DISEOS EXPERIMENTALES

a)
b)
c)
d)
e)
f)

Las investigaciones y en particular los diseos experimentales intentan

establecer bsicamente relaciones causa-efecto. Ms especficamente,
cuando se desea estudiar como una variable independiente (causa)
modifica una variable dependiente (efecto). Sin embargo, un diseo
puede contemplar el efecto que producen dos variables independientes
sobre una dependiente, por lo que los diseos experimentales poseen una
gran variacin.
El establecimiento de que, en un experimento, una variable independiente
produce una variacin especfica (que solo puede ser atribuida a la
variable
independiente)
en
la
variable
dependiente
depende
fundamentalmente de la manera como est diseado el experimento. Los
procedimientos estadsticos permiten confirmar o validar el
procedimiento empleado, pero una cosa debe ser clara: el hecho de
aplicar procedimientos estadsticos no permite afirmar que el experimento
est bien diseado, al punto de que se puede afirmar que las variaciones
producidas en los sujetos experimentales slo y exclusivamente pueden
ser atribuidas a la variable independiente.
La relacin causa-efecto solo puede ser atribuida mediante la aplicacin
de un pensamiento lgico junto a un diseo bien aplicado. Las siguientes
pautas estn asociadas a diseos idneos:
La adecuada seleccin de un marco terico
La seleccin apropiada de los sujetos
El uso de procedimiento estadsticos correctos
El control de la variable independiente
La adecuada medicin de la variable dependiente
El control de variables asociadas
1. CONCEPTOS BSICOS DE DISEOS
1.1.
EXPERIMENTO
Es un estudio de investigacin en el que se manipulan
deliberadamente una o ms variables independientes para
analizar las consecuencias que la manipulacin tiene sobre una o
ms variables dependientes, dentro de una situacin de control
para el investigador.
Un experimento se lleva a cabo para analizar si una o ms
variables independientes afectan a una o ms variables
dependientes y por qu lo hacen.
En cualquier experimento se presentan tres tipos de variables: la
independiente,
la
dependiente
y
las
intervinientes
(contaminadoras o extraas).
1.2.

VARIABLE INDEPENDIENTE

Representa los tratamientos, factores o condiciones que el

investigador controla para probar los efectos sobre la variable
dependiente. El trmino de tratamiento se emplea a semejanza
de los agentes farmacolgicos empleados en la medicina para
manejar alguna enfermedad o proceso patolgico.
En el proceso del experimento, el investigador se limita a
controlar la variable independiente, es decir, a seguir fielmente el
proceso o el mtodo para desarrollar alguna capacidad. Volviendo
al campo de la medicina, el tratamiento de una enfermedad
implica darle al paciente una dosis de un agente farmacolgico en
una determinada cantidad, un nmero de veces por da, durante
un intervalo de tiempo definido. Para probar la efectividad de este
tratamiento, se debe cumplir con que la dosis sea la indicada, el
nmero de veces que se toma dicha dosis sea el establecido y
finalmente, que cumpla con los das estipulados. A este proceso
se denomina controlar la variable independiente.
1.3.
LA VARIABLE DEPENDIENTE
Es la que refleja los resultados de un estudio de investigacin, la
variable dependiente es la caracterstica que realmente va a
variar en un experimento, que va ser modificada, en este caso,
por la variable independiente. En el proceso de investigacin, la
variable dependiente se mide. El xito de un experimento va a
depender entonces del grado de precisin con que mida dicha
variacin. Por lo tanto, tanto el instrumento de medicin como el
proceso de medicin deben ser muy bien definido.
1.4.
VARIABLE INTERVINIENTE
Tambin llamada contaminadora o extraa. Estas son variables
independientes que, si no se controlan, pueden alterar el
resultado de la investigacin.
1.5.
FACTOR:
Una
de
las
variables
dependientes que son estudiadas en el experimento. Esta puede
ser cualitativa, como: cambios en el equipo, mtodos, material
utilizado; o cuantitativa, por ejemplo: la temperatura, presin,
tiempo, etc.
Es un tratamiento que genera ms tratamientos (niveles del
factor).
1.6.
factor a estudiar.

NIVEL: Son los valores que puede tener el

1.7.
COMBINACIN: Es la asignacin de un
solo nivel a un factor, o de varios niveles a todos los factores en
una corrida experimental.

1.8.
VARIABLE
DE
RESPUESTA:
Es
resultado de una corrida experimental. Variable a estudiar.

el

1.9.
EFECTO: Es el cambio en la variable de
respuesta por el cambio del nivel de un factor.
1.10.
INTERACCIN: Cuando uno o ms
factores trabajan juntos para producir un efecto diferente que los
efectos producidos por aquellos factores de manera individual.
1.11.
BLOQUE: Agrupacin planeada de factores
o combinaciones. Es realizada a manera de minimizar la variacin
no incluida en el diseo.
1.12.
experimental.

REPLICACIN: Repeticin de la corrida

1.13.
TRATAMIENTO: Los tratamientos vienen a
constituir los diferentes procedimientos, procesos, factores o
materiales y cuyos efectos van a ser medidos y comparados.
El tratamiento establece
un conjunto
de condiciones
experimentales que deben imponerse a una unidad experimental
dentro de los confines del diseo seleccionado.
Ejemplos: Dosis desparasitante, tipo de desparasitante,
estrategia pedaggica, organizacin del aula, Dosis de fertilizante,
de cierto medicamento, racin alimenticia, variedades de un
cultivo, etc.
1.14.
TESTIGO: El testigo es el tratamiento de
comparacin adicional, que no debe faltar en un experimento; por
ejemplo, si se usan cinco tratamientos con fertilizante, el testigo
puede ser aquel tratamiento que no incluye fertilizante. La
eleccin del tratamiento testigo es de gran importancia en
cualquier investigacin, este se constituye como referencial del
experimento y sirve para la comparacin de los tratamientos en
prueba.
1.15.
UNIDAD EXPERIMENTAL: La unidad
experimental, es el objeto, espacio o lugar al cual se aplica el
tratamiento y donde se mide y analiza la variable que se
investiga. Es la divisin ms pequea del material experimental.
Ejemplo: Una planta, una parcela, un animal, una persona o
grupo de personas, un rbol, una superficie o rea determinada,
una maquina o varias mquinas, un instrumento o varios
instrumentos.

1.16.
TAMAO
DE
LA
UNIDAD
EXPERIMENTAL: Depende mucho del tipo de material
experimental que se utilice y muchas veces de la esperanza de
vida en el caso de usar seres vivos.
1.17.
ANLISIS DE VARIANZA: Es una tcnica
estadstica que sirve para analizar la variacin total de los
resultados experimentales de un diseo en particular,
descomponindolo en fuentes de variacin independientes
atribuibles a cada uno de los efectos en que constituye el diseo
experimental.
Esta tcnica tiene como objetivo identificar la importancia de los
diferentes factores o tratamientos en estudio y determinar cmo
interactan entre s.
1.18.
HIPTESIS ESTADSTICA: Es el supuesto
que se hace sobre el valor de un parmetro (constante que
caracteriza a una poblacin) el cual puede ser validado mediante
una prueba estadstica.
En investigacin, al realizar un anlisis estadstico utilizando el
ANVA de un diseo experimental, la hiptesis a probar es si los
tratamientos tienen el mismo efecto sobre la variable que se
estudia, es as como se tienen las hiptesis planteada o nula (H 0)
e hiptesis alterna (H1):
H0: i = 0 (Los i tratamientos tienen el mismo efecto sobre la
variable en estudio)
H1: i 0 (No todos los tratamientos tienen el mismo efecto sobre
la variable en estudio)
1.19.
ERROR EXPERIMENTAL: Es la variacin
aleatoria (no explicada) ajena al control razonable del
investigador. Este trmino no es sinnimo de error, si no que
forma parte de las caractersticas propias e innatas de la unidad
experimental.
Es la diferencia entre el resultado equivocado de una accin y el
resultado correcto. Cuando se realiza una evaluacin o medicin
experimental se cometen mltiples errores, siendo stos la causa
de las diferencias entre el valor de la propiedad que se quiere
evaluar y el medido.
1.20.
TIPOS DE ERRORES: Al probar la
hiptesis estadstica el investigador est propenso a cometer los
siguientes tipos de errores:
Error Tipo I: Se comete cuando se rechaza la hiptesis que se
plantea, siendo esta hiptesis verdadera; la magnitud de este
error es fijado por el investigador y constituye el nivel de

significacin de la prueba; usualmente los valores usados como

nivel de significacin son 0.05 0.01.
Error tipo II: Se comete cuando se acepta la hiptesis que se
plantea, siendo esta hiptesis falsa; la magnitud de este error no
se puede fijar, pero si es posible minimizar utilizando un tamao
adecuado de muestra.
2. DISEOS EXPERIMENTALES
Es un mtodo cientfico de investigacin que consiste en hacer
operaciones prcticas destinadas a demostrar, comprobar o descubrir
fenmenos o principios bsicos. Tiene como propsito proporcionar la
mxima cantidad de informacin a un costo mnimo.
Disear un experimento, significa planear un experimento de modo
que se rena la informacin que sea pertinente al problema bajo
investigacin. Es decir es la secuencia completa de pasos para
asegurar que los datos apropiados se obtendrn. Implica que la
persona que formule el diseo entienda claramente los objetivos de la
investigacin propuesta.
3. NECESIDAD DE UN DISEO EXPERIMENTAL
Para ver esto consideramos el siguiente ejemplo:
Ejemplo: Se desea determinar el efecto de la gasolina y los aditivos
del aceite sobre la formacin de carbn y goma en los motores. Veinte
aditivos van a probarse en combinacin con una gasolina de
referencia y mezclas de aceite.
Hay 80 motores similares disponibles para usarse en el programa
experimental.
Tal como se establece ahora, el problema es demasiado general para
permitir la seleccin de un diseo en particular. Pueden formularse
muchas preguntas antes de proponer un diseo adecuado. Preguntas
tpicas son:
Cmo se va medir el efecto?, es decir Cules son
caractersticas que se van a analizar?
Qu factores afectan las caractersticas que se van a analizar?
Cules de esos factores se estudiaran en esta investigacin?
Cuntas veces debera ejecutarse el experimento bsico?
Cul sera la forma de los anlisis?
A partir de qu valor se considera importante un efecto?

las

4. OBJETIVO DE UN DISEO EXPERIMENTAL

Un experimento diseado tiene por objetivo:
Determinar cules son las variables que tiene mayor influencia en la
variable de respuesta.

 Determinar el mejor valor de las variables controlables que influyen

en la respuesta, de manera que sta, tenga casi siempre un valor
cercano al valor nominal deseado.
Determinar la mejor combinacin de las variables controlables que
ayuden a reducir la variable de la respuesta.
Establecer la combinacin ptima de las variables controlables, con
el objetivo de minimizar los efectos de las variables incontrolables.
5. PRINCIPIOS BSICOS DEL DISEO EXPERIMENTAL
Los principios bsicos del diseo experimental son: repeticin,
aleatorizacin, y control local.
a) Repeticin: Viene a ser la reproduccin o rplica del experimento
bsico (asignacin de un tratamiento a una unidad experimental).
Las principales razones por las cuales es deseable la repeticin son:
Primero por que proporciona una estimacin del error
experimental, siendo tal estimacin confiable a medida que
aumenta el nmero de repeticiones, y
Segundo permite estimaciones ms precisas del tratamiento en
estudio.
Ejemplo: Se usan dos procesos de manufactura para producir
bateras trmicas. De cada uno de los dos lotes de produccin se
obtienen bateras de muestra, un lote es producido por el proceso A
y el otro por el proceso B. se prueban las bateras y se hace un
registro de la vida activa de cada una de ellas.
Si se intentara un anlisis del experimento anterior se descubrira
que no se dispone de una estimacin valida del error para probar la
diferencia entre procesos. La variacin entre las bateras dentro de
los lotes proporciona una estimacin vlida del error para indicar
slo la variabilidad de lote a lote. La reproduccin verdadera
requerira que se probaran bateras de cada uno de varios lotes
manufacturados por cada proceso. En el ejemplo se dice que los
efectos de lotes y procesos son confundidos por lo que es necesario
la repeticin.
a) Aleatorizacin: Consiste en la asignacin al azar de los
tratamientos en estudio a las unidades experimentales con el
propsito de asegurar que un determinado tratamiento no
presente sesgo. Por otro lado la aleatorizacin hace vlidos los
procesos de inferencia y las pruebas estadsticas.
b) Control Local (Control del error Experimental): Consiste en tomar
medidas dentro del diseo experimental para hacerlo ms eficiente,
de tal manera que pueda permitir la reduccin del error
experimental y as hacerla ms sensible a cualquier prueba de
significacin. Control local se refiere a la cantidad de balanceo,

bloqueo y agrupamiento de las unidades experimentales que se

emplean en el diseo estadstico adoptado.
BALANCEO BLOQUEO Y AGRUPAMIENTO
Por agrupamiento se debe entender la colocacin de un conjunto de
unidades experimentales homogneas en grupos, de modo que los
diferentes grupos puedan sujetarse a distintos tratamientos. Estos
grupos pueden constar de diferente nmero de unidades
experimentales.
Ejemplo: Una compaa farmacutica est investigando los efectos
comparativos de tres compuestos propuestos. El experimento
consistir en inyectar a ratas con los compuestos y anotar la reaccin
pertinente. Se dispone de una camada consistente en 11 ratas
(unidades experimentales). Cada una de las 11 ratas se asigna al azar
a uno de los tres grupos, la nica restriccin es que los grupos consten
de 4, 4, y 3 ratas respectivamente. Los animales del primer grupo se
inyectarn con el compuesto A, los del segundo grupo con el
compuesto B y los del tercer grupo con el compuesto C.
Por bloqueo damos a entender la distribucin de las unidades
experimentales en bloques, de tal modo que las unidades dentro de un
bloque sean relativamente homogneas, de esta manera la mayor
parte de la variacin predecible entre las unidades qued confundida
con el efecto de los bloques.
Ejemplo: Considerando el ejemplo anterior pero en este caso
supongamos que hay disponibles doce ratas y que la genealoga
muestra que seis de ellas son de una camada X, tres son de una
camada Y y tres de una camada Z. como puede esperarse que ratas de
la misma camada se comporten ms similarmente que ratas de
diferentes camadas (debido a las caractersticas hereditarias) parecer
natural formar tres bloques, despus los tres tratamientos (A, B, C)
sern asignados a las ratas dentro de los bloques. Ya que cada rata
est sujeta nicamente a un tratamiento, el bloque que contenga las
seis ratas, indudablemente constara de dos ratas bajo el tratamiento
A, dos ratas bajo el tratamiento B y dos bajo el tratamiento C. los otros
dos bloques contendrn una rata bajo cada tratamiento.
Por balanceo damos a entender la obtencin de las unidades
experimentales, el agrupamiento, el bloqueo y la asignacin de los
tratamientos a las unidades experimentales de tal modo que resulte
una configuracin balanceada.
6. SUPUESTOS ACERCA DEL MODELO ESTADSTICO
Los supuestos necesarios del modelo estadstico son:

a) Aditividad: Los factores o componentes del modelo estadstico

son aditivos, es decir la variable respuesta es la suma de los
efectos del modelo estadstico.
b) Linealidad: La relacin existente entre los
factores
componentes del modelo estadstico es del tipo lineal.

c) Normalidad: Los valores resultado del experimento provienen de

una distribucin de probabilidad Normal con media y variancia
2 .
d) Independencia: Los resultados observados de un experimento
son independientes entre s.
e) Variancias Homogneas (Homocedasticidad): Las diversas
poblaciones generadas por la aplicacin de dos o ms tratamientos
tienen variancias homogneas (variancia comn).
7. TIPOS DE MODELOS ESTADSTICOS
De acuerdo a la seleccin de los tratamientos y otros factores se tiene
la siguiente clasificacin:
a) Modelo I (Efectos Fijos)
Se presenta cuando los tratamientos y dems factores que
intervienen en un experimento son fijados por el investigador; es
decir, no se efecta una eleccin aleatoria. En estos casos las
conclusiones del anlisis de variancia solamente son vlidas para los
tratamientos y otros factores usados en el experimento.
b) Modelo II (Efectos aleatorios)
Se presenta cuando los tratamientos y dems factores que
intervienen en un experimento son elegidos al azar de una
poblacin. En estos casos las conclusiones del anlisis de varianza
son vlidos, tanto para los tratamientos y dems factores usados,
as como para todas las poblaciones de tratamientos y factores.
c) Modelo III (Modelo Mixto)
Este modelo es la combinacin de los dos anteriores y se presenta
cuando algunos factores son fijados y otros son elegidos al azar. En
estos casos las conclusiones del anlisis de variancia sern vlidas
para toda la poblacin de factores cuando estos son elegidos al
azar, y solamente para los factores usados cuando estos son fijados.
8. PASOS AL PLANEAR UN EXPERIMENTO
El mtodo cientfico sugiere que en el planeamiento
experimentacin se debe tener presente las siguientes etapas:

de

la

a) Definir el problema.- En esta etapa se deben determinar los

antecedentes, importancia, objetivos, hiptesis a probar y revisin
de bibliografa.
b) Planeamiento y diseo del experimento.- En esta etapa se
debe tener en cuenta:
Lugar de ejecucin del experimento.
Tamao de la unidad experimental.
Nmero de repeticiones por tratamiento
Equipos e instrumentos a utilizar.
Mtodos de evaluacin de resultados.
c) Ejecucin del experimento
d) Recoleccin de datos del experimento
e) Ordenamiento de la informacin experimental
f) Discusin de los resultados obtenidos.
g) Anlisis econmico de los tratamientos que se probaron.
h) Conclusin final y recomendacin.
DISEO DEL EXPERIMENTO:
Este trmino se utiliza para planear un experimento de manera que se
pueda obtener la informacin pertinente a un determinado problema que
se investiga y as tomar decisiones correctas.
El diseo adecuado del experimento es una etapa fundamental de la
experimentacin, que permite el suministro correcto de datos a posteriori,
los que a su vez conducirn a un anlisis objetivo y con deducciones
vlidas del problema.
PROPSITO DE UN DISEO EXPERIMENTAL
El propsito de un diseo experimental es proporcionar mtodos que
permitan obtener la mayor cantidad de informacin vlida acerca de una
investigacin, teniendo en cuenta el factor costo y el uso adecuado del
material disponible mediante mtodos que permitan disminuir el error
experimental.
DIRECTRICES PARA EL DISEO DE EXPERIMENTOS
Para poder analizar un experimento de manera correcta, es necesario que
se tenga una idea clara sobre el problema que se va estudiar, el modo de
recoleccin de datos y su anlisis. A continuacin se presenta la
metodologa a emplear en el presente curso:

a) Comprensin y planteamiento del problema

Aunque este punto parece obvio, muchas veces resulta complicado
disear un planteamiento claro y aceptable. Es necesario consultar a
todas las partes implicadas: cuerpo tcnico, aseguramiento de calidad,
clientes,
b) A
DISEO COMPLETAMENTE AL AZAR (DCA, DIA)
El Diseo Completamente al Azar, es aquel en el cual los tratamientos son
asignados en forma aleatoria a las unidades experimentales, o viceversa,
sin ninguna restriccin; por lo tanto, se considera que es un diseo
eficiente cuando las unidades experimentales de las que se dispone son
muy homogneas, es decir la mayora de los factores actan por igual
entre las unidades experimentales. Debido a su simplicidad, el Diseo
Completamente al Azar es usado frecuentemente utilizado en los
experimentos de laboratorio donde casi todos los factores estn
controlados.
La homogeneidad de las unidades experimentales puede controlarse
ejerciendo un control local apropiado (seleccionando, por ejemplo, sujetos,
animales o plantas de una misma edad, raza, variedad o especie). Pero
debe tenerse presente que todo material biolgico, por homogneo que
sea, presenta una cierta fluctuacin, cuyos factores no se conocen y son,
por lo tanto, incontrolables.
CARACTERSTICAS:
Los tratamientos se distribuyen en forma aleatoria en todas las
unidades experimentales, y el nmero de repeticiones o unidades por
tratamiento puede ser igual o diferente.
Este diseo es til cuando las unidades experimentales presentan una
variabilidad uniformemente repartida.
El diseo completamente al azar proporciona el mximo nmero de
grados de libertad para la estimacin del error experimental; adems
no requiere estimar datos faltantes, es decir, el diseo puede
analizarse con diferente nmero de repeticiones por tratamiento.
ARREGLO DE CAMPO:
Supongamos que se desea evaluar cuatro variedades de una protena en
un lote homogneo, con cuatro repeticiones. Al sortear aleatoriamente las
cuatro variedades (A, B, C y D), cada una tiene la misma posibilidad de
ocupar cualquiera de las unidades experimentales en que se divide el
lote, por ejemplo:
C
B
D
A
A
B
C
D
D
A
B
C
D
C
A
B

MODELO ESTADSTICO LINEAL

El modelo estadstico o aditivo lineal es una expresin algebraica que
condensa todos los factores presentes en la investigacin. Resulta til
para sintetizar qu factores son independientes o dependientes, cules
son fijos o aleatorios, cules son cruzados o anidados.
En este diseo el valor de cada unidad experimental Y ij se aplica segn el
siguiente Modelo Estadstico Lineal:
Y ij =+ i + ij
Donde:
Yij = Es la respuesta (variable de inters o variable medida), es decir es
una observacin en la j-sima unidad experimental, sujeto al i-simo
tratamiento.
i = Es el efecto del i-simo tratamiento.
= Es el efecto de la media general del experimento o constante comn.
ij = Es el error aleatorio asociado a la respuesta Yij, efecto verdadero de
la j-sima unidad experimental (replica), sujeta al i-simo tratamiento
(error experimental)
ESQUEMA O REPRESENTACIN SIMBLICA DEL DISEO
Observacio
nes
(j)
1
2
3
...
r
Total (t)
Medias

Tratamiento (i)
2
3
...

Y11
Y12
Y13

Y21
Y22
Y23

Y31
Y32
Y33

...

...

...

Y1r
Y1.

Y2r
Y2.

Y3r
Y3.

Y 1.

Y 2.

Y 3.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

Total
t

Yt1
Yt2
Yt3

Y.1
Y.2
Y.3

...

...

Ytr
Yt.

Y.r
Y..

Y t .

Y ..

VENTAJAS
a) Es simple de planificar.
b) El nmero de repeticiones puede variar de tratamiento a tratamiento.
c) Existe ms grados de libertad para estimar el error experimental.
d) Es flexible en cuanto al nmero de repeticiones y tratamientos.
e) Es til cuando la unidad experimental tiene una variabilidad uniforme
repartida
f) Cuando se pierde alguna parcela experimental se puede considerar
que se tiene diferente nmero de repeticiones por tratamiento.
g) El error experimental puede obtenerse separadamente para cada
tratamiento para comprobar la suposicin de Homogeneidad del error.
DESVENTAJAS

a) Es ms apropiado para pequeo nmero de tratamientos y para un

material experimental homogneo y uniformemente distribuido.
b) No se puede controlar el Error Experimental por lo tanto, no es un
Diseo muy preciso.
c) Cuando se tiene diferente nmero de repeticiones por tratamiento, es
necesario calcular un Error estndar para cada pareja de medias si se
quiere comparar sus diferencias.
ANLISIS DE VARIANZA
Es una tcnica matemtica que nos permite descomponer una Fuente de
Variacin Total en sus componentes atribuibles a fuentes de variacin
conocida.
El cuadro de anlisis de varianza (ANVA) es un arreglo dado por las
fuentes de variacin, seguido de los grados de libertad, de las sumas de
cuadrados, de los cuadrados medios de cada componente, as como del
valor F y su probabilidad de significacin ( valor P).
DISEO COMPLETAMENTE AL AZAR CON IGUAL NMERO DE
OBSERVACIONES POR TRATAMIENTO
TABLA ANVA: Frmulas
F. de V.
Tratamient
os
Error
Experimen
tal

G.L.

S.C.
2

t-1

Y
Y
ri . tr..
i=1

SC trat .
t1

t(r1)

Y 2i .
Y r
i=1 j=1
i =1

SC error
t (r 1)

tr-1

Y 2..
Y tr
i=1 j=1

CM error .100
CV =
Y ..

Total

C.M.

2
ij

C.M.E.
Modelo I
Modelo II
2
t

2
2
2 +r i
+r
t1
i=1
2

2
ij

Y 2..
TC=
tr

Y ..=GranTotal

MODELO DE EFECTOS FIJOS, ALEATORIOS O MIXTOS

Como se observa el efecto del tratamiento puede ser fijo, aleatorio o
mixto.
a) MODELO I: Llamado modelo de Efectos fijos o modelo de anlisis
de varianza. Este modelo supone que los tratamientos de una
determinada subpoblacin son una cantidad fija, una variable no
aleatoria.

Cuando los factores son fijos, el investigador ha escogido los factores

en forma no aleatoria y slo est interesado en ellos.
En este caso el investigador asume que i=0, lo cual refleja la
decisin del investigador, de que nicamente est interesado en los t
tratamientos presentes en el experimentos. La mayor parte de los
experimentos de investigacin comparativa pertenecen a este modelo.
b) MODELO II: Llamado modelo de efectos aleatorios o modelo de
componentes de varianza. Los tratamientos considerados dentro de
un experimento se asumen como una muestra al azar extrada desde
una poblacin de tratamientos.
Cuando los factores son aleatorios, el investigador, selecciona al azar
los de inters de varios que dispone y los asigna a las unidades
experimentales.
En este caso el investigador asume que i tratamientos estn
distribuidos normal e independientemente con media cero y varianza
conocida, lo cual se acostumbra abreviar as: DNI(0,2), lo cual refleja la
decisin del investigador de que slo est interesado en una poblacin
de tratamientos, de los cuales nicamente una muestra al azar (los t
tratamientos) estn presentes en el experimento.
c) MODELO MIXTO: Hace referencia a aquellos casos en los cuales el
investigador considera tantos factores fijos como aleatorios en el
mismo experimento.

PROCEDIMIENTO PARA LA PRUEBA DE HIPTESIS

1) Planteamiento de Hiptesis
H0: i=0 (los i tratamientos tienen el mismo efecto sobre la variable en
estudio)
H1: i0 (No todos los tratamientos tienen el mismo efecto sobre la
variable en estudio)
2) Nivel de Significancia.
=0.05 (5%) =0.01 (1%)
3) Estadstico de Prueba
CM trat .
Fc =
CM error
4) Regla de Decisin
n
Si Fc F n , se acepta la hiptesis nula (H0)
1
2

Si

Fc > F nn ,0.05
1
2

se rechaza la hiptesis nula (H0), representndose por

un asterisco (*), lo cual significa que la prueba es significativa.

 Si

n1

Fc > F n ,0.01
2

se rechaza la hiptesis nula (H0), representndose por

dos asteriscos (**), lo cual significa que la prueba es altamente

significativa.
5) Conclusin
De acuerdo al enunciado

EJEMPLO
Se desea probar la hiptesis de que las notas de estadstica en pruebas
objetivas cortas, dependen de la hora de realizacin de la prueba. Para
ello se han escogido, al azar, cinco alumnos del turno matutino,
vespertino y nocturno. Las pruebas arrojaron los siguientes resultados:
MATUTINO
16
17
18
19
20

VESPERTINO
10
11
12
13
14

NOCTURNO
15
08
09
13
14

Se pide realizar el procedimiento para la prueba de hiptesis.

Solucin:
El esquema de la matriz de datos a ser procesada es:
OBSERVACIO
NES
1
2
3
4
5
TOTAL
Promedio

MATUTIN
O (1)
16
17
18
19
20
90
18

TURNO
VESPERTIN
O (2)
11
12
13
14
15
65
13

TOTAL
NOCTURN
O (3)
15
08
09
13
14
59
11.8

PROCEDIMIENTO PARA LA PRUEBA DE HIPTESIS

1) Planteamiento de Hiptesis
H0: 1=2=3
H1: 123
Es decir:
H0: no existe diferencia significativa entre los tratamientos
H1: existe diferencia significativa entre los tratamientos

41
36
39
45
48
209
45.8

Respecto al problema planteado

H0: los rendimientos no difieren por turno
H1: los rendimientos difieren por turno
2) Nivel de Significancia.
=0.05
3) Estadstico de Prueba
Los clculos necesarios son:
Grados de libertad de tratamientos (turnos) : t-1 = 3-1 = 2
Grados de libertad del error experimental : t(r-1) = 3(5-1) = 12
Grados de libertad del total
: tr-1 = (3) (5)-1 = 14
Factor de correccin:
Y 2 ( 214 )2 45796
TC= .. =
=
=3053.07
tr (3 )( 5 )
15
Suma de cuadrados de tratamientos (turnos)
2
2
t
Y i . Y .. 902 +65 2+59 2
SC trat = =
3053.07=108.13
tr
5
i=1 r
Suma de cuadrados del total
2
t
r
Y ..
2
2
2
2
2
SC total= Y ij =16 +17 +18 ++14 3053.07=166.93
tr
i=1 j=1
Suma de cuadrados del error
SC error =SC totalSC trat=166.93108.13=58.8
La tabla ANVA es:
F. de V.
Turnos
Error
Total
Fc =

G.L.
2
12
14

S.C.
108.13
58.80
166.93

C.M.
54.06
4.90

Fc
11.03

CM trat . 54.06
=
=11.03
CM error 4.90

4) Regla de Decisin
2
Como Fc =11.03> F 12,0.95=3.89

se rechaza la hiptesis nula (H0) y se

acepta la hiptesis alterna (H1), es decir la prueba es

significativa.

5) Conclusin
Existe diferencia significativa entre los rendimientos por turno, es decir
las notas de estadstica en pruebas objetivas cortas dependen de la
hora de realizacin de la prueba.