Академический Документы
Профессиональный Документы
Культура Документы
Diseo de bloques
Al estudiar la influencia de un factor-tratamiento en una variable de inters
puede ser importante eliminar (controlar) estadsticamente la influencia de un
factor que puede influir en la variable respuesta. Para ello se utiliza el concepto
de bloque, que se basa en seleccionar niveles de esta variable y aplicar en cada
uno de ellos todos los niveles del factor principal, de esta forma disminuye la
variabilidad residual o no explicada.
Por tanto, un factor-bloque es un factor cuyo control puede reducir
significativamente la variabilidad no explicada y que no interacciona con los
factores principales.
Bloq.2
Bloq.J
Trat.1
Trat.2
Trat.I
11
21
I1
12
22
I2
1J
2J
IJ
PRUEBA DE DUNNETT
En muchos experimentos uno de los tratamientos es el control, y el investigador
est interesado en comparar cada una de las otras K 1 medias de los
tratamientos contra el control, por lo tanto, existen K 1 comparaciones. Un
procedimiento para realizar estas comparaciones es la prueba de Dunnett
(desarrollada en 1964). Si se supone que el control es el tratamiento a, entonces
se desea probar las hiptesis
,
donde la constante
se busca en la tabla T-10. Observe que f es el nmero
de grados de libertad del error y es el nivel de significacin asociado con todos
las K 1 pruebas y utilizado en el anlisis de varianza.
Ejemplo 5: En el ejemplo 1, la compaa desea comparar todas las otras plantas
con la planta A que es la que cumple con los requisitos (control), por lo tanto, la
prueba de Dunnett sera ms adecuada que la de Fisher o la de Tukey para este
caso.
Prueba de tukey
Para contrastar que no existe interaccin entre el factor tratamiento y el factor
bloque en el diseo por bloques completamente aleatorizado se puede utilizar
el test de Tuckey que permite contrastar la hiptesis de que las interacciones
son de la forma
ij =
i j.. Esto es, se quiere contrastar
0 se verifica que
i y j son valores grandes y del mismo signo, los residuos son altos, y las
predicciones
ij =
El significado de la interaccin
Considrese el modelo con dos factores tratamiento T y T con I y J niveles,
respectivamente. El diseo completo se ha replicado K veces, esto es, para
cada tratamiento (casilla) ij se tienen K observaciones. Se denota
yijk a la k-
Aunque los grficos de interaccin son muy intuitivos y tiles, pueden conducir
a interpretaciones peligrosas debido a que en ellos no se refleja el tamao del
error experimental. Esto puede llevar a deducir del grfico la existencia de
interaccin y, sin embargo, el error experimental ser lo suficientemente
grande como para que el anlisis de la varianza no detecte la interaccin como
significativa (y viceversa). Por tanto, se debe ser muy prudente con las
conclusiones que se derivan de un grfico de este tipo.
Frecuentemente el inters del diseo radica fundamentalmente en evaluar la
contribucin individual de cada factor tratamiento sobre la respuesta
observada. A los efectos marginales de cada factor se les denomina efectos
principales. Sin embargo, cuando el efecto interaccin entre ambos factores es
importante, puede ser imposible examinar por separado cada uno de los
efectos principales.
Prueba Fisher
R. A. Fisher, quien fue el primero en obtener la distribucin y desarrollar la
prueba, de ah el nombre de la distribucin. La prueba f se utiliza
principalmente para probar la igualdad entre dos varianzas poblacionales que
provienen de poblaciones que tiene una distribucin normal, tambin se ha
Prueba ANOVA
Necesitamos poder comparar simultaneamente todas la medias. El test que lo
permite es el test ANOVA (de ANalysis Of VAriance). Como su nombre indica,
compara varianzas aunque lo que contrastamos sean medias. Para ello parte
de 3 requisitos previos: Independencia: las k muestras son independientes,
Normalidad: Xi N(i , 2 i ), i = 1, . . . , k, y Homocedasticidad: 2 1 = 2 2
==2k=2.
Fundamentos del ANOVA (1)(cuadro)
k grupos
12ik
x11 x21 xi1 xk1
x12 x22 xi2 xk2
............
Bibliografia
http://www.ugr.es/~bioestad/_private/cpfund3.pdf
http://www.udc.es/dep/mate/estadistica2/sec5_1.html
http://colposfesz.galeon.com/disenos/teoria/cap13bmj/cap13bmj.htm
http://www.udc.es/dep/mate/estadistica2/sec5_3.html
http://stjose.blogspot.com/2012/04/prueba-de-fisher.html
http://www.uv.es/montes/biomecanica2004/anova