TECNOLÓGICO NACIONAL DE MÉXICO

CAMPUS SAN MARTÍN TEXMELUCAN

DIVISIÓN DE INGENIERÍA INDUSTRIAL

ESTADISTICA INFERENCIAL
DISEÑO CUADRADO GRECOLATINO_GASOLINA Y MÉTODO
DE ENSAMBLE.
PRACTICA

PRESENTA:
NADIA FERNANDEZ GUERRERO
21270018
BRENDA ALONSO TAPIA
21270016

Cuarto semestre ‘’A’’

PROFESOR/A: ING.LETICIA JURADO ARIAS

SAN MARTIN TEXMELUCAN, PUE. MAYO. 05. 2023

Contenido
Introduction .............................................................................................................................................. 2
Objetivos ................................................................................................................................................... 3
Objetivo general:................................................................................................................................... 3
Objetivos específicos: ........................................................................................................................... 3
Marco Teórico ........................................................................................................................................... 3
Cuadro greco-latino. ............................................................................................................................. 3
Diseño en cuadro latino (DGCL) ............................................................................................................ 3
Modelo .................................................................................................................................................. 4
Análisis de varianza ............................................................................................................................... 4
ANOVA .................................................................................................................................................... 4
¿Para qué sirve ANOVA? ....................................................................................................................... 5
Grados de libertad ................................................................................................................................ 5
Prueba de significancia global ............................................................................................................... 5
Prueba de hipótesis............................................................................................................................... 5
PRUEBA F............................................................................................................................................... 6
HO ......................................................................................................................................................... 6
HA .......................................................................................................................................................... 6
Desarrollo de práctica............................................................................................................................ 6
Conclusión. .............................................................................................................................................. 12
Conclusión. .............................................................................................................................................. 18
Conclusiones (por integrante). ............................................................................................................... 18
Brenda Alonso Tapia. .......................................................................................................................... 18
Nadia Fernández Guerrero. ................................................................................................................ 18
Conclusión general. ................................................................................................................................. 18
Bibliografía.................................................................................................................................................. 19

1
Introduction
All of our activities associated with planning and conducting research studies have
statistical implications, which is why in virtually all fields of study and business, designs
are carried out, usually to discover something about a particular process or system.

In engineering, design plays an important role in reaching a conclusion.

The scenarios surrounding industries today, in a globalised world where technological

and scientific advances are constantly evolving, mean that the level of quality of
products and services is ever increasing.

Nowadays, one of the key factors for the success of an industry is to make use of all its
knowledge and learning capacity, as well as its experience.

As we know, the Greek-Latin square model can be considered as an extension of the

Latin square in which a third control variable or block variable is included. In this model,
as in the Latin square design, all factors must have the same number of K levels and
the number of observations required remains K2 . This design is therefore a fraction of
the full randomised block design with one main factor and 3 secondary factors that
would require K4 observations. The Greek-Latin squares are obtained by
superimposing two Latin squares of the same order and orthogonal to each other, one
of the squares with Latin letters and the other with Greek letters. Two squares are called
orthogonal if, when superimposed, each Latin and Greek letter appears together only
once in the resulting square.

2
Objetivos
Objetivo general:
Observar los datos que se plantean dentro de los problemas para así poder interpretar
los resultados conforme se van generando y con la ayuda de un software poder
comprobar, de este modo llegaremos a una conclusión final.

Objetivos específicos:
• Obtener información sobre los ejercicios planteados para poder observar el
comportamiento de los datos.
• Tomar decisiones para desarrollar nuevos procesos o métodos para optimizar y
mejorar su calidad comprobando las posibles hipótesis.
• Seleccionar los factores o niveles de efectos que puedan repercutir en dicho
ejercicio.

Marco Teórico
Cuadro greco-latino.
Diseño en el que se controlan tres factores de bloques y un factor de tratamiento; los
cuatro factores utilizan la misma cantidad de niveles.

Diseño en cuadro latino (DGCL)

Con el diseño en cuadro grecolatino (DCGL) se controlan tres factores de bloque,
además del factor de tratamientos. Se llama cuadro grecolatino porque los cuatro
factores involucrados se prueban en la misma cantidad de niveles, de aquí que se
pueda escribir como un cuadro, además se utilizan letras latinas para denotar a los
tratamientos y letras griegas para nombrar a los niveles del tercer factor de bloque. Al
igual que en el cuadro latino, cada letra (latinas y griegas) debe aparecer sólo una vez
en cada renglón y en cada columna. Además, cada par de letras debe aparecer sólo
una vez en todo el arreglo.

Tabla 1 Arreglo de datos para un diseño en cuadro greco-latino 𝑘 = 4

3
Modelo
El modelo estadístico para describir el comportamiento de las observaciones está dado
por: 𝑌𝑖𝑗𝑙𝑚 = 𝜇 + 𝜏𝑖 + 𝛾𝑗 + 𝛿𝑙 + 𝜑𝑚 + 𝜀𝑖𝑗𝑙𝑚 Donde 𝑌𝑖𝑗𝑙𝑚 es la medición correspondiente
al tratamiento 𝑖 (i-ésima letra latina), en el renglón 𝑗, en la columna 𝑙 y en la 𝑚-ésima
letra griega, 𝜇 es la media global poblacional; 𝜏𝑖 es el efecto debido al tratamiento 𝑖, 𝛾𝑗
es el efecto debido al renglón 𝑗, 𝛿𝑙 es el efecto de la columna 𝑙 y 𝜑𝑚 representa el
efecto de la 𝑚-ésima letra griega. El término 𝜀𝑖𝑗𝑙𝑚 es el error aleatorio atribuible a la
medición 𝑌𝑖𝑗𝑙𝑚. Se supone que los errores se distribuyen de manera normal con media
cero y varianza constante, y que son independientes entre sí.

Análisis de varianza
Al igual que en el diseño por bloques aleatorios, la hipótesis de interés es la misma
para todos los diseños comparativos, y está dada por:

𝐻0: 𝜇1 = 𝜇2 = ⋯ 𝜇𝑘 𝐻1:𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑚𝑒𝑑𝑖𝑎 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡e

ANOVA
Análisis de la Varianza (ANOVA) es una fórmula estadística que se utiliza para
comparar las varianzas entre las medias (o el promedio) de diferentes grupos. Una
variedad de contextos lo utilizan para determinar si existe alguna diferencia entre las
medias de los diferentes grupos.

Figura 2: Representación gráfica de la variable independiente en tales observaciones

4
¿Para qué sirve ANOVA?
Algunas personas cuestionan la necesidad de ANOVA; después de todo, los valores
medios se podrían evaluar con solo mirarlos. Pero ANOVA hace más que comparar los
valores medios.

Aunque los valores medios de varios grupos parecen ser diferentes, esto podría ser
debido a un error de muestreo más que al efecto de la variable independiente sobre la
variable dependiente. Si se debe a un error de muestreo, la diferencia entre las medias
de los grupos no tendrá sentido. ANOVA ayuda a averiguar si la diferencia en los
valores medios es estadísticamente significativa.

ANOVA también revela indirectamente si una variable independiente está influyendo en

la variable dependiente. Por ejemplo, en el experimento de nivel de azúcar sanguíneo
anterior, suponga que ANOVA encuentra que las medias de los grupos no son
estadísticamente significativas y que la diferencia entre las medias de los grupos se
debe solo a un error de muestreo. Este resultado infiere que el tipo de medicación
(variable independiente) no es un factor significativo que influya en el nivel de azúcar
sanguíneo.

Grados de libertad
Los grados de libertad son la combinación del número de observaciones de un conjunto
de datos que varían de manera aleatoria e independiente menos las observaciones que
están condicionadas a estos valores arbitrarios. En otras palabras, los grados de
libertad son el número de observaciones puramente libres (que pueden variar) cuando
estimamos los parámetros.

Prueba de significancia global

La significancia estadística es la probabilidad de que una relación entre dos o más
variables en un análisis no sea pura coincidencia, sino que en realidad sea causada por
otro factor.

Prueba de hipótesis
Una prueba de hipótesis es una regla que especifica si se puede aceptar o rechazar
una afirmación acerca de una población dependiendo de la evidencia proporcionada
por una muestra de datos. Una prueba de hipótesis examina dos hipótesis opuestas

5
sobre una población: la hipótesis nula y la hipótesis alternativa. La hipótesis nula es el
enunciado que se probará. Por lo general, la hipótesis nula es un enunciado de que “no
hay efecto” o “no hay diferencia”. La hipótesis alternativa es el enunciado que se desea
poder concluir que es verdadero de acuerdo con la evidencia proporcionada por los
datos de la muestra

PRUEBA F
Es el análisis de varianza (ANOVA) puede determinar si las medias de tres o más
grupos son diferentes. ANOVA utiliza la prueba F para evaluar estadísticamente la
igualdad de las medias. En esta publicación, les mostraré cómo funcionan el ANOVA y
la prueba F utilizando un ejemplo de ANOVA de un solo factor. La prueba F llevan el
nombre de su estadística de prueba, F, que fue nombrado así en honor al científico
inglés Ronald Fisher. La estadística F es simplemente un cociente de dos varianzas.
Las varianzas son una medida de dispersión, es decir, qué tan dispersos están los
datos con respecto a la media. Los valores más altos representan mayor dispersión.

HO
Potente software de estadística que todos pueden usar para resolver los desafíos
empresariales más difíciles. La mejor plataforma estadística a la que puede acceder en
cualquier momento.

HA
Es una afirmación sobre la población que es contradictoria con H0 y lo que concluimos
cuando rechazamos H0. Esto es normalmente lo que el investigador está tratando de
probar.

Desarrollo de práctica.
Análisis de datos del caso 1.

“Considere el problema en el cual una empresa de Autobuses realizó un experimento

en donde le interesa el consumo se gasolina de 4 diferentes unidades (Letras latinas),
ellos desean saber si existe alguna diferencia significativa entre los consumos de las
unidades, de ser afirmativo ellos tomarán decisiones referentes a este factor.”

Teniendo en problema planteado se realizará un análisis de los datos proporcionados

por la/el docente, para ellos se realizará lo siguiente:

6
Obtener sumatorias de filas y columnas, como se puede ver en lo resaltado de color
amarillo:

CHOFER LUNES MARTES MIÉRCOLES JUEVES j

JUAN D α 750 C ϒ 585 B β 550 A δ 580 2465
MARCO A ϒ 650 B α 540 C δ 580 D β 770 2540
OMAR C β 675 D δ 650 A α 540 B ϒ 450 2315
EDWIN B δ 475 A β 560 D ϒ 650 C α 670 2355
l 2550 2335 2320 2470 9675

Continuando se realiza la separación y suma de cada letra correspondiente:

Posteriormente obtenemos las sumas de cuadrados:

Ahora se realiza la tabla ANOVA:

7
Seguido de esto ordenamos los datos y los colocamos en una tabla:

Y posteriormente se copiara y pegara la tabla de excel a Minitab

En Minitab se ira al siguiente menú para obtener los datos:

8
Se obtiene el valor F:

Obtenemos los demás datos:

9
Y las primeras graficas dadas por Minitab:

10
Posteriormente la gráfica de ANOM, la cual se saca por medio de:

Después de ahí se obtiene la comparación:

11
Posteriormente se obtiene:

Una vez sacado las gráficas y tablas necesarias en Mintab para los distintos valores
para sacar la hipótesis se toman las siguientes decisiones.

Rechazar Ho si F ≥ Fα

1.88 ≥ 9.28 se acepta

1.62 < 9.28 se acepta

17.43 > 9.28 se rechaza

2.57 < 9.28 se acepta

Ho= 𝝁𝟏= 𝝁𝟐= 𝝁𝟑= 𝝁𝟒= µ

Ha= 𝝁𝟏≠ 𝝁𝟐≠ 𝝁𝟑≠ 𝝁𝟒≠ µ

Conclusión.
El consumo de gasolina si tiene que ver con el transporte se verificaría las condiciones
de los autobuses Cy D comparando las características de A y B.

12
Análisis de datos del caso 2.

“Considerando el ejemplo donde se comparan 4 métodos de ensamble y se tiene el

factor de bloque operador, se podrían tener 2 factores de boque adicionales: orden en
él se hace el ensamble y lugar donde se hace”

De acuerdo con esto, el diseño en cuadro grecolatino se observa en la tabla siguiente:

Orden del Operador 1 Operador 2 Operador 3 Operador 4

ensamble j
1 B α 8 A β 8 D δ 12 C ϒ 13 41
2 D ϒ 11 C δ 15 B β 11 A α 7 44
3 C β 10 D α 14 A ϒ 7 B δ 8 39
4 A δ 6 B ϒ 10 C α 10 D β 14 40
l 35 47 40 42 164

Continuando se realiza la separación y suma de cada letra correspondiente:

Posteriormente se obtienen la suma de cuadrados:

13
Seguido de esto ordenamos los datos y los colocamos en una tabla:

Ahora se realiza la tabla ANOVA:

Y posteriormente se copiara y pegara la tabla de excel a Minitab

En Minitab nos dirigimos al siguiente menú para obtener los datos:

14
Se obtiene el valor de F:

Y las primeras graficas dadas por Minitab:

15
Posteriormente la gráfica de ANOM, la cual se saca por medio de:

16
Después de ahí se obtiene la comparación y posteriormente se obtiene:

Rechazar Ho si F ≥ Fα

1.95 < 9.27 se acepta

0.37 < 9.27 se acepta

8.79 < 9.27 se acepta

17
0.21 < 9.27 se acepta

Ho= 𝝁𝟏= 𝝁𝟐= 𝝁𝟑= 𝝁𝟒= µ

Ha= 𝝁𝟏≠ 𝝁𝟐≠ 𝝁𝟑≠ 𝝁𝟒≠ µ

Conclusión.
Se acepta ya que se puede tomar en cuenta que el tipo de autobús es igual al consumo
de gasolina por los tipos de tratamientos autobuses comparando las características de
las rutas A y B.

Conclusiones (por integrante).

Brenda Alonso Tapia.

Al realizar estos ejercicios podemos observar los procedimientos de cada uno, en la
suma de los cuadrados, en todos los pasos debemos tener cuidado ya que si en algún
datos nos equivocamos y no observamos automáticamente estamos mal en todo, sin
embargo, las comprobaciones en Minitab nos ayudaron bastante para poder corroborar
su la información estaba correcta, en algunos pasos nos revolvimos pero logramos
concluirlos y explicarlos de manera breve.

Nadia Fernández Guerrero.

Como tal al realizar estos casos con ayuda de Minitab se pudo observar los distintos
procedimientos que lo enlazan a cada uno la importancia de los datos es muy
importante en cuanto las letras latinas deben coincidir para que no marque ningún error
por ello el Excel y Minitab se enlazan perfectamente para poder resolver cada uno de
los casos de manera eficiente y sin ningún error ya que gracias a la tabla ANOVA de
Excel se sacó el primer valor a comparar con el valor F de Mintab y así llegar a aceptar
la hipótesis o rechazarla y así llegar a las conclusiones finales del problema y con ello
se lleva una herramienta más en la estadística.

Conclusión general.
Se llega a la conclusión de que el diseño de cuadros grecolatinos permite controlar
sistemáticamente tres fuentes de variabilidad extraña. Ello permite la investigación de
cuatro factores (filas, columnas, letras latinas y letras griegas), pues con ello se logra
un procedimiento más rápido en la parte de Minitab hace que sea una herramienta más
rápida y eficiente para estos casos de este tipo de diseño y que gracias a eso se
puede lograr llegar a una solución a una sola conclusión el problema que se está
planteado y poder resolverlo además que se vio que hay 2 maneras de conseguir
resultados deseados con Excel y Minitab que incluso se llegan a complementar una ala
otra para declarar la hipótesis y pues como tal se puede apreciar que un diseño debe
de ser lo más sencillo posible para asi poder ahorrar tiempo, inversión y personal, pero
no por eso se deben de olvidar considerar los principios básicos en el diseño. Se puede
18
tener la seguridad de que si lleva a cabo todos los elementos de la lista de
comprobación se tendran una planeación efectiva en la solucion de cualquier tipo de
caso y así obtener los resultados esperados y tomar decisiones.

Bibliografía
Studuco. (5 de Mayo de 2023). Obtenido de https://www.studocu.com/es-
mx/document/instituto-tecnologico-superior-de-huauchinango/control-estadistico-
de-la-calidad/407724765-01-diseno-en-cuadro-greco-latino/26740078

TIBC. (5 de Mayo de 2023). Obtenido de https://www.tibco.com/es/reference-

center/what-is-analysis-of-variance-anova

,3202 ed lirba ed 3 le odarepuceR .se.vpU .)f/s( ?sotnemirepxe ed oñesid le se éuQ¿

/experimentos-de-diseno-el-es-ettps2//victor/epes.blogs.upv.es/20s3/0//2s/tue de

(S/f-b). Edu.mx. Recuperado el 19 de abril de 2023, de

http://uaeh.edu.mx/scige/boletin/sahagun/n1/e1.htm

19