. Procedimiento VARCOM
Diseños unifactoriales de efectos fijos con STATGRAPHICS. Estimación y diagnosis
Diseños unifactoriales de efectos aleatorios con STATGRAPHICS
Diseños unifactoriales con EXCEL
Capítulo 6. Experimentos multifactoriales. Diseños factoriales
Introducción
Diseño bifactorial. Efectos fijos, aleatorios y mixtos
Estimación del diseño bifactorial por máxima verosimilitud
Diseño en bloques aleatorizados
Estimación del diseño en bloques aleatorizados por máxima verosimilitud
Diseño en medidas repetidas
Estimación del diseño bifactorial en medidas repetidas por máxima verosimilitud
Diseño completos con tres factores
Diseño en cuadrado latino
Diseño en cuadrado grecolatino
Diseño en parcelas divididas (split-splot)
Diseños jerárquicos o anidados
Capítulo 7. Experimentos multifactoriales. Métodos automatizados para diseños factoriales
Introducción
Diseños multifactoriales de efectos fijos, aleatorios y mixtos con SPSS
Componentes de la varianza en diseños de efectos aleatorios y mixtos con SPSS
Diseños multifactoriales de medidas repetidas con SPSS
Diseños multifactoriales de efectos fijos, aleatorios y mixtos con SAS.Proc ANOVA
Componentes de la varianza en diseños de efectos aleatorios y mixtos con SAS
SAS y los diseños jerárquicos (anidados)
Modelos ANOVA no paramétricos: procedimiento NPAR1WAY
Diseños multifactoriales de efectos fijos, aleatorios y mixtos con SAS. Proc GLM
Diseños multifactoriales de efectos fijos, aleatorios y mixtos con STATGRAPHICS
Componentes de la varianza con diseños de efectos aleatorios y mixtos en STATGRAPHIS
Diseños de dos factores con varias muestras por grupo (medidas repetidas) con EXCEL
Diseño de dos factores con una muestra por grupo en EXCEL
Capítulo 8. Diseños en bloques aleatorizados. Métodos automatizados
Diseño en bloques aleatorizados con STATGRAPHICS CENTURION
Diseño en bloques aleatorizados con SPSS
Diseño en bloques aleatorizados con SAS
Diseño en cuadrado latino con STATGRAPHICS
Diseño en cuadrado latino con SPSS
Diseño en cuadrado latino con SAS
Diseño en cuadrado grecolatino con SPSS
Diseño split splot con SAS
Diseño split splot con STATGRAPHICS CENTURION
Diseño split splot con SPSS
El procedimiento GLM de SAS y los diseños en bloques aleatorizados
Capítulo 9. Experimentos con covariables. Métodos automatizados
Diseños del análisis de la covarianza
Modelo de regresión lineal general (GLM)
Regresión, ANOVA y ANCOVA univariantes de uno y varios factores con MLG en SPSS. Diagnosis
Componentes de la varianza en modelos ANOVA y ANCOVA de efectos mixtos con SPSS
Regresión, ANOVA y ANCOVA de uno y varios factores con MLG en STATGRAPHICS . Diagnosis de modelos y superficies de respuesta
Regresión, ANOVA y ANCOVA univariantes de uno y varios factores con MLG en SAS
Capítulo 10. Diseños factoriales fraccionarios. Superficies de respuesta.Métodos automatizados
Diseños factoriales completos
Diseños factoriales 2
k 3
k y p
k
Diseños factoriales en bloques (confusión)
Diseños factoriales fraccionarios
Fracción un medio del diseño 2
k
Fracción un cuarto del diseño 2
k
Fracción un tercio del diseño 3
k
Diseños de superficies de respuesta
Modelos lineales mixtos
SAS y los modelos mixtos
SAS/QC y el diseño de experimentos
SPSS y los modelos mixtos. Datos de panel
Diseños factoriales completos y fraccionales en STATGRAPHICS. Superficies de respuesta
Capítulo 11. Diseños multirrespuesta. Modelos MANOVA y MANCOVA.Métodos automatizados
Diseños multirrespuesta. Análisis multivariante de la varianza y la covarianza
Análisis multivariante de la varianza (MANOVA)
Análisis multivariante de la covarianza (MANCOVA)
SPSS y los modelos MANOVA y MANCOVA multivariantes de uno y varios factores
SAS y los modelos MANOVA y MANCOVA multivariantes de uno y varios factores
STATGRAPHICS y los modelos MANOVA y MANCOVA multivariantes de uno y varios factores
Continuar con Google
Continuar con Facebook