Documentos de Académico
Documentos de Profesional
Documentos de Cultura
E l D is e o E xp e r im e n t a l
e n l a s C i e n ci a s d e l a
S a lu d
Migu el n gel Rod r gu ez F elicia n o
P r ologo
n a de la s r ea s don de em pez a desa r r olla r se la
exper im en t a cin , fu e en el sect or a gr cola y pecu a r io, por la
n a t u r a leza de los su jet os con los qu e se r ea liza ba n (pla n t a s y
animales). As qu e de m a n er a gen er a l los ejem plos qu e en la m a yor a de
la bibliogr a fa en con t r a m os sobr e los dise os de exper im en t os, en u n a
gr a n pa r t e de los ca sos, se ba sa n en ejem plos del sect or a n t es
mencionado y el industrial.
El rea de la salud se encuentra en ciertos momentos de su desarrollo y a
diferen t es n iveles a poya da por la exper im en t a cin ; pa r a solu cion a r o
pr ogr esa r en la cu r a o t r a t a m ien t o de en fer m eda des. E n con t r n dose est a
colaboracin en reas como la epidemiologa, la fisiologa, la farmacologa
(dise o de m edica m en t os), la m icr obiologa , la biologa m olecu la r , la
in m u n ologa , et c. P or lo qu e el xit o de est a cola bor a cin , se debe a qu e
los m odelos m a t em t icos de los Dise os E xper im en t a les, permiten
descr ibir e in t er pr et a r la gran ca n t ida d de n m er os y va r ia bles, a dem s
de las relaciones que se encuentran presentes en los sistemas biolgicos y
de sa lu d. P u din dose llega r a r ea liza r pr ediccion es sobr e diver sos
pa t r on es de com por t a m ien t o de en fer m eda des, a s com o la in t er a ccin de
diver sos fa ct or es en el desa r r ollo de la m ism a . Sin em ba r go es n ecesario
con t a r con gu a s qu e per m it a n con ocer la est r a t egia m s decu a da pa r a la
recoleccin y a n a lisis de los da t os pa r a la ela bor a cin de m edica m en t os y
t r a t a m ien t os m s efica ces; y es a qu don de el Diseo E xperimental
in t er vien e com o la h er r a m ien t a a u xilia r en el desa r r ollo de est a s
actividades.
P or lo qu e el objet ivo de est e libr o es el de a por t a r u n a per spect iva
com plet a m en t e or ien t a da a l r ea de la sa lu d, qu e fa cilit e la compresin
del t em a a l pr ofesion ist a qu e t r a ba ja den t r o de la esfer a de est os
servicios y requiera hacer uso de esta herramienta.
Miguel A. Rodrguez F..
Tapachula, Chiapas. Mxico.
Indice
Prologo
Parte I:
Generalidades
Capitulo I:
Capitulo II:
Capitulo III:
Parte II:
Modelos
Clsicos
Capitulo IV:
Capitulo V:
Comparaciones Poblacionales
Comparacin de Poblaciones Normales.
Anlisis de Dos Poblaciones Independientes
Problemario de Poblaciones Independientes
Comparacin de Medias con Grupos
Pareados.
Problemario de Grupos Pareados
Diseos Simples
Diseo Completamente al Azar
Anlisis Estadstico
3
Capitulo VI:
Capitulo VII:
Notacin
El Modelo
Estimacin
Problemario de Diseo
Completamente al Azar
Diseo de Bloques al Azar
Caractersticas
Ventajas
Desventajas
Anlisis Estadstico
Notacin
El Modelo
Estimacin
Eficiencia Relativa del DBA
Problemario de Diseo de Bloques al
Azar
Diseo en Cuadro Latino
Caractersticas
Ventajas
Desventajas
Distribucin de los Tratamientos
Anlisis Estadstico
Notacin
El modelo
Estimacin
Eficiencia Relativa del Diseo en
Cuadro Latino
Problemario de Diseo en Cuadrado
Latino
Diseos Incompletos
Bloques al Azar con Observaciones
Perdidas
Cuando se pierde una observacin:
Cuando se pierden dos observaciones
Cuadro Latino con Observaciones Perdidas
Cuando se pierde una observacin
Cuando se pierden dos observaciones
Comparacin de Medias de Poblaciones o
Tratamientos
Tipos de Tratamientos
Comparaciones Mltiples de Medias
Diferencia Mnima Significativa (DMS)
Mtodo de Duncan
Capitulo VIII:
Parte
III:
Arreglos
Factoriales
Capitulo IX:
Capitulo X:
Capitulo XI:
Tablas
DISTRIBUCION "t"
Tabla "F"
DUNCAN
TUKEY
DUNNETT
Resultados
del
Dise o
de
una
poseer
Cuantitativas
Enteras
Fraccionadas
Por dependencia
Independientes
Dependientes
Mtodos de Investigacin
E l cu a dr o 1 m u est r a los dos t ipos de m t odos de in vest iga cin , pu dien do
ser gen er a les cu a n do la in for m a cin en con t r a da pu ede ser u sa da en
diversas a plica cion es, m ien t r a s qu e la especifica t ien en u n pr opsit o m u y
estrecho y va a dar solucin a cosas muy concretas.
Cuadro1. Mtodos de Investigacin
Generales
Especficos
Emprico
Tcnicas
Experimental
Rutinas
Estadstico*
Documental
Histrico
Mtodos de
Recoleccin de Datos
Todos lo sist em a s r equ ier en de u n a en t r a da y u n a sa lida por lo qu e en la
in vest iga cin la en t r a da , se da en los Mt odos de Recoleccin de Datos,
qu e va a depen der del m t odo de in vest iga cin em plea do sien do a lgunos
de ellos:
Emprico.- Qu e con sist e en la a cu m u la cin de in for m a cin en for m a de
exper ien cia s, sin h a ber pa sa do por u n a fa se de ver ifica cin cien t fica ;
considerndosele la primera fase del mtodo cientfico
Experimental*.- Cu a n do se dise a y ejecu t a u n exper im en t o qu e
gen er e da t os qu e den r espu est a a pr egu n t a s con cr et a s pla n t ea da s por
el in vest iga dor pa r a poder in t er pr et a r de m a n er a correcta el fen m en o
de inters.
Histrico.- Son m t odos de r ecoleccin r et r ospect ivos, qu e se en ca r ga n
de buscar hechos en el pasado de una sociedad
Reconocimiento.- E l in vest iga dor obser va la s ca r a ct er st ica s del
en t or n o de la unidad de in vest iga cin . E n el ca so del r ea de sa lu d, se
ba sa en los fa ct or es qu e con dicion a n la a pa r icin de u n a en fer m eda d
debido a la exposicin a est os; partiendo el est u dio con la iden t ifica cin
del factor de riesgo que puede generar la enfermedad y estima el riesgo
de a dqu ir ir la , es decir va de la causa (fa ct or de r iesgo) a l efecto
(enfermedad).
De Ca sos.- E l in vest iga dor obser va la s ca r a ct er st ica s de la unidad de
in vest iga cin . E n el ca so del r ea de sa lu d la o la s ca r a ct er st ica s se
cen t r a n en la s en fer m eda des; por lo qu e el est u dio de ca sos y con t r oles
parte in dividu os qu e t ien en u n a en fer m eda d y bu sca cu a l es el fa ct or
qu e con dicion a su a paricin, es decir va desde el efecto (enfermedad) a
la causa (factor de riesgo).
E s im por t a n t e dest a ca r qu e los m t odos de r ecoleccin de da t os, son el
m edio a t r a vs del cu a l el in vest iga dor se r ela cion a con los elem en t os de
la pobla cin pa r t icipa n t e pa r a obt en er la in for m a cin n ecesa r ia qu e le
permita lograr los objetivos de la investigacin.
Mtodos de
Interpretacin de Datos
P or ot r a pa r t e, de n a da sir ven los m t odos de r ecoleccin , si n o cu en t a n
con los Mt odos de In t er pr et a cin de Da t os, a decu a dos. E st os se da n en
fu n cin a la disciplin a don de se h a ce la in vest iga cin y a l m t odo de
in vest iga cin em plea do, sin em ba r go de m a n er a gen er a l t en em os dos
grandes tipos de mtodos de interpretacin:
Estadsticos*.- Es la h er r a m ien t a ba se qu e u t iliza el m t odo cien t fico
pa r a el a n lisis de da t os, pa r a u n a in t er pr et a cin correcta del
fen m en o de in t er s. Cu yo objet ivo es h a cer r efer en cia de los er r or es
a lea t or ios qu e se pr esen t a n en la m edicion es (de qu e m a n er a in flu yen
y cu a l es su m a gn it u d), es decir t a m bin se en ca r ga de a n a liza r la
validez de los resultados
Documental.- Mt odo m u y u sa do en la s cien cia s socia les, en ca r ga de
relatar, descr ibir , com pa r a r en or den even t os a ct u a les o pa sa dos qu e
n o pr ecisa m en t e r equ ier en de u n a m edicin com o lo es en el
estadstico.
10
11
Diseo de Experimentos
Un exper im en t o (pr oceso m edia n t e el cu a l obt en em os u n a obser va cin o
dato) dise a do es u n a pr u eba o u n a ser ie de pr u eba s, en la s cu a les se
in du cen ca m bios deliber a dos en la s va r ia bles de en t r a da de u n pr oceso o
sist em a , de m a n er a qu e sea posible obser va r e iden t ifica r la s ca u sa s de
los cambios en la respuesta de salida.
P or lo qu e cu a lqu ier t ipo de Experimentacin qu e se r ea lice for m a parte
del m t odo cien t fico debido a qu e r ea liza oper a cion es or den a da s,
dest in a da s a dem ost r a r , com pr oba r o descu br ir fen m en os o pr in cipios
bsicos de inters para el investigador
Etapas de un Experimento
Planear:
Disear:
Ejecucin:
Anlisis e
Interpretacin:
12
objet ivos
deben
de
13
2)
3)
El Experimento
Establecimiento y definicin completa del problema.
Seleccin de la s va r ia bles de r espu est a o va r ia bles
dependientes.
Seleccin de los fa ct or es o va r ia bles in depen dien t es qu e
afectan las variables de respuesta.
Seleccin de los niveles de los factores y sus combinaciones
El Diseo
Nmero de observaciones o ensayos a realizar.
Aleatorizacin y orden del experimento
Modelo matemtico que describe el experimento
El Anlisis
Captura y procesamiento de la informacin.
Forma de hacer las pruebas estadsticas
Anlisis e interpretacin de los resultados
Costo del experimento
Conclusiones y recomendaciones
14
bloqu es. E s u n m t odo a lea t or io, pu din dose decidir por sor t eo o
pr om edio de n m er os a lea t or ios, qu e in clu ye: Bloqu es,
Aleatorizacin, Tratamientos y Repeticiones.
E r r or E xper im en t a l (E E ): E s debido a la va r ia bilida d pr oven ien t e de los
fa ct or es qu e a fect a n a los t r a t a m ien t os. E st os fa ct or es en m a sca r a n
el efect o de los t r a t a m ien t os. E l EE. n o es u n a equ ivoca cin . Mide
la va r ia bilida d por : a ) Va r ia cin de la UE , b) Va r ia cion es del
m a n ejo de la s UE , c) Va r ia cion es por efect o del a m bien t e. E st a s
va r ia cion es n o se pu eden elim in a r per o si se pu eden r edu cir .
Tien en com o fin a lida d obt en er u n a m ejor est im a cin de los efect os
de los t r a t a m ien t os. Si EE es el er r or exper im en t a l y es u n ifor m e
pa r a t oda s la s UE en t on ces EEi t ien e u n a dist r ibu cin n or m a l con
u n a m edia de cer o y u n a va r ia n za [E E N(0, 2 )]. Adem s est
presen t e en la pr u eba de h ipt esis. E xist en 2 t ipos de er r or es: a )
E r r or t ipo I: Rech a za r la h ipt esis ver da der a , b) E r r or t ipo II:
Acept a r u n a h ipt esis fa lsa . La s fr ecu en cia s de ocu r r en cia de
a m bos se da n en t r m in os de pr oba bilida d. E l er r or m s
importante es el t ipo I [ = m a x P (E r r or ) sien do los n iveles de
significancia convencionales 1% y 5%.
E spa cio Mu est r a l: Con ju n t o de t odos los r esu lt a dos posibles de u n
exper im en t o a lea t or io (pobla cin ). Ca da r esu lt a do se den om in a
punto muestral.
Experimento: Son de dos t ipos a ) Det er m in st ico: Det er m in a u n m ism o
r esu lt a do ba jo cier t a s con dicion es in va r ia bles, b) Alea t or io: No
siem pr e se obt ien e el m ism o r esu lt a do a u n qu e desa r r ollen ba jo
idnticas condiciones (uso de probabilidades)
Factor: Elemento, condicionante que contribuye a lograr un resultado
Repeticin: Aplica cin de u n t r a t a m ien t o 2 o m s veces en u n
exper im en t o. E l objet ivo es: a ) E st im a r el er r or exper im en t a l, b)
Medicin ms precisa del efecto de los tratamientos, c) Disminuir la
desviacin estndar de la muestra de la media.
Testigo: Su jet o de com pa r a cin . Son los elem en t os ba se pa r a la
comparacin de los tratamientos.
Tratamiento: E lem en t o, su jet o o en sa yo de est u dio en ca n t ida d o ca lida d.
Es cualquier variable cuyo efecto se desea medir.
15
Referencias
Andin G. M., Walterio Beller, Heinz Dleterich
Taboada. Gua De Investigacin Cientfica. Ediciones
De Cultura Popular. 2. Reimpresin. Mxico D.F.
1988.
Box, G. E., Hunter, W., Hunter, J. S., "Estadstica para
investigadores". Ed. Revert. 1998.
De Canales F. H., Eva Luz De Alvarado, Elia Beatriz
Pineda. Metodologa De La Investigacin. Manual
Para El Desarrollo De Personal De Salud. Editorial
Limusa. 2 Impresin. Mxico, D.F. 1988.
Elston, R.C., W.D. Johnson. 1990. Principios De
Bioestadistica. Mxico, Ed. El Manual Moderno, S.A.
De C.V.
Box G.E.P., W.G. Hunter, J.S. Hunter Estadstica para
experimentadores. Ed. Revert S.A. Barcelona 1989.
Box G. E. P., William G. Hunter, J. Stuart Hunter.
Estadstica Para Investigadores. Editorial Revert. 1
Reimpresin. Mxico, D.F. 1999.
Martnez, A. Diseos Experimentales. Mtodos y
Elementos de Teora. Editorial Trillas, Mxico. 1988.
Ostle B. Estadstica Aplicada. Limusa-Wiley, Mxico,
1975,
Rojas Soriano Ral. El Proceso De La Investigacin
Cientfica. Editorial Trillas. 4. Edicin. Mxico, D.F.
1981.
Winer, B.J., Brown, D.R. and Michels, K.M. Statistical
Principles in Experimental Design. 1991.
16
17
18
Falsa
Correcta
Error tipo II ( )
Ho
Verdadera
Error tipo I ( )
Correcta
19
Precisin =
1
=
2
Por lo que:
A medida que 2 aumenta, la precisin decrece.
A medida que n aumenta la precisin aumenta.
La precisin de un experimento es afectada por:
1. La conduccin del experimento
2. Tcnicas de anlisis de la informacin
3. Nmero de repeticiones
20
Referencias
Box, G. E., Hunter, W., Hunter, J. S., "Estadstica para
investigadores". Ed. Revert. 1998.
Elston, R.C., W.D. Johnson. 1990. Principios De Bioestadistica.
Mxico, Ed. El Manual Moderno, S.A. De C.V.
Box G.E.P., W.G. Hunter, J.S. Hunter Estadstica para
experimentadores. Ed. Revert S.A. Barcelona 1989.
Box G. E . P., William G. Hunter, J. Stuart Hunter. Estadstica
Para Investigadores. Editorial Revert. 1 Reimpresin. Mxico,
D.F. 1999.
Martnez, A. Diseos Experimentales. Mtodos y Elementos de
Teora. Editorial Trillas, Mxico. 1988.
Ostle B. Estadstica Aplicada. Limusa-Wiley, Mxico, 1975,
Prat, A., Tort-Martorell, X., Grima, P., Pozueta, L., "Mtodos
estadsticos. Control y Mejora de la Calidad". Ed. UPC (1997).
Winer, B.J., Brown, D.R. and Michels, K.M. Statistical Principles
in Experimental Design. 1991.
21
con i = 1, 2, 3,........, n
Ecuacin (1)
En donde:
:
22
Esquema de Muestreo
En el esquema de muestreo se tiene:
yi =
Variacin de i
Variacin de yi
yi
una constante
23
Supuestos de Aplicacin
En la aplicacin del ANVA se supone que:
Los efectos de los tratamientos y los ambientales son aditivos.
E l E r r or E xper im en t a l con st it u ye u n elem en t o a l a za r , n or m a l e
in depen dien t e, con u n a dist r ibu cin n or m a l con u n a m edia 0 y u n a
varianza ( 2 ).
Conceptos de Aplicacin
Dos conceptos en la aplicacin del ANVA.
Gr a dos de Liber t a d (G.L.): E s el n m er o de con t r a st es o
com pa r a cion es or t ogon a les (in depen dien t es) m en os el n m er o de
r est r iccion es (en est e ca so, la s m edia s de la s h ipt esis) im pu est a s qu e
se realiza en un grupo de datos (n-1).
Cuadrado Medio (C.M.): Es el cociente de una suma de cuadrados (SC)
entre su respectivo grado de libertad. [CM = SC / GL]
Desa r r ollo
Varianza
del
Modelo
Ma t em t ico
del
An lisis
de
(2)
= (yi -
y)+(y
- )
(3)
24
(4)
i=1
( y - )2
(6)
i=1(y i -
)2 =
i=1(yi -
y )2+2( y -
i=1
(yi-
y ) +n( y -
)2
(7)
25
i=1
(y i- )2 =
i=1
(yi- y )2 + n( y - )2
(8)
yi
i 1
yi
i 1
2
2
2
n y
2
Ecuacin
(9)
26
yi
i 1
yi
N(0,1) por lo qu e est a ecu a cin pr esen t a u n a
distribucin Ji- cuadrada
yi
X2
yi
i 1
entonces:
--- X2 (n)
2
n y
b) Analizando el componente:
yi
y
N(0,1) ==>
n y
n
n
X2 (1)
yi
2
i 1
27
yi
S2
i 1
despeja n do
n 1
yi
est a
ecu a cin
t en em os:
n 1 S2
i 1
yi
n 1 S2
i 1
2
X2 (n-1)
yi
yi
2
i 1
y
2
n y
2
i 1
Ecuacin
(10)
Donde:
X2 (n):
Varianza total
X2 (n-1):
X2 (1):
28
Hiptesis
Un a vez obt en ida s la s dist r ibu cion es da da s por la ecu a cin (9) se pu eden
u t iliza r pa r a pr oba r h ipt esis sobre m edia s pobla cion a les ( ). La
pa r t icin de la va r ia bilida d da da por la ecu a cin (10), per m it e pr oba r
h ipt esis n ica m en t e para , est o es, pr oba r el ju ego de h ipt esis
siguiente:
Ho: = o
VS
Ha:
o
Ho: - o = 0
VS
Ha: - o 0
Siendo o el va lor su pu est o del pa r m et r o descon ocido y
poblacional real.
E l An lisis
parmetros.
de
Va r ia n za
E st im a sem eja n za s
La m edia
o difer en cia s
de
yi
i 1
2
2
2
n y
2
n 1
( n 1)
E l pr odu ct o de est a r a zn n os da com o r esu lt a do u n a ecu a cin cu ya
dist r ibu cin es la del est a dst ico de pr u eba F . P or lo qu e si la h ipt esis
nula Ho: = o es cierta, entonces:
2
n y
Fc =
29
la de tablas
Fuentes de
Variacin
(FV)
Media
Error
Total
Grados de
Libertad
(GL)
1
n -1
N
Sumas de
Cuadrados
(SC)
n( y - o)2
n
2
i=1(yi - y )
n
2
i=1(yi - o)
Cuadrado Medio
(CM)
Fo
n( y - )2/1
n( y - )2/S2
[ n i=1(yi- y )2 /n-1] =S2
E l est a dst ico F ca lcu la do, ba jo la h ipt esis n u la , t ien e u n a dist r ibu cin
F 1 n -1 . Debem os de t en er siem pr e pr esen t e a la r egla de decisin , ya qu e a
t r a vs de est a eva lu a r em os a la h ipt esis n u la , r ech a z n dola si la F
calculada es mayor que la F de tablas (rechazar Ho si Fc > F1 n -1 , )
Si el pr opsit o del ANVA es pr oba r el ju ego de h ipt esis Ho: =0 VS
Ha: 0, el ANVA es equivalente a la tabla anterior, nicamente haciendo
la t r a n sfor m a cin de x i=yi- o, en don de la s n u eva s va r ia bles t en dr n
com o cen t r o el va lor de cer o, qu eda n do el a n lisis de va r ia n za com o se
observa en el cuadro 4.
Cuadro 4.- Anlisis de Varianza cuando Ho: =0
FV
Media ( )
Error
Total
GL
1
n -1
N
SC
n x2
n
i=1(xi n
2
i=1x i
x )2
CM
Fo
n x 2 /1
n x 2 /Sx2
[ n i=1(xi- x )2 /n-1]= S2
30
Ejemplo:
E n u n est u dio sobr e los n iveles de h em oglobin a (H b) de u n a com u n ida d
ubicada 1600 m .s.n .m . en la cost a del E st a do de Ch ia pa s, se
cuan t ifica r on la s con cen t r a cion es de H b de 28 varones qu e a ccedier on a
participar en el trabajo, siendo los valores obtenidos:
12.72
14.11
18.92
13.62
13.38
13.01
17.65
11.49
13.94
17.53
12.13
14.75
17.34
19.25
13.90
13.68
15.74
13.72
10.41
14.81
14.60
12.26
15.03
5.21
19.03
13.29
14.44
17.03
13.23
37.67
231.66
31
S.C. Tot a l =
269.33
i=1(yi -
FV
Media
Error
Total
FV
Media
Error
Total
GL
SC
CM
Fo
2
2
1
n( y - o)
n( y - ) /1
n( y - )2/S2
n
2
n -1
[ n i=1(yi- y )2 /n-1]= S2
i=1(yi - y )
n
2
n
i=1(yi - o)
GL
SC
CM
Fc
1
37.67
37.67
4.39*
27
231.66
8.58
28
269.33
F 127,0.05 = 4.17
F 1 27,0.01 = 7.56
Fo > Ft
Fo < Ft
b) E xist e difer en cia sign ifica t iva a l 5% por lo qu e solo a est e n ivel se
rechaza Ho.
Con clu sin : Los n iveles de H b de la com u n ida d en est u dio, son
DIFERENTES a los de la pobla cin u t iliza da com o referencia con u n
nivel de significancia del 5%
Con est e ejem plo con clu im os con la pa r t e r ela cion a da con el a n lisis de
varianza, sien do est a la for m a m s sen cilla de su u so. A pa r t ir de a qu la
tabla del ANVA crecer per o t a n solo en el n m er o de h iler a s debido a l
in cr em en t o de los fa ct or es de va r ia cin , qu eda n do per m a n en t em en t e con
el mismo nmero de columnas
Problemario de ANVA
1. Se con sider a qu e la in fer t ilida d m a scu lin a qu e exist e en u n a
com u n ida d, es debido a u n a oligosper m ia (ba jo n ivel esper m t ico),
sien do lo n or m a l 20 m illon es/m l. Se h a ce u n est u dio con pa cien t es qu e
pr esen t a n in fer t ilida d de los cu a les se obt u vier on los sigu ien t es da t os
en millones/ml.: 16, 14, 20, 21, 15, 17, 19, 17, 16, 14 a que conclusin se
llega con este estudio.
2. La fr ecu en cia ca r dia ca n or m a l de u n a du lt o en r eposo es de 70
la t idos/m in u t o. E n u n a pobla cin de pa cien t es h iper t en sos se eva l a la
posibilida d de qu e t en ga n u n a fr ecu en cia ca r dia ca m a yor . Se t om a n 6
Tapachula, Chiapas. Mxico.
32
m u est r a s d n don os los sigu ien t es r esu lt a dos: 82, 75, 80, 72, 85, 80. A
que conclusin se llega con este estudio
3. La ca pa cida d in spir a t or ia de u n a du lt o sa n o es de 3 lt . de a ir e. Se
desea eva lu a r dich a ca pa cida d en in dividu os con pr oblem a s
br on qu ia les, pa r a lo cu a l se t om o u n a m u est r a de 8 per son a s
obt en in dose los sigu ien t es r esu lt a dos: 2.8, 2.7, 2.5, 2.7, 2.6, 2.8, 2.8,
2.6. A que conclusin se llega con este estudio.
4. E l pr om edio de h em oglobin a en el ga n a do va cu n o es de 11. se a n a liza n
9 m u est r a s de a n im a les con pr oblem a s de ba besiosis y se les cu a n t ifico
su hemoglobina siendo los resultados: 10, 9, 8.5, 10.5, 11, 10, 9.5, 9, 10.
In flu ye l ba besiosis en los n iveles de h em oglobin a de los va cu n os?
Explique.
5. E l pr om edio en los n iveles sa n gu n eos de la h or m on a t r iyodo t ir on in a
(T3) en jven es de 10 a 15 a os de eda d es de 145 n g/dl en per son a s
sa n a s. E n la com u n ida d de P och u t la , Oa xa ca se h a ce la va lor a cin de
la T3 en 10 a dolescen t es, d n don os los sigu ien t es r esu lt a dos: 80, 100,
120, 140, 120, 100, 95, 130, 90, 100. P odem os con sider a r qu e la ba ja
est a t u r a de los h a bit a n t es de esa zon a se debe a la s difer en cia s qu e
exist en en su s n iveles de T3 en la a dolescen cia con r espect o a l r est o de
la poblacin. Explique.
Referencias
Neter-Kutner-Nachtscheim-Li. Applied Linear
Statistical Models. Mc. Graw-Hill. 5 Ed. 2005.
Arnau Gras, J. Diseos Experimentales
Multivariables. Alianza Editorial, Madrid. 1990.
Box, G. E., Hunter, W., Hunter, J. S., "Estadstica para
investigadores". Ed. Revert. 1998.
Box, G., Hunter, W.G. and Hunter, J.S. Estadstica
para Investigadores. Introduccin al Diseo de
Experimentos, Anlisis de Datos y Construccin de
Modelos. Editorial Revert. 2002.
Cochran, W.G. y Cox, G.M. Diseos Experimentales.
Trillas, Mxico. 1995.
Dean, A. y Voss, D. Design and Analysis of
Experiments. Springer-Verlag, New York. 1999.
Tapachula, Chiapas. Mxico.
33
34
P a r t e II:
Modelos Cl sicos
Ca pit u lo IV:
Comparacion es Poblacionales
Comparacin de Poblaciones Normales.
espu s de la descr ipcin del com por t a m ien t o de u n a va r ia ble a
t r a vs de la est a dst ica descr ipt iva , se t ien e qu e pa r t e de la
est a dst ica in fer en cia l son la s pr u eba s de h ipt esis, qu e en est e
ca so la s u t iliza m os pa r a com pa r a r la s m edia s de dos o m s poblaciones
en est u dio. E st o se debe a qu e en los pr ocesos de in vest iga cin es com n
tener que efectuar comparaciones al menos entre dos medias de muestras
a lea t or ia s de u n a m ism a o difer en t e pobla cin ba jo a lg n pa r m et r o en
estudio. Por ejemplo:
E l com por t a m ien t o ba jo u n a diet a pa r a in dividu os de a m bos sexos en
una poblacin.
La com pa r a cin de a lgu n a ca r a ct er st ica fisiolgica en t r e difer en t es
grupos tnicos.
Lo a n t er ior im plica la u t iliza cin de a lg n est a dst ico de pr u eba qu e n os
per m it a defin ir sobr e u n a h ipt esis nula plantean do qu e la s m edia s
pobla cion a les son igu a les con sider a n do qu e los r esu lt a dos de u n a
m u est r a n o in flu yen sobr e los r esu lt a dos de la ot r a Ho: i= j; est o es
com pa r a r dos gr u pos in depen dien t es. Los cu a les a su vez pu eden t en er
varianzas iguales o diferentes
Ta m bin es n ecesa r io con sider a r la s ca r a ct er st ica s de la s m u est r a s
a lea t or ia s, en funcin de su t a m a o, va r ia cin y cor r espon den cia de los
elem en t os de u n a r espect o de la ot r a ; t en ien do la comparacin de gr u pos
pareados.
Los dos t ipos de com pa r a cion es a n t es m en cion a da s cor r espon den a la
forma ms sencilla de experimentacin (ver figura 4).
35
36
Poblacin 1
Poblacin 2
Parmetro Estimador Parmetro Estimador
Media
Varianz
a
1
2
x1
S2
2
2
x2
S 22
Fc
Fnm1 1 => Fc
S12 (mayor)
S 22 (menor)
1.- Fn
2.- Si:
= Ft (F de tabla)
Fc > Ft ==>Se rechaza Ho (varianzas heterogneas)
Fc < Ft==>No se rechaza Ho (varianzas homogneas)
37
x1 x 2
1
n1
Sp
1
n2
2)
Va r ia n za s H et er ogn ea s: E n el ca so de qu e las
x1
va r ia n za s sean heterogneas (las unidades t
experimentales t ienen diferentes caractersticas)
S12
y el n m er o de elem en t os qu e com pon en a la s
n1
m u est r a s es igu a l o difer en t es, el est a dst ico de
prueba para la hiptesis Ho: 1= 2, es:
En ambos casos, la regla de decisin es:
Si tc > t(0.025, n1 +n2 -2) se rechaza la hiptesis nula (Ho: 1 =
x2
Mujeres
Xi
X2 i
Un a vez h ech a la t a bla de da t os, lo pr im er o
Media
qu e se debe h a cer es la : P r u eba de
*
Hombre
s
5.78
5.74
5.80
5.84
23.16
134.10
5.79
S 22
n2
2)
5.82
5.87
5.96
17.65
103.85
5.88
El ejemplo se trabajo con pocos datos por ser demostrativo (las operaciones son las mismas con muchos que con pocos)
38
homogeneidad de Varianzas
( xi x )
n 1
S2
S 2 A= 0.00173
S 2 B = 0.00503
x1
n
xi2
n 1
Fc
S12 (mayor)
S 22 (menor)
P a r a lo cu a l pr im er o h a y qu e
ca lcu la r la s va r ia n za s de A y B.
Se pu eden obt en er de 2 for m a s a
t r a vs de for m u la s o dir ect a m en t e
de la calculadora
0.00503
0.00173
2.9
F c < Ft.
Ho:
VS
Ha:
x1 x 2
Sp
S p2
1
n1
1
n2
(4 1)(0.00173) (3 1)(0.00503)
4 3 2
2
p
0.00305
5.79 5.88
1 1
0.00305
4 3
2.134
39
40
Par
I
II
III
...
N
Poblacin 1
x 11
x 12
x 13
...
x 1n
Poblacin 2
x 21
x 22
x 23
...
x im
X1i-X2I =di
x 11 - x 21 = d1
x 12 - x 22 = d2
x 13 - x 23 = d3
...
x 1n - x 2m = dn
El
ju ego
de
h ipt esis a pr oba r
es:
Ho: 1 - 2 = =0
VS
Ha: 1 - 2 =
0
41
Parmetro
Media
Varianza
En donde:
d
Estimador
d
S2d
di
n
di d
n 1
2
d
di
n
2
i
n 1
= 0 se u t iliza
tc
sd2
n
Ejemplo:
Se com pa r a n dos diet a s ba sa da s en
pr ot en a s der iva da s de la soya y de Par
maz pa r a
m edir
la
eficien cia 1
a lim en t icia en r ela cin a la ga n a n cia
2
de peso en n i os m en or es de 6 a os de
3
u n a r egin con deficien cia n u t r icion a l.
4
Debido a qu e
los n i os qu e
5
participar on en el est u dio t en a n
difer en t es pesos (muy heterogneos), 6
se a gr u pa r on por pa r es, de t a l for m a 7
qu e los nios de u n pa r fu er a n lo m s 8
homogneos (igu a les en peso) posibles.
Los pesos resultantes fueron:
P r u ebe la hiptesis de qu e el efect o de la s
incremento de peso de las personas.
Dieta
Soya
16.8
19.2
20.5
20.6
22.0
22.1
23.0
23.3
Maz
21.6
21.5
24.1
22.2
23.3
24.2
23.3
24.9
di
-4.8
-2.3
-3.6
-1.6
-1.3
-2.1
-0.3
-1.6
-17.6
d2i
23.04
5.29
12.96
2.56
1.59
4.41
0.09
2.56
52.6
diet a s es el m ism o en el
di
n
17.6
8
2.2
=0 VS
sd2
Ha: 1 - 2 =
di
n
d i2
n 1
52.6 38.72
7
13.88
7
1.98
42
El estadstico de prueba:
tc
d
sd2
n
2 .2
1.98
8
2 .2
0.49
4.42
2
300,
289,
en la
3
4
5
270, 267, 325,
267, 274, 302,
con cen t r a cin de
6
277.
280.
glu cosa en or in a por efect o
6
7
31, 30.
28, 29
a m bien t a les de la cost a ?
43
2
3
4
5
280, 220, 200, 210,
135, 120, 115, 118,
en la s con cen t r a cion es
6
230
130
de glu cosa por efect o de la
3
4
5
6
7
8
9
17, 19, 22, 25, 27, 28, 31
15, 17, 21, 24, 27, 29, 32
en los n iveles de P r ogest er on a debido a la eda d?
3
4
5
6
400, 600, 450, 520,
423, 750, 600, 800
pesos por la s difer en t es
Referencias
Box, G. E., Hunter, W., Hunter, J. S., "Estadstica para
investigadores". Ed. Revert. 1998.
Box, G., Hunter, W.G. and Hunter, J.S. Estadstica
para Investigadores. Introduccin al Diseo de
Tapachula, Chiapas. Mxico.
44
45
P a r t e II:
Modelos Cl sicos
Ca pit u lo V:
Diseos Simples
46
47
1. P u ede u t iliza r se cu a n do
tratamiento son diferentes
la s
r epet icion es
por
48
tratadas
1
Y11
Y12
Y13
...
Y1n1
Yi.
n1
j=1Y1j
Tratamientos
2
3
...
Y21
Y31
...
Y22
Y32
...
Y23
Y33
...
...
...
...
Y2n2
Y3n3
...
n2 Y
n3 Y
j=1 2j
j=1 3j ...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
t
Yt1
Yt2
Yt3
...
Ytnk
nk
j=1Ytj
i=1
nk
j=1Yij=Y..
49
con i=1,2,3,...,t
ij
j=1,2,3...nk
Con:
Yij= Observacin del tratamiento en la repeticin
= E s la m edia ver da der a gen er a l de t oda s la s pobla cion es, es decir ,
= i/t
) ==>
2
ij)=
Estimacin
La est im a cin , el a n lisis de la va r ia n za y los desa r r ollos pa r a obt en er
la s esper a n za s de los cu a dr a dos m edios, se r ea liza r on a n t er ior m en t e; en
este caso tenemos:
t
ni
i=1
j=1(Yij
- Y..) =
S.C. Total
Tapachula, Chiapas. Mxico.
ni
i=1
j=1(Yi.
- Y..) +
S.C. Tratamiento
ni
i=1
j=1(Yij
- Yi.)
S.C. Error
50
S.C. Tratamientos =
ni
i=1
S.C. Error =
2
j=1Y ij
i=1(Yi.)
- (Y..)2/n.
/ni - (Y..)2/n.
en donde:
i= 1, 2, 3,.......t
j=1, 2, 3,.......ni
Y.. = ti=1 nij=1Yij
n. = ti=1ni
Yi.= Es la suma de las i-esimas repeticiones del t-simo tratamiento.
La t a bla del ANVA, pa r a cu a n do se t ien e difer en t e n m er o de
repeticiones por tratamiento se observa en el cuadro 9.
Cuadro 9.- ANVA del DCA con diferentes repeticiones en los tratamientos
FV
GL
Tratam. t-1
SC
Error
Total
S.C.Tot.-S.C.Tratam.
n.-t
n.-1
t
2
i=1(Yi.) /ni
ni
i=1
- (Y..) /n.
j=1Y ij
CM
S.C. Trat./t-1
Fc
C.M. Trat
C.M. Error
S.C. Error/n.-t
- (Y..) /n.
FV
GL
Tratam. t-1
Error
Total
t(r-1)
rt-1
SC
t
2
i=1(Yi.) /r
- (Y..) /rt
S.C.Tot.-S.C.Tratam.
t
ni
i=1
j=1Y ij
CM
S.C. Trat./t-1
Fc
C.M. Trat
C.M. Error
S.C. Error/n.-t
- (Y..) /rt
51
VS.
n. = n1+n2+n3=5+7+4=16
t
ni
j=1Yij=
ni
2
j=1Y ij=
i=1
t
i=1
938
55256
S.C. Total =
S.C. Tratamientos =
ni
i=1
2
j=1Y ij
i=1(Yi.)
- (Y..)2/n.
/ni - (Y..)2/n.
(291)2/5+(393)2/7+(254)2/4 - 54990.25
55129.34 - 54990.25 = 139.09
S.C. Error =
SC
Error
Total
S.C.Tot.-S.C.Tratam.
n.-t
n.-1
t
2
i=1(Yi.) /ni
ni
i=1
- (Y..) /n.
j=1Y ij
FV
GL
SC
Tratam.
2
Error
13
Total
15
Ft 0.05=3.81
==> Fc > Ft
Ft 0.01=6.70
==> Fc > Ft
CM
S.C. Trat./t-1
Fc
C.M. Trat
C.M. Error
S.C. Error/n.-t
- (Y..) /n.
CM
126.66
Fc
68.545
9.743
7.035
53
54
55
II
III
II
III A
cu a lqu ier
n m er o de
gl
DCA
t (r-1)
DBA
(t-1) (r-1)
56
Anlisis Estadstico:
La s su posicion es con sider a da s pa r a pr oba r la s h ipt esis de igu a lda d de
efect os de t r a t a m ien t os, m edia n t e el An lisis de la Va r ia n za son la s
mismas que para el DCA.
Notacin:
Si se tiene un experimento bajo el DBA y se prueban t tratamientos con r
repeticiones cada uno, los datos se clasifican en t grupos, de acuerdo a los
tratamientos aplicados y r bloques, segn la tabla siguiente:
Blo
que
Yi.
1
Y11
Y21
Y31
j=1Yi1
Y12
Y22
Y32
j=1Yi2
Y13
Y23
Y33
j=1Yi3
...
Y1r
...
Y2r
...
Y3r
...
j=1Y1j
j=1Y2j
j=1Y3j
j=1Ytj
r
t
j=1Yir
i=1
j=1Yij=Y..
j=1,2,3...r
Estimacin:
La est im a cin , el a n lisis de la va r ia n za y los desa r r ollos pa r a obt en er
la s esper a n za s de los cu a dr a dos m edios, se r ea liza r on a n t er ior m en t e; en
este caso tenemos:
Tapachula, Chiapas. Mxico.
57
t
ni
i=1
j=1(Yij-Y..)=
S.C. Total
t
r
2
t
r
2
t
r
2
i=1 j=1(Yi.-Y..) + i=1 j=1(Y.j-Y..) + i=1 j=1(Yij-Yi.)
+ S.C. Error
S.C. Tratamientos =
S.C. Bloques=
i=1
S.C. Error =
2
j=1Y ij
i=1(Yi.)
i=1(Y.j)
- (Y..)2/rt
/r - (Y..)2/rt
/t - (Y..)2/rt
En donde:
i=
j=
Y.. =
1, 2, 3,.......t
1, 2, 3,.......t
Yi.=
Y.j=
r
i=1
j=1Yij
r -1
Error
Total
(t-1)(r-1)
rt-1
SC
t
i=1(Yi.)
i=1(Y.j)
CM
S.C. Trat./t-1
/r - (Y..) /rt
/t - (Y..)2/rt
S.C. Bloq/r-1
S.C.Tot.-S.C.Tr.-S.C.Bl.
t
r
2
2
i=1 j=1Y ij - (Y..) /rt
Fc
C.M. Trat/
C.M. Error
C.M. Bloq./
C.M. Error
S.C.Err./t-1 r-1
Para tratamientos
Para Bloques
58
r = Nmero de repeticiones
t = Nmero de tratamientos
T1 T2 T3 T4
Y.j
II
Yi. 25
32
21
27
105
VS
Ho2 : B1=B2=B3=B4=B5
VS
59
S.C. Total =
r
i=1
2
j=1Y ij
- (Y..)2/rt
S.C. Tratamientos =
i=1(Yi.)
/r - (Y..)2/rt
S.C. Bloques=
i=1(Y.j)
/t - (Y..)2/rt
GL
SC
Tratam.
t -1
i=1(Yi.)
Bloques
r -1
i=1(Y.j)
Error
Total
(t-1)(r-1) S.C.Tot.-S.C.Tr.-S.C.Bl.
t
r
2
2
rt-1
i=1
j=1Y ij - (Y..) /rt
S.C.Err./t-1 r-1
FV
GL
CM
Tratam.
Bloques
Error
Total
/r - (Y..) /rt
/t - (Y..)2/rt
Fc
S.C. Trat./t -1
C.M. Trat/
C.M. Error
C.M. Bloq./
C.M. Error
S.C. Bloq/r-1
SC
3
4
12
19
CM
12.550
3.755
8.345
24.650
Fc
4.1830
0.9387
0.6954
6.015**
1.35ns
Para Tratamientos
Fc > Ft0.05 y Fc > Ft0.01
Se r ech a za H o. H a y
difer en cia s a lt a m en t e sign ifica t iva s en t r e los t r a t a m ien t os. Algu n a s
dosis funcionan mejor que otras.
Para Bloques
F c < Ft0.05 y Fc < Ft0.01
iguales los efetos de los bloques (Pesos).
Se a cept a H o. Son
60
Empresas
A
B
C
I
0.90
0.80
0.70
II
0.70
0.70
0.60
III
0.70
0.60
0.80
IV
0.60
0.70
0.70
Existen diferencias en las mediciones de metanol con los equipos?
Existen diferencias en las mediciones de metanol a diferentes edades?
22.E l n ivel m xim o en la a t m sfer a de dixido de a zu fr e (SO 2 )
r ecom en da do por la OMS es de 40 gr/m3 . Se con sider a a l Dist r it o
F eder a l la ciu da d m s con t a m in a da del pa s; pa r a com pr oba r lo se
t om a n m u est r a s de 4 de la s ciu da des con m a yor n m er o de h a bit a n t es
del pa s (Dist r it o F eder a l, Mon t er r ey, Gu a da la ja r a , Tiju a n a ) du r a n t e
una semana y se obtuvieron los siguientes resultados:
Das
Ciudades
D.F.
MTY GDA
1
82
70
67
2
90
74
49
3
71
82
54
4
60
68
72
5
75
75
94
6
100
90
98
7
110
88
85
En base a los resultados obtenidos concluya.
TJA
61
53
48
45
67
62
49
61
III
105
102
94
IV
108
104
99
V
104
100
92
E s la a lt it u d u n fa ct or qu e in flu ya en la pr esin a r t er ia l de los
individuos?
E s la eda d u n fa ct or qu e in flu ya en la pr esin a r t er ia l de los
individuos?
24.E n la Ciu da d de Mxico el n m er o de defu n cion es por m es a t r ibu ida s
a la con t a m in a cin a m bien t a l son de a pr oxim a da m en t e 1000. Se h a ce
u n est u dio en t r es ciu da des del pa s (Mr ida , Oa xa ca y Tiju a n a ) pa r a
det er m in a r si el n dice de m or t a lida d por efect o de la con t a m in a cin es
el m ism o en t r e la s difer en t es r egion es del pa s. P a r a t a l efect o se
r egist r a r on el n m er o de defu n cion es (por con t a m in a cin ) por m es
durante cinco meses, obtenindose los siguientes datos:
Meses
Ciudades
MDA OAX
TJA
I
400
357
800
II
300
421
725
III
600
480
1005
IV
457
300
930
V
525
500
915
F u er a de la Ciu da d de Mxico los n dices de m or t a n da d son pa r ecidos
entre las diferentes regiones de la Repblica? Explique y concluya.
25.Un exper im en t o sobr e a diccion es se r ea lizo en u n a pobla cin de
a du lt os fa r m a codepen dien t es con difer en t es n iveles de a diccin y de
difer en t es eda des a los cu a les se les r et ir o la dr oga pa r a est a blecer el
n m er o de da s qu e logr a ba n a gu a n t a r sin el con su m o de est a . Los
resultados fueron los siguientes:
Edades
Niveles de Adiccin
Alt
Med
Baj
I
12
14
15
II
10
8
13
III
12
10
10
IV
8
8
9
V
4
5
7
E xist e difer en cia pa r a a gu a n t a r la a bst in en cia del con su m o de dr oga
de acuerdo a los niveles de adiccin? Explique.
E xist e difer en cia pa r a a gu a n t a r la a bst in en cia del con su m o de dr oga
de a cu er do a la s difer en t es eda des con sider a n do qu e se t ien en
agrupadas de menor a mayor edad? Explique
62
63
Ventajas:
1. Reduce el error experimental al introducir el doble bloqueo.
2. E l a n lisis est a dst ico es sim ple, liger a m en t e m s com plica do qu e
DBA.
3. P u ede u t iliza r se cu a n do la s UNIDADE S E XP E RIME NTALE S
forman una lnea continua.
4. P r opor cion a u n a com pa r a cin m s pr ecisa de los efect os de los
tratamientos.
5. An con datos perdidos, el anlisis estadstico es simple.
6. Es ms preciso que el DBA.
Desventajas:
1. E s poco flexible, ya qu e el No. de H iler a s o Colu m n a s depen den del
No. de tratamientos.
2. No se pueden comparar muchos tratamientos, el rango es 4-10
3. Con pocos t r a t a m ien t os, se t ien en dem a sia dos parmetros en el
m odelo con poca s obser va cion es, sien do in eficien t e la est im a cin de
la varianza del error.
64
I
II
III
IV
A
D
C
B
B
A
D
C
C
B
A
D
D
C
B
A
ah
III, I, IV II
Aleatorizacin
inicial
ah: aleatorizando hileras
II
III IV
C
A
B
D
D
B
C
A
A
C
D
B
B
D
A
C
D
B
C
A
ac
II, IV I, III
B
D
A
C
C
A
B
D
A
C
D
B
Aleatorizacin
Aleatorizacin
en Hileras
en Columnas
ac: aleatorizando columnas
Anlisis Estadstico:
Al igu a l qu e pa r a los DCA y DBA, la s su posicion es de dist r ibu cin de la s
observaciones son las mismas.
Notacin: E n el cu a dr o 13 se obser va qu e la distribucin de los
tratamien t os est n eva lu a dos en t oda s la s h iler a s y en t oda s la s
colu m n a s, en t on ces se t ien en T 2 va r ia bles de r espu est a a en sa ya r , debido
al doble bloqueo, por lo que todas las observaciones sern denotados como
Yijk, los que se organizan de la siguiente forma:
Cuadro 13.- Concentracin de datos en el DCL
Hileras
I
II
III
IV
Y..K
Columnas
I
Y411
Y221
Y331
Y141
Y..1
II
Y212
Y422
Y132
Y342
Y..2
III
Y313
Y123
Y233
Y443
Y..3
IV
Y114
Y324
Y434
Y244
Y..4
j=1Y.j.=Y.j.
Y.j.
Y.1 .
Y.2 .
Y.3 .
Y.4 .
Y...
t
Totales de tratamientos:
j=1
k=1Yijk=Y...
i=1Yi ..
T1= Y1 ..
T2= Y2 ..
T3= Y3 ..
T4= Y4 ..
i=1
65
El modelo:
La su posicin lgica de u n D.C.L. con u n a obser va cin por ca da unidad
exper im en t a l es qu e la s obser va cion es pu eden r epr esen t a r se m edia n t e el
modelo estadstico:
Yijk =
Con i=1,2,3,...,t,
+ Ti + Hj + Ck + Eijk
j=1,2,3,...,t y
k=1,2,3,...,t
en donde:
Yijk:
:
T i:
H j:
Ck:
E ijk:
Adems, se supone:
a) Los er r or es (E ijk) se dist r ibu yen n or m a l e in depen dien t em en t e
con =0 y Varianza 2 .
b) No hay interaccin entre tratamientos hileras y columnas.
Estimacin: Los componentes de la suma de cuadrados para el DCL son:
t
ni
i=1
j=1(Yij-Y..)
t
t
t
2
i=1(Yi..-Y...)
t
2
j=1(Y.j.-Y...)
t
2
k=1(Y..k-Y...)
t
t
t
i=1 j=1 k=1(Yijk-Yi..-
Y.j.- Y..k+2Y...)2
S.C. Total =S.C. Tratamiento - S.C. Hileras - S.C. Columnas -S.C. Error
66
S.C. Tratamientos =
i=1(Yi..)
S.C. Hileras=
j=1(Y.j.)
S.C. Columnas=
k=1(Y..k)
Y... =
i= 1, 2, 3,.......t
t
i=1
t
j=1
t
j=1
2
k=1Y ijK
- (Y...)2/t2
/t - (Y...)2/t2
/t - (Y...)2/t2
/t - (Y...)2/t2
S.C. Error =
en donde:
t
i=1
j=1, 2, 3,.......t
k=1, 2, 3,.......t
k=1Yijk
=ti VS
Ho2:H1=H2 = ......=Hi VS
Ho3:C1=C2 = ......=Ci
VS
GL
SC
Tratam.
t -1
i=1(Yi..)
Hileras
t -1
i=1(Y.j.)
Cols.
t -1
k=1(Y..k)
Error
(t-1)
(t-2)
t2-1
Total
2 2
/t - (Y...) /t
CM
Fc
S.C. Trat./t-1
C.M. Trat
C.M. Error
C.M. Hil.
C.M. Error
C.M. Col.
C.M. Error
/t - (Y...)2/t2
S.C. Hil./t-1
S.C. Col./t-1
/t - (Y...)2/t2
S.C.Tot.-S.C.T.-S.C.H-S.C.C. S.C.Err.
t -1 t-2
t
t
i=1
t
j=1
k=1Y ijK-(Y...)
2 2
/t
67
Para tratamientos
Para Hileras
Para Columnas
Ejemplo:
Se desea eva lu a r el funcionamiento heptico en per r os con difer en t es
patologas hepticas que se encuentran con tratamiento de vitaminas B a
4 difer en t es con cen t r a cion es. P or lo qu e se h a ce u n doble a r r eglo en ba se
a la s pa t ologa s y r a za s, y se procedi a la m edicin de la Tr a n sa m in a sa
Glutmico Pirvica (TGP).
68
Patologas hepticas
I
II
R
A
Z
A
S
III
IV
Isquemia
Tumor
Hepatitis
viral
Hemocromat
osis
t1
t4
t3
t2
t2
t1
t4
t3
t3
t2
t1
t4
t4
t3
t2
t1
10
7
14
13
8
12
12
13
14
12
16
10
14
11
16
15
I
t2
t1
t3
t4
II
t1
t3
t4
t2
12
16
14
10
III
t3
t4
t2
t1
15
11
14
16
52
56
IV
t4
t2
t1
t3
13
12
8
12
45
7
13
10
14
Y.j.
47
52
46
52
44 197
VS
Ho2:H1=H2 H3
VS
Ho3:C1=C2 =C3
VS
15+16+10+12=53
T2= Y2 ..
12+13+08+16=49
T3= Y3 ..
13+11+14+14=52
T4= Y4 ..
07+12+14+10=43
69
(Y...)2/t2
2529 - (38809/(4) ) = 103.44
S.C. Tratamientos = ti=1(Yi..)2/t - (Y...)2/t2
2440.75 - 2425.56 = 15.19
t
2
2 2
S.C. Hileras=
j=1(Y.j.) /t - (Y...) /t
2433.25 - 2425.56 = 7.69
t
2
2 2
S.C. Columnas=
k=1(Y..k) /t - (Y...) /t
2450.25 - 2425.56 = 24.69
S.C. Error =
S.C. Total - S.C. Tratam. - S.C. Hil. - S.C. Col.
103.44 - 15.19 - 7.69 - 24.69 = 55.87
S.C. Total =
i=1
j=1
2
k=1Y ijK 2
SC
CM
t
2
i=1(Yi..) /t
Hileras
t -1
i=1(Y.j.)
Cols.
t -1
k=1(Y..k)
Error
(t-1)
(t-2)
t2-1
Total
2 2
- (Y...) /t
/t - (Y...)2/t2
/t - (Y...)2/t2
S.C.Tot.-S.C.T.S.C.H-S.C.C.
t
t
i=1
t
j=1
Fc
2
2 2
k=1Y ijK-(Y...) /t
FV
GL
SC
Tratamientos 3
15.19
Hileras
3
7.69
Columnas.
3
24.69
Error
6
55.87
Total
15
103.44
El criterio de decisin es:
CM
5.0633
2.5633
8.2300
9.3117
Fc
0.5438n.s.
0.2752n.s.
0.8838n.s.
F36,0.05
4.76
4.76
4.76
Para tratamientos
Para Hileras
Para Columnas
F36,0.01
9.78
9.78
9.78
70
71
Semanas
Especies
A
B
C
D
I
t1-12
t2-9
t3-6
t4-7
II
t4-6
t1-14
t2-10
t3-4
III
t3-5
t4-7
t1-11
t2-8
IV
t2-9
t3-5
t4-7
t1-12
Existen diferencias entre los diferentes Insecticidas? Explique.
Existen diferencias entre las diferentes Especies? Explique.
Existen diferencias entre las diferentes Semanas? Explique.
29.Se evalan 4 medidas contra la contaminacin ambiental:
t1: Uso de gas en vehculos pblicos,
t2: Eliminacin de carros de diesel,
t3: Un da sin circulacin y
t4: No permitir correr por arriba de 80Km/hr,
E n diver sa s ciu da des del pa s (Cd. De Mxico, Gu a da la ja r a , Mon t er r ey y
Puebla), du r a n t e la s 4 semanas de J u lio (I, II, III y IV). E l pa r m et r o a
m edir fu e el S0 2 en g/m3 , (n dice r ecom en da do 40 g/m3 ) los r esu lt a dos
obtenidos fueron los siguientes:
Semanas
Ciudad
A
B
C
D
I
t1-80
t2-69
t3-71
t4II
t 4-93
t 1-83
t2-72
t3III
t 3-85
t 43-88
t1-69
t2IV
t 2-xx
t 3t4t1E xist en difer en cia s en t r e la s difer en t es Medida s con t r a la
contaminacin? Explique.
Existen diferencias entre las diferentes Ciudades? Explique.
Existen diferencias entre las diferentes Semanas? Explique.
30.E l t r a t a m ien t o con la h or m on a pr ogest er on a pu ede a yu da r a pr even ir
el pa r t o pr em a t u r o en t r e la s m u jer es de a lt o r iesgo. P or lo qu e se
r ea liza u n est u dio pa r a eva lu a r los n iveles de pr ogest er on a en m u jer es
em ba r a za da s qu e h a n t en ido a bor t os pr evios, la s eda des de la s
participantes son de: 20, 25, 30, 35 y 40 a os, y se eva l a n los n iveles
Edades
durante
los
m eses
de Mes
20
25
30
35
40
gest a cin (3, 4, 5, 6 y 7).
3
t5-90
t4-88
t3-85
t4-82
t1-80
Despu s de eva lu a r qu e n o
4
t1-88 t5-86 t4-83 t3-80 t2-78
t u vier a n
br u celosis
ni
5
t2-85 t1-83 t5-79 t4-77 t3-75
t oxopla sm osis,
se
les 6
t3-81 t2-80 t1-76 t5-74 t4-72
suministro u n der iva do de la 7
t4-77 t3-76 t2-73 t1-70 t5-69
progest er on a en dosis de
(100, 150, 200, 250 y 300 mg)
Tapachula, Chiapas. Mxico.
72
Referencias
Arnau Gras, J.. Diseos Experimentales
Multivariables. Alianza Editorial, Madrid. 1990.
Box, G., Hunter, W.G. and Hunter, J.S. Estadstica
para Investigadores. Introduccin al Diseo de
Experimentos, Anlisis de Datos y Construccin de
Modelos. Editorial Revert. 2002.
Cochran, W.G. y Cox, G.M. Diseos Experimentales.
Trillas, Mxico. 1995.
Cox, D.R. Planning of Experiments. Wiley, New York.
1992.
Dean, A. y Voss, D. Design and Analysis of
Experiments. Springer-Verlag, New York. 1999.
Douglas C. Montgomery, Diseo y Anlisis de
Experimentos. Grupo Editorial Iberoamerica, 1991.
Hair J.F., Anderson R.E., Tatham R.L., Black W.C.:
"Anlisis Multivariante", Ed. Prentice Hall, 5 edicin.
1999,
Hinkelmann, K. Design and analysis of experiments.
John Wiley & Sons, N.Y. (2005).
Jobson, J.D. Applied Multivariate Data Analysis.
Volume I: Regression and Experimental Design.
Springer-Verlag, New York. 1991.
Kempthorne O. The Design and Analysis of
Experiments.John Wiley and Sons. , New York, 1952,
Lara, A.M. Diseo estadstico de experimentos,
anlisis de la varianza y temas relacionados:
tratamiento informtico mediante SPSS. Proyecto Sur
de Ediciones, Granada. 2001.
Lindman, H.R. Analysis of Variance in Experimental
Design. Springer-Verlag, N.Y. 1992.
Montgomery, D.C. Diseo y Anlisis de Experimentos.
Limusa, Mxico. 2003.
73
74
P a r t e II:
Modelos Cl sicos
Ca pit u lo VI:
Diseos Incompletos
n la exper im en t a cin es fr ecu en t e, por diver sa s ca u sa s, qu e se
pier da n la s obser va cion es de u n a o va r ia s u n ida des
experimentales, oca sion a n do, qu e el exper im en t o pier da
simetra, complicando el mtodo de anlisis.
El caso ms simple es cuando se pierde slo la observacin de una unidad
experimental en los dise os simples; en est e ca so el va lor perdido se
puede estimar con una frmula sencilla; el valor estimado se inserta en el
lu ga r qu e le cor r espon de a la u n ida d exper im en t a l don de se per di la
obser va cin y se com plet a el a n lisis con la r u t in a u su a l de c lcu lo,
r est a n do u n gr a do de liber t a d a l t r m in o de er r or , debido a la est im a cin
del va lor per dido. E s u n pr ocedim ien t o n o m u y exa ct o, per o
suficientemente confiable.
Cu a n do se t ien en dos o m s u n ida des exper im en t a les pr dida s, pu ede
recurrirse a varios procedimientos para resolverlos:
1. Rea liza r el a n lisis del exper im en t o em plea n do el m t odo
gen er a l de a n lisis ba sa do en el m odelo de la cla sifica cin de
doble en t r a da , con n m er os desigu a les en la s su bcla ses y sin
interaccin.
2. E st im a r los va lor es per didos a t r a vs de la t cn ica de la
covarianza mltiple.
3. Media n t e el u so
computacionales.
de
pr ocedim ien t os
da dos
en
pa qu et es
75
Valor estimado de y ij
T i=
B j=
G=
t=
Nmero de tratamientos
r=
Nmero de Bloques
76
Con:
B j=
^
Yij= Valor estimado de la parcela prdida
t=
Nmero de tratamientos
77
78
x1 = (t-1) (r-1) (t T1 + r B1 - G) - (t T2 + r B2 - G)
[ (t-1)(r-1) ]2 - 1
x2 = (t-1) (r-1) (t T2 + r B2 - G) - (t T1 + r B1 - G)
[ (t-1)(r-1) ]2 - 1
Un a vez ca lcu la dos los da t os en cu a lesqu ier a de la s posibilidades,
se su st it u yen en el cu a dr o de con cen t r a cin de da t os, se obt ien e el
ANVA r edu cien do en dos u n ida des (-2) los gr a dos de liber t a d en el
error.
79
Ejemplo:
y. j
19.7
19.6
27.6
27.2
28.2
27.3
149.6
x2 = (t-1) (r-1) (t T2 + r B2 - G) - (t T1 + r B1 - G)
[ (t-1)(r-1) ]2 1
x2= (4-1)(6-1) [(4)(34.7)+(6)(19.6)-149.6] - [(4)(32.7)+(6)(19.7)-149.6]=6.70
[(4-1)(6-1)]2 -1
Los va lor es est im a dos se in t r odu cen en la s pa r cela s per dida s y se
recalculan los totales afectados:
Bloque
I
II
III
IV
V
VI
yi.
1
7.3
7.2
7.6
7.2
7.5
7.6
44.4
Tratamientos
2
3
4
6.18
6.7
5.7
5.5 6.70
6.9
6.8
6.8
6.4
6.5
7.4
6.1
6.8
7.5
6.4
7.1
6.3
6.3
38.9 41.4 37.8
y. j
25.88
26.3
27.6
27.2
28.2
27.3
162.5
E l exper im en t o se
a n a liza n or m a lm en t e,
slo qu e los gr a dos de
liber t a d del E r r or y
Tot a l se dism in u yen
en uno (-2).
80
C1 C2 C3 C4
H1 T1 T2 T3 T4
E l va lor de la obser va cin per dida Yijk se est im a
con:
H2 T4 T1 T2 T3
^
t (H +C + T ) -2G
Yijk = ----------------------(t-1)(t-2)
H3 T3 T4 T1 T2
H4 T2 T3 T4 T1
Donde:
^
Yijk=
H=
C=
T=
G=
t=
Nmero de tratamientos
G - H - C - (t -1) T2
= -------------------------[(t-1) (t-2)]2
81
C1 C2 C3 C4
H1 T1 T2 T3 T4
H2 T4 T1 T2 T3
H3 T3 T4 T1 T2
H4 T2 T3 T4 T1
82
C1 C2 C3 C4
H1 T1 T2 T3 T4
H2 T4 T1 T2 T3
H3 T3 T4 T1 T2
H4 T2 T3 T4 T1
T 1 , T2 , H1 y H2 definidos anteriormente
C 12= Total de la columna donde faltan X1 y X2
C1 C2 C3 C4
H1 T1 T2 T3 T4
H2 T4 T1 T2 T3
H3 T3 T4 T1 T2
H4 T2 T3 T4 T1
I
II
III
IV
V
Y..k
Columnas
I
II
III
t3
10 t5
8 t2
14
t5
7 t2
12 t4
?
t2
13 t4
12 t1
16
t1
14 t3
13 t5
10
t4
14 t1
16 t3
15
58
61
55
IV
t4
t1
t3
t2
t5
V
13
17
15
16
12
73
t1
t3
t5
t4
t2
Y.j.
17
16
11
16
18
78
62
52
67
69
75
325
t4 = 14+12+13+16 = 55
Tapachula, Chiapas. Mxico.
83
Com o solo se perdi u n a obser va cin el va lor de la obser va cin per dida
Yijk se estima con:
^
Yijk
t (H +C + T ) -2G
= ----------------------(t-1)(t-2)
= 5 (52+55+55) -2(325) = 13.33
(5-1) (5-2)
H
i
l
e
r
a
s
I
I
II
III
IV
V
Y..k
t3
t5
t2
t1
t4
10
7
13
14
14
58
t5
t2
t4
t3
t1
Columnas
II
III
8 t2
14
12 t4
13.3
12 t1
16
13 t5
10
16 t3
15
61
68.3
IV
t4
t1
t3
t2
t5
V
13
17
15
16
12
73
t1
t3
t5
t4
t2
Y.j.
17
16
11
16
18
78
62
65.33
67
69
75
338.3
t4 = 14+12+13.3+13+16 = 68.3
E l exper im en t o se a n a liza en for m a n or m a l pa r a obt en er el ANVA
correspondiente, restndosele un grado de libertad, al Error y al total.
Referencias
Box, G., Hunter, W.G. and Hunter, J.S. Estadstica
para Investigadores. Introduccin al Diseo de
Experimentos, Anlisis de Datos y Construccin de
Modelos. Editorial Revert. 2002.
Cochran, W.G. y Cox, G.M. Diseos Experimentales.
Trillas, Mxico. 1995.
Dean, A. y Voss, D. Design and Analysis of
Experiments. Springer-Verlag, New York. 1999.
Tapachula, Chiapas. Mxico.
84
85
P a r t e II:
Modelos Cl sicos
Ca pit u lo VII:
Com pa r a cin de Media s de
Poblaciones o Tratamientos
ebido a qu e el anlisis de la va r ia n za de los Dise os Sim ples
n ica m en t e n os in dica qu e a lgu n os t r a t a m ien t os son difer en t es,
la siguiente pr egu n t a obliga da es Qu in es son difer en t es?, por
lo qu e el pr oblem a a h or a es com o h a cer le pa r a poder con ocer qu ien es son
difer en t es en t r e s. P a r a poder est a blecer la s difer en cia s t en em os qu e
u t iliza r el r ecu r so est a dst ico de la s com pa r a cion es de m edia s. Sin
em ba r go est a s comparaciones solo pu eden ser u t iliza da s h a st a qu e se ha
probado con la prueba de F, el juego de hiptesis:
Ho:
1 = 2 =.......= i
VS
Ha: al menos un
es diferente
VS
Tipos de Tratamientos
La m et odologa a pr opia da pa r a la com pa r a cin de t r a t a m ien t os depen de
de la n a t u r a leza de los m ism os; los cu a les se pu eden cla sifica r com o se
observa en el cuadro 16.
Cuadro 16.- Clasificacin de los tratamientos
Sin Estructura no es posible asignar
una escala numrica con
Tapachula, Chiapas. Mxico.
86
Con
Estructura
Se pu ede a gr u pa r con
sen t ido
a
a lgu n a (s)
caracterstica(s)
87
V.S.
Ha:
i con
88
Mediante el estimador:
_ _
DMSii = ( ,GL Error) (S(Yi -Yi)
En donde: DMSii = Estimador
,GL Error = Valor de t en la tabla
S ( yi
yi ' )
CMError
1
ni
1
ni '
DMSii ' t (
,GLE )
CMError
1
ni
1
ni '
89
291
58.20
D2
56
54
60
58
52
59
54
393
56.14
= 13
D3 GLE
= 9.743
67 CME
64 0.01,13 = 3.012
58 1.- Se ordenan las medias.
T3 = 63.50
65
T1 = 58.20
T2 = 56.14
2.- Se calculan los estimadores DMSii
254
63.50
DMS
12
( 3 . 012 )
9 . 743
1
5
1
7
5 .5
DMS
13
( 3 . 012 )
9 . 743
1
5
1
4
6 .3
DMS
23
( 3 . 012 )
9 . 743
1
7
1
4
5 .9
90
Mtodo de Duncan
E st e m t odo fu e desa r r olla do por Du n ca n en 1951, t r a t a n do de en con t r a r
mtodos de comparaciones mltiples ms eficientes que el de la DMS. Ha
tenido poca aceptacin, debido a qu e es u n m t odo a pr oxim a do qu e t ien e
poco control del error tipo I.
Ta m bin es con ocido com o pr u eba de t m odifica da . La pr u eba de r a n go
mltiple de Duncan; utiliza una tabla de t modificada por Duncan.
Se ca lcu la n va lor es est u den t iza dos pa r a ca da u n a de la s com pa r a cion es
de m edia s a dya cen t es, a s com o pa r a a qu ella s qu e est n sepa r a da s por
ot r a s (se pu ede com pa r a u n t r a t a m ien t o con t r a t odos los dem s); es de
t ipo secuencial. E s n ecesa r io qu e los t r a t a m ien t os t en ga n el m ism o
nmero de repeticiones.
La ven t a ja de est a pr u eba es qu e n o se n ecesit a qu e el va lor de F sea
sign ifica t ivo pa r a poder u sa r la . P er m it e h a cer com pa r a cion es m lt iples
de todas las medias de tratamientos, sin restricciones.
El anlisis consiste en probar el juego de hiptesis:
Ho: i=
Mediante el estimador:
V.S.
Ha:
RMEii = S(
i con
,p,GL Error)
En donde:
RMEii(Rango Mnimo de Error)= Estimador
P= No. de medias en el rango de la prueba
Sy
CMError
r
El procedimiento es:
1) Se ordenan las medias de los tratamientos
2) Se ca lcu la el est im a dor RME , con los va lor es de t en la t a bla de
rangos estudentizados para el nmero de medias en el rango.
3) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de dos
medias es mayor que el valor de RME, entonces se rechaza Ho: i= i,
en caso contrario no se rechaza Ho: i= i, esto es:
Rechazar Ho: i= i
91
Ejemplo:
T1 T2 T3 T4
Y.j
II
F.V.
G.L.
Tratam
3
.
Bloques
4
S.C.
12.55
0
3.755
Error
8.345
Yi. 25
32
21
27
105
12
C.M.
4.183
0
0.938
7
0.695
4
F
6.015*
*
1.35ns
Trat.
Total Media19 24.65
T2=
6.4 a
0
T4=
5.4 a
T1=
5.0 a b
T3=
4.2
b
Sy
CMError
r
=
p
t
Sy
RME
0.6954
5
0.3729
0.05
2
3.08
0.3729
1.15
3
3.23
0.3729
1.20
4
3.33
0.3729
1.24
92
Mediante el estimador:
V.S.
Ha:
RMEp = S q(
i con
,p,GL Error)
En donde:
RMEp = Estimador
CMError
r
Sy
,p,GL Error)=
valor t Modificado
El procedimiento es:
1) Se ordenan las medias de los tratamientos
2) Se ca lcu la el est im a dor RME p, con los va lor es de t en la t a bla de
rangos estudentizados para el nmero de medias en el rango.
3) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de dos
medias es mayor que el valor de RMEp, entonces se rechaza Ho: i= i,
en caso contrario no se rechaza Ho: i= i, esto es:
Rechazar Ho: i= i
93
Ejemplo:
T1 T2 T3 T4
Y.j
II
F.V.
G.L.
Tratam
3
.
Bloques
4
S.C.
12.55
0
3.755
Error
8.345
Yi. 25
32
21
27
105
12
C.M.
4.183
0
0.938
7
0.695
4
F
6.015*
*
1.35ns
Trat.
Total Media19 24.65
T2=
6.4 a
0
T4=
5.4 a
T1=
5.0 a b
T3=
4.2
b
Sy
CMError
r
0.6954
5
0.3729
RMEp = S q(
,p,GL Error)
=
=
=
(0.3729)(3.33) =
3.33
0.05
1.24
94
Mtodo de Tukey
E s u n a pr u eba qu e se em plea pa r a h a cer t oda s la s com pa r a cion es
m lt iples qu e son posibles con t t r a t a m ien t os; ba sa da en la dist r ibu cin
del rango estandarizado.
Se le con oce con el n om br e de Difer en cia Sign ifica t iva H on est a (DSH ), en
virtud de que mantiene el nivel de significancia sin alterar.
E l n m er o de com pa r a cion es m lt iples posibles son t (t -1)/2. E st a pr u eba
n o es secu en cia l, y considera u n va lor t er ico com n pa r a la s
comparaciones posibles.
E s exa ct a cu a n do los t r a t a m ien t os t ien en el m ism o n m er o de
r epet icion es, y pa r a m edia s qu e n o h a n sido a ju st a da s por cova r ia n za
(diseos incompletos).
Con este mtodo se prueba el juego de hiptesis:
Ho: i=
Mediante el estimador:
V.S.
Ha:
DHS = S Q(
i con
,p,GL Error)
CMError
r
Sy
En donde:
DHS = Estimador
Q(
,p,GL Error)=
p = Nmero de tratamientos
El procedimiento es:
1) Se ordenan las medias de los tratamientos
2) Se ca lcu la el est im a dor DSH , con los va lor es de Q en la t a bla de
rangos estandarizados para el nmero de medias en el rango.
3) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de dos
m edia s es m a yor qu e el va lor de DSH , en t on ces se r ech a za H o: i= i,
en caso contrario no se rechaza Ho: i= i, esto es:
Tapachula, Chiapas. Mxico.
95
Rechazar Ho: i= i
Ejemplo:
T1 T2 T3 T4
Y.j
F.V.
II
G.L.
S.C.
3
4
12
19
12.550
3.755
8.345
24.650
Tratam.
Bloques
Error
Total
C.M.
4.1830 6.015**
0.9387 1.35ns
0.6954
Yi. 25
32
21
27
105
Trat. Media
T2=
6.4 a
T4=
5.4 a b
T1=
5.0 a b
T3=
4.2
b
Sy
CMError
r
0.6954
5
Q(
0.3729
,p,GL Error)=
DHS = S Q(
Q(0.05,5,12) =
=
,t,GL Error)
(0.3729)(4.20)
4.20
0.05
=
=
1.56
96
Mtodo de Scheff
E s u n m t odo m s gen er a l, se ba sa en la dist r ibu cin F ; sin em ba r go, se
con sider a m s est r ict a qu e la s dem s, por lo qu e en la pr ct ica es
frecuente usarla al 10% de significanca.
E s m s exa ct o qu e la s com pa r a cion es m lt iples ba sa da s en el r a n go
est a n da r iza do, ya qu e se pu ede u t iliza r pa r a com pa r a r m edia s
proven ien t es de t r a t a m ien t os con igu a l o desigu a l t a m a o (r i r i) y pa r a
medias que han sido ajustadas por covarianza.
Ta m bin pu ede em plea r se pa r a pr oba r la h ipt esis gen er a l de qu e u n a
funcin lineal de las medias poblacionales es igual a cero.
El juego de hiptesis a probar es:
Ho: i=
V.S.
Ha:
i con
Mediante el estimador:
Si las repeticiones de los tratamientos son diferentes:
SCHEFFE
1 F
, t 1, GLError
CMError
1
ni
1
ni '
SCHEFFE
t 1 F
,t 1,GLError
2CMError
r
Donde:
Scheff = Estimador
n i = Nmero de repeticiones del tratamiento i
n i = Nmero de repeticiones del tratamiento ,
t = Nmero de tratamientos
97
El procedimiento es:
1) Se ordenan las medias de los tratamientos
2) Se ca lcu la el est im a dor Sch eff, con los va lor es de Q en la t a bla de la
dist r ibu cin F , con el CME r r or , el n m er o de t r a t a m ien t os y el n ivel
de significancia .
3) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de dos
m edia s es m a yor qu e el va lor de Sch eff, en t on ces se r ech a za H o:
i = i, en caso contrario no se rechaza Ho: i = i., esto es:
Rechazar Ho: i= i
T1 T2 T3 T4
Y.j
II
F.V.
Tratam.
Bloques
Error
Total
G.L.
S.C.
3 12.550
4 3.755
12 8.345
19 24.650
C.M.
4.1830 6.015**
0.9387 1.35ns
0.6954
Yi. 25
32
21
27
105
Trat. Media
T2=
6.4 a
T4=
5.4 a b
T1=
5.0 a b
T3=
4.2
b
t 1 F
,t 1,GLError
2CMError
r
4 1 3.49
2(0.6954)
5
1.70
98
Mtodo de Dunnett
E st e m t odo es r ecom en da ble cu a n do el in t er s en u n exper im en t o es
comparar un grupo de tratamientos con un testigo o tratamiento control.
Con este mtodo se prueba el juego de hiptesis:
Ho: t =
V.S.
Ha:
i con
i = 1, 2, 3,....,t
S yt
,p,GLError)
yi
2(CMError )
r
P = t-1
t(
,p,GLError)
t = Nmero de tratamientos
El procedimiento es:
1) Se ca lcu la el est im a dor F D , con lo va lor es de t D en la t a bla de t de
Dunnett.
2) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de la m edia
del t est igo y cu a lqu ier ot r a m edia es m a yor qu e el va lor de F D ,
en t on ces se r ech a za H o: t= i, en ca so con t r a r io n o se r ech a za H o:
t= i, esto es:
Rechazar Ho: t= i
99
1.
DMS
2.
DUNCAN
3.
S-N-K
4.
DUNNETT
5.
TUKEY
6.
SCHEFF
Referencias
Box, G., Hunter, W.G. and Hunter, J.S. Estadstica
para Investigadores. Introduccin al Diseo de
Experimentos, Anlisis de Datos y Construccin de
Modelos. Editorial Revert. 2002.
Cochran, W.G. y Cox, G.M. Diseos Experimentales.
Trillas, Mxico. 1995.
Cox, D.R. Planning of Experiments. Wiley, New York.
1992.
Dean, A. y Voss, D. Design and Analysis of
Experiments. Springer-Verlag, New York. 1999.
Douglas C. Montgomery, Diseo y Anlisis de
Experimentos. Grupo Editorial Iberoamerica, 1991.
Hair J.F., Anderson R.E., Tatham R.L., Black W.C.:
"Anlisis Multivariante", Ed. Prentice Hall, 5 edicin.
1999,
Tapachula, Chiapas. Mxico.
100
101
P a r t e II:
Modelos Cl sicos
Ca pit u lo VIII:
Com pa r a cion es Or t ogon a les
102
Comparaciones Independientes
Tambin se les con oce com o com pa r a cion es pla n ea da s u or t ogon a les; se
disean segn las necesidades de cada investigador.
La s com pa r a cion es son in depen dien t es cu a n do ca da m edia de
tratamiento a pa r ece n ica m en t e en u n a com pa r a cin , a u n qu e pu ede
aparecer varias veces en un conjunto como miembro de dicho conjunto.
E n el ca so de t r a t a m ien t os cu a lit a t ivos sin est r u ct u r a el m t odo ms
sensible para det ect a r difer en cia s, es el qu e se r ea liza a t r a vs del
est im a dor DMS; el cu a l con sist e en ca lcu la r u n va lor de DMS, pa r a ca da
pa r de m edia s de t r a t a m ien t os en comparacin; por lo qu e debido a est a s
ca r a ct er st ica s del est im a dor t a m bin es posible u t iliza r lo pa r a
tratamientos cualitativos con estructura.
El juego de hiptesis a probar es:
Ho: Ci=0
V.S.
Ha: Ci 0
DMS
CMError
n1
CMError
n2
En donde:
t =
2)
3)
103
4)
VS
Ha1 : Ta+Tb+Tc+Td
VS
Ha2 : Ta+Tb+Tc
VS
Ha3 : Ta+Tb
Ho3 : Ta = Tb
VS
Ha3 : Ta
4Tt
3Td
2Tc
Tb
c1:
Ta
Tb Tc Td
4
c2 :
Ta Tb Tc
Td
3
c3 :
Ta Tb
Tc
2
Tt
c4 : Ta Tb
Tapachula, Chiapas. Mxico.
104
I
II
III
IV
T1
16
19
16
19
T2
24
28
20
21
T3
28
18
23
20
T4
19
16
16
17
T5
16
25
22
22
T6
27
16
17
18
T7
30
23
25
24
T8
8
10
18
19
Yi.
70
93
89
68
85
78
102
55
i .
17.5
23.25
22.5
17
21.25
19.5
25.5
13.75
Y.J
168
155
157
160
105
c1:
c2 :
T1 T2
T1
T2
T3 T4
7
T3
T4
T5 T6 T7
T5
5
T6
T8
T7
c3: T1 T2
c4 :
T3 T4
2
T5 T6 T7
3
c5: T3 T4
c6: T5
T6 T7
2
c7 : T6 T7
106
S.C. Total =
ni
i=1
2
j=1Y ij
- (Y..)2/n.
13560
S.C. Tratamientos =
- (Y..)2/n.
[(70) +......+(55)2]/4 - 12800 =13208 - 12800 = 408
S.C. Error =
FV
Tratam.
Error
Total
GL
7
24
31
t
2
i=1(Yi.) /ni
2
SC
408
352
760
CM
58.286
14.66
Fc
3.974**
Ft0.05
2.43
Ft0.01
3.70
c1 :
c1:
T1
T2
T3
T4
7
T5
T6
T7
T8
c1 :
1 4 6 .2 5
7
DMS
1 3 .7 5
2 0 .8 9 3
CMError
n1
1 3 .7 5
7 .1 4 2
CMError
n2
t = 2.797
Tapachula, Chiapas. Mxico.
107
DMS
2.797 14.667
C1 > DMS
--------->
1
28
1
4
5.73
108
Contrastes Ortogonales
Son pr u eba de com pa r a cin de t r a t a m ien t os qu e el in vest iga dor debe
saber a n t es de in icia r su exper im en t o; debien do con ocer qu e
com pa r a cion es de t r a t a m ien t os son los qu e le va n a da r la in for m a cin
deseada.
E l m t odo con sist e en descom pon er los gr a dos de liber t a d y la su m a de
cu a dr a dos pa r a t r a t a m ien t os en com pa r a cion es com pon en t es; pudiendo
consistir en comparaciones de clase o de tendencia de respuesta.
E xist en t -1 con t r a st es or t ogon a les; si son bien seleccion a dos pu eden
r espon der t a n t a s pr egu n t a s com o gr a dos de liber t a d de t r a t a m ien t os
existan, conduciendo a afirmaciones de probabilidad bien definidas.
E s u n m todo poco u sa do por los in vest iga dor es, debido a qu e en m u ch a s
de la s oca sion es se pien sa qu e es m u y difcil y com plica do, per o en
realidad tiene ventajas, como son:
1)
2)
3)
109
Contraste
Ho1 : 3t1 = t 2 +t 3 t 4
C 1 : 3t1 -t 2 -t 3 -t 4 =0
Ho2 : t1 +t2 = t 3 +t 4
C 2 : t1 +t2 -t 3 -t 4 =0
C 3 : t1 +t2 -2t3 =0
Un a vez pla n t ea dos los con t r a st es, se pr ocede a la con st r u ccin del
cuadro de los coeficien t es de los con t r a st es (ver cu a dr o 17), los cu a les la
su m a t or ia deber ser igu a l a cer o; en ca so con t r a r io el con t r a st e y por
consecuencia la hiptesis fue mal planteada.
Cuadro 17.- Coeficientes de los contrastes
T1
T2
T3
T4
C1
3
-1
-1
-1
=0
C2
1
1
-1
-1
=0
C3
1
1
-2
0
=0
Com o se pu ede obser va r en la t a bla de los coeficien t es la s su m a t or ia s son
igu a les a cer o, por lo qu e los contrastes y la s h ipt esis est n bien
pla n t ea dos; sin em ba r go a n n os fa lt a eva lu a r la or t ogon a lida d de los
contrastes por lo que se procede a dicha evaluacin
As qu e se con sider a qu e dos o m s com pa r a cion es se lla m a n or t ogon a les,
si la su m a del pr odu ct o de su s coeficien t es cor r espon dien t es es igu a l a
cero (ver cuadro 18).
Cuadro 18.- P roducto de los coeficientes
C1y C2
3*1
-1*1
-1*-1 -1*-1
=4
C1y C3
3*1
-1*1
-1*-2 -1*0
=4
C2 y C3
1*1
1*1
-1*-2 -1*0
=4
110
Ho:
t
i=1
i i=0
VS
Ha:
t
i=1
i i
2)
C j2
SCCi
t
2
ij
i 1
C j=
Con:
3)
t
i=1
ij i=0
t
i=1
i1
i2
=0
11 1 + 12 2 + 13 3 +.......+ 1i 1i
C 2=
21 1 + 22 2 + 23 3 +.......+ 2i 2i
111
SCTRAT
C12
C22
C32
2
i1
2
i2
i 1
i 1
.....
2
i3
C(2t
1)
t
2
( t 1)
i 1
i 1
el
ejem plo
pr esen t a do
en
el
t em a
C 3 :T1 -T 2 =0
Ho5 : T3 =T4
C 5 :T3 -T 4 =0
C 6 :2T5 -T 6 -T 7 =0
Ho7 : T6 =T7
C 7 : T6 -T 7 =0
112
C1
C2
C3
C4
C5
C6
C7
T1
T2
T3
T4
T5
T6
T7
T8
1
5
1
0
0
0
0
1
5
-1
0
0
0
0
1
-2
0
3
1
0
0
1
-2
0
3
-1
0
0
1
-2
0
-2
0
2
0
1
-2
0
-2
0
-1
1
1
-2
0
-2
0
-1
-1
-7
0
0
0
0
0
0
C j2
SCCi
t
2
ij
i 1
SCC1
T1
4
8
1
(1) 2
T2
(1) 2
T3
(1) 2
T4
T5
(1) 2
T6
(1) 2
2
T7
7T 8
(1) 2
(1) 2
SCC1
70 93 89 68 85 78 102 7(55)
( 4)(1 1 1 1 1 1 1 49)
SCC2
SCC 3
70 93
( 4)(1 1)
SCC 4
SCC5
89 68
( 4)(1 1)
529
8
441
8
40000
224
( 7)2
178.57
2
841
280
3004
.
66.125
2
3481
120
29.008
55125
.
113
SCC 6
2(85) 78 102
( 4)( 4 1 1)
SCC 7
78 102
( 4)(1 1)
576
8
100
24
4.166
72
SCtrat= SCCj=178.571+3.004+66.125+29.008+55.125+4.166+72=408
S.C. Total =
S.C. Error =
t
i=1
ni
j=1Y2ij
- (Y..)2/n.
G.L.
t -1=7
1
1
1
1
1
1
1
t(r-1)=24
tr-1=31
S.C.
408
178.571
3.004
66.125
29.008
55.125
4.166
72
352
C.M.
58.286
178.571
3.004
66.125
29.008
55.125
4.166
72
14.667
Fc
3.97n.s
12.175**
0.205n.s
4.508*
1.978n.s.
3.758n.s.
0.284n.s.
4.909*
Fto.o5
4.35
4.35
4.35
4.35
4.35
4.35
4.35
4.35
Fto.o1
8.01
8.01
8.01
8.01
8.01
8.01
8.01
8.01
C1
C2
C3
C4
C5
C6
C7
12.175**
0.205n.s
4.508*
1.978n.s.
3.758n.s.
0.284n.s.
4.909*
Si demuestran efectividad
Son igualmente efectivos
Uno de los antimicticos mercricos funciona mejor
Protegen igual
Protegen igual
Protegen igual
Un o de los a n t im ict icos de la s n u eva s for m u la cion es de
T5 funciona mejor
114
115
116
T1
T2
T3
T4
T5
CTX PEF
TE
GE
CAZ
(mm) (mm) (mm) (mm) (mm)
0
290
280
280
0
0
250
300
280
260
160
260
270
280
0
0
250
0
250
150
0
250
240
270
160
0
280
300
290
0
140
260
300
280
0
0
270
270
290
170
0
260
290
250
240
0
250
300
290
240
0
230
300
280
200
0
230
270
290
220
160
190
260
250
0
130
240
270
290
210
220
290
270
290
200
0
160
290
250
0
0
230
230
250
0
0
260
270
0
270
180
230
290
290
240
0
260
250
270
260
0
250
230
0
230
T4- GE:
Referencias
Arnau Gras, J.. Diseos Experimentales Multivariables.
Tapachula, Chiapas. Mxico.
117
118
119
Experimentos Factoriales
Se conocen como exper im en t os fa ct or ia les a a qu ellos en los qu e se
est u dia n con ju n t a m en t e dos o m s fa ct or es en u n m ism o t r a t a m ien t o
difer en ci n dose de los exper im en t os sim ples en los qu e sola m en t e se
estudia un factor por tratamiento.
An t es qu e n a da es n ecesa r io sa ber qu e u n fa ct or es u n a cla se de
t r a t a m ien t os, y en exper im en t a cin fa ct or ia l, t odo fa ct or pr opor cion a r
va r ios t r a t a m ien t os, a t r a vs de la s com bin a cion es de los n iveles de ca da
factor, por lo que se considera que: Un experimento factorial es aquel en
el qu e el con ju n t o de t r a t a m ien t os con sist e en t oda s la s com bin a cion es
posibles de los niveles de varios factores.
E l t r m in o factorial im plica el con cept o de u n dise o de t r a t a m ien t os, es
decir, la seleccin de los fa ct or es a est u dia r , su s n iveles y la com bin a cin
de ellos, siendo independiente del Diseo Experimental.
E n vir t u d de qu e en est os exper im en t os los t r a t a m ien t os pr ovien en de
com bin a cion es de va r ios n iveles de difer en t es fa ct or es y se eva l a n con
u n dise o sim ple, t a m bin se dicen qu e son a r r eglos exper im en t a les, y n o
un diseo propiamente dicho.
Puede considerarse dos tipos fundamentales de experimentos factoriales:
1)
2)
120
Ventajas
La r a zn pr in cipa l de est u dia r dos o m s fa ct or es en for m a con ju n t a es
ver com o ca m bia la r espu est a a nte los n iveles de u n fa ct or en pr esen cia
de los niveles del otro factor, es decir, ver si los factores interactan entre
si.
Otras ventajas, en el uso de este tipo de arreglos son:
1)
2)
Desventajas
Debido a qu e los exper im en t os fa ct or ia les r equ ier en de u n gr a n n m er o
de t r a t a m ien t os, sobr e t odo cu a n do se est u dia n m u ch os fa ct or es con
muchos niveles, se tienen las siguientes desventajas:
1)
2)
3)
El Modelo
E n los a r r eglos fa ct or ia les se com bin a n el dise o de t r a t a m ien t os y el
diseo simple del experimento, correspondindole un modelo matemtico;
por ejem plo: si el Dise o E xper im en t a l es u n Dise o de Bloqu es a l Azar,
el modelo es:
Yij = + i + j + ij con ij N(0, 2 )
E n el exper im en t o fa ct or ia l, los t r a t a m ien t os se for m a n com bin a n do
n iveles de los fa ct or es en est u dio, de m a n er a qu e el efect o de
tratamientos i se con sider a a su vez com pu est o de los efect os de los
fa ct or es y su s in t er a ccion es. P or lo qu e el m odelo de los t r a t a m ien t os, por
ejemplo, para dos factores en estudio ser:
i
en donde:
Ak + Bl + (AB)kl
Ak =
Bl =
(AB)kl=
k = 1,2,... n1
l = 1,2,... n2
j = 1,2,... r
ijk
i = 1,2,..., n1
j = 1,2,..., n2
k = 1,2,..., r
122
Notacin
La m a yor a de los a u t or es coin ciden en h a cer la n ot a cin de los fa ct or es
por let r a s m a y scu la s; por ejem plo: los fa ct or es A, B, C, los n iveles de los
fa ct or es se den ot a n con let r a s m in scu la s con su bn dices; por ejem plo: el
fa ct or A t ien e los n iveles a 0, a 1, a 2 ..., siendo com n in icia r la n u m er a cin
de los niveles en cero.
Los t r a t a m ien t os se pu eden den ot a r con sider a n do la com bin a cin de los
n iveles de los fa ct or es A y B con n iveles, por ejem plo: a 0, a 1 y b 0, b 1
r espect iva m en t e, los t r a t a m ien t os se den ot a n por a 0 b 0, a 0 b 1, a 1 b 0, a 1 b 1 .
Ot r a for m a de den ot a r los t r a t a m ien t os es con sider a r solo el su bn dice
del n ivel; por ejem plo, los t r a t a m ien t os a n t er ior es se pu eden den ot a r de
la forma: 00, 01, 10, 11; en cada par, el primer nmero se refiere al factor
A y el segundo al factor B y as sucesivamente.
P a r a den ot a r el t ipo de exper im en t o fa ct or ia l en cu a n t o a l n m er o de
factores y niveles de cada factor, se considera la siguiente notacin:
La n ot a cin en el ca so de los fa ct or ia les a sim t r icos, se h a ce in dica n do el
pr odu ct o de los n iveles de ca da fa ct or , es decir si se t ien en 3 fa ct or es: A
con p n iveles, B con q n iveles y C con r n iveles, en t on ces se dice qu e
es un factorial p x q x r .
La notacin en el caso de los factoriales simtricos, se hace mediante una
expr esin expon en cia l en el cu a l la ba se in dica el n m er o de n iveles y el
exponente el n m er o de fa ct or es, es decir , si se t ien en n fa ct or es a dos
n iveles ca da u n o, se dice qu e es u n fa ct or ia l 2 n , si se t ien en 3 n iveles de
cada factor, es un factorial 3n .
En el caso del factorial 2 n se tiene:
n efectos principales.
N(n-1)/2! Interacciones de 2 factores (primer orden).
N(n-1)(n-2)/3! Interacciones de 3 factores (segundo orden).
N(n-1)...(n-r+1) ! interacciones de r factores (r-1 orden)
123
Anlisis Estadstico
E l ANVA pa r a u n a r r eglo fa ct or ia l se obt ien e ca lcu la n do la s su m a s de
cu a dr a dos de los efect os pr in cipa les y de la s in t er a ccion es, la s qu e se pu eden
obtener por medio de dos procedimientos:
A) Por contrastes ortogonales.
B) Por medio del modelo estadstico correspondiente.
124
M.C.
0
1
M.O.
0
1
17.2 19.2
17.2 25.4
Se calcula el estimador:
DMS
t(
, gle )
2 CME
r
t ( 0 . 01 ,12 )
2 CME
r
( 3 . 428 )( 0 . 3439 )
1 . 1791
EE
2CMErr
ra
EE
2CMErr
rb
125
pr in cipa les
Referencias
Arnau Gras, J.. Diseos Experimentales Multivariables.
Alianza Editorial, Madrid. 1990.
Cochran, W.G. y Cox, G.M. Diseos Experimentales. Trillas,
Mxico. 1995.
Cox, D.R. Planning of Experiments. Wiley, New York. 1992.
Dean, A. y Voss, D. Design and Analysis of Experiments.
Springer-Verlag, New York. 1999.
Douglas C. Montgomery, Diseo y Anlisis de
Experimentos. Grupo Editorial Iberoamerica, 1991.
Hair J.F., Anderson R.E., Tatham R.L., Black W.C.: "Anlisis
Multivariante", Ed. Prentice Hall, 5 edicin. 1999,
Tapachula, Chiapas. Mxico.
126
127
Arreglo F actorial 2 x 2 (2 2 ).
Con sider em os u n exper im en t o fa ct or ia l qu e in clu ya dos fa ct or es (A y B)
con dos n iveles (0 y 1), desa r r olla do ba jo u n Dise o de Bloqu es a l Aza r ,
est e a r r eglo fa ct or ia l es con ocido com o 2 2 , en t on ces la s com bin a cion es y
los tratamientos son:
Factores: A y B
niveles: 0 y 1
Factor B
b0
b1
b0
b1
T 1 = a0 b 0
T 2 = a0 b 1
Tratamiento
a0b0
T1
a0b1
T2
a1b0
T3
a1b1
T4
T 3 = a1 b 0
T 4 = a1 b 1
128
vs
Ha : al menos una
TABLA DE COEFICIENTES
1
C1 :
C2 :
C3 :
1
1
1
+
-
2
2
2
+
-
3 3 +
3
4
4
4
C1
C2
C3
1
1
1
1
-1
-1
-1
1
-1
-1
-1
1
129
C12
SC( A)
conC1
t
2
i1
ci1Ti
ci 2 Ti
ci 3Ti
i 1
i 1
C22
SC( B )
conC2
t
2
i2
i 1
i 1
C32
SC( AxB )
t
2
i3
conC3
i 1
i 1
130
F a ct or es
Diseo:
Factores
Niveles
A:
Brucellas
B:
Medios de cultivo
a0
a1
b0
b1
Br. abortus
Br. mellitensis
Agar soya tripticasa
Ruiz Castaeda
T3
a 1b 0
19
18
18
20
75
T4
a 1b 1
12
17
14
14
57
66
68
58
77
269
F.V.
G.L.
S.C.
C.M.
Tratamiento 3
87.1875
29.0625
Bloque
3
45.6875
15.2291
Error
9
49.5625
5.5069
Total
15
182.4375
Se obser va qu e exist en difer en cia s a lt a m en t e
tratamientos.
F
5.28
2.764
Pr.
0.0225
0.103
131
Un a vez r esu elt o el dise o sim ple se pr ocede a ver ifica r la s h ipt esis de
los factores en los tratamientos:
HIPOTESIS:
Ho(A):
T1+T2 = T3 + T4
Ho(B) :
T1+T3 = T2 + T4
Ho(AB):
T1+T4 = T2 + T3
CONTRASTES:
C1 : T1+T2-T3-T4=0
C2 : T1-T2+T3-T4=0
C3 : T1-T2-T3+T4=0
Tabla de coeficientes
T1 T2 T3
C1 1
1
-1
C2 1
-1
1
C3 1
-1
-1
T4
-1
-1
1
Evaluacin de ortogonalidad
C1 y C2 = (1)(1) + (1)(-1) + (-1)(1) + (-1)(-1) = 0
C1 y C3 = (1)(1) + (1)(-1) + (-1)(-1) + (-1)(1) = 0
C2 y C3 = (1)(1) + (-1)(-1) + (1)(-1) + (-1)(1) = 0
78 59 75 57
4 12 12 12 12
SC ( A)
C12
r ci21
78 59 75 57
4 12 12 12 12
SC ( B )
C 22
r ci22
SC ( AB )
C 32
r c i23
78 59 75 57
4 12 12 12 12
25
16
1369
16
2
1
16
1.5625
85.5625
0.0625
132
F.V.
A
B
AB
Bloque
Error
Total
G.L.
1
1
1
3
9
15
S.C.
1.5625
85.5625
0.0625
45.6875
49.5625
182.4375
C.M.
1.5625
85.5625
0.0625
15.2291
5.5069
F
0.2837n.s.
15.5372**
0.0113 n.s.
2.764 n.s.
Pr.
0.612
0.004
0.914
0.103
133
Niveles: 0 y 1
Factor B
b0
b0
b1
b1
b0
b0
b1
b1
Factor C
c0
c1
c0
c1
c0
c1
c0
c1
Tratamientos
a0b0c0 T1
a0b0c1 T2
a0b1c0 T3
a0b1c1 T4
a1b0c0 T5
a1b0c1 T6
a1b1c0 T7
a1b1c1 T8
T 1 =a0 b 0 c0
T 2 =a0 b 0 c1
T 3 =a0 b 1 c0
T 4 =a0 b 1 c1
T 5 =a1 b 0 c0
T 6 =a1 b 0 c1
T 7 =a1 b 1 c0
T 8 =a1 b 1 c1
134
vs
Ha7: 1 + 4 + 6 +
2+ 3+ 5+ 8
1
1
1
1
1
1
1
+
+
+
-
+ 3+ 4- 5- 6- 7- 8
2 - 3 - 4 + 5 + 6 - 7 - 8
2 + 3 - 4 + 5 - 6 + 7 - 8
2 - 3 - 4 - 5 - 6 + 7 + 8
2 + 3 - 4 - 5 + 6 - 7 + 8
2 - 3 + 4 + 5 - 6 - 7 + 8
2 - 3 + 4 - 5 + 6 + 7 - 8
2
135
Factor
A
B
C
AxB
AxC
BxC
AxBxC
Tabla de Coeficientes
Tratamientos
T1
T2
T3
T4
T5
000 001 010 011 100
1
1
1
1
-1
1
1
-1
-1
1
1
-1
1
-1
1
1
1
-1
-1
-1
1
-1
1
-1
-1
1
-1
-1
1
1
1
-1
-1
1
-1
Contraste
C1
C2
C3
C4
C5
C6
C7
T5
101
-1
1
-1
-1
1
-1
1
T7
110
-1
-1
1
1
-1
-1
1
T8
111
-1
-1
-1
1
1
1
-1
C12
SC( A)
conC1
t
2
i1
ci1Ti
i 1
i 1
C22
SC( B )
conC2
t
2
i2
ci 2 Ti
i 1
i 1
C32
SC( C )
conC3
t
2
i3
ci 3Ti
i 1
i 1
C42
SC( AxB )
t
2
i4
conC4
ci 4 Ti
i 1
i 1
136
C52
SC( AxC )
conC5
t
2
i5
ci 5Ti
i 1
i 1
C62
SC( BxC )
conC6
t
2
i6
ci 6Ti
i 1
i 1
C72
SC( AxBxC )
t
2
i7
conC7
ci 7 Ti
i 1
i 1
137
i=1
Y2i.
T1
000
T2
00
1
10
12
12
14
11
14
14
16
47
56
11.75 14
T3
010
T4
011
T5 T6
100 101
12
13
13
13
51
12.7
5
16
16
19
22
73
18.2
5
11
12
12
11
46
11.5
13
14
16
18
61
15.2
5
T7
11
0
14
15
13
14
56
14
T8
11
1
20
22
24
24
90
22
5
j=1Y
.j
108
118
122
132
480
G.L.
r -1 = 3
t -1 = 7
(t-1)(r-1) = 21
rt - 1 = 31
S.C.
37
387
34
487
C.M.
12.3333
55.2857
1.6190
Fc
7.6178**
34.1480**
Pr
0.0012
0.000
138
Un a vez ver ifica da la h ipt esis de t r a t a m ien t os, se pr ocede a ver ifica r la
hiptesis de los factores:
H 01: no hay efecto del factor A
H 02: no hay efecto del factor B
H 03: no hay efecto del factor C
H 04: no hay interaccin AxB
H 05: no hay interaccin AxC
H 06: no hay interaccin BxC
H 07: no hay interaccin AxBxC
F.V.
Bloques
Trat.
A
B
C
AB
AC
BC
ABC
Error
Total
G.L.
r -1 = 3
t -1 = 7
1
1
1
1
1
1
1
(t-1)(r-1) = 21
rt - 1 = 31
vs
vs
vs
vs
vs
vs
vs
S.C.
37
387
21.125
112.5
200.0
10.125
10.125
32.0
1.125
34
487
Fc
7.6178**
34.1480**
7.14*
38.03**
67.61**
3.42*
3.42*
10.82**
0.38n.s.
Pr
0.0012
0.0000
0.0133
0.0000
0.0000
0.0767
0.0767
0.0031
0.5433
139
A: Actividad Sexual
B: virus
Nivel Social
Edades Baja Media
Media
baja
alta
T417
T115
T2- 16
15-25
T3- 10
26-35 T1- 16 T2- 14
T4- 13
36-45 T2- 15 T3- 16
T1- 15
46-55 T3- 9 T4- 13
ao: Activas
bo: VPH
a1: Pasivas
b1: VHS
Alta
T3- 14
T4- 15
T1- 11
T2- 10
140
A: INSECTICIDA
B: VECTORES
a0 : DDT
a1: MALATION
b0 : Lutzomyia verrucarum
b1 : Lutzomyia noguchi
39.- Un a m icr oem pr esa se dedica a la pr odu ccin de a lim en t os der iva dos
de la lech e. E m plea n lech e de va ca y ca br a , a m bos a n im a les t ien e dos
fu en t es de agua: r o y pozo. Se r ea liza u n a n lisis
T1 T2 T3 T4
bacteriolgico para determinar el control de calidad en
00 01 10 11
la pr odu ccin de qu eso, det er m in n dose m edia n t e un
5
4
5
3
r ecu en t o de colon ia s de la en t er oba ct er ia E . Coli
5
4
5
aisladas del medio EMB de quesos escogidos al azar (5 7
2
6
4
qu esos con 4 r epet icion es ca da u n o). La en t er oba ct er ia 5
4
5
2
se en cu en t r a a cept a ble en u n lim it e de 1 a 4 UF C/ m l. 7
3
7
2
a isla da s de u n a dilu cin del qu eso
1:10. Los 6
resultados obtenidos son en UFC/ ml.
Factores:
A:
B:
141
Sulfametoxasol
Bacterias
Inhibicin
(mm)
200
200
200
200
200
200
200
200
300
300
300
300
300
300
300
300
100
100
100
100
400
400
400
400
100
100
100
100
400
400
400
400
E. coli
Proteus spp
Klebsiella spp
Pseudomona auruginosa
E. coli
Proteus spp
Klebsiella spp
Pseudomona auruginosa
E. coli
Proteus spp
Klebsiella spp
Pseudomona auruginosa
E. coli
Proteus spp
Klebsiella spp
Pseudomona auruginosa
3
4
3
2
2
2
4
3
1
3
2
2
2
3
3
2
Referencias
Arnau Gras, J.. Diseos Experimentales Multivariables.
Alianza Editorial, Madrid. 1990.
Cochran, W.G. y Cox, G.M. Diseos Experimentales.
Trillas, Mxico. 1995.
Cox, D.R. Planning of Experiments. Wiley, New York.
1992.
142
143
Arreglo Factorial 22
En el ca so de u n a r r eglo fa ct or ia l 2 2 con dos fa ct or es (A y B) y dos n iveles
(0 y 1) ba jo u n Dise o de Bloqu es a l Aza r , la s com bin a cion es y los
tratamientos son:
FACTORES: A y B
NIVELES: 0 y 1
Factor B
b0
b1
b0
b1
TRATAMIENTOS:
Tratamiento
a0b0
T1
a0b1
T2
a1b0
T3
a1b1
T4
T 1 = a0 b 0
T 2 = a0 b 1
T 3 = a1 b 0
T 4 = a1 b 1
y = 1,2,..., r
j = 1,2,..., a
k = 1,2,..., b
+ Aj +Bk + (AB)jk+
ijk
a=2
b=2
144
donde:
Yijk= E s la obser va cin del n ivel j del fa ct or A, n ivel k del fa ct or B en
el i-simo bloque.
= Es la media verdadera general.
J = Es el efecto verdadero del i-simo bloque.
Aj= Es el efecto verdadero del nivel j del factor A.
B k = Es el efecto verdadero del nivel k del factor B.
(AB)jk= E s el efect o ver da der o de la in t er a ccin de los n iveles j y k de
los factores A y B.
Ijk= El error experimental de la ijk-sima observacin.
Las hiptesis a probar son:
H 01 : no hay efecto del factor A
H 02 : no hay efecto del factor B
H 03 : no hay interaccin AxB
vs
vs
vs
(Se comparan los niveles bajos contra los niveles altos de cada factor)
1
a ob o
y 111
y 211
y 311
.
y r11
y .11
TRATAMIENTOS
2
3
a ob 1
a 1b o
y 112
y 121
y 212
y 221
y 312
y 321
.
.
y r12
y r21
y .12
y .21
4
a 1b 1
y 122
y 222
y 322
.
y r22
y .22
y1
y 1..
y 2..
y 3..
.
yr
y ..
Donde Yrab= r :Bloque, a :Nivel del factor I, b:Nivel del Factor II.
145
n ot a cin : los efect os pr in cipa les se den ot a n por let r a s m a y scu la s, por
ejemplo: A y B; la interaccin por AB, entonces tendremos:
El total para el nivel bajo del factor A se denota por:
(A)j=0 = Ta0 b 0 + Ta0 b 1
El total para el nivel alto del factor A es:
(A)j=1 = Ta1 b 0 + Ta1 b 1
Don de: Ta 0 b 0 , Ta 0 b 1 , Ta 1 b 0 , Ta 1 b 1 den ot a n los t ot a les de los t r a t a m ien t os
a 0 b 0 , a0 b 1 , a1 b 0 , y a1 b 1 , respectivamente.
De igual forma se tienen los totales para el factor B:
(B)k=0 = Ta0 b 0 + Ta1 b 0
(B)k=1 = Ta0 b 1 + Ta1 b 1
Para la interaccin:
1
( A) j
2r
( A) j
1
( B) k
2r
( B) k
k 0
( AB ) j
AB
1
( AB ) j
2r
k 1
P a r a ver si est os efect os son sign ifica t ivos se pr u eba n la s h ipt esis
correspondientes en el cuadro del anlisis de la varianza.
146
Se considera el modelo.
2)
3)
4)
INDICE
i
j
k
j, k
P. SIMBOLICO
j-1
j-1
k-1
(j-1)(k-1)
G.L.
r -1
a -1
b-1
(a-1)(b-1)
PS
1
i-1
j-1
k-1
(j-1)(k-1)
Por diferencia
ijk-1
GL
1
r -1
a -1
b-1
(a-1)(b-1
Por diferencia
rab-1
147
SCtotal
( y ...) 2
rab
2
ijk
i 1 j 1 k 1
SCBloques
Bloques: i - 1
i 1
a
SC ( A)
Factor A: j - 1
j 1
SC ( B )
Factor B: k - 1
k 1
y.2j .
yi2..
ab
( y ...) 2
rab
rb
( y ...) 2
rab
y..2k
ra
( y ...) 2
rab
SC ( AxB )
i 1
k 1
y.2jk
r
( y ...) 2
rab
SCFact ( A) SCFact ( B )
148
F a ct or es
Diseo:
Factores
Niveles
A:
Brucellas
B:
Medios de cultivo
a0
a1
b0
b1
Br. abortus
Br. mellitensis
Agar soya tripticasa
Ruiz Castaeda
T3
a 1b 0
19
18
18
20
75
T4
a 1b 1
12
17
14
14
57
66
68
58
77
269
r =i, a =j, b =k
149
F.V.
G.L.
S.C.
C.M.
Tratamiento 3
87.1875
29.0625
Bloque
3
45.6875
15.2291
Error
9
49.5625
5.5069
Total
15
182.4375
Se obser va qu e exist en difer en cia s a lt a m en t e
tratamientos.
F
5.28
2.764
Pr.
0.0225
0.103
Un a vez r esu elt o el dise o sim ple se pr ocede a ver ifica r la s h ipt esis de
los factores en los tratamientos:
ao
a1
y i2..
ab
SC . Bloq .
i
y .2j .
SC .( A )
SC .( B )
i
68
137
rb
132
4 2
y ..2k
ra
y ...2
rab
153
y .2jk
78
66
y ...2
rab
SC .( AB )
SC ( AB )
y ...2
rab
59
y ...2
rab
2
SC ( A )
75
4
116
4 2
57
58
2
77
=137
=132
2
269 2
4 2 2
269 2
4 2 2
1 . 5625
269 2
4 2 2
85 . 5625
bo
b1
=153
=116
45 . 6875
SC ( B )
269 2
4 2 2
1 . 5625
85 . 5625
0 . 0625
150
F.V.
A
B
AB
Bloque
Error
Total
G.L.
1
1
1
3
9
15
S.C.
1.5625
85.5625
0.0625
45.6875
49.5625
182.4375
C.M.
1.5625
85.5625
0.0625
15.2291
5.5069
F
0.2837
15.5372
0.0113
2.764
Pr.
0.612
0.004
0.914
0.103
151
Arreglo Factorial 23
Con sider em os u n a r r eglo fa ct or ia l 2 3 con t r es fa ct or es (A; B y C) y dos
niveles (0 y 1), bajo un D.B.A., las combinaciones y los tratamientos son:
Factores: A, B y C
Niveles: 0 y 1
Factor B
b0
b0
b1
b1
b0
b0
b1
b1
Factor C
c0
c1
c0
c1
c0
c1
c0
c1
Tratamientos
a0b0c0 T1
a0b0c1 T2
a0b1c0 T3
a0b1c1 T4
a1b0c0 T5
a1b0c1 T6
a1b1c0 T7
a1b1c1 T8
T 1 =a0 b 0 c0
T 2 =a0 b 0 c1
T 3 =a0 b 1 c0
T 4 =a0 b 1 c1
T 5 =a1 b 0 c0
T 6 =a1 b 0 c1
T 7 =a1 b 1 c0
T 8 =a1 b 1 c1
=:
=:
vs
Ha : al menos una
ijkl
a=2
b=2
c=2
152
donde:
Yijk = E s la obser va cin del n ivel j del fa ct or A, n ivel k del fa ct or B,
nivel 1 en el i simo bloque.
= Es la media verdadera general.
y = Es el efecto verdadero del i-simo bloque.
Aj = Es el efecto verdadero del nivel j del factor A.
B k = Es el efecto verdadero del nivel k del factor B.
C l = Es el efecto verdadero del nivel l del factor C.
(AB)jk= E s el efect o ver da der o de la in t er a ccin de los n iveles j y k de
los factores A y B.
(AC)jl= E s el efect o ver da der o de la in t er a ccin de los n iveles j y l de
los factores A y C.
(BC)kl = E s el efect o ver da der o de la in t er a ccin de los n iveles k y l de
los factores B y C.
(ABC)jkl= Es el efect o ver da der o de la in t er a ccin de los n iveles k, k y l
de los factores A, B y C.
El error experimental de la ijkl-sima observacin.
=
Ijkl
En el arreglo factorial el inters es conocer si los factores principales a los
n iveles eva lu a dos son difer en t es e in depen dien t es; la s h ipt esis a pr oba r
son:
H 01: no hay efecto del factor A
vs
H a1: hay efecto del factor A
H 02: no hay efecto del factor B
vs
H a2: hay efecto del factor B
H 03: no hay efecto del factor C
vs
H a3: hay efecto del factor C
H 04: no hay interaccin AxB
vs
H a4: hay interaccin AxB
H 05: no hay interaccin AxC
vs
H a5: hay interaccin AxC
H 06: no hay interaccin BxC
vs
H a6: hay interaccin BxC
H 07: no hay interaccin AxBxC
vs
H a 7 : hay interaccin AxBxC
(Se comparan los niveles bajos contra los niveles altos de cada factor)
153
I
II
III
.
.
R
y .jkl
1
2
a 0 b 0 c0 a 0 b 0 c1
y 1111 y 1112
y 2111 y 2112
y 3111 y 3112
.
.
.
.
y r111
y r112
y .111
y .112
Tr a t a m ien t os
3
4
5
6
7
8
a 0 b 1 c0 a 0 b 1 c1 a 1 b 0 c0 a 1 b 0 c1 a 1 b 1 c0 a 1 b 1 c1
y 1121 y 1122 y 1211 y 1212 y 1221 y 1222
y 2121 y 2122 y 2211 y 2212 y 2221 y 2222
y 3121 y 3122 y 3211 y 3212 y 3221 y 3222
.
.
.
.
.
.
.
.
.
.
.
.
y r121
y r122
y r211
y r212
y r221
y r222
y .121
y .122
y .211
y .212
y .221
y .222
y i...
y 1 ...
y 2...
y 3 ...
y r ...
y....
154
= Ta0 b 0 c0
= Ta0 b 1 c0
= Ta0 b 0 c0
= Ta0 b 0 c1
= Ta0 b 0 c0
= Ta0 b 0 c1
= Ta0 b 0 c0
= Ta0 b 0 c1
+ Ta0 b 0 c1
+ Ta0 b 1 c1
+ Ta0 b 1 c0
+ Ta0 b 1 c1
+ Ta0 b 1 c1
+ Ta0 b 1 c0
+ Ta0 b 1 c1
+ Ta0 b 1 c0
+ Ta1 b 1 c0
+ Ta1 b 0 c0
+ Ta1 b 0 c1
+ Ta1 b 0 c0
+ Ta1 b 0 c0
+ Ta1 b 0 c1
+ Ta1 b 0 c1
+ Ta1 b 0 c0
+ Ta1 b 1 c1
+ Ta1 b 0 c1
+ Ta1 b 1 c1
+ Ta1 b 1 c0
+ Ta1 b 1 c1
+ Ta1 b 1 c0
+ Ta1 b 1 c0
+ Ta1 b 1 c1
1
( A) j
4r
( A) j
1
(B)k
4r
(B)k
1
(C ) l
4r
(C ) l
k 0
( AB ) j
AB
1
( AB ) j
4r
AC
1
( AC ) j
4r
l 0
( AC ) j
l 1
BC
1
( BC ) k
4r
l 0
( BC ) k
1 1
ABC
1
( ABC ) j
4r
k l 1
k 1
( ABC ) j
k l 0
P a r a ver si est os efect os son sign ifica t ivos se pr u eba n la s h ipt esis
correspondientes en el cuadro del anlisis de la varianza.
155
PS
1
i-1
j-1
k-1
l-1
(j-l)(k-l)
(j-1)(l-1)
(k-1)(l-1)
(j-1)(k-1)(l-1)
Por diferencia
ijkl-1
GL
1
r-1
a-1
b-1
c-1
(a-l)(b-l)
(a-l)(c-l)
(b-1)(e-1)
(a-1)(b-1)(c-1)
Por diferencia
rabe - 1
c
2
ijkl
SCtotal
y
i 1 j 1 k 1 l 1
Bloques: i - 1
SCBloques
i 1
y.2j ..
rbc
y..2k .
1 rac
( y....) 2
rabc
SC ( A)
j 1
Factor B: k - 1
SC ( B)
k
( y....) 2
rabc
( y....) 2
rabc
Factor A: j - 1
yi2...
abc
( y....) 2
rabc
156
SC (C )
Factor C: l - 1
l 1
y...2l
rab
( y....) 2
rabc
SC ( AxB)
i 1
k 1
y.2jk .
r
( y....) 2
rabc
SCFact ( A) SCFact ( B)
SC ( AxC )
i 1
l 1
y.2j .l
r
( y....) 2
rabc
SCFact ( A) SCFact (C )
SC ( BxC )
k 1
l 1
y..2kl
r
( y....) 2
rabc
SCFact ( B) SCFact (C )
Interaccin AxBxC:(j-1)(k-1)(l-1)=(jkl-1)-(j-1)(k-1)-(l-1)-(jk-1)-(jl-1)(kl-1)
a b
SC(AxBxC)
j 1k 1
E r r or :
y..2jkl (y....)2
SC(A) SCB
( ) SCC
( ) SC(AxB) SC(AxC) SCBxC
( )
r
rabc
l1
c
(ijk-1)-(i-1)-(j-1)-(k-1)-(j-1)(k-1)-(j-1)(l-1)-(j-1)(k-1)-(k-1)(l-1)-(j-1)(k-1)(l-
1).
SC Error =
SC Total-SC Bloques-SC(A)-SC(B)-SC(C)
-SC(AxB) -SC(AxC) -SC(BxC) -SC(AxBxC)
157
T2
T3
T4
T5
T6
T7
T8
j=1Y
j
Bloq.
I
II
III
IV
t
2
i=1 Y i
.
x
000
10
12
11
14
47
001
12
14
14
16
56
11.75 14
010
12
13
13
13
51
011
16
16
19
22
73
100
11
12
12
11
46
101
13
14
16
18
61
110
14
15
13
14
56
111
20
22
24
24
90
108
118
122
132
480
225
158
G.L.
r -1 = 3
t -1 = 7
(t-1)(r-1) = 21
rt - 1 = 31
S.C.
37
387
34
487
C.M.
12.3333
55.2857
1.6190
Fc
7.6178**
34.1480**
Pr
0.0012
0.000
G.L.
r -1 = 3
t -1 = 7
1
1
1
1
1
1
1
(t-1)(r-1) = 21
rt - 1 = 31
vs
vs
vs
vs
vs
vs
vs
S.C.
37
387
21.125
112.5
200.0
10.125
10.125
32.0
1.125
34
487
Fc
7.6178**
34.1480**
7.14*
38.03**
67.61**
3.42*
3.42*
10.82**
0.38n.s.
Pr
0.0012
0.0000
0.0133
0.0000
0.0000
0.0767
0.0767
0.0031
0.5433
Con r espect o a los fa ct or es, el A pr esen t a difer en cia s sign ifica t iva s y el B
y C a lt a m en t e sign ifica t iva s, lo cu a l in dica qu e los n iveles t r a ba ja n de
Tapachula, Chiapas. Mxico.
159
Problemario
Factoriales
de
Ar r eglos
F a ct or ia les
por
Modelos
Referencias
Arnau Gras, J.. Diseos Experimentales Multivariables.
Alianza Editorial, Madrid. 1990.
Cochran, W.G. y Cox, G.M. Diseos Experimentales.
Trillas, Mxico. 1995.
Cox, D.R. Planning of Experiments. Wiley, New York.
1992.
Dean, A. y Voss, D. Design and Analysis of Experiments.
Springer-Verlag, New York. 1999.
Douglas C. Montgomery, Diseo y Anlisis de
Experimentos. Grupo Editorial Iberoamerica, 1991.
Hair J.F., Anderson R.E., Tatham R.L., Black W.C.:
"Anlisis Multivariante", Ed. Prentice Hall, 5 edicin.
1999,
Hinkelmann, K. Design and analysis of experiments.
John Wiley & Sons, N.Y. (2005).
Kempthorne O. The Design and Analysis of
Experiments.John Wiley and Sons. , New York, 1952,
Lindman, H.R. Analysis of Variance in Experimental
Design. Springer-Verlag, N.Y. 1992.
Mason, R.L., Gunst, R.F. and Hess, J.L. Statistical
Design and Analysis of Experiments. Wiley, N.Y. 2003.
Montgomery, D.C. Diseo y Anlisis de Experimentos.
Limusa, Mxico. 2003.
Rencher, A.C. Multivariate Statistical Inference and
Applications. 1998.
Tapachula, Chiapas. Mxico.
160
161
Ta bla s
162
DISTRIBUCION "t"
G.L.E.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
35
40
45
50
55
60
70
80
90
100
120
163
Tabla "F"
Valores "F" para
Gld
a
1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
30
120
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
161
4052
18.50
98.50
10.10
34.10
7.71
21.20
6.61
16.30
5.99
13.70
5.59
12.20
5.32
11.30
5.12
10.56
4.96
10.00
0.84
9.65
4.75
9.33
4.67
9.07
4.60
8.86
4.54
8.68
4.49
8.53
4.45
8.40
4.41
8.29
4.38
8.19
4.35
8.10
4.17
7.56
3.92
6.85
= 0.05 y 0.01 para diferentes combinaciones de grados de libertad del numerador y del denominador
Grados de Libertad del nmerador
2
10
11
12
13
14
15
20
30
120
200
5000
19.00
99.00
9.55
30.80
6.94
18.00
5.79
13.30
5.14
10.92
4.74
9.55
4.46
8.65
4.26
8.02
4.10
7.56
3.98
7.21
3.89
6.93
3.81
6.70
3.74
6.51
3.68
6.36
3.63
6.23
3.59
6.11
3.55
6.01
3.52
5.93
3.49
5.85
3.32
5.39
3.07
4.79
216
5403
19.20
99.20
9.28
29.50
6.59
16.70
5.41
12.10
4.76
9.78
4.35
8.45
4.07
7.59
3.86
6.99
3.71
6.55
3.59
6.22
3.49
5.95
3.41
5.74
3.34
5.56
3.29
5.42
3.24
5.29
3.20
5.19
3.16
5.09
3.13
5.01
3.10
4.94
2.92
4.51
2.68
3.95
225
5625
19.20
99.20
9.12
28.70
6.39
16.00
5.19
11.40
4.53
9.15
4.12
7.85
3.84
7.01
3.63
6.42
3.48
5.99
3.36
5.67
3.26
5.41
3.18
5.21
3.11
5.04
3.06
4.89
3.01
4.77
2.96
4.67
2.93
4.58
2.90
4.50
2.87
4.43
2.69
4.02
2.45
3.48
230
5764
19.30
99.30
9.01
28.20
6.26
15.50
5.05
11.00
4.39
8.75
3.97
7.46
3.69
6.63
3.48
6.06
3.33
5.64
3.20
5.32
3.11
5.06
3.03
4.86
2.96
4.70
2.90
4.56
2.85
4.44
2.81
4.34
2.77
4.25
2.74
4.17
2.71
4.10
2.53
3.70
2.29
3.17
234
5859
19.30
99.30
8.94
27.90
6.16
15.20
4.95
10.70
4.28
8.47
3.87
7.19
3.58
6.37
3.37
5.80
3.22
5.39
3.09
5.07
3.00
4.82
2.92
4.62
2.85
4.46
2.79
4.32
2.74
4.20
2.70
4.10
2.66
4.01
2.63
3.94
2.60
3.87
2.42
3.47
2.18
2.96
237
5928
19.40
99.40
8.89
27.70
6.09
15.00
4.88
10.50
4.21
8.26
3.79
6.99
3.50
6.18
3.29
5.61
3.14
5.20
3.01
4.89
2.91
4.64
2.83
4.44
2.76
4.28
2.71
4.14
2.66
4.03
2.61
3.93
2.58
3.84
2.54
3.77
2.51
3.70
2.33
3.30
2.09
2.79
239
5982
19.40
99.40
8.85
27.50
6.04
14.80
4.82
10.30
4.15
8.10
3.73
6.84
3.44
6.03
3.23
5.47
3.07
5.06
2.95
4.74
2.85
4.50
2.77
4.30
2.70
4.14
2.64
4.00
2.59
3.89
2.55
3.79
2.51
3.71
2.48
3.63
2.45
3.56
2.27
3.17
2.02
2.66
241
6023
19.40
99.40
8.81
27.30
6.00
14.70
4.77
10.20
4.10
7.98
3.68
6.72
3.39
5.91
3.18
5.35
3.02
4.94
2.90
4.63
2.80
4.39
2.71
4.19
2.65
4.03
2.59
3.89
2.54
3.78
2.49
3.68
2.46
3.60
2.42
3.52
2.39
3.46
2.21
3.07
1.96
2.56
242
6056
19.40
99.40
8.79
27.20
5.96
14.50
4.74
10.10
4.06
7.87
3.64
6.62
3.35
5.81
3.14
5.25
2.98
4.85
2.85
4.54
2.75
4.30
2.67
4.10
2.60
3.94
2.54
3.80
2.49
3.59
2.45
3.59
2.41
3.51
2.38
3.43
2.35
3.37
2.16
2.98
1.91
2.47
243
6083
19.40
99.40
8.76
27.10
5.93
14.50
4.70
9.96
4.02
7.79
3.60
6.53
3.31
5.73
3.10
5.18
2.94
4.77
2.81
4.46
2.71
4.22
2.63
4.02
2.56
3.86
2.50
3.73
2.45
3.61
2.41
3.52
2.37
3.43
2.33
3.36
2.30
3.29
2.12
2.90
1.86
2.39
244
6106
19.40
99.40
8.74
27.10
5.91
14.40
4.68
9.89
4.00
7.72
3.57
6.47
3.28
5.67
3.07
5.11
2.91
4.71
2.79
4.40
2.69
4.16
2.60
3.96
2.53
3.80
2.48
3.67
2.42
3.55
2.38
3.46
2.34
3.37
2.31
3.30
2.28
3.23
2.09
2.84
1.83
2.34
244
6125
19.40
99.40
8.72
27.00
5.89
14.30
4.65
9.82
3.97
7.66
3.55
6.41
3.25
5.61
3.04
5.05
2.88
4.65
2.76
4.34
2.65
4.10
2.57
3.90
2.50
3.74
2.44
3.61
2.39
3.50
2.35
3.40
2.31
3.31
2.27
3.24
2.24
3.18
2.06
2.79
1.80
2.28
245
6142
19.40
99.40
8.71
26.90
5.87
14.30
4.63
9.77
3.95
7.60
3.52
6.36
3.23
5.56
3.02
5.00
2.86
4.60
2.73
4.29
2.63
4.05
2.55
3.86
2.48
3.70
2.42
3.56
2.37
3.45
2.32
3.35
2.28
3.27
2.25
3.19
2.22
3.13
2.03
2.74
1.77
2.23
246
6157
19.40
99.40
8.70
26.90
5.86
14.20
4.62
9.72
3.94
7.56
3.51
6.31
3.22
5.52
3.01
4.96
2.85
4.56
2.72
4.25
2.62
4.01
2.53
3.82
2.46
3.66
2.40
3.52
2.35
3.41
2.31
3.31
2.27
3.23
2.23
3.15
2.20
3.09
2.01
2.70
1.75
2.19
248
6209
19.40
99.40
8.66
26.70
5.80
14.00
4.56
9.55
3.87
7.40
3.44
6.16
3.15
5.36
2.94
4.81
2.77
4.41
2.65
4.10
2.54
3.86
2.46
3.66
2.39
3.51
2.33
3.37
2.28
3.26
2.23
3.16
2.19
3.08
2.16
3.00
2.12
2.94
1.93
2.55
1.66
2.03
250
6261
19.50
99.50
8.62
26.50
5.75
13.80
4.50
9.38
3.81
7.23
3.38
5.99
3.08
5.20
2.86
4.65
2.70
4.25
2.57
3.94
2.47
3.70
2.38
3.51
2.31
3.35
2.25
3.21
2.19
3.10
2.15
3.00
2.11
2.92
2.07
2.84
2.04
2.78
1.79
2.30
1.55
1.86
253
6339
19.50
99.50
8.55
26.20
5.66
13.60
4.40
9.11
3.70
6.97
3.27
5.74
2.97
4.95
2.75
4.40
2.58
4.00
2.45
3.69
2.34
3.45
2.25
3.25
2.18
3.09
2.11
2.96
2.06
2.84
2.01
2.75
1.97
2.66
1.93
2.58
1.90
2.52
1.68
2.11
1.35
1.53
164
DUNCAN
Amplitudes studentizadas significativas para 5% y 1% de la nueva prueba de amplitud mltiple
GLE
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
22
24
26
28
30
40
60
100
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
0.05
0.01
10
12
14
16
18
20
18.00
90.00
6.09
14.00
4.50
8.26
3.93
6.51
3.64
5.70
3.46
5.24
3.35
4.95
3.26
4.74
3.20
4.60
3.15
4.48
3.11
4.39
3.08
4.32
3.06
4.26
3.03
4.21
3.01
4.17
3.00
4.13
2.98
4.10
2.97
4.07
2.96
4.05
2.95
4.02
2.93
3.99
2.92
3.96
2.91
3.93
2.90
3.91
2.89
3.89
2.86
3.82
2.83
3.76
2.80
3.71
2.77
3.64
18.00
90.00
6.09
14.00
4.50
8.50
4.01
6.80
3.74
5.96
3.58
5.51
3.47
5.22
3.39
5.00
3.34
4.86
3.30
4.73
3.27
4.63
3.23
4.50
3.21
4.48
3.18
4.42
3.16
4.37
3.15
4.34
3.13
4.30
3.12
4.27
3.11
4.24
3.10
4.22
3.08
4.17
3.07
4.14
3.06
4.11
3.04
4.08
3.04
4.06
3.01
3.99
2.98
3.92
2.95
3.86
2.92
3.80
18.00
90.00
6.09
14.00
4.50
8.60
4.02
6.90
3.79
6.11
3.64
5.65
3.54
5.37
3.47
5.14
3.41
4.99
3.37
4.88
3.35
4.77
3.33
4.68
3.30
4.62
3.27
4.55
3.25
4.50
3.23
4.45
3.22
4.41
3.21
4.38
3.19
4.35
3.18
4.33
3.17
4.28
3.15
4.24
3.14
4.21
3.13
4.18
3.12
4.16
3.10
4.10
3.08
4.03
3.05
3.98
3.02
3.90
18.00
90.00
6.09
14.00
4.50
8.70
4.02
7.00
3.83
6.18
3.68
5.73
3.58
5.45
3.52
5.23
3.47
5.08
3.43
4.96
3.39
4.86
3.36
4.76
3.35
4.69
3.33
4.63
3.31
4.58
3.30
4.54
3.28
4.50
3.27
4.46
3.26
4.43
3.25
4.40
3.24
4.36
3.22
4.33
3.21
4.30
3.20
4.28
3.20
4.22
3.17
4.17
3.14
4.12
3.12
4.06
3.09
3.98
18.00
90.00
6.09
14.00
4.50
8.80
4.02
7.10
3.83
6.26
3.68
5.81
3.60
5.53
3.55
5.32
3.50
5.17
3.46
5.06
3.43
4.94
3.40
4.84
3.38
4.74
3.37
4.70
3.36
4.64
3.34
4.60
3.33
4.56
3.32
4.53
3.31
4.50
3.30
4.47
3.29
4.42
3.28
4.39
3.27
4.36
3.26
4.34
3.25
4.32
3.22
4.24
3.20
4.17
3.18
4.11
3.15
4.04
18.00
90.00
6.09
14.00
4.50
8.90
4.02
7.10
3.83
6.33
3.68
5.88
3.61
5.61
3.56
5.40
3.52
5.25
3.47
5.13
3.44
5.01
3.42
4.92
3.41
4.84
3.39
4.78
3.38
4.72
3.37
4.67
3.36
4.63
3.35
4.59
3.35
4.56
3.34
4.53
3.32
4.48
3.31
4.44
3.30
4.41
3.30
4.39
3.29
4.36
3.27
4.30
3.24
4.23
3.22
4.17
3.19
4.09
18.00
90.00
6.09
14.00
4.50
8.90
4.02
7.20
3.83
6.40
3.68
5.95
3.61
5.69
3.56
5.47
3.52
5.32
3.47
5.20
3.45
5.06
3.44
4.96
3.42
4.88
3.41
4.83
3.40
4.77
3.39
4.72
3.38
4.68
3.37
4.64
3.37
4.61
3.36
4.58
3.34
4.53
3.34
4.49
3.34
4.46
3.33
4.43
3.32
4.41
3.30
4.34
3.28
4.27
3.26
4.21
3.23
4.14
18.00
90.00
6.09
14.00
4.50
9.00
4.02
7.20
3.83
6.44
3.68
6.00
3.61
5.73
3.56
5.51
3.52
5.36
3.47
5.24
3.46
5.12
3.44
5.02
3.44
4.94
3.42
4.87
3.42
4.81
3.41
4.76
3.40
4.72
3.39
4.68
3.39
4.64
3.38
4.61
3.37
4.57
3.37
4.53
3.36
4.50
3.35
4.47
3.35
4.45
3.33
4.37
3.31
4.31
3.29
4.25
3.26
4.17
18.00
90.00
6.09
14.00
4.50
9.00
4.02
7.30
3.83
6.50
3.68
6.00
3.61
5.80
3.56
5.50
3.52
5.40
3.47
5.28
4.46
5.15
3.46
5.07
3.45
4.98
3.44
4.91
3.43
4.84
3.43
4.79
3.42
4.75
3.41
4.71
3.41
4.67
3.40
4.65
3.39
4.60
3.38
4.57
3.38
4.53
3.37
4.51
3.37
4.48
3.35
4.41
3.33
4.34
3.32
4.29
3.29
4.20
18.00
90.00
6.09
14.00
4.50
9.00
4.02
7.30
3.83
6.60
3.68
6.10
3.61
5.80
3.56
5.60
3.52
5.50
3.47
5.36
3.46
5.24
3.46
5.13
3.45
5.04
3.45
4.96
3.44
4.90
3.44
4.84
3.44
4.80
3.43
4.76
3.43
4.72
3.43
4.69
3.42
4.65
3.41
4.62
3.41
4.58
3.40
4.56
3.40
4.54
3.39
4.46
3.37
4.39
3.36
4.35
3.34
4.26
18.00
90.00
6.09
14.00
4.50
9.10
4.02
7.40
3.83
6.60
3.68
6.20
3.61
5.90
3.56
5.70
3.52
5.50
3.47
5.42
3.46
5.28
3.46
5.17
3.46
5.08
3.46
5.00
3.45
4.94
3.45
4.88
3.45
4.83
3.45
4.79
3.44
4.76
3.44
4.73
3.44
4.68
3.44
4.64
3.43
4.62
3.43
4.60
3.43
4.58
3.42
4.51
3.40
4.44
3.40
4.38
3.38
4.31
18.00
90.00
6.09
14.00
4.50
9.20
4.02
7.40
3.83
6.70
3.68
6.20
3.61
5.90
3.56
5.70
3.52
5.60
3.47
5.48
3.46
5.34
3.46
5.22
3.46
5.13
3.46
5.04
3.46
4.97
3.46
4.91
3.46
4.86
3.46
4.82
3.46
4.79
3.46
4.76
3.45
4.71
3.45
4.67
3.45
4.65
3.45
4.62
3.44
4.61
3.44
4.54
3.43
4.47
3.42
4.42
3.41
4.34
18.00
90.00
6.09
14.00
4.50
9.30
4.02
7.50
3.83
6.70
3.68
6.30
3.61
6.00
3.56
5.80
3.52
5.70
3.47
5.54
3.47
5.38
3.47
5.24
3.47
5.14
3.47
5.06
3.47
4.99
3.47
4.93
3.47
4.88
3.47
4.84
3.47
4.81
3.46
4.78
3.46
4.74
3.46
4.70
3.46
4.67
3.46
4.65
3.46
4.63
3.46
4.57
3.45
4.50
3.45
4.45
3.44
4.38
18.00
90.00
6.09
14.00
4.50
9.30
4.02
7.50
3.83
6.80
3.68
6.30
3.61
6.00
3.56
5.80
3.52
5.70
3.48
5.55
3.48
5.39
3.48
5.26
3.47
5.15
3.47
5.07
3.47
5.00
3.47
4.94
3.47
4.89
3.47
4.85
3.47
4.82
3.47
4.79
3.47
4.75
3.47
4.72
3.47
4.69
3.47
4.67
3.47
4.65
3.47
4.59
3.47
4.53
3.47
4.48
3.47
4.41
165
TUKEY
GLE
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120
20
0.05
3.64
4.60
5.22
5.67
6.03
6.33
6.58
6.80
6.99
7.17
7.32
7.47
7.60
7.72
7.83
7.93
8.03
8.12
8.21
0.01
5.70
6.97
7.80
8.42
8.91
9.32
9.67
9.97
10.24
10.48
10.70
10.89
11.08
11.24
11.40
11.55
11.68
11.81
11.93
0.05
3.46
4.34
4.90
5.31
5.63
5.89
6.12
6.32
6.49
6.65
6.79
6.92
7.03
7.14
7.24
7.34
7.43
7.51
7.59
0.01
5.24
6.33
7.03
7.56
7.97
8.32
8.61
8.87
9.10
9.30
9.49
9.65
9.81
9.95
10.08
10.21
10.32
10.43
10.54
0.05
3.34
4.16
4.68
5.06
5.36
5.61
5.82
6.00
6.16
6.30
6.43
6.55
6.66
6.76
6.85
6.94
7.02
7.09
7.17
0.01
4.95
5.92
6.54
7.01
7.37
7.68
7.94
8.17
8.37
8.55
8.71
8.86
9.00
9.12
9.24
9.35
9.46
9.55
9.65
0.05
3.26
4.04
4.53
4.89
5.17
5.40
5.60
5.77
5.92
6.05
6.18
6.29
6.39
6.48
6.57
6.65
6.73
6.80
6.87
0.01
4.74
5.63
6.20
6.63
6.96
7.24
7.47
7.68
7.87
8.03
8.18
8.31
8.44
8.55
8.66
8.76
8.85
8.94
9.03
0.05
3.20
3.96
4.42
4.76
5.02
5.24
5.43
5.60
5.74
5.87
5.98
6.09
6.19
6.28
6.36
6.44
6.51
6.58
6.64
0.01
4.60
5.43
5.96
6.35
6.66
6.91
7.13
7.32
7.49
7.65
7.78
7.91
8.03
8.13
8.23
8.32
8.41
8.49
8.57
0.05
3.15
3.88
4.33
4.65
4.91
5.12
5.30
5.46
5.60
5.72
5.83
5.93
6.03
6.11
6.20
6.27
6.34
6.40
6.47
0.01
4.48
5.27
5.77
6.14
6.43
6.67
6.87
7.05
7.21
7.36
7.48
7.60
7.71
7.81
7.91
7.99
8.07
8.15
8.22
0.05
3.11
3.82
4.26
4.57
4.82
5.03
5.20
5.35
5.49
5.61
5.71
5.81
5.90
5.99
6.06
6.14
6.20
6.26
6.33
0.01
4.39
5.14
5.62
5.97
6.25
6.48
6.67
6.84
6.99
7.13
7.25
7.36
7.46
7.56
7.65
7.73
7.81
7.88
7.95
0.05
3.08
3.77
4.20
4.51
4.75
4.95
5.12
5.27
5.40
5.51
5.62
5.71
5.80
5.88
5.95
6.03
6.09
6.15
6.21
0.01
4.32
5.04
5.50
5.84
6.10
6.32
6.51
6.67
6.81
6.94
7.06
7.17
7.26
7.36
7.44
7.52
7.59
7.66
7.73
0.05
3.06
3.73
4.15
4.45
4.69
4.88
5.05
5.19
5.32
5.43
5.53
5.63
5.71
5.79
5.86
5.93
6.00
6.05
6.11
0.01
4.26
4.96
5.40
5.73
5.98
6.19
6.37
6.53
6.67
6.79
6.90
7.01
7.10
7.19
7.27
7.34
7.42
7.48
7.55
0.05
3.03
3.70
4.11
4.41
4.64
4.83
4.99
5.13
5.25
5.36
5.46
5.55
5.64
5.72
5.79
5.85
5.92
5.97
6.03
0.01
4.21
4.89
5.32
5.63
5.88
6.08
6.26
6.41
6.54
6.66
6.77
6.87
6.96
7.05
7.12
7.20
7.27
7.33
7.39
0.05
3.01
3.67
4.08
4.37
4.60
4.78
4.94
5.08
5.20
5.31
5.40
5.49
5.58
5.65
5.72
5.79
5.85
5.90
5.96
0.01
4.17
4.83
5.25
5.56
5.80
5.99
6.16
6.31
6.44
6.55
6.66
6.76
6.84
6.93
7.00
7.07
7.14
7.20
7.26
0.05
3.00
3.65
4.05
4.33
4.56
4.74
4.90
5.03
5.15
5.26
5.35
5.44
5.52
5.59
5.66
5.72
5.79
5.84
5.90
0.01
4.13
4.78
5.19
5.49
5.72
5.92
6.08
6.22
6.35
6.46
6.56
6.66
6.74
6.82
6.90
6.97
7.03
7.09
7.15
0.05
2.98
3.63
4.02
4.30
4.52
4.71
4.86
4.99
5.11
5.21
5.31
5.39
5.47
5.55
5.61
5.68
5.74
5.79
5.84
0.01
4.10
4.74
5.14
5.43
5.66
5.85
6.01
6.15
6.27
6.38
6.48
6.57
6.66
6.73
6.80
6.87
6.94
7.00
7.05
0.05
2.97
3.61
4.00
4.28
4.49
4.67
4.82
4.96
5.07
5.17
5.27
5.35
5.43
5.50
5.57
5.63
5.69
5.74
5.79
0.01
4.07
4.70
5.09
5.38
5.60
5.79
5.94
6.08
6.20
6.31
6.41
6.50
6.58
6.65
6.72
6.79
6.85
6.91
6.96
0.05
2.96
3.59
3.98
4.25
4.47
4.65
4.79
4.92
5.04
5.14
5.23
5.32
5.39
5.46
5.53
5.59
5.65
5.70
5.75
0.01
4.05
4.67
5.05
5.33
55.55
5.73
5.89
6.02
6.14
6.25
6.34
6.43
6.51
6.58
6.65
6.72
6.78
6.84
6.89
0.05
2.95
3.58
3.96
4.23
4.45
4.62
4.77
4.90
5.01
5.11
5.20
5.28
5.36
5.43
5.49
5.55
5.61
5.66
5.71
0.01
4.02
4.64
5.02
5.29
5.51
5.69
5.84
5.97
6.09
6.19
6.29
6.37
6.45
6.52
6.59
6.65
6.71
6.76
6.82
0.05
2.92
3.53
3.90
4.17
4.37
4.54
4.68
4.81
4.92
5.01
5.10
5.18
5.25
5.32
5.38
5.44
5.50
5.54
5.59
0.01
3.96
4.54
4.91
5.17
5.37
5.54
5.09
5.81
5.92
6.02
6.11
6.19
6.26
6.33
6.39
6.45
6.51
6.56
6.61
0.05
2.89
3.49
3.84
4.10
4.30
4.46
4.60
4.72
4.83
4.92
5.00
5.08
5.15
5.21
5.27
5.33
5.38
5.43
5.48
0.01
3.89
4.45
4.80
5.05
5.24
5.40
5.54
5.65
5.76
5.85
5.93
6.01
6.08
6.14
6.20
6.26
6.31
6.36
6.41
0.05
2.86
3.44
3.79
4.04
4.23
4.39
4.52
4.63
4.74
4.82
4.91
4.98
5.05
5.11
5.16
5.22
5.27
5.31
5.36
0.01
3.82
4.37
4.70
4.93
5.11
5.27
5.39
5.50
5.60
5.69
5.77
5.84
5.90
5.96
6.02
6.07
6.12
6.17
6.21
0.05
2.83
3.40
3.74
3.98
4.16
4.31
4.44
4.55
4.65
4.73
4.81
4.88
4.94
5.00
5.06
5.11
5.16
5.20
5.24
0.01
3.76
4.28
4.60
4.82
4.99
5.13
5.25
5.36
5.45
5.53
5.60
5.67
5.73
5.79
5.84
5.89
5.93
5.98
6.02
0.05
2.80
3.35
3.69
3.92
4.10
4.24
4.36
4.48
4.56
4.64
4.72
4.78
4.84
4.90
4.95
5.00
5.05
5.09
5.13
0.01
3.70
4.20
4.50
4.71
4.87
5.01
5.12
5.21
5.30
5.38
5.44
5.51
5.56
5.61
5.66
5.71
5.75
5.79
5.83
0.05
2.77
3.31
3.63
3.86
4.03
4.17
4.29
4.39
4.47
4.55
4.62
4.68
4.74
4.80
4.85
4.89
4.93
4.97
5.01
0.01
3.64
4.12
4.40
4.60
4.76
4.88
4.99
5.08
5.16
5.23
5.29
5.35
5.40
5.45
5.49
5.54
5.57
5.61
5.65
166
DUNNETT
Comparaciones entre p trat. y un control. Niveles de confianza de 0.95 y 0.99
GLE
P= Nmero de medias para la amplitud a probarse
Err
p
1
2
3
4
5
6
7
8
9
5 0.95 2.57 3.03 3.39 3.66 3.88 4.06 4.22 4.36 4.49
0.99 4.03 4.63 5.09 5.44 5.73 5.97 6.18 6.36 6.53
6 0.95 2.45 2.86 3.18 3.41 3.60 3.75 3.88 4.00 4.11
0.99 3.71 4.22 4.60 4.88 5.11 5.30 5.47 5.61 5.74
7 0.95 2.36 2.75 3.04 3.24 3.41 3.54 3.66 3.76 3.86
0.99 3.50 3.95 4.28 4.52 4.71 4.87 5.01 5.13 5.24
8 0.95 2.31 2.67 2.94 3.13 3.28 3.40 3.51 3.60 3.68
0.99 3.36 3.77 4.06 4.27 4.44 4.58 4.70 4.81 4.90
9 0.95 2.26 2.61 2.86 3.04 3.18 3.29 3.39 3.48 3.55
0.99 3.25 3.63 3.90 4.09 4.24 4.37 4.48 4.57 4.65
10 0.95 2.23 2.57 2.81 2.97 3.11 3.21 3.31 3.39 3.46
0.99 3.17 3.53 3.78 3.95 4.10 4.21 4.31 4.40 4.47
11 0.95 2.20 2.53 2.76 2.92 3.05 3.15 3.24 3.31 3.38
0.99 3.11 3.45 3.68 3.85 3.98 4.09 4.18 4.26 4.33
12 0.95 2.18 2.50 2.72 2.88 3.00 3.10 3.18 3.25 3.32
0.99 3.05 3.39 3.61 3.76 3.89 3.99 4.08 4.15 4.22
13 0.95 2.16 2.48 2.69 2.84 2.96 3.06 3.14 3.21 3.27
0.99 3.01 3.33 3.54 3.69 3.81 3.91 3.99 4.06 4.13
14 0.95 2.14 2.46 2.67 2.81 2.93 3.02 3.10 3.17 3.23
0.99 2.98 3.29 3.49 3.64 3.75 3.84 3.92 3.99 4.05
15 0.95 2.13 2.44 2.64 2.79 2.90 2.99 3.07 3.13 3.19
0.99 2.95 3.25 3.45 3.59 3.70 3.79 3.86 3.93 3.99
16 0.95 2.12 2.42 2.63 2.77 2.88 2.96 3.04 3.10 3.16
0.99 2.92 3.22 3.41 3.55 3.65 3.74 3.82 3.88 3.93
17 0.95 2.11 2.41 2.61 2.75 2.85 2.94 3.01 3.06 3.13
0.99 2.90 3.19 3.38 3.51 3.62 3.70 3.77 3.83 3.89
18 0.95 2.10 2.40 2.59 2.73 2.84 2.92 2.99 3.05 3.11
0.99 2.88 3.17 3.35 3.48 3.58 3.67 3.74 3.80 3.85
19 0.95 2.09 2.39 2.58 2.72 2.82 2.90 2.97 3.04 3.09
0.99 2.86 3.15 3.33 3.46 3.55 3.64 3.70 3.76 3.81
20 0.95 2.09 2.38 2.57 2.70 2.81 2.89 2.96 3.02 3.07
0.99 2.85 3.13 3.31 3.43 3.53 3.61 3.67 3.73 3.78
24 0.95 2.06 2.35 2.53 2.66 2.76 2.84 2.91 2.96 3.01
0.99 2.80 3.07 3.24 3.36 3.45 3.52 3.58 3.64 3.69
30 0.95 2.04 2.32 2.50 2.62 2.72 2.79 2.86 2.91 2.96
0.99 2.75 3.01 3.17 3.28 3.37 3.44 3.50 3.55 3.59
40 0.95 2.02 2.29 2.47 2.58 2.67 2.75 2.81 2.86 2.90
0.99 2.70 2.95 3.10 3.21 3.29 3.36 3.41 3.46 3.50
60 0.95 2.00 2.27 2.43 2.55 2.63 2.70 2.76 2.81 2.85
0.99 2.66 2.90 3.04 3.14 3.22 3.28 3.33 3.38 3.42
120 0.95 1.98 2.24 2.40 2.51 2.59 2.66 2.71 2.76 2.80
0.99 2.62 2.84 2.98 3.08 3.15 3.21 3.25 3.30 3.33
0.95 1.96 2.21 2.37 2.47 2.55 2.62 2.67 2.71 2.75
0.99 2.58 2.79 2.92 3.01 3.08 3.14 3.18 3.22 3.25
167