UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

Facultad de Economía y Planificación

Dpto. de Estadística e Informática

MÉTODOS ESTADÍSTICOS PARA LA

INVESTIGACIÓN

Diseños Experimentales y DCA

Profesores del curso

Ciclo Verano 2019
OBJETIVOS
Determinar los elementos y principios de los diseños experimentales y su
importancia en la investigación.

Diseñar un experimento identificando elementos y principios de los diseños

experimentales.

Identificar un experimento en diseño completamente al azar.

Analizar los resultados de un experimento en diseño completamente al

azar.

Aplicar los procedimientos de comparaciones múltiples para comparar un

conjunto de tratamientos de un diseño completo al azar.

 Métodos Estadísticos para la Investigación I 2019-V

 Diseño Experimental
Los Diseños Experimentales mediante el
ANVA (o ANOVA por Analysis of
Variance) que es la descomposición de la
variabilidad total en cada una de sus
componentes permiten probar si dos o
más poblaciones tienen la misma media.
Aun cuando el propósito del ANVA es
hacer pruebas para hallar las diferencias
en las medias poblacionales, implica un
examen de las variancias muestrales; de
allí el término de análisis de variancia.

 Métodos Estadísticos para la Investigación I 2019-V

 1. Conceptos de básicos

a. Factor

b. Tratamiento

c. Unidad Experimental

d. Variable Respuesta (Y)

e. Dato u observación
 Métodos Estadísticos para la Investigación I 2019-V
2. Diseño experimental: Croquis
experimental
• Diseño Completamente al Azar
A D C B
C B D A
B A D D
A C B C

• Diseño en Bloque Completamente al Azar

Bloque I A D C B
Bloque II C B D A
Bloque III B A C D
Bloque IV A D B C

 Métodos Estadísticos para la Investigación I 2019-V

 3.Error experimental

Fuentes de Error
Experimental
Error
Experimental
Formas de
reducir el Error
Experimental

 Métodos Estadísticos para la Investigación I 2019-V

4. Principios básicos de un
Diseño Experimental
1. 2. 3.

Control
Repetición Aleatorización
Local

 Métodos Estadísticos para la Investigación I 2019-V

5. Modelo Aditivo Yij     i  eij

5.1. Tipos de Modelos

5.2. Supuestos Básicos
a. Aditividad

b. Linealidad
Supuestos c. Normalidad

d. Independencia

e. Homogeneidad de variancias

6. Análisis de Variancia
 Métodos Estadísticos para la Investigación I 2019-V
Ejercicio propuesto N°2 Pág. 47

Un ingeniero zootecnista está interesado en evaluar la

ganancia de peso (en g.) de cuyes machos mejorados luego de
aplicar cuatro dietas alimenticias (T1: Dieta control, T2: Dieta
con 1% de aceite de pescado, T3: Dieta con 4% de semilla de
sacha inchi, T4: Dieta con 1% de aceite de pescado y 4% de
semilla de sacha inchi. Los 48 cuyes usados en el experimento
tuvieron una edad y peso promedio de 42 días y 615 g,
respectivamente. Para realizar dicho experimento, el ingeniero
construyó 12 pozas idénticas de material noble revestidas con
cemento. Donde en cada una de ellas se distribuyeron al azar
grupos homogéneos de 4 cuyes y se les aplicó una de las dietas
en estudio.

 Métodos Estadísticos para la Investigación I 2019-V

Ejercicio propuesto N°2 Pág. 47

Según el caso anterior:

a. La variable respuesta es:
b. La unidad experimental es:
c. El diseño experimental, según el número de repeticiones,
es considerado de tipo:
d. Complete el siguiente cuadro con un croquis experimental
para el caso:

 Métodos Estadísticos para la Investigación I 2019-V

Ejercicio propuesto N°2 Pág. 47

e. Si los cuyes utilizados en el experimento hubiesen sido de

las siguientes edades promedio: 12 días (E1), 24 (E2) y 42
días (E3). Bajo el mismo interés en estudio, entonces el
factor de bloqueo sería:

 Métodos Estadísticos para la Investigación I 2019-V

 Diseño Completamente
Aleatorio (DCA)
Tratamientos Totales
Repetición
1 2 … T
1 Y11 Y12 Yt1
… … …. …
ni Y1ni … Ytnt
t ri

Totales Y1. Y2. … Yt. Y..   Yij

i 1 j 1

ni n1 n2 … nt n   ni
i 1

Promedios Y1. Y2. … Yt . Y.. 

Y..
n

 Métodos Estadísticos para la Investigación I 2019-V

Modelo Aditivo Lineal
• El Modelo Aditivo Lineal para un Diseño
Completamente al Azar es el siguiente:

Yij     i   ij i  1,2,..., t j  1,2,..., ni

 Métodos Estadísticos para la Investigación I 2019-V

 Análisis de Varianza
Grados
Fuente de Suma de Cuadrados
de Fcal
Variación Cuadrados Medios
Libertad
Tratamientos t-1 SC(Trat) SC(Trat)/(t-1) CM(Trat)/CM(Error)

Error n-t SC(Error) SC(Error)/(n-t)

Total n-1 SC(Total)

Donde: CM Trat
n  n1  n2  ...  nt Fcal
CM Error
~ Ft 1, n t

 Métodos Estadísticos para la Investigación I 2019-V

 Formulación de Hipótesis:
• Para el Modelo I (Efectos fijos) las hipótesis pueden
basarse en:
a. Los efectos de los tratamientos:
Ho:  i  0 i  1,..., t
H1:  i  0 para al menos algún i

b. Las medias de los tratamientos

Ho: i   i  1,..., t
H1: i   para al menos algún i

 Métodos Estadísticos para la Investigación I 2019-V

Regla de Decisión

La hipótesis nula (Ho) se rechaza con un nivel de significación

α si:

Fcal  F1 ,t 1,n t 

Donde F1 ,t 1,n t 

Es el valor crítico o tabular

Ftab  Fcrit  F1 ,t 1,n t 

 Métodos Estadísticos para la Investigación I 2019-V

Coeficiente de variabilidad

• Es una medida usada para evaluar el grado de homogeneidad

de los resultados de un experimento. Para saber si un
coeficiente de variabilidad es grande o pequeño, es preciso
tener experiencia con datos similares.

CME
CV  100
Y..

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1 (Pág. 55)

• El gerente de personal de una compañía que fabrica

computadoras quiere capacitar a los empleados que trabajan
en operaciones de ensamblado mediante uno de los 4
diferentes programas de motivación (Alfa, Beta, Gamma y
Sigma) que se ofrecen en el mercado. Como no se decide por
uno de ellos, realiza un experimento que consiste en
distribuir aleatoriamente a 20 empleados en los 4 programas
de motivación para posteriormente evaluar su tiempo de
ensamblado (en minutos). Los resultados luego de la
capacitación fueron los siguientes:

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
Programa
Repetición
Alfa Beta Gamma Sigma
1 64 59 65 58
2 67 58 68 60
3 62 61 63 59
4 64 59 64 62
5 66 58 65 60
Total 323 295 325 299
Promedio 64.6 59.0 65.0 59.8

 Métodos Estadísticos para la Investigación I 2019-V

 Aplicación 1
a. Realice un análisis descriptivo de los resultados.
Estadísticos descriptivos: Tiempo

Variable Programa n Media Desv.Est. Mínimo Mediana Máximo IQR

Tiempo Alfa 5 64.600 1.949 62.000 64.000 67.000 3.500
Beta 5 59.000 1.225 58.000 59.000 61.000 2.000
Gamma 5 65.000 1.871 63.000 65.000 68.000 3.000
Sigma 5 59.800 1.483 58.000 60.000 62.000 2.500

Gráfica de cajas del Tiempo

68

66

64
Tiempo

62

60

58

Alfa Beta Gamma Sigma

Programa

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
b. Defina el modelo aditivo lineal con cada uno de sus
componentes según el enunciado del problema.
 El Modelo Aditivo Lineal es:
Yij     i   ij i  1,2,3,4 j  1,2,...,5
Donde:

Yij : Tiempo de ensamblaje obtenido con el i-ésimo programa

de motivación en el j-ésimo empleado.
 : Efecto de la media general del tiempo de ensamblaje.
 i : Efecto del i-ésimo programa de motivación.
Efecto del error experimental en el i-ésimo programa de
 ij :
motivación y el j-ésimo empleado

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
c. Verifique el supuesto que los errores se distribuyen normalmente y
que existe homogeneidad de varianzas.

Prueba de igualdad de varianzas: Tiempo vs. Programa

Prueba de Bartlett

Alfa Valor p 0.811

Beta

Programa
Gamma

Sigma

0 1 2 3 4 5 6 7 8 9
Intervalos de confianza de Bonferroni de 95% para Desv.Est.

p-valor = 0.155
p-valor = 0.811

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
SUPUESTO 1
 Normalidad de errores

H0: Los errores se distribuyen normalmente

H1: Los errores no se distribuyen normalmente

α=0.05
p-valor = 0.155

Conclusión
A un nivel de significación de 0.05, no existe evidencia estadística
para rechazar H0. Por lo tanto no se puede afirmar que los errores
no se distribuyan normalmente. Se cumple el supuesto de
normalidad de errores.

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
SUPUESTO 2
 Homogeneidad de varianzas
H 0 :  12   22   32   42   2
H1 : Al menos un  i2 es diferente i  1,2,...,4
α=0.05
p-valor = 0.811

Conclusión
A un nivel de significación de 0.05, no existe evidencia estadística
para rechazar H0. Por lo tanto no se puede afirmar que las
variancias de los tratamientos sean heterogéneas. Se cumple el
supuesto de homogeneidad de varianzas.

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
d. ¿Se puede afirmar que al menos uno de los programas de
motivación difiere del resto al analizar el tiempo medio de
ensamblaje? De sus conclusiones a un nivel de significación
de 0.05.

Usando el Estadístico de Prueba F

1. Hipótesis:
H0 : i   i  1,...,4 o H 0 : i  0 i  1,...,4
H1 : i   para al menos algún i H 0 :  i  0 para al menos algún i

2. α = 0.05

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
CM (Trat )
3. Estadístico de Prueba F Fcal  ~ Ft 1,n t 
CM ( Error )

Desarrollo de la prueba

12422
TC   77128.2
20
ni
Y2
  642   602   TC = 191.8
t
SC Total    Y  2
ij
i 1 j 1 n
Yi 2  3232
t
2992 
SC Trat     TC       TC  77276  77128.2  147.8
i 1 ni  5 5 
SC( Error )  191.8  147.8  44

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
Tablas de Análisis de Varianza
Fuente de Grados de Suma de Cuadrados
Fcal Fcrit Sig.
Variación Libertad Cuadrados Medios
Programa 3 147.8 49.27 17.92 3.24 *
Error 16 44.0 2.75
Total 19 191.8

4. Criterio de Decisión
0.8 Como:
Fcal  17.92  F0.95,3,16   3.2388
0.7

0.6

0.5

0.4
se rechaza H0
0.3

0.2
y se acepta H1
0.1
0.05
0.0
0 3.24
X

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
5. Conclusión
A un nivel de significación de 0.05, se puede afirmar que al
menos uno de los programas de motivación difiere del resto
al analizar el tiempo medio de ensamblaje.

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
Reporte del MINITAB
Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Programa 3 147.80 49.267 17.92 0.000
Error 16 44.00 2.750
Total 19 191.80

Resumen del modelo

R-cuad. R-cuad.
S R-cuad. (ajustado) (pred)
1.65831 77.06% 72.76% 64.16%

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 1
Usando reporte del MINITAB
1. Hipótesis:
H0 : i   i  1,...,4 o H 0 : i  0 i  1,...,4
H1 : i   para al menos algún i H 0 :  i  0 para al menos algún i

2. α = 0.05
3. Usando el Valor-p
Valor – p = 0.000 ≤ 0.05, entonces RHo y se acepta la H1

4. Conclusión
A un nivel de significación de 0.05, se puede afirmar que al
menos uno de los programas de motivación difiere del resto
al analizar el tiempo medio de ensamblaje.

 Métodos Estadísticos para la Investigación I 2019-V

 Pruebas de Comparación
• Prueba de Tukey

• Prueba T

• Prueba DLS

• Prueba de Dunnett

• Prueba de Contrastes Ortogonales

 Métodos Estadísticos para la Investigación I 2019-V

 a. Prueba Tukey
H 0 : i   j i  j i, j  1, 2, ,t
1. Hipótesis:
H1 : i   j

2. Nivel de significación α

3. Estadístico de prueba:
Amplitud Límite Significativa de Tukey
CME  1 1 
ALS (T )  AES (T ) 
2  ni n j 


4. Regla de Decisión:
La hipótesis nula se rechaza con un nivel de significación α, si
𝑌ഥ𝑖. − 𝑌ഥ𝑗. >ALS(T)
 Métodos Estadísticos para la Investigación I 2019-V
Aplicación 2
Realice la prueba de Tukey para el caso del ejemplo de
aplicación 1
1. Hipótesis:
𝐻𝑜: 𝜇1 = 𝜇2 𝐻𝑜: 𝜇1 = 𝜇3 𝐻𝑜: 𝜇1 = 𝜇4
𝐻𝑜: 𝜇1 ≠ 𝜇2 𝐻𝑜: 𝜇1 ≠ 𝜇3 𝐻𝑜: 𝜇1 ≠ 𝜇4

𝐻𝑜: 𝜇2 = 𝜇3 𝐻𝑜: 𝜇2 = 𝜇4 𝐻𝑜: 𝜇3 = 𝜇4

𝐻𝑜: 𝜇2 ≠ 𝜇3 𝐻𝑜: 𝜇2 ≠ 𝜇4 𝐻𝑜: 𝜇3 ≠ 𝜇4

2. α = 0.05

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 2
3. Estadística de prueba y criterio decisión:
El valor de AES(T) se ubica en la tabla con α=0.05 p=t=4 y 16 grados de
libertad para el error
2.75
ALS (T )  4.05  3.004
5

Comparación ALS(T) 𝑌ഥ𝑖 − 𝑌ഥ𝑗 Significancia

Alfa – Beta 3.004 5.6 *
Alfa - Gamma 3.004 0.4 n.s.
Alfa – Sigma 3.004 4.8 *
Beta - Gamma 3.004 6.0 *
Beta – Sigma 3.004 0.8 n.s.
Gamma - Sigma 3.004 5.2 *

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 2
4. Conclusiones

A un nivel de significación de 0.05, se puede afirmar que:

Existen diferencias significativas entre el programa de motivación Beta

con los programas de motivación Alfa y Gamma al analizar el tiempo
medio de ensamblaje.
Existen diferencias significativas entre el programa de motivación Sigma
con los programas de motivación Alfa y Gamma al analizar el tiempo
medio de ensamblaje.
Los programas de motivación Beta y Sigma brindan los menores tiempos
promedio de ensamblaje.

 Métodos Estadísticos para la Investigación I 2019-V

 Aplicación 2
Reporte del MINITAB:
Comparaciones por parejas de Tukey: Respuesta = Tiempo, Término = Programa
Agrupar información utilizando el método de Tukey y una confianza de 95%
Programa N Media Agrupación
Gamma 5 65.0 A
Alfa 5 64.6 A
Sigma 5 59.8 B
Beta 5 59.0 B

Las medias que no comparten una letra son significativamente diferentes.

Pruebas simultáneas de Tukey para diferencias de las medias
IC
Diferencia de Diferencia EE de simultáneo Valor p
Programa niveles de medias diferencia de 95% Valor T ajustado
Beta - Alfa -5.60 1.05 (-8.60, -2.60) -5.34 0.000
Gamma - Alfa 0.40 1.05 (-2.60, 3.40) 0.38 0.980
Sigma - Alfa -4.80 1.05 (-7.80, -1.80) -4.58 0.002
Gamma - Beta 6.00 1.05 ( 3.00, 9.00) 5.72 0.000
Sigma - Beta 0.80 1.05 (-2.20, 3.80) 0.76 0.870
Sigma - Gamma -5.20 1.05 (-8.20, -2.20) -4.96 0.001
Nivel de confianza individual = 98.87%

 Métodos Estadísticos para la Investigación I 2019-V

b. Prueba t
1. Hipótesis
Bilateral Unilateral
Caso A Caso B Caso C
H o : i   j   0 H o : i   j   0 H o : i   j   0
H1 : i   j   0 H1 : i   j   0 H1 : i   j   0

Donde: i  j i, j  1,2,..., t
2. Nivel de significación α
3. Estadística de prueba:
tc 
Y
i.  Y j.   o
~ t(GLE )
1 1
CME   
n n 
 i j 

 Métodos Estadísticos para la Investigación I 2019-V

b. Prueba t
4. Regla de Decisión
Decisión Bilateral Unilateral
Caso A Caso B Caso C

Se rechaza t c  t   t c  t  
tc  t ,GLE  tc  t1 ,GLE 
 ,GLE 
 2 
ó  1 ,GLE 
 2 
H0 si

5. Conclusiones

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 3
Suponga que un objetivo del ejemplo de aplicación 1 es comparar los
programas de motivación Alfa y Beta. Pruebe si el tiempo medio de
ensamblaje del método Alfa es superior al método Beta en más de 3
minutos. De sus conclusiones a un α=0.05.
1. Hipótesis:
Ho:𝜇1 − 𝜇3 = 3
H1:𝜇1 − 𝜇3 ≠ 3
2. α=0.05
3. Estadística de Prueba

tc 
Yi.  Y j .   o
~ t( GLE )
1 1
CME   
 ni n j 
 Métodos Estadísticos para la Investigación I 2019-V
Aplicación 3
Desarrollo de la prueba
tc 
64.6  59.0   3
 2.479
 2.75 
2 
 5 
4. Criterio de Decisión
0.4

0.3 Si se rechaza Ho y se acepta H1

𝑡𝑐 > 𝑡(0.95,16) = 1.746
0.2

0.1

0.05
0.0
0 1.75
X

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 3
5. Conclusión
A un nivel de significación de 0.05 existe suficiente
evidencia estadística para rechazar Ho por lo que se
acepta H1. Por lo tanto, se puede afirmar que el tiempo
medio de ensamblaje al aplicar el programa de motivación
Alfa es mayor al de Beta en más de 3 minutos.

 Métodos Estadísticos para la Investigación I 2019-V

c. Prueba DLS
H o : i   j
1. Hipótesis:
H1 : i   j

2. Nivel de significación α

3. Estadística de prueba:
1 1
Diferencia Límite Significativa DLS  t CME   
 
 1 ,GLE  n n 
 2   i j 

4. Regla de Decisión:
La hipótesis nula se rechaza con un nivel de significación α, si
𝑌ഥ𝑖. − 𝑌ഥ𝑗. >DLS
 Métodos Estadísticos para la Investigación I 2019-V
Aplicación 4
Suponga que un objetivo del ejemplo de aplicación 1 es
comparar los programas de motivación Gamma y Sigma.
Pruebe si existen diferencias en el tiempo medio de ensamblaje
de ambos métodos. De sus conclusiones a un α=0.05

1. Hipótesis:
Ho:𝜇3 = 𝜇4
H1:𝜇3 ≠ 𝜇4
2. α=0.05
3. Estadística de Prueba

 2.75 
DLS  t0.975,16  2   2.119(1.04)  2.222
 5 

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 4
4. Decisión:
Como 65 − 59.8 = 5.2 > 𝐷𝐿𝑆 , se rechaza Ho y se
acepta H1.

5. Conclusión
A un nivel de significación de 0.05 existe suficiente
evidencia estadística para rechazar Ho y aceptar H1. Por lo
tanto, se puede afirmar que existen diferencias en el
tiempo medio de ensamblaje al aplicar los programas de
motivación Gamma y Sigma.

 Métodos Estadísticos para la Investigación I 2019-V

d. Prueba Dunnett
1. Hipótesis H o : i  T i T ( Tratamiento Testigo )
H1 : i  T

2. Nivel de significación α
3. Estadística de prueba:
1 1
Amplitud Límite Significativa de ALS ( Dn)  t ( Dn) CME   
n n 
Dunnett  i j 

4. Regla de Decisión:
La hipótesis nula se rechaza con un nivel de significación α, si
𝑌ഥ𝑖. − 𝑌ഥ𝑗. >ALS(Dn)
 Métodos Estadísticos para la Investigación I 2019-V
Aplicación 5
Suponga que para el ejemplo de aplicación 1 el programa de
motivación Alfa es considerado como tratamiento testigo y que las
comparaciones con dicho tratamiento fueron planeadas. Realice la
prueba de Dunnett a un nivel de significación de 0.05

1. Hipótesis

𝐻𝑜: 𝜇1 = 𝜇2 𝐻𝑜: 𝜇1 = 𝜇3
𝐻𝑜: 𝜇1 ≠ 𝜇2 𝐻𝑜: 𝜇1 ≠ 𝜇3

𝐻𝑜: 𝜇1 = 𝜇4
𝐻𝑜: 𝜇1 ≠ 𝜇4

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 5
2. α=0.05
3. Estadística de Prueba y criterio de decisón

 2.75 
ALS ( Dn)  2.59 2   2.716
 5 

Comparación ALS(Dn) ഥ𝑖 − 𝑌
𝑌 ഥ𝑗 Significancia
Alfa – Beta 2.716 5.6 *
Alfa - Gamma 2.716 0.4 n.s.
Alfa – Sigma 2.716 4.8 *

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 5
4. Conclusión
A un nivel de significación de 0.05, se puede afirmar que
existen diferencias significativas entre el programa de
motivación Alfa (testigo) con los programas de motivación
Beta y Sigma, pero no con Gamma al analizar el tiempo
medio de ensamblaje.

 Métodos Estadísticos para la Investigación I 2019-V

 Aplicación 5
Reporte del MINITAB:
Comparaciones para Tiempo
Comparaciones múltiples de Dunnet con un control: Respuesta = Tiempo, Término
= Programa
Agrupar información utilizando el método de Dunnett y una confianza de 95%
Programa N Media Agrupación
Alfa (Control) 5 64.6 A
Gamma 5 65.0 A
Sigma 5 59.8
Beta 5 59.0

Las medias no etiquetadas con la letra A son significativamente diferentes de

la media del nivel de control.
Pruebas simultáneas de Dunnett para la media de nivel – Media de control
IC
Diferencia de Diferencia EE de simultáneo Valor p
Programa niveles de medias diferencia de 95% Valor T ajustado
Beta - Alfa -5.60 1.05 (-8.32, -2.88) -5.34 0.000
Gamma - Alfa 0.40 1.05 (-2.32, 3.12) 0.38 0.963
Sigma - Alfa -4.80 1.05 (-7.52, -2.08) -4.58 0.001
 Métodos Estadísticos para la Investigación I 2019-V
e. Prueba de Contrastes Ortogonales

1. Hipótesis:
Bilateral Unilateral
Caso A Caso B Caso C
H o : L  Lo H o : L  Lo H o : L  Lo
H1 : L  Lo H1 : L  Lo H1 : L  Lo

2. Nivel de significación α

 Métodos Estadísticos para la Investigación I 2019-V

e. Prueba de Contrastes Ortogonales

3. Estadística de Prueba: Lˆ  Lo
tc  ~ tGLE 
S Lˆ
t
Lˆ   CiYi. t
Ci2
i 1
S Lˆ  CME 
i 1 r

Número desigual de repeticiones:

t
 t 
Lˆ   ri CiYi. S Lˆ  CME   ri Ci2 
i 1  i 1 

 Métodos Estadísticos para la Investigación I 2019-V

e. Prueba de Contrastes Ortogonales

4. Regla de Decisión:

Decisión Bilateral Unilateral

Caso A Caso B Caso C

Se rechaza t c  t   t c  t  
tc  t ,GLE  tc  t1 ,GLE 
 ,GLE 
2 
ó  1 ,GLE 
 2 
H0 si

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 6

Suponga que para el ejemplo de aplicación 1 los programas de

motivación Alfa y Beta fueron desarrollados por psicólogos
egresados de la universidad A y los programas de motivación
Gamma y Sigma fueron desarrollados por psicólogos
egresados de la universidad B. Si se planeó comparar si el
tiempo medio de ensamblaje del primer grupo es inferior al del
segundo grupo, realice la prueba de contrastes ortogonales a
un nivel de significación de 0.05.

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 6
1. Hipótesis:
𝐻0 : 𝜇1 + 𝜇2 − 𝜇3 −𝜇4 = 0
𝐻1 : 𝜇1 + 𝜇2 − 𝜇3 −𝜇4 < 0
2. Nivel de significación: α=0.05
Lˆ  Lo
3. Estadístico de prueba: tc  ~ tGLE 
S Lˆ
Desarrollo de la prueba

𝐿෠ = 64.6 + 59.0 − 65 − 59.8 = −1.2

12 12 −1 2 −1 2  12  0
𝑆𝐿෠ = 2.75 + + + = 1.483 tc   0.809
5 5 5 5 1.483

 Métodos Estadísticos para la Investigación I 2019-V

Aplicación 6
4. Criterio de decisión
0.4
Como tc > t(0.05,16)=-1.746, no se
0.3 rechaza Ho

0.2

0.1

0.05
0.0
-1.75 0
X

5. Conclusión:
A un nivel de significación del 5% no se rechaza Ho. Luego no se
puede afirmar que el tiempo medio de ensamblaje del primer grupo
es inferior al del segundo grupo.
 Métodos Estadísticos para la Investigación I 2019-V
Aplicación 6

5. Conclusión
A un nivel de significación del 0.05 no podemos afirmar
que el tiempo medio de ensamblaje de los programas de
motivación desarrollados por psicólogos egresados de la
universidad A sea inferior al tiempo medio de ensamblaje
de los programas de motivación desarrollados por
psicólogos egresados de la universidad B.

 Métodos Estadísticos para la Investigación I 2019-V

Ejercicio Propuesto (Pág. 77-78)
2. Un ingeniero zootecnista desea analizar la efectividad de
cuatro raciones de dieta en la ganancia de peso (en Kg) en
cerdos de raza Yorkshire. Para lo cual asignó las raciones de
manera aleatoria a los cerdos obteniendo los siguientes
resultados:
Raciones
A B C D
43 35 35 42
46 33 35 42
t ni
50 36 36 43
45 35 34 44  ij =42892
Y 2

44 32 34 43 i =1 j =1

42 30 33 45
40 33 34 42
Suma 310 234 241 301
Promedio 44.29 33.429 34.429 43.000

 Métodos Estadísticos para la Investigación I 2019-V

Ejercicios Propuestos (Pág. 77-78)
a. Establezca el modelo aditivo lineal y describa sus componentes en
términos del caso.
Asumiendo que se cumplen los supuestos necesarios:
b. Pruebe si al menos una de las raciones tiene efecto sobre la
ganancia de peso de los cerdos. Use α=0.05.
c. El ingeniero zootecnista afirma que existe diferencia significativa
entre la ración A y la ración D al analizar la ganancia promedio de
peso (en Kg). ¿Es cierta la afirmación del ingeniero? Realice una
prueba estadística adecuada. Use α=0.05.
d. Realice la prueba Tukey para comparar la ganancia promedio de
peso. Use α=0.05.
e. El ingeniero zootecnista afirma que la ganancia promedio obtenida
de aplicar las raciones A y B, en forma conjunta, supera a la
obtenida de aplicar las raciones C y D, también en forma conjunta.
¿Es cierta la afirmación del ingeniero? Realice la prueba estadística
más adecuada. Use α=0.05.

 Métodos Estadísticos para la Investigación I 2019-V

Reporte Minitab
Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
Ración 3 669.9 223.286 53.13 0.000
Error 24 100.9 4.202
Total 27 770.7

Comparaciones en parejas de Tukey

Agrupar información utilizando el método de Tukey y una confianza de 95%
Factor N Media Agrupación
A 7 44.290 A
D 7 43.000 A
C 7 34.429 B
B 7 33.429 B
Las medias que no comparten una letra son significativamente diferentes.

Pruebas simultáneas de Tukey para diferencias de las medias

Diferencia
Diferencia de las EE de Valor p
de niveles medias diferencia IC de 95% Valor T ajustado
B - A -10.86 1.10 (-13.88, -7.84) -9.91 0.000
C - A -9.86 1.10 (-12.88, -6.84) -9.00 0.000
D - A -1.29 1.10 ( -4.31, 1.74) -1.17 0.649
C - B 1.00 1.10 ( -2.02, 4.02) 0.91 0.798
D - B 9.57 1.10 ( 6.55, 12.59) 8.74 0.000
D - C 8.57 1.10 ( 5.55, 11.59) 7.82 0.000

 Métodos Estadísticos para la Investigación I 2019-V

Ejercicio Propuesto (Pág. 76)
1. Un ingeniero agrónomo está interesado en evaluar el
rendimiento (en toneladas) obtenido al utilizar distintas
variedades de mandarina sembradas en un campo
experimental. Para ello utilizó parcelas de 500 m2 con tres
surcos, de los cuáles sólo tomó el surco central para evitar
efectos de bordura.
Las variedades en estudio fueron las siguientes:
Grupo Satsuma: Clausellina (V1), Okitsu (V2), Owari (V3)
Grupo Tangores: Murcott (V4)
La información se presenta a continuación:
Cuadro N°1. Rendimiento (en t) según variedad
Total
V1
V2
4.8
2.8
3.6
3.9
6
2.7
5.1
3.6
5.9
1.2
3.6 29
14.2
Y2
ij  402.99

V3 3.3 4.1 2.9 3.2 3.4 3.2 1.3 21.4

V4 4.5 6.1 5.2 4.2 5.5 3.2 28.7

 Métodos Estadísticos para la Investigación I 2019-V

Ejercicio Propuesto (Pág. 76)
Cuadro N°2. Supuestos básicos
Prueba de Bartlett AD 0.683
Estadística de Prueba 0.11 Valor P 0.127

a) Presente el modelo aditivo lineal y describa cada uno de sus

componentes según el caso
b) Realice la verificación de supuestos para el experimento.
c) Realice el análisis de varianza y de sus conclusiones.
d) El ingeniero agrónomo afirma que el rendimiento medio
obtenido al aplicar la variedad Murcott supera al
rendimiento medio obtenido al aplicar la variedad Owari en
más de 1500 kg. Realice la prueba estadística más
adecuada.
e) El ingeniero desea saber cuál(es) es(son) la(s) mejor(s)
variedad(es) de mandarina. Realice la prueba estadística más
adecuada.

 Métodos Estadísticos para la Investigación I 2019-V

Ejercicio Propuesto (Pág. 76)
f) Suponga que la variedad Okitsu es considerada de uso
tradicional. Si el ingeniero está interesado en comparar dicha
variedad con el resto de variedades, realice la prueba
estadística más adecuada.
g) El ingeniero agrónomo afirma que el rendimiento medio
obtenido al aplicar las variedades del grupo Satsuma es
inferior al rendimiento medio obtenido al aplicar la variedad
del grupo Tangores. Realice la prueba estadística más
adecuada.

 Métodos Estadísticos para la Investigación I 2019-V

Reporte Minitab
Análisis de Varianza

Fuente GL SC Ajust. MC Ajust. Valor F Valor p

Variedad 3 20.50 6.8318 6.90 0.002
Error 20 19.79 0.9895
Total 23 40.29

Comparaciones en parejas de Tukey

Pruebas simultáneas de Tukey para diferencias de las medias

Diferencia
Diferencia de las EE de Valor p
de niveles medias diferencia IC de 95% Valor T ajustado
V2 - V1 -1.993 0.602 (-3.680, -0.307) -3.31 0.017
V3 - V1 -1.776 0.553 (-3.326, -0.227) -3.21 0.021
V4 - V1 -0.050 0.574 (-1.658, 1.558) -0.09 1.000
V3 - V2 0.217 0.582 (-1.414, 1.848) 0.37 0.982
V4 - V2 1.943 0.602 ( 0.257, 3.630) 3.23 0.020
V4 - V3 1.726 0.553 ( 0.177, 3.276) 3.12 0.026

Nivel de confianza individual = 98.89%

 Métodos Estadísticos para la Investigación I 2019-V

Reporte Minitab
Comparaciones múltiples de Dunnet con un control

Pruebas simultáneas de Dunnett para la media de nivel – Media de control

Diferencia
Diferencia de las EE de Valor p
de niveles medias diferencia IC de 95% Valor T ajustado
V1 - V2 1.993 0.602 ( 0.472, 3.515) 3.31 0.009
V3 - V2 0.217 0.582 (-1.254, 1.688) 0.37 0.963
V4 - V2 1.943 0.602 ( 0.422, 3.465) 3.23 0.011

 Métodos Estadísticos para la Investigación I 2019-V

Formulario
Pruebas de Comparación

tc 
Y i 
 Y j   0 1 1
~ tGLE  DLS  t CME   
1 1  
1 ,GLE  n n 
CME     2   i j 
n n 
 i j 

CME  1 1  1 1
ALS (T )  AES (T )    ALS ( Dn)  t ( Dn) CME   
2  ni n j  n n 
 i j 

t
Lˆ   Ci Y i SL 
CME t 2
 Ci
L  L0 i 1 r i 1
tc  ~ tGLE 
SL t
 t 2
Lˆ   rC
i iYi 
S Lˆ  CME   rC i i 
i 1  i 1 

 Métodos Estadísticos para la Investigación I 2019-V