- CHAVEZ GUTIERREZ, Yudith

- HERRERA HUISA, Brangy

- QUISPE MEZA, Lucero
- TORRES QUISPE, Roco
Yackeline

Existen dos tipos de modelos: el
de efectos fijos y el de efectos
aleatorios


Este modelo es el ms sencillo del diseo de experimentos,
en el cual la variable respuesta puede depender de la
influencia de un nico factor, de forma que el resto de las
causas de variacin se engloban en el error experimental
Se supone que el experimento ha sido aleatorizado por
completo, es decir, todas las unidades experimentales
han sido asignadas al azar a los tratamientos
EFECTOS FIJ OS Y ALEATORIOS
I. Los niveles del factor se seleccionan de modo
especfico por el experimentador. Esto constituye el
llamado modelo de efectos fijos.

II. Los niveles de un factor son una muestra aleatoria
de una poblacin mayor de tratamientos. Esto es el
modelo de efectos aleatorios.
Ejemplos
Una firma comercial desea conocer la influencia que tiene
el nivel cultural de las familias en el xito de una campaa
publicitaria sobre cierto producto. Para ello, aprovecha los
resultados de una encuesta anterior clasificando las
respuestas en tantos grupos como niveles culturales ha
establecido.
Un solo factor, ya que la firma slo est
interesada en averiguar si los distintos
niveles culturales influyen o no de la
misma manera sobre las ventas, no
importndole la influencia del resto de los
factores que pueden inducir a una mayor o
menor tendencia a la compra
Diseo de
efectos fijos
5
MODELO DE EFECTOS FIJ OS
Y: variable respuesta
Consideramos a poblaciones diferentes y comparamos la
respuesta a un tratamiento, o nico nivel de un factor.

En la poblacin i-sima (i = 1, . . . , a) se toman n
i

observaciones.

La respuesta se cuantifica mediante y
ij
, donde i = 1, . . . , a
se refiere a la poblacin en estudio y j = 1, . . . , n
i
se refiere
a la observacin j -sima.
6
Consideramos ahora un factor con a niveles, es decir, en
total a tratamientos, y una nica poblacin.

Se observa la respuesta y
ij
del tratamiento i-simo a n
i

observaciones de la poblacin.
Y: variable respuesta
MODELO DE EFECTOS FIJ OS
8
El valor
medio de Y,
la variable
respuesta,
en la
poblacin o
nivel i-simo
Error
aleatorio
MODELO DE EFECTOS FIJ OS
Alternativamente, se puede expresar de esta manera:






suponiendo grupos de igual tamao
y
ij:
es la observacin (i, j)-sima
: la media global
t
i
: es el efecto del i-simo
tratamiento
c
ij:
es el error aleatorio


MODELO DE EFECTOS FIJ OS
1
n
i ij
i
y y
-
=
=

/ , 1,...,
i i
y y n i a
- -
= =
1 1
a n
ij
i j
y y
- -
= =
=

/ , y y N N an
-- --
= =
MODELO DE EFECTOS FIJ OS
Modelo de efectos fijos
Las Hiptesis apropiadas
Probar la igualdad de las a medias de los
tratamientos; es decir:
12
La idea es descubrir cmo se reparte la variabilidad total
de la muestra. Una posible medida de variabilidad total
es la suma de cuadrados, denominada total, o suma
total de cuadrados corregida:
13
Se tiene un total de an observaciones y a tratamientos

SCT tiene (an 1) grados de libertad.
SCTra tiene (a 1) grados de libertad.
SCE tiene a(n1) grados de libertad, porque hay n
rplicas dentro de cada tratamiento, es decir, se tienen
(n1) grados de libertad para estimar el error
experimental. Al tener a tratamientos, se tiene un total de
a(n 1) grados de libertad.
GRADOS DE LIBERTAD
14
Si el trmino entre parntesis se divide entre n1, se
obtiene la varianza del tratamiento i
ESTIMADORES DE VARIANZA
15
Se puede estimar la varianza poblacional combinando
dichas varianzas por grupos:
Si no hay diferencias entre los a
tratamientos, se puede estimar la
varianza poblacional
2
como
ESTIMADORES DE VARIANZA
16
Se dispone, as de dos posibles estimadores de
2
Cuando no existen diferencias entre las medias
de los tratamientos, las estimaciones deben ser
similares.
ESTIMADORES DE VARIANZA
17
Si consideramos las medias de cuadrados anteriores,
entonces, se puede demostrar, sustituyendo, que
De este modo, si para algn t
i
= 0,
entonces E(MCTra) >
2

ESTIMADORES DE VARIANZA
18
Cmo llevamos a cabo una prueba de hiptesis?
No hay
diferencia en
las medias
de los
tratamientos
ANALISIS ESTADISTICO
19
Si algn t
i
= 0, entonces E(MSTra) >
2

entonces el valor del estadstico F
0
es
mayor, obtenindose una regin crtica
superior, de modo que se rechaza, a nivel
, la hiptesis nula de igualdad de
tratamientos, si
ANALISIS ESTADISTICO
20
Se rechaza H
0
a nivel cuando
F
0
> F
,a1,Na
TABLA ANOVA
BLOQUES ALEATORI ZADOS,
CUADRADOS LATI NOS Y DI SEOS
RELACI ONADOS

22
Al estudiar la influencia de un factor sobre una variable
cuantitativa es frecuente que aparezcan otras variables o
factores que tambin influyen y que deben ser
controlados. A estas variables se les denomina variables
bloques. Se caracterizan por:

(i) No son el motivo del estudio sino que aparecen de
forma natural y obligada en el mismo.

(ii) Se asume que no tienen interaccin con el factor en
estudio.

23
Ejemplos
Se quieren determinar las necesidades energticas de una
persona cuando anda, come o hace deporte. Supongamos
que se tienen 10 personas para realizar el experimento y
se considera como variable respuesta o cuantitativa, el
nmero de caloras consumidas por segundo. Los
resultados varan segn el individuo considerado.
Aqu, el factor es la actividad realizada, con 3 posibles
niveles: andar, comer o hacer gimnasia.
24
Ejemplos
Si a cada una de las personas se le asigna una actividad
distinta puede ser que la variabilidad observada entre las
distintas actividades sea debida a las diferencias entre los
propios individuos. Una posible solucin es que cada uno
de los individuos realice las tres actividades. De este modo,
la variable bloque es el tipo de persona y cada uno de los
bloques es cada persona. A cada bloque (persona) se le
aplican los 3 niveles del factor por orden aleatorio:
25
En general
26
Observaciones
Una variable bloque no presenta interaccin con los
factores en estudio.

El modelo se dice que es de bloques aleatorizados
completos cuando en cada bloque se presentan todos los
posibles tratamientos (o un mltiplo de ese nmero) y
dentro de cada bloque se asignan los tratamientos de
forma aleatoria.

En ocasiones no se pueden asignar todos los
tratamientos sobre cada bloque, de modo que se tienen
los diseos por bloques aleatorizados incompletos.
27
Cuadrados latinos
En un diseo de bloques completamente aleatorizados
se desea controlar una sola fuente de variacin local.

Generalmente es necesario controlar ms de una fuente
de variacin.

Un diseo de Cuadrados Latinos es muy similar a un
diseo de bloques completamente aleatorizados, pero con
una fuente de variacin adicional.

El adjetivo latino proviene de las letras usadas para los
niveles del factor a estudiar.
28
Ejemplo: cuadrados latinos
Suponga que nos interesan los rendimientos de 4
variedades de trigo con el uso de 4 fertilizantes por un
perodo de 4 aos.

El nmero total de combinaciones de tratamientos para un
diseo completamente aleatorizado ser 64.
29
Tratamientos: las variedades
y las dos fuentes de
variacin adicional son los
fertilizantes y los aos de
siembra
Podemos seleccionar
un diseo de cuadrados
latinos y realizar un
anlisis de varianza con
solo 16 combinaciones
Ejemplo: cuadrados latinos
30
Modelo
Efecto
medio
global
Error

aleatorio
Efecto sobre la
media, causado
por el nivel i
(efecto fila)
Efecto sobre la
media, causado por
el nivel j (efecto
columna)
Efecto sobre la
media, causado
por el nivel k
(efecto letra)
31
Observaciones
El ndice i indica el nivel
de la variable (la fila), el
ndice j indica el nivel de
la variable (la columna)
y el ndice k indica el nivel
del factor (la letra), los
cuales suelen aparecer
entre parntesis porque
para cada par (i, j) slo
hay un k posible
32
Estimacin de los parmetros
Se estiman por el mtodo de los mnimos cuadrados
D el conjunto de ndices que
aparecen en el cuadrado
latino (i, j, k)
33
Estimador de la varianza
El nmero de parmetros a estimar es
(I 1) + (I 1) + (I 1) + 1 = 3I 2
el nmero de grados de libertad de la
varianza es I
2
3I + 2 = (I 1) (I 2)
34
Descomposicin de la suma de cuadrados total
35
Descomposicin de la suma de cuadrados total
36
Tabla ANOVA
Se rechaza H
0
a nivel cuando
F

> F
I1,(I-1)(I-2),o

37
Cuadrados greco-latinos
Se puede considerar una extensin del diseo de
cuadrados latinos que permite estudiar un factor y 3
variables bloque con slo I
2
observaciones (siempre
que el factor y las variables bloque tengan todos I
niveles).

Se considera un cuadrado latino de dimensin (I I) y
se superpone sobre l otro cuadrado con los
tratamientos denotados por letras griegas.

Se dice que son ortogonales cuando cada letra griega
aparece combinada con una letra latina una y slo una
vez en cada fila y columna.
Noviembre, 2008
38
Cuadrados greco-latinos
Cuadrado latino 1 Cuadrado latino 2
39
Modelo
Se obtiene una tabla ANOVA semejante al modelo de
cuadrados latinos, considerando tambin el trmino
h
.

Los grados de libertad de la SCE son igual a (I 1)(I
3).

El contraste de la F es el mismo que en el caso de los
cuadrados latinos.
40
Ejemplo: cuadrados Greco latinos
Supongamos que un experimentador est estudiando el
efecto de cinco frmulas diferentes de la mezcla de
dinamita sobre la fuerza explosiva observada. Cada
frmula se prepara usando un lote de materia prima, lo
suficientemente grande para que slo se hagan cinco
mezclas. Mas an, las mezclas las preparan cinco
operarios, pudiendo existir una diferencia sustancial en la
habilidad y experiencia entre ellos. El diseo apropiado
para este problema consiste en probar cada frmula
exactamente una vez, utilizando cada lote de materia
prima, y en que cada frmula sea preparada exactamente
una vez por cada uno de los cinco operarios.
41
Factores: Materiales y los Operarios, con cinco niveles y
las cinco frmulas representan las letras latinas A, B, C, D y
E.
Entonces i= 5, j = 5 y k = 5
Ejemplo: cuadrados grecolatinos