URL

http://webdelprofesor.ula.ve/economia/sinha/usesas.htm

DISEÑOS DE EXPERIMENTOS CON SAS

VENTANA DE COMANDOS

VENTANA DE ERRORES

VENTANA DE SALIDAS

CONFIGURACION PRESENTACION DE LAS SALIDAS

APLICACIÓN

/*MONTGOMERY PAG 60 EJEMPLO 3-1*/DATA RESISTENCIA; /* CREAMOS BASE RESISTENCIA*/INPUT PORC_ALGODON $ RESISTENCIA; /* DECLARAMOS LAS VARIABLES*/CARDS; /* LEEMOS LOS DATOS*/

15% 715% 715% 1515% 1115% 920% 1220% 1720% 1220% 1820% 1825% 1425% 1825% 1825% 1925% 1930% 1930% 2530% 2230% 1930% 2335% 735% 1035% 1135% 1535% 11;

COMANDO 1:PROC PRINT;RUN;

COMANDO 2:

PROC GLM; /*GLM PROCEDIMIENTO DE MODELOS LINEALES GENERALES*/CLASS PORC_ALGODON; /*CLASIFICAR ALGODON*/MODEL RESISTENCIA=PORC_ALGODON;RUN;

DISEÑOS DE EXPERIMENTOS CON MINITAB

NOTA:

MODELO DE EFECTOS FIJOS CONSISTE CUANDO EL INVESTIGADOR SABE CON QUE FACTORES VA A TRABAJAR.

MODELO DE EFECTOS ALEATORIOS CONSISTE CUANDO EL INVESTIGADOR ESCOGE AL AZAR LOS FACTORES VA A TRABAJAR.

MODELO DE EFECTOS MIXTOS CONSISTE CUANDO EL INVESTIGADOR FUSIONA LOS DOS MODELOS.

PRUEBAS DE VALIDACION

MULTICOLINEALIDAD (GRAF 1.2) ALEATORIEDAD (GRAF 2.2) NORMALIDAD (GRAF 1.1) HOMOCEDASTICIDAD (GRAF 2.1)

SALIDA DEL ANOVA

————— 13/09 12:06:56 ————————————————————

ANOVA unidireccional: RESISTENCIA vs. PORC_ALGODON

Fuente GL SC CM F PPORC_ALGODON 4 475.76 118.94 14.76 0.000Error 20 161.20 8.06Total 24 636.96

S = 2.839 R-cuad. = 74.69% R-cuad.(ajustado) = 69.63%

ICs de 95% individuales para la media basados en Desv.Est. agrupadaNivel N Media Desv.Est. ------+---------+---------+---------+---15.00% 5 9.800 3.347 (-----*----)20.00% 5 15.400 3.130 (----*----)25.00% 5 17.600 2.074 (----*----)30.00% 5 21.600 2.608 (----*----)35.00% 5 10.800 2.864 (-----*----) ------+---------+---------+---------+--- 10.0 15.0 20.0 25.0

Desv.Est. agrupada = 2.839

Gráficas de residuos para RESISTENCIA

PRUEBA DE VARIANZAS IGUALES

Prueba de varianzas iguales: RESISTENCIA vs. PORC_ALGODON

Intervalos de confianza de Bonferroni de 95% para deviaciones estándar

PORC_ALGODON N Inferior Desv.Est. Superior 15.00% 5 1.73630 3.34664 14.7118 20.00% 5 1.62416 3.13050 13.7616 25.00% 5 1.07585 2.07364 9.1157 30.00% 5 1.35292 2.60768 11.4633 35.00% 5 1.48567 2.86356 12.5882

Prueba de Bartlett (distribución normal)Estadística de prueba = 0.93, valor p = 0.920

Prueba de Levene (cualquier distribución continua)Estadística de prueba = 0.32, valor p = 0.863

Prueba de varianzas iguales: RESISTENCIA vs. PORC_ALGODON

AVERIGUAR EN QUE MOMENTO USAR:

LEVENNE

BARTLET

PRUEBA DE IGUALDAD DE VARIANZA CON SASPROC GLM; /*GLM PROCEDIMIENTO DE MODELOS LINEALES GENERALES*/CLASS PORC_ALGODON; /*CLASIFICAR ALGODON*/MODEL RESISTENCIA=PORC_ALGODON;MEANS PORC_ALGODON/HOVTEST= BARTLETT;MEANS PORC_ALGODON/HOVTEST= LEVENE;RUN;

PRUEBA DE BARTLET

PRUEBA DE LEVENE

ANALISIS DE COMPARACION DE MEDIAS CON SASPROC GLM; /*GLM PROCEDIMIENTO DE MODELOS LINEALES GENERALES*/CLASS PORC_ALGODON; /*CLASIFICAR ALGODON*/MODEL RESISTENCIA=PORC_ALGODON;MEANS PORC_ALGODON/HOVTEST= BARTLETT;MEANS PORC_ALGODON/HOVTEST= LEVENE;MEANS PORC_ALGODON/DUNCAN TUKEY SNK ALPHA=0.01; /*SNK:STUDENT NEWMAN KIUTS*/RUN;

PRUEBA DE CONTRASTES CON SASPROC GLM; /*GLM PROCEDIMIENTO DE MODELOS LINEALES GENERALES*/CLASS PORC_ALGODON; /*CLASIFICAR ALGODON*/MODEL RESISTENCIA=PORC_ALGODON;MEANS PORC_ALGODON/HOVTEST= BARTLETT;MEANS PORC_ALGODON/HOVTEST= LEVENE;MEANS PORC_ALGODON/DUNCAN TUKEY SNK ALPHA=0.01; /*SNK:STUDENT NEWMAN KIUTS*/MEANS TRAT;CONTRAST "U4 VS U5 " TRAT 0 0 0 -1 1;CONTRAST "U2+U3 VS U4+U5 " TRAT 0 1 1 -1 -1;CONTRAST "U1 VS U3 " TRAT 1 0 -1 0 0;CONTRAST "4*U2 VS U1+U3+U4+U5" TRAT -1 4 -1 -1 -1;RUN;

ANALISIS FACTORIAL CON SASDATA BATERIAS;INPUT TEMPERATURA MATERIAL HORAS;CARDS;15 1 13015 1 15515 1 7415 1 18070 1 3470 1 4070 1 8070 1 75125 1 20125 1 70125 1 82125 1 5815 2 15015 2 18815 2 15915 2 12670 2 13670 2 12270 2 10670 2 115125 2 25125 2 70125 2 58125 2 4515 3 13815 3 11015 3 16815 3 16070 3 17470 3 12070 3 15070 3 139125 3 96125 3 104125 3 82125 3 60;/*PROC PRINT;RUN;*/PROC GLM;CLASS TEMPERATURA MATERIAL;MODEL HORAS= TEMPERATURA MATERIAL TEMPERATURA*MATERIAL;RUN;

ANALISIS FACTORIAL CON MINITAB

Modelo lineal general: HORAS vs. TEMPERATURA, MATERIAL

Factor Tipo Niveles ValoresTEMPERATURA fijo 3 15, 70, 125MATERIAL fijo 3 1, 2, 3

Análisis de varianza para HORAS, utilizando SC ajustada para pruebas

Fuente GL SC Sec. SC Ajust. CM Ajust. F PTEMPERATURA 2 39118.7 39118.7 19559.4 28.97 0.000MATERIAL 2 10683.7 10683.7 5341.9 7.91 0.002TEMPERATURA*MATERIAL 4 9613.8 9613.8 2403.4 3.56 0.019Error 27 18230.7 18230.7 675.2Total 35 77647.0

S = 25.9849 R-cuad. = 76.52% R-cuad.(ajustado) = 69.56%

Observaciones inusuales de HORAS

EE de ResiduoObs HORAS Ajuste ajuste Residuo estándar 3 74.000 134.750 12.992 -60.750 -2.70 R 4 180.000 134.750 12.992 45.250 2.01 R

R denota una observación con un residuo estandarizado grande.

Agrupar información utilizando el método de Tukey y una confianza de 95.0%

TEMPERATURA N Media Agrupación 15 12 144.8 A 70 12 107.6 B125 12 64.2 C

Las medias que no comparten una letra son significativamente diferentes.

Agrupar información utilizando el método de Tukey y una confianza de 95.0%

MATERIAL N Media Agrupación3 12 125.1 A2 12 108.3 A B1 12 83.2 B

Las medias que no comparten una letra son significativamente diferentes.

NOTA:

Agrupar información utilizando el método de Tukey y una confianza de 95.0%

TEMPERATURA MATERIAL N Media Agrupación 15 2 4 155.8 A 70 3 4 145.7 A B 15 3 4 144.0 A B 15 1 4 134.8 A B 70 2 4 119.7 A B125 3 4 85.5 B C125 1 4 57.5 C 70 1 4 57.2 C125 2 4 49.5 C

Las medias que no comparten una letra son significativamente diferentes.

NOTA:

CUANDO LAS LETRAS SON IGUALES EL EFECTO DE TRATAMIENTOS SON IGUALES.

CUANDO LAS LETRAS SON DIFERENTES EL EFECTO DE TRATAMIENTOS SON DIFERENTES.

A UNA TEMPERATURA DE 15 Y TIPO 2 Y A UNA TEMPERATURA DE 70 Y TIPO 3 TIENEN RESPUESTA IGUALES.

EJEMPLOS REALIZADOS

DATA EJEMPLO_1;INPUT TALLA;CARDS;1.21.21.31.41.51.61.8;PROC MEANS DATA=EJEMPLO_1;VAR TALLA;RUN;PROC UNIVARIATE DATA=EJEMPLO_1;VAR TALLA;

/*ID TALLA;*/HISTOGRAM TALLA;

PROBPLOT TALLA; RUN;

data example;input diff;cards;.37-.23.66-.08-.17;proc univariate data=example;var diff;

run;