Significancia estadstica

En muchos campos de experimentacin, se acostumbra usar los niveles de significancia del

5 y del 1 por ciento. Si por azar un valor ms discrepante del criterio de prueba que
el obtenido ocurre probablemente menos del 5 por ciento de las veces pero no menos del 1
por ciento cuando la hiptesis nula es cierta, entonces se dice que la diferencia es
significativa, y el valor del criterio de la prueba se marca con un asterisco *. Si un valor
ms discrepante del criterio de prueba que el obtenido ocurre con probabilidad menor que
el 1 por ciento de las veces cuando la hiptesis nula es verdadera, se dice que la diferencia
es altamente significativa y el valor muestral del criterio de prueba se seala con dos
asteriscos **. La aceptacin de la hiptesis nula puede indicarse con las letras ns, que
significan diferencias no significativas.
Los niveles del 5 y del 1 por ciento son arbitrarios, pero parecen haberse escogido
adecuadamente en el campo de la agricultura donde fueron usados por primera vez. Si un
experimentador usa niveles diferentes del 5 y del 1 por ciento, esto debe quedar claramente
establecido.
. Pruebas de Hiptesis
Hacer una hiptesis significa suponer algo o tener alguna teora o idea para, a partir de ella,
obtener una o varias consecuencias.
La estadstica en general y la bioestadstica en particular conceden una gran importancia a
las pruebas de hiptesis.
Con los valores estadsticos obtenidos o con los resultados experimentales, la teora
estadstica ha desarrollado mtodos o tcnicas para probar dichas hiptesis relativas a
parmetros de poblaciones. Tales mtodos se conocen con pruebas de significancia
estadstica.
Las pruebas de hiptesis estn basadas en la nulidad de las diferencias; es decir, la
diferencia de promedios de muestras es cero o estima a cero (o la diferencia entre lo
experimental observado y lo terico esperado es cero, o situaciones similares). Dicha
diferencia de promedios de poblaciones se simboliza por Ho y se conoce como hiptesis de
nulidad. La hiptesis contraria se conoce como alternativa, se expresa como H
A
y esta
basada en la no nulidad de las diferencias. Varias situaciones o juego de hiptesis son
posibles, y el investigador puede recurrir a las que convengan a sus necesidades. en el
presente curso se explican varios mtodos y se dan ejemplos de las hiptesis de uso mas
frecuente en problemas biolgicos, agronmicos o zootcnicos. Un juego de hiptesis
puede ser:
Ho:
1
=
2
o
1
-
2
= 0 ;
Ha:
1
#
2
o
1
-
2
# 0.
Ha excluye a Ho, o viceversa. Tambin se dice que se acepta Ha y se rechaza Ho, o
viceversa.
Al probar hiptesis, pueden ocurrir los cuatro casos siguientes:
1. Que Ho sea cierta y que la prueba estadstica la acepte (rechace a Ha).
1. Que Ho sea cierta, pero la prueba estadstica la rechace (acepte a Ha).
2. Que Ho sea falsa, pero la prueba estadstica la acepte (rechace a Ha).
3. Que Ho sea falsa y que la prueba estadstica la rechace (acepte a Ha).
Las designaciones entre las hiptesis nula y alternativa son arbitrarias. Pero,
tpicamente, la hiptesis nula es especificada en una forma exacta, tal como no
hay diferencia en ingreso medio entre mdicos y profesores, el proceso de
produccin esta bajo control, o no ha habido aumento real del ingreso per capita
en la India desde que llego la independencia. En otras palabras, una hiptesis
nula nulifica el efecto de un tratamiento y corresponde a la ausencia de
efectos de la variable que se investiga. La hiptesis alternativa generalmente es
formulada con menos con menos precisin: a menudo se especifica como una
variacin de valores que prevaleceran si la variable que se estudia ejerci algn
efecto. As, la hiptesis nula se especifica con frecuencia en una forma opuesta a
la que se supone cierta, y la alternativa es expresada como la opuesta a la
hiptesis nula.
Tipos de errores.
Error tipo I. Siendo cierta la hiptesis planteada en la poblacin, sin embargo, el investigador
estudiando la muestra rechaza la hiptesis.
Por ejemplo si la situacin real es que la calidad del aguacate no se afecta con el enlatado y el
investigador al analizar una muestra concluye que si se afecta, entonces estar cometiendo un error,
por lo cual la decisin que ha tomado con respecto a la poblacin es incorrecta.
Error tipo II. Siendo falsa la hiptesis planteada en la poblacin, sin embargo, el investigador
estudiando la muestra, acepta la hiptesis, estar cometiendo un error tipo II. Ejemplo, al estudiar el
efecto de un inoculo en una poblacin de Rhizobium, la situacin real es que el inoculo tiene efecto
sobre el crecimiento de las plantas y el investigador al examinar la muestra concluye que el inoculo
no tiene efecto, estar cometiendo un error y la decisin ser incorrecta.
Con el error tipo I o alfa () se rechaza una hiptesis que es cierta y con el error tipo II o beta () se
acepta una hiptesis que es falsa.
Los mtodos estadsticos de uso comn emplean la distribucin t, el anlisis de varianza con prueba
de F, las pruebas de Duncan, Tukey, de Ji cuadrada (
2
), etc.
Anlisis de varianza (Anava, ANVA, Anova)
El anlisis de varianza fue ideado por Sir Ronald Fisher en 1925. Esta tcnica estadstica
ha resultado de gran aplicacin en aquellas investigaciones que tienen como propsito
analizar los efectos de uno o ms factores sobre el comportamiento de una cierta
caracterstica. En sus inicios se aplico bsicamente en el campo de la experimentacin
biolgica, y muy especialmente en la agricultura; pero hoy en da es utilizada con xito en
diferentes ramas del trabajo experimental. Puede considerarse adems, que esta tcnica ha
contribuido al desarrollo de algunos mtodos estadsticos, entre ellos, en los llamados
mtodos de regresin, y que una de sus ms frecuentes aplicaciones se encuentra en el
propio diseo de experimentos.
Su aplicacin en el diseo de experimentos se debe a que el anlisis de varianza es
considerado como una de las tcnicas ms tiles para aumentar la sensibilidad de dicho
diseo, ya que a travs de el se puede suprimir las variables que intervienen en un
fenmeno dado y que no son de la importancia experimental.
El anlisis de varianza, es esencialmente un procedimiento aritmtico que descompone una
suma total de cuadrados en componentes asociados con fuentes de variacin reconocida. Se
ha usado con provecho en todos los campos de la investigacin en los que los datos se
miden cuantitativamente.
Supuestos del anlisis de Varianza
1. La aditividad se refiere a que los efectos de las diferentes fuentes de variacin pueden
sumarse para explicar la variabilidad entre las observaciones. De este modo, cualquier
unidad experimental puede considerarse como una suma de componentes a travs de un
modelo lineal aditivo. Un caso comn de no aditividad se presenta cuando los efectos son
de tipo multiplicativo.
La falta de aditividad en los efectos conduce a cierto grado de heterogeneidad en el error,
no permitiendo estimar una varianza comn para todos los tratamientos, lo cual puede
ocasionar niveles falsos de significancia para la comparacin de los efectos de tratamiento.
La falta de aditividad puede probarse mediante el mtodo propuesto por Tukey (1949).
2.. Normalidad. Los errores experimentales y por lo tanto las observaciones deben
presentar distribucin normal. Este supuesto se requiere para sustentar las pruebas de
hiptesis y los intervalos de confianza aunque no es necesario para la estimacin de las
varianzas.
Afortunadamente en la mayor parte de los casos prcticos este supuesto se cumple en forma
aproximada, lo cual se debe a que la distribucin normal es muy comn en la naturaleza,
especialmente cuando se estudian variables continuas, adems, el teorema del limite central
permite aproximar ala normal la mayor parte de los promedios. Por otra parte diversos
autores como Donaldson (1968) y Tiku ( 1971) consideran que las pruebas de hiptesis
para los efectos de tratamientos son robustas con respecto a la normalidad, lo cual indica
que las probabilidades de errores tipo I y II resultan poco afectadas por desviaciones
moderadas de la normal.
Para realizar la prueba de bondad de ajuste de los errores (e
ij
) a la distribucin normal, se
puede utilizar la prueba Ji cuadrado en el caso de muestras grandes (por ejemplo n >100).
Para el caso de muestras pequeas se recomienda la prueba de Shapiro y Wilk cuya
descripcin y tablas se presenta en Gill (1978) o la prueba de Kolmogorov Smirnof que se
expone en Siegel (1975) o Conover (1980).
Independencia. Se supone que los errores que afectan las unidades experimentales son
independientes. La distribucin al azar (aleatorizacion) de los tratamientos sobre las
unidades experimentales (teniendo en cuenta las restricciones de cada diseo), se considera
como una medida adecuada para garantizar este supuesto.
Homogeneidad de varianzas. Supone que las varianzas dentro de cada tratamiento son
homogneas, o sea que constituyen estimaciones de una varianza comn de errores
2
.
Cuando se presenta la heterogeneidad de varianzas puede ser de dos tipos, regular o
irregular. En el tipo regular generalmente existe cierta relacin funcional entre las medias
de los tratamientos y las varianzas, por ejemplo en las ciencias biolgicas se encuentra con
alguna frecuencia una correlacin positiva entre la media y la varianza, o sea que grupos
de organismos con medias grandes tienden a tener varianzas grandes y viceversa. Este
problema puede solucionarse aplicando una transformacin apropiada a los datos, de tal
manera que en la variable transformada resulten independientes (o casi independientes)
estos parmetros.
En el tipo irregular, ciertos tratamientos poseen considerablemente mayor variacin que
otros sin que exista una relacin clara entre media y varianzas. En este caso a veces es
posible descartar ciertos tratamientos responsables de la heterogeneidad y analizar los
restantes o dividir el error en grupos y hacer las comparaciones entre los tratamientos de
cada grupo donde las varianzas resulten homogneas.
Para verificar si se cumple el supuesto de homogeneidad de varianzas se han propuesto
diferentes pruebas, tales como la de Hartley descrita en forma detallada por Gill (1978)
que involucra la relacin entre la varianza mayor y la varianza menor de los diferentes
grupos. Sin embargo la mas generalizada es la de Barlett (1937) que puede utilizarse para
tratamientos con desigual numero de replicaciones.
Anlisis de Covarianza (Ancova).
El anlisis de covarianza es un procedimiento muy importante en experimentacin. Utiliza
el anlisis de varianza y el de regresin para eliminar la variabilidad que existe en la
variable independiente X; tambin ajusta medias de tratamiento y as estima mucho mejor
el efecto de la variable independiente X sobre la variable dependiente Y.
El anlisis de covarianza trata de dos o ms variables medidas y donde cualquier variable
independiente medible no se encuentra a niveles predeterminados, como en un
experimento factorial. Este aparte trata de la covarianza lineal. A menudo, una relacin
lineal es una aproximacin razonablemente buena para una relacin no lineal con tal que
los valores de las variables independientes no cubran un intervalo muy amplio.
La variable independiente X es una observacin hecha en cada unidad experimental antes
de aplicar los tratamientos, e indica hasta cierto grado la respuesta final Y de la unidad
experimental. Por ejemplo, en un experimento con cerdos se tienen pesos iniciales X, y
consumo de alimento Y; si se hubieran usado varias raciones las diferencias entre sus
efectos podran o no ser significativas, es decir, puede o no haber diferencias en cuanto a la
calidad de las raciones. Sin embargo, antes de llegar a conclusiones hay que preguntarse,
al existir la variacin de lo s pesos iniciales de las camadas, la diferencia en los pesos
finales de los cerdos se puede atribuir a la bondad de alguna de las raciones?, O quiz
alguna parte en las diferencias en los pesos finales se debe a la diferencia en los pesos
iniciales de dichas camadas? Con respecto a esta ltima pregunta se sabe que los lechones
de mayor peso al nacer son ms agresivos y, en consecuencia, consumen mayor cantidad de
alimento y aumentan de peso con mayor facilidad que los lechones pequeos de poco peso.
Al ajustar los valores de Y, de acuerdo con los valores correspondientes de X, es posible
analizar con mayor precisin los resultados del ensayo. Por medio del anlisis de
covarianza se puede calcular y eliminar la parte correspondiente a las diferencias en los
pesos iniciales. En general, en ensayos de alimentacin con animales, las diferencias entre
medias de tratamiento no ajustadas se deben al valor nutritivo de las raciones, a la cantidad
consumida por los animales, o a ambas causas. Si se ajustan las diferencias de aumento de
peso a un peso inicial comn y se aplican las raciones, las medias ajustadas indicaran si en
realidad las dietas tienen valor nutritivo diferente.
. Usos del anlisis de Covarianza
Los usos ms importantes del anlisis de covarianza son:
1. controlar el error y aumentar la precisin
2. Ajustar medias de tratamientos de la variable dependiente a las diferencias en conjuntos
de valores de variables independientes correspondientes.
1. Ayudar en la interpretacin de los datos, especialmente en lo concerniente a la
naturaleza de los efectos de los tratamientos.
4. Particionar una covarianza total o suma de productos cruzados en componentes.
5. Estimar datos faltantes.

Diseo de Experimentos
1.1. Aspectos generales
En general, la experimentacin en el rea agraria la deben realizar los profesionales
relacionados con las ciencias Zootcnicas, y agronmicas en primera instancia, y bilogos
en segunda instancia. Disear un experimento significa planear un trabajo de modo que
rena la informacin aplicable al problema en investigacin.
1..2. Diseo Experimental. Es el procedimiento que se sigue para asignar los tratamientos
a las unidades experimentales. Es un mtodo aleatorio, o sea, de asignacin al azar, porque
se decide el tratamiento que corresponde a cada unidad experimental mediante un sorteo o
por medio de una tabla de nmeros aleatorios.
1. 3. El Experimento y sus Elementos
1..3.1. Tratamiento. Es una de las formas que, en cantidad o calidad, el factor a estudiar
toma durante el experimento. Por ejemplo, si el factor a estudiar es variedad de arroz, un
tratamiento es la variedad Macuspana; si el factor a estudiar es cantidad de lisina, cada una
de las dosis de lisina aplicada durante el experimento es un tratamiento. Los tratamientos a
estudiar durante el experimento pueden ser una combinacin de varios factores simples: si
quiere estudiarse la distancia entre hileras y la distancia entre plantas en un cultivo, se
pueden considerar tratamientos simples como 80 cm. entre hileras y 3 cm. entre plantas.
Por ejemplo, en la industria el productor de detergentes puede establecer como tratamiento
el tipo de agua (dura o suave), la temperatura del agua, la duracin del lavado, la marca y el
tipo de lavadora. En los estudios sociolgicos y psicolgicos, los tratamientos se pueden
referir a edad, sexo, grado de educacin, religin, etc.
1..3.2. Tratamiento Testigo. Es un tratamiento que se compara. Por ejemplo, si se quiere
probar en una regin el grado de adaptacin y rendimiento de una variedad nueva de
pltano, se planeara el ensayo de tal manera que se incluyen variedades locales como
testigos. Si la nueva variedad presenta mayor resistencia a enfermedades, insectos, vientos,
precipitaciones, etc., y en consecuencia produce mayor rendimiento por hectrea, se
recomendara para la zona.
En investigacin con animales se pueden probar sexos, localidades, raciones, pocas,
sistemas de pastoreo, carga animal optima, tipos de vacuna, uso de vitaminas y minerales,
etc. En tales casos, se forman grupos de animales tan homogneos como sea posible para
la investigacin. Para formar los grupos se deben considerar aspectos como edad, sexo,
raza. Si a varios grupos de animales se les administran diferentes dosis de vitaminas, pero
no a un grupo testigo, el anlisis estadstico dar informacin acerca del aumento de peso,
altura y precocidad de los animales que recibieron la vitamina comparados con los que no
la recibieron.
1.3.3 Unidad Experimental.
Es el material experimental al que se aplica un tratamiento de manera uniforme. Esta
constituida por un elemento o conjunto de elementos sobre los cuales se aplica un
tratamiento y se determina la variable en estudio. Puede ser una hoja, una planta, un
animal, un conjunto de semillas, unaparcela, una maceta, un rbol, un tubo de ensayo, etc.
En algunos casos deben medirse fracciones de la unidad experimental o subunidades, por
ejemplo la altura de varias plantas de una parcela. En este caso la parcela ser la unidad
experimental y las plantas sern la subunidades. Una muestra aleatoria de varias
subunidades nos dar una estimacin del efecto del tratamiento en la unidad experimental
correspondiente.
1.4. Qu es un Experimento?
Existen diferentes definiciones de la palabra experimento. Para Steel y Torrie (1990) un
experimento es una bsqueda planeada para obtener nuevos conocimientos o para
confirmar o no resultados de experimentos previos, lo que ayuda a tomar decisiones
administrativas, tales como la recomendacin de una variedad, un procedimiento o un
pesticida.
Tales experimentos caen aproximadamente dentro de tres categoras, esto es, preliminares,
crticos, y demostrativos, cada una de las cuales puede llevar a otra. En un experimento
preliminar, el investigador prueba un numero grande de tratamientos con el objeto de
obtener indicios para futuros trabajos;la mayora compara las respuestas a diferentes
tratamientos usando un numero suficiente de observaciones de las respuestas para tener
seguridad razonable de detectar diferencias significantes.
Los experimentos demostrativos se llevan a cabo cuando los trabajadores de extensin
comparan uno o ms tratamientos con un patrn. En este modulo, nos interesamos casi
completamente en el tipo de experimentos crticos. En tal experimento, es necesario que
definamos la poblacin a la cual se ha de aplicar las inferencias, que diseemos el
experimento en concordancia con eso, y que hagamos medidas de las variables bajo
estudio.
Se dispone cada experimento para proporcionar respuestas a una o ms preguntas. Con
esto en mente, los investigadores deciden que comparaciones de tratamientos
proporcionaran una informacin relevante. Entonces realizan un experimento para medir o
probar hiptesis que tienen que ver con diferencias entre tratamientos en condiciones
comparables. Toman mediciones y observaciones sobre el material experimental. A partir
de la informacin obtenida en un experimento que se ha completado con xito, responden a
las preguntas planteadas al comienzo
Para Gmez, H (1997) Un experimento puede considerarse como una serie de etapas de las
cuales se maneja cierto material controlando las fuentes de variacin que interesan al
investigador, con el fin de lograr estimaciones y pruebas de hiptesis con respecto a las
poblaciones en estudio. Un buen diseo debe conducir a obtener pruebas de hiptesis y
estimaciones confiables y en forma eficiente, de tal modo que tengan validez estadstica y a
la vez suministren la mxima informacin con el mnimo costo.
Segn el ICA (1972) El experimento es un proceso por el cual se trata de obtener
informacin que aumente los conocimientos sobre un rea especifica de la ciencia, que
sirve para someter a prueba una o varias hiptesis especificas, mediante la observacin y
medicin de variables cuando se han modificado las condiciones naturales.
Para (Padrn 1996) El experimento es el conjunto de reglas usadas para obtener una
muestra de la poblacin y al concluir el ensayo obtener informacin acerca de la
poblacin
Little y Jackson (1980) afirman que el experimento es un elemento de investigacin
utilizado para descubrir algo desconocido, o para probar un principio o una hiptesis. Es
un caso importante del mtodo cientfico, ya que las preguntas que el experimento
pretende contestar sern fundamentalmente para apoyar o rechazar una hiptesis.
Para el estadstico, el experimento es un conjunto de reglas usadas para sacar la muestra
de una poblacin. Esto hace que la definicin de la poblacin sea lo ms importante. El
conjunto de regla es el procedimiento experimental o diseo de experimento. Por ejemplo,
el uso de observaciones no pareadas y pareadas son diseos experimentales para
experimentos de dos tratamientos.
.Algunas ventajas de la experimentacin sobre la simple observacin son:
a. Se pueden reunir circunstancias y fenmenos que no se dan en la naturaleza.
b.Es posible aislar los factores de inters de muchos otros que puedan causar
perturbaciones en sus efectos.
Sin embargo, muchos eventos y poblaciones deben estudiarse tal como se presentan en la
naturaleza, por ejemplo condiciones climticas, fenmenos astronmicos, procesos
econmicos y sociales, etc.
1. 5. Objetivos de un experimento
Al disear un experimento, se establecen claramente los objetivos como preguntas que han
de responderse, hiptesis que han de probarse, y efectos que han de estimarse. es
aconsejable clasificar los objetivos como mayores y menores ya que ciertos diseos
experimentales dan mas precisin para ciertas comparaciones de tratamientos que otros.
La precisin, sensibilidad o cantidad de informacin, se mide por el inverso de la varianza
de una media. Si I representa la cantidad de informacin, entonces I = 1/
2
y
= n/
2.
A
medida que


2
aumenta, la cantidad de informacin decrece, tambin a medida que n
aumenta la cantidad de informacin aumenta. Una comparacin de dos medias muestrales
se hace ms sensible, esto es, puede detectar una diferencia ms pequea entre medias
poblacionales, a medida que el tamao de muestra crece.