UNIVERSIDAD NACIONALDETRUJILLO

FACULTAD DECIENCIAS AGROPECUARIAS

ESCUELADEINGENIERIAAGROINDUSTRIAL

MÉTODOS ESTADÍSTICOSPARALA
INVESTIGACIÓN
Tema: Diseño completamente al Azar en RStudio
Docente: Dr. Raúl Siche Jara
Integrantes:
 Mostacero Sagastegui, Janela
 Sánchez Altamirano, Johan
 Carrasco Mendoza, Girodel
 López Paredes, Frank
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

RStudio
 Es un software libre.
 Para utilizar RStudio se requiere haber
instalado R previamente.
 Es un entorno de análisis y programación
estadísticos
 Es un lenguaje de programación completo
con el que se añaden nuevas técnicas mediante
la definición de funciones.
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISEÑO COMPLETAMENTE AL AZAR

(DCA)
FACTORES CONTROLABLES

FACTORES NO CONTROLABLES
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISEÑO COMPLETAMENTE AL AZAR

(DCA)

 Método de análisis estadístico para estudiar el efecto que tienen

los niveles (o tratamientos) de un factor sobre la respuesta
observada.
 El diseño tiene j= 1,2,…, t tratamientos, que se distribuyen a
manera al azar en las unidades experimentales replicado rj veces.
 El numero de unidades experimentales es igual a rj
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

METODO LINEAL PARA UN DCA

yij=m+ti+eij j=1,2…,t
i=1,2…,rj

Donde:
yij = respuesta observada con el tratamiento i en la repetición j
m = media general
ti = efecto del tratamiento i; i=1,2,…,t
eij = termino de error asociado al tratamiento i la repetición j
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

EJEMPLO
- Numerosos factores contribuyen al funcionamiento suave de un motor eléctrico
("Increasing Market Share Through Improved Product and Process Desing: An
experimental Approach", Quality Engineering, 1991: 361-369). En particular, es
deseable mantener el ruido del motor y vibraciones a un mínimo. Para estudiar
el efecto que la marca de los cojinetes tiene en la vibración del motor, se
examinaron cinco marcas diferentes de cojinetes instalando cada tipo de
cojinete en muestras aleatorias distintas de seis motores. Se registró la cantidad
de vibración del motor( medida en micrones) cuando cada uno de los 30
motores estaba funcionando. Los datos de este estudio se dan a continuación.
Formule y pruebe las hipótesis pertinentes a un nivel de significación de 0.05 y
luego realice un análisis de comparaciones múltiples si es apropiado.
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN
Marca Vibracion
1 Marca1 13.1
2 Marca1 15.0
3 Marca1 14.0
4 Marca1 14.4
5 Marca1 14.0
6 Marca1 11.6
7 Marca 2 16.3
8 Marca 2 15.7
9 Marca 2 17.2
10 Marca 2 14.9
11 Marca 2 14.4
12 Marca 2 17.2
13 Marca3 13.7
14 Marca3 13.9
15 Marca3 12.4
16 Marca3 13.8
17 Marca3 14.9
18 Marca3 13.3
19 Marca4 15.7
20 Marca4 13.7
21 Marca4 14.4
22 Marca4 16.0
23 Marca4 13.9
24 Marca4 14.7
25 Marca5 13.5
26 Marca5 13.4
27 Marca5 13.2
28 Marca5 12.7
29 Marca5 13.4
30 Marca5 12.3
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

HIPOTESIS

H0 = Las cinco marcas producen en promedio igual P≥0.05

cantidad de vibración.
H1 = Al menos unas de las marcas produce una vibración P<0.05
promedio diferente.
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

SECUENCIA – RStudio
• Diseñar el cuadro de datos en Excel
• Guardar datos en una carpeta dentro de
Documentos (de preferencia)
• Transportar los datos a un bloc de notas
• En R elegir el directorio de trabajo

Elegimos la carpeta
donde esta el block
de notas
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Para insertar los datos de bloc de notas , deberemos usar el siguiente script y seguido , la opción Run:
datosDCA <- read.table(¨datos.txt, header = T , sep = “\t”)
Este nombre
puede variar Opción “Run”
dependiendo a
como queramos
nombrar nuestros
datos

Insertar el script del

nombre de nuestros
datos y seguido
darle click a la
opción “Run”
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN
Para generar ANOVA se obtiene con el siggiente Scrib, seguido darle click en la opción Run:
modelo <- aov(vibracion~marca,data = datosDCA)

A continuación
insertamos el 2
siguiente Scrib, luego
hacer click en la
opción “Run” para
visualizar la tabla
ANOVA:
Summary (modelo)
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISTRIBUCIÓN NORMAL

Pruebas de Normalidad de una muestra

Ho = Los datos siguen una distribución normal p ≥ 0.05
Ha = Los datos no siguen una distribución normal p < 0.05

Pruebas Paramétricas
Sí

Prueba de Distribución
Normalidad normal

No No
Transformación Pruebas No Paramétricas

Sí
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

PRUEBA DE NORMALIDAD DE RESIDUOS: Shapiro-Wilk

Se obtiene con el siguiente Script, seguido darle click en la opción Run:
Pruebas Gráficas residuos <- residuals(modelo)
Seguido usaremos el siguiente script:
Shapiro – Wilk N < 50 shapiro.test(residuos)
Kolmogorov – Smirnov N > 50
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Pruebas de Normalidad de una muestra

Ho = Los datos siguen una distribución normal p ≥ 0.05

Ha = Los datos no siguen una distribución normal p < 0.05
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

PRUEBAS DE HOMOGENEIDAD DE VARIANZAS: Test de Bartlett

Ingresamos el script:
bartlett.test(vibracion~marca,data = datosDCA)
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

p > 0.05 Las varianzas son homogéneas.

MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

ANOVA

Dos opciones:

P < 0.05 Se rechaza la H0 o “ Existen diferencias”

P > 0.05 Se acepta la H0 o “NO existen diferencias”

 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

TEST DE RANGO MULTIPLE: Test LSD (Least Signifficant

Difference)

1º Cargar la librería (Agricolae) con el siguiente script :

library("agricolae")

2º Ingresar el script:
comparaciones <- LSD.test(y = aov(vibracion~marca),trt =
"marca", console = T, group = F)
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Hay diferencias significativas

estadísticas
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Pruebas Gráficas

Diagrama de cajas
Hacemos el siguiente scrib,luego la opción “Run”:
plot(marca,vibracion, col="yellow")

NO existen diferencias significativas

entre las marcas:
Marcas 1, Marca 3 y Marca 5