CAPTULO 10 DISEOS EXPERIMENTALES

10.1 Diseos Experimentales de Clasificacin Simple

En un diseo experimental de clasificacin simple, se trata de comparar varios grupos generalmente llamados Mtodos o Tratamientos, como por ejemplo diferentes maneras de tratar una enfermedad: con medicamentos, quirrgicamente, acupuntura, etc. o de ensear un curso: dando conferencias, usando transparencias, cooperativamente, etc. Para hacer la comparacin se usa una variable de respuesta cuantitativa Y que es medida en cada uno de los grupos. Los grupos tambin pueden ser los niveles de una variable cualitativa que es llamada Factor, como por ejemplo niveles de conocimiento: bsico, intermedio, avanzado. Los datos deben ser recolectados de la siguiente manera:
Grupo 1 Y11 Y12 Y13 Y1n1 Grupo 2 Y21 Y22 Y23 Y2n2 Grupo 3 Y31 Y32 Y33 Y3n3 Grupo k Yk1 Yk2 Yk3 Yknk

Donde el Grupo 1 tiene n1 observaciones, el Grupo 2 tiene n2 observaciones, y as sucesivamente. Un Diseo experimental se puede escribir como un modelo lineal al estilo de un modelo de regresin. As yij i ij , donde:
y ij : Es la j-sima observacin del grupo i .

: Es la media total. i : Es el efecto del grupo i . ij : Error aleatorio de la j-sima observacin del grupo i .
Comparar los grupos se reduce a determinar si hay igualdad de medias poblacionales de la variable de respuesta en todos los grupos. Es decir, Ho: 1 = 2 = 3 = = k ( Los k grupos tienen medias poblacionales iguales) versus Ha: Al menos un grupo tiene distinta media poblacional La prueba estadstica que se usa para tomar una decisin es la prueba de F. Para que la prueba sea vlida se requiere que se cumplan ciertas suposiciones tales como, que la variable de respuesta se distribuya normalmente y con igual variabilidad en cada grupo. La prueba F es obtenida al completar la tabla del anlisis de varianza.

Edgar Acua

Captulo 10

Diseos Experimentales

257

La tabla del anlisis de varianza tiene el siguiente formato:

Fuentes de Variacin Entre Grupos Dentro de Grupos Total Grados de Libertad k-1 n-k n-1 Suma de Cuadrados BSS SSE SST Cuadrados Medios BMS = BSS/k-1 MSE = SSE/n-k F BMS/MSE

Aqu n ni representa el total de datos tomados,

i 1

La Suma de cuadrados del total (SST) se calcula por:

2 SST y ij i 1 i 1

nk

( y ij ) 2
i 1 j 1

nk

La Suma de cuadrados Entre Grupos (BSS) se calcula por:

BSS

T2 T12 T22 .... k n1 n2 nk

( yij ) 2
i 1 j 1

nk

donde: Ti representa el total del i-simo Grupo. SSE es la suma de cuadrados del Error, llamado tambin Suma de Cuadrados Dentro de Grupos y se calcula por diferencia: SSE = SST BSS. Si la F calculada es mayor que una F con k-1 y n-k al nivel de significacin entonces, se rechaza la hiptesis nula. MINITAB da el p-value para la prueba de F y con ese valor se puede llegar a tomar una decisin. En MINITAB, el anlisis de Diseos Experimentales se lleva a cabo usando la opcin ANOVA del men Stat, cuyo submen aparece en figura 10.1. La opcin One-Way del men ANOVA se usa para hacer anlisis de varianza de clasificacin simple cuando los datos de la variable de respuesta van en una sola columna y los niveles del factor (o Grupos) van en otra columna. La opcin One-Way (Unstacked), se usa tambin para hacer diseos de clasificacin simple, pero cuando los datos de los grupos a comparar son entrados columna por columna.

Edgar Acua

Captulo 10

Diseos Experimentales

258

Figura 10.1. Las opciones del men ANOVA

Ejemplo 10.1. Se desea comparar 3 mtodos de enseanza A, B y C, se eligen al azar una muestra de estudiantes de cada mtodo y se le aplica una prueba final comn. Los resultados son como sigue:
mtodo A 89 45 59 46 64 71 mtodo B 78 85 93 81 79 98 94 mtodo C 64 69 82 74 79

Habr suficiente evidencia para concluir que hay diferencia entre mtodos? Solucin: Los datos son escritos en tres columnas llamadas: mtodo A, mtodo B y mtodo c respectivamente. Usando la opcin One-way[Unstacked] la ventana de dilogo se completar como sigue:

Edgar Acua

Captulo 10

Diseos Experimentales

259

Figura 10.2. Ventana de dilogo de One-way[Unstacked] para el ejemplo 10.1

y la ventana session mostrar el siguiente contenido:

One-way ANOVA: Mtodo A, Mtodo B, Mtodo C
Source Factor Error Total DF 2 15 17 SS 1957 1971 3928 MS 978 131 F 7.44 P 0.006

S = 11.46

R-Sq = 49.81%

R-Sq(adj) = 43.12% Individual 95% CIs For Mean Based on Pooled StDev ------+---------+---------+---------+--(-------*-------) (------*-------) (--------*--------) ------+---------+---------+---------+--60 72 84 96

Level Mtodo A Mtodo B Mtodo C

N 6 7 5

Mean 62.33 86.86 73.60

StDev 16.54 8.07 7.30

Pooled StDev = 11.46

Interpretacin: Observando el P-value=.006 se rechaza la afirmacin, todos los mtodos sean iguales, o sea en al menos uno de los mtodos el rendimiento de los estudiantes es distinto al de los otros mtodos. Tambin aparecen los intervalos de confianza para las medias de los tres grupos y se puede ver que no hay superposicin entre los intervalos de confianza para los mtodos A y B, lo cual sugiere tambin que se debe rechazar la hiptesis nula.

Edgar Acua

Captulo 10

Diseos Experimentales

260

Tambin se puede hacer una comparacin grfica de los grupos oprimiendo el botn Graph , en la ventana de dilogo lo cual produce:

Figura 10.3 Ventana de dilogo para elegir la grfica en un Anova de clasificacin simple .

Eligiendo boxplots se obtiene la grfica que aparece en la figura 10.4.

Figura 10.4. Boxplots para comparar los tres mtodos del ejemplo 10.1

Edgar Acua

Captulo 10

Diseos Experimentales

261

Interpretacin: La posicin de la mediana y las medias sugiere que an cuando los mtodos B y C no estn muy distantes, si existe una diferencia marcada entre los mtodos B y A, lo cual llevar a rechazar la hiptesis de iguldad de medias. Hay que notar que la variabilidad del mtodo A es mucho mayor que los otros dos mtodos. Para usar la opcin One-Way los datos deben ser entrados en dos columnas: Una de ellas conteniendo los valores de la variable de respuesta y la otra los valores que indican a que grupo pertenecen dichos datos. Para el ejemplo anterior se han usado dos columnas: notas, que contiene los valores de la variable de respuesta y mtodo que contiene los grupos. De la siguiente manera:
notas 89 45 59 46 64 71 78 85 93 81 79 98 94 64 69 82 74 79 mtodo 1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3

La ventana de dilogo se completar como lo muestra la figura 10.5

Edgar Acua

Captulo 10

Diseos Experimentales

262

Figura 10.5. Ventana de dilogo para la opcin oneway de ANOVA

y el contenido de la ventana session ser similar al anterior:

One-way ANOVA: notas versus mtodo
Source mtodo Error Total DF 2 15 17 SS 1957 1971 3928 MS 978 131 F 7.44 P 0.006

S = 11.46

R-Sq = 49.81%

R-Sq(adj) = 43.12%

Level 1 2 3

N 6 7 5

Mean 62.33 86.86 73.60

StDev 16.54 8.07 7.30

Individual 95% CIs For Mean Based on Pooled StDev ------+---------+---------+---------+--(-------*-------) (------*-------) (--------*--------) ------+---------+---------+---------+--60 72 84 96

Pooled StDev = 11.46

Es posible convertir datos de grupos que aparecen en varias columnas a datos en dos columnas, esto se llama hacer un stack, ver el ejemplo 2.1.

Edgar Acua

Captulo 10

Diseos Experimentales

263

10.2 Comparaciones Mltiples

Una vez que se ha rechazado que todos los grupos son iguales hay que determinar cules de ellos son comparables entre si. Existen muchos mtodos para hacer estas comparaciones, pero los mtodos ms usados son: Tukey y Fisher. Todos los mtodos son similares y aplican el siguiente criterio: Los Grupos i y j son comparables entre ellos, si se cumple: | media del Grupo i -Media del Grupo j | < valor crtico La diferencia entre ellos est en la manera como se calcula el valor crtico. En MINITAB las pruebas de comparaciones mltiples se obtienen al oprimir el botn Comparisons de Oneway. Aparece la ventana de dilogo que se muestra en la figura 10.6 En el mtodo de Tukey, el valor crtico est dado por: Q 1 1 s ni n j 2 donde: ni es el tamao del i-simo grupo y, nj es el tamao del j-simo grupo, s es igual a la desviacin estndar combinada de los grupos y es igual a la raz cuadrada del cuadrado medio del error (MSE), y Q es el percentil de 100% de la distribucin del rango estudentizado con parmetros k-1 y n-k.. En el mtodo de Fisher, el valor crtico est dado por: 1 1 t ( / 2,n k ) s ni n j Aqu, t(/2,n-k) representa el valor de la distribucin t tal que, el rea a la derecha es /2.

Edgar Acua

Captulo 10

Diseos Experimentales

264

Figura 10.6. Ventana de dilogo para la opcin comparisons de one-way.

Los resultados para los datos del ejemplo anterior sern como sigue:

Tukey 95% Simultaneous Confidence Intervals All Pairwise Comparisons among Levels of mtodo Individual confidence level = 97.97% mtodo = 1 subtracted from: mtodo 2 3 Lower 7.97 -6.75 Center 24.52 11.27 Upper 41.08 29.28 -----+---------+---------+---------+---(-------*--------) (--------*--------) -----+---------+---------+---------+----20 0 20 40

mtodo = 2 subtracted from: mtodo 3 Lower -30.68 Center -13.26 Upper 4.16 -----+---------+---------+---------+---(-------*--------) -----+---------+---------+---------+----20 0 20 40

Fisher 95% Individual Confidence Intervals All Pairwise Comparisons among Levels of mtodo Simultaneous confidence level = 88.31%

Edgar Acua

Captulo 10

Diseos Experimentales

265

mtodo = 1 subtracted from: mtodo 2 3 Lower 10.93 -3.53 Center 24.52 11.27 Upper 38.12 26.06 ----+---------+---------+---------+----(------*------) (-------*------) ----+---------+---------+---------+-----20 0 20 40

mtodo = 2 subtracted from: mtodo 3 Lower -27.56 Center -13.26 Upper 1.05 ----+---------+---------+---------+----(------*-------) ----+---------+---------+---------+-----20 0 20 40

Interpretacin: Por cada combinacin de grupos aparecen los limites inferiores y superiores de los intervalos de confianza para la diferencia poblacional de las dos medias. Si los limites de los intervalos son de signos distintos entonces los grupos son comparables de lo contario no. Bsicamente esto equivale a ver si CERO est contenido o no en el intervalo. En este ejemplo los mtodos de Tukey y Fisher llevan a la conclusin que los mtodos de enseanza A y C son comparables al igual que B y C pero A y B no lo son. Hay un nivel superior formado por los mtodos B y C y un nivel inferior formado por C y A. Notar que C aparece en ambos niveles. Ejemplo 10.2. Los siguientes datos representan los tiempos de sobrevivencia a varios tipos de cncer, despus que se lo ha diagnosticado
Estmago 248 377 189 1843 180 537 519 455 406 365 942 776 372 163 101 20 283 Pulmn 124 42 25 45 412 51 1112 46 103 876 146 340 396 Colon 1234 89 201 356 2970 456 Ovario 81 461 20 450 246 166 63 64 155 859 151 166 37 223 138 72 245 Seno 1235 24 1581 1166 40 727 3808 791 1804 3460 719

Hacer un anlisis de varianza para probar si hay igual tiempo de sobrevivencia para los diversos tipos de cncer. Aplicar los mtodos de comparaciones mltiples de Fisher y Tukey para identificar los tipos de cncer con tiempos de sobrevivencia similares.

Edgar Acua

Captulo 10

Diseos Experimentales

266

Solucin: La hiptesis nula es Ho: Los tiempos promedios de sobrevivencia de los pacientes diagnosticados con cncer de estmago, pulmn, colon, ovario y seno son iguales. La hipotesis alterna es Ha: Al menos uno de los tipos de cncer tiene tiempo de sobrevivencia promedio distinto a los otros. Primero se entran los datos en dos columnas: Sobrevivencia, que contiene los tiempos de sobrevivencia y Organo, que contiene los rganos donde el cncer es detectado. Luego se sigue la secuencia Stat ANOVA One-Way , y oprimiendo el botn comparisons se obtiene los siguientes resultados en la ventana session:
One-way ANOVA: tiempo versus cancer
Source cancer Error Total DF 4 59 63 SS 11535761 26448144 37983905 MS 2883940 448274 F 6.43 P 0.000

S = 669.5

R-Sq = 30.37%

R-Sq(adj) = 25.65% Individual 95% CIs For Mean Based on Pooled StDev --+---------+---------+---------+------(----------*----------) (-----*------) (-----*------) (-------*------) (-------*-------) --+---------+---------+---------+------0 500 1000 1500

Level colon estomago ovario pulmon seno

N 6 17 17 13 11

Mean 884.3 457.4 211.6 286.0 1395.9

StDev 1098.6 427.2 209.9 346.3 1239.0

Pooled StDev = 669.5 Tukey 95% Simultaneous Confidence Intervals All Pairwise Comparisons among Levels of cancer Individual confidence level = 99.34% cancer = colon subtracted from: cancer estomago ovario pulmon seno Lower -1321.7 -1567.5 -1528.3 -444.7 Center -426.9 -672.7 -598.3 511.6 Upper 467.8 222.0 331.6 1467.9 ---------+---------+---------+---------+ (--------*--------) (--------*--------) (--------*--------) (--------*---------) ---------+---------+---------+---------+ -1000 0 1000 2000

cancer = estomago subtracted from: cancer ovario pulmon seno Lower -892.1 -865.6 209.4 Center -245.8 -171.4 938.5 Upper 400.5 522.8 1667.6 ---------+---------+---------+---------+ (------*-----) (------*------) (------*-------) ---------+---------+---------+---------+ -1000 0 1000 2000

Edgar Acua

Captulo 10

Diseos Experimentales

267

cancer = ovario subtracted from: cancer pulmon seno Lower -619.8 455.2 Center 74.4 1184.3 Upper 768.6 1913.4 ---------+---------+---------+---------+ (------*------) (------*------) ---------+---------+---------+---------+ -1000 0 1000 2000

cancer = pulmon subtracted from: cancer seno Lower 338.0 Center 1109.9 Upper 1881.8 ---------+---------+---------+---------+ (-------*-------) ---------+---------+---------+---------+ -1000 0 1000 2000

Fisher 95% Individual Confidence Intervals All Pairwise Comparisons among Levels of cancer Simultaneous confidence level = 72.17% cancer = colon subtracted from: cancer estomago ovario pulmon seno Lower -1063.1 -1308.9 -1259.6 -168.4 Center -426.9 -672.7 -598.3 511.6 Upper 209.3 -36.6 62.9 1191.5 -------+---------+---------+---------+-(------*-----) (-----*------) (------*------) (------*------) -------+---------+---------+---------+--1000 0 1000 2000

cancer = estomago subtracted from: cancer ovario pulmon seno Lower -705.3 -665.0 420.1 Center -245.8 -171.4 938.5 Upper 213.7 322.2 1456.9 -------+---------+---------+---------+-(----*---) (----*----) (----*-----) -------+---------+---------+---------+--1000 0 1000 2000

cancer = ovario subtracted from: cancer pulmon seno Lower -419.2 665.9 Center 74.4 1184.3 Upper 568.0 1702.7 -------+---------+---------+---------+-(----*----) (----*----) -------+---------+---------+---------+--1000 0 1000 2000

cancer = pulmon subtracted from: cancer seno Lower 561.1 Center 1109.9 Upper 1658.8 -------+---------+---------+---------+-(----*-----) -------+---------+---------+---------+--1000 0 1000 2000

Edgar Acua

Captulo 10

Diseos Experimentales

268

Interpretacin: El "P-value" de la prueba de F es .0000, lo cual sugiere que la hiptesis nula se rechaza y se concluye que hay suficiente evidencia estadstica para afirmar que al menos uno de los tipos de cncer tiene tiempo de sobrevivencia promedio distinto a los otros. De acuerdo al mtodo de Tukey: El tiempo promedio de sobrevivencia para cncer de estmago es similar al cncer al pulmn, al colon y al ovario, pero no al seno. El tiempo promedio de sobrevivencia para cncer de pulmon es similar al cncer al estmago y al colon, pero no al ovario, ni al seno. El tiempo promedio de sobrevivencia para cncer de colon es similar al cncer al estmago, al pulmn y al ovario, pero no al seno. El tiempo promedio de sobrevivencia para cncer de ovarios es similar al cncer al estmago, al colon, al pulmn, y al seno. El tiempo promedio de sobrevivencia para cncer de senos es similar al cncer a los ovarios, pero no al estmago, ni al pulmn, ni al colon. En resumen: Los cncer al pulmn, estmago, colon y ovarios tienen tiempos de sobrevivencia similares, formado una categora inferior. Los cncer de ovarios y senos tienen tiempos promedios de sobrevivencias similares, formando una categora superior. De acuerdo al mtodo de Fisher: Hay un slo cambio con respecto al mtodo de Tukey y es que los tiempos promedios de sobrevivencia de cncer de pulmn y ovarios son similares. En resumen: Los cncer al pulmn, estmago y colon tienen tiempos de sobrevivencia similares y forman una categora inferior. Los cncer al estmago, colon y ovarios tienen tiempos de sobrevivencia similares y forman una categora intermedia. Los cncer de ovarios y senos tienen tiempos promedios de sobrevivencias similares y forman la categora superior.

10.3 Diseos Experimentales de clasificacin Doble

En este caso se trata de comparar grupos (mtodos o tratamientos) pero, tomando en cuenta un segundo factor el cual podra afectar la comparacin de los mismos. Los datos de un experimento de clasificacin doble con k grupos, B bloques y con dos observaciones por celdas, pueden ser representados de la siguiente manera:
Bloque 1 Bloque 2 Bloque B Grupo 1 Y111 Y112 Y121 Y122 Y1B1 Grupo 2 Y211 Y212 Y221 Y222 Grupo k Yk11 Yk12 Yk21 Yk22 YkB1

Y2B1

Edgar Acua

Captulo 10

Diseos Experimentales

269

Y1B2

Y2B2

YkB2

Hay dos pruebas de hiptesis que se pueden hacer: Ho: 1 = 2 = 3 = = k ( Los k grupos tienen medias poblacionales iguales) versus Ha: Al menos un grupo tiene distinta media poblacional que los otros y, Ho: 1= 2=3==B ( Los B bloques tienen medias poblacionales iguales) versus Ha: Al menos un bloque tiene media poblacional distinta al de los otros. La prueba estadstica correspondiente es la prueba de F, la cual es obtenida al completar la tabla del anlisis de varianza. La tabla del anlisis de varianza para un diseo con k grupos, b bloques y c observaciones en cada celda tiene el siguiente formato:
Fuentes de Variacin Grupos Bloques Error Total Grados de Libertad k-1 b-1 kbc-k-b+1 kbc-1 Suma de Cuadrados SSG SSB SSE SST Cuadrados Medios MSG=SSG/k-1 MSB=SSB/b-1 MSE=SSE/kbc-k-b+1 F MSG/MSE MSB/MSE

Donde MSG es el cuadrado medio de Grupos, y MSB es el cuadrado medio de Bloques y MSE es el cuadrado medio del Error. Si la F calculada es mayor que una F con k-1 y kbck-b+1 al nivel de significacin entonces, se rechaza la hiptesis nula de igualdad de medias de grupos, y si la F calculada es mayor que una F con b-1 y kbc-k-b+1 al nivel de significacin entonces se rechaza la hiptesis nula de igualdad de medias de bloques. MINITAB da el p-value para ambas prueba de F y con ese valor se puede llegar a tomar una decisin. La opcin Two-Way se usa para analizar diseos de clasificacin doble siempre y cuando haya igual nmero de observaciones por celda.

Ejemplo 10.3 Se trata de comparar 3 mtodos de enseanza (a, b y c) pero tomando en cuenta adems el factor turno (m, t y n), es decir el tiempo del da al cual se da clase. Los datos son como siguen:
a m 80.000 78.000 b 65.000 79.000 c 66.000 49.000

Edgar Acua t n

Captulo 10 69.000 72.000 73.000 74.000

Diseos Experimentales 50.000 58.000 62.000 65.000 34.000 58.000 46.000 59.000

270

Solucin: Primero se entran los datos en tres columnas:

nota 80 78 69 72 73 74 65 79 50 58 62 65 66 49 34 58 46 59 mtodo a a a a a a b b b b b b c c c c c c turno m m t t n n m m t t n n m m t t n n

Las hiptesis que se deben probar son: Ho: No hay diferencia entre los tres mtodos de enseanza Ha: Al menos uno de los mtodos de enseanza tiene un rendimiento distinto a los otros, y Ho: Hay igual rendimiento de los estudiantes en los tres turnos Ha: En al menos uno de los turnos los estudiantes rinden distinto a los otros dos turnos.
Eligiendo la secuencia Stat Anova Two-Way se obtiene la ventana de dilogo de la figura 10.7.

Notar que la opcin Fit Additive model debe ser seleccionada, de lo contario se ajustar un modelo con Interaccin que ser discutido en la siguiente seccin.

Edgar Acua

Captulo 10

Diseos Experimentales

271

Figura 10.7. Ventana de dilogo para la opcin two-way del men ANOVA.

Los resultados son los siguientes:

Two-way ANOVA: nota versus turno, mtodo
Source turno mtodo Error Total DF 2 2 13 17 SS 481.33 1496.33 708.83 2686.50 MS 240.667 748.167 54.526 F 4.41 13.72 P 0.034 0.001

S = 7.384

R-Sq = 73.61%

R-Sq(adj) = 65.50%

turno m n t

Mean 69.5000 63.1667 56.8333

Individual 95% CIs For Mean Based on Pooled StDev --------+---------+---------+---------+(--------*---------) (--------*---------) (--------*--------) --------+---------+---------+---------+56.0 63.0 70.0 77.0 Individual 95% CIs For Mean Based on Pooled StDev -----+---------+---------+---------+---(-----*------) (-----*------) (------*------) -----+---------+---------+---------+---50 60 70 80

mtodo a b c

Mean 74.3333 63.1667 52.0000

Edgar Acua

Captulo 10

Diseos Experimentales

272

Una mejor alternativa es usar la opcin General Linear Model del men ANOVA la cual permite analizar diseos de clasificacin doble an cuando no haya igual nmero de observaciones por celda y adems tiene una opcin que permite hacer comparaciones mltiples. Para el ejemplo anterior la ventana de dilogo lucir as:

Figura 10.8 Ventana de dilogo para la opcin General Linear Model de ANOVA.

Los resultados obtenidos sern:

General Linear Model: nota versus mtodo, turno
Factor mtodo turno Type fixed fixed Levels 3 3 Values a, b, c m, n, t

Analysis of Variance for nota, using Adjusted SS for Tests Source mtodo turno Error Total DF 2 2 13 17 Seq SS 1496.33 481.33 708.83 2686.50 Adj SS 1496.33 481.33 708.83 Adj MS 748.17 240.67 54.53 F 13.72 4.41 P 0.001 0.034

S = 7.38415

R-Sq = 73.61%

R-Sq(adj) = 65.50

Edgar Acua

Captulo 10

Diseos Experimentales

273

Interpretacin: Viendo los P-values correpondientes a ambos factores se llega a la conclusin de que en al menos uno de los mtodos de enseanza el rendimiento es distinto y que en al menos uno de los turnos los estudiantes rinden distinto a los de los otros dos turnos.

Oprimiendo el botn comparisons se puede hacer comparaciones de medias de los dos factores. La ventana de dilogo se muestra en la siguiente figura:

Figura 10.9. Ventana de dilogo para hacer comparaciones mltiples usando General Linear Model.

y los resultados sern:

Tukey 95.0% Simultaneous Confidence Intervals Response Variable Nota All Pairwise Comparisons among Levels of Mtodo Mtodo = a subtracted from: Mtodo b c Lower -22.41 -33.58 Center -11.17 -22.33 Upper 0.08 -11.09 ----+---------+---------+---------+-(----------*----------) (-----------*----------) ----+---------+---------+---------+--30 -20 -10 0

Edgar Acua

Captulo 10

Diseos Experimentales

274

Mtodo = b Mtodo c

subtracted from: Center -11.17 Upper 0.07766 ----+---------+---------+---------+-(----------*----------) ----+---------+---------+---------+--30 -20 -10 0

Lower -22.41

Tukey Simultaneous Tests Response Variable Nota All Pairwise Comparisons among Levels of Mtodo Mtodo = a subtracted from: Mtodo b c Difference of Means -11.17 -22.33 SE of Difference 4.263 4.263 T-Value -2.619 -5.239 Adjusted P-Value 0.0520 0.0004

Mtodo = b Mtodo c

subtracted from: SE of Difference 4.263 T-Value -2.619 Adjusted P-Value 0.0520

Difference of Means -11.17

Tukey 95.0% Simultaneous Confidence Intervals Response Variable Nota All Pairwise Comparisons among Levels of Turno Turno = m subtracted from: Turno n t Lower -17.58 -23.91 Center -6.33 -12.67 Upper 4.911 -1.422 +---------+---------+---------+-----(-------------*-------------) (-------------*-------------) +---------+---------+---------+------24.0 -16.0 -8.0 0.0

Turno = n Turno t

subtracted from: Center -6.333 Upper 4.911 +---------+---------+---------+-----(-------------*-------------) +---------+---------+---------+------24.0 -16.0 -8.0 0.0

Lower -17.58

Tukey Simultaneous Tests Response Variable Nota All Pairwise Comparisons among Levels of Turno Turno = m subtracted from: Turno n t Difference of Means -6.33 -12.67 SE of Difference 4.263 4.263 T-Value -1.486 -2.971 Adjusted P-Value 0.3293 0.0273

Turno = n Turno t

subtracted from: SE of Difference 4.263 T-Value -1.486 Adjusted P-Value 0.3293

Difference of Means -6.333

Edgar Acua

Captulo 10

Diseos Experimentales

275

Interpretacin: El mtodo A es comparable con el B, pero no con el C. El mtodo B es comparable con el C. El turno de la maana es comparable con el turno de la noche pero no con el de la tarde. El turno de la noche es comparable con el de la tarde.

10.4 Modelos con Interaccin

En un diseo de clasificacin doble, algunas veces es conveniente cotejar si existe un efecto combinado de ambos factores en el comportamiento de la variable de respuesta, este efecto es llamado Interaccin. El efecto interaccin puede ser detectado grficamente, usando los llamados plots de interaccin. La ventana de dilogo de la opcin Interaction Plots de ANOVA para los datos del ejemplo anterior se completar como se muestra en la figura 10.10. Los plots de interaccin para los datos del ejemplo 10.3 son mostrados en la figura 10.11.

Figura 10.10. Ventana de dilogo para hacer los plots de interaccin para el ejemplo 10.3

Edgar Acua

Captulo 10

Diseos Experimentales

276

Figura 10.11 Interaccin plots para el ejemplo 10.3

Interpretacin: Si hay cierto paralelismo entre las lneas entonces, hay muy poca interaccin. Si las lineas se cruzan bastante entonces hay bastante interaccin. En el ejemplo se puede ver que no hay interaccin.

En este caso adems de las hiptesis acerca de igualdad de medias de grupos y de igualdad de medias de bloques hay una tercera hiptesis referente a Interaccin: Ho: No hay interaccin entre grupos y bloques Ha: Si hay interaccin. En MINITAB la tabla de Anlisis de varianza es obtenida usando two-way con la opcin Fit Additve Model sin ser elegida. Los resultados son como siguen:

Edgar Acua

Captulo 10

Diseos Experimentales

277

MTB > Twoway 'nota' 'turno' 'metodo'.

Two-way Analysis of Variance

Analysis of Variance for nota Source DF SS turno 2 481.3 mtodo 2 1496.3 Interaction 4 50.3 Error 9 658.5 Total 17 2686.5

MS 240.7 748.2 12.6 73.2

F 3.29 10.23 0.17

P 0.085 0.005 0.947

Otra alternativa es usar General Linear Model. La interaccin est representada en el modelo por la expresin mtodo*turno. Los resultados son como siguen:
MTB > GLM 'nota' = metodo turno mtodo*turno; SUBC> Brief 2 .

General Linear Model

Factor metodo turno Type Levels Values fixed 3 a b c fixed 3 m n t

Analysis of Variance for nota, using Adjusted SS for Tests Source mtodo turno mtodo*turno Error Total DF 2 2 4 9 17 Seq SS 1496.33 481.33 50.33 658.50 2686.50 Adj SS 1496.33 481.33 50.33 658.50 Adj MS 748.17 240.67 12.58 73.17 F 10.23 3.29 0.17 P 0.005 0.085 0.947

Interpretacin: El valor del "P-value" para Interaccin es .947 que lleva a concluir que se debe aceptar la hiptesis nula de que no existe interaccin entre los factores, lo cual ya se habia concluido grficamente.

Edgar Acua

Captulo 10

Diseos Experimentales

278

EJERCICIOS
1. Se toma una muestra de la produccion de 36 fincas donde se han sembrado 4 variedades de maz y se observan los siguientes resultados:
VAR 1 VAR 2 VAR 3 VAR 4 29.5 24.7 28.0 31.5 39.8 29.8 33.8 37.7 35.5 30.1 29.0 26.6 36.4 36.6 35.3 54.7 53.2 31.4 23.7 26.4 26.5 37.5 34.6 35.6 39.7 46.2 34.2 35.7 36.9 35.0 36.5 34.9 48.2 41.3 43.3 51.7

a) Habr diferencia entre las producciones promedios de cada variedad de maz? Escribir las hiptesis y comentar sus resultados. b) Hacer Boxplots para comparar las producciones promedio por variedad Comentar la grfica. 2. Los siguientes datos representan los niveles de colesterol para consumidores de tres tipos de carne:
Res 241 218 261 190 238 256 248 224 225 238 178 185 194 224 221 Cerdo 245 197 199 162 191 182 160 180 208 227 174 209 225 271 187 Pollo/Mariscos 249 222 221 215 207 193 205 227 203 180 200 154 211 204 169

a) Habr diferencia de niveles de colesterol entre los tres tipos de consumidores?. Escribir las hiptesis y comentar sus resultados. b) Hacer Boxplots para comparar los niveles de colesterol por tipo de consumidor Comentar la grfica. 3. Se hace un experimento para probar los efectos de 5 diferentes dietas en pavos. Se asignan al azar 6 pavos a cada una de las 5 dietas y, se los aliment por un perodo fijo

Edgar Acua

Captulo 10

Diseos Experimentales

279

de tiempo. Luego se registr la ganancia en peso en libras. Los resultados son como siguen.
dieta a 4.10000 3.30000 3.10000 4.20000 3.60000 4.40000 dieta b 5.20000 4.80000 4.50000 6.80000 5.50000 6.20000 dieta c 6.30000 6.50000 7.20000 7.40000 7.80000 6.70000 dieta d 6.50000 6.80000 7.30000 7.50000 6.90000 7.00000 dieta e 9.50000 9.60000 9.20000 9.10000 9.80000 9.10000

a) Probar si la ganancia en peso es la misma en todas las dietas.Justificar su contestacin. b) Hacer comparaciones mltiples para detectar qu dietas producen igual ganancia en peso. Comentar sus resultados. 4. Los siguientes datos representas los niveles de Sarcodiosis en 5 grupos de pacientes
A 102 74 63 67 68 58 77 55 80 78 87 89 B 64 56 42 39 29 42 61 67 40 89 47 44 C 130 136 137 107 155 137 138 120 138 165 138 163 D 82 51 72 77 45 85 80 51 76 95 82 92 E 123 113 138 126 135 138 124 102 125 103 124 128

a) Probar si los niveles de sarcodiosis son los mismos para los 5 grupos.Justificar su contestacin. b) Hacer comparaciones mltiples para detectar qu tipos de pacientes tienen iguales niveles de sarcodiosis. Comentar sus resultados 5. Se toma una muestra de los salarios y de los aos de educacion de 48 empleados de 4 departamentos de una cierta empresa y se observan los siguientes resultados:
Filas: EDUC 1 0 29548 24749 27985 4 31528 39828 29876 Columnas: DEPT 3 23654 26452 26548 37548 34632 35631 4 35487 36487 34987 Educ: Aos de educacion despus de la escuela superior 36512 34869 48184 Dept: 1 = ventas, 2 = compras, 3 = publicidad, y 4 = ingenieria.

2 30115 28985 26578 36431 36571 35468

Edgar Acua

Captulo 10

Diseos Experimentales

280

6 33791 37674 35467 10 28985 32920 31889

54679 53234 31425 24782 56326 47536

39743 46211 34231 36578 68425 69246

41255 43331 51698 65487 58695 54899

a) Habr diferencia entre los salarios promedios de cada departamento? b) Hacer Boxplots para comparar los salarios promedios por departamentos. Comentar la grfica c) Hacer comparaciones mltiples para comparar los salarios promedios por departamento. A qu conclusin se llegar? d) Hacer un anlisis de clasificacin doble para ver si la variable educacin afecta a la comparacin de los salarios por departamentos. A qu conclusiones se llegar? 6. Se seleccionaron al azar ministros de 3 religiones: 8 metodistas, 10 catlicos y 9 pentecostales y, se desea probar si poseen el mismo conocimiento sobre enfermedades mentales. Los resultados de un test para medir sus conocimientos son los siguientes:
Metodista 32 30 30 29 26 23 18 19 Catlico Pentecostal 32 28 32 21 26 15 26 15 22 14 20 14 14 09 16 11 14 08 15

a) Probar si los ministros de las 3 religiones poseen igual conocimiento de enfermedades mentales. b) Usar comparaciones mltiples para comparar los 3 grupos. Comentar sus resultados. c) Hacer un boxplot para comparar los 3 grupos. Comentar su grfica 7. Una panadera desea saber si hay un efecto de la posicin ( abajo, en medio, arriba) en que se colocan en los anaqueles, y del ancho de los anaqueles (normal, bastante ancho), en la venta de sus panes. Se registran el nmero de bolsas de panes vendidas diariamente en 24 supermercados, y los datos que se obtienen son:

Posicin Abajo Normal 47 43 50 55

Ancho del anaquel Bastante Ancho 46 40 41 38

Edgar Acua

Captulo 10

Diseos Experimentales

281

En Medio Arriba

62 68 65 70 41 39 35 37

67 71 65 69 42 46 40 45

a) Hacer una prueba de anlisis de varianza para probar las hiptesis de que los promedios de ventas son los misnos para cada posicin . Comentar sus resultados b) Hacer una grfica de boxplots para comparar los promedios de ventas segn la posicin, comentar su grfica. c) Hacer comparaciones de medias para identificar las posiciones en los anaqueles que producen en promedio iguales ventas de los panes. d) Hacer un diseo de clasificacin doble para determinar si hay un efecto del ancho del anaquel en las ventas promedio segn la posicin. A qu conclusin se llegar?