Академический Документы
Профессиональный Документы
Культура Документы
Objetivos
Contenido
Unidad 3.Introduccin al diseo Experimental..........................................................1
3.1 Experimentacin, conceptos bsicos...............................................................1
3.2 Modelos ANDEVA............................................................................................3
3.3 Andeva uni factorial, anova one way, diseo DCA.........................................8
3.4 ANDEVA para un Diseo BCA.......................................................................17
3.5 Diseo de Cuadro Latino...............................................................................26
3.6 Diseo en Cuadro Greco Latino....................................................................32
3.7 Anlisis de la varianza de dos factores con interaccin................................32
Repeticin Es el nmero de veces que ocurre cada tratamiento. Para poder hacer
estadstica debe haber repeticiones Para tener confiabilidad en los resultados de
un experimento, el nmero mnimo de repeticiones no debera ser menor a cuatro.
Los modelos que permite construir el ANDEVA pueden ser reducidos al cociente
entre dos varianzas, el numerador es la varianza del modelo como los
tratamientos, bloques, etc. y el denominador es la varianza de los errores. Por
ejemplo en un caso de Andeva unifactorial anova one way el valor F calculado
S 2trat
es S 2error .
x ij= x i ij
el caso de un diseo completamente aleatorio, DCA, es . La
i
por la media general, ms o menos el efecto de tratamiento y ms o menos
ij
un termino de error caracterstico de cada dato . En este modelo los trminos
Logaritmo Log (x), til cuando los datos crecen en sentido exponencial o
cuando las desviaciones estndares de las muestra sean aproximadamente
proporcionales a los promedios o hay evidencia de efectos principales
multiplicativos de los tratamientos en vez de aditividad.
Como ltimo recurso, ante datos dudosos de anlisis se puede usar el uso de
mtodos de estadstica no paramtrica. Es importante mencionar que el empleo
de estadstica no paramtrica o el uso de transformaciones no eliminan el
problema de la falta de aleatoriedad de las unidades experimentales, errores por
un mal diseo del experimento o por una mala toma de datos, es decir, la
ejecucin incorrecta de un experimento no tiene ms remedio que repetir el
experimento corrigiendo los errores por falta de diseo o mal manejo.
x ij
= Valor de la n-esima observacin ubicada en el tratamiento i.
x = Promedio General
i x Ti x
= Efecto del tratamiento i que es igual a , la media del tratamiento
i menos la media general. Estos efectos puede tener valor positivo o negativo
y el modelo supone que hay variacin entre los tratamientos, por los tanto se
ij
= Error o Variacin de las observaciones ubicada en la repeticin j y
tratamiento i. El valor del error puede ser negativo o positivo. Se cumple que la
suma y promedios de los errores son iguales a 0. Sin embargo es posible
calcular la variancia, S 2
Regla de Decisin:
Si valor Fcalculado es mayor que el valor frontera tomado de una tabla de distribucin
Ftabla se rechaza Ho, ya que el Fcalculado est en zona de rechazo de la hiptesis nula,
Ho de la distribucin F. El valor de F de frontera se busca en una tabla de
valores F, donde el valor de las columnas son los grados de libertad de los
tratamientos y los de las filas son los grados de libertad del error.
n 1
n
( x ij )
2
( )
1
x ij
1 n
SC Modelo
la tabla ANDEVA de la siguiente manera: R 2=
SCTotal . En el caso de un DCA
CV =
CM Error (100 )
clculo es: X
Tabla de ANDEVA
Causa de Grados de Suma de Cuadrado FCalculada
Variacin Libertad Cuadrados Medio, CM
S2
Tratamientos 4 1 = 3 3.28 3.28/ 3 =1.09 1.09/0.02=6
5.18
n 2
( x ij )2
( )
x ij
1
1 n
= (1.002 + 0.902 + 1.162 +0.982...+ 0.462 ) ((1.00 + 0.90 + 1.16 +0.98...+ 0.46)2 /
16) = 26.61 19.242 / 16 = 26.61 23.13 = 3.48
t r 2 n 2
r n
Interpretacin
La prueba resulta en HA: no todos los son iguales
Ya que la F calculada 65.18 > F Tabla 3.49 (con 3 y 12 grados de libertad)
Error
Media Media Efecto Absolut
Tratamiento Peso Total Tratamiento Tratamiento Error o
Pulpa caf 1.00 1.2 1.01 -0.19 -0.01 0.01
Pulpa caf 0.90 1.2 1.01 -0.19 -0.11 0.11
Pulpa caf 1.16 1.2 1.01 -0.19 0.15 0.15
Pulpa caf 0.98 1.2 1.01 -0.19 -0.03 0.03
Lombrihumu
s 1.65 1.2 1.72 0.52 -0.07 0.07
Lombrihumu
s 1.59 1.2 1.72 0.52 -0.13 0.13
Lombrihumu
s 2.00 1.2 1.72 0.52 0.28 0.28
Lombrihumu
s 1.65 1.2 1.72 0.52 -0.07 0.07
Qumico 1.69 1.2 1.52 0.32 0.17 0.17
Qumico 1.52 1.2 1.52 0.32 0.00 0.00
Qumico 1.40 1.2 1.52 0.32 -0.12 0.12
Qumico 1.46 1.2 1.52 0.32 -0.06 0.06
Tierra 0.58 1.2 0.56 -0.64 0.02 0.02
Tierra 0.6 1.2 0.56 -0.64 0.04 0.04
Tierra 0.6 1.2 0.56 -0.64 0.04 0.04
Tierra 0.46 1.2 0.56 -0.64 -0.1 0.1
0.16
0.04
-0.08
-0.20
-0.20 -0.08 0.04 0.16 0.28
Cuantiles de una Normal
La prueba de normalidad de Shapiro Wilks para los errores del modelo, realizado
con el programa INFOSTAT, confirma que stos se distribuyen de manera normal.
Se acepta la H0 de normalidad de los errores ya que el valor calculado p de 0.10
es mayor al valor de 0.05.
0.22
RABS_peso
0.14
0.06
-0.01
Pulpa Lombrihumus Qumico Tierra
3.28
R2= =0.94
funcion bastante bien explicar la variacin total de los datos, el 3.48
CV =
0.017
de fertilizacin a campo, este fue: ( 100 )=11
1.2
x ij
= Valor de la j observacin ubicada en el i tratamiento.
x = Promedio General
i
= Efecto del tratamiento i
j
= Efecto del Bloque j
ij
= Variacin o error de las observaciones ubicada en el bloque j, utilizando el
tratamiento i.
Anlisis de Varianza
Hiptesis:
Sobre los tratamientos
Ho: 1= 2=..... = k, HA: no todas los k son iguales
Sobre los bloques
Ho: 1= 2=..... = j, HA: no todas j son iguales
Nivel de significacin:
0.05 0.01
Estadstico de Prueba:
Ftratamientos = S2tratam/S2error ; Fbloques= S2bloque/S2error
Regla de Decisin:
Si Fcalculado es mayor que la Ftabla se rechaza Ho
Bloques b 1 b t 2 n 2 SC bloques
xj
1
( ) ( )
1
x ij
1
GL bloques
2
S bloques
2
serror
t n
(b -1)
Total n 2
n 1
n
( x ij ) 2
( )1
x ij
1 n
Donde:
i es cualquier tratamiento
j es cualquier bloque
t es el nmero de tratamientos
b es el nmero de bloques
n es el nmero de unidades experimentales, es igual a b x t.
Un Ejemplo
Para comparar diseos se analiza el mismo ejemplo anterior pero considerando
que las repeticiones tuvieron un diseo de bloques
Tabla de ANDEVA
Bloques
Total 16 1 = 15 3.48
1.29
n 2
( x ij )
2
( )
1
x ij
1 n
= (1.002 + 0.902 + 1.162 +0.982...+ 0.462 ) ((1.00 + 0.90 + 1.16 +0.98...+ 0.46)2 /
16)
t b 2 n 2
b n
t n
Suma de cuadrados del Error = S.C total S.C tratamientos S.C bloques
Separacin de Promedios
Estas pruebas se realizan solamente cuando el resultado del ANDEVA refleja que
estamos en HA, es decir al menos los promedios extremos son diferentes. Las
pruebas que veremos son: Diferencias significativas mnimas, Prueba de rangos
mltiples de Duncan y la Prueba de rangos mltiples de Tukey.
DSM0.05 = 2.262
2(0.016)
4
=0.20 gr
El valor t de tabla se busca con los grados de libertad del error, en este caso es
de 9 y para un alfa del 5 %. El valor DSM de 0.20 gr se contrasta con las
Tabla de Diferencias
Tratamientos Lombri Qumico Pulpa caf Tierra
humus
Lombrihumus - 0.20 NS 0.71** 1.16**
Qumico - 0.52** 0.96**
Pulpa caf - 0.45**
Tierra -
Grupo Animales T1 T2 T3
/Tiempo
Grupo 1 A B C
Grupo 2 C A B
Grupo 3 B C A
Donde A-B-C son los diferentes tipos de alimentos.
En este caso, cada alimento se aplica una sola vez por cada grupo de animales
junto con cada tiempo, y si existiesen efectos sistemticos debido a diferencias
entre los animales o entre los tiempos, dichos efectos estaran presentes de igual
manera en cada tratamiento, esto es, en cada tipo de alimento.
En este modelo se pueden observar que las diagonales repiten el mismo grupo,
ver el caso de la diagonal A-A-A, B-B y C-C. Estas diagonales no son problema en
esta caso ya que las columnas son el Factor tiempo, y el tiempo no se perturba
diagonalmente, sin embargo si el diseo fuera con filas y columnas en el espacio,
por ejemplo filas E-O y columnas NS, las diagonales no son deseables ya que
A B C D
B C D E
C D A B
D A B C
A B C D E
B A E C D
Modelo C D A E B Estadstico
D E B A C
Lineal E C D B A
x ij= x i c j f k ij
x ij
= valor de la observacin i ubicada en la columna k con la fila j usando
el tratamiento i.
x = Promedio General
i
= Efecto del tratamiento i
cj
= Efecto de la columna j
fj
= efecto de la fila k
ij
= Variacin de las observaciones ubicada en la columna K, con la fila j,
usando el tratamiento i.
Suma de Cuadrados
2
2 21174 2
SC total=82 +81 ++71 =623.75
16
2 2 2 2 2
294 + 292 +292 +296 1174
SC Grupo = =2.75
4 16
A C D
B
B C D E
Luis Mara Dicovskiy Riobo, 2011
Pgina 32
D
C A B
A B C
D
3.7 Anlisis de la varianza de dos factores con interaccin
El diseo bifactorial, es un diseo del tipo factorial, pero con dos factores o temas
de estudio, Factor 1 y Factor 2, los cuales pueden tener interaccin entre ellos.
Este modelo supone tres pruebas de hiptesis una para el Factor 1, otra para el
Factor 2 y la tercera para la interaccin F1xF2, en esta prueba la hiptesis nula es
la falta de interaccin. La interaccin responde a la pregunta de si el Factor 1 tiene
diferentes comportamientos ante los diferentes valores del Factor 2, por ejemplo
ante una prueba de evaluacin de variedades de un cultivo en diferentes
ambientes, la interaccin sera que la mejor variedad en un ambiente de alta
fertilidad, ya no se comporta como la mejor variedad al cambiar a un ambiente de
baja fertilidad.
x ij
= Valor del j Factor B ubicada en el i Factor A.
x = Promedio General
i
= Efecto del Factor A i
ij
= Efecto de la interaccin del Factor A por el Factor B
ij
= Variacin de las observaciones ubicada en el Facto B j y el Factor A i.
Anlisis de Varianza
Hiptesis de los Factores A y B:
Ho: 1A= 2A=..... = iA ; HA: no todas los iA son iguales para el Factor A
Ho: 1B= 2B=..... = jB ; HA: no todas jB son iguales para el Factor B
Hiptesis de Interaccin
Ho: El Factor A no interacta con el Factor B
HA: El Factor A interacta con el Factor B
Nivel de significacin:
0.05 0.01
Estadstico de Prueba:
F1= S2A /S2error; F2= S2B/S2error; F3= S2AB/S2error
Regla de Decisin:
Si Fcalculado es mayor que la Ftabla se rechaza Ho
Tabla de datos
Para analizar los datos manualmente se debe hacer las sumatorias por
tratamiento.
Sexo Hora Repeticiones X X
s
Varn 0-3 70 74 73 69 286 71.50
Varn 4-6 78 75 80 76 309 77.25
Varn +6 86 82 88 85 341 85.25
Mujer 0-3 64 70 69 76 279 69.75
Suma de Cuadrados
2
2 2 1864 2
SC total=70 +74 + +82
24
2 2 2
936 +928 1864
SC Sexo =
12 24
Grfico de Interacciones
Este grfico nos permite observar si hay interaccin con los dos factores, sexo y
horas de estudio. Esta interaccin ocurre si las rayas generadas por las variables
se cruzan, lo que sera una confirmacin de la existencia de interaccin entre sexo
y horas de estudio. Como esto no se observa en el grfico que se muestra a
continuacin, se puede concluir que coinciden los resultados del ANDEVA y del
grfico.
8
5
8
0
N
os
ta
7
5
7
00
-3
h
osE
ras
tu
d
i-o
4 S
re
6
h
osm
aa
n
l+6horas
Luis Mara Dicovskiy Riobo, 2011 Pgina 38