Вы находитесь на странице: 1из 7

UNIVERSIDAD NACIONAL DE ASUNCIÓN

UNIVERSIDAD NACIONAL DEL ESTE


MAESTRÍA EN CIENCIAS SOCIALES

Análisis Estadístico (aplicación de ANAVA)


Gran parte de los investigadores perciben la necesidad del análisis estadístico para formar una
base objetiva de validación de los resultados obtenidos en los experimentos. Algunos ejemplos
son citados y pueden ser útiles para ilustrar la importancia del análisis estadístico:
 si dos campos de trigo, aparentemente iguales, son escogidos, se sabe que difícilmente
tendrán la misma producción.
 los pesos de frutos de árboles adyacentes raramente son iguales, son comunes las
diferencias entre frutos de la misma planta inclusive.
 la ganancia de peso de dos animales de la misma especie y raza casi siempre difieren,
aunque sean tratados en condiciones de igualdad.
Diferencias de este tipo entre parcelas o animales resultan de diferencias genéticas y del medio
ambiente, ambas fuera del control del investigador. A pesar de no ser un error en el contexto
específico de términos, las diferencias identificadas representan variabilidades entre las
unidades experimentales. Estas diferencias reciben el nombre de ERROR
EXPERIMENTAL.

Una vez reconocida la existencia de variabilidad, se perciben dificultades para la validación de


una nueva tecnología por medio de la utilización de en una simple unidad experimental en
comparación con otra unidad, donde se utiliza una tecnología diferente. Los efectos de la
nueva práctica quedan confundidos con la variabilidad no controlada. Así, experimentos con
una simple repetición permiten medidas muy pobres del efecto del tratamiento, hasta el punto
de no permitir medidas del error experimental. La ciencia estadística requiere que la colecta de
datos experimentales permita la obtención de estimativas no tendenciosas del efecto de los
tratamientos y que la validación de las diferencias entre tratamientos, sean hechas por pruebas
basadas en la estimación del error experimental.

Los efectos de los tratamientos son estimados por su aplicación en por lo menos dos unidades
experimentales, lo ideal es que sean más de dos. Posteriormente se calcula la media de las
unidades y por medio del test de significancia son determinadas las probabilidades de que las
diferencias entre los tratamientos sean consecuencia del azar.

Principios básicos de diseño experimental.

a) REPETICIÓN: La repetición significa que un tratamiento es repetido dos o más veces. Su


función es permitir que se haga estimativa del error experimental y del efecto de los
tratamientos. El número necesario de repeticiones en un determinado tipo de experimento
depende de la magnitud de las diferencias que se desean detectar y de la variabilidad de los
datos a ser obtenidos. Considerar estos dos factores en el planeamiento del experimento
evita muchas frustraciones posteriormente.

b) ALEATORIZACION: La aleatorización es la aplicación de los tratamientos en las


unidades experimentales, de modo que todas las unidades tengan igual oportunidad de

Programa de Estudios - Maestría en Ciencias Sociales UNA-UNE Página 1 de 7


UNIVERSIDAD NACIONAL DE ASUNCIÓN
UNIVERSIDAD NACIONAL DEL ESTE
MAESTRÍA EN CIENCIAS SOCIALES

recibir un determinado tratamiento. Su función es asegurar estimativas no tendenciosas del


error experimental y del efecto de los tratamientos.

c) CONTROL LOCAL: Este principio de experimentación permite que se impongan


restricciones en la aleatorización a fin de que el error experimental sea reducido al mínimo
posible. Por ejemplo, en el diseño “BLOQUES AL AZAR” los tratamientos son agrupados
en bloques. Esto permite que el efecto de la variación relativa a ellos sea excluido de la
variación total del ensayo.

Etapas en la experimentación

La selección de un procedimiento para investigar depende, en gran parte, del área de estudio y
de los objetivos de la investigación a ser realizada. La investigación puede ser prevista
considerando problemas de muestreo, puede envolver un experimento controlado o una serie
de experimentos. Cuando la investigación consiste en un experimento algunas consideraciones
deben ser atendidas:
a) Definición de problema: el primer paso para la solución de un problema es su
definición, de manera clara y concisa. Si el problema no puede ser definido existe poca
posibilidad de ser resuelto. Por otro lado, si el problema es definido, debe ser posible la
formulación de preguntas que cuando sean respondidas lleven a la solución pretendida.
b) Especificación de los objetivos: la especificación de los objetivos puede hacerse en
forma de preguntas a ser respondidas, de acuerdo con la hipótesis a ser probada, o con
relación a los efectos a ser estimados. Los objetivos deben ser definidos en términos
precisos. Esto permitirá que el experimentador planee los procedimientos
experimentales mas efectivamente. Cuando existe más de un objetivo, estos deben ser
listados en orden de importancia como soporte para el diseño experimental, la
especificación de los objetivos debe ser clara evitándose las ambigüedades de
significado.
c) Selección de tratamientos: el éxito del experimento está, básicamente, en la selección
cuidadosa de los tratamientos, cuyo aval debe producir resultados que respondan a las
preguntas formuladas.
d) Selección del material experimental y variables de respuesta: la selección del
material experimental debe considerar los objetivos del experimento y la población
para la cual las inferencias serán aplicadas.
e) Definición del diseño experimental: el diseño experimental debe ser seleccionado de
acuerdo con lo(s) objetivo(s). Por regla general, se debe escoger el diseño más simple,
siempre y cuando, este lleve la precisión requerida.
f) Determinación unidad experimental: es la unidad del material experimental en la
cual se aplicará el tratamiento. Para experimentos con plantas, en el campo, significa
decidir en base al tamaño y la forma de las parcelas; para experimentos con animales
significa decidir en base al número de individuos que serán considerados como una
unidad experimental.
g) Determinación del número de repeticiones: para la determinación del número de
repeticiones a ser utilizado, las informaciones de otros ensayos son muy válidas. Tanto
el tamaño de la parcela como el número de repeticiones deben ser escogidos de modo a
lograr la precisión deseada en la estimativa de efecto de los tratamientos.

Programa de Estudios - Maestría en Ciencias Sociales UNA-UNE Página 2 de 7


UNIVERSIDAD NACIONAL DE ASUNCIÓN
UNIVERSIDAD NACIONAL DEL ESTE
MAESTRÍA EN CIENCIAS SOCIALES

h) Control del efecto de unidades adyacentes: los efectos entre unidades adyacentes se
refieren a la interferencia de efectos de los tratamientos de una unidad sobre otra
adyacente. El control de este efecto es usualmente conseguido por el uso de bordes y
por la aleatorización de los tratamientos.
i) Colecta de datos: los datos a ser colectados deben ser especificados y deben avalar
correctamente los efectos de los tratamientos dentro de los objetivos del experimento.
Además de eso, se debe considerar también la colecta de datos que pueden auxiliar la
explicación de comportamiento de los tratamientos.
j) Conducción del experimento: en el experimento se deben utilizar procedimientos
libres de tendencias personales. El diseño experimental es fundamental para la colecta
de los datos para que diferencias entre individuos o diferencias asociadas con el orden
de colecta puedan ser excluidas del error experimental.
k) Análisis estadístico: el análisis estadístico debe ser planeado, las fuentes de variación y
los grados de libertades asociados a cada una de ellas deben ser bien listados como los
diferentes test a ser aplicados. Consideraciones sobre cómo los resultados podrían ser
utilizados y la definición de tipo de posibles tablas y gráficos que podrían evidenciar
los efectos esperados debe ser hechos. La comparación de los resultados obtenidos con
los resultados esperados de acuerdo con los objetivos de los experimentos permite
verificar si las respuestas deseadas fueron obtenidas.
l) Interpretación de los resultados: todos los datos deben ser analizados como se ha
planeado y los resultados interpretados sobre las condiciones experimentales y las
hipótesis probadas.
m) Preparación de informe: El informe debe ser completo y legible. No existe resultado
negativo si la hipótesis de la nulidad no es rechazada, o si ésta evidencia de que no hay
diferencias reales entre los tratamientos testados. Es deseable discutir y revisar los
textos con otras personas que puedan ayudar y aconsejar.

DISEÑOS EXPERIMENTALES

A - Con un factor
• Diseño Completamente Aleatorio – DCA.
• Diseño En Bloques Completos al Azar - DBCA.
• Diseño En Cuadrado Latino – DCL.

B – Con más de un factor


• ARREGLOS FACTORIALES
 Arreglos Factoriales de Tratamientos
 Parcelas Divididas

DISEÑO COMPLETAMENTE AL AZAR

Programa de Estudios - Maestría en Ciencias Sociales UNA-UNE Página 3 de 7


UNIVERSIDAD NACIONAL DE ASUNCIÓN
UNIVERSIDAD NACIONAL DEL ESTE
MAESTRÍA EN CIENCIAS SOCIALES

Experimentos en los cuales solamente un factor varía y todos los demás son mantenidos
constantes. El diseño completamente al azar es un experimento de simple clasificación, pues su
única fuente de variación identificada es la de los tratamientos. Los tratamientos son
asignados a las unidades experimentales de forma enteramente aleatoria, de esto surgió su
nombre.

Aleatorización: la aleatorización se hace atribuyéndose, aleatoriamente, un número a cada


unidad experimental utilizada. El número de unidades experimentales será igual al número de
tratamientos por el número de repeticiones del ensayo. Una tabla de números aleatorios es
conveniente para la determinación de que tratamiento será aplicado a cada una de las unidades
experimentales. Si cada tratamiento debe ser repetido cuatro veces, por ejemplo, las unidades
experimentales correspondientes a los cuatro primeros números aleatorios obtenidos de la tabla
recibirá el tratamiento 1, los cuatro siguientes el tratamiento 2, y así por consiguiente.

◦ Modelo matemático

y = µ + τ i +ε εij donde i = 1, 2,.....,t


ij

j = 1, 2, .....,r y ij
=
observación del i-ésimo tratamiento en la j-ésima repetición.

µ = media general

τ i
= efecto del i-ésimo tratamiento

ε ij
= efecto del error

o Esquema de diseño se utilizará un DCA en el caso que la parcela experimental donde


serán aleatorizados los tratamientos sea suficientemente homogénea.

Ejemplo: Tmt = A, B, C, D; Rep. = 1,2,3

o Así, la hipótesis nula de interés es


Ho : τ I = τ2 = τa
H1 : al menos un τ ≠ τ i

o Diseño de campo

A B D B

Programa de Estudios - Maestría en Ciencias Sociales UNA-UNE Página 4 de 7


UNIVERSIDAD NACIONAL DE ASUNCIÓN
UNIVERSIDAD NACIONAL DEL ESTE
MAESTRÍA EN CIENCIAS SOCIALES

A C C A
D B C D

Si suponemos que se desea comparar a tratamientos o niveles de un único factor. La


respuesta que se observa en cada uno de los tratamientos es una variable aleatoria. Los
datos se presentan como:

Trat. Observaciones Totales Promedio


Yi. Yi./r
1 Y11 Y12 Y13 Y1n Y1.
2 Y21 Y22 Y23 Y2n Y2.
3 . Y3.
. .

. .

m Ym1 Ym2 Ym3……….. Ymn Ym.


Y.. = ∑γ ij

Yij representa la observación del tratamiento i en la repetición j.

o Esquema del análisis

FV GL SC CM Fc

2
∑y i.
(∑ γ ) 2

Tmt’s t-1
ij
− SCt/gl CMt/CME
r rt

Error t(r-1) Por sustracción SCE/gl

2 (γ ) 2

Total tr-1
ij
∑y ij

rt

Restricciones: ninguna
Ventajas:

Programa de Estudios - Maestría en Ciencias Sociales UNA-UNE Página 5 de 7


UNIVERSIDAD NACIONAL DE ASUNCIÓN
UNIVERSIDAD NACIONAL DEL ESTE
MAESTRÍA EN CIENCIAS SOCIALES

a) Fácil de planear
b) Mayor grado de libertad para el error
c) Se puede tener diferentes n° de repeticiones por cada tratamiento.
d) Si se tiene pérdida de parcela se puede analizar
Desventajas
a) No se puede controlar el error
b) Si tiene diferente n° de repeticiones por tratamiento se debe calcular el Sx para cada par
de muestras.
Uso
a) En ensayo de invernadero y laboratorio
b) Con animales si son homogéneas
c) Poco usado en el campo

Pruebas DUNCAN – 1955 ALS(D)

Etapas para su aplicación.

1. Clasificar por orden decreciente los resultados promedios del experimento.


2. Determinar la desviación estándar de los promedios según la ecuación:

Sx= √ CME/r

3. Con los Gl del error, en la tabla correspondiente, se encuentran los valores de las
amplitudes Estudentizadas Significativas (AES). En esta tabla valores correspondientes
para las comparaciones que se van a realizar:
• un tratamiento con el más próximo en orden de “mérito”, el que se encuentra en la
columna p=2,
• un tratamiento con el que le sigue a esta último en orden de mérito, el que se encuentra
en la columna p=3..., y así se siguen buscando los valores correspondientes hasta la
última comparación.
4. Los valores de las liberas ASE se multiplican por Sx para obtener las Amplitudes Límites
de Significación (D). La ecuación es :
ALS (D)= (AES α para p y n2).Sx
5. Se comparan las medias.

• Prueba de la Diferencia Límite de Significación de Tukey

Programa de Estudios - Maestría en Ciencias Sociales UNA-UNE Página 6 de 7


UNIVERSIDAD NACIONAL DE ASUNCIÓN
UNIVERSIDAD NACIONAL DEL ESTE
MAESTRÍA EN CIENCIAS SOCIALES

Esta prueba, al igual que la de la DLS, conduce a una sola amplitud limite de significación,
pero con la diferencia de que ésta sí garantiza que el nivel α con el que se trabaja es la real, ya
que no es la comparación entre cada 2 promedios lo que se considera como una unidad para los
fines de establecer el porcentaje, sino cada experimento es considerado como unidad.

Para ésta prueba, como para las anteriores se requiere conocer el nivel α de significación, el
número de grados de libertad para el error experimental y Sx determinado en base a la del
error.

Las etapas para ésta prueba, son las mismas que para la de Duncan.

Comentarios sobre las pruebas de Duncan, de Tukey y otras pruebas.

 La de Duncan es la menos exigente para llegar a la significación ( al igual que otra, la


de Student-Newman-Keul), por lo tanto da más error de tipo I.
 La d e Tukey es más exigente ( lo mismo que la de Scheffé), da más error de tipo II.
 La de Duncan de varias amplitudes límites de significación (ALS) que están en función
de las ordenes de mérito de los promedios puestos en comparación. Mientras que la de
Tukey da una sola diferencia que sirve para cualquiera que sea la comparación entre
promedios que se desea hacer.

Programa de Estudios - Maestría en Ciencias Sociales UNA-UNE Página 7 de 7