Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Doe PDF
Doe PDF
Modelos de dise
no de
experimentos (varios factores)
Tema 2: Dise
no de experimentos (varios factores)
Introducci
on
Estudiaremos si un conjunto de factores (con dos o mas niveles
cada uno) influye sobre los valores medios de una variable
respuesta Y . Intentaremos determinar que factores influyen
realmente sobre Y .
Es importante el dise
no del experimento para asegurar la
homogeneidad dentro de cada poblaci
on y reducir el error
experimental.
Ejemplo 2.1: En 1973 la compa
na petrolfera Texaco informo al
Subcomite de Contaminaci
on Ambiental sobre la eficiencia del
filtro Octel para reducir la emisi
on de gases contaminantes en los
coches. Una de las posibles desventajas del filtro era que
aumentaba el ruido producido por los autom
oviles. La compa
na
ofreca datos del ruido (en decibelios) producido por coches
provistos del filtro Octel frente al producido por coches
desprovistos de el y deduca que no exista diferencia.
Estadstica (CC. Ambientales). Profesora: Amparo Ballo
Tema 2: Dise
no de experimentos (varios factores)
Sin filtro
Octel
860
840
820
800
780
760
Sin filtro
Filtro Octel
Tema 2: Dise
no de experimentos (varios factores)
S.C.
1056.3
28818.1
29874.3
g.l.
1
34
35
C.M.
1056.3
847.6
F
F = 1.24 < F1,34,0.05 = 4.13
Tema 2: Dise
no de experimentos (varios factores)
Tema 2: Dise
no de experimentos (varios factores)
El dise
no del experimento
Llamaremos variable respuesta a la variable de interes Y (el nivel
de ruido producido por el coche). Los factores o variables
experimentales son aquellas variables que pueden afectar a los
valores de la respuesta (el que un coche lleve o no el filtro, la gama
de automovil).
Suponemos que la respuesta es continua y que los factores se
prefijan para el experimento en unos niveles determinados
(filtro/silenciador, gama alta/media/baja).
Podemos controlar o prefijar el valor que toman algunos factores y
luego observar el valor que toma Y . Pero en cualquier experimento
habra numerosos factores que no midamos ni controlemos y que
contribuyen al error experimental. Hay tres posibles maneras de
reducir este error: la aleatorizaci
on, la repetici
on y los dise
nos
factoriales.
Estadstica (CC. Ambientales). Profesora: Amparo Ballo
Tema 2: Dise
no de experimentos (varios factores)
Aleatorizaci
on
Consiste en asignar todos los factores no controlados
aleatoriamente a las observaciones. Esto previene sesgos en las
observaciones y reduce la dependencia de estas entre s.
Ejemplo 2.1 (cont.):
Supongamos que en las pruebas se utilizaron dos marcas de coche
exclusivamente, Ford y Seat, pero que el factor marca no nos
interesa. Si los filtros Octel se instalan en los Ford y los
silenciadores en los Seat y la marca Seat es mas silenciosa que la
Ford quiza lleguemos a la conclusi
on de que el filtro hace
demasiado ruido cuando en realidad el efecto ha sido causado por
la marca Ford. Una manera de resolver este problema es, al ir a
tomar una nueva observaci
on, escoger al azar la marca de ese
coche de entre las dos disponibles.
Tema 2: Dise
no de experimentos (varios factores)
El principio de aleatorizaci
on tambien se utiliza para prevenir el
efecto de aprendizaje o de fatiga.
Supongamos que queremos comparar tres programas estadsticos,
A, B y C, para su posible uso en la docencia de una asignatura. Se
evaluara, entre otras cosas, si los programas son de facil manejo y
comprension. Se pide a seis estudiantes que analicen algunos
conjuntos de datos, cada uno de ellos con esos tres programas. Si
todos resuelven cada problema utilizando los programas en el orden
A, B, C, es probable que los programas B o C les parezcan mejor,
porque la utilizacion del programa A previamente les ha servido
para aprender. Para evitar este efecto se asignara aleatoriamente a
cada estudiante un orden de utilizaci
on de los programas:
estudiante
programas
1
A
B
C
2
B
C
A
3
C
B
A
4
B
A
C
5
C
A
B
6
A
C
B
Tema 2: Dise
no de experimentos (varios factores)
La repetici
on del experimento
Puesto que lo que deseamos es detectar las posibles diferencias
entre medias de poblaciones y la varianza de una media muestral
es 2 /n, disminuiremos el error experimental aumentando el
tama
no muestral n, es decir, repitiendo mas veces el experimento.
Dise
no factorial
Supongamos que medimos el nivel de ruido emitido por un coche
en funcion de si lleva o no un filtro, pero hay otro factor (la gama)
que influye en la respuesta. Podemos eliminar la presencia de ese
factor utilizando la misma gama de coche en todo el experimento.
En esto consiste el dise
no clasico de experimentos: eliminar el
efecto de todos los factores que puedan afectar a la respuesta,
excepto la presencia o no del filtro, manteniendo fijos sus valores a
lo largo de todo el experimento.
Estadstica (CC. Ambientales). Profesora: Amparo Ballo
Tema 2: Dise
no de experimentos (varios factores)
Tema 2: Dise
no de experimentos (varios factores)
10
Silenciador
Filtro Octel
Gama vehculo
Baja Media
Alta
810
840
785
820
840
790
820
845
785
835
845
760
835
855
760
835
850
770
820
820
775
820
820
775
820
825
775
825
815
770
825
825
760
825
825
765
Tema 2: Dise
no de experimentos (varios factores)
11
Tema 2: Dise
no de experimentos (varios factores)
12
An
alisis de la varianza con dos factores
(dise
no en bloques aleatorizados)
Tambien se denomina modelo simple con dos factores. Se utiliza
cuando queremos investigar el efecto de dos atributos
independientes sobre una variable respuesta Y .
Por ejemplo, deseamos averiguar si en el crecimiento de un helecho
influyen la longitud de onda de la luz que recibe y la edad de la
planta.
Denotamos por I y J el n
umero de niveles del primer y segundo
factor respectivamente. Tenemos una u
nica observacion yij por
cada combinacion (i, j) del primer factor con el segundo y
disponemos los n = I J datos en una tabla de doble entrada.
Tema 2: Dise
no de experimentos (varios factores)
13
Factor 2
Factor 1
1
2
..
.
y11
y21
..
.
y12
y22
...
...
y1J
y2J
..
.
Medias por
filas
y1
y2
..
.
I
Medias por
columnas
yI 1
yI 2
...
yIJ
yI
y1
y2
yJ
Tema 2: Dise
no de experimentos (varios factores)
14
Edad
Joven
Adulto
Tema 2: Dise
no de experimentos (varios factores)
15
i = 1, . . . , I , j = 1, . . . , J,
Tema 2: Dise
no de experimentos (varios factores)
16
i = 0
i=1
j = 0.
j=1
Tema 2: Dise
no de experimentos (varios factores)
17
Estimaci
on de los par
ametros del modelo
Estimamos , i y j mediante maxima verosimilitud:
i
j
1
n
yij = y
i=1 j=1
= yi
= yi y
= yj
= yj y
i = 0.
i=1
j = 0.
j=1
Estadstica (CC. Ambientales). Profesora: Amparo Ballo
Tema 2: Dise
no de experimentos (varios factores)
18
Residuo eij
yi
Tema 2: Dise
no de experimentos (varios factores)
19
I + J ecuaciones de restricci
on para los residuos:
I
eij = 0,
j = 1, . . . , J,
i=1
eij = 0,
i = 1, . . . , I .
j=1
I
eij = 0.
i=1 j=1
Luego el n
umero de restricciones sobre los residuos es I + J 1 y
el n
umero de residuos independientes es (I 1)(J 1).
Un estimador centrado de 2 es la varianza residual
sR2
1
=
(I 1)(J 1)
eij2 .
i=1 j=1
Tema 2: Dise
no de experimentos (varios factores)
20
N ,
i
j
(I 1)(J 1)sR2
2
2
n
2
n
2
N j , (J 1)
n
N i , (I 1)
2(I 1)(J1)
Tema 2: Dise
no de experimentos (varios factores)
21
An
alisis de la varianza
Para averiguar si el primer factor influye en el nivel medio de la
respuesta contrastaremos
H0
(1)
i = 0, para todo i = 1, . . . , I
(1)
H1
i = 0, para alg
un i = 1, . . . , I .
1100
1000
900
800
700
600
Joven
Viejo
Tema 2: Dise
no de experimentos (varios factores)
22
j = 0, para todo j = 1, . . . , J
(2)
j = 0, para alg
un j = 1, . . . , J.
H0
H1
(yij
)2
VT =
i=1 j=1
i=1
Estadstica (CC. Ambientales). Profesora: Amparo Ballo
j2 +
i2 + I
VT = J
j=1
eij2 .
i=1 j=1
Tema 2: Dise
no de experimentos (varios factores)
23
i2
VE() = J
i=1
j2
VE() = I
j=1
eij2 .
VNE =
i=1 j=1
Tema 2: Dise
no de experimentos (varios factores)
24
Tema 2: Dise
no de experimentos (varios factores)
25
Suma de
cuadrados
Grados de
libertad
Factor 1
VE()
I 1
s2 =
VE()
I 1
Factor 2
VE()
J 1
s2 =
VE()
J 1
Residual
VNE
(I 1)(J 1)
Total
VT
n1
Varianzas
sR2
sy2 =
VT
n1
Tema 2: Dise
no de experimentos (varios factores)
26
Tema 2: Dise
no de experimentos (varios factores)
27
y rechazamos H0
s2
F(I 1),(I 1)(J1)
sR2
al nivel de significaci
on si
F (1) > F(I 1),(I 1)(J1), .
Tema 2: Dise
no de experimentos (varios factores)
28
y rechazamos H0
s2
sR2
F(J1),(I 1)(J1)
al nivel de significaci
on si
F (2) > F(J1),(I 1)(J1), .
Tema 2: Dise
no de experimentos (varios factores)
29
Observaci
on: Si alguno de los factores no influye, entonces este
dise
no en bloques aleatorizados es menos eficaz que el que vimos
en el Tema 1 (dise
no completamente aleatorizado). Entonces
deberamos obviar la clasificaci
on dada por el factor no relevante y
construir una tabla ADEVA con un solo factor.
Ejemplo 2.2 (cont.):
Tema 2: Dise
no de experimentos (varios factores)
30
El coeficiente de determinaci
on
El coeficiente de determinaci
on es la proporci
on de variabilidad
total explicada por el modelo en bloques aleatorizados
R2 =
VE() + VE()
VE
=
.
VT
VT
Tema 2: Dise
no de experimentos (varios factores)
31
An
alisis de las diferencias entre medias
Si el analisis de la varianza revela la influencia de uno de los
factores sobre la respuesta, debemos averiguar que niveles de este
factor son realmente distintos entre s.
Estimamos las diferencias entre los niveles i y k del primer factor
mediante
i
k = yi yk . Ademas utilizaremos que
i
k (i k )
t(I 1)(J1)
2 sR / J
Analogamente estimamos las diferencias entre los niveles j y del
segundo factor mediante j = yj y . Se cumple que
j (j )
t(I 1)(J1) .
2 sR / I
Estadstica (CC. Ambientales). Profesora: Amparo Ballo
Tema 2: Dise
no de experimentos (varios factores)
32
Tema 2: Dise
no de experimentos (varios factores)
33
1,5
1,0
0,5
0,0
-50
-25
25
50
Tema 2: Dise
no de experimentos (varios factores)
34
Estadsticos descriptivos
N
Residuo
N vlido (segn lista)
Asimetra
Estadstico
8
Estadstico
,000
Error tpico
,752
Curtosis
Estadstico
-1,706
Error tpico
1,481
Tema 2: Dise
no de experimentos (varios factores)
35
Residuo
21,50
16,60
-16,60
-21,50
-44,00
1037,50
1034,20
988,70
907,50
841,40
838,10
792,60
711,40
-48,90
Tema 2: Dise
no de experimentos (varios factores)
36
Tema 2: Dise
no de experimentos (varios factores)
37
= y =
IJK
i
j
yijk
i=1 j=1 k=1
= yi y
= yj y
donde
yi =
yj =
1
JK
1
IK
yijk ,
i = 1, . . . , I ,
yijk ,
j = 1, . . . , J.
j=1 k=1
J
j=1 k=1
Tema 2: Dise
no de experimentos (varios factores)
38
i2
j2
(yijk y )2 .
Variabilidad total = VT =
i=1 j=1 k=1
K
2
.
eijk
Tema 2: Dise
no de experimentos (varios factores)
39
Gama vehculo
Baja
Media Alta
VE() =
VE() =
Silenciador
VT =
VNE =
Filtro Octel
Tema 2: Dise
no de experimentos (varios factores)
40
Tabla ANOVA
F.V.
S.C.
g.l.
Factor 1
VE()
I 1
Factor 2
VE()
J 1
Residual
VNE
IJK (I + J) + 1
Total
VT
IJK 1
(1)
Rechazo H0
(2)
Rechazo H0
C.M.
VE()
s2 =
I 1
VE()
2
s =
J 1
VNE
2
sR =
IJK (I + J) + 1
VT
sy2 =
IJK 1
s2
> F(I 1),IJK (I +J)+1, .
sR2
s2
sR2
Tema 2: Dise
no de experimentos (varios factores)
41
Tema 2: Dise
no de experimentos (varios factores)
42
0.3
0.99
0.98
0.95
0.90
0.25
0.75
Probability
0.35
0.2
0.15
0.25
0.1
0.05
0
0.50
15
10
10
15
0.10
0.05
0.02
0.01
20
10
10
Data
Tema 2: Dise
no de experimentos (varios factores)
43
10
10
20
760
780
800
820
840
Tema 2: Dise
no de experimentos (varios factores)
44
i = 1, . . . , I , j = 1, . . . , J,
Tema 2: Dise
no de experimentos (varios factores)
45
+1+1
+4+2
+1+3
+4+1
+3+2
+4+3
+3+1
+3+3
j=1
j=2
j=3
Tema 2: Dise
no de experimentos (varios factores)
46
i = 1, . . . , I , j = 1, . . . , J
Tema 2: Dise
no de experimentos (varios factores)
47
i = 1, . . . , I
j = 1, . . . , J
k = 1, . . . , K ( 2)
i = 0
i=1
j = 0
j=1
()ij = 0, j = 1, . . . , J
i=1
J
()ij = 0, i = 1, . . . , I .
j=1
Tema 2: Dise
no de experimentos (varios factores)
48
N
umero de parametros desconocidos = IJ + 1.
Estimaciones de los parametros:
= y =
yi =
yj =
yijk
i=1 j=1 k=1
= yij yi yj + y
K
yijk
k=1
J
1
JK
1
IK
= yj y
()ij
1
K
= yi y
i
j
donde yij =
1
IJK
yijk ,
i = 1, . . . , I ,
yijk ,
j = 1, . . . , J.
j=1 k=1
J
K
j=1 k=1
Tema 2: Dise
no de experimentos (varios factores)
49
Sin filtro
F. Octel
Alta
810
820
820
835
835
835
840
840
845
845
855
850
785
790
785
760
760
770
y11 =
y12 =
y13 =
()11 =
()12 =
()13 =
820
820
820
825
825
825
820
820
825
815
825
825
y21 =
y22 =
y23 =
()22 =
()23 =
775
775
775
770
760
765
()21 =
yj
j
yi
y =
Tema 2: Dise
no de experimentos (varios factores)
50
Residuos:
eijk = yijk yijk = yijk (
+
i + j + ()ij ) = yijk yij
Tienen IJ(K 1) g.l., pues
K
k=1 eijk
Sin filtro
Filtro Octel
Gama vehculo
Baja
-15,83
-5,83
-5,83
9,17
9,17
9,17
-2,50
-2,50
-2,50
2,50
2,50
2,50
Media
-5,83
-5,83
-0,83
-0,83
9,17
4,17
-1,67
-1,67
3,33
-6,67
3,33
3,33
Alta
10,00
15,00
10,00
-15,00
-15,00
-5,00
5,00
5,00
5,00
0,00
-10,00
-5,00
Tema 2: Dise
no de experimentos (varios factores)
51
(yijk y )2
i2
VE() = JK
j2
VE() = IK
i=1
j=1
I
K
2
eijk
VNE =
i=1 j=1 k=1
I
VE() = K
()ij
i=1 j=1
Tema 2: Dise
no de experimentos (varios factores)
52
SC
gl
Factor
VE()
I 1
s2 =
VE()
I 1
Factor
VE()
J 1
s2 =
VE()
J 1
Interaccion
VE()
(I 1)(J 1)
Residual
VNE
IJ(K 1)
Total
VT
n1
CM
2 =
s
VE()
(I 1)(J 1)
sR2 =
VNE
IJ(K 1)
sy2 =
VT
n1
Tema 2: Dise
no de experimentos (varios factores)
53
H0
: i = 0, i = 1, . . . , I
R (1) =
(2)
H0
(3)
s2
> FI 1,IJ(K 1),
sR2
: j = 0, j = 1, . . . , J
R
H0
F (1) =
(2)
(2)
s2
sR2
: ()ij = 0, i = 1, . . . , I , j = 1, . . . , J
R
(3)
(3)
2
s
sR2
(3)
Tema 2: Dise
no de experimentos (varios factores)
54
Tema 2: Dise
no de experimentos (varios factores)
55
Medio
Interludios
Mozart
Ligera
21
24
22
18
20
22
20
25
18
20
9
12
10
5
9
14
18
11
9
13
29
26
30
24
26
15
18
20
13
19
Tema 2: Dise
no de experimentos (varios factores)
56
Medio
Interludios
21
24
22
18
20
y11 =
()11 =
22
20
25
18
20
y21 =
()21 =
Mozart
Ligera
9
12
10
5
9
29
26
30
24
26
14
18
11
9
13
15
18
20
13
19
yj
j
Estadstica (CC. Ambientales). Profesora: Amparo Ballo
yi
y =
Tema 2: Dise
no de experimentos (varios factores)
57
Tema 2: Dise
no de experimentos (varios factores)
58
M
usica
Des.
enf.
Bajo
Medio
M
usica
Int.
Moz.
Lig.
0
3
1
-3
-1
1
-1
4
-3
-1
0
3
1
-4
0
1
5
-2
-4
0
2
-1
3
-3
-1
-2
1
3
-4
2
Des.
enf.
Bajo
Medio
Int.
Moz.
Lig.
21
21
21
21
21
21
21
21
21
21
9
9
9
9
9
13
13
13
13
13
27
27
27
27
27
17
17
17
17
17
Tema 2: Dise
no de experimentos (varios factores)
59
Residuos
4
2
0
2
4
6
5
10
15
20
Valores previstos
25
30
Tema 2: Dise
no de experimentos (varios factores)
60
0.15
0.1
0.05
0
5
Tema 2: Dise
no de experimentos (varios factores)
61
D. bajo
D. medio
20
15
10
5
Interludios
Mozart
Tipo de msica
Ligera
Tema 2: Dise
no de experimentos (varios factores)
62
820
800
780
Silenciador
F. Octel
Baja
Media
Gama
Alta
Tema 2: Dise
no de experimentos (varios factores)
63
An
alisis de la varianza con tres factores
Modelo general para tres factores sin replicaci
on
Para i = 1, . . . , I , j = 1, . . . , J, k = 1, . . . , K ,
Yijk = + i + j + k + ()ij + ()ik + ()jk + ()ijk + Uijk ,
donde Uijk N(0, 2 ) son independientes y
I
i = 0 ,
k=1
()ij =
()ij =
j=1
()ik =
i=1
()ik = . . . = 0
k=1
()ijk =
i=1
k = 0
j=1
I
i=1
j = 0 ,
i=1
()ijk =
j=1
()ijk = 0.
k=1
Tema 2: Dise
no de experimentos (varios factores)
64
i , j , k = Efectos principales
()ij , ()jk , ()ik = Interacciones de segundo orden
()ijk = Interacciones de tercer orden
No de observaciones = IJK < No de parametros a estimar = IJK + 1
En un dise
no con tres factores a cuatro niveles cada uno y sin
replicacion se necesitan 43 = 64 observaciones. Existe un dise
no
mas restrictivo pero mas sencillo que s
olo precisa 42 = 16
observaciones: el cuadrado latino.
Tema 2: Dise
no de experimentos (varios factores)
65
Cuadrado latino
Este dise
no se utiliza cuando
hay tres factores;
el n
umero de niveles de los tres factores es el mismo, I ;
no hay interaccion entre los factores.
El cuadrado latino tiene n = I 2 observaciones. Cada nivel de un
factor se cruza solo una vez con cada nivel de los otros dos
factores.
En la practica se forma una cuadrcula con I filas e I columnas y se
asignan I letras de tal manera que no haya letras repetidas en
ninguna fila ni en ninguna columna.
Por ejemplo, si I = 3, existen 12 dise
nos posibles. Uno es
A
C
B
C
B
A
B
A
C
y11(1)
y21(3)
y31(2)
y12(3)
y22(2)
y32(1)
y13(2)
y23(1)
y33(3)
Tema 2: Dise
no de experimentos (varios factores)
66
Tema 2: Dise
no de experimentos (varios factores)
67
B
D
A
C
D
A
C
B
C
B
D
A
Un ejemplo con I = 5:
Deseamos contrastar la eficacia de 5 fertilizantes diferentes
(A,B,C,D,E) sobre un cultivo especfico. Queremos utilizar los 5
fertilizantes, esperar a que el cultivo madure y medir el resultado
de la cosecha por unidad de superficie con cada fertilizante. Pero
terrenos contiguos pueden variar en fertilidad debido a m
ultiples
causas (diferencias de humedad, uso previo del terreno, etc.). Para
reducir la variabilidad experimental dividimos el terreno en una
retcula de 5 x 5 rectangulos y en cada uno utilizamos un
fertilizante seg
un el siguiente dise
no de cuadrado latino:
Estadstica (CC. Ambientales). Profesora: Amparo Ballo
Tema 2: Dise
no de experimentos (varios factores)
68
A
B
C
D
E
B
D
E
C
A
C
A
D
E
B
D E
E C
B A
A field planted with a crop using five different treatments according to a 5 5 latin
square arrangement.
A B
Suppose we want to test the relative effectiveness of 5 different fertilizer mixtures on a crop of, say, oats. We apply the
C D
fertilizer, wait for the crop to mature, harvest it and measure the yield per unit area. But the five experiments cannot be car
x
out on the same plot of land. Even contiguous plots may vary in fertility because of a moisture gradient, different previous
of the land, or some other reason. Dividing a single plot into a 5 x 5 grid of subplots, and administering the fertilizers (labe
randomly A, B, C, D, E) according to a latin square arrangement like the one used in the figure above:
Tema 2:
A B
B D
C E
DnC
Dise
o
E A
C D E
A E C
D B A
EdeA experimentos
B
B C D
(varios factores)
69
Modelo:
Yij(k) = + i + j + k + Uij(k) ,
i, j, k = 1, . . . , I ,
i =
i=1
i
j
k
=
=
=
j =
j=1
k = 0.
k=1
Parametros desconocidos: , 1 , . . . , I 1 , 1 , . . . , I 1 , 1 , . . . ,
I 1 , 2 No de parametros a estimar = 3I 1
Tema 2: Dise
no de experimentos (varios factores)
70
= y =
n
i = yi y
yij()
i=1 j=1
j = yj y
k = yk y
1
I
yij()
j=1
yj =
1
I
yij()
yk =
i=1
1
I
yij(k)
i=1 j=1
Residuos:
eij(k) = yij(k) yij(k) = yij(k) (
+
i + j + k )
= yij(k) yi yj yk + 2
y
Estadstica (CC. Ambientales). Profesora: Amparo Ballo
Tema 2: Dise
no de experimentos (varios factores)
71
SC
gl
CM
Efecto fila
VE() = I
2i
I 1
2 =
s
VE()
I 1
j2
I 1
s2 =
VE()
I 1
k2
I 1
s2 =
VE()
I 1
2
eij()
(I 1)(I 2)
i=1
I
Efecto columna
VE() = I
j=1
I
Efecto letra
VE() = I
I
Residual
k=1
I
VNE =
i=1 j=1
I
Total
sR2 =
VNE
(I 1)(I 2)
(yij() y )2
VT =
i=1 j=1
n1
sy2 =
VT
n1
Tema 2: Dise
no de experimentos (varios factores)
72
H0
: i = 0, para todo i = 1, . . . , I
R (1) =
(2)
H0
(3)
s2
> FI 1,(I 1)(I 2),
sR2
: j = 0, para todo j = 1, . . . , I
R (2) =
H0
F (1) =
F (2) =
s2
sR2
: k = 0, para todo k = 1, . . . , I
R (3) =
F (3) =
s2
> FI 1,(I 1)(I 2),
sR2
Tema 2: Dise
no de experimentos (varios factores)
73
Nivel
de
humedad
Alto
Medio
Bajo
Nivel de nitr
ogeno
Alto
Medio
Bajo
51 (G)
119 (A) 60 (NR)
98 (NR) 43 (G)
31 (A)
99 (A) 87 (NR) 49 (G)
Tema 2: Dise
no de experimentos (varios factores)
74