CURSO: Métodos estadísticos de investigación (AI 448)

PROFESOR: Antonio Jesús Matos Alejandro

DISEÑO COMPLETAMENTE AL AZAR (D.C.A.)

Este diseño usa unidades experimentales (u.e.) cuando son homogéneas. Todo tratamiento se asigna
a las unidades experimentales en forma aleatoria. Utilizando cualquier mecanismo de
aleatorización. En el error experimental se encuentra todos los factores ambientales o extraños que
no se pueden controlar en el experimento.

Características principales:

1.- Aplicable solo cuando las u.e. son homogéneas.

2.- Los tratamientos pueden tener igual o diferente número de u.e.

3.- La distribución de los tratamientos a las u.e. se hace completamente al azar.

4.- El número de tratamientos está en función del número de u.e. que se dispone. Es conveniente
tener menos tratamientos y más u.e. que muchos tratamientos con pocas u.e. (repeticiones).

Modelo estadístico lineal (Modelo aditivo lineal)

Es el siguiente:

Yij    Ti  eij

i = 1; 2; ……; t (tratamientos)
j = 1; 2; ……; r (repeticiones)

Donde:

yij = Respuesta observada en el i-ésimo tratamiento, j-ésima repetición.

µ = Efecto de la media general (factor constante). Es un parámetro.

τi = Efecto del i-ésimo tratamiento en la u.e. Es un parámetro único.

εij = Efecto de la j-ésima repetición (u.e.) sujeto al i-ésimo tratamiento. Error experimental (factor
aleatorio) y es el efecto no controlado.

Supuestos del modelo estadístico

El modelo estadístico debe cumplir con los siguientes supuestos:

1.- Aditividad.- Los efectos del modelo son aditivos.

2.- Linealidad.- Las relaciones entre los efectos del modelo son lineales.

3.- Normalidad.- Los errores o residuales del modelo deben tener una distribución normal con
media cero y variancia σ2.
4.- Independencia.- Los resultados obtenidos en el experimento son independientes entres si.

5.- Homogeneidad de variancias.- Las diferentes poblaciones generadas por la aplicación de los
diferentes tratamientos tienen variancias iguales (  2 ) prueba de Bartlett mediante la
prueba chi-cuadrado.

Representación simbólica de las respuestas: yij

Observaciones o número de Tratamientos (i) Gran total
repeticiones (j) 1 2 3 .... t o Total
1 y11 y21 y31 ... yt1
2 y12 y22 y32 ... yt2
3 y13 y23 y33 ... yt3
4 .
5 .
. .
. .
. .
r y1r y2r y3r ... ytr
Totales y1. y2. y3. ... yt. Y..

Promedio o medias Y1 Y2 Y3 ... Yt  Y

Análisis de variancia o varianza (ANVA)

Variabilidad total = variabilidad tratamiento + variabilidad error

Las dos fuentes de variación (tratamiento y error) son comparadas mediante el siguiente
procedimiento de prueba de hipótesis.

Hipótesis:

H0 : µ1 = µ2 = …… = µt
Ha : µ1 ≠ µ2 ≠ …… ≠ µt (al menos 2 son ≠)

( yij ) 2
Término de Corrección (T.C.): Tc 
rt

  y 
2
y12o  y22o  ....  yt2o yoo  yi2o
2
1) SCTrat .   = 
ij
r rt r rt

  y 
2
t r

 y
ij
2) SCTotal = 2
ij 
i 1 j 1 rt

3) SCerror = SCTtotal  SCtratam.

 Cuadro de análisis de varianza (ANVA)

Fuente de Grados de Cuadrado

Suma de cuadrados Fcalculado
variación libertad medio Signif.
S.C. Fc
F.V. G.L. C.M.

Entre (t-1)
� � y  SCTrat .. /(t  1) CM trat / CM error
2
tratamientos �y 2
i.

ij
(Tratamientos) r rt
Dentro de t(r-1)
tratamientos SCTtotal  SCtratam. SCerror/t(r-1).
(Error Exper.)
  y 
2
t r

 y
ij
Total tr-1 2

ij
i 1 j 1 rt

Criterio de prueba F.- El valor de Fc se compara con el valor de F tabulado (Ft); buscado con los
grados de libertad (G.L.) del tratamiento y con los G.L. del error experimental; para α = 0,05 ó α =
0,01; es decir 5 % o 1 %.

1.- Si: Fc > Ft, rechazamos la hipótesis nula (Ho); es decir que hay efecto diferencial entre las
medias de los tratamientos en estudio.

2.- Si Fc ≤ Ft, aceptamos la hipótesis nula (Ho); es decir que no hay diferencia entre las medias de
los tratamientos en estudio.

Si hay diferencia entre los tratamientos en estudios (Fc > Ft ) o el valor de Fc es cercano al valor de
Ft, necesitamos realizar otras pruebas para seleccionar él o los tratamientos mejor(es), para ello se
debe realizar :

Pruebas de comparación múltiple:

- Prueba t
- Prueba D.L.S. ( Diferencia limite significativa);
- Prueba de Duncan;
- Prueba de Tukey;
- Prueba de S.N.K (Studente – Newman – Keul);
- Prueba de Dunnett;
- Prueba de contrastes ortogonales.

En todo ANVA se debe calcular el coeficiente de variabilidad (C.V.) que evalúa el grado de
homogeneidad de los resultados de un experimento.

CM ERROR
CV  x100%
MediaGeneral

Criterios para la interpretación del C.V.: Nos indica el porcentaje de error del experimento, por lo
que también se le llama error experimental, y mientras más bajo es el valor, el experimento es
mejor.

- Si el CV es menor a 10%, el trabajo es muy bueno

- Si el CV está entre 10 – 20%, el trabajo es bueno
- Si el CV está entre 20 – 30%, el trabajo es regular y tiende a malo
- Si el CV es mayor de 30%, el trabajo no es confiable.

Pruebas de comparación de medias de tratamientos

Análisis: ¿Con qué tratamiento se obtienen los mayores resultados? ¿es este tratamiento
significativamente superior a los demás? Es el tratamiento A mejor que el B?
Se realiza pruebas adicionales que permitan comparar a los distintos tratamientos, en forma
individual o por grupos, unos con otros.
Al total de comparaciones por pares posibles entre los tratamientos se le llamará una
“familia de comparaciones” y al nivel de significación para una comparación se le llamará
“tasa de error individual” y al nivel de significación para el total de comparaciones
(probabilidad de encontrar diferencias significativas en al menos una de las
comparaciones) “tasa de error por familia”. Las pruebas en las que el nivel de significación
sea individual servirán para efectuar comparaciones individuales planeadas con
anterioridad; las pruebas en las que el nivel de significación sea por familia servirán para
efectuar todas las comparaciones posibles (comparaciones múltiples).

1. Prueba t
Es una prueba para comparaciones planeadas con anterioridad. El nivel de significación se
toma como una tasa de error individual. Los supuestos para la realización de esta prueba es
que la prueba F del análisis de varianza sea significativa.

Hipótesis:

H0: µi - µj = k
Ha: µi - µj ≠ k

Estadístico de prueba:

Tc 
Yi0  Y jo   K
: (GLERROR ,1   )
Sd
1 1 
Donde Sd= CM E   
 ri rj 

ri ≠ r j
Sd, es la desviación estándar de la diferencia de las medias muestrales de los dos
tratamientos.
Si todos los tratamientos tienen el mismo número de repeticiones, el estadístico de prueba
se simplifica a:

Tc 
Y i0  Y jo   K
2CM E
r

Regla de decisión:
 Si: t calculado (tc) > tt(1-α, glEE) se rechazaH0

t calculado (tc)  tt(1-α, glEE) se acepta H0

2. Prueba de diferencia límite significativa (D.L.S)

La prueba consiste en calcular una diferencia límite significativa (DLS) de modo que
cualquier diferencia entre las medias de dos tratamientos mayor a dicho límite sea
significativa. El supuesto para esta prueba es lo mismo que para la prueba t y por supuesto,
también debe ser planeada con anterioridad.

 Esta prueba se realiza cuando el número de tratamientos en estudio no es mayor de 4, si

es mayor, se utiliza Duncan.
 Esta prueba se puede hacer sin necesidad que exista significancia.
 Previamente a los resultados debemos fijar el tipo de prueba y las comparaciones que
se necesita hacer.
Hipótesis:

H0 : µi = µj
Ha : µi ≠ µj

Calculo el valor crítico de (DLS):

La diferencia límite de significación, para un nivel significante es:

DLS = tt(α, glee)*Sd

Donde:  = nivel de significación de la prueba.

Sd = desviación estándar de la diferencia de las medias muestrales de los dos
tratamientos.

Se calcula el error estándar de la diferencia.

2CM ERROR
Sd  para: r1= r2 =...= rj
r

1 1 
Sd= CM error    ri  rj
 ri rj 

Regla de decisión:

La H0 se rechaza con un N.S.α si la diferencia de las medias de la comparación de dos

tratamientos es mayor que DLS.

3. Prueba de Duncan

Esta prueba tiene en cuenta los órdenes que les toca a los promedios de los tratamientos en
comparación en el ordenamiento general, dando mayores límites de significación (mayor
exigencia) en las comparaciones de tratamientos más apartados en el ordenamiento.
Esta prueba no requiere como la de t y DLS de una prueba previa de F, pues puede hacerse
la prueba de Duncan aún sin ser significativa la prueba F, pero sí requiere homogeneidad
de variancias entre los tratamientos.

Valor crítico:

Se denomina amplitud límite de significación de Duncan (ALSD)

ALSD = (AES)D*SX

Donde: AES = Amplitud Estudiantizada Significativa (de la tabla de Duncan).

Hipótesis:

H0: µi = µj
Ha: µi ≠ µj
Se hace las hipótesis para todas las comparaciones posibles entre los tratamientos.

Se trabaja con la desviación estándar promedio:

CM ERROR
SX  r1  r2  ...  rj
r
CM ERROR 1 1 
SX     r  rj (Cuando son desiguales)
2  ri rj 

Regla de decisión:

H0 se rechaza con un N.S.α si la diferencia de las medias de la comparación de dos

tratamientos es mayor que ALSD.

4. La prueba de Tukey

Permite evaluar la significancia de todas las diferencias entre tratamientos. Las hipótesis
correspondientes a todas las comparaciones constituyen una familia y por lo tanto la tasa
de error es familiar. Los supuestos para la realización de esta prueba son:
- Variancias homogéneas
- Las muestras son extraídas al azar.

Hipótesis:

H0: µi = µj
Ha: µi ≠ µj
Se hace las hipótesis para todas las comparaciones posibles entre los tratamientos.

Valor crítico:
Amplitud Límite Significativa de Tukey:
 ALST = (AES)T*Sd
Donde:

- AEST se obtiene de la misma tabla de S-N-K, con NS α, y valor de p = N° de

tratamientos del experimento y G.LERROR.

- Sd = SX, es la desviación estándar de la diferencia de las medias muestrales de dos

tratamientos para la prueba de Tukey.

CM ERROR
SX  r1  r2  ...  rj
r
CM ERROR 1 1 
SX     r  rj (Cuando son desiguales)
2  ri rj 
Regla de decisión:

La H0 se rechaza con un N.S.α si la diferencia de las medias de la comparación de dos

tratamientos es mayor que ALST.

5. Prueba de Student- Newman-Keul (S-N-K)

Semejante a la prueba de Duncan, la diferencia está en la utilización de la tabla de S-N-K.

Hipótesis:

H0: µi = µj
Ha: µi ≠ µj
Se hace las hipótesis para todas las comparaciones posibles entre los tratamientos.

Comparación de prueba.

ALSS-N-K= (AES)i* S X
Donde:

- AES, se busca en la tabla de S-N-K con los G.L error y nivel de significancia  para p
= 2,3,...t (N° de tratamientos).

CM ERROR
SX  r1  r2  ...  rj
r
CM ERROR 1 1 
SX     r  rj (Cuando son desiguales)
2  ri rj 

Regla de decisión:

La H0 se rechaza con un N.S.α si la diferencia de las medias de la comparación de dos

tratamientos es mayor que ALSS-N-K.
6. Prueba de Dunnett

Es utilizada cuando se quiere comparar a cada uno de los tratamientos contra el tratamiento
testigo o control (cuál o cuáles de los tratamientos superan al tratamiento testigo). En esta
prueba la tasa de error también es familiar. Los supuestos para la realización de esta prueba
son:
- Variancias homogéneas
- Las muestras son extraídas al azar.

Igual que la prueba de Tukey, DSL, existe un solo valor crítico, lo mismo que se encuentra
de la siguiente manera:

Hipótesis:

H0: µT = µi
Ha: µT ≠ µi
Se hace las hipótesis para todas las comparaciones posibles entre los tratamientos y el
tratamiento testigo.

Amplitud Límite Significativa de Dunnett:

ALSDn = t(Dn)*Sd
Donde:

t(Dn) es el valor de la tabla para la prueba (tabla de Dunnett) con NS α, p = número de

tratamientos del experimento sin incluir el control y los glEE.

2CM ERROR
Sd .  cuando r1  r2  ...  Cte.
2

1 1 
Sd= CM error    ri  rj
 ri rj 

Sd es la desviación estándar de la diferencia de las medias muestrales del tratamiento

testigo y el tratamiento i para la prueba de Dunnett.

Regla de decisión:

La H0 se rechaza con un N.S.α si la diferencia de las medias de la comparación de dos

tratamientos (uno testigo y otro tratamiento) es mayor que ALS(Dn).