UNIDAD 2: FASE 3 - DISEÑOS UNIFACTORIALES (FORO DE DISCUSIÓN)

ELABORADO POR

DANIEL FERNANDO VELASQUEZ cód. 1116264709

LUZ ADRIANA VARGAS Cód. 29.661.069

JOHN ANDERSON ZAMBRANO Cód.

Grupo: 30156A_762

Tutor:

HARVEY ANDRÉS MILQUEZ SANABRIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

DISEÑO EXPERIMENTAL

CEAD PALMIRA

JUNIO DE 2020
 INTRODUCCIÓN

Partiendo desde la investigación de nuevos productos o alimentos, el método de

investigación basados en diseños experimentales se emplea utilizando una serie de técnicas
para gestionar distintos puntos de vista utilizando varianzas que nos ayudaran a prever
información para la toma de decisiones y así, poder tener recursos que permitan optimizar
las cantidades de recursos en las primas empleada y restructurar los procesos para las
mismas o emplear materias primas alternativas para reducir costos; mejorar procesos para
incrementar los rendimientos, determinar los cambios de un nuevo proceso o producto en
pro de su calidad.

Por todas estas razones y muchas más, es que el diseño experimental es de vital
importancia en los distintos campos de la ciencia que requieren experimentación, y
especialmente para nosotros como aprendices neófitos en este campo del saber, deseosos de
participar en forma activa en los cambios positivos de las empresas donde desarrollaremos
nuestro trabajo.

Es por eso por lo que el presente trabajo presenta el desarrollo de un diseño

completamente al azar y diseño en cuadro latino donde se evidencia el aprendizaje
adquirido.
 APÉNDICE 3

1. A partir de la lectura del capítulo 3 del libro análisis y diseños de experimentos,

aplique los conceptos del diseño completamente al azar (DCA) y análisis de varianza
para el siguiente enunciado.

COMPARACIÓN DE 4 FÓRMULAS DE ENGORDE EN TILAPIAS

El equipo de desarrollo e innovación que lo componen zootecnistas e ingenieros de

alimentos de una empresa de cultivo de tilapia evalúa el efecto de cinco fórmulas de
engorde (F1, F2, F3, F4), sobre el peso final de las tilapias (entendiendo que a mayor
peso en las tilapias la fórmula de engorde realizada es más eficiente). En primera
instancia, la estrategia experimental es aplicar cuatro veces las 4 fórmulas de engorde
en orden completamente al aleatorio (las 16 pruebas al azar). Los pesos (kg) obtenidos
de las tilapias en la investigación se muestran en la siguiente tabla.

FÓRMULAS DE ENGORDE
F1 F2 F3 F4
2,66 3,2 3,01 4,00
2,52 3,42 3,13 3,89
2,74 3,47 3,25 3,90
2,9 3,64 3,38 4,12

a. Formule el interrogante del problema de investigación. (15/150)

Evaluar el efecto de las fórmulas de engorde, y determinar la fórmula más eficiente

en el peso de las tilapias.

b. Formule las hipótesis correspondientes (igualdad y alterna). (15/150)

Hipótesis nula
H○= µ1=µ2=µ3=µ 4
Hipótesis alternativa:
Ha= µi ≠ µj
 Para algún i ≠ j = (F1, F2, F3, F4)

c. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla

ANOVA,  = 0.01. (20 /150).

SUMA DE LOS CUADRADOS DE LOS DATOS

4 4

∑ ∑ Y 2ij=2,662 +2,522+ 2,742 +2,92 +3.22+ 3,422+3,47 2+ 3,642 +3,012 +3,132+ 3,252+ 3,382+ 4,002 +3,892 +3,902
i=1 j=1

4 4

∑ ∑ Y 2ij=7,07+6,35+7,5+8,41+10,24+ 11,7+12,04 +13,25+9,06+ 9,8+10,56+11,42+16+15,13+ 15,21+16

i=1 j=1

TOTAL DE DATOS

4 4
Y i=∑ ∑ Y ij =2,66+2,52+2,74+ 2,9+ 3,2+ 3,42+ 3,47+3,64+3,01+3,13+3,25+ 3,38+ 4,00+3,89+3,90+ 4,12=
i =1 j=1

N° TOTAL DE DATOS EN LOS TRATAMIENTOS

4
N i=∑ ni=16
i=1

MEDIA GLOBAL

Y ° ° 53,23
Ý io = =
N 16

SUMA TOTAL DE CUADRADOS

4
Y 2° ° 4
2
S Ct = ∑ ∑ Y − ij
i=1 y=1 N
 53,232
S Ct =180,73−
16

S Ct =180,73−177,08

S Ct =3,65

DIFERENCIA ENTRE FORMULAS DE ENGORDE (SUMA DE CUADRADOS DE

TRATAMIENTOS)

∑ F 1=10,82
∑ F 2=13,73
∑ F 3=12,77
∑ F 4=15,91
4
Y 2io Y 2oo 10,822 +13,732 +12,772 +15,912 53,23 2
S Ctrat =∑ − = −
y=1 4 N 4 16

721,78 2833,4
SCtrat = − SCtrat =180,44−177,08
4 16

SCtrat =¿ 3,36

SUMA DE CUADRADOS DEL ERROR (TRATAMIENTO Y ERROR)

SC E=SC T −SCTrat

SC E=3,65−3,36

SC E=0,29

CUADRADOS MEDIOS DEL TRATAMIENTO Y DEL ERROR

 SC Trat 3,36
CM TRAT = =
K−1 3

CM TRAT =1,12

SC E 0,29
CM error= =
N−k 16−4

CM error=0,0241

ESTADISTICO DE PRUEBA

CM TRAT 1,12
F 0= =
CM error 0,0241

F 0=46,47

d. Realizar la validación de la ANOVA por medio de un programa estadístico

(diferente a Excel), adjuntar pantallazo. (20 /150)

CRITERIO 1
 F 0=46.47 ≥ 3,49

La hipótesis de igualdad se rechaza

CRITERIO 2

Este criterio lo realizamos en Excel haciendo uso de la fórmula:

DISTR.F.CD (46,47;3;12) = 7,02E-07

Con los resultados anteriores de criterio 1 y criterio 2, Se rechaza la hipótesis No. 2

Los datos obtenidos de punto crítico, probabilidad y F 0, son comparados con los resultados
obtenidos de la tabla de Excel

Validando que los puntos realizados hasta este punto se aproximan mucho con los arrojados
por Excel, procedemos a realizar la tabla ANOVA.
 e. A partir de los criterios del resultado del valor – P y FO (son dos criterios diferentes),
¿qué se puede concluir con respecto a las hipótesis planteadas? (10 /150)

Como el valor -p es menor que ∝=0,01 , se rechaza H0 y se determina que las distintas
fórmulas de alimentación ocasionan los diferentes pesos en las tilapias.

f. ¿Describa cuál es la función y para qué es utilizado el teste de diferencias de medias

de Tukey? Dentro del concepto responda si es necesario utilizar este método cuando
aceptamos la hipótesis de igualdad (20 /150)

el teste de diferencias de medias de Tukey se utiliza en ANOVA para definir los intervalos
de confianza para todas las diferencias en parejas, entre las medias de los niveles de los
factores al igual controla la tasa de error por familia en un nivel determinado. También se
debe saber la tasa de error por familia cuando se hacen comparaciones múltiples, porque la
probabilidad de cometer un error de tipo I para una serie de comparaciones es mayor que la
tasa de error para cualquier comparación individual. Para contrarrestar esta tasa de error
más elevada, el método de Tukey ajusta el nivel de confianza de cada intervalo individual
para que el nivel de confianza simultáneo resultante sea igual al valor que usted
especifique.

El teste de diferencias de medias de Tukey lo utilizamos cuando la hipótesis de igualdad la

aceptamos o la rechazamos

2. A partir de la lectura del capítulo 4 del libro análisis y diseños de experimentos,

aplique los conceptos del diseño en cuadro latino (DCL) y análisis de varianza para el
siguiente enunciado.

En un centro de investigación de agricultura se requiere estudiar el efecto de distintos tipos

de semilla en el rendimiento del maíz y se considera que en dicho rendimiento también
pueden influir los tipos de abonos empleados. Así, el factor de interés es el origen de la
semilla (A, B, C y D) y se controla dos factores de bloques el tipo de semilla y el tipo de
abono en función de la variable de respuesta.
 Tipo de Tipo de semilla
abono 1 2 3 4
1 C=73 D=78 A=68 B=90
2 B=79 C=79 D=67 A=80
3 A=65 B=81 C=65 D=66
4 D=92 A=80 B=89 C=92

g. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla

ANOVA  = 0.05. (25 /150)

4 4
2 Y 2° °
S Ct =∑ ∑ Y ij −
i=1 y=1 N

2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1.244
S Ct =( 73 +79 +65 + 92 ) + ( 78 + 79 + 81 + 80 ) + ( 68 +67 +65 +89 )+ ( 90 +80 +66 + 92 )−
16

1.547 .536
S Ct =98.124−
16
S Ct =98.124−96.721
S Ct =1.403

Vamos a sacar la suma de cuadrados de los dos bloques, siendo bloque 1 el tipo de abono y
bloque 2 el tipo de semilla.

4
Y 2io Y 2oo 3092 +3052 +2772 +3532 1.2442
BLOQUE 1 S C B 1=∑ − = −
y=1 4 N 4 16

389.844 1.547.536
S C B 1= −
4 16

S C B 1=740

BLOQUE 2
 4
Y 2io Y 2oo 3092 +3182 +2892 +328 1.2442
S C B 2 =∑ − = −
y=1 4 N 4 16
387.710 1.547 .536
SC B 2= −
4 16
S C B 2=206

Suma de los factores de origen de la semilla

A = 293; B = 339; C = 309; D = 303

4
Y 2io Y 2oo 293 2+339 2+309 2+303 1.244 2
SCTrat =∑ − = −
y=1 4 N 4 16
388.060 1.547 .536
SCTrat = −
4 16

SCTrat =¿ 294

 SUMA DE CUADRADOS DEL ERROR (TRATAMIENTO Y ERROR)

SC E=SC T −SCTRAT −SC B 1 −SC B 2

SC E=1.403−740−294−206

SC E=163

 CUADRADOS MEDIOS DEL TRATAMIENTO Y DEL ERROR

SCTrat 294
CM Trat = =
K −1 3
CM Trat =98

Cuadrados medios del Bloque 1

SC Trat 740
CM B 1= =
K−1 3
CM B 1=246,6
 Cuadrados medios del Bloque 2

SC Trat 206
CM B 2= =
K−1 3
CM B 2=68,6

Cuadrados medios del error:

SC E 163
CM error= =
N−k 16−4

163
CM error=
12

CM error=13,6

Estadístico de prueba para tratamiento

CM TRAT 98
F 0= =
CM error 13,6

F 0=7,2

Estadístico de prueba para Bloque 1

CM B 1 246,6
F 0= =
CM error 13,6

F 0=18,13

Estadístico de prueba para Bloque 2

CM B 2 68,6
F 0= =
CM error 13,6

F 0=5,04
  TABLA ANOVA Y VALOR -P

El valor -p, lo obtenemos en Excel con la formula DISTR.F.CD, para cada una de las
fuentes de variabilidad.

h. A partir de los criterios del resultado del valor – P y FO (son dos criterios diferentes),
¿qué se puede concluir con respecto a las hipótesis planteadas? (25 /150)

De las anteriores hipótesis planteadas ninguna es válida, debido a que el valor -p,
fue inferior al α= 0,05; en todas las hipótesis; por lo tanto, no se acepta la hipótesis
de igualdad en ninguno de los casos.
Nota: Todas las ecuaciones deben ser presentadas, aplicando la opción de Word – Insertar –
Ecuación. Adicional se debe presentar el paso a paso de la solución y explicación de los
datos que resulten de tablas u opciones en Excel.

CONCLUCION
 BIBLIOGRAFIA

Gutiérrez,H. (2012).Análisis y diseño de experimentos.(3a. ed.) McGraw-Hill

Interamericana. (pp 52–61) Recuperado
de http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=375&pg=

Gutiérrez,H. (2012).Análisis y diseño de experimentos.(3a. ed.) McGraw-Hill

Interamericana. (pp 92-96) Recuperado
de http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=375&pg=

El siguiente objeto virtual de información presenta el concepto de los principales

diseños unifactoriales como el DCA y el diseño de bloques.Guevara Guerrero, B.
(2018). Diseño Unifactorial. [Archivo de video]. Recuperado
de http://hdl.handle.net/10596/20386

El siguiente objeto virtual de información presenta el concepto del diseño factorial y

de forma general los pasos para la solución de este tipo de diseño.
Guevara Guerrero, B. (2018). Diseño Factorial. [Archivo de video]. Recuperado
de http://hdl.handle.net/10596/20385

A continuación encontrará lecturas que complementan los temas relacionados en la

segunda unidad.Balzarini, M. (2013). Estadística y biometría: ilustraciones del uso e
Infostat en problemas de agronomía. Editorial Brujas (pp 259 – 287). Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10890015&ppg=102

Guevara Guerrero, B. (2018). Programa Estadístico - Instalación. [Archivo de

video]. Recuperado de http://hdl.handle.net/10596/20387