Diseno Experimental Ciencias Salud

El Diseo Experimental en las Ciencias de la Salud
Miguel ngel Rodrguez Feliciano

Universidad Autnoma de Chiapas
Facultad de Ciencias Qumicas
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
El Diseo Experimental en las Ciencias e la Salud

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:
Principios Bsicos del Diseo de

Experimentos
Mtodos de Investigacin
Mtodos de Recoleccin de Datos
Mtodos de Interpretacin de Datos
E t a pa s del Mt odo de In vest iga cin
Cientfica
Diseo de Experimentos
Etapas de un Experimento
Diseo Estadstico de Experimentos
Aplicaciones del Diseo de Experimentos
P r in cipios
B sicos
del
Dise o
de
Experimentos
Elementos del Diseo de Experimentos
Certidumbre de los Resultados de un
Experimento
Los modelos Estadsticos y el Anlisis de la
Varianza
Modelo Ma t em t ico Qu e Or igin a el An lisis
de Varianza
Esquema de Muestreo
Supuestos de Aplicacin
Conceptos de Aplicacin
Desa r r ollo del Modelo Ma t em t ico del
Anlisis de Varianza
Hiptesis
Tabla de Anlisis de Varianza
Problemario de ANVA
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:
Mtodo de Student-Newman-Keuls (S-N-K)

Mtodo de Tukey
Mtodo de Scheff
Mtodo de Dunnett
Consideraciones Sobre Las Pruebas
Comparaciones Ortogonales
Comparaciones Independientes
Contrastes Ortogonales
Problemario de Comparaciones Ortogonales
Principios Bsicos de los Experimentos

Factoriales
Experimentos Factoriales
Ventajas
Desventajas
El Modelo
Notacin
Representacion Grafica de los Diseos
Factoriales
Anlisis Estadstico
Anlisis de las Interacciones
Anlisis de un Arreglo Factorial por
Contrastes Ortogonales.
Arreglo Factorial 2 x 2 (22).
Arreglo Factorial 2x2x2 (23).
Problemario de Arreglos Factoriales por
Anlisis de un Arreglo Factorial por Medio
del Modelo Factorial.
Arreglo Factorial 22
Problemario de Arreglos Factoriales por
Modelos Factoriales
Tablas
DISTRIBUCION "t"
Tabla "F"
DUNCAN
TUKEY
DUNNETT
Resultados

P a r t e I: Gen er a lida des

Ca pit u lo I:
Principios B sicos
Experimentos
del
Dise o
de
a bla r del dise o exper im en t al, pa r ecier a ser u n t em a r ido y

difcil de en t en der , sobr e t odo en el r ea de la sa lu d don de las
matemticas n o son pr ecisa m en t e su fu er t e. Sin em ba r go es
im pr escin dible el a poyo de est a h er r a m ien t a pa r a poder a va n za r en el
con ocim ien t o qu e per m it a com ba t ir y pr even ir en fer m edades. P or lo qu e
u n a explica cin sen cilla del dise o exper im en t al es que es una
h er r a m ien t a de la in vest iga cin cien t fica , qu e per m it e responder
pr egu n t a s m ediante el est a blecim ien t o de causalidad en t r e va r ia bles a
t r a vs del con t r ol de la s m ism a s y a s poder con ocer : quienes, que,
donde y como interaccionan.
Los Dise os E xper im en t a les, b sica m en t e son a r r eglos de va r ia bles
su jet a s a est u dio qu e per m it en el est u dio de u n fen m en o de in t er es, y
poder in fer ir ca u sa lida d. Adem s poseen u n m odelo m a t em t ico qu e
sustenta el posterior anlisis estadstico.
La fa se qu e se con oce com o Diseo, es el pr oceso de pla n ea r u n
exper im en t o pa r a obt en er da t os a pr opia dos qu e pu eda n ser a n a liza dos
m edia n t e m t odos est a dst icos, con el objet o de pr odu cir con clu sion es
va lida s y objet iva s. Y la fa se del Experimento, 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 entrada de un proceso o sistema, de manera que sea posible observar e
iden t ifica r la s ca u sa s de los ca m bios en la r espu est a de sa lida .
Con sider n dose qu e los exper im en t os exit osos con sist en en pr opon er
pr egu n t a s qu e son im por t a n t es en el ca m po de la in vest iga cin en el qu e
s esta trabajando y en efectuar experimentos que las contesten.

As qu e el dise o exper im en t al y el a n lisis est a dst ico de los da t os est n

est r ech a m en t e r ela cion a dos, ya qu e el m t odo de a n lisis depen de
directamente del diseo empleado.
Debido a qu e el dise o exper im en t al, es u n a h er r a m ien t a de la
in vest iga cin cien t fica , es n ecesa r io con ocer a lgu n os con cept os pr evios
a n t es de poder en t r a r de llen o en m a t er ia ; por lo qu e a n t es qu e n a da es
n ecesa r io h a bla r sobr e qu e es la In vest iga cin Cientfica,
considerndosele como la bsqueda permanente de la verdad de un hecho
m edia n t e m t odos objet ivos, a decu a dos y pr ecisos. P or ot r a pa r t e, como
ya se m en cion o, pa r a poder la r ea liza r se r equ ier e de los Mt odos de
Investigacin, los cu a les, son pr ocesos (desa r r ollo de u n a a ct ivida d)
m edia n t e los cu a les se obt ien en con ocim ien t os pa r a a cr ecen t a r el cu er po
de u n a disciplin a cien t fica ; pu din dose a plica r a cu a lqu ier n ivel de la
in vest iga cin (B sica o Aplica da ): Al m ism o t iem po los procedimientos
en los qu e se a poya son u n a su cesin cr on olgica de oper a cion es qu e se
con ca t en a n en t r e s, pa r a con st it u ir u n a u n ida d de fu n cin qu e r ea liza
una actividad o tarea especfica dentro de un mbito de aplicacin.
P or ot r a pa r t e u n t r m in o qu e se u sa r fecu en t em en t e es el de Variable
Estadstica, pa r a com pr en der su sign ifica do, con sider em os el h ech o de
qu e a l h a cer u n est u dio en u n a pobla cin , se obser va u n a ca r a ct er st ica o
propiedad de in t er es en los elem en t os o in dividu os qu e la con st it u yen .
As qu e ca da u n a de est a s ca r a ct er st ica s est u dia da s r eciben el n om br e
de variable estadstica (edad, peso, sexo, etc).
Depen dien do de la ca r a ct er st ica podem os dist in gu ir va r ios t ipos de
variables:
Por su estructura
Simple.-
Mide un solo indicador
Compleja.- Se requiere de 2 o ms indicadores

Por la forma de medirse

Cualitativas
Nom in a les (n om br es).- Nom br a la m oda lida d de
caracterstica sin compararla con grados de intensidad.
Ordinales.- E xpr esa qu e elem en t os pu eden
caractersticas en distintos grados o intensidades
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.
Son los mtodos de inters en este libro

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

Etapas del Mtodo de Investigacin Cientfica

1. Observacin:
Obser va cin en for m a cr t ica de u n h ech o o

fen m en o. Colect a h ech os por : a ) Obser va cin , b)
E xper im en t a cin em pr ica . E n est e pa so n o se
concluye.
2. Planteamiento
Aqu se for m u la el pr oblem a en for m a especfica y
del Problema:
con pr ecisin . Se fu n da m en t a en los con cept os de la
ciencia (conocimientos cientficos ya elaborados).
3. F or m u la cin de Se in icia a pa r t ir del a n lisis del pr oblem a
Hiptesis:
pla n t ea do. Tien e la fin a lida d de explica r los h ech os
con ocidos y pr on ost ica r los descon ocidos. Su a lca n ce
depen de de su ca pa cida d lgica (n o debe ser a u t o
contradictoria).
E n el pla n t ea m ien t o de u n a H ipt esis n o debe h a ber
u n a n ega cin ; a dem s la in vest iga cin b sica n o
lleva hiptesis.
E st a s deben ser oper a cion a les pa r a poder
com pr oba r la s (debe de con t en er va r ia bles qu e
poda m os oper a r ). Adem s con t en dr la in for m a cin
de la s va r ia bles de in t er s pa r a su in t er pr et a cin y
conclusin.
Se deben pr opon er h ipt esis bien defin ida s y
fundam en t a da s; y n o ser su posicion es qu e n o
comprometan nada en concreto, ni ocurrencias sin
fundamentos.
4. Ver ifica cin
de E st e pa so n os a yu da a a dqu ir ir in for m a cin
la Hiptesis:
r eleva n t e a l pr oblem a ; a dem s de con clu sion es con
cierto grado de confiabilidad.
Sin em ba r go est o depen der de: a ) Ca n t ida d de
in for m a cin , b) F or m a de r ecoleccin , c) Tcn ica s de
anlisis. Aqu es don de es don de los m t odos
estadsticos son una herramienta indispensable
5. Conclusiones:
Deben ser lo m s r eleva n t es sobr e el fen m en o
estudiado. Cu yo pr opsit o es el de con fir m a r o en
ca so con t r a r io, a u m en t a r los con ocim ien t os a l
cuerpo de la ciencia.
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:
Iden t ifica los elem en t os o va r ia bles a eva lu a r , del

fen m en o de in t er s. P la n t ea los Objet ivos y la s
Hiptesis.
Disear:
Aqu se seleccion a y a plica el dise o m s eficien t e y

qu e m in im ice el er r or exper im en t a l (for m a de la
dist r ibu cin del exper im en t o). Iden t ifica los fa ct or es
qu e a fect en a la s va r ia bles de est u dio y det er m in a el
tamao de la muestra.
Ejecucin:
Segu ir el dise o seleccion a do; r ea liza n do t oda s la s

a ct ivida des por igu a l except o la s qu e se desea n
eva lu a r . Recolect a de m a n er a or den a da la s
observaciones.
Anlisis e
Interpretacin:
Se or ga n iza la in for m a cin y se a plica el m t odo

est a dst ico a pr opia do, pa r a eva lu a r el dise o y
probar las hiptesis planteadas.
12

Diseo Estadstico de Experimentos

E s el pr oceso de pla n ea r u n exper im en t o pa r a obt en er da t os a pr opia dos
qu e pu eda n ser a n a liza dos m edia n t e m t odos est a dst icos, con el objet o
de pr odu cir con clu sion es va lida s y objet iva s. E l dise o de exper im en t os y
el a n lisis est a dst ico de los da t os est n est r ech a m en t e r ela cion a dos, ya
que el mtodo de anlisis depende directamente del diseo empleado.
Para t en er va lidez en la s con clu sion es, los
establecerse con claridad y plantearse como:
objet ivos
deben
de
Preguntas que se tienen que contestar,

Hiptesis que se tienen que probar y
Efectos que hay que estimar.
Adems se debe de considerar:
Qu variables tienen mayor influencia en la respuesta.
Cu l es el va lor de la va r ia ble in depen dien t e (X) qu e m ejor in flu ye
en la va r ia ble depen dien t e (Y), de m odo qu e Y t en ga siem pr e u n
valor cercano al valor nominal deseado.
en la variable dependiente (Y), de modo que Y sea pequea.
en la va r ia ble depen dien t e (Y), de m odo qu e se m in im icen los
efectos de las variables incontrolables.
Aplicaciones del Diseo Experimental

La s a plica cion es de t cn ica s de dise o exper im en t a l pu eden da r por
resultado:
Lograr mejorar el rendimiento de un proceso
Obtener menor variabilidad y mayor apego a los requerimientos
n ominales u objetivos.
Optimizar los tiempos de desarrollo.
Minimizar costos globales y
Es empleado extensamente en el desarrollo de nuevos productos o
para mejorar productos tcnicas ya existentes.
13

Principios Bsicos del Diseo de Experimentos

Se consideran 3 aspectos fundamentales
1)
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
Elementos del Diseo de Experimentos

Aleatorizacin: Es una tcnica ideada por Fisher. Y no es otra cosa que la
asignacin de los tratamientos a las unidades experimentales (UE).
P or lo qu e t oda s la UE t ien en la s m ism a s pr oba bilida des de r ecibir
u n t r a t a m ien t o. P er m it e: a ) E st im a cin in sesga da del Error
E xper im en t a l (EE). b) E st im a cin im pa r cia l de la m edia de los
tratamientos.
Bloque: Con ju n t o de UE lo m s h om ogn ea s posibles; a pa r ecen t odos los
t r a t a m ien t os u n a sola vez. Aqu el gr a dien t e de va r ia bilida d es
perpendicular al bloque. Tiene como objetivo minimizar el EE.
Diseo de Experimentos: Ya se hablo de lo que es el diseo experimental,
per o a h or a lo h a r em os en fu n cin de los elem en t os qu e lo
con st it u yen ; por lo qu e se con sider a qu e es el pr ocedim ien t o pa r a
a sign a r los t r a t a m ien t os a la s u n ida des exper im en t a les en los
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

U n ida d E xper im en t a l (U E ): Ma t er ia l o lu ga r sobr e el cu a l se a plica n los

t r a t a m ien t os ba jo est u dio. E l efect o de los t r a t a m ien t os se m ide en
la UE.
Variable Aleatoria: Funcin que transforma a los eventos definidos en un
espa cio m u est r a l en n m er os r ea les. Gen er a n fu n cion es de
pr oba bilida d (discr et a s) y de den sida d (con t in u a s). Sien do la s
va r ia bles: a )Discr et a s: Ber n ou lli, Bin om ia l, P oisson , b)Con t in u a :
Normal, X2 , t, F
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


Ca pit u lo II:
Certidum br e de los Resu lt a dos de u n
Experimento
n a de la s pr in cipa les consideraciones a la h or a de desa r r olla r
u n a in vest iga cin a poya da en la exper im en t a cin , es el h ech o
de qu e t a n con fia bles sean los r esu lt a dos qu e se obt en ga n , por
lo qu e pa r a poder est a r segu r os sobr e lo qu e est a m os h a cien do, es
n ecesa r io t om a r en con sider a cin a lgu n os a spect os qu e a bor da r em os en
este capitulo.
Por principio de cuentas, es necesario considerar que los resultados de los
experimentos n o solo se ven afectados debido a la a ccin de los
t r a t a m ien t os ba jo est u dio, si n o qu e t a m bin a causas desconocidas que
en cu br en su s efect os, a los qu e se les con oce com o E r r or E xper im en t a l,
teniendo como principales fuentes a:
1. La va r ia bilida d in h er en t e a l m a t er ia l exper im en t a l (UE ) a l cu a l
se aplican los tratamientos.
2. La variabilidad debida a la falta de uniformidad en la conduccin
del experimento.
A pesa r de qu e los E r r or es E xper im en t a les pu eden t en er u n a gr a n
influencia en los r esu lt a dos, el efect o de estos se pu ede difer en cia r de los
efectos de los tratamientos.
E n los r esu lt a dos exper im en t a les a n en los exper im en t os m u y bien
pla n ea dos y con du cidos, n o se pu ede est im a r la exa ct it u d en ellos, debido
a qu e n o se con oce el va lor ver da der o con el qu e se debe de com pa r a r la
a pr oxim a cin del va lor obt en ido; per o se puede t r a ba ja r sobr e la
precisin de los resultados, es decir sobr e la r epr odu cibilida d de estos.
P or lo qu e en t r m in os de pr oba bilida d, se puede se a la r cier t a
confiabilidad de los resultados mientras sean aproximados unos de otros.
E n la exper im en t a cin , el u so del Dise o E xper im en t a l per m it e obt en er
est im a cion es in sesga da s de Media s, Difer en cia s de Tr a t a m ien t os y del
Error Experimental.
17

E st o in dica qu e la m edicin del va lor de u n a va r ia ble a lea t or ia

exper im en t a l, va r ia r en m a yor o m en or ca n t ida d del va lor ver da der o de
la va r ia ble, Si se r epit e la m edicin va r ia s veces, est s va r ia r n
alrededor del valor verdadero; a esto se llama: Exactitud.
Exactitud:
E s la cer ca n a con la cu a l la m edicin de u n a va r ia ble se

aproxima al valor verdadero de esa variable
E l va lor ver da der o de u n a va r ia ble a lea t or ia n o se con ocer con

exa ct it u d, debido a los er r or es qu e se com et en en la m edicin y los
factores que influyen sobre esa variable.
La s m edicion es qu e se h a cen t ien en sesgos, m s a n cu a n do se t r a ba ja n
con m u est r a s, ya qu e se ca lcu la n est im a dor es y n o pa r m et r os
poblacionales.
Sesgo:
Un sesgo del est im a dor es la diferencia en t r e el va lor esper a do

de una variable aleatoria y el valor verdadero.
A m edida qu e sesgo dism in u ye o a u m en t a el n m er o de r epet icion es del

experimento, la exa ct it u d aumenta. E l r esu lt a do del est im a dor pu ede
r epet ir se va r ia s veces o n o, da n do com o r esu lt a do la sigu ien t e pr egu n t a
Son con fia bles los da t os qu e obt en em os y la s r ecom en da cion es qu e
hacemos?
Los va lor es de u n a va r ia ble a lea t or ia son obt en idos de con dicion es r ea les
per o con t r ola da s, por lo qu e los da t os r efleja n la r ea lida d per o Qu e t a n
confiables son?
La r espu est a a la a n t er ior pregunta r equ ier e la con sider a cin de qu e es
necesario establecer una medida, que permita en trminos relativos tener
con fia n za en los da t os colect a dos, en t on ces Como se debe de m edir la
confiabilidad?
An t es de r espon der debem os de com pr en der cu a n do u n pr oceso es
confiable. P or lo qu e U n pr ocedim ien t o es con fia ble, cu a n do en t odos los
casos genera el mismo resultado
P or lo qu e la con fia n za va a va r ia r de a cu er do a la fr ecu en cia con la qu e
se obt ien e el r esu lt a do desea do. E st o con du ce a la u t iliza cin de la t eor a
de la s pr oba bilida des pa r a la m edicin de la con fia n za ; sien do el N ivel de
Significancia o Significacin quien da la medicin de la confianza
Al pr oba r u n con ju n t o de t r a t a m ien t os, el An lisis de Va r ia n za (ANVA)
sir ve pa r a pr oba r la H ipt esis Nu la (Ho.) con t r a la H ipt esis Alt er n a
(Ha.) en donde:
18

Ho:El efecto de los tratamientos es el mismo (no hay diferencia)

Ha:
Existen diferencias entre el efecto de los tratamientos
La pr u eba de h ipt esis se efect a a t r a vs de u n a pr u eba de sign ifica n cia
est a dst ica , m edia n t e la cu a l se com pr u eba si la H ipt esis n u la es
ver da der a o falsa, t en ien do com o pr oba bilida des de er r or lo qu e se
observa en el cuadro 2:
Cuadro 2.- Probabilidades de la hiptesis nula
Decisin
Rechazar la Hiptesis
No Rechazar la
Hiptesis
Falsa
Correcta
Error tipo II ( )
Ho
Verdadera
Error tipo I ( )
Correcta
Cuando se rechaza a una hiptesis verdadera se le llama Error Tipo I y el

n ivel de sign ifica n cia es la pr oba bilida d de com et er lo; est o es, la
pr oba bilida d de a cept a r qu e exist en difer en cia s en t r e t r a t a m ien t os
cuando no las hay.
Nivel de significancia =
= p (Error Tipo I).
La eleccin del nivel de significancia ( ) est determinado por los costos y

r iesgos qu e im plica u n a decisin in cor r ect a , t en in dose en el r ea de
sa lu d m a yor poder de decisin en la seleccin del n ivel de sign ifica n cia
los r iesgos, por lo qu e cu a n do son m u y gr a n des el nivel ( ) debe ser
pequeo. P or lo qu e el est n da r u t iliza do en la m a yor a de los
experimentos, con el estadstico de prueba F es de =0.05 (5%) y =0.01
(1%), que proporcionan una confianza adecuada, pero se pierde al utilizar
pruebas no confiables.
Los fa ct or es qu e a fect a n la
con fia n za
en
los
r esu lt a dos
experimentales son:
Conduccin del experimento

Eleccin del sitio experimental
Nmero de repeticiones
Al n o det ect a r se difer en cia s en t r e t r a t a m ien t os, se pu eden en con t r ar

tendencias. Ya qu e en la m a yor a de los ca sos se en con t r a r n algunos
t r a t a m ien t os qu e r in den m s qu e ot r os y la pr oba bilida d de qu e esa
t en den cia im pliqu e difer en cia s es ; en t on ces con la H ipt esis Alt er n a
(Ha) se pla n t ea la pr egu n t a De qu e m a gn it u d n os in t er esa n est a s
diferencias?
19

Para poder con t est a r la pr egu n t a , se r equ ier e defin ir el t r m in o

precisin.
Precisin:
Es la capacidad de repeticin de las medidas estudiadas.

E s la m a gn it u d de la difer en cia en t r e dos t r a t a m ien t os qu e
un experimento es capaz de detectar.
La precisin es de gr a n im por t a n cia en la in vest iga cin pa r a pr oba r

hiptesis mediante el Anlisis de Varianza.
Ya qu e la s h ipt esis est a dst ica s, son com plem en t a r ia s y m u t u a m en t e

exclu yen t es, siem pr e se va n a t en er dos h ipt esis, la n u la (Ho) y la
alterna (Ha), qu e es don de r ea lm en t e desca n sa la idea del in vest iga dor ;
en el ca so del a n lisis de va r ia n za (ANVA) pa r a el dise o de
exper im en t os la h ipt esis n u la siem pr e se pla n t ea de la for m a : E l efect o
de los t r a t a m ien t os es el m ism o, y qu e est o sea cier t o depen de de la
pr ecisin qu e desea m os t en er en la in vest iga cin , y la pr ecisin va a
depender de los costos y problemas en la realizacin del experimento.
Adems la precisin, se mide por el inverso de la varianza de la media:
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
Elston, R.C., W.D. Johnson. 1990. Principios De Bioestadistica.
Mxico, Ed. El Manual Moderno, S.A. De C.V.
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


Ca pit u lo III:
Los m odelos E st a dst icos y el An lisis
de la Varianza
os dise os de exper im en t os t ien en com o h er r a m ien t a ba se a l
a n lisis de va r ia n za (ANVA), por lo qu e n o es posible en t r a r de
llen o en m a t er ia , sin a n tes a n a liza r la for m a en qu e t r a ba ja el
ANVA.
De m a n er a gen er a l se con sider a qu e u n MODE LO, es la r epresentacin
a esca la de u n fen m en o de la vida r ea l. Y u n Modelo Ma t em t ico, es el
qu e se en ca r ga de r ela cion a r la s va r ia bles qu e descr iben o explica n el
fenmeno. Den t r o de los Modelos Ma t em t icos t en em os qu e est os se
dividen en dos grandes grupos:
Deterministico: Establecen una relacin exacta entre las variables.
Estadstico:
La r ela cin en t r e la s va r ia bles depen de del a spect o

aleatorio de los fenmenos.
Debido a qu e en el r ea de SALUD, se t r a ba ja con sist em a s biolgicos, el

m odelo m a t em t ico qu e sa t isfa ce la s ca r a ct er st ica s de los fen m en os en
estudio es el estadstico.
Modelo Matemtico Que Origina el Anlisis de Varianza

E n el pr oceso de r ecoleccin de da t os, la s obser va cion es (y i) pr oven ien t es
de una poblacin normal pueden ser representados por la ecuacin:
yi =
con i = 1, 2, 3,........, n
Ecuacin (1)
En donde:
:
E s u n a con st a n t e, la cu a l depen de de u n con ju n t o de fa ct or es

con el m ism o efect o pa r a t odos los va lor es de la pobla cin . Es la
media de todos las observaciones (y i) de la poblacin
22

i:
E s el er r or de m u est r eo pa r a ca da obser va cin (y i). Es decir , es

la parte aleatoria, la cual depende de un conjunto de factores
que influyen en diferente forma sobre el fenmeno.
E n la ecu a cin (1), los i son a lea t or ios y pu eden t om a r va lor es t a n t o

positivos com o n ega t ivos, debido a qu e los y i t a m bin son a lea t or ios; y
es u n a con st a n t e. P or lo qu e cu a lqu ier in fer en cia cobr e depender del
modelo probabilstico que se suponga para la variable i
Esquema de Muestreo
En el esquema de muestreo se tiene:
yi =
Donde se con sider a qu e los da t os deben de t en er u n a dist r ibu cin normal

con u n a m edia y u n a va r ia n za [y i N ( ,. 2 )] y en con secu en cia el er r or
t a m bin debe de pr esen t a r 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 [ i
N (0, 2 )]com o se obser va en la s sigu ien t es
figura 1.
Variacin de i
Variacin de yi
yi
Figura 1.- Distribucin de los valores de y i y de i, siendo
una constante
Los i son valores de variables aleatorias no observables, entonces la base

de la in fer en cia sobre la m edia pobla cion a l ( ), qu e es descon ocida , son
los va lor es (y i). E n la s gr fica s m ost r a da s, lo n ico qu e se h izo fu e la
t r a sla cin de ejes de la s a bcisa s, est o es, u n ca m bio en el pa r m et r o de
localizacin tanto i como para yi.
La im por t a n cia de la ecu a cin (1), r eside en la r epr esen t a cin de la
va r ia ble y i com o la su m a de u n pa r m et r o y u n a va r ia ble a lea t or ia n o
observable i, da n do or igen a u n a ecu a cin qu e pr et en de explica r el
comportamiento de la variable aleatoria y i.
23

P a r a el a n lisis est a dst ico de la ecuacin (1) pu ede u t iliza r se el m t odo

del An lisis de la Va r ia n za (ANVA), el cu a l es u n pr ocedim ien t o
a r it m t ico, qu e con sist e en descom pon er la Su m a de Cu a dr a dos Tot a l
(Va r ia cin Tot a l) en fu en t es de va r ia cin r econ ocida s, in clu yen do la
va r ia cin qu e n o se h a podido m edir , qu e es el ERROR
EXPERIMENTAL.
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
Retomando la ecuacino (1), despejando i tenemos:

Si
y i = + i con y= 1, 2, 3,......, n ==> i = y i -
An lisis
de
(2)
En el esquema de muestreo tenemos como referencia a la media muestral

(
y ), por lo que desarrollando a la ecuacin (2) tenemos:

yi -
= (yi -
y)+(y
- )
(3)
La figura 2 descrive grficamente a la ecuacin

24

Figura 2.- Interpretacin grfica de la ecuacin 3
Elevando al cuadrado a la ecuacin 3 tenemos:

(y i - )2 = [(yi - y ) + ( y - )]2
(4)
Com o la ecu a cin (4) es cier t a pa r a t oda s y ca da u n a de la s y i, se t ien en

que sumar todas y cada una de las diferencias:
n
2
n
2
(5)
i=1(y i - ) =
i=1[(yi - y ) + ( y - )]
Desarrollando el binomio al cuadrado de la ecuacin (5)

n
2
n
2
2
i=1(y i - ) =
i=1[(yi - y ) +2(yi - y )( y - )]+( y - ) ]
Eliminando los corchetes tenemos:
n
2
n
2
n
i=1(y i - ) =
i=1 (yi - y ) +
i=12(yi - y )( y - )+
i=1
( y - )2
(6)
E n la ecu a cin (6) se t ien e qu e la m edia m u est r a l ( y ) y pobla cion a l ( )

son con st a n t es, en t on ces la difer en cia de la s con st a n t es ( y - ) es
con st a n t e; a dem s, t om a n do en con sider a cin qu e la su m a t or ia de u n a
con st a n t e, es igu a l a l pr odu ct o del n m er o de veces qu e a pa r ece por el
va lor de la m ism a ( n i=1C = n C) y qu e la su m a t or ia de u n a con st a n t e por
u n a va r ia ble es igu a l a l pr odu ct o de la su m a t or ia de la con st a n t e por la
sumatoria de la variable ( n i=1cXi = n i=1c n i=1 Xi), entonces:
n
i=1(y i -
)2 =
i=1(yi -
y )2+2( y -
i=1
(yi-
y ) +n( y -
)2
(7)
25

La su m a t or ia de la s difer en cia s de la s obser va cion es con la m edia es

igual a cero n i=1(yi- y ) = 0, entonces:
n
i=1
(y i- )2 =
i=1
(yi- y )2 + n( y - )2
(8)
La ecu a cin (8) descompone a la va r ia cin t ot a l [er r or es de m u est r eo ( i)]

en dos partes, qu e con du cen a la su m a de Cu a dr a dos (SC) de la s
desvia cion es or igin a les en la ecu a cin (3); r a zn por la cu a l se le lla m a a
la ecuacin (8), SUMA DE CUADRADOS (SC).
E s im por t a n t e det er m in a r la dist r ibu cin de los com pon en t es de la
ecu a cin (8), los cu a les gen er a r n u n pr ocedim ien t o pa r a pr oba r
h ipt esis sobr e la m edia pobla cion a l ( ). E st o se r ea liza de la m a n er a
siguiente:
Debido a que la variacin encontrada (errores de muestreo), es tan solo la
de la m u est r a , y st a r epr esen t a t a n solo u n a pa r t e de la va r ia cin
poblacional; se debe de con sider a r t a n solo com o la fr a ccin
correspondiente, por t a l m ot ivo se debe de dividir a la ecu a cin 8 en t r e la
varianza poblacional ( 2 ), obtenindose la ecuacin 9.
n
yi
i 1
yi
i 1
2
2
2
n y
2
Ecuacin
(9)
An a liza n do los com pon en t es de la

ecu a cin (9), de m a n er a gen er a l
se obser va qu e t ien den a
com por t a r se de m a n er a ms
parecida (a lgu n os m s qu e ot r os)
a la dist r ibu cin J i-cuadrada (ver
figu r a 3). P or lo qu e se a n a liza n
Figura 3.- Grfica de distribucin X2
en det a lle a ca da u n o de los
elementos que forman la ecuacin
26

yi
i 1
a) Distribucin del componente:
La s obser va cion es t ien en u n a dist r ibu cin n or m a l, con u n a m edia y u n a

va r ia n za pobla cion a l y i N( , 2 ) estandarizando la ecu a cin se obser va
que 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 va r ia n za de
uno.
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
Adem s, como la s obser va cion es (y i) son in depen dien t es,

n
yi
i 1
entonces:
--- X2 (n)
2
n y
b) Analizando el componente:
La m edia m u est r a l t ien e dist r ibu cin n or m a l con u n a

m edia y u n a va r ia n za pobla cion a l y
N ( , 2 /n)
est a n da r iza n do la ecu a cin t en em os qu e 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
de u n o; por lo qu e est a ecu a cin pr esen t a u n a dist r ibu cin
aproximadamente J i-cuadrada.
2
yi
y
N(0,1) ==>
n y
n
n
c) Distribucin del componente

X2 (1)
yi
2
i 1
27

Tom a r em os com o ba se a la ecu a cin del anlisis de va r ia n za de la

muestra:
n
yi
S2
i 1
despeja n do
n 1
yi
est a
ecu a cin
t en em os:
n 1 S2
i 1
y si a esto lo dividimos entre la varianza poblacional ( 2 ) tenemos:

n
yi
n 1 S2
i 1
2
X2 (n-1)
que presenta una distribucin J i-cuadrada
Por lo tanto la ecuacin (9)

n
yi
yi
2
i 1
y
2
n y
2
i 1
es equivalente a la particin de la x 2 siguiente:

X2 (n) = X2 (n-1) + X2 (1)
Ecuacin
(10)
Donde:
X2 (n):
Varianza total
X2 (n-1):
Varianza debida a la muestra (Error Experimental)
X2 (1):
Varianza debido a la media poblacional
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
P a r a pr oba r la s h ipt esis a n t es descr it a s, se debe der iva r u n a est a dstica

de P r u eba de h ipt esis para ; pa r a ello se u t iliza n los sigu ien t es
componentes de la ecuacin (9):
n
yi
i 1
2
2
2
n y
2
La est a dst ica de pr u eba a u t iliza r n o deber con t en er a la va r ia n za

pobla cion a l ( 2 ) ya qu e est a es descon ocida , por lo cu a l se der iva r a
pa r t ir de u n a r a zn de X2 , dividien do a u n a en t r e la ot r a de la m a n er a
siguiente:
2
2
n y
n y
2
2
n y
(1 )
1
F 1 n -1
n
n
S 2
2
2
yi
y
yi
y
i
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 =
F 1 n -1 E s decir la F ca lcu la da se a pr oxim a a u n a
dist r ibu cin F t er ica (de t a bla s). P or lo t a n t o se u t iliza F c pa r a pr oba r

el juego de hiptesis planteado al inicio.
29

RE GLA DE DECISIN.- La r egla de decisin pa r a la pr u eba con u n

nivel de significanca es de:
Rechazar Ho si Fc > F1 n -1 ,
Siendo Fc la calculada y la F1 n -1 ,
la de tablas
Tabla de Anlisis de Varianza

Todo el pr oceso a n t es descr it o se r esu m e en u n a t a bla lla m a da Ta bla de
An lisis de Va r ia n za (ANVA), qu e a con t in u a cin se det a lla en el cu a dr o
3:
Cuadro 3.- Anlisis de Varianza
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
La r egla de decisin qu e se t om a es la m ism a qu e pa r a la t a bla a n t es

descrita.
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
De est u dios pr evios se sa be qu e la s con cen t r a cion es de h em oglobin a en

per son a s qu e viven en zon a s con a lt u r a s sim ila r es a la s de la com u n ida d
en estudio es de 13.23 gr/dL.
a) Cual es la poblacin de inters en este estudio?
b) Se pu ede con sider a r qu e la con cen t r a cin de H b de los h a bit a n t es de
la com u n ida d en est u dio es igual a la r epor t a da en com u n ida des con
alturas similares. Si es as a que nivel de significanca?
Solucin:
a) La concentracin de hemoglobina
El juego de hiptesis a probar es: Ho: = o VS Ha:
Como o = Hb reportada en comunidades con alturas similares: o=13.23

Entonces Ho: =13.23 VS Ha:
13.23
E st e ju ego de h ipt esis se pr oba r m edia n t e el ANVA. E n don de la su m a

de cuadrados es:
S.C. Media =
n( y - o)2
n
2
n
2
n
2
S.C. Error =
i=1(yi - y ) =
i=1y i - (
i=1y i ) /n
n
2
S.C. Total =
i=1(yi - o)
n=28
De los datos obtenidos tenemos:
y = 402.93
y2 = 6029.9671
y/n = = 14.39
Sustituyendo en las formulas tenemos:

S.C. Media =
n( - o)2 = 28 (14.39 - 13.23)2 =
n
2
n
2
2
S.C. Error =
i=1y i - (
i=1y i ) /n = 6029.9671-(402.93) /28=
37.67
231.66
31

S.C. Tot a l =
269.33
i=1(yi -
o)2 = S.C. E r r or +S.C. Media = 231.66+37.67=
Cuadro 4.- Anlisis de Varianza del ejemplo
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
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., 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.
33


Box G. E. P., William G. Hunter, J. Stuart Hunter.
Estadstica Para Investigadores. Editorial Revert. 1
Reimpresin. Mxico, D.F. 1999.
Lara, A.M. Diseo estadstico de experimentos,
anlisis de la varianza y temas relacionados:
tratamiento informtico mediante SPSS. Proyecto Sur
de Ediciones, Granada. 2001.
Martnez, A. Diseos Experimentales. Mtodos y
Elementos de Teora. Editorial Trillas, Mxico. 1988.
Montgomery-Peck-Vining. Introduction to Linear
Regression Analysis. Wiley. 3 Ed. 2001.
1975,
Pea D. Estadstica, Modelos y Mtodos. Volumen II:
Modelos Lineales y Series Temporales. Alianza
Universidad, Madrid. 2000.
Pea, D., Regresin y Diseo de Experimentos.,
Alianza Editorial. 2002.
Ros S. "Mtodos Estadsticos", Ediciones del Castillo,
Madrid. 1977.
Walpole R.E., Myers R.H., Myers S.L: "Probabilidad y
Estadstica para Ingenieros", Ed. Prentice Hall, 6
edicin.1998,
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

Anlisis de Dos Poblaciones Independientes

La comparacin de dos poblaciones con distribucin normal puede ocurrir
en exper im en t a cin o en m u est r eo. E n exper im en t a cin ocu r r e cu a n do se
comparan dos tratamientos en unidades experimentales HOMOGENEAS
(iguales). Por ejemplo:
Com pa r a cin del con t r ol de in sect os por la aplica cin de
insecticidas con diferente formula, etc.
La temperatura optima de lectura para muestras de semen
E l t iem po en se a lca n za el m a yor cr ecim ien t o de u n
microorganismo
E st e a n lisis est a dst ico t a m bin es u sa do en m u est r eos de pobla cion es
reales. Por ejemplo:
La concentracin media de fosfatasa alcalina en nios,
La con cen t r a cin de Nit r gen o en in dividu os con diferentes dietas
ricas en protenas (fisiculturistas, atletas),
La estatura de los habitantes de dos regiones diferentes,
A est e t ipo de experimentacin se le conoce como m uestras
in depen dien t es o gr u pos sor t ea dos; en vir t u d de qu e los t r a t a m ien t os son
asignados de m a n er a a lea t or ia a la s u n ida des exper im en t a les y su
a n lisis es por m edio de los est im a dor es en for m a in depen dien t e. E n el
caso de poblaciones o tratamientos se dice que son independientes porque
el r esu lt a do de u n gr u po de n in gu n a m a n er a a fect a a los r esu lt a dos del
ot r o gr u po en com pa r a cin . Sien do el ca so m s sim ple del dise o
completamente al azar (DCA), que se aborda en el capitulo V.
E n gen er a l, se pu eden
com pa r a r
dos
poblaciones que cumplan
con
los
sigu ien t es
supuestos:
Las poblaciones tienen una distribucin

normal
Las poblaciones tienen igual varianza
Las muestras son independientes
Adems, si se toman muestras al azar de dos poblaciones con distribucin

n or m a l con va r ia n za s igu a les, se t ien en los parmetros qu e se pr esen t a n
en el cuadro 5.
36

Cuadro 5.- Parmetros y estimadores
Poblacin 1
Poblacin 2
Parmetro Estimador Parmetro Estimador
Media
Varianz
a
1
2
x1
S2
2
2
x2
S 22
Lo primero con lo qu e r equ er im os t r a ba ja r , es con la va r ia n za , debido n o

solo a su im por t a n cia pr ct ica t a n t o en el a spect o de los a n lisis
estadsticos, si n o t a m bin com o el de u n ifor m ida d y ca lida d de lo
evaluado.
Al calcular las varianzas puede suceder que, sean homogneas (iguales) o
difer en t es com o gr u po; a s qu e debem os est a blecer u n a h ipt esis qu e n os
per m it a despeja r la du da sobr e el su pu est o de h om ogen eida d; lo qu e se
puede plantear de la siguiente manera:
Ho: S2 i = S2 j (Varianzas homogneas),
H a : S2 i S 2 j (Varianzas heterogneas)
E l est a dst ico de pr u eba est ba sa do en u n a F , ba jo la s sigu ien t es
caractersticas:
Fc
var ianza _ mayor (m)

var ianza _ menor (n)
Fnm1 1 => Fc
S12 (mayor)
S 22 (menor)
La regla de decisin para esta hiptesis es:

m 1
1
1.- Fn
2.- Si:
= Ft (F de tabla)
Fc > Ft ==>Se rechaza Ho (varianzas heterogneas)
Fc < Ft==>No se rechaza Ho (varianzas homogneas)
E n fu n cin de lo a n t er ior y del n m er o de elem en t os con t en idos en la s

muestras, el juego de hiptesis planteadas son:
Ho: 1 = 2 vs Ha: 1
2
P or lo qu e la h ipt esis pla n t ea da podr ser pr oba da ba jo los sigu ien t es
estadsticos:
37

Va r ia n za s H om ogn ea s: Si se con sider a

igu a l va r ia n za pa r a la s dos pobla cion es,
(n1 1) S12 (n2 1) S 22
2
en t on ces el in dica dor de la va r ia n za es la S p
n1 n2 2
va r ia n za pon der a da S 2 p . Adem s n o se
r equ ier e qu e t en ga n el m ism o t a m a o de m u est r a . Y la Hiptesis a
probar es: Ho: 1 = 2 vs Ha: 1
2
Por lo t a n t o, si en la hiptesis nula se t ien e qu e
( 1 = 2 ), en t on ces el est a dst ico pa r a pr oba r la
hiptesis es:
x1 x 2
E l cu a l se dist r ibu ye com o u n a t st u den t con

n 1 +n2 -2 gr a dos de liber t a d. Sien do el cr it er io de
prueba o regla de decisin:
1
n1
Sp
Si tc > t(0.025, n 1 +n2 -2) se rechaza la hiptesis nula (Ho:
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
Ejemplo: E n u n la bor a t or io mdico, se

estudian el pH de la sa n gr e de h om br es y
m u jer es de u n a pobla cin de pa cien t es con
in su ficien cia r en a l, sien do la s lect u r a s de:
5.78, 5.74, 5.80 y 5.84, pa r a h om br es y pa r a
m u jer es de: 5.82, 5.87 y 5.96. Det er m in e si
exist en difer en cia s sign ifica t iva s en la s
lecturas realizadas*.
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
Ft2 3 ,0.01 = 30.8
2.9
F c < Ft.
En base a la regla de decisin, se acepta Ho, por lo que hay igualdad de

varianzas.
As qu e, u n a vez qu e se h a com pr oba do qu e la s va r ia n za s son
homogneas, se contina con la prueba de hiptesis.
La prueba de hiptesis es la siguiente:
Ho:
VS
Ha:
El estadstico de prueba es:
x1 x 2
Sp
S p2
1
n1
1
n2
(4 1)(0.00173) (3 1)(0.00503)
4 3 2
(n1 1) S12 (n2 1) S 22

n1 n2 2
2
p
0.00305
5.79 5.88
1 1
0.00305
4 3
2.134
t /2, n1 +n2 -2 ==> t 0.025,5= 3.163

tc < t 0.025,5 Por lo que la H o, no se rechaza.
E l pH de la sangre de ambos sexos es igual.
39

Problemario de Poblaciones Independientes

6. Se eva l a la ca n t ida d de semen eya cu la do, en va r on es qu e pr esen t a n
n iveles eleva dos de An t gen o P r ost t ico E specifico, sien do u n gr u po el
del problema y el otro de control:
Problema:
5, 7, 3, 4, 5, 3, 6.
Control:
3, 3, 4, 6, 5, 7, 4.
Son iguales los niveles de eyaculado? Explique
7. Se efect a u n exper im en t o pa r a est a blecer la dosis let a l (DL) de u n a
dr oga . P a r a lo cu a l se u t iliza n dos especies dist in t a s de r a t on es. Los
r esu lt a dos se obt u vier on en gr de la dr oga u t iliza da h a st a la m u er t e
del roedor; siendo estos:
Especie Mus musculus:
0.5, 0.4, 0.6, 0.4, 0.3, 0.5.
Especie Microtus ochrogaster: 0.8, 0.5, 0.6, 0.6, 0.7, 0.8, 0.7.
Influye la especie del roedor en el efecto de la droga? Explique.
8. E n la pobla cin de Ma pa st epec, Ch ia pa s se r ea liza u n est u dio pa r a
det er m in a r el n dice de m or t a lida d en la pobla cin du r a n t e los lt im os
8 a os. Los r esu lt a dos obt en idos fu er on el n m er o de defu n cion es por
ao agrupados por sexos, siendo estos:
Hombres:
152, 143, 98, 115, 123, 137, 142, 144
Mujeres: 143, 165, 134, 148, 122, 151, 156, 155
Influye el sexo en la mortalidad de la gente de Mapastepec? Explique.
9. Se realiza un experimento para determinar si existe diferencia entre la
t em per a t u r a qu e a lca n za n los a n im a les in fect a dos con 2 t ipos
diferentes de hemoparasitos (Babesia y Anaplasma). El experimento se
r ea liza n con 6 a n im a les por pa r sit o y se m idi la t em per a t u r a en C,
obtenindose los siguientes resultados:
Babesia:
39.5, 40.2, 38.7, 40.6, 39.7, 41.0
Anaplasma:
38.5, 39.0, 38.2, 40.1, 39.8, 39.2
E xist en difer en cia s en el a u m en t o de la t em per a t u r a por efect o de la
infeccin de los parsitos? Explique.
10.Se r ea liza u n exper im en t o pa r a det er m in a r si exist e difer en cia en el
t iem po de sa n gr a do en dos gr u pos de per son a s. E n el exper im en t o se
u t iliza u n gr u po con t r ol (per son a s sa n a s) y u n gr u po de per son a s con
dia bet es: Se pr ocede a h a cer el exper im en t o obt en in dose los
siguientes resultados:
Control:
4, 7, 6, 4, 5, 3, 4
Diabetes:
9, 9, 8, 9, 7, 8, 9, 10, 11, 7
Existen diferencias en los tiempos de sangrado? Explique.
40

Comparacin de Medias con Grupos P areados.

Cu a n do se u sa la t cn ica de m u est r a s in depen dien t es
pa r a com pa r a r dos t r a t a m ien t os y la s u n ida des
exper im en t a les son m u y H E TE ROGE NE AS (diferentes)
den t r o de la s m u est r a s, la va r ia n za den t r o de ellas es
m u y gr a n de, por lo qu e es difcil det ect a r la s difer en cia s
entre los tratamientos.
P or lo qu e r esu lt a con ven ien t e agrupar a la s u n ida des
exper im en t a les for m a n do pa r es, de t a l for m a qu e los
elem en t os de u n pa r sea n lo m s homogneos posible.
La s u n ida des exper im en t a les qu e for m a n u n pa r deben
ser homogneas en el sen t ido de qu e si n o se a plica r a n
difer en t es t r a t a m ien t os, se esperaran observaciones
similares.
Con est a for m a de a gr u pa cin , la va r ia n za en t r e pa r es
n o se in clu ye en la va r ia n za del er r or exper im en t a l,
incrementndose la pr ecisin del exper im en t o. A est e
dise o se le con oce com o COMP ARACION DE ME DIAS
CON GRUP OS PARE ADOS. Sin em ba r go es el ca so m s sim ple del
diseo de bloques al azar (DBA), que se aborda en el capitulo V
Algunas comparaciones que se pueden evaluar son del tipo:
La r espu est a de u n in dividu o a u n a diet a , a n t es y despu s de la
aplicacin de un medicamento.
E l r en dim ien t o de u n a t let a a n t es y despus de la a plica cin de u n
tratamiento con cierta droga.
Los niveles de estrgenos en mujeres de diferentes grupos de edades
Si X11,X12,X13,,,X1n son n obser va cion es de la m u est r a 1 y X21,
X22,X23,..,X2m son m obser va cion es de la m u est r a 2, en t on ces el
exper im en t o de pobla cion es depen dien t es a r r oja r los com o se obser va n
e el cuadro 6.
Cuadro 6.- Datos de poblaciones dependientes
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

Los estimadores y parmetros se presentan en el cuadro 7.

Cuadro 7.- Estimadores y parmetros de poblaciones independientes
Parmetro
Media
Varianza
En donde:
d
Estimador
d
S2d
di
n
di d
n 1
2
d
P or lo t a n t o, pa r a pr oba r la hiptesis Ho:

el estadstico de prueba:
di
n
2
i
n 1
= 0 se u t iliza
tc
sd2
n
La regla de decisin para la hiptesis planteada es

Si tc > tn-1,a Existe significancia. Se rechaza Ho.
Si tc < tn-1,a No hay significancia. Se acepta Ho.
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
La prueba de hiptesis sobre las medias es la siguiente:

Ho: 1 - 2 =
d
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
Aplicando la regla de desicin:

t0.05/2,7 = 2.841 como tc > t0.05/2,7 ==> Se rechaza Ho
t0.01/2,7 =4.029 como tc > t0.01/2,7 ==> Se rechaza Ho
Debido a qu e se r ech a za la h ipt esis n u la (H o). E l efect o de la s diet a s n o
es el mismo en el incremento de peso de los nios.
Problemario de Grupos Pareados

11.Se eva l a la fu n cin r en a l de pa cien t es de a m bos sexos con dia bet es,
pa r a lo cu a l se m ide la con cen t r a cin de glu cosa en or in a /24h en m g.
Se efect a n la s lect u r a s or den a n do a la s per son a s en ba se a los n iveles
de glucosa en sangre, obtenindose los siguientes resultados:
Glucosa:
1
Hombres:
280,
Mujeres:
290,
E xist en difer en cia s
del sexo? Explique.
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
12.Debido a la s va r ia cion es clim t ica s r ecien t es, se h a n est a do da n do

br ot es de en fer m eda des en la cost a del E st a do de Ch ia pa s, por lo qu e
se desea sa ber si en la cost a la t em per a t u r a es la m ism a ,
procedindose a r egist r a r la t em per a t u r a de 2 ciu da des en los
extremos de la cost a de Ch ia pa s (Ton a la y Ta pa ch u la ) du r a n t e u n a
sem a n a a la s 12:00 h r s. a la som br a a 7 difer en t es a lt u r a s,
obtenindose los siguientes resultados:
Atura:
1
2
3
4
5
Tonala:
32, 29, 31, 30, 29,
Tapachula:
29, 31, 28, 30, 29,
E xist en difer en cia s en la s t em per a t u r a s
Explique.
6
7
31, 30.
28, 29
a m bien t a les de la cost a ?
43

13.Se r ea liza u n exper im en t o pa r a eva lu a r el efect o de u n a n u eva dr oga

en la r edu ccin de los n iveles de glu cosa en sa n gr e de pa cien t es
dia bt icos. La pr u eba se r ea lizo con pa cien t es qu e t en a n
h iper glu cem ia y se les su m in ist r o la dr oga eva lu a n do los n iveles de
glu cosa en sa n gr e 24h r s. despu s. Los r esu lt a dos obt en idos fu er on los
siguientes:
Paciente:
1
Antes:
300,
Despus:
140,
droga? Explique.
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
14.Se eva l a n la s con cen t r a cion es de P r ogest er on a en m u jer es

em ba r a za da s de dos eda des difer en t es (25 y 35 a pr ox.). Se t om a r on
m u est r a s du r a n t e los n u eve m eses de em ba r a zo obt en in dose los
siguientes resultados promedios:
Mes:
1
2
25:
8,
14,
35:
9,
12,
Explique.
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?
15.Se h a cen u n exper im en t o con dos t ipos de lech es in fa n t iles pa r a

obser va r la ga n a n cia de peso en n i os r ecin n a cidos con pr oblem a s de
peso a l n a cer . Se les da la lech e du r a n t e u n m es a dos gr u pos de n i os
dist r ibu idos en r ela cin a los pesos a l n a cer y se pesa n obt en in dose
por difer en cia la ga n a n cia de peso en gr a m os. Los r esu lt a dos obt en idos
son en:
Peso:
1
2
Leche A (protena de soya):
300,
730
Leche B (prot. de leche de vaca): 380, 440,
E xist en difer en cia s en la s ga n a n cia s de
leches? Explique.
3
4
5
6
400, 600, 450, 520,
423, 750, 600, 800
pesos por la s difer en t es
Referencias
44


G.E.P. Box, W.G. Hunter, J.S. Hunter Estadstica para
Mead, R. The Design of Experiments: Statistical
Principles for Practical Applications. Cambridge
University Press, Cambridge. 1994.
1975,
Prez, C. Estadstica Prctica con Statgraphics.
Prentice Hall, Madrid. 2002.
Prat, A., Tort-Martorell, X., Grima, P., Pozueta, L.,
"Mtodos estadsticos. Control y Mejora de la Calidad".
Ed. UPC (1997).
S. Chatterjee - A. Hadi - B. Price., Regression Analisis
by Example., (3 Ed. 2000) WILEY.
Sixto Ros. "Mtodos Estadsticos", Ediciones del
Castillo, Madrid. 1977.
edicin.1998,
George E. P. Box, William G. Hunter, J. Stuart
Hunter. Estadstica Para Investigadores. Editorial
Revert. 1 Reimpresin. Mxico, D.F. 1999.
45

P a r t e II:
Modelos Cl sicos
Ca pit u lo V:
Diseos Simples
n est e ca pit u lo es don de a bor da m os de m a n er a for m a l lo qu e se

con oce com o dise os de exper im en t os, lo a n t er ior vist o, son
pr ecu r sor es de lo qu e se n ecesit a n sa ber , pa r a fa cilit a r la
comprensin de los diseos propiamente dichos.
La pregunta que responde el Anlisis de Varianza de los Diseos Simples
es la de: E l efect o de los t r a t a m ien t os es el m ism o? Solo pudiendo
con t est a r n os si t ien en o n o el m ism o efect o; a s qu e si se desea conocer
qu ien es t ien en el m ism o efect o y qu ien es u n efect o difer en t e se r equ ier e
de un anlisis posterior que se le conoce como Comparacin de Medias
E n pr in cipio de cu en t a s, a l t r a ba ja r con exper im en t os debem os de t en er
en consideracin dos a spect os: El a r r eglo geom t r ico de los t r a t a m ien t os
sobr e la s u n ida des exper im en t a les, y la s com bin a cion es de t r a t a m ien t os
cuando se ensayan dos o ms factores. El primero corresponde a lo que se
con oce com o DISE O E XP E RIME NTAL, el cu a l establece la a sign a cin
de los t r a t a m ien t os a la s u n ida des exper im en t a les e in dica la for m a de
obt en er da t os. Mien t r a s qu e el segu n do pu n t o es el qu e se con oce com o
DISE O DE LOS TRATAMIE NTOS, el cu a l in dica la for m a de com bin a r
los niveles de los factores que interesan evaluar.
E l objet ivo de est u dia r los da t os de u n a pobla cin a t r a vs de u n
exper im en t o es el de r ea liza r u n a pr u eba de h ipt esis sobr e el
pa r m et r o de in t er s (la s m edia s) de don de pr ovien e el exper im en t o,
est o u t iliza n do com o h er r a m ien t a a l An lisis de la Va r ia n za , cu ya s
ca r a ct er st ica s va n a depen der del Dise o E xper im en t a l qu e se h a ya
con sider a do pa r a el exper im en t o. Y el t ipo de dise o va a depen der de la s
caractersticas de las unidades experimentales (figura 5).
46

Con los experimentos simples se investigan los efectos de tratamientos de

u n fa ct or . Au n qu e, exist en va r ios t ipos de dise os exper im en t a les, los
qu e m s se ocu pa n a n ivel de la bor a t or io, per o sobr e t odo en el r ea de la
salud son los siguientes:
Comparacin de dos poblaciones normales,
Diseo completamente al Azar,
Diseo de Bloques al Azar,
Diseo cuadro Latino.
47

Diseo Completamente al Azar

E s el t ipo de a r r eglo m s sen cillo; 1. Un a debido a l efect o de los
los t r a t a m ien t os est n a signados
tratamientos
com plet a m en t e a l a za r a la s 2. Ot r a
debido
al
er r or
u n ida des exper im en t a les; por lo
experimental
qu e la va r ia bilida d t ot a l de la s
obser va cion es del exper im en t o se
divide en:
P or ot r a pa r t e, el a n lisis de la 1. P u ede a plica r se cu a n do se
va r ia n za con t ien e n ica m en t e dos
estudian dos o ms tratamientos
fu en t es
de
va r ia cin
y
se 2. La s u n ida des exper im en t a les
caracteriza por:
deben ser homogneas
3. Los
t r a t a m ien t os
deben
a sign a r se
a
la s
u n ida des
exper im en t a les t ot a lm en t e a l
azar.
Ventajas:
1. P u ede u t iliza r se cu a n do
tratamiento son diferentes
la s
r epet icion es
por
2. Cu a n do sea pr oba ble qu e pa r t e del exper im en t o, ya

sea n u n ida des exper im en t a les o t r a t a m ien t os se
pierdan o se rechacen por alguna razn.
3. El anlisis estadstico que se desarrolla es fcil
4. E n exper im en t os pequ e os, se t ien e m a yor pr ecisin , ya
qu e con t ien e m s gr a dos de liber t a d pa r a est im a r el
error experimental.
Desventajas:
1. Cuando las unidades experimentales son heterogneas

pierde precisin.
2. La va r ia cin qu e exist e en t r e la s u n ida des
experimentales forma parte del error experimental.
48

E st e dise o se u t iliza cu a n do la s u n ida des exper im en t a les son

esencialmente homogneas, o sea , qu e n o es posible iden t ifica r u n fa ct or
qu e la s a fect e sist em t ica m en t e. P or ello, es poco u t iliza do a n ivel de
ca m po sin em ba r go, pu ede u t iliza r se en in ver n a der os o laboratorios en
los cu a les debe de exist ir m a yor con t r ol de los fa ct or es qu e las puedan
afectar.
Anlisis Estadstico
La s su posicion es qu e se con sider a n pa r a pr oba r la h ipt esis de igu a lda d
de efectos de tratamientos con el ANVA son:
1) Los va lor es obser va dos de u n t r a t a m ien t o son u n a m u est r a
a lea t or ia de u n con ju n t o in fin it o de obser va cion es del
tratamiento bajo las mismas condiciones del experimento.
2) La s va r ia cion es en la s u n ida des exper im en t a les
igualmente es la misma para todos los tratamientos.
tratadas
3) Las observaciones se distribuyen normalmente.

E st a s su posicion es son equ iva len t es a a su m ir qu e se t ien en t muestras
a lea t or ia s in depen dien t es pr oceden t es de t poblaciones n or m a les con
varianza comn.
Notacin
Si se t ien e u n exper im en t o ba jo est e dise o y se pr oba r on t tratamientos
con n i r epet icion es ca da u n o, los da t os deben cla sifica r se en t gr u pos de
a cu er do a los t r a t a m ien t os a plica dos; la t a bla de con cen t r a cin de da t os
se observa en el cuadro 8:
Cuadro 8.- Concentracin de datos del DCA
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

Si t odos 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

entonces: n1 =n2 =n3 =.....=nk =r.
E n la t a bla , se t ien e qu e la s obser va cion es se den ot a n con u n a let r a con
dos su bn dices, el pr im er o in dica el t r a t a m ien t o (i) y el segu n do la
repeticin (j).
El Modelo
La s obser va cion es pr oceden t es de ca da u n a de la s unidades
experimentales pu eden a ju st a r se a u n m odelo est a dst ico. E l desa r r ollo
t er ico de los dise os exper im en t a les est ba sa do en la Teor a de los
m odelos lin ea les. E n est e ca so, el m odelo pa r a el Dise o com plet a m en t e
al Azar (DCA) es:
Yij= +ti+
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 ,
si ca da obser va cin t ien e u n a dist r ibu cin n or m a l, con u n a m edia

y u n a va r ia n za ; en t on ces la m edia pobla cion a l es el r esu lt a do de
las medias de tratamientos entre el nmero de estos:
Si Yij N ( ,
= i/t
) ==>
t i= Es el efecto verdadero del i-simo tratamiento, es decir: ti= i- .

ij=
E s el er r or exper im en t a l de la ij-sim a obser va cin . Los ij son

va r ia bles a lea t or ia s, dist r ibu ida s n or m a l e in depen dien t em en t e
con media cero y varianza (
), esto es: E ( ij)=0; E (
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
ni
i=1
j=1(Yi.
- Y..) +
S.C. Tratamiento
ni
i=1
j=1(Yij
- Yi.)
S.C. Error
50

Las frmulas computarizadas a utilizar son:

S.C. Total =
S.C. Tratamientos =
ni
i=1
S.C. Error =
2
j=1Y ij
i=1(Yi.)
- (Y..)2/n.
/ni - (Y..)2/n.
S.C. Total - S.C. Tratamientos
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.
Si los t r a t a m ien t os t ien en igu a l n m er o de r epet icion es, en t on ces la

tabla del ANVA es la que se muestra en el cuadro 10.
Cuadro 10.- ANVA del DCA con igual nmero de repeticiones en los
tratamientos
FV
GL
Tratam. t-1
Error
Total
t(r-1)
rt-1
SC
t
2
i=1(Yi.) /r
- (Y..) /rt
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
E n la t a bla del ANVA, F c se dist r ibu ye com o u n a F con t -1 y n .-t o t (r -1)

grados de libertad. Por lo tanto el criterio de prueba es:
Rechazar Ho, si Fc > Ft -1 n.-t t(r-1),
51

E l coeficien t e de va r ia cin (CV) es u n a

C.M. error
m edida de la va r ia n za en for m a r ela t iva ; es C.V. = * 100
debido a l E r r or E xper im en t a l, qu e es
Y..
in depen dien t e a la s u n ida des en qu e estn
dadas las observaciones; se calcula:
Es la variabilidad de cada dato en forma relativa con respecto a la media.
Ejemplo:
Debido a qu e el sn dr om e de Tu r n er es u n
D1
D2
D3
defect o gen t ico en n i a s, la s cu a les en t r e ot r os
1
58
56
67
fa ct or es, t ien en u n r et r a so de cr ecim ien t o. Se
2
60
54
64
desa r r olla u n a in vest iga cin pa r a eva lu a r cu a l
3
61
60
58
es el t r a t a m ien t o h or m on a l m s a decu a do qu e
54
58
65
pu eda sign ifica r u n a m ejor a en la t a lla a du lt a 4
58
52
final. Por lo que a nivel de laboratorio se evalu 5
59
el in cr em en t o de t a m a o de r a t on es r ecin 6
54
nacidos, por efect o de t r es dosis de u n a 7
291 393 254
h or m on a de cr ecim ien t o (GH) biosinttica. Yi.
Despus de 30 da s se midi el t a m a o de los r a t on es desde la s pa t a s
t r a ser a s a la s pa t a s dela n t er a s, est ir a n do a l r a t n sin for za r lo n i
la st im a r lo. E l r esu lt a do de la m edicin del t a m a o de ca da r a t n se h izo
en mm y dio como resultado los valores que a continuacin se presentan:
P r u ebe la hiptesis de qu e los in cr em en t os de t a m a o de los r a t on es n o
se ven afectados por los diferentes niveles de T4.
Ho: 1= 2= 3
VS.
Ha: al menos un i es diferente
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 =

265.75 - 139.09 = 126.66
52

Com o se t ien e difer en t e n m er o de r epet icion es por t r a t a m ien t o se

utiliza la siguiente tabla:
FV
GL
Tratam. t-1
SC
Error
Total
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
Se r ech a za la h ipt esis n u la . Si h a y difer en cia s sign ifica t iva s en el

crecimien t o de los r a t on es con la s t r es difer en t es dosis de la h or m on a de
crecimiento biosinttica.
Problemario de Diseo Completamente al Azar

16.Los n iveles de est r gen os (E 4 ) en m u jer es du r a n t e la ovu la cin es de
280 pg/m l en pr om edio. E n u n est u dio se les det er m in o los n iveles de
E 4 a m u jer es de 3 dist in t a s eda des (20, 30 y 40 a os a pr ox.), da n do
com o r esu lt a do los va lor es qu e 20: 437, 380, 400, 420, 350, 370, 400.
en la sigu ien t e t a bla se 30: 250, 300, 320, 325, 290, 270.
presentan:
40: 122, 180, 200, 150, 190.
Influye de alguna forma la edad en la produccin de E4 ? Explique
17.Se r ea liza u n est u dio en per son a s a dict a s a l ca f, m a yor es de 40 a os
pa r a eva lu a r el efect o de est a
De 5 a 10 tasas al da 5, 7, 4, 5, 5.
pr ct ica en la con cen t r a cin
De 11 a 15 tasas al da 4, 4, 5, 6, 6, 4.
de ca lcio en sa n gr e. Los
Ms de 15 tasas al da 4, 5, 7, 6, 7.
niveles de r efer en cia de
calcio entre 8,5-10,5(mg/100 mL).
A que conclusin puede llegar. Explique
53

18.E l r u ido pr odu cido por el m ot or de u n veh cu lo n o debe de exceder los

30 decibeles. 4 com pa a s in dica n qu e su s m ot or es son los qu e poseen
los
n dices
ms
ba jos
de Compaa A
40, 45, 48, 36, 32.
con t a m in a cin son or a (r u ido), Compaa B
38, 30, 47, 43.
pa r a t a l efect o se t om a r on
Compaa C
48, 40, 40, 39, 35.
m u est r a s de va r ios a u t om viles y
Compaa D
42, 41, 47, 48, 40
los r esu lt a dos se pr esen t a n en la
siguiente tabla:
A que conclusin puede llegar. Explique
19.Se con sider a qu e la pobla cin joven de los pa ses la t in oa m er ica n os se
con cen t r a en los lu ga r es m s u r ba n iza dos. E n u n est u dio en la
Rep blica Mexica n a , se seleccion a r on 3 sit ios a l a za r sien do est os:
Ca m pech e,
Gu a da la ja r a
y Guadalajara: 22, 36, 40, 18, 25.
Veracruz. De la zon a cen t r o de Campeche:
32, 41, 56, 28, 37, 43.
ca da ciu da d se t om a r on de Veracruz:
18, 25, 32, 14, 29.
m a n er a
a lea t or ia
a
los
individuos que se les pregunto su edad, siendo los resultados:
A que conclusin llega con este estudio. Explique.
20.E l pr om edio de la fr ecu en cia
Delgados: 12, 13, 14, 15, 14.
r espir a t or ia es de 12/m in . en r eposo.
Se est u dia a u n gr u po de per son a s Medianos: 13, 12, 12, 14, 13.
16, 15, 14, 15.
pa r a det er m in a r si la com plexin es Gruesos:
un factor en la frecuencia respiratoria. Se tomaron muestras al azar de
los 3 tipos de complexiones y los resultados fueron los siguientes:
Cual es su conclusin. Explique.
54

Diseo de Bloques al Azar

Cu a n do la s u n ida des exper im en t a les
son h et er ogn ea s (exist e a l m en os u n
fa ct or qu e los a fect a sist em t ica m en t e)
en el DCA la va r ia n za den t r o de
t r a t a m ien t os es m u y a lt a , la cu a l est
m edida por el cu a dr a do m edio del E r r or ,
qu e en est e ca so es gr a n de, por lo qu e es
m s difcil r ech a za r la h ipt esis de
igualdad de medios de tratamientos.
Ba jo la sit u a cin a n t es m en cion a da , es
conveniente
dividir
el
m a t er ia l
exper im en t a l en gr u pos (BLOQUE S), de
tal
for m a
qu e
la s
unidades
experimentales sea n h om ogn ea s den t r o
de bloques y heterogneas entre bloques.
E l Dise o de Bloqu es a l Aza r se
ca r a ct er iza
por qu e
t odos
los
t r a t a m ien t os se a gr u pa n en dos o m s bloqu es com plet os y com pa ct os;
ca da t r a t a m ien t o a en sa ya r est r epr esen t a do u n a sola vez en ca da
bloqu e, est os se a sign a n a l a za r a la s u n ida des exper im en t a les de ca da
bloqu e y post er ior m en t e ca da bloqu e se dist r ibu ye a l a za r en su
establecimiento.
E st e dise o es a pr opia do pa r a los ca sos en qu e se obser va u n a cier t a
t en den cia de va r ia cin en el m a t er ia l exper im en t a l. Con la a sign a cin de
los t r a t a m ien t os y los bloqu es a l a za r , es posible est im a r la va r ia n za
entre bloques por separado y tener un Error Experimental pequeo.
Caractersticas:
a) Las u n ida des exper im en t a les deben de ser h om ogn ea s den t r o de ca da
bloqu e, sa lvo por pequ e a s va r ia cion es a lea t or ia s; pu ede h a ber cier t a
h et er ogen icida d, el pr opsit o de los bloqu es es: a bsor ber en m xim o
grado la variabilidad del material experimental.
b) E s el m s u t iliza do en t r a ba jos exper im en t a les, sobr e t odo a n ivel de
laboratorio
c) Au n qu e n o es pa r t icu la r m en t e u n a ca r a ct er st ica , los gr a dos de
libertad para el Error no debe ser menor de 12
55

d) Es fcil de planear y el procedimiento de clculo es fcil

e) La disposicin de tratamientos y bloques es ortogonal entre s.
f) E l est a blecim ien t o del Dise o en Ca m po, los Bloqu es se coloca n
perpendicularmente al gradiente de variabilidad.
Gradiente de variacin
I
II
III
II
III A
Un bloqu e es u n con ju n t o de u n ida des exper im en t a les con u n a o va r ia s

ca r a ct er st ica s com u n es de m odo qu e en el m odelo se les a sign a u n efect o
comn denominado efecto de bloque (beta). Una vez hechos los bloques se
pr ocede a la a sign a cin de los t r a t a m ien t os de m a n er a a lea t or ia en ca da
bloque
Ventajas:
1) E s m s pr eciso qu e el DCA cu a n do h a y u n fa ct or qu e ca u sa va r ia cin
en las unidades experimentales
2) E s flexible, debido a qu e pu ede t en er
tratamientos y de bloques (mnimo dos)
cu a lqu ier
n m er o de
3) Es posible estimar datos perdidos

Desventajas:
1) Cu a n do el n m er o de t r a t a m ien t os es m u y gr a n de, es difcil mantener
la homogeneidad dentro de bloques, se pierde precisin.
2) E st im a el E r r or E xper im en t a l con m en os gr a dos de liber t a d qu e el
D.C.A.
Diseo
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.
Cuadro 11.- Concentracin de datos en el DBA

Tratamientos
Y.j
r
2
3
... ... ... t
j=1Y.j
1
Y11
Y21
Y31
... ... ... Yt1
j=1Yi1
Y12
Y22
Y32
... ... ... Yt2
j=1Yi2
Y13
Y23
Y33
... ... ... Yt3
j=1Yi3
...
Y1r
...
Y2r
...
Y3r
... ... ... ...

... ... ... Ytr
...
j=1Y1j
j=1Y2j
j=1Y3j
... ... ...
j=1Ytj
r
t
j=1Yir
i=1
j=1Yij=Y..
Com o se pu ede obser va r en la t a bla t odos los t r a t a m ien t os t ien en el

mismo nmero de repeticiones (r).
El Modelo:
El modelo estadstico para el DBA est dado por
Yij= +ti+ j+ ij
con i=1,2,3,...,t y
Yij=
=
t i=
j=
ij=
j=1,2,3...r
Observacin del tratamiento (y) en el bloque (j)

Es el efecto verdadero de la media general.
Es el efecto verdadero del i-simo tratamiento, es decir: ti= i- .
Es el efecto verdadero del j-esimo bloque
Es el error experimental
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:
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. Tratamiento + S.C. Bloques
+ S.C. Error

S.C. Total =
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
S.C. Total - S.C. Tratamientos-S.C. Bloques
En donde:
i=
j=
Y.. =
1, 2, 3,.......t
1, 2, 3,.......t
Yi.=
Y.j=
Es la suma de las i-esimas repeticiones del i-simo tratamiento.

Es la suma de las i-esimas repeticiones del j-simo bloque.
r
i=1
j=1Yij
El cuadro 12 muestra, la tabla del ANVA, de este diseo:

Cuadro 12.- Analisis de varianza para el DBA
FV
GL
Tratam. t -1
Bloques
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
El criterio de decisin es:

Rechazar Ho1, si Fc > Ft-1(t-1)(r-1),
Para tratamientos
Rechazar Ho2, si Fc > Fr-1(t-1)(r-1),
Para Bloques
58

Eficiencia Relativa del DBA

La eficien cia (m a yor pr ecisin ) qu e se t ien e en el a n lisis de u n
exper im en t o ba jo u n DBA, se da en for m a r ela t iva con r espect o a l DCA;
esto a travs del clculo del ndice:
(r-1)(C.M.Bloques) + r(t-1)(C.M.error)
ER (BA --->CA) =
(rt-1)(C.M.Error)
Con:
r = Nmero de repeticiones
t = Nmero de tratamientos
La regla de decisin es:

Si ER (BA --->CA) > 1, es ms eficiente DBA
Si ER (BA --->CA) < 1, es ms eficiente DCA
La eficien cia se expr esa en por cen t a jes y de a cu er do con la fr a ccin
excedente de la unidad.
Ejemplo:
Se evala la efica cia de su lfa t o fer r oso a 4
difer en t es con cen t r a cion es 2, 2,5, 3, y 4
m g/kg/da pa r a com ba t ir la a n em ia en
per son a s con desn u t r icin . Da da la
va r ia bilida d de pesos y sexos, se decidi
a gr u pa r en bloqu e de per son a s por pesos lo
m s sem eja n t es posibles. Se les dio el
t r a t a m ien t o du r a n t e 4 m eses y se procedi
a det er m in a r su volu m en sanguneo dando
los siguientes resultados:
T1 T2 T3 T4
Y.j
4.1 6.5 4.1 4.9 19.6
II
4.1 5.3 4.0 6.2 19.6
III 6.5 6.9 4.5 4.8 22.7

IV 4.3 6.8 4.3 4.2 19.6
V
6.0 6.5 4.1 6.9 23.5
Yi. 25
32
21
27
105
Las hiptesis a probar son:

Ho1 : T1=T2=T3=T4
VS
Ha1 : Al menos un tratamiento es

diferente
Ho2 : B1=B2=B3=B4=B5
VS
Ha2 : Al menos un bloque (pesos) es

diferente
59

Las sumas de cuadrados son:

t
S.C. Total =
r
i=1
2
j=1Y ij
- (Y..)2/rt
(4.1)2+(4.1)2+ . . . .+(4.2)2+(6.9)2 - (105)2/(5*4)

575.9 - 551.25 =24.65
t
S.C. Tratamientos =
i=1(Yi.)
/r - (Y..)2/rt
(25)2+ . . . . + (27)2 - (105)2/(5*4) = 563.8 - 551.25 = 12.55

t
S.C. Bloques=
i=1(Y.j)
/t - (Y..)2/rt
(19.6)2+ . . . . + (23.5)2 - (105)2/(5*4)= 555.005 - 551.25 = 3.755

S.C. Error =
S.C. Total - S.C. Tratamientos-S.C. Bloques

24.65 - 12.55 - 3.755 = 8.345
La tabla del ANVA, es la siguiente:

FV
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

Problemario de Diseo de Bloques al Azar

21.Tr es em pr esa s (A, B y C) con cu r sa n pa r a ven der le a la polica u n
equ ipo pa r a la det er m in a cin de a lcoh ol en el a lien t o. Los equ ipos son
de difer en t es pr ecios, por lo qu e se h a ce u n a pr u eba con u n equ ipo de
ca da com pa a pa r a det er m in a r si exist e difer en cia en t r e est os. La
pr u eba con sist e en la m edicin de m et a n ol (Va lor de Refer en cia < 0.80
p.p.m .) a l per son a l de oficin a de la polica de difer en t es eda des. Los
resultados obtenidos fueron:
Edades
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
23.La pr esin a r t er ia l pr om edio de u n in dividu o es de 100 (80-120). Se

t om a n m u est r a s de la s t r es zon a s del est a do (Alt os, Cen t r o y Cost a ) a
in dividu os seleccion a dos a l a za r de diver sa s eda des y se les m ide la
pr esin a r t er ia l pa r a det er m in a r si la a lt it u d a la qu e viven in flu ye en
est presin. Los resultados obtenidos son:
Edades
Zonas
ALT
CEN
COS
I
110
95
100
II
115
98
98
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

Diseo en Cuadro Latino

E st e dise o se u t iliza cu a n do h a y dos
factores qu e a fect a n sistemticamente a
las u n ida des exper im en t a les. P a r a evit a r
qu e el efect o de los fa ct or es se a cu m u le en
el er r or exper im en t a l se h a ce u n doble
bloqueo.
Los difer en t es sist em a s de dist r ibu cin de
las u n ida des exper im en t a les a dopt a dos y
qu e lleva n los dist in t os t r a t a m ien t os a
en sa ya r sa t isfa cen en m a yor o m en or
gr a do dich a s con dicion es; pa r a ello, se
t ien en los dise os qu e u t iliza n el
BLOQUE O, y u n a va r ia n t e es a qu el qu e
se da ba jo dos fa ct or es en for m a or t ogon a l
(independiente), da n do or igen a l DISEO
E N CUADRO LATINO den om in a do a s
por Fisher, quien utiliz letras latinas para denotar los tratamientos.
E st a a sign a cin de or t ogon a lida d (perpendicular) a los efect os de los
t r a t a m ien t os r espect o a los dos fa ct or es de va r ia bilida d a socia dos con el
experimento, requiere qu e ca da t r a t a m ien t o a pa r ezca u n a vez en ca da
una de esas variantes, denominados: HILERAS Y COLUMNAS.
Caractersticas:
1. Se gen er a cu a n do los t r a t a m ien t os se a gr u pa n en bloqu es
h om ogn eos en dos dir eccion es: h iler a s y colu m n a s qu ien es
constituyen una repeticin completa de los tratamientos.
2. Cu a lqu ier t r a t a m ien t o a pa r ece u n a sola vez en la m ism a colu m n a o
en la misma hilera.
3. Se im pon e a la s UNIDADE S E XP E RIME NTALE S u n a r est r iccin
de doble bloqueo.
4. E l n m er o de r epet icion es es igu a l a l n m er o de t r a t a m ien t os a
eva lu a r . E st o es, si h a y t t r a t a m ien t os, el t ot a l de UNIDADES
EXPERIMENTALES ser t 2 . t es mayor de 2.
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.
Distribucin de los Tratamientos:

1. Dividir el lot e exper im en t a l en u n n m er o de unidades
experimentales igual al cuadrado del nmero de tratamientos.
2. F or m a r h iler a s y colu m n a s de u n ida des exper im entales igu a les a l
nmero de tratamientos.
3. Dist r ibu ir los t r a t a m ien t os, de t a l m a n er a qu e n in g n t r a t a m ien t o
se r epit a en la h iler a n i en la colu m n a . E st o se r ea liza a sign a n do
a lea t or ia m en t e la s h iler a s y la s colu m n a s de u n m odelo in icia l, por
permutaciones.
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 ..
= Y114 + Y123 + Y132 + Y141
T2= Y2 ..
= Y212 + Y221 + Y233 + Y244
T3= Y3 ..
= Y313 + Y324 + Y331 + Y342
T4= Y4 ..
= Y411 + Y422 + Y434 + Y443
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:
E s la obser va cin del i-sim o t r a t a m ien t o en la j-sim a h iler a de

la k-sima columna.
Es el efecto verdadero de la media general
Es el efecto del i-simo tratamiento
Es el efecto de la j-sima hilera
Es el efecto de la k-sima columna
Es el error experimental
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. Total =
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. Total - S.C. Tratam. - S.C. Hil. - S.C. Col.
S.C. Error =
en donde:
t
i=1
j=1, 2, 3,.......t
k=1, 2, 3,.......t
k=1Yijk
Yi..=Es la suma de las i-esimas repeticiones del i-simo Tratamiento.

Y.j.=Es la suma de las j-esimas repeticiones de la j-simo Hilera.
Y..k=Es la suma de las k-esimas repeticiones de la k-simo Columna.
E n el a n lisis de la va r ia n za h a y u n a fu en t e de va r ia cin pa r a ca da u n o
de los fa ct or es: Tr a t a m ien t os, H iler a s, Colu m n a s y E r r or E xper im en t a l;
ca lcu l n dose la con t r ibu cin de ks su m a s de cu a dr a dos de ca da
componente, para probar los juegos de hiptesis siguientes:
Ho1:t1=t2 = ......
=ti VS
Ha1:al menos un ti es diferente (ti ti)
Ho2:H1=H2 = ......=Hi VS
Ha2:al menos un Hi es diferente (Hi Hi)
Ho3:C1=C2 = ......=Ci
Ha3:al menos un Ci es diferente (Ci Ci)
VS
La tabla del ANVA, se observa en el cuadro 14:

Cuadro 14.- Analisis de varianza para el DCL
FV
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


Rechazar Ho1, si Fc > Ft-1(t-1)(t-2),
Para tratamientos
Rechazar Ho2, si Fc > Fr-1(t-1)(t-2),
Para Hileras
Para Columnas
Eficiencia Relativa del Diseo en Cuadro Latino

La eficien cia r ela t iva del DCL con r espect o a los dise os a n t es descr it os
se determina de la manera siguiente:
1) Respecto de un DBA
ER (CL ---> BA) = CM(Hileras) + (t-1)CM(Error)
(t)(CM(Error))
2) Respecto de un DCA
ER (CL ---> CA) = CM(Hil.)+CM(Col,)+(t-1)CM(Error)
(t+1)(CM(Error))
La regla de decisin en ambos casos, es:
Si ER>1, es mejor el diseo utilizado
Si ER<1, es mejor el diseo que se compara
La E R-1, se m u lt iplica por 100 y se expr esa en por cen t a je la eficien cia
total.
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
I.- Cocker Spaniel

II.- Pastor Aleman
III.- Boxer
IV.- Schnauzer
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
De la tabla de datos se construye el croquis de la siguiente forma:

1. Se ordenan la unidades experimentales en hileras y columnas
2. Se asignan los tratamientos de tal forma que los tratamientos ocurran
en todas las hileras y todas las columnas.
3. Se aleatorizan las hileras
4. Se aleatorizan las columnas
I
II
III
IV
Y..k
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
P a r a eva lu a r los t r a t a m ien t os se u t iliza com o va r ia ble pr in cipa l la

concentracin de TGP.
Ho1:t1=t2 = t3
VS
Ha1:al menos un ti es diferente (ti ti)
Ho2:H1=H2 H3
VS
Ha2:al menos un Hi es diferente (Hi Hi)
Ho3:C1=C2 =C3
VS
Ha3:al menos un Ci es diferente (Ci Ci)
Totales de tratamientos: ti=1Yi..

T1= Y1 ..
= Y112 + Y121 + Y134 + Y143=
15+16+10+12=53
T2= Y2 ..
= Y212 + Y224 + Y233 + Y242=
12+13+08+16=49
T3= Y3 ..
= Y313 + Y322 + Y331 + Y344=
13+11+14+14=52
T4= Y4 ..
= Y414 + Y423 + Y432 + Y441=
07+12+14+10=43
69


t
(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
La tabla del ANVA, es la siguiente:

FV
GL
Tratam. t-1
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
S.C. Trat./t-1 C.M. Trat

C.M. Error
S.C. Hil./t-1 C.M. Hil.
C.M. Error
S.C. Col./t-1 C.M. Col.
C.M. Error
S.C.Err.
t -1 t-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
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
Rechazar Ho1, si Fc > Ft-1(t-1)(t-2),
Para tratamientos
Para Hileras
Para Columnas
F36,0.01
9.78
9.78
9.78
Los n iveles de TGP son igu a les en la s difer en t es r a za s, pa t ologa s y

concentracin de vit aminas.
70

Problemario de Diseo en Cuadrado Latino

26. Se eva l a u n nuevo P er iodo de
Edades
trata m ien t o
con incubacin
20
30
40
50
t2-6000 t3-6500
t4-7000
t1-5500
Selenio pa r a r edu cir 8
9
t1-5000
t2-7000
t3-7000
t4-7500
la ca r ga vir a l de VIH
t4-8200 t1-4500
t2-4800
t3-6100
pr oba n do
4 10
11
t3-6900 t4-7100
t1-5100
t2-6300
difer en t es dosis (200,
300, 400 y 500 g) en pa cien t es con VIH de difer en t es eda des (20, 30,
40 y 50 a os) con per iodos de in cu ba cin de (8, 9, 10 y 11 a os): Se dio
el t r a t a m ien t o du r a n t e 6 m ese y se procedi a m edir la ca r ga vir a l
arrojando los siguientes resultados en copias/ml:
Existen diferencias entre las diferentes edades?
Existen diferencias entre las diferentes periodos de incubacin?
Existen diferencias entre los diferentes dosis de Selenio?
27.Se eva l a n cu a t r o va cu n a s der iva da s de la cepa RB51 (t 1, t 2, t 3 y t 4)
con t r a la br u celosis en ga n a do bovin o de difer en t es r a za s de ga n a do
ceb (Guzerat, Nelore, Sa r do Negr o e In doBr a sil) y eda des (1, 2, 3 y 4
aos). Se m a n eja r on lot es de 25 a n im a les por r a za y eda d. Se
eva lu a r on a l a o de la a plica cin de la s va cu n a s, h a bien do r ecibido u n
m a n ejo Sa n it a r io y Zoot cn ico n or m a l. Se pr ocedi a cu a n t ifica r el
n m er o de a n im a les va cu n a dos qu e con t r a jer on la en fer m eda d,
obtenindose los siguientes resultados
Edad
Razas
A
B
C
D
I
t1-18
t2-16
t3-12
t4-21
II
t4-22
t1-17
t2-18
t3-19
III
t3-11
t4-17
t1-19
t2-17
IV
t2-19
t3-18
t4-19
t1-20
Existen diferencias entre las diferentes Vacunas? Explique.
Existen diferencias entre las diferentes Razas? Explique.
Existen diferencias entre las diferentes Edades? Explique.
28.Se eva l a n 4 difer en t es t ipos de in sect icida s (piretroide,
or ga n oclor a do, or ga n ofosfor a do, ca r ba m a t o) du r a n t e 4 sem a n a s (I, II,
III y IV) en 4 especies de Tr ia t om in os (Tr ia t om a ba r ber i, T.
brasiliensis, T. pa llidipen n is y T. dim idia t a ). Los r esu lt a dos obt en idos
se dier on en r ela cin a l n m er o de t r ia t om in os en con t r a dos m u er t os,
siendo estos:
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)
72

Existen diferencias entre los diferentes meses de gestacin?

Existen diferencias entre las diferentes Edades?.
Existen diferencias entre la s diferentes dosis de progesterona?
Referencias
Arnau Gras, J.. Diseos Experimentales
Multivariables. Alianza Editorial, Madrid. 1990.
Cox, D.R. Planning of Experiments. Wiley, New York.
1992.
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,
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

Pea Snchez de Rivera, D. Estadstica, Modelos y

Mtodos. Volumen II: Modelos Lineales y Series
Temporales. Alianza Universidad, Madrid. 2000.
Rencher, A.C. Multivariate Statistical Inference and
Applications. 1998.
edicin.1998,
Wiley. N.Y. Toutenburg, H. Statistical Analysis of
Designed Experiments. 2a edicin. Springer-Verlag,
New York. 2002.
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
E l c lcu lo de la est im a cin de u n ida des exper im en t a les pr dida s en los

DBA y DCL, r equ ier en de fr m u la s est a blecida s, los cu a les se h a n
obtenido a travs de anlisis por diversos estudiosos de la materia.
75

Bloqu es a l Aza r con Obs er va cion es P er d id a s

Cu a n do se u sa el DCA, la pr dida de u n a u n ida d exper im en t a l n o a fect a
el pr ocedim ien t o de c lcu lo del ANVA, por esa r a zn n o se requiere
estimar el valor perdido.
Cu a n do por a lgu n a r a zn en u n exper im en t o ba jo u n DBA se pier de u n a
unidad experimental, en t on ces n o es posible a n a liza r el exper im en t o, ya
qu e el dise o r equ ier e, pa r a ello igu a l n m er o de r epet icion es por
t r a t a m ien t o; es n ecesa r io h a cer u n a est im a cin de la obser va cin
fa lt a n t e, a n t es de a plica r el ANVA. As m ism o, ser pa r a cu a n do se
pierden dos observaciones; los procedimientos a seguir son:
1) Cuando se pierde una observacin:
E l va lor de la obser va cin pr dida y ij ser
estimada por
^
t Ti + r Bj - G
Yij =
(t-1)(r-1)
En donde:
^
Yij=
Valor estimado de y ij
T i=
Total del tratamiento que contiene la parcela prdida
B j=
Total del Bloque que contiene la parcela prdida
G=
Total de todas las observaciones antes de estimar yij
t=
Nmero de tratamientos
r=
Nmero de Bloques
Al estimar este valor, se coloca en la parcela faltante y se analiza el

experimento normalmente, slo que los grados de libertad del Error
y Total se disminuyen en uno.
El ANVA resultante se muestra en el cuadro 15
76

Cuadro 15.- Anlisis de varianza para el DBA con un observacin perdida

FV
GL
SC
CM
Fc
t
2
2
C.M. Trat
Trat. t -1
S.C. Trat./t-1
i=1(Yi.) /r - (Y..) /rt
C.M. Error
t
2
2
C.M. Bloq.
Bloq. r -1
S.C. Bloq/r-1
i=1(Y.j) /r - (Y..) /rt
C.M. Error
Error (t-1)
S.C.Tot.-S.C.Tr.-S.C.Bl.
S.C.Err./t-1 r-1
(r-1)-1
t
r
2
2
Total (rt-1)-1
i=1
j=1Y ij - (Y..) /rt
E st e ANVA pr esen t a a la Su m a t or ia de Cuadrados de
Tratamientos sesga da h a cia u n va lor gr a n de debido a qu e el va lor
est im a do de la pa r cela pr dida est ca lcu la do de t a l for m a qu e la
Su m a t or ia de Cu a dr a dos del E r r or es m n im a ; sien do n ecesa r io
construir otro anlisis de la varianza para hacer una prueba exacta
para tratamientos (cuando existan ms de 10 tratamientos).
Debido a lo a n t er ior se ca lcu la el sesgo qu e pr esen t a la Sumatoria
de Cuadrados de Tratamientos mediante la formula:
^
Sesgo =
[Bj - (t-1) Yij]2

= -------------------------t (t-1)
Con:
B j=
Tot a l del bloqu e qu e con t ien e la pa r cela pr dida a n t es de

estimar yij.
^
Yij= Valor estimado de la parcela prdida
t=
La Su m a t or ia de Cuadrados de Tratamientos insesga da , t a m bin

llamada Su m a t or ia de Cuadrados de Tratamientos a ju st a da s por
bloques, se calcula mediante:
SC (Trat/Bloques) = SC(Trat) -
77

P ost er ior m en t e se ca lcu la n la s Su m a t or ia de Cuadrados Tot a l y

Su m a t or ia de Cuadrados de Bloqu es con t oda s la s obser vaciones
or igin a les, except o Yij , la Su m a t or ia de Cuadrados E r r or se t om a
del ANVA antes obtenido.
Otra forma de calcular SC(Trat/Bloques) es:
SC(Trat/Bloques) = SC(Total)-SC(Bloques)-SC(Error)
E n est e ca so la Su m a t or ia de Cuadrados Tot a l es calculada con la s
obser va cion es or igin a les y la s Su m a t or ia de Cuadrados de Bloques
y Su m a t or ia de Cuadrados E r r or cu a n do ya se est im la
observacin perdida (Yij).
2) Cuando se pierden dos observaciones
La prdida de dos observaciones puede ser:
Del mismo tratamiento
Del mismo bloque
De diferente bloque y diferente tratamiento
a) Del mismo tratamiento
t T12 + (r-1)B1+B2 - G
x1 = ------------------------------(t-1)(r-2)
t T12 + B1+(r-1)B2 - G
x2 = ------------------------------(t-1)(r-2)
donde:
X1 y X2 = Valores estimados de las observaciones prdidas
T 12=
Tot a l de la s obser va cion es pr esen t es en el
tratamiento donde falta X1 y X2 .
B 1=
Tot a l de la s obser va cion es pr esen t es en el bloqu e
donde falta X1 .
B 2=
donde falta X2 .
G=
Tot a l de t oda s la s obser va cion es a n t es de est im a r
X1 y X2
78

b) Del mismo bloque

t B12 + (r-1)T1+T2 - G
x1 = ------------------------------(r-1)(t-2)
t B12 + T1+(r-1)T2 - G
x2 = ------------------------------(r-1)(t-2)
donde:
X1 y X2 Valores estimados de las observaciones prdidas
=
B 12=
donde falta X1 y X2 .
T 1=
tratamiento donde falta X1 .
T 2=
tratamiento donde falta X2 .
G=
Tot a l de t oda s la s obser va cion es a n t es de est im a r
X1 y X2
C) De diferente bloque y diferente tratamiento
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:
Tabla con parcelas perdidas

Tratamientos
Bloque
1
2
3
4
I
7.3
x?
6.7
5.7
II
7.2
5.5
x?
6.9
III
7.6
6.8
6.8
6.4
IV
7.2
6.5
7.4
6.1
V
7.5
6.8
7.5
6.4
VI
7.6
7.1
6.3
6.3
yi.
44.4 32.7 34.7 37.8
y. j
19.7
19.6
27.6
27.2
28.2
27.3
149.6
Como las parcelas perdidas son de diferente tratamiento y bloque.

x1 = (t-1) (r-1) (t T1 + r B1 - G) - (t T2 + r B2 - G)
[ (t-1)(r-1) ]2 1
x1= (4-1)(6-1) [(4)(32.7)+(6)(19.7)-149.6] - [(4)(34.7)+(6)(19.6)-149.6]=6.18
[(4-1)(6-1)]2 -1
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

Cu a d r o La t in o con Obs er va cion es P er d id a s

Cu a n do se pier den la s obser va cion es en u n DCL pu eden est im a r se
m edia n t e fr m u la s ya est a blecida s a l igu a l qu e en el DBA; pa r a ello
tenemos los siguientes tres casos:
1) Cuando se pierde una observacin
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=
Valor estimado de Yijk
H=
Total de la hilera en donde falta la observacin
C=
Total de la columna en donde falta la observacin
T=
Total del tratamiento en donde falta la observacin ( )
G=
Total de las observaciones antes de estimar Yijk
t=
Un a vez est im a do el Yijk fa lt a n t e se coloca en la posicin qu e le

cor r espon de en la t a bla de da t os y se analiza en for m a n or m a l pa r a
obt en er el ANVA cor r espon dien t e, n ica m en t e qu e se le r est a u n
grado de libertad, tanto al Error como al total.
Al igu a l qu e el DBA, la Su m a t or ia de Cu a dr a dos de los
Tratamientos se su best im a y cu a n do el n m er o de t r a t a m ien t os
sea mayor de 10, se resta el trmino:
Sesgo =
G - H - C - (t -1) T2
= -------------------------[(t-1) (t-2)]2
Con H,C,T,G y t definidos para este diseo
81

2) Cuando se pierden dos observaciones

En este caso se tienen las siguientes posibilidades
En el mismo Tratamiento pero en Hileras y Columnas diferentes
En la misma Hilera, pero en Columna y Tratamientos diferentes
En la misma Columna, pero en Hileras y Tratamientos
diferentes
En diferentes Tratamientos, Hilera y Columna
a) En el mismo Tratamiento pero en Hileras y
Columnas diferentes
(t-1) Q1 + Q2
(t-1) Q2 + Q1
x1 = -----------------x2 = -----------------2
t (t-2)
t (t-2)2
Q 1 =t(H1 +C1 +T12)-2G
Q 2 = t(H2 +C2 +T12)-2G
adems:
H 1 y C1 =
H 2 y C2 =
T 12=
G=
X1 y X2 =
t=
C1 C2 C3 C4
H1 T1 T2 T3 T4
H2 T4 T1 T2 T3
H3 T3 T4 T1 T2
H4 T2 T3 T4 T1
Totales de la Hilera y la Columna donde falta X1

Totales de la Hilera y la Columna donde falta X2
Total del tratamiento donde faltan X1 y X2
Tot a l de la s obser va cion es a n t es de est im a r a X1
y X2
observaciones faltantes
b)En la misma Hilera, pero en Columna y

C1 C2 C3 C4
Tratamientos diferentes
Se u t iliza n la s m ism a s fr m u la s de est im a cin H1 T1 T2 T3 T4
H2 T4 T1 T2 T3
antes descritas, con las siguientes variantes:
Q 1 = t(T1 +C1 +H12)-2G Q 2 = t(T2 +C2 +H12)-2G H3 T3 T4 T1 T2
H4 T2 T3 T4 T1
adems:
T 1 y C1 = Totales de tratamiento y columna donde falta X1
T 2 y C2 = Totales de tratamiento y columna donde falta X2
H 12=
Total de la Hilera donde faltan X1 y X2
G=
Tot a l de la s obser va cion es a n t es de est im a r a X1 y
X2
t=
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
c) En la misma Columna, pero en Hileras y

Tratamientos diferentes
(t-1) Q1 + Q2
(t-1) Q2 + Q1
x1 = -----------------x2 = -----------------t (t-1)
t (t-1)
Q 1 = t(T1 +H1 +C12)-2G Q2=t(T2 +H2 +C12)-2G
Adems:
T 1 , T2 , H1 y H2 definidos anteriormente
C 12= Total de la columna donde faltan X1 y X2
d) En diferentes Tratamientos, Hilera y Columna

f Q1 - 2Q2
f Q2 - 2Q1
x1 = -----------------x2 = -----------------2
f -4
f2 - 4
Q 1 = t (T 1 + H 1 + C 1 )- Q 2 = t(T2 + H2 + C2 ) -2G
2G
f = (t-1)(t-2)
Adems:
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 i, Hj, Ck , t y G definidos anteriormente
Un a vez ca lcu la dos los va lor es fa lt a n t es, se coloca n en los lu ga r es

correspondientes en la tabla de datos, luego se analizan en forma normal,
en el cu a dr o del ANVA se r edu cen en dos u n ida des (-2) los gr a dos de
libertad del error y del total.
Ejemplo:
H
i
l
e
r
a
s
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
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)
Se in t r odu ce el va lor est im a do en la pa r cela per dida y se r eca lcu la n los

totales afectados
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
84


New York. 2002.
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
Ho: El efecto de los tratamientos es el mismo
es diferente
VS
Ha: Al menos un tratamiento tiene un efecto diferente

Si la pr u eba de F es sign ifica t iva , in dica qu e la va r ia bilida d en t r e
t r a t a m ien t os n o se debe a l a za r , sin o a u n efect o debido a los
t r a t a m ien t os; sin em ba r go, n o se a la cu a les m edia s son igu a les o
diferentes.
E n t on ces se r equ ier e del u so de pr u eba s est a dst ica s de com pa r a cin de
medias de acuerdo a la naturaleza de los tratamientos en estudio.
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
86

sign ifica do difer en t e a l

nominativo
Cualitativos
Tratamientos
Con
Estructura
Se pu ede a gr u pa r con
sen t ido
a
a lgu n a (s)
caracterstica(s)
Cuantitativos Es posible asignar una escala numrica

con significado (niveles de un factor de
estudio)
a) Tr a t a m ien t os Cu a lit a t ivos sin E st r u ct u r a : La s com pa r a cion es de
m edia s qu e se pu eden u t iliza r son los m t odos de com pa r a cion es
mltiples siguientes:
Mtodo de Duncan
Mtodo de Tukey
Mtodo de Scheff
Mtodo de Dunnett
Al en con t r a r difer en cia s sign ifica t iva s en u n con ju n t o de t r a t a m ien t os,
n ecesa r ia m en t e se m a n ifiest a en t r e el t r a t a m ien t o con la m edia m en or
y el tratamiento con la mayor media.
b) Tr a t a m ien t os Cu a lit a t ivos con E st r u ct u r a : Se pu ede r ea liza r por
com pa r a cin or t ogon a les o con t r a st es or t ogon a les en el pr im er ca so se
puede utilizar la DMS.
c) Tr a t a m ien t os Cu a n t it a t ivos: E l pr ocedim ien t o es fraccionar la su m a
de cu a dr a dos de t r a t a m ien t os por m edio de polin om ios or t ogon a les, es
utilizar los modelos lineales en los parmetros de estudio.
La m et odologa a pr opia da es a ju st a r u n a su per ficie de r espu est a por
medio de la regresin.
87

Comparaciones Mltiples de Medias

Com o se pu ede obser va r pa r a los t r a t a m ien t os cu a lit a t ivos sin
estructura, existen u n a gr a n va r ieda d de m t odos de com pa r a cin , sin
em ba r go es n ecesa r io m en cion a r qu e la seleccin de u n os de est os
depen de de la s ca r a ct er st ica s qu e el exper im en t o t en ga , es decir va a
est a r en fu n cin del n m er o de t r a t a m ien t os en est u dio, si t ien en o n o el
m ism o n m er o de r epet icion es, si es u n exper im en t os con obser va cion es
perdidas, etc..
P or lo qu e a n t es de seleccion a r u n o de est os m t odos h a y qu e obser va r
la s con dicion es qu e se r equ ier en pa r a qu e pu eda ser u sa do, de ot r a for m a
estamos cometiendo errores en el anlisis estadstico del experimento
As qu e el objet ivo de la exper im en t a cin es con ocer cu a l de los
tratamientos es el que da los mejores resultados (mayores rendimientos o
m en or es efect os n ocivos), es decir , se desea con ocer si u n o o m s
tratamientos son superiores sobre otros.
P or lo qu e el m eca n ism o pa r a est a det er m in a cin se con oce com o m t odo
de com pa r a cion es m lt iples, en la m et odologa de a n lisis se u t iliza n los
da t os del a n lisis de la va r ia n za , r ea liza n do la s pr u eba s de sign ifica cin
o com pa r a cion es en t r e la s m edia s de los t r a t a m ien t os; est o es pr oba r el
juego de hiptesis:
Ho: i=
V.S.
Ha:
i con
P udindose h a cer t (t -1)/2 com bin a cion es posibles de m edia s. La s

com pa r a cion es n o son t oda s in depen dien t es (or t ogon a les). A con t in u a cin
se describen los mtodos ms comunes para este tipo de comparaciones.
88


E s u n m t odo idea do por F ish er en 1935; t a m bin se le con oce com o
prueba de t, debido a que se basa en la distribucin de t de Student.
Se a plica solo cu a n do la pr u eba de F es sign ifica t iva slo debe em plearse
para comparar medias adyacentes en un arreglo ordenado de las mismas.
E s u n a t cn ica n o m u y pr ecisa pa r a h a cer com pa r a cion es m lt iples; sin
em ba r go, es v lida pa r a com pa r a cion es pla n ea da s en t r e dos m edia s; est o
es, com pa r a r u n t r a t a m ien t o est n da r con ot r os t r a t a m ien t os y cu a n do
las comparaciones entre medias son independientes.
La ven t a ja de est a pr u eba es qu e es m u y f cil de r ea liza r y em plea u n
estimador nico para efectuar todas las comparaciones.
El anlisis consiste en probar el juego de hiptesis:
Ho: i= i
V.S.
Ha: i i con i
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 '
La formula general del estimador queda de la siguiente forma:
DMSii ' t (
,GLE )
CMError
1
ni
1
ni '
El procedimiento a seguir es:

1) Se ordenan las medias de los tratamientos
2) Se calcula el estimador DMS
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 DMS, en t on ces se r ech a za
Ho: i= i, en caso contrario no se rechaza Ho: i= i, esto es:
Rechazar Ho: i= i
Si |Yi - Yi| > DMSii
89

4) Se pr esen t a n los r esu lt a dos en for m a t a bu la r , identificando con

la m ism a let r a la s m edia s est a dst ica m en t e igu a les, o sea , la s
que no presentan diferencias significativas entre ellas.
Ejemplo:
1
2
3
4
5
6
7
Yi.
Se toman los datos de la tabla del ejemplo del DCA

D1
58
60
61
54
58
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
3.- Comparar las medias y aplicar la regla de decisin

|T1-T2| = |58.20 - 56.14| = 2.06 < 5.5 No se rechaza Ho. Son iguales.
|T1-T3| = |58.20 - 63.50| = 5.30 < 6.3 No se rechaza Ho. Son iguales.
|T2-T3| = |56.14 - 63.50| = 7.36 > 5.9 Se rechaza Ho. No son iguales.
4.- Se pr esen t a n los da t os or den a dos iden t ifica n do con la misma letra a
los que son iguales.
Cuadro de Medias
Trat.
Media
Clasif.
T3
63.85
a
T1
58.20
ab
T2
56.14
b
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=
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:
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.
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
Si |Yi - Yi| > RMEii
4) Se pr esen t a n los r esu lt a dos en for m a t a bu la r , identificando con la

m ism a let r a la s m edia s est a dst ica m en t e igu a les, o sea , la s qu e n o
presentan diferencias significativas entre ellas.
91

Ejemplo:
Retomando el ejemplo del DBA
T1 T2 T3 T4
Y.j
4.1 6.5 4.1 4.9 19.6
II
4.1 5.3 4.0 6.2 19.6
F.V.
G.L.
Tratam
3
.
Bloques
4
S.C.
12.55
0
3.755
Error
8.345
III 6.5 6.9 4.5 4.8 22.7

IV 4.3 6.8 4.3 4.2 19.6
V
6.0 6.5 4.1 6.9 23.5
Yi. 25
32
21
27
105
5.0 6.4 4.2 5.4
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
Los da t os ext r a dos de la t a bla del a n lisis de CMError =0.6954

varianza son:
G.L.Error =
12
r
=
5
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


E s u n a pr u eba sim ila r a la de Du n ca n ; se con sider a m en os pot en t e y
conservador en el nmero de diferencias significativas que el de Duncan.
Ta m bin es de t ipo secu en cia l, u t iliza u n n ico va lor est a n da r izado para
cada una de las comparaciones de medias adyacentes.
Con este mtodo se prueba el juego de hiptesis:
Ho: i=
V.S.
Ha:
RMEp = S q(
i con
,p,GL Error)
En donde:
RMEp = Estimador
CMError
r
Sy
P= No. de medias en el rango de la prueba

q(
,p,GL Error)=
valor t Modificado
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.
medias es mayor que el valor de RMEp, entonces se rechaza Ho: i= i,
Rechazar Ho: i= i
Si |Yi - Yi| > RMEP

93

Ejemplo:
Retomando el ejemplo del DBA:
T1 T2 T3 T4
Y.j
4.1 6.5 4.1 4.9 19.6
II
4.1 5.3 4.0 6.2 19.6
F.V.
G.L.
Tratam
3
.
Bloques
4
S.C.
12.55
0
3.755
Error
8.345
III 6.5 6.9 4.5 4.8 22.7

IV 4.3 6.8 4.3 4.2 19.6
V
6.0 6.5 4.1 6.9 23.5
Yi. 25
32
21
27
105
5.0 6.4 4.2 5.4
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

varianza son:
G.L.Error =
12
r
=
5
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).
Ho: i=
V.S.
Ha:
DHS = S Q(
i con
,p,GL Error)
CMError
r
Sy
En donde:
DHS = Estimador
Q(
,p,GL Error)=
Valor en la tabla de rangos estandarizados
p = Nmero de 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.
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,
95

Rechazar Ho: i= i
Si |Yi - Yi| > DHS

presentan diferencias entre ellas.
Nota:
Cu a n do el exper im en t o con st e de 8 o m en os t r a t a m ien t os, se

pu ede u sa r DMS DUNCAN, per o cu a n do se t en ga n a r r iba de
10 12 tratamientos, es ms recomendable usar Tukey
Ejemplo:
T1 T2 T3 T4
Y.j
F.V.
4.1 6.5 4.1 4.9 19.6
II
4.1 5.3 4.0 6.2 19.6
III 6.5 6.9 4.5 4.8 22.7
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
IV 4.3 6.8 4.3 4.2 19.6

V
6.0 6.5 4.1 6.9 23.5
Yi. 25
32
21
27
105
5.0 6.4 4.2 5.4
Trat. Media
T2=
6.4 a
T4=
5.4 a b
T1=
5.0 a b
T3=
4.2
b

varianza son:
G.L.Error =
12
r
=
5
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
Si las repeticiones de los tratamientos son diferentes:
SCHEFFE
1 F
, t 1, GLError
CMError
1
ni
1
ni '
Si las repeticiones de los tratamientos son iguales:
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 ,
97

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 .
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
Si |Yi - Yi| > SCHEFFE

Ejemplo:
T1 T2 T3 T4
Y.j
4.1 6.5 4.1 4.9 19.6
II
4.1 5.3 4.0 6.2 19.6
III 6.5 6.9 4.5 4.8 22.7
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
IV 4.3 6.8 4.3 4.2 19.6

V
6.0 6.5 4.1 6.9 23.5
Yi. 25
32
21
27
105
5.0 6.4 4.2 5.4
Trat. Media
T2=
6.4 a
T4=
5.4 a b
T1=
5.0 a b
T3=
4.2
b

varianza son:
G.L.Error =
12
r
=
5
=
0.05
SCHEFFE
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.
Ho: t =
V.S.
Ha:
i con
i = 1, 2, 3,....,t
Mediante el estimador: F D = S(Yl. - Yi.)t D

En donde:
F D = Estimador, Factor Dunnet
t D = t(
S yt
,p,GLError)
yi
2(CMError )
r
P = t-1
t(
,p,GLError)
= Valor en la tabla t de Dunnet
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
Si |Yt - Yi| > FD

misma letra las medias estadsticamente iguales al testigo.
99

Consideraciones Sobre Las Pruebas

Toda s la s pr u eba s son igu a les cu a n do se com pa r a n n ica m en t e dos
t r a t a m ien t os en el exper im en t o; a m edida qu e el n m er o de t r a t a m ien t os
aumenta, las diferencias en los resultados de las pruebas son mayores.
Con dos t r a t a m ien t os, el m t odo de la DMS pr u eba la h ipt esis de
igualdad de medias con un error tipo I mayor al que se declara ( 13%).
Un or den , en la s pr u eba s, en cu a n t o a la ca pa cida d de decla r a r
diferencias significativas es:
1.
DMS
2.
DUNCAN
3.
S-N-K
4.
DUNNETT
5.
TUKEY
6.
SCHEFF
Referencias
1992.
1999,
100


Mason, R.L., Gunst, R.F. and Hess, J.L. Statistical
Design and Analysis of Experiments. Wiley, N.Y. 2003.
Applications. 1998.
New York. 2002.
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
n el ca pit u lo a n t er ior se obser va n los difer en t es t ipos de

tratamientos. Cor r espon dien do la s com pa r a cion es de m edia s a
los t r a t a m ien t os cu a lit a t ivos sin est r u ct u r a ; sin em ba r go en
a lgu n os ca sos los t r a t a m ien t os poseen est r u ct u r a , es decir , pueden ser
agrupados con sen t ido a a lgu n a (s) ca r a ct er st ica (s), por lo qu e el a n lisis
cor r espon dien t e es a t r a vs de comparaciones independientes o
contrastes ortogonales, utilizndose en el primer caso el estimador DMS.
E st os m t odos son a plica bles cu a n do el in vest iga dor pla n ea con
a n t er ior ida d la s com pa r a cion es qu e le va n a da r la s r espu est a s a
PREGUNTAS ESPECFICAS.
E l n m er o de com pa r a cion es in depen dien t es o con t r a st es or t ogon a les es
igu a l a t -1 (G.L. de t r a t a m ien t os); pudindose pla n ea r va r ios ju egos de
comparaciones o contrastes.
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
El estimador para cada comparacin se calcula por medio:
DMS
CMError
n1
CMError
n2
En donde:
t =
Valor tabular de t de Student, con G.L. del Error y
n 1 = No. de observaciones del primer componente en la comparacin.

n 2 = No. de observaciones del segundo componente en la comparacin.
El procedimiento de prueba es:
1)
Se formulan las hiptesis qu e per m it a n da r r espu est a a pr egu n t a s

iniciales.
2)
Se pla n ea n la s com pa r a cion es en ba se a la s h ipt esis for m u la da s

que permitan dar respuesta a preguntas iniciales.
3)
Se ca lcu la la DMS pa r a ca da com pa r a cin , con los va lor es de la

distribucin de t de Student.
103

4)
Se a n a liza n la s difer en cia s qu e r esu lt a n de la s com pa r a cion es

in depen dien t es con los va lor es de la DMS r espect iva ; si est e va lor es
mayor que la DMS, entonces se rechaza la Ho: Ci=0, y se dice que los
t r a t a m ien t os com pa r a dos difier en est a dst ica m en t e en ca so
contrario no se rechaza.
E st a s com pa r a cion es t r a ba ja n con la s m edia s de los t r a t a m ien t os y

a n t es qu e n a da h a y qu e pla n t ea r la s h ipt esis qu e da r n or igen a la s
Com pa r a cion es In depen dien t es. Y de la s ecu a cion es pla n t ea da s en la s
h ipt esis se despeja n igu a la n do a cer o, d n don os la com pa r a cin a
evaluar
Ejemplo 1: Si se t ien en 5 t r a t a m ien t os, A, B, C, D, E , y u n t r a t a m ien t o

testigo; entonces algunas comparaciones que el investigador puede hacer,
son:
Ho1 : Ta+Tb+Tc+Td = 4Tt
VS
Ha1 : Ta+Tb+Tc+Td
Ho2 : Ta+Tb+Tc = 3Td
VS
Ha2 : Ta+Tb+Tc
Ho3 : Ta+Tb = 2Tc
VS
Ha3 : Ta+Tb
Ho3 : Ta = Tb
VS
Ha3 : Ta
4Tt
3Td
2Tc
Tb
Despejando tenemos las siguientes comparaciones:
c1:
Ta
Tb Tc Td
4
c2 :
Ta Tb Tc
Td
3
c3 :
Ta Tb
Tc
2
Tt
c4 : Ta Tb
104

Ejemplo 2: Debido a los a lt os n iveles de h u m eda d en la zon a , se est u dia

a la s Dermatomicosis causadas por Scytalidium dimidiatum y
S. hyalinum ya qu e est os h on gos son a gen t es et iolgicos de
in feccion es cr n ica s cu t n ea s qu e a fect a n a la piel altamente
qu er a t in iza da de pa lm a s, pla n t a s, u a s y espacios
interdigitales. Considerando qu e cln ica m en t e se pa r ecen a
t in ea u n gu iu m , t in ea pedis y t in ea m a n u m pr odu cida s por
h on gos der m a t ofit os, es importante est a blecer el dia gn st ico
et iolgico ya qu e el t r a t a m ien t o es difer en t e seg n se t r a t e de
una tia o de una dermatomicosis por Scytalidium.
P or lo a n t er ior se desa r r ollo u n exper im en t o con 7
antimicticos pa r a det er m in a r la efica cia de est os en el
tratamiento de la dermatomicosis causadas por Scytalidium
dimidiatum en u a s de los pies. Se t r a ba ja r on con gr u pos de
30 per son a s in fect a da s a la s cu a les se les dio t r a t a m ien t o
tpico du r a n t e 25 da s a l trmino de los cu a les se obser vo el
n m er o de pa cien t es qu e se cu r a r on . Los t r a t a m ien t os
aplicados fueron los siguientes:
T 1 y T2 :
T 3 y T4 :
T 5 , T 6 y T7 :
T 8:
T 6 y T7 :
Antimicticos con base de Mercrio.

Antimicticos no Mercricos (Anilidas)
Antimicticos no Mercricos (Imidazoles)
Testigo (sin Antimicticos)
Nuevas formulas de T5
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

El investigador se formula varias preguntas, dentro de ellas tenemos:

1. Son efectivos los antimicticos empleados?
2. Fuer on m s efect ivos los a n t im ict icos m er c r icos de los no
mercricos?
3. Funcionan igual los antimicticos mercricos?
4. Los antimicticos anilidas protegen mejor que los imidazoles?
5. Los antimicticos de las anilidas funcionan igual?
6. F u n cion a n igu a l la vieja y la s n u eva s for m u la s de los
antimicticos de los imidazoles?
7. Funcionan igual las nuevas formulaciones del T5?
P a r a ca da u n a de la s pr egu n t a s se desa r r olla la com pa r a cin de m edia s
de tratamientos correspondientes:
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

An t es qu e n a da se r esu elva m edia n t e el dise o sim ple seleccion a do,

siendo el diseo empleado el DCA. Y la hiptesis a probar es:
Ho: T 1 =T2 =T3 =T4 =T5 =T6 =T7 =T8
t
S.C. Total =
ni
i=1
VS Ha: al menos un Ti es diferente
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 =

760 - 408 = 352
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
Se r ech a za H o. E xist en difer en cia s a lt a m en t e sign ifica t iva s en t r e los

tratamientos.
Posterior al ANVA, se tienen que resolver las preguntas planteadas.
1.- Son efectivos los antimicticos empleados.
c1 :
c1:
T1
T2
T3
T4
7
T5
T6
T7
T8
17.5 23.25 22.25 17 2125

.
19.5 255
.
13.75
7
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
107

DMS
2.797 14.667
C1 > DMS
--------->
1
28
1
4
5.73
7.142 > 5.73
Com o la difer en cia en t r e los t r a t a m ien t os es m a yor qu e la DMS, los

t r a t a m ien t os com pa r a dos ((T 1 +T2 +T3 +T4 +T5 +T6 +T7 )/7 VS T 8 ) son
difer en t es en t r e si. Lo cu a l in dica qu e los a n t im ict icos m er c r icos y n o
mercricos. Son efect ivos en el t r a t a m ien t o de la in feccin por h on gos en
las uas de los pies.
H a st a a qu solo se h a r esu elt o la pr im er a pr egu n t a , t en in dose qu e

r esolver la s 6 r est a n t es. Sin em ba r go debido a qu e el pr ocedim ien t o es
exa ct a m en t e el m ism o om it im os la r esolu cin de los r est a n t es; vin dose
la solucin completa ms adelante.
108

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)
P er m it e r espon der im por t a n t es pr egu n t a s especfica s sobr e los

efectos de los tratamientos.
2)
Los clculos son simples.
3)
Su m in ist r a u n t il con t r ol sobr e la su m a de cu a dr a dos de

tratamientos.
A difer en cia de la s Com pa r a cion es In depen dien t es qu e u t iliza n a la

m edia de los t r a t a m ien t os, en los Con t r a st es Or t ogon a les se t r a ba ja con
los totales de los tratamientos
Con este mtodo se prueban hiptesis de la forma:
I) Ho1 : 3t1 = t 2 +t 3 +t 4
VS
Ha1 : 3t1 t 2 +t 3 +t 4
Com pa r a cin del efect o del t r a t a m ien t o 1 con t r a los totales de los
efectos de los tratamientos 2, 3, y 4.
II) Ho2 : t1 +t2 = t 3 +t 4
VS
Ha2 : t 1 +t2 t 3 +t 4
Com pa r a cin del efect o con ju n t o de los t r a t a m ien t os 1 y 2 con t r a el
efecto conjunto de los tratamientos 3 y 4.
III) Ho3 : t 1 +t2 = 2t3
VS
Ha3 : t 1 +t2 2t3
Com pa r a cin del efect o con ju n t o de los t r a t a m ien t os 1 y 2 con t r a el
efecto del tratamiento 3.
109

Los con t r a st es se pla n t ea n a pa r t ir de la s h ipt esis formuladas, de la s

que se despeja la ecu a cin , igu a l n dola a cer o per o con ser va n do ca da
tratamiento su coeficiente
Hiptesis
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
Ho3 : t1 +t2 = 2t3
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
Com o se pu ede obser va r en est e ejem plo a u n qu e est n bien pla n t ea da s

las hiptesis no son ortogonales. Por lo que no procede el anlisis.
110

E n general con este mtodo se prueban juegos de hiptesis de la forma:
Ho:
t
i=1
i i=0
VS
Ha:
t
i=1
i i
A la com bin a cin lin ea l de t r a t a m ien t os i i se le lla m a con t r a st e, en

don de los i son los coeficien t es de los efect os de los t r a t a m ien t os, en el
contraste.
Esta prueba se realiza conforme a las siguientes reglas:
1)
Cualqu ier fu n cin de la for m a

1 1 + 2 2 + 3 3 +.......+ i i =0 se lla m a
com pa r a cin o con t r a st e si la su m a de su s coeficien t es es cer o, est o
t
es:
i=1 i =0
2)
Si C es un contraste entre los posibles, entonces la cantidad:
C j2
SCCi
t
2
ij
i 1
E s u n a com pon en t e de la su m a de cu a dr a dos de t r a t a m ien t os y

representa un contraste con un grado de libertad. Adems:
C j=
Con:
3)
t
i=1
ij i=0
Coeficiente del tratamiento i en el contraste j

Total del tratamiento i.
i
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
producto de sus coeficientes correspondientes es igual a cero; esto es:
ij
t
i=1
i1
i2
=0
Los contrastes son:

C 1=
11 1 + 12 2 + 13 3 +.......+ 1i 1i
C 2=
21 1 + 22 2 + 23 3 +.......+ 2i 2i
Al com pr oba r la or t ogon a lida d, a lgu n os coeficien t es de los

t r a t a m ien t os n o in t er vien en en el con t r a st e, dich os coeficien t es se
toman como cero.
4)
Si en t t r a t a m ien t os, t -1 con t r a st es son or togon a les, en t on ces la

su m a de cu a dr a dos de t odos los t -1 con t r a st es es igu a l a la su m a de
cuadrados de los tratamientos; esto es:
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
Despu s de h a ber obt en ido la su m a de cu a dr a dos pa r a ca da

con t r a st e se pr ocede a con st r u ir el ANVA descom pu est a la su m a de
cuadrados de tratamientos y se prueban las hiptesis planteadas con
la distribucin F.
Ejemplo: Se r et om a r
Comparacin de Medias
el
ejem plo
pr esen t a do
en
el
t em a
1. Son efectivos los antimicticos empleados?

2. Fuer on m s efect ivos los a n t im ict icos m er c r icos de los no
mercricos?
3. Funcionan igual los antimicticos mercricos?
4. Los antimicticos anilidas protegen mejor que los imidazoles?
5. Los antimicticos de las anilidas funcionan igual?
6. F u n cion a n igu a l la vieja y la s n u eva s for m u la s de los antimicticos de
los imidazoles?
7. Funcionan igual las nuevas formulaciones del T5?
Hiptesis planteadas:
Contrastes de las Hiptesis:
Ho1 :T1 +T2 +T3 +T4 +T5 +T6 +T7 =7T8
C 1 :T1 +T2 +T3 +T4 +T5 +T6 +T7 -7T8 =0
Ho2 :5(T1 +T2 )=2(T3 +T4 +T5 +T6 +T7 )
C 2 :5T1 +5T2 -2T3 -2T4 -2T5 -2T6 -2T7 =0
Ho3 :T1 =T2
C 3 :T1 -T 2 =0
Ho4 :3(T3 +T4 )=2(T5 +T6 +T7 )
C 4 :3T3 +3T4 -2T5 -2T6 -2T7 =0
Ho5 : T3 =T4
C 5 :T3 -T 4 =0
Ho6 :2T5 =T6 +T7
C 6 :2T5 -T 6 -T 7 =0
Ho7 : T6 =T7
C 7 : T6 -T 7 =0
112

Tabla de los coeficientes de los contrastes
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
Si los con t r a st es pa sa n la pr u eba de or t ogon a lida d, se pr ocede a ca lcu la r

la Suma de Cuadrados (SC) de los contrastes mediante la formula:
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
5( 70) 5( 93) 2(89) 2( 68) 2(85) 2( 78) 2(102)

( 4)( 25 25 4 4 4 4 4)
SCC 3
70 93
( 4)(1 1)
SCC 4
3(89) 3( 68) 2(85) 2( 78) 2(102)

( 4)( 9 9 4 4 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.
Un a vez ca lcu la dos la s SC de los con t r a st es se pr ocede a r ea liza r el

ANVA.
F.V.
Trat.
C1
C2
C3
C4
C5
C6
C7
Error
Total
**
*
n.s.
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
Diferencias altamente significativas

Diferencias significativas
No Significancia
Respuesta a las preguntas
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

Problemario de Comparaciones Ortogonales

31.Se r ea lizo u n exper im en t o pa r a com ba t ir al a gen t e et iolgico de la
en fer m eda d de Ch a ga s o Tr ipa n osom ia sis, el Trypanosoma cruzi; para
el est u dio se u t iliza r on dos gr u pos de m edica m en t os pa r a est e t ipo de
pa r sit o, se u sa r on nifurtimox (T1: 15 m g/kg/dia y T2: 20 m g/kg/dia ),
benznidazol (T3: 3 m g/kg/da , T4: 6 m g/kg/da ) u t iliza n do com o t est igo
a u n pla cebo. Se defin ier on 4 gr u pos
T1 T2
T3 T4 T5
t er a pu t icos y u n gr u po t est igo con u n
19
15
26
27
35
estudio doble ciego; du r a n t e 90 da s se
20
17
30
26
33
les su m in ist r o 3 veces a l da la s dosis
16
12
25
30
32
de los t r a t a m ien t os, t r a ba j n dose con
17
14
29
28
34
gr u pos de 35 a du lt os en fer m os de
a m bos sexos, y r egist r n dose el n m er o de pa cien t es qu e n o
presentaron mejora.
T1 y T2: Nifurtomox
T2 Y T4: Benznidazol
T5:
Placebo
Solo se pu eden for m u la r 4 pr egu n t a s debido a la r est r iccin de t -1
con t r a st es. F or m u le y eva l e, r esu elva y con t est e todas la s pr egu n t a s
que se pueden hacer. Sin olvidar los anlisis primarios.
32.Se desea saber en qu e ca ldo cr ecen m s la s 4 especies pr oba bles de
Sa lm on ella a en con t r a r en h eces. P a r a est o se tienen 4 cepa s del
Gen er o Sa lm on ella . Un a vez in ocu la da s en el ca ldo de t r et a t ion a t o, se
les a dicion a el in h idor de
lu gol en el por cen t a je T1 T2 T3 T4
r equ er ido y se esper a 12 8
11
14
15
S. typhi
h or a s a 37C y se siem br a n 10
13
8
11
S. cholerasuis
en el m edio de cu lt ivo de 12
17
16
10
S.enteritidis
Su lfit o de bism u t o, y se deja 9
5
10
10
S. paratyphi
cr ecer 24 h or a s a 37C y se
leen el nmero de colonias de salmonella que son capaces de crecer.
T1:
Caldo de Tretationato marca A Modificado
T2:
Caldo de Tetrationato marca B Altamente selectivo.
T3 :
Caldo de Tetrationato marca B Bajamente selectivo.
T4 :
Con extracto de Levadura y Fosfato Disodico
115


con t r a st es. F or m u le y eva l e, r esu elva y con t est e t oda s la s pr egu n t a s
33.Se r ea liz u n exper im en t o con per son a s con ba jo n ivel de
H E MOGLOBINA pr ob n dose 4 t r a t a m ien t os (T1: cido flico (500 g,
T2: su lfa t o fer r oso a dosis a lt a (300 m g), T3:
su lfa t o fer r oso a dosis ba ja (15 m g), T4: su lfa t o T1 T2 T3 T4
ferroso (200 m g) a dicion a do con ac. F lico 18 12 16 15
(400g)), est o con el fin de obser va r qu e t iem po 14 16 13 13
t a r da n en a u m en t a r los n iveles de hemoglobina. 16 14 12 14
Los r esu lt a dos obt en idos fu er on los n iveles de 13 18 15 12
h em oglobin a de la s per son a s pa r t icipa n t es en el
estudio:
contrastes. F or m u le y eva l e, r esu elva y con t est e t oda s la s pr egu n t a s
34.Se r ea lizo u n est u dio pa r a det er m in a r la concentracin de colifor m es
qu e in ciden sobr e el r o H u ixt la . P a r a t a l est u dio se a gr u pa r on en ba se
a la a lt u r a con 2 pu n t os de r ecoleccin sit u a dos a n t es de qu e el r o
entre a la ciudad y 2 puntos despus de atravesar la ciudad, las cuales
fu er on seleccion a da s a l a za r . Tom n dose lect u r a s du r a n t e 5 da s
consecutivos, y los r esu lt a dos se
r epor t a r on en UF C/100 m l. P a r a la DAS
I
II
III
IV
iden t ifica cin de colifor m es t ot a les se 1
6
7
10
10
u t iliz el m edio de cu lt ivo de Aga r 2
3
3
16
11
E n do.17 E n la r ea liza cin de pr u eba s 3
2
2
8
9
pr esu n t iva s y con fir m a t or ia s se 4
3
9
10
4
em ple el ca ldo la ct osa do y el ca ldo 5
4
5
6
5
ver de br illa n t e, r espect iva m en t e. La
temperatura de incubacin empleada fue de 37 oC 0.5 oC durante 2430 horas.
T1:
Punto 1 de recoleccin antes de entrar a la ciudad
T2:
Punto 2 de recoleccin antes de entrar a la ciudad
T3 :
Punto 3 de recoleccin despus de atravesar la ciudad
T4 :
Punto 4 de recoleccin despus de atravesar la ciudad
116

35.P or la s con dicion es clim t ica s de

la ciu da d, la fa lt a de a sesor ia
m edica y fr ecu en t es h bit os de
a u t om edica cin se h icier on 30
exu da dos fa r in geos a a lu m n os del
COBACH pla n t el 29 de Un in
J u r ez, Ch ia pa s, Mxico, con
cu a dr o
cln ico
de
fa r in goa m igda lit is;
pa r a
la
b squ eda
in t en cion a da
de
st a ph ylococcu s coa gu la sa posit iva y
pa r a det er m in a r la sensibilidad
a n t im icr obia n a obt en in dose los
siguientes resultados en milmetros
del halo de inhibicin:
De los 30 cu lt ivos 21 fu er on
posit ivos
a
st a ph ylococcu s
coa gu la sa posit ivo. Y de los 12
a n t ibit icos pr oba dos
solo a 5
pr esen t a r on sen sibilida d. P or lo
qu e solo se t om a n a los pa cien t es
con
St a ph ylococcu s
coa gu la sa
posit ivo y los a n t ibit icos qu e
causaron sensibilidad:
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
E l in t er s es el de con ocer a cu a l de los a n t ibit icos pr esen t a n m a yor

susceptibilidad, en base al mecanismo de accin de stos:
T1-CTX: (CEFALOSPORINA) INHIBE SNTESIS DE PARED CELULAR
T2-PEF: (FLOUROQUINOLONA) INHIBE SINTESIS DE CIDO NUCLEICOS
T3-TE:
(TETRACICLINA) INHIBE SINTESIS DE PROTENAS
T4- GE:
(AMINOGLUCOSIDOS) INHIBE SINTESIS DE PROTENAS
T5: CAZ: (CEFALOSPORINA) INHIBE SINTESIS DE PARED CELULAR

Referencias
Arnau Gras, J.. Diseos Experimentales Multivariables.
117

Alianza Editorial, Madrid. 1990.

Box, G. E. y Draper, N., "Empirical Model Building and
Response Surfaces". Ed. Jhon Wiley. 1986.
1992.
Dean, A. y Voss, D. Design and Analysis of Experiments.
1999,
Lara, A.M. Diseo estadstico de experimentos, anlisis
de la varianza y temas relacionados: tratamiento
informtico mediante SPSS. Proyecto Sur de Ediciones,
Granada. 2001.
New York. 2002.
118

P a r t e III: Ar r eglos F a ct or ia les

Ca pit u lo IX:
Principios Bsicos de los
o vist o h a st a a h or a cor r espon de a l efect o de u n fa ct or sobr e la s
u n ida des exper im en t a les, sin em ba r go en m u ch a s oca sion es, se
exa m in a el efect o sim u lt n eo de va r ios fa ct or es sobr e u n a
caracterstica en estudio, ya no pudindose ocupar lo diseos simples, por
lo qu e se t ien e qu e a bor da r el pr oblem a mediante la exper im en t a cin
factorial, en el cual se tiene que considerar el diseo de los tratamientos.
P a r a poder ejecu t a r u n a in vest iga cin de est e t ipo, existen varias
opciones como es, el de en sa ya r los fa ct or es, h a cien do va r ia r u n o de ellos,
m a n t en ien do fijo los ot r os; o t a m bin , h a cien do va r ia r ca da fa ct or ,
ensayando varios niveles de cada uno de ellos.
Con lo a n t er ior se pu eden dedu cir la s posibles r ela cion es en t r e los
factores en est u dio y est im a r su efect o, ya qu e, a n t es de in icia r u n
exper im en t o se descon oce que fa ct or es son im por t a n t es y si ejer cen su
accin en forma independiente o combinada.
P or lo qu e el en sa yo sim u lt n eo de va r ios fa ct or es t ien e la ven t a ja sobr e
la t cn ica de in vest iga r u n fa ct or ca da vez qu e se exper im en t a , el de
m edir la in t er a ccin , sobr e el ca r ct er en est u dio de los fa ct or es
considerados.
La in t er a ccin es u n efect o en oca sion es posit ivo y ot r a s veces n ega t ivo,
sobr e la su m a de los efect os qu e a isla da m en t e ejer cen los fa ct or es
experimentales. Sin em ba r go, en el sen t ido pr ct ico se con sider a qu e una
interaccin es un efecto de menor importancia que los efectos principales.
119

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)
E l fa ct or ia l in completo: E n sa ya solo a lgu n os de la s posibles

combinaciones de tratamientos que pueden generarse.
2)
E l fa ct or ia l com plet o: E n sa ya t oda s la s posibles com bin a cion es de

t r a t a m ien t o qu e se gen er a n con los dist in t os n iveles de los fa ct or es
de estudio.
Dentro de los factoriales completos pueden distinguirse:
Factoriales Simtricos: Com pr en den el m ism o n m er o de n iveles
de cada factor,
Factoriales Asimtricos; E n sa ya n n m er os dist in t os de n iveles de
los factores en estudio.
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)
E con om a en el m a t er ia l exper im en t a l, a l obt en er in for m a cin sobr e

varios factores que aumentan el tamao del experimento.
2)
Se a m pla el r a n go de va lidez del exper im en t o, es decir se a m pla el

r a n go de la in fer en cia en r ela cin a u n fa ct or ya qu e se est u dia en
la s difer en t es con dicion es r epr esen t a da s por los n iveles de los ot r os
factores.
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)
Al u sa r bloqu es, es difcil en con t r a r gr u pos de unidades

experimentales h om ogn ea s pa r a a sign a r los t r a t a m ien t os. E st o se
elim in a u sa n do el con cept o de con fu sin , qu e es r edu cien do el
t a m a o del bloqu e pa sa n do por a lt o la pr ecisin en cier t a s
interacciones de orden superior.
2)
Se a u m en t a el cost o del exper im en t o a l t en er m u ch a s unidades

experimentales. Se m in im iza u sa n do los exper im en t os fa ctoriales
fr a ccion a dos, don de se pr u eba slo u n a pa r t e de los t r a t a m ien t os
posibles.
3)
Es difcil interpretar las interacciones de orden superior.

Los exper im en t os fa ct or ia les
son t iles en in vest iga cion es
explor a t or ia s, en los qu e poco
se sa be a cer ca de n iveles
pt im os de los fa ct or es o
cules son importantes
P or ejem plo: P a r a la siem br a de u n

m icr oor ga n ism o,
es
con ven ien t e
est u dia r
de m a n er a
sim u lt a n ea
temperatura,
pH ,
t iem po
de
cr ecim ien t o, n u t r ien t es del m edio de
cu lt ivo, et c.; en sit u a cion es sim ila r es
es con ven ien t e in clu ir t est igos en el
experimento.
121

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=
Efecto del nivel k del factor A.

Efecto del nivel l del Factor B .
E fect o de la in t er a ccin de los n iveles k y l de los
factores A y B, respectivamente.
E n t on ces el m odelo pa r a el a r r eglo fa ct or ia l ba jo el dise o de bloqu es a l

azar es:
Yklj = + Ak + Bl + (AB)kl + j + klj
con:
k = 1,2,... n1
l = 1,2,... n2
j = 1,2,... r
Tambin se puede escribir como:

Yijk = + Ai + Bj + (AB)ij +
con:
ijk
i = 1,2,..., n1
j = 1,2,..., n2
k = 1,2,..., r
E st e es el m odelo pa r a el ca so m s sim ple de los a r r eglos fa ct or ia les,

m odelos m s com plica dos se ver n a l est u dia r ca sos en don de se t en ga n
ms de dos factores.
E s im por t a n t e a socia r a ca da exper im en t o fa ct or ia l u n m odelo, ya qu e a
pa r t ir del m odelo es posible obt en er los gr a dos de liber t a d, la s su m a s de
cu a dr a dos y la s esper a n za s de los cu a dr a dos m edios, m edia n t e r egla s
muy simples que se estudiarn posteriormente.
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)
Cu a n do a bor dem os el t em a del fa ct or ia l 2 2 se in t r odu cir la

n ot a cin com plem en t a r ia pa r a el est u dio de los exper im en t os
factoriales.
123

Representacion Grafica de los Diseos Factoriales
Figura 5.- Representacin Grfica Figura 6.- Representacin Grfica del

del Diseo Factorial 22
Diseo Factorial 23
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.
Anlisis de las Interacciones

Si la in t er a ccin no es sign ifica t iva (N.S.), en t on ces los fa ct or es son
independientes.
Si h a y in t er a ccin u n fa ct or t ien e u n det er m in a do com por t a m ien t o fr en t e
a otro factor.
Por lo que, si hay interaccin tenemos 2 formas de analizarlas:
1.
Si la in t er a ccin es sign ifica t iva , en t on ces exist e eviden cia

exper im en t a l de qu e h a y com por t a m ien t os difer en t es de u n fa ct or en
pr esen cia de ot r o, por lo t a n t o se debe h a cer u n a n lisis de
comportamien t o de m edia s de los n iveles de u n fa ct or den t r o de los
niveles del otro factor.
124

Quien t ien e la F c m en or se ca lcu la den t r o de los n iveles del qu e t ien e la

Fc mayor.
Con sider em os u n ca so en el qu e los efect os pr om edios de los m edios de
cultivo (M.C.) son difer en t es en fu n cin del m icr oor ga n ism o M.O.) a
aislar. Se construye una tabla de medias de la siguiente forma:
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
Se pr ocede a h a cer la s com pa r a cion es, en con t r n dose en est e ca so qu e en

presencia del nivel de M.O. alto la mayor respuesta est en el 2 M.C.
2.
Cuando n o h a y difer en cia sign ifica t iva (N.S.) en la in t er a ccin , per o

si en los efect os pr in cipa les; se com pa r a n la s m edia s de los fa ct or es
principales:
Se comparan las medias del factor (A)
EE
2CMErr
ra
Se comparan las medias del factor (B)
EE
2CMErr
rb
Don de a y b son el n m er o de n iveles de ca da fa ct or y E E el E r r or

Estndar
La figu r a 7, m u est r a la m a n er a en com o se da n los efect os pr in cipa les y la s
interacciones de los diseos factoriales con tres dimensiones
125

F igu r a 7.- Repr esen t a cin Gr fica de los efect os

interacciones en modelos factoriales de tres dimensiones
pr in cipa les
Referencias
Cochran, W.G. y Cox, G.M. Diseos Experimentales. Trillas,
Mxico. 1995.
Cox, D.R. Planning of Experiments. Wiley, New York. 1992.
Hair J.F., Anderson R.E., Tatham R.L., Black W.C.: "Anlisis
Multivariante", Ed. Prentice Hall, 5 edicin. 1999,
126

Hinkelmann, K. Design and analysis of experiments. John

Wiley & Sons, N.Y. (2005).
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.
Applications. 1998.
Sixto Ros. "Mtodos Estadsticos", Ediciones del Castillo,
Madrid. 1977.
127


Ca pit u lo X:
Anlisis de u n Ar r eglo F a ct or ia l por
Contrastes Ortogonales.
odo a r r eglo fa ct or ia l es eva lu a do ba jo u n dise o sim ple (DCA, DBA,
DCL, etc.); por lo t a n t o, pr im er a m en t e se obt ien e el ANVA pa r a el
dise o sim ple u t iliza do, a t r a vs del Modelo E st a dst ico
correspondiente, probando el juego de hiptesis para tratamientos.
Ho:
El efecto de los tratamientos VS

es el mismos
Ha: Al menos uno es diferente
P ost er ior m en t e, se a plica la m et odologa de a n lisis por con t r a st es or t ogon a les

pa r a con ocer los efect os de los fa ct or es pr in cipa les y de la s in t er a ccion es qu e
r esu lt en ; con el ANVA cor r espon dien t e se pr u eba n la s h ipt esis pa r a los
contrastes planeados.
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
Diseo de los tratamientos

Factor A
a0
a0
a1
a1
Tratamientos:
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

Las hiptesis a probar para el diseo simple son:

Ho :
vs
Ha : al menos una
E n el ca so de est e ejem plo, las h ipt esis se pr u eba n con el ANVA pa r a el

Dise o de Bloqu es a l Aza r , cu yo m odelo est a dst ico, la s su m a s de
cu a dr a dos pa r a bloqu es, t r a t a m ien t os, er r or y el t ot a l son exa ct a m en t e
los mismos del DBA.
E n u n exper im en t o fa ct or ia l el in t er s es con ocer si los fa ct or es
principales a los niveles evaluados son diferentes o independientes
Por lo que las hiptesis a probar bajo estas condiciones 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 interaccin AxB
vs
H a3: hay interaccin AxB
(Se comparan los niveles bajos contra los niveles altos de cada factor)
Las hiptesis equivalentes a probar por contrastes ortogonales son:

H 01 : 1 + 2 = 3 + 4
vs
H a1: 1 + 2 3 + 4
H 02 : 1 + 3 = 2 + 4
vs
H a2: 1 + 3 2 + 4
H 03 : 1 + 4 = 2 + 3
vs
H a3: 1 + 4 2 + 3
E st a s h ipt esis r epr esen t a da s com o con t r a st es de a n lisis y la t a bla de

coeficientes respectiva, es:
CONTRASTES
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

La s su m a s de cu a dr a dos pa r a los efect os pr in cipa les y la in t er a ccin se

calculan con:
C12
SC( A)
conC1
t
2
i1
ci1Ti
T i=Total del trat.
ci 2 Ti
T i=Total del trat.
ci 3Ti
T i=Total del trat.
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
Cuadro 19. Elementos del Anlisis de la Varianza para un Diseo

Factorial 2 2 por DBA, mediante contrastes ortogonales
FV
GL
SC
Bloques
r -1
SC ( )
Tratamientos
t -1 = 3
SC (Trat)
A
1*
SC (A)
B
1*
SC (B)
AxB
1*
SC (AxB)
Error
(t-1)(r-1)
por diferencia
Total
rt-1
SC (total)
*E l gr a do de liber t a d se sa ca del n m er o de n iveles m en os u n o; ejemplo:
2 2 tiene 2 factores con 2 niveles, por lo que tiene G.L.=2-1=1.
Otro ejemplo sera en el caso de un 32
F.V.
G.L.
Tratamientos
t -1=(9-1)=8
A
3-1=2
B
3-1=2
(A*B)
(3-1)(3-1)=4
130

Ejemplo 2 2 : Se desa r r olla u n exper im en t o pa r a eva lu a r en qu e m edio de

cu lt ivo y qu e especie de Br u cella es la qu e cr ece m ejor en la zon a . Se
t ien en 2 m edios de cu lt ivo (a ga r soya t r ipt ica sa y Ru iz Ca st a eda ) y la s
br u cella s qu e se desea n a isla r son Br u cella a bor t u s y Brucella
mellitensis. E n el exper im en t o se bloqu eo por 4 difer en t es por t a dor es de
la s br u cella s. La va r ia ble de r espu est a fu er on el n m er o de colon ia s qu e
crecieron en los medios de cultivo.
2
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
Diseo del experimento: D.B.A.

T1
T2
Bloques
a 0b 0
a 0b 1
1
20
15
2
19
14
3
14
12
4
25
18
78
59
T3
a 1b 0
19
18
18
20
75
T4
a 1b 1
12
17
14
14
57
66
68
58
77
269
Antes que nada se resuelve el diseo simple para el juego de hiptesis:

Ho:

es el mismos
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
sign ifica t iva s en los
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
Como se puede observar en la presente t a bla , los tratamientos son

descompuestos en los efectos pr in cipa les de los factores qu e lo integran y
las interacciones de estos.
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
La lectura de la t a bla queda de la siguiente forma : Los t r a t a m ien t os del

fa ct or A (br u cella s), tienen el m ism o efect o, es decir qu e la s dos crecen de
igual forma. P or ot r a pa r t e el fa ct or B (medios de cultivo) muestra
difer en cia s a lt a m en t e sign ifica t iva s, lo que indica que uno de los medios
fu n cion a m ejor qu e el otro. No h a y sign ifica n cia en la s interacciones, lo
que indica que los factores actan de manera INDEPENDIENTE.
133

Arreglo Factorial 2x2x2 (2 3 ).

Con sider em os u n exper im en t o fa ct or ia l qu e in clu ya 3 fa ct or es (A, B y C)
con 2 n iveles (0 y 1), desa r r olla do ba jo u n D.B.A., est e a r r eglo fa ct or ia l es
conocido como 23 . Entonces las combinaciones y los tratamientos son:
Factores: A, B y C
Niveles: 0 y 1

Factor A
a0
a0
a0
a0
a1
a1
a1
a1
Tratamientos:
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
Las hiptesis a probar para el diseo simple son:

H0 : 1 = 2 = 3 = 4 = 5 = 6 = 7 = 8
vs Ha : al menos una
E st a s h ipt esis se pr u eba n con el ANVA pa r a el Dise o de Bloqu es a l

Aza r , cu yo m odelo est a dst ico, la s su m a s de cu a dr a dos pa r a bloqu es,
tratamientos, error y el total son los del DBA.
134

E l in t er s es con ocer si los fa ct or es pr in cipa les a los n iveles evaluados

son diferentes e independientes, por lo que las hiptesis a probar son:
H 01 : no hay efecto del factor A vs
H 02 : no hay efecto del factor B vs
H 03 : no hay efecto del factor C vs
H a3: hay efecto del factor C
vs
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 a7: hay interaccin AxBxC
Las hiptesis equivalentes a probar por contrastes ortogonales son:
a0
a1
H 01 : 1 + 2 + 3 + 4 = 5 + 6 + 7 + 8 vs Ha1: 1 + 2 + 3 + 4 5 + 6 + 7 + 8
b0
b1
H 02 : 1 + 2 + 5 + 6 = 3 + 4 + 7 + 8 vs Ha2: 1 + 2 + 5 + 6 3 + 4 + 7 + 8
c0
c1
H 03 : 1 + 3 + 5 + 7 = 2 + 4 + 6 + 8 vs Ha3: 1 + 3 + 5 + 7 2 + 4 + 6 + 8
a 0 b o, a 1 b 1
a 0 b 1 , a1 b 0
H 04 : 1 + 2 + 7 + 8 = 3 + 4 + 5 + 6 vs Ha4: 1 + 2 + 7 + 8 3 + 4 + 5 + 6
a 0 co, a1 c1
a 0 c1 , a1 c0
H 05 : 1 + 3 + 6 + 8 = 2 + 4 + 5 + 7 vs Ha5: 1 + 3 + 6 + 8 2 + 4 + 5 + 7
b 0 co, b1 c1
b 0 c1 , b1 c0
H 06 : 1 + 4 + 5 + 8 = 2 + 3 + 6 + 7 vs Ha6: 1 + 4 + 5 + 8 2 + 3 + 6 + 7
H 07 : 1 + 4 + 6 + 7 = 2 + 3 + 5 +
vs
Ha7: 1 + 4 + 6 +
2+ 3+ 5+ 8
E st a s h ipt esis r epr esen t a da s com o con t r a st es de An lisis y la Ta bla de

Coeficientes respectiva, es:
CONTRASTES:
C1 :
C2 :
C3 :
C4 :
C5 :
C6 :
C7 :
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
La s su m a s de cu a dr a dos pa r a los efect os pr in cipa les y la in t er a ccin se

calculan con:
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

Factorial 2 3 por DBA
FV
GL
SC
Bloques
r -1
SC( )
Tratamientos
t -1 = 7
SC(trat)
A
1
SC(A)
B
1
SC(B)
C
1
SC(C)
AxB
1
SC(AxB)
AxC
1
SC(AxC)
BxC
1
SC(BxC)
AxBxC
1
SC(AxBxC)
Error
(t-1)(r-1)
Por diferencia
Total
rt-1
SC(total)
137

E jem plo 2 3 .- Se a n a liza el a gu a de pozos de difer en t es pa r t es de la

ciu da d, t om n dose m u est r a s de cu a t r o zon a s su bu r ba n a s. Se pr ocedi a
cu lt iva r la s m u est r a s en dos difer en t es m edios de cu lt ivo (M.C.), ba jo 2
difer en t es t em per a t u r a s (t ) y pH pa r a el cr ecim ien t o de coliformes
fecales, ejecu t n dose ba jo u n DBA, en don de los n iveles de ca da fa ct or
fueron los siguientes:
Factor
Nivel 0
Nivel 1
A
M.C.
Mackonkey
Sulfito de Bismuto
B
t
35C
37C
C
pH
6.2
6.6
E l n m er o de colon ia s qu e cr ecier on com o r esu lt a do de la com bin a cin de
los factores estudiados fueron los siguientes:
Tratamientos
Bloq.
I
II
III
IV
t
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
Las hiptesis a probar para el diseo DBA son:

Ho: T1 = T2= ....T8 vs Ha: al menos un Ti es diferente
F.V.
Bloques
Trat.
Error
Total
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
Se obser va qu e h a y difer en cia s a lt a m en t e sign ifica t iva s en t r a t a m ien t os

y en bloques
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

C.M.
12.3333
55.2857
21.125
112.5
200.0
10.125
10.125
32.0
1.125
1.6190
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, los m edios de cu lt ivo (A) presentan

difer en cia s sign ifica t iva s y la s t em per a t u r a s (B) y pH (C) pr esen t a n
diferencias 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 m a n er a difer en t e u n o de ot r o. P or ot r a pa r t e la s
in t er a ccion es del fa ct or m edios de cu lt ivo (A), con t em per a t u r a (B) y pH
(C), muestran diferencias significativas, es decir existen interaccin entre
ellos; y la in t er a ccin de la t em per a t u r a (B) con pH (C) muestra
difer en cia s a lt a m en t e sign ifica t iva s (u n a m a yor in t er a cin ). Sin em ba r go
al estar preentes los tres actores, no se da interaccin alguna.
139

Problemario de Arreglos Factoriales por Contrastes

Ortogonales
36.- Se r ea liza u n est u dio en n u est r o est a do eva lu a n do a 2 f r m a cos
a n t ipa l dicos: P ir im et a m in a a 2 difer en t es con cen t r a cion es 2 y 5 m g y
Pacientes
Clor oqu in a a dos difer en t es Pirimetamina Cloroquina Parsitos
Curados
con cen t r a cion es, 3 y 6 m g. en
2mg.
3mg. P. falciparum
21
pa cien t es
con
pa lu dismo.
2mg.
3mg. P. vivax
20
An lisis pr evios in dica n qu e
2mg.
3mg. P. malariae
17
2mg.
6mg. P. falciparum
23
los a gen t es ca u sa les son los
2mg.
6mg. P. vivax
24
parsitos
Plasmodium
2mg.
6mg.
P.
malariae
22
fa lcipa r u m ,
P la sm odiu m
5mg.
3mg. P. falciparum
19
viva x
y
P la sm odiu m
5mg.
3mg. P. vivax
21
malariae. Se det er m in o la
5mg.
3mg. P. malariae
16
eficien cia de los f r m a cos en
5mg.
6mg. P. falciparum
22
el n m er o de pa cien t es
5mg.
6mg. P. vivax
24
5mg.
6mg. P. malariae
14
cu r a dos.
Los
r esu lt a dos
obtenidos fueron los siguientes:
37.- E n el H ospital General de Zon a 1 del IMSS se a n a liz el n dice de
in feccion es va gin a les en m u jer es con diferente actividad sexual (activas y
pasivas) en con t r n dose una m a yor pr eva len cia de dos t ipos de vir u s
(VP H y VH S); t om a n do en cu en t a qu e el est u dio se r ea liz a m u jer es de
difer en t es eda des (de 15 - 25, 26 35, 36 45, 46 55) y difer en t e n ivel
social (baja, media baja, media alta y alta).
VPH: virus del papiloma humano VHS: virus del herpes simple
FACTORES:
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

38.- Se realiz un experimento para evaluar la eficacia de 2 insecticidas a

2 vect or es de Leish m a n ia , pa r a ver cu a l de los vect or es es m s sen sible a
estos; est e est u dio se r ea liz en 4 zon a s del est a do de Ch ia pa s (zon a
selva , zon a a lt os, zon a
T1 T2 T3 T4
cost a , zon a socon u sco), se
00 01 10 11
t ien en 2 in sect icida s: DDT y
16 15 13 10
MALATION, los vect or es I (ZONA SELVA)
13 14 12 11
qu e se desea n elim in a r son : II (ZONA ALTOS)
14 15 16 16
Lu t zom yia ver r u ca r u m y III (ZONA COSTA)
Lu t zom yia n ogu ch i. E n el IV (ZONA SOCONUSCO) 10 12 12 14
exper im en t o se u t iliza r on u n ida des exper ien t a les con 20 vect or es y se
evaluo el nmero de muertes de un tiempo de exposicin.
FACTORES
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:
LECHES: a0: vaca

a1: cabra
AGUA:
b0: Ro
b1: potable
40.- Un a com pa a dedica da a la fa br ica cin de m edica m en t os desea

pr oba r u n n u evo m edica m en t o el cu l con st a de la com bin a cin de dos
f r m a cos u n a pen icilin a (a m picilin a ) y u n a su lfa m ida (su lfa m et oxa zol)
per o se cu en t a con dos con cen t r a cion es pa r a ca da f r m a co 200 y 300 m g
pa r a Am picilin a y 100 y 400 m g pa r a Su lfa m et oxa zol. Dich o la bor a t or io
141

r ea liza u n exper im en t o pa r a det er m in a r la efica cia de la com bin a cin de

los f r m a cos y su s con cen t r a cion es. Los f r m a cos son a n t ibit icos y se
probaron en medios de cultivo con cepas de:
E. Coli,
Proteus spp.,
Klebsiella spp.,
Pseudomona aeruginosa;
m idien do el h a lo de in h ibicin de cr ecim ien t o en m ilm et r os (m m )
a lr ededor de u n m u lt idisco con t en ien do los sen sidiscos de los n u evos
medicamentos a probar.
Ampicilina
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
E. coli
Proteus spp
Klebsiella spp
E. coli
Proteus spp
Klebsiella spp
3
4
3
2
2
2
4
3
1
3
2
2
2
3
3
2
Referencias
1992.
142


1999,
Applications. 1998.
143


Ca pit u lo XI:
An lisis de u n Ar r eglo F a ct or ia l por
Medio del Modelo Factorial.
l igu a l qu e en el ca pit u lo a n t er ior , el a n lisis de u n a r r eglo
fa ct or ia l t a m bin pu ede r ea liza r se con st r u yen do el ANVA
mediante el modelo factorial correspondiente.
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 A
a0
a0
a1
a1
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
E l m odelo m a t em t ico pa r a est e a r r eglo es descom pon er el t r a t a m ien t o

en los diferentes factores e interacciones:
Yijk =
con:
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
vs
vs
vs

La tabla de datos es de la siguiente forma:

BLOQUES
I
II
III
.
R
y jk
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.
E l cu a dr o del a n lisis de la va r ia n za se con st r u ye ca lcu la n do los gr a dos

de liber t a d y la s su m a s de cu a dr a dos m edia n t e ecu a cion es qu e se pu eden
obt en er dir ect a m en t e del m odelo. Son r egla s v lida s n ica m en t e pa r a
a r r eglos com plet os ba la n cea dos (la s posibles cla sifica cion es de est os
t ien en igu a l n m er o de obser va cion es en la s celda s, y pa r a los cu a les
cada nivel de los factores se repite el mismo nmero de veces).
E l est u dio de los efect os del fa ct or ia l 2 2 se h a ce en ba se a los t ot a les de
ca da fa ct or en los n iveles da dos y de la in t er a ccin , con la sigu ien t e
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:
(AB)j+k=0 = Ta0 b 0 + Ta1 b 1

(AB)j+k=1 = Ta0 b 1 + Ta1 b 0
E l t ot a l (AB)j+k=0 se obt ien e su m a n do los t ot a les de los t r a t a m ien t os a 0 b 0

y a 1 b 1 , obser ve qu e j+k = 0 in dica la su m a de los n dices, o sea cu a n do
j+k=2 equivale a j+k=0.
Los efectos se definen como:
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

Las reglas para encontrar los G.L. y las S.C. son:

1)
Se considera el modelo.
2)
Para ca da t r m in o del m odelo h a br u n a h iler a en el cu a dr o de

anlisis de varianza.
3)
P a r a ca da t r m in o del m odelo se det er m in a su P r odu ct o Sim blico,

que es igual al ndice menos uno o el producto de estos en el trmino;
los grados de libertad se obtienen al sustituir el ndice en el producto
sim blico por el m xim o va lor qu e pu ede t om a r ; por ejem plo en
arreglo 22 :
FACTOR
Bloques
A
B
AxB
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)
Para obtener las sumas de cuadrados se realiza:

a) Se suma sobre los ndices que no estn en el producto simblico.
b) Se elevan al cuadrado los totales.
c) Se divide en t r e el m xim o va lor qu e pu eden t om a r los n dices
que forman el total.
d) Se suma sobre los ndices que si estn en el producto simblico.
Con sider em os el a r r eglo fa ct or ia l a n t es descr it o del m odelo. Se t ien en la s

fu en t es de va r ia cin , los pr odu ct os sim blicos y los gr a dos de liber t a d
siguientes (ver cuadro 21)
Cu a dr o 21.- F u en t es de va r ia cin , los pr odu ct os sim blicos y los
grados de libertad de un diseo factorial 22 bajo un DBA
FV
Media
Bloques
A
B
AB
Error
Total
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

NOTA: E l pr odu ct o sim blico pa r a la m edia es u n o; el pr odu ct o simblico

pa r a el t ot a l es el pr odu ct o sim ple de t odos los n dices; el pr odu ct o
simblico para el error se obtiene por diferencia.
Las sumas de cuadrados, obtenidas con los productos simblicos son:
SCtotal
Total: P.S. = ijk - 1
( 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
Interaccin AxB: (j - 1) (k - 1) = (jk - 1) - (j -1) - (k -1)

a
SC ( AxB )
i 1
k 1
y.2jk
r
( y ...) 2
rab
SCFact ( A) SCFact ( B )
Error: (ijk - 1) - (i - 1) - (j - 1) - (i - 1)(j - 1)

SC Error = SC Total - SC Bloques - SC(A) - SC(B) - SC(AxB)
148


Factorial 2 2 por DBA mediante el modelo factorial
FV
GL
SC
Bloques
r-1
SC ( )
Tratamientos
t-1=3
SC (Trat)
A
a-1=1
SC (A)
B
b-1=1
SC (B)
AxB
(a-1)(b-1) = 1
SC (AxB)
Error
(t-1)(r-1)
Por diferencia
Total
rt - 1
SC (Total)
Ejemplo 2 2 : Se desa r r olla u n exper im en t o pa r a eva lu a r en qu e m edio de
cu lt ivo y qu e especie de Br u cella es la qu e cr ece m ejor en la zon a . Se
t ien en 2 m edios de cu lt ivo (a ga r soya t r ipt ica sa y Ru iz Ca st a eda ) y la s
br u cella s qu e se desea n a isla r son Br u cella a bor t u s y Brucella
mellitensis. E n el exper im en t o se bloqu eo por 4 difer en t es por t a dor es de
la s br u cella s. La va r ia ble de r espu est a fu er on el n m er o de colon ia s qu e
crecieron en los medios de cultivo.
F a ct or es
Diseo:
Factores
Niveles
A:
Brucellas
B:
Medios de cultivo
a0
a1
b0
b1
Diseo del experimento: D.B.A.

T1
T2
Bloques
a 0b 0
a 0b 1
1
20
15
2
19
14
3
14
12
4
25
18
78
59
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

Antes que nada se resuelve el diseo simple para el juego de hiptesis:

Ho:

es el mismos
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
sign ifica t iva s en los
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
Sumatorias por los niveles de los factores:
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
La lectura de la t a bla queda de la siguiente forma : Los t r a t a m ien t os del

fa ct or A (br u cella s), tienen el m ism o efect o, es decir qu e la s dos crecen de
igual forma. P or ot r a pa r t e el fa ct or B (medios de cultivo) muestra
difer en cia s a lt a m en t e sign ifica t iva s, lo que indica que uno de los medios
fu n cion a m ejor qu e el otro. No h a y sign ifica n cia en la s interacciones, lo
que indica que los factores actan de manera INDEPENDIENTE.
151

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 A
a0
a0
a0
a0
a1
a1
a1
a1
Tratamientos:
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
Las hiptesis a probar en el diseo simple son:

H o:
=:
=:
vs
Ha : al menos una
E l m odelo m a t em t ico pa r a est e a r r eglo es descom pon er el t r a t a m ien t o

en los diferentes factores e interacciones:
Yijkl =
+ Aj + Bk + Cl + (AB)jk + (AC)jl + (BC)kl + (ABC)jkl +
con: i = 1,2, ..., r

j = 1,2, ..., a
k = 1,2, ..., b
l = 1,2, ..., c
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:
vs
vs
vs
vs
vs
vs
vs
H a 7 : hay interaccin AxBxC
153

La Tabla de Datos es de la siguiente forma:

Bloques
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....
E l cu a dr a do del a n lisis de la va r ia n za se con st r u ye calculando los

gr a dos de liber t a d y la s su m a s de cu a dr a dos m edia n t e la s r egla s da da s
en el tema anterior del factorial 22 .
El est u dio de los efect os de los fa ct or es y de la s in t er a ccion es se h a ce en
ba se a los t ot a les de ca da fa ct or en los n iveles da dos y de la in t er a ccin ,
con la misma notacin; por lo que tenemos:
El total para los niveles del factor A son:
(A)j=0 = Ta0 b 0 c0 + Ta0 b 0 c1 + Ta0 b 1 c0 + Ta0 b 1 c1
(A)j=1 = Ta1 b 0 c0 + Ta1 b 0 c1 + Ta1 b 1 c0 + Ta1 b 1 c1
Los totales para el factor B son:

(B)k=0 = Ta0 b 0 c0 + Ta0 b 0 c1 + Ta1 b 0 c0 + Ta1 b 0 c1
(B)k=1 = Ta0 b 1 c0 + Ta0 b 1 c1 + Ta1 b 1 c0 + Ta1 b 1 c1
Los totales para el factor C son:

(C)l=0 = Ta0 b 0 c0 + Ta0 b 1 c0 + Ta1 b 0 c0 + Ta1 b 1 c0
(C)l=1 = Ta0 b 0 c1 + Ta0 b 1 c1 + Ta1 b 0 c1 + Ta1 b 1 c1
154

Para las interacciones:

(AB)j+k=0
(AB)j+k=1
(AC)j+l=0
(AC)j+l=1
(BC)k+l=0
(BC)k+l=1
(ABC)j+k+l=0
(ABC)j+k+l=1
= 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
Los efectos se definen como:
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

Con sider em os el Ar r eglo F a ct or ia l a n t es descr it o del m odelo, se t ien en

la s fu en t es de va r ia cin los pr odu ct os sim blicos y los gr a dos de liber t a d
siguientes:
Cu a dr o 23.- F u en t es de va r ia cin , los pr odu ct os sim blicos y los
grados de libertad de un diseo factorial 23 bajo un DBA
FV
Media
Bloques
A
B
C
AB
AC
BC
ABC
Error
Total
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
Not a : E l pr odu ct o sim blico pa r a la m edia es u n o; el pr odu ct o sim blico

pa r a el t ot a l es el pr odu ct o sim ple de t odos los n dices; el producto
simblico para el error se obtiene por diferencia.
Las sumas de cuadrados, obtenidas con los productos simblicos son:
r
Total: P.S. = ijkl - 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
Interaccin AxB: (j - 1) (k - 1) = (jk - 1) - (j -1) - (k -1)

a
SC ( AxB)
i 1
k 1
y.2jk .
r
( y....) 2
rabc
SCFact ( A) SCFact ( B)
Interaccin AxC: (j - 1) (l - 1) = (jl - 1) - (j -1) - (l -1)

a
SC ( AxC )
i 1
l 1
y.2j .l
r
( y....) 2
rabc
SCFact ( A) SCFact (C )
Interaccin BxC: (k - 1) (l - 1) = (kl - 1) - (k -1) - (l -1)

b
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


Factorial 2 3 por DBA mediante el modelo factorial
FV
GL
SC
Bloques
r-1
SC ( )
Tratamientos
t-1=7
SC (Trat)
A
1
SC (A)
B
1
SC (B)
C
1
SC (C)
AxB
1
SC (AxB)
AxC
1
SC (AxC)
BxC
1
SC (BxC)
AxBxC
1
SC (AxBxC)
Error
(t-1)(r-1)
Por diferencia
Total
rt - 1
SC (Total)
Ejemplo 2 3 .- Se a n a liza el a gu a de pozos de difer en t es pa r t es de la
ciudad, tomndose m u est r a s de cu a t r o zon a s suburbanas. Se procedi a
cu lt iva r la s m u est r a s en dos difer en t es m edios de cu lt ivo (M.C.), ba jo 2
difer en t es t em per a t u r a s (t ) y pH pa r a el cr ecim ien t o de coliformes
fecales, ejecu t n dose ba jo u n DBA, en don de los n iveles de ca da fa ct or
fueron los siguientes:
Factor
Nivel 0
Nivel 1
A
M.C.
Mackonkey
Sulfito de Bismuto
B
t
35C
37C
C
pH
6.2
6.6
E l n m er o de colon ia s qu e cr ecier on com o r esu lt a do de la com bin a cin de
los factores estudiados fueron los siguientes:
Tratamientos
T1
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
12.75 18.25 11.5 15.25 14
111
20
22
24
24
90
108
118
122
132
480
225
158

Las hiptesis a probar para el diseo DBA son:

Ho: T1 = T2= ....T8 vs Ha: al menos un Ti es diferente
F.V.
Bloques
Trat.
Error
Total
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
Se obser va qu e h a y difer en cia s a lt a m en t e sign ifica t iva s en t r a t a m ien t os

y en bloques
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:
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

C.M.
12.3333
55.2857
21.125
112.5
200.0
10.125
10.125
32.0
1.125
1.6190
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
159

m a n er a difer en t e u n o de ot r o. P or ot r a pa r t e la s in t er a ccion es del fa ct or

A, con B y C, m u est r a n difer en cia s sign ifica t iva s; y la in t er a ccin de B
con C m u est r a difer en cia s a lt a m en t e sign ifica t iva s. No h a y in t er a ccin
de los tres factores (ABC).
Problemario
Factoriales
de
Ar r eglos
F a ct or ia les
por
Modelos
Resolver los ejercicios 36, 37, 38, 39 y 40
Referencias
1992.
1999,
Applications. 1998.
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
Prueba de Dos Colas

Probabilidad de valor ms alto. Signo no tomado en cuenta
0.500 0.400 0.200 0.100 0.050 0.025 0.010 0.005 0.001
1 1.376 3.078 6.314 12.706 25.452 63.657
0.816 1.061 1.886
2.92 4.303 6.205 9.925 14.089 31.598
0.765 0.978
1.68 2.353 3.182 4.176 5.841 7.453 12.941
0.741 0.941 1.533 2.132 2.776 3.495 4.604 5.598
8.61
0.727
0.92 1.476 2.015 2.571 3.163 4.032 4.773 6.859
0.718 0.906
1.44 1.943 2.447 2.969 3.707 4.317 5.959
0.711 0.896 1.415 1.895 2.365 2.841 3.499 4.029 5.405
0.706 0.889 1.397
1.86 2.306 2.752 3.355 3.832 5.041
0.703 0.883 1.383 1.833 2.262 2.685
3.25
3.69 4.781
0.7 0.879 1.372 1.812 2.228 2.634 3.169 3.5581 4.587
0.697 0.876 1.363 1.796 2.201 2.593 3.106 3.497 4.437
0.695 0.873 1.356 1.782 2.179
2.56 3.055 3.428 4.318
0.694
0.87
1.35 1.771
2.16 2.533 3.012 3.372 4.221
0.692 0.868 1.345 1.761 2.145
2.51 2.977 3.326
4.14
0.691 0.866 1.341 1.753 2.131
2.49 2.947 3.286 4.073
0.69 0.865 1.337 1.746
2.12 2.473 2.921 3.252 4.015
0.689 0.863 1.333
1.74
2.11 2.458 2.898 3.222 3.965
0.688 0.862
1.33 1.734 2.101 2.445 2.878 3.197 3.922
0.688 0.861 1.328 1.729 2.093 2.433 2.861 3.174 3.883
0.687
0.86 1.325 1.725 2.086 2.423 2.845 3.153
3.85
0.686 0.859 1.323 1.721
2.08 2.414 2.831 3.135 3.819
0.686 0.858 1.321 1.717 2.074 2.406 2.819 3.119 3.792
0.685 0.858 1.319 1.714 2.069 2.398 2.807 3.104 3.767
0.685 0.857 1.318 1.711 2.064 2.391 2.797
3.09 3.745
0.684 0.856 1.316 1.708
2.06 2.385 2.787 3.078 3.725
0.684 0.856 1.315 1.706 2.056 2.379 2.779 3.067 3.707
0.684 0.855 1.314 1.703 2.052 2.373 2.771 3.056
3.69
0.683 0.855 1.313 1.701 2.048 2.368 2.763 3.047 3.674
0.683 0.854 1.311 1.699 2.045 2.364 2.756 3.038 3.659
0.683 0.854
1.31 1.697 2.042
2.36
2.75
3.03 3.646
0.682 0.852 1.306
1.69
2.03 2.342 2.724 2.996 3.591
0.681 0.851 1.303 1.684 2.021 2.329 2.704 2.971 3.551
0.68
0.85 1.301
1.68 2.014 2.319
2.69 2.952
3.52
0.68 0.849 1.299 1.676 2.008
2.31 2.678 2.937 3.496
0.679 0.849 1.297 1.673 2.004 2.304 2.669 2.925 3.476
0.679 0.848 1.296 1.671
2 2.299
2.66 2.915
3.46
0.678 0.847 1.294 1.667 1.994
2.29 2.648 2.899 3.435
0.678 0.847 1.293 1.665 1.989 2.284 2.638 2.887 3.416
0.678 0.846 1.291 1.662 1.986 2.279 2.631 2.878 3.402
0.677 0.846
1.29 1.661 1.982 2.276 2.625 2.871
3.39
0.677 0.845 1.289 1.658
1.98
2.27 2.617
2.86 3.373
0.6745 0.8416 1.2816 1.6448
1.96 2.2414 2.5758 2.807 3.2905
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
P= Nmero de medias para la amplitud a probarse

a
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
Puntos porcentuales superiores de la amplitud studentizada [q =(max-min) / S

2 3 4 5
6 7 8 9 10 11 12 13 14 15 16 17 18 19
a
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
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

Diseno Experimental Ciencias Salud

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diseno Experimental Ciencias Salud

Cargado por

Copyright:

Formatos disponibles

El Diseo Experimental en las Ciencias de la Salud

Miguel ngel Rodrguez Feliciano

El Diseo Experimental en las Ciencias e la Salud

El Diseo Experimental en las Ciencias e la Salud

Tapachula, Chiapas. Mxico.

Principios Bsicos del Diseo de

El Diseo Experimental en las Ciencias e la Salud

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

Mtodo de Student-Newman-Keuls (S-N-K)

Principios Bsicos de los Experimentos

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

P a r t e I: Gen er a lida des

a bla r del dise o exper im en t al, pa r ecier a ser u n t em a r ido y

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

As qu e el dise o exper im en t al y el a n lisis est a dst ico de los da t os est n

Mide un solo indicador

Compleja.- Se requiere de 2 o ms indicadores

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

Por la forma de medirse

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

Son los mtodos de inters en este libro

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

Etapas del Mtodo de Investigacin Cientfica

Obser va cin en for m a cr t ica de u n h ech o o

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

Iden t ifica los elem en t os o va r ia bles a eva lu a r , del

Aqu se seleccion a y a plica el dise o m s eficien t e y

Segu ir el dise o seleccion a do; r ea liza n do t oda s la s

Se or ga n iza la in for m a cin y se a plica el m t odo

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

Diseo Estadstico de Experimentos

Preguntas que se tienen que contestar,

Aplicaciones del Diseo Experimental

El Diseo Experimental en las Ciencias e la Salud

Principios Bsicos del Diseo de Experimentos

Elementos del Diseo de Experimentos

El Diseo Experimental en las Ciencias e la Salud

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

U n ida d E xper im en t a l (U E ): Ma t er ia l o lu ga r sobr e el cu a l se a plica n los

Tapachula, Chiapas. Mxico.

El Diseo Experimental en las Ciencias e la Salud

P a r t e I: Gen er a lida des

El Diseo Experimental en las Ciencias e la Salud

E st o in dica qu e la m edicin del va lor de u n a va r ia ble a lea t or ia

E s la cer ca n a con la cu a l la m edicin de u n a va r ia ble se

E l va lor ver da der o de u n a va r ia ble a lea t or ia n o se con ocer con

Un sesgo del est im a dor es la diferencia en t r e el va lor esper a do

A m edida qu e sesgo dism in u ye o a u m en t a el n m er o de r epet icion es del

El Diseo Experimental en las Ciencias e la Salud

Ho:El efecto de los tratamientos es el mismo (no hay diferencia)

Cuando se rechaza a una hiptesis verdadera se le llama Error Tipo I y el

= p (Error Tipo I).

La eleccin del nivel de significancia ( ) est determinado por los costos y