Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseno Completamente Al Azar Con Submuestro PDF
Diseno Completamente Al Azar Con Submuestro PDF
TESIS PROFESIONAL
LICENCIADO EN ESTADSTICA
P R E S E N T A:
Esta tesis fue realizada por Carlos Verduzco Ros, bajo la direccin del Dr. Jos Artemio
Cadena Meneses. Fue revisada y aprobada por el siguiente Comit Revisor y Jurado
Examinador, para obtener el ttulo de Licenciado en Estadstica.
PRESIDENTE
______________________________________
Nombre y firma
SECRETARIO
______________________________________
Nombre y firma
VOCAL
______________________________________
Nombre y firma
SUPLENTE
______________________________________
Nombre y firma
SUPLENTE
______________________________________
Nombre y firma
DEDICATORIA
A MIS PADRES...
Lorenzo y Mara Concepcin
Quienes con su apoyo, cario, consejos y confianza me han otorgado las habilidades y capacidades que
me permitirn, el da de maana, enfrentar la vida con xito.
Eternamente agradecido, pues de ustedes recib lo ms valioso: El Don de la Vida y la mejor herencia: Mi
Carrera Profesional.
A MIS HERMANOS (AS) Y FAMILIARES...
Gracias por el apoyo, consejos y confianza para seguir adelante en mi persona y mis estudios; y no
teniendo otra forma de agradecerles, ms que esforzndome por alcanzar el xito, quiero que sientan que
el objetivo logrado tambin es suyo.
AGRADECIMIENTOS
A mi alma mater la Universidad Autnoma Chapingo por brindarme la oportunidad de lograr una profesin
con valores y tica.
Al Jurado calificador: Dr. Jos Artemio Cadena Meneses, M.C. Alejandro Corona Ambiz, M.C. ngel Leyva
Ovalle, Dr. Hugo Ramrez Maldonado y Lic. MArgarito Soriano Montero , por dedicar un poco de su valioso
tiempo en excelentes observaciones y comentarios durante el desarrollo del trabajo.
A todos mis amigos (as) de Chapingo, gracias por esos momentos que pasamos juntos.
Sinceramente
Carlos Verduzco Ros
CONTENIDO
NDICE DE CUADROS.vii
RESUMEN...ix
SUMMARY....x
1. INTRODUCCIN ................................................................................................ 1
2. JUSTIFICACIN ............................................................................................... 14
3. OBJETIVOS ...................................................................................................... 15
3.1. OBJETIVO GENERAL ................................................................................ 15
3.2. OBJETIVOS PARTICULARES .................................................................... 15
4. ANTECEDENTES ............................................................................................. 15
5. PRUEBAS DE HIPTESIS Y CONCEPTOS BSICOS DE DISEOS
EXPERIMENTALES ........................................................................................ 17
5.1. PRUEBAS DE HIPTESIS ................................................................................. 18
5.1.1. Definiciones bsicas............................................................................. 18
5.1.2. Error Tipo I Y Tipo II ............................................................................. 19
5.1.3. Estadstica de prueba y valores tabulados ........................................... 21
5.1.4. Distribuciones de probabilidad continuas ............................................. 22
5.1.4.1. Distribucin t de Student. ............................................................... 22
5.1.4.2. Distribucin F de Snedecor ........................................................... 23
5.2. CONCEPTOS BSICOS DE DISEOS EXPERIMENTALES ....................................... 24
5.2.1. Definiciones .......................................................................................... 24
5.2.2. Modelo lineal ........................................................................................ 25
5.2.2.1. Conceptos bsicos. ....................................................................... 25
5.2.2.2. Error experimental ......................................................................... 26
5.2.2.3. Modelo lineal general..................................................................... 27
5.2.3. Supuestos bsicos de los diseos experimentales .............................. 27
5.2.4. Hiptesis a probar ................................................................................ 28
5.2.5. Anlisis de varianza ............................................................................. 28
6. DISEO COMPLETAMENTE AL AZAR (DCA)................................................. 34
6.1. CARACTERSTICAS ......................................................................................... 34
6.2. VENTAJAS ..................................................................................................... 35
6.3. DESVENTAJAS ............................................................................................... 36
6.4. MODELO LINEAL ............................................................................................ 36
6.5. HIPTESIS A PROBAR ..................................................................................... 36
6.6. ANLISIS DE VARIANZA ................................................................................... 37
4
NDICE DE CUADROS
Cuadro 1. Cronologa de las versiones de OpenOffice ......................................... 14
ei . H0: = 0
Cuadro 2. Anlisis de varianza para el modelo Yi
vs Ha: 0.31
ei . H0: = 0
Cuadro 3. Anlisis de varianza para el modelo Yi
vs Ha: 0. 32
Cuadro 4. Estructura del anlisis de varianza para el diseo completamente al
azar. ..................................................................................................... 36
Cuadro 5. Datos (en lb/pulgada2) del experimento a la tensin. ........................... 37
Cuadro 6. Diseos experimentales ms comunes y comparacin mltiple de
medias .................................................................................................. 38
Cuadro 7. Diseo completamente al azar. ............................................................ 39
Cuadro 8. Anlisis de varianza para el diseo completamente al azar. ................ 40
Cuadro 9. Estructura del anlisis de varianza para un diseo completamente al
azar con submuestreo. Nmero igual de submuestras. ....................... 43
Cuadro 10. Crecimiento en una semana de tallos de plantas de menta cultivadas
en una solucin nutritiva. ...................................................................... 45
Cuadro 11. Diseo completamente al azar con submuestreo. .............................. 47
Cuadro 12. Anlisis de varianza para el diseo completamente al azar con
submuestreo. ..................................................................................................... 48
Cuadro 13. Estructura del anlisis de varianza para el diseo en bloques
completos al azar. .............................................................................. 51
Cuadro 14. Produccin de tomate en toneladas por hectrea con la aplicacin
de insecticidas .................................................................................... 53
Cuadro 15. Diseo en bloques completos al azar. ................................................ 54
Cuadro 16. Anlisis de varianza para el diseo en bloques completos al azar. .... 55
Cuadro 17. Pruebas de comparaciones mltiples de medias ............................... 61
Cuadro 18. Prueba de la Diferencia Mnima Significativa. .................................... 62
Cuadro 19. Prueba de la Diferencia Mnima Significativa con las medias de
tratamientos ordenados ...................................................................... 63
Cuadro 20. Diferencias de medias (Dk) de tratamientos ordenados y valores
de las DMS ......................................................................................... 64
7
USO DE CALC
EXPERIMENTALES
DE
OPENOFFICE
EN
EL
ANLISIS
DE
DISEOS
RESUMEN
Actualmente existen en el mercado muchos paquetes de software que permiten
desarrollar un conjunto de aplicaciones para oficina, actividades dentro de la
informtica, siendo Microsoft Office el ms conocido y el que tiene la mayora del
mercado general en el entorno. Sin embargo, otro paquete que est teniendo gran
importancia en el mercado, y competencia del anterior, es el paquete de software
OpenOffice, que es un software libre muy similar a Office.
Este trabajo se realiz con Calc de OpenOffice, que es una herramienta para trabajar
con hojas de clculo, en la cual se resolvieron ejemplos de diseos experimentales y
comparaciones mltiples de medias de tratamientos ms comunes tomados de algunos
libros clsicos de diseos experimentales. Primero se hizo una revisin de pruebas de
hiptesis y conceptos bsicos de diseos experimentales que son muy tiles en el
desarrollo de este trabajo. Despus se desarrollaron los siguientes tipos de diseos
experimentales y comparaciones mltiples de medias de uso ms comn: diseo
completamente al azar balanceado y desbalanceado, diseo completamente al azar con
submuestreo, diseo en bloques completos al azar, comparaciones mltiples de medias
de tratamientos, diseo en cuadro latino, algunos diseos factoriales y el diseo en
parcelas divididas.
10
SUMMARY
At the moment they exist in the market many software packages that allow developing a
group of applications for office, activities inside the computer science, being Microsoft
Office the good known one and the one that has most of the general market in our
environment. However, another package that is having great importance in the market,
and competition of the previous one, is the software package OpenOffice that is free and
very similar software to Microsoft Office.
This work was carried out with OpenOffice Calc, that is a tool to work with calculation
leaves, in which were solved examples of experimental designs and multiple
comparisons of stockings of treatments more common taken of some classic books of
experimental designs. First it was made a check of hypothesis tests and basic concepts
of experimental designs that will be very useful in the development of this work. Then
the following types of experimental designs and multiple comparisons of stockings were
developed to be of more common use: design totally at random balanced and
desbalanceado, design totally at random with subsampling, design in complete blocks at
random, multiple comparisons of stockings of treatments, design in latin square, factorial
designs and design in divided parcels.
The examples were solved in form detailed in OpenOffice Calc in the file
"EXPERIMENTAL DESIGNS" which is part of this work. Calc of OpenOffice is very
easy of using and of great similarity with Microsoft Excel and one can work with this
tool without great difficulty.
11
1. INTRODUCCIN
En este trabajo se usaron las herramientas para trabajar con hojas de clculo, Calc de
OpenOffice, las cuales fueron tiles en el anlisis de los diseos experimentales ms
comunes.
OpenOffice Calc es una aplicacin de hojas de clculo que se puede usar para calcular,
analizar y gestionar datos. Una hoja de clculo es una tabla donde cada celda puede
contener alguno de los siguientes tipos de datos: texto, valores numricos, frmulas o
referencias a otros archivos.
12
13
Los tres principios bsicos del diseo experimental son la aleatorizacin, la realizacin
de rplicas y la formacin de bloques. Por aleatorizacin se entiende que tanto la
asignacin del material experimental como el orden en que se realizarn las corridas o
ensayos individuales del experimento se determinan al azar. La realizacin de rplicas o
repeticin del experimento bsico, permite al experimentador obtener una estimacin
del error experimental y obtener una estimacin precisa sobre el efecto de un factor en
el experimento. La formacin de bloques es una tcnica de diseo que se utiliza para
mejorar la precisin de las comparaciones que se hacen entre los factores de inters.
2. JUSTIFICACIN
El hecho de trabajar con Calc de OpenOffice, es para dar a conocer este software libre
y presentarlo como una opcin para el anlisis de diseos experimentales, ya que a
diferencia de otros paquetes gratuitos, ste es ms fcil de usar, y cualquier usuario
podra hacer uso de l porque no se necesita tener conocimientos sobre lenguajes de
programacin; adems, Calc de OpenOffice es equivalente a Excel de Microsoft Office,
pero a diferencia de ste, OpenOffice es un paquete de cmputo libre, el cual est
disponible en Internet de forma gratuita en la direccin mencionada en la Introduccin, y
se puede hacer uso de este paquete con la intencin de hacer frente al dominio en el
mercado de Microsoft Office y como universidad pblica no depender tanto de este
ltimo, proporcionando una alternativa abierta, sin costo y de alta calidad para el
anlisis de diseos experimentales.
Por lo tanto, es una buena opcin hacer uso de esta herramienta para trabajar con
hojas de clculo y mediante funciones o frmulas realizar clculos y analizar datos de
los diseos experimentales; y que a la vez, este trabajo sirva como apoyo en los cursos
de diseos experimentales que se imparten en las diferentes carreras de la Universidad
14
Autnoma Chapingo. Para un mejor uso de estas hojas de clculo, los usuarios deben
tener conocimientos bsicos de estadstica y diseo de experimentos.
3. OBJETIVOS
Dar a conocer la forma de usar esta herramienta para trabajar con hojas de
clculo para hacer uso de ella y no depender tanto de un software que no sea
libre.
4. ANTECEDENTES
Fecha de lanzamiento
Octubre de 2001
1.0
1.0.3.1
1 de mayo de 2002
ltimo lanzamiento de la lnea 1.0.x
18 de abril de 2003
1.1
2 de septiembre de 2003
1.1.3
4 de octubre de 2004
1.1.5
14 de septiembre de 2005
4 de julio de 2006
2.0
20 de octubre de 2005
Lanzamiento importante
2.0.1
21 de diciembre de 2005
2.0.2
8 de marzo de 2006
2.0.3
29 de junio de 2006
2.0.4
13 de octubre de 2006
2.1
12 de diciembre de 2006
2.2
28 de marzo de 2007
2.2.1
12 de junio de 2007
2.3
17 de septiembre de 2007
2.3.1
2.4
27 de marzo de 2008
2.4.1
Junio de 2008
3.0.0
13 de octubre de 2008
3.0.1
Corrector gramatical
27 de enero de 2009
3.1
Varios
7 de mayo de 2009
3.1.1
Varios
31 de agosto de 2009
Con respecto a los diseos experimentales, el trabajo pionero de Fisher en los aos
1920 y principios de la dcada de 1930, quien estuvo a cargo de la estadstica y del
anlisis de datos de la Estacin Agrcola Experimental Rothamsted, en Inglaterra.
Mostr cmo los mtodos estadsticos y en particular el diseo de experimentos podan
ayudar a resolver problemas sobre las complejas relaciones que pueden existir entre
varias variables. l fue quien desarroll y us por primera vez el anlisis de varianza
como herramienta fundamental para el anlisis estadstico en un diseo experimental.
Las primeras aplicaciones de los mtodos del diseo experimental tienen lugar
principalmente, en la agricultura, la ciencia forestal y la biologa, y como resultado, gran
16
Este trabajo se realiz haciendo uso de Calc de OpenOffice para resolver ejemplos de
los diseos experimentales ms comunes. Por tanto, primero se comenz con una
descripcin general sobre pruebas de hiptesis y de los diseos experimentales.
17
Debido a que la mayora de los mtodos estadsticos que se exponen en los captulos
siguientes de diseos experimentales, se caracterizan por el contraste de juegos de
hiptesis en la solucin de problemas especficos, se muestra una breve exposicin de
las pruebas de hiptesis estadsticas, de las distribuciones de probabilidad asociadas
con estas pruebas de hiptesis y de algunos conceptos bsicos de diseos
experimentales, que fueron necesarios para el desarrollo de este trabajo, tomados de
libros de diseos experimentales de los siguientes autores: Castillo (2003), Cochran y
Cox (1980), Fisher (1960), Infante y G. (1990), Martnez (1983), Montgomery (2007),
Scheff (1959), y Steel y Torrie (1988).
A continuacin se definen los elementos esenciales que deben conformar una prueba
de hiptesis.
18
19
20
una solucin analtica, por lo que se hace uso de tablas de probabilidades especficas
con el fin de poder ejecutar la prueba de hiptesis.
22
ese valor avanzar hacia abajo hasta la fila de los grados de libertad v2 que tiene el valor
10; en este sitio se localizan cuatro valores correspondientes a los cuantiles de la
distribucin F de Snedecor a un de 0.1, 0.05, 0.025 y 0.01, respectivamente, entonces
se elige el cuantil al deseado; en este caso F0.05(8,10) = 3.07.
5.2.1. Definiciones
Experimento: Procedimiento que permite obtener una observacin de algn fenmeno
de inters.
Unidad Experimental: rea fsica mnima sobre la cual se aplica un solo tratamiento.
24
Testigo: Consiste, por lo general, en una unidad experimental en la cual ninguno de los
tratamientos utilizados en el experimento es probado, y cuyo valor obtenido para la
variable respuesta permitir medir la accin o efectividad de los tratamientos.
Normalmente, slo una pequea parte del error experimental puede ser atribuido a
errores en la medicin. Efectos importantes pueden quedar ocultos total o parcialmente
por el error experimental y a la inversa, a causa del error experimental el investigador
puede equivocarse y creer en la influencia de efectos que no existen.
Es importante hacer notar que todos los valores que se obtengan para una variable
respuesta sern determinados en parte por el trmino de error aleatorio; no es posible
que los datos experimentales se sustraigan del efecto del trmino de error aleatorio
(error experimental). La importancia principal de este trmino se da cuando se supone
un valor tal que determina en mayor medida la magnitud de la variable respuesta, ya
que as no ser posible detectar diferencias entre tratamientos. Se espera que el valor
26
del trmino de error deba ser muy semejante para cada uno de los datos de la variable
respuesta en el experimento, por lo que se supone que los errores experimentales
tienen una distribucin Normal con media cero y varianza 2, y son independientes
entre s, es decir, eij~NI (0, 2).
Yij
eij
donde
Yij
eij
Los subndices para la variable respuesta (Y) y el trmino del error aleatorio ( e )
dependern del nmero de efectos a considerar en el diseo experimental () y del
nmero de repeticiones.
27
28
Yi
ei
donde
Yi
ei
Yi
; i 1,2,..., t
(Yi
Y ) (Y
(Yi
[(Yi
Y ) (Y
)] 2
Puesto que la igualdad anterior es cierta para todas y cada una de las observaciones Y i
(i=1,2,,t), podemos escribir:
t
)2
(Yi
i 1
[(Yi
)] 2
Y ) (Y
i 1
)2
(Yi
i 1
(Yi
Y )2
i 1
)2
(Y
i 1
(Yi
Y ) (Y
(Yi
Y )2
t (Y
)2
2(Y
i 1
(Yi
Y)
i 1
(Yi
i 1
i 1
Y )2
t (Y
)2
ya que
(Yi
i 1
Y)
)2
(Yi
Y )2
(Yi
i 1
)2
t (Y
i 1
ei en
aleatoria de N ( ,
muy sencillas de derivar, y pueden usarse para generar un procedimiento para probar
hiptesis sobre . Con objeto de derivar las distribuciones de las sumas de cuadrados
dividimos todos los trminos de la ecuacin anterior por 2, obteniendo:
t
)2
(Yi
Y )2
(Yi
i 1
)2
t (Y
2
i 1
Yi
~N(0, 1) de donde
)2
(Yi
2
2
(1)
)2
(Yi
2
2
(t )
i 1
t (Y
)2
t (Y
2
~N(0, 1)
2
(1)
2
(t 1)
. Es decir, que:
30
Y )2
2
i 1
distribucin es
(Yi
(t 1) S 2
2
y sabemos que su
Y )2
(Yi
2
( t 1)
i 1
)2
(Yi
i 1
2
(t )
(Yi
Y )2
2
i 1
)2
t (Y
2
2
( t 1)
2
(1)
Una vez obtenidas las distribuciones de A, B y C, se explica cmo pueden usarse para
probar hiptesis sobre . En primer lugar, la particin de la variabilidad que se ha hecho
slo permite probar hiptesis de dos colas sobre . Es decir, que en lo sucesivo nos
referiremos al juego de hiptesis: H0: = 0 en oposicin a Ha: 0, donde 0 es el
valor supuesto del parmetro desconocido. Que no sea posible probar hiptesis de una
cola con esta tcnica es una consecuencia de haber tomado los cuadrados de las
desviaciones. Para derivar una estadstica para probar hiptesis sobre es natural
recurrir a la componente C en la ecuacin anterior, puesto que la variable aleatoria C
involucra no slo a Y y a ,
t (Y
)2
. Sin embargo,
t (Y
)2
(1)
(Yi
Y )2
(t 1)
)2
t (Y
S
i 1
)2
t (Y
S
F0 para probar el juego de hiptesis propuesto. La regla de decisin que nos garantiza
una prueba con nivel de significancia es: Rechazar H0 si F0
31
Ft1 1
Una vez que se ha dado un avance de lo que vendr despus, retrocedemos un poco
para reunir los resultados obtenidos en esta seccin. Todo el procedimiento para probar
H0: = 0 en oposicin a Ha: 0 mediante la distribucin de F se resume usualmente
en una tabla conocida como cuadro de anlisis de varianza.
En el cuadro de anlisis de varianza (Cuadro 2), los tres componentes de la ecuacin
anterior de las distribuciones de A, B y C aparecen sin el divisor 2. Esto es porque la
estadstica F0, al ser la razn de dos de ellas, no depende de 2. Adems, puesto que la
hiptesis nula es H0: = 0, el valor de es sustituido por 0. Como se mencion antes,
los numeradores de los trminos de la ecuacin anterior de las distribuciones de A, B y
t
(Yi
i 1
t
Total, a t (Y
2
0 ) se le llama Suma de Cuadrados del Error y a
(Yi
Y ) 2 se le llama
i 1
Grados de
Libertad
(G.L.)
Media ()
Suma de
Cuadrados
(S.C.)
t (Y
)2
t
Error
(Yi Y )
t-1
(Yi
Y )2
i 1
i 1
t 1
S2
Total
(Yi
)2
i 1
Donde:
F (v1 , v2 )
Ftab
v1
Grados de libertad de .
v2
32
obtenindose una prueba equivalente a la anterior. Con las nuevas variables centradas
en cero, el cuadro de anlisis de varianza es como el que se presenta en el Cuadro 3.
ei . H0: = 0 vs Ha: 0
G.L.
S.C.
tX
C.M.
tX
F0 = Fcal
tX
S2
t
t
Error
(X i
t-1
X )2
(X i
i 1
i 1
t 1
Total
(Yi
)2
i 1
Donde:
33
X )2
S2
Ftab
F (v1, v2 )
F (v1 , v2 )
Ftab
v1
Grados de libertad de .
v2
El Cuadro 3 es una simplificacin trivial del Cuadro 2, slo que ahora 0 = 0. Ahora se
mencionan algunos aspectos del Cuadro 3, ya que estos explican por qu esta segunda
presentacin es la ms favorecida. En primer lugar, en las S.C. la particin es ms
sencilla, ya que S.C.( ) + S.C. ERROR = S.C. TOTAL dado que, como ya nos es
t
familiar:
(Xi
X )2
i 1
X i2
tX
i 1
6.1. Caractersticas
Los
diseos
completamente
al
azar
son
empleados
cuando
las
unidades
Los anlisis de varianza que se muestran para el diseo completamente al azar en Calc
de Open Office, es el mismo para el caso balanceado y para el caso desbalanceado ya
que las frmulas para las sumas de cuadrados abarcan ambos casos.
6.2. Ventajas
El diseo completamente al azar es flexible en cuanto a que el nmero de tratamientos
y de repeticiones slo est limitado por el nmero de unidades experimentales
disponibles. El nmero de repeticiones puede variar de un tratamiento a otro, aunque
generalmente lo ideal sera tener un nmero igual por tratamiento. El anlisis estadstico
es simple aun en el caso en que el nmero de repeticiones difiera con el tratamiento y si
los diversos tratamientos estn sujetos a varianzas desiguales, lo cual se conoce como
la falta de homogeneidad del error experimental. La sencillez del anlisis no se pierde si
algunas unidades experimentales o tratamientos enteros faltan o se descartan.
35
6.3. Desventajas
La principal objecin del diseo completamente al azar es su frecuente ineficiencia.
Como la aleatorizacin no tiene restricciones, el error experimental incluye toda la
variacin entre las unidades experimentales, excepto la debida a los tratamientos. En
muchas situaciones es posible agrupar las unidades experimentales de modo que la
variacin entre unidades dentro de los grupos sea menor que la variacin entre las
unidades de diferentes grupos. Ciertos diseos sacan ventaja de tal agrupamiento,
excluyen la variacin del error experimental entre grupos y aumentan la precisin del
experimento.
eij
donde
i 1, 2,..., t;
j 1, 2,..., ri ; E( ei )
t Nmero de tratamientos.
ri
Yij
0 ; E( ei2 )
eij
H0 :
...
vs
H a : Al menos el efecto de un tratami ento es diferente de los dems.
36
Error
S.C. Error
ri 1
S.C. Total
ri
SCE
G.L. Error
i 1
t
Total
i 1
Donde:
F (v1, v2 )
Ftab
v1
v2
FC
Y 2 ..
S.C. Tratamient os
ri
Yi 2 .
r
1 i
FC
i 1
ri
Yij2
S .C. Total
FC
S.C. Error
i 1 j 1
Donde:
FC
Factor de correccin.
Y ..
Yi .
F (v1 , v 2 )
Ftab
37
Ejemplo 6.1
Un ingeniero de desarrollo de productos tiene inters en investigar la resistencia a la
tensin de una fibra nueva que se usar para hacer telas de camisas para caballeros
(Montgomery, 2007). El ingeniero sabe por experiencia propia que la resistencia a la
tensin se afecta por el peso porcentual del algodn utilizado en la mezcla de
materiales de la fibra. Adems, sospecha que al aumentar el contenido de algodn, se
incrementar la resistencia, al menos en un principio. Sabe as mismo que el contenido
de algodn deber variar entre 10 y 40 por ciento para que el producto final tenga otras
caractersticas de calidad que se desea (como la capacidad de ser sometido a
tratamiento de planchado permanente). El ingeniero decide probar ejemplares en cinco
niveles del peso porcentual del algodn: 15, 20, 25, 30 y 35 por ciento. Tambin decide
probar cinco ejemplares en cada nivel del contenido de algodn.
38
Determine si el peso porcentual del algodn (tratamientos) en una fibra sinttica afecta
la resistencia a la tensin. Se desea una confiabilidad del 95%.
Respuesta
Para resolver los ejemplos de diseos experimentales y de pruebas mltiples de
comparacin de medias siempre se hace uso de las hojas de clculo hechas en Calc de
Open Office. Al abrir el documento nombrado DISEOS EXPERIMENTALES, en la
primera hoja de clculo (Inicio) aparece el Cuadro 6, en el que se hace clic en el tipo de
diseo que se quiera usar y mediante un hiperenlace genera otra hoja donde se deben
introducir los datos del experimento. En este caso se hace clic en diseo
completamente al azar.
39
Una vez introducidos los datos, aparecen en la penltima fila del Cuadro 7 los totales de
tratamiento y en la ltima fila aparecen las sumas del cuadrado de observaciones de
tratamiento, los cuales se necesitan para el anlisis de varianza.
A la derecha del Cuadro 7 aparecen dos hiperenlaces, uno para ir a la hoja de anlisis
de datos y el otro para regresar hasta la hoja de clculo donde se seleccion el tipo de
diseo.
Cuadro 7. Diseo completamente al azar.
DISEO COMPLETAMENTE AL AZAR
Tratamientos
Repeticiones
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Tot. de Trat.
7
7
15
11
9
12
17
12
18
18
14
18
18
19
19
19
25
22
19
23
7
10
11
15
11
49
77
88
108
54
40
10
Ir al
anlisis
Regresar
repeticiones para cada tratamiento (ri), el factor de correccin (FC), as como el anlisis
de varianza y la conclusin del juego de hiptesis con respecto a los tratamientos. El
valor de alfa est determinado para una confiabilidad del 95% (Alfa = 0.05), pero se
puede cambiar para tener la confiabilidad que se desee. Todas las celdas del Cuadro 8,
a excepcin del valor de alfa, estn protegidas contra escritura, por lo que no es posible
modificar el contenido de las mismas.
Para este ejemplo, mediante el anlisis de varianza y con una confiabilidad del 95% se
rechaza la hiptesis nula (H0) para los tratamientos, debido a que Fcal = 14.76 > Ftab =
2.87, lo que indica que al menos el efecto de un tratamiento es diferente al de los
dems.
5655
0.05
41
Regresar
Yijk
eij
ijk
donde
i 1, 2,..., t;
t Nmero de tratamientos.
ri
rij
Yijk
tratamiento.
Efecto medio general.
42
eij
ijk
ijk
~ i. i. d. N(0,
2
e)
2
e.
7.2. Hiptesis a probar
La hiptesis a probar en un diseo completamente al azar con submuestreo es la
siguiente:
H0 :
...
vs
H a : Al menos el efecto de un tratami ento es diferente de los dems.
43
Cuadro 9. Estructura del anlisis de varianza para un diseo completamente al azar con
submuestreo. Nmero igual de submuestras.
F de
Fuente de
Grados de
Suma de
F calculada
Cuadrado Medio
tablas
Variacin
Libertad
Cuadrados
( Fcal )
(C.M.)
( Ftab )
(F.V.)
(G.L.)
(S.C.)
S .C. Entre U.E.
S.C. Entre
Entre U.E.
U.E.-1
G.L. Entre U.E.
U.E.
C.M . Tratamient os
F (v1, v2 )
S .C. Tratamientos
S.C.
Tratamientos
t-1
C.M . Error experiment al
G.L. Tratamient os
Tratamientos
t
Error
experimental
Error de
muestreo
S.C. Error
experimental
ri k
rt
S.C. Error de
muestreo
ri k
S.C. Total
ri
i 1
t ,s
i ,k 1
t ,s
Total
i ,k 1
Donde:
F (v1 , v2 )
Ftab
v1
v2
FC
Y 2 ...
srt
ri
S.C. U.E
Yij2 .
i 1 j 1
ri
FC
rij
2
Yijk
S .C. Total
FC
i 1 j 1 k 1
t
Yi2..
S .C. Tratamient os
i 1
sr
Donde:
FC
Factor de correccin.
Nmero de repeticiones.
Y ...
Yii .
Suma de todas las observaciones que pertenecen al j-sima repeticin del i-simo
tratamiento.
F (v1 , v 2 )
Ftab
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para resolver
diseos experimentales ms comunes, se ilustra la tcnica de diseo completamente al
azar con submuestreo con el siguiente ejemplo:
Ejemplo 7.1
Considrense los datos del Cuadro 10 sobre crecimiento en una semana de tallos de
plantas de menta cultivadas en una solucin nutritiva (Steel y Torrie, 1988).
Se desea saber si hay diferencias entre los tratamientos ensayados. Se desea una
confiabilidad del 95%.
45
Cuadro 10. Crecimiento en una semana de tallos de plantas de menta cultivadas en una solucin nutritiva.
Horas de luz diurna
Bajas temperaturas nocturnas
Altas temperaturas nocturnas
Nmero de
8
12
16
8
12
16
plantas
Maceta No.
Maceta No.
Maceta No.
Maceta No.
Maceta No.
Maceta No.
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
2
3
1
3.5 2.5 3.0 5.0 3.5 4.5 5.0 5.5 5.5 8.5 6.5 7.0 6.0 6.0 6.5 7.0 6.0 11.0
2
4.0 4.5 3.0 5.5 3.5 4.0 4.5 6.0 4.5 6.0 7.0 7.0 5.5 8.5 6.5 9.0 7.0 7.0
3
3.0 5.5 2.5 4.0 3.0 4.0 5.0 5.0 6.5 9.0 8.0 7.0 3.5 4.5 8.5 8.5 7.0 9.0
4
4.5 5.0 3.0 3.5 4.0 5.0 4.5 5.0 5.5 8.5 6.5 7.0 7.0 7.5 7.5 8.5 7.0 8.0
Totales de
15.0 17.5 11.5 18.0 14.0 17.5 19.0 21.5 22.0 32.0 28.0 28.0 22.0 26.5 29.0 33.0 27.0 35.0
maceta
Totales de
44.0
49.5
62.5
88.0
77.5
95.0
tratamiento
Medias de
3.7
4.1
5.2
7.3
6.5
7.9
tratamiento
Fuente: Steel y Torrie (1988).
46
Respuesta
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
Una vez introducidos los datos, aparecen en la antepenltima fila del Cuadro 11,
los totales por unidades experimentales de cada tratamiento, en la penltima fila
aparecen los totales de tratamiento y en la ltima fila tambin aparecen las sumas
del cuadrado de observaciones por tratamiento, los cuales se necesitan para el
anlisis de varianza.
A la derecha del Cuadro 11 aparecen dos hiperenlaces, uno para ir a la hoja del
anlisis de datos y el otro para regresar hasta la hoja de clculo donde se
seleccion el tipo de diseo.
47
3.5
4.0
3.0
4.5
2
2.5
4.5
5.5
5.0
2
Repeticiones
3 45 1
3.0
3.0
2.5
3.0
5.0
5.5
4.0
3.5
2
3.5
3.5
3.0
4.0
3
Repeticiones
3 45 1
4.5
4.0
4.0
5.0
5.0
4.5
5.0
4.5
2
5.5
6.0
5.0
5.0
4
Repeticiones
3 45 1
5.5
4.5
6.5
5.5
8.5
6.0
9.0
8.5
2
6.5
7.0
8.0
6.5
5
Repeticiones
3 45 1
7.0
7.0
7.0
7.0
6.0
5.5
3.5
7.0
2
6.0
8.5
4.5
7.5
3 45 1
6.5
6.5
8.5
7.5
655.0
525.3
48
6
Repeticiones
7.0
9.0
8.5
8.5
2
6.0
7.0
7.0
7.0
7
8
9
10
Repeticiones Repeticiones Repeticiones Repeticiones
3 45 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
11.0
7.0
9.0
8.0
Ir al
anlisis
Regresar
A la derecha del Cuadro 12, aparece un hiperenlace para regresar hasta la hoja de
clculo donde se introducen los datos del experimento.
Para este ejemplo, mediante el anlisis de varianza y con una confiabilidad del
95% se rechaza la hiptesis nula (H0) para los tratamientos, debido a que Fcal =
16.69 > Ftab = 3.11, lo que indica que al menos el efecto de un tratamiento es
diferente al de los dems.
Cuadro 12. Anlisis de varianza para el diseo completamente al azar con
submuestreo.
ANLISIS DE VARIANZA
F.V.
G.L. S.C. C.M. Fcal Ftab
t=
6
Entre U.E
17 205.48
Regresar
s=
4
Tratamientos
5 179.64 35.93 16.69 3.11
r=
3
Error experimental 12 25.83 2.15
Error de muestreo 54 50.44 0.93
FC = 2409.34
Total
71 255.91
Alfa
0.05
CONCLUSIN
Fcal > Ftab. Se rechaza H0 y hay significancia al 0.05
49
8.1. Caractersticas
En los diseos de bloques completos todos los tratamientos aparecen
representados en cada uno de los bloques, en caso contrario, se trata de la clase
de diseos de bloques incompletos.
Los diseos de bloques completos al azar y los diseos en cuadro latino, son los
principales tipos de arreglo en bloques completos.
Este diseo puede usarse cuando las unidades experimentales pueden agruparse.
Se caracteriza porque todos los tratamientos aparecen representados una vez en
cada uno de los bloques. Los tratamientos se asignan al azar sobre las unidades
experimentales, sorteando los tratamientos independientemente, en cada bloque.
8.2. Ventajas
El diseo en bloques completos al azar tiene muchas ventajas sobre otros
diseos. En general, es posible agrupar las unidades experimentales de modo que
se logre mayor precisin que con el diseo completamente al azar. No hay
restriccin en cuanto al nmero de tratamientos o de bloques. El anlisis
estadstico de los datos es simple. Si como resultado de un contratiempo, los
datos de un bloque completo para ciertos tratamientos son inutilizables, estos
datos pueden omitirse sin complicacin en el anlisis.
50
8.3. Desventajas
La principal desventaja en los bloques completos al azar es que cuando la
variacin entre unidades experimentales dentro de un bloque es grande, resulta un
trmino de error considerable. Esto ocurre frecuentemente cuando el nmero de
tratamientos es grande; as puede no ser posible asegurar grupos de unidades
suficientemente uniformes para los bloques. En tales situaciones, se dispone de
otros diseos para controlar una mayor proporcin de la variacin.
Yij
eij
donde
i 1, 2,..., b;
j 1, 2,..., t;
E( eij ) 0 ; E( eij2 )
Nmero de bloques.
t Nmero de tratamientos.
Yij
eij
1. H 0 :
...
51
vs
H a : Al menos el efecto de un bloque es diferente de los dems.
2. H 0 :
...
vs
H a : Al menos el efecto de un tratami ento es diferente de los dems.
b-1
S.C. Bloques
SCB
G.L. Bloques
C .M . Bloques
C .M . Error
F (v1, v2 )
Tratamientos
t-1
S.C.
Tratamientos
SCT
G.L. Tratamient os
C.M . Tratamient os
C.M . Error
F (v 3 , v 2 )
S.C. Error
SCE
G.L. Error
ri 1
S.C. Total
Error
ri
i 1
Total
i 1
Donde:
F (v1, v2 )
Ftab Blo
F (v3 , v2 )
Ftab Trat
v1
v2
v3
52
t
2
FC
Y j2 .
Yi .
Y ..
bt
S.C. Bloques
i 1
FC
S.C. Tratamient os
i 1
FC
Yij2
S .C. Total
FC
S.C. Error
i 1 j 1
Donde:
FC
Factor de correccin.
Y ..
Yi .
Y. j
Se rechaza H 0 si Fcal
Ftab
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de diseo en
bloques completos al azar con el siguiente ejemplo:
Ejemplo 8.1
Se desea probar el efecto de cuatro insecticidas sobre el control de gusano
Helithis zea en el cultivo del tomate (Castillo, 2003). El terreno donde se
implement el experimento presentaba un gradiente de fertilidad a tres niveles por
lo que se decidi utilizar un diseo en bloques completos al azar para minimizar el
efecto negativo de este factor de confusin. Se dividi el terreno en tres bloques
de acuerdo a los niveles de fertilidad detectados. La unidad experimental utilizada
fue un cuadro de terreno de 10 x 10 metros. La variable respuesta fue la
produccin de tomate en toneladas por hectrea. Los insecticidas a evaluar
53
Respuesta
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
54
Una vez introducidos los datos, aparecen en la penltima fila del Cuadro 15, los
totales por bloque y en la ltima fila aparecen las sumas del cuadrado de
tratamientos por bloque; en la ltima columna aparecen los totales por tratamiento,
los cuales se necesitan para el anlisis de varianza.
3.0
8.0
6.0
10.0
6.7
4.2
10.8
7.9
12.8
8.3
6.3
9.4
10.6
13.3
10.3
13.5
28.2
24.5
36.1
25.3
0
0
0
0
0
0
0
0
0
0
Ir al
anlisis
Regresar
55
El valor de alfa est determinado para una confiabilidad del 95% (Alfa = 0.05),
pero se puede cambiar para tener la confiabilidad que se desee. Todas las celdas
del Cuadro 16, a excepcin del valor de alfa, estn protegidas contra escritura, por
lo que no es posible modificar el contenido de las mismas.
A la derecha del Cuadro 16, aparece un hiperenlace para regresar hasta la hoja de
clculo donde se introducen los datos del experimento.
Para este ejemplo, mediante el anlisis de varianza y con una confiabilidad del
95% se rechazan las hiptesis nulas (H0) para los bloques y tratamientos, debido a
que Fcal
Blo.
Blo.
= 4.46 y Fcal
Trat.
Trat.
= 3.84,
respectivamente, lo que indica que al menos el efecto de uno de los bloques y uno
de los tratamientos es diferente al de los dems, respectivamente.
56
de medias
vs
Ha :
i 1,2,..., t
i 1,2,..., t
Las hiptesis de los tratamientos se realizan por pares. Por ejemplo, si se tienen 4
tratamientos entonces se pueden postular t(t-1)/2 pares de hiptesis a probar, es
decir se tendran:
t (t 1)
2
(4)(3)
2
I. H 0 :
vs
Ha :
II. H 0 :
vs
Ha :
III. H 0 :
vs
Ha :
IV. H 0 :
vs
Ha :
vs
Ha :
vs
Ha :
V. H 0 :
VI. H 0 :
2
3
4
4
1
2
2
3
4
3
4
4
57
Dk
Yi
Yj
donde
Yi
Yj
i 1, 2,..., t
i 1, 2,..., t
k 1, 2,...,
t(t - 1)
2
hiptesis nula correspondiente. Por ejemplo, para los pares de hiptesis del
ejemplo anterior, se tendrn 6 diferencias; la D1 se relaciona con la hiptesis nula
en I, la D2 se relaciona con la hiptesis nula en II, la D3 se relaciona con la
hiptesis nula en III, etc.
Y1 Y2
Y1 Y3
Esta prueba determina el valor mnimo necesario para considerar diferentes dos
tratamientos y lo utiliza para comparar los diferentes pares de medias que se
deseen evaluar. Los pares de medias que se comparan son los que han sido
planeados antes de ejecutar el experimento.
9.2.1. Ventajas
1. Fcil de realizar
2. Vlida cuando se han planeado las comparaciones que se van a hacer
previamente a la obtencin de los resultados.
9.2.2. Desventajas
Esta prueba presenta dos opciones con base en el nmero de repeticiones de los
tratamientos involucrados en el experimento: igual y diferente nmero de
repeticiones.
59
DMS
i 1,2,..., t
(DMS) k
i
2(CME )
r
/ 2 (GLErr )
k 1,2,...,
/ 2 (GLErr )
2(CME )( ri
ri)
ri ri
t (t 1)
2
donde
t
/ 2 (GLErr )
CME
r
ri
ri
DMS
(DMS) k
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de
comparaciones mltiples de medias para la prueba de la Diferencia Mnima
Significativa (DMS) con el siguiente ejemplo:
Ejemplo 9.1
Para el Ejemplo 6.1 (Montgomery, 2007) de los cinco pesos porcentuales del
algodn (diseo completamente al azar), diga cul de los tratamientos es el ms
efectivo utilizando la prueba de DMS. Se quiere una confiabilidad del 95%.
Respuesta
Se utilizan los totales de tratamiento de los datos originales (Cuadro 5) y la
informacin del anlisis de varianza correspondiente (Cuadro 8):
60
Observaciones
1
2
3
4
5
Total
Media
t=
r1 =
5
5
r2 =
r3 =
r4 =
r5 =
r6 =
r7 =
r8 =
r9 =
r10 =
5
5
5
5
FC =
Alfa
5655
0.05
= 0.05
ANLISIS DE VARIANZA
F.V.
G.L.
S.C.
C.M.
Fcal
Tratamientos 4
475.76 118.94 14.76
Error
20 161.20
8.06
Total
24
Ftab
2.87
636.96
CONCLUSIN
Fcal > Ftab. Se rechaza H0 y hay significancia al 0.05
r=5
t=5
GLError = 20
CME = 8.06
(5)( 4)
2
D1
Y1 Y2 ,
D7
Y2
10
D2
Y5 , D8
Y1 Y3 ,
Y3 Y4 , D9
D3
Y1 Y4 ,
D4
Y3 Y5 y D10
61
Y1 Y5 ,
Y4 Y5 .
D5
Y2 Y3 ,
D6
Y2 Y4 ,
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
PRUEBA DE TUKEY
PRUEBA DE DUNCAN
PRUEBA DE SCHEFF
62
Para este ejemplo tenemos cinco tratamientos y cinco repeticiones para cada
tratamiento. Para esta prueba de comparacin mltiple de media se pueden
introducir hasta 10 tratamientos.
r1 =
r2 =
r3 =
r4 =
r4 =
5
5
5
5
5
r6 =
r7 =
r8 =
r9 =
r10 =
Alfa =
GLErr =
CME =
49.00
77.00
88.00
108.00
54.00
9.80
15.40
17.60
21.60
10.80
T6
T7
T8
T9
T10
0.00
0.00
0.00
0.00
0.00
0.05
20.00
8.06
t/2(GLErr) = 2.09
63
Nm. de
Trat. ordenado
1
Regresar
2
3
4
5
0
0
0
0
0
Despus de introducir los datos del experimento, hay que ordenar las medias de
tratamientos de forma ascendente; el ordenamiento se hace incluyendo todas las
columnas excepto, la del nmero de tratamiento ordenado. Este ordenamiento se
hace as para que despus el cuadro de diferencias de medias se pueda
interpretar ms fcil.
A la derecha del Cuadro 19, aparece un hiperenlace para regresar hasta donde se
seleccion el tipo de prueba de comparacin mltiple de medias.
64
r6 =
r7 =
r8 =
r9 =
r10 =
Alfa =
GLErr =
CME =
T6
T7
T8
T9
T10
0.05
20.00
8.06
t/2(GLErr) =
2.09
0.00
0.00
0.00
0.00
0.00
0
0
0
0
0
65
Este mtodo es muy similar en la aplicacin al de DMS, salvo por el hecho de que
en lugar de utilizar las distribuciones de t como base para realizar las
comparaciones, se emplea la distribucin del rango estandarizado.
66
Esta prueba presenta dos opciones con base en el nmero de repeticiones de los
tratamientos involucrados en el experimento: igual y diferente nmero de
repeticiones.
q (v1 , v 2 )
i 1, 2,..., t
CME
r
q (v1 , v 2 )
k 1, 2,...,
CME 1
2
ri
1
ri
t (t 1)
2
donde
q (v1 , v 2 )
y con v1 y v 2
v2
ri
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de
comparaciones mltiples de medias para la prueba de Tukey con el siguiente
ejemplo:
Ejemplo 9.2
Tomando nuevamente los datos del Ejemplo 6.1 (Montgomery, 2007) de los cinco
pesos porcentuales del algodn (diseo completamente al azar), diga cul de los
67
Observaciones
1
2
3
4
5
Total
Media
t=
r1 =
r2 =
r3 =
r4 =
r5 =
r6 =
r7 =
r8 =
r9 =
r10 =
5
5
5
5
5
5
FC =
Alfa
5655
0.05
= 0.05
Ftab
2.87
CONCLUSIN
Fcal > Ftab. Se rechaza H0 y hay significancia al 0.05
r=5
v1 = t = 5
v2 = GLError = 20
CME = 8.06
68
t (t 1)
2
(5)( 4)
2
D1
Y1 Y2 ,
D7
Y2
10
Y1 Y3 ,
D2
Y5 , D8
Y3 Y4 , D9
D3
Y1 Y4 ,
D4
Y3 Y5 y D10
Y1 Y5 ,
D5
Y2 Y3 ,
D6
Y2 Y4 ,
Y4 Y5 .
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
Para este ejemplo tenemos cinco tratamientos y cinco repeticiones para cada
tratamiento. Para esta prueba de comparacin mltiple de media se puede
introducir hasta 10 tratamientos.
69
Nm. de
Trat. ordenado
1
Regresar
2
3
4
t = v1 =
r1 =
r2 =
r3 =
r4 =
5
5
5
5
T1
T2
T3
T4
49.00
77.00
88.00
108.00
9.80
15.40
17.60
21.60
r4 =
r6 =
T5
T6
54.00
10.80
0.00
5
0
0.00
0.00
0.00
0.00
0
0
0
0
r7 =
T7
r8 =
T8
r9 =
T9
r10 =
T10
Alfa =
0.05
GLErr = v2 = 20.00
CME =
8.06
q(v1, v2) =
4.23
Despus de introducir los datos del experimento, se tiene que ordenar las medias
de tratamientos de forma ascendente; el ordenamiento se hace incluyendo todas
las columnas, excepto la del nmero de tratamiento ordenado. Este ordenamiento
se hace as para que despus el cuadro de diferencias de medias se pueda
interpretar ms fcil.
70
T4
T6
T7
T8
T9
T10
108.00
21.60
0.00
0.00
0.00
0.00
0.00
5
0
0
0
0
0
4.23
71
4
5
6
7
8
9
10
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
5.37
4.00
5.37
0
5.37
0
72
Esta prueba no requiere de una prueba previa de F, o sea que aun sin ser
significativa la prueba F puede llevarse a cabo.
Esta prueba presenta dos opciones con base en el nmero de repeticiones de los
tratamientos involucrados en el experimento: igual y diferente nmero de
repeticiones.
73
Ck
U (v1 , v 2 )
i 1, 2,..., t
Ck
i
CME
r
U (v1 , v 2 )
k 1, 2,...,
CME 1
2
ri
1
ri
t (t 1)
2
y con
v 1 y v 2 grados de libertad.
v1
v2
ri
74
Ck
Ck
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de
comparaciones mltiples de medias para la prueba de Duncan con el siguiente
ejemplo:
Ejemplo 9.3
Tomando nuevamente los datos del Ejemplo 6.1 (Montgomery, 2007) de los cinco
pesos porcentuales del algodn (diseo completamente al azar), diga cul de los
tratamientos es el ms efectivo utilizando la prueba de Duncan. Se quiere una
confiabilidad del 95%.
Respuesta
Se utilizan los totales de tratamiento de los datos originales (Cuadro 5) y la
informacin de la tabla de anlisis de varianza correspondiente (Cuadro 8):
Observaciones
1
2
3
4
5
Total
Media
t=
r1 =
r2 =
r3 =
5
5
5
5
75
Ftab
2.87
r4 =
r5 =
r6 =
r7 =
r8 =
r9 =
r10 =
5
5
FC =
Alfa
5655
0.05
= 0.05
CONCLUSIN
Fcal > Ftab. Se rechaza H0 y hay significancia al 0.05
r=5
t=5
v2 = GLError = 20
CME = 8.06
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
76
Para este ejemplo tenemos cinco tratamientos y cinco repeticiones para cada
tratamiento. Para esta prueba de comparacin mltiple de media se puede
introducir hasta 10 tratamientos.
A la derecha del Cuadro 24, aparece un hiperenlace para regresar hasta donde se
seleccion el tipo de prueba de comparacin mltiple de medias.
r1 =
r2 =
r3 =
5
5
5
T1
T2
T3
49.00
77.00
88.00
9.80
15.40
17.60
r4 =
r5 =
r6 =
r7 =
r8 =
r9 =
r10 =
Alfa =
GLErr = v2 =
CME =
U(v1, v2) =
5
5
T4
T5
T6
T7
T8
T9
T10
108.00
54.00
21.60
10.80
0.00
0.00
0.00
0.00
0.00
0.05
20.00
8.06
2.95 3.10 3.18
Nm. de
Trat. ordenado
1
Regresar
2
3
4
5
0
0
0
0
0
3.25
Despus de introducir los datos del experimento, se tiene que ordenar las medias
de tratamientos de forma ascendente; el ordenamiento se hace incluyendo todas
las columnas, excepto la del nmero de tratamiento ordenado. Este ordenamiento
se hace as para que despus el cuadro de diferencias de medias se pueda
interpretar ms fcil.
77
Ya que se tiene el Cuadro 25, con las medias de tratamientos ordenadas en forma
ascendente, se puede ver abajo del Cuadro 25, en la misma hoja, el Cuadro 26
con las diferencias de medias (Dk) de los tratamientos ordenados y el los valores
de la prueba de Duncan (Ck) (negrillas). Las celdas del Cuadro 26, se encuentran
protegidas contra escritura, por lo que no es posible modificarse.
T6
T7
T8
T9
T10
0.05
20.00
8.06
2.95 3.10 3.18
0.00
0.00
0.00
0.00
0.00
3.25
78
0
0
0
0
0
79
Esta prueba presenta dos opciones con base en el nmero de repeticiones de los
tratamientos involucrados en el experimento: igual y diferente nmero de
repeticiones.
80
i 1, 2,..., t
(t 1) F (v1 , v 2 ) (CME )( ri
(ri )( ri )
k 1, 2,...,
ri )
t (t 1)
2
donde
F (v1 , v 2 )
y con
t -1
v2
CME
r
ri
ri
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de
comparaciones mltiples de medias para la prueba de Scheff con el siguiente
ejemplo:
Ejemplo 9.4
Tomando nuevamente los datos del Ejemplo 6.1 (Montgomery, 2007) de los cinco
pesos porcentuales del algodn (diseo completamente al azar), diga cul de los
tratamientos es el ms efectivo utilizando la prueba de Scheff. Se quiere una
confiabilidad del 95%.
81
Respuesta
Se utilizan los totales de tratamiento de los datos originales (Cuadro 5) y la
informacin de la tabla de anlisis de varianza correspondiente (Cuadro 8):
Observaciones
1
2
3
4
5
Total
Media
t=
R1 =
R2 =
R3 =
R4 =
R5 =
R6 =
R7 =
R8 =
R9 =
R10 =
5
5
5
5
5
5
FC =
Alfa
5655
0.05
= 0.05
Ftab
2.87
CONCLUSIN
Fcal > Ftab. Se rechaza H0 y hay significancia al 0.05
r=5
v1 = t-1 = 4
v2 = GLError = 20
CME = 8.06
(5)( 4)
2
10
82
D1
Y1 Y2 ,
D7
Y2
Y1 Y3 ,
D2
Y5 , D8
Y3 Y4 , D9
D3
Y1 Y4 ,
D4
Y3 Y5 y D10
Y1 Y5 ,
D5
Y2 Y3 ,
D6
Y2 Y4 ,
Y4 Y5 .
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
Para este ejemplo tenemos cinco tratamientos y cinco repeticiones para cada
tratamiento. Para esta prueba de comparacin mltiple de media se puede
introducir hasta 10 tratamientos.
83
r1 =
r2 =
r3 =
r4 =
r4 =
r6 =
5
5
5
5
5
49.00
77.00
88.00
108.00
54.00
9.80
15.40
17.60
21.60
10.80
0.00
r7 =
T7
r8 =
T8
r9 =
T9
r10 =
T10
Alfa =
0.05
GLErr = v2 = 20.00
CME =
8.06
F(v1, v2) =
0.00
0.00
0.00
0.00
Nm. de
Trat. ordenado
1
Regresar
2
3
4
5
0
0
0
0
0
2.71
Despus de introducir los datos del experimento, se tiene que de ordenar las
medias de tratamientos de forma ascendente; el ordenamiento se hace incluyendo
todas las columnas, excepto la del nmero de tratamiento ordenado. Este
ordenamiento se hace as para que despus el cuadro de diferencias de medias
se pueda interpretar ms fcil.
Ya que se tiene el Cuadro 28, con las medias de tratamientos ordenadas en forma
ascendente se puede ver abajo del Cuadro 28, en la misma hoja, el Cuadro 29 con
84
T8
T9
T10
0.00
0.00
0.00
0
0
0
0.05
20.00
8.06
2.71
85
5
6
7
8
9
10
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
86
Esta prueba presenta dos opciones con base en el nmero de repeticiones de los
tratamientos involucrados en el experimento: igual y diferente nmero de
repeticiones.
(S
K )k
(S - N - K)k
q (v1 , v2 ) k
q (v1 , v2 ) k
t (t 1)
2
Nmero de repeticion es para el i-simo tratamien to.
i 1, 2,..., t
i 1, 2,..., t
87
CME
r
k 1, 2,...,
CME 1
2
ri
v1
1
ri
2, 3, ..., t
donde
q (v1 , v2 ) Cuantil para la prueba de S - N - K con un nivel de significan cia
y con
v1 y v 2 grados de libertad.
v2
CME
ri
ri
Para aplicar la prueba de S-N-K, al igual que en la prueba de Duncan, primero se
ordenan en forma creciente las medias de tratamientos Y(1) , Y(2) ,..., Y(t) ,
despus se prueban las diferencias entre las medias (Dk), empezando con la
mayor contra la menor. Si esta diferencia (Dk) es no significativa entonces todas
las otras diferencias (Dk) con la media mayor son no significativas. Si la diferencia
(Dk) es significativa se calcula de la misma forma anterior, la diferencia (Dk) de la
mayor y la segunda menor. Este procedimiento contina hasta que un par de
medias es no significativo o hasta que todas las medias se han comparado con la
media mayor. De la misma forma anterior se calculan las diferencias (D k) para la
segunda media mayor. Este proceso se contina hasta que se han considerado
las diferencias (Dk) entre todos los t(t-1)/2 pares de medias posibles ms.
9.6.1. Regla de decisin
(S
N
(S
K)k
N
K)k
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de
comparaciones mltiples de medias para la prueba de S-N-K con el siguiente
ejemplo:
88
Ejemplo 9.5
Tomando nuevamente los datos del Ejemplo 6.3 (Montgomery, 2007) de los cinco
pesos porcentuales del algodn (diseo completamente al azar), diga cul de los
tratamientos es el ms efectivo utilizando la prueba de S-N-K. Se quiere una
confiabilidad del 95%.
Respuesta
Se utilizan los totales de tratamiento de los datos originales (Cuadro 5) y la
informacin de la tabla de anlisis de varianza correspondiente (Cuadro 8):
Observaciones
1
2
3
4
5
Total
Media
t=
r1 =
r2 =
r3 =
r4 =
r5 =
r6 =
r7 =
r8 =
r9 =
r10 =
5
5
5
5
5
5
FC =
Alfa
5655
0.05
Ftab
2.87
CONCLUSIN
Fcal > Ftab. Se rechaza H0 y hay significancia al 0.05
89
= 0.05
r=5
t=5
v1 = 2, 3,, t
v2 = GLError = 20
CME = 8.06
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
Para este ejemplo tenemos cinco tratamientos y cinco repeticiones para cada
tratamiento. Para esta prueba de comparacin mltiple de media se puede
introducir hasta 10 tratamientos.
90
T7
T8
T9
T10
0.05
20.00
8.06
2.95 3.58 3.96
0.00
0.00
0.00
0.00
0
0
0
0
4.23
Despus de introducir los datos del experimento, se tiene que ordenar las medias
de tratamientos de forma ascendente; el ordenamiento se hace incluyendo todas
las columnas, excepto la del nmero de tratamiento ordenado. Este ordenamiento
se hace as para que despus el cuadro de diferencias de medias se pueda
interpretar ms fcil.
Ya que se tiene el Cuadro 31, con las medias de tratamientos ordenadas en forma
ascendente se puede ver abajo del Cuadro 31, en la misma hoja, el Cuadro 32 con
91
T7
T8
T9
T10
0.05
20.00
8.06
2.95 3.58 3.96
0.00
0.00
0.00
0.00
0
0
0
0
4.23
5
6
7
8
9
10
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
3.75
0
10.1. Caractersticas
Este tipo de diseo se utiliza cuando la variabilidad del material experimental
ocurre en dos sentidos, es decir, se presentan simultneamente dos posibles
fuentes de variabilidad. Se construye al distribuir los tratamientos en un arreglo de
hileras y columnas. Las hileras presentan el efecto de una de las fuentes de
variabilidad y las columnas el efecto de la otra fuente de variabilidad. Se tiene
igual nmero de columnas y de hileras. Cada hilera o columna constituye una
repeticin completa de los tratamientos, es decir un bloque completo. El nmero
de hileras o columnas es igual al nmero de tratamientos. Un tratamiento
cualquiera aparece representado slo una vez en la misma hilera y en la misma
columna. El nmero total de unidades experimentales a utilizar es t2. La
disposicin de las hileras o columnas se realiza mediante un mecanismo aleatorio.
Cuando el nmero de tratamientos a probar es grande se vuelve poco prctico la
utilizacin de este diseo.
94
Yijk
Hi
Cj
(ij ) k
eijk
donde
i 1, 2,..., t;
j 1, 2,..., t;
k 1, 2,..., t;
2
0 ; E( eijk
)
E( eijk )
Nmero de tratamientos.
Yijk
Cj
(ij) k
eijk
T1
T2
T3
T4
T2
T3
T4
T1
T3
T4
T1
T2
T4
T1
T2
T3
95
Observe que en el Cuadro 33 la hilera 1 del cuadro latino se forma al disponer los
tratamientos en orden de aparicin, la hilera 2 se forma al recorrer los tratamientos
de la hilera 1 una posicin hacia la izquierda, la hilera 3 se forma al recorrer los
tratamientos de la hilera 2 una posicin hacia la izquierda y la hilera 4 se forma al
recorrer los tratamientos de la hilera 3 una posicin hacia la izquierda.
Las hiptesis a probar en este tipo de diseos experimentales son sobre las
hileras, sobre las columnas y sobre los tratamientos, y son las siguientes:
1. H 0 : H1
H2
...
Ht
vs
H a : Al menos una H i (hilera) produce un efecto diferente de las dems.
2. H 0 : C1
C2
...
Ct
vs
H a : Al menos una C j (columna) produce un efecto diferente de las dems.
3. H 0 : T1
T2
... Tt
vs
H a : Al menos un Tk (tratamien to) produce un efecto diferente de las dems.
10.5. Anlisis de varianza
El anlisis de varianza para el diseo en cuadro latino est dado por el Cuadro 34:
96
Cuadro 34. Estructura del anlisis de varianza para un diseo en cuadro latino
Grados
Fuente de
Suma de
Cuadrado
F calculada
de
Variacin
Cuadrados
Medio
( Fcal )
Libertad
(F.V.)
(S.C.)
(C.M.)
(G.L.)
Hileras
t-1
S.C. Hileras
Columnas
t-1
S.C. Columnas
Tratamientos
t-1
S.C.
Tratamientos
Error
(t 1)(t 2)
S.C. Error
Total
(t 2 1
S.C. Total
S.C. Hileras
G.L. Hileas
S.C. Columnas
G.L. Columnas
S.C. Tratamient os
G.L. Tratamient os
S.C. Error
G.L. Error
C.M . Hileras
C.M . Error
C.M . Columnas
C.M . Error
C.M . Tratamient os
C.M . Error
F de
tablas
( Ftab )
F (v1, v2 )
F (v 3 , v 2 )
F (v 4 , v 2 )
Donde:
F (v1 , v 2 )
Ftab Hil
F (v 3 , v 2 )
Ftab Col
F (v 4 , v 2 )
Ftab Trat
v1
v2
v3
v4
t
2
FC
Y. 2j.
Yi..2
Y ...
t2
S.C. Hileras
i 1
FC
S.C. Columnas
j 1
Y..2k
S.C. Tratamient os
S.C. Error
k 1
FC
Y(2ij ) k
S .C. Total
FC
i 1 j 1 k 1
Donde:
FC
Factor de correccin.
Y ...
Yi ..
97
FC
Y..k
Se rechaza H 0 si Fcal
Ftab
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de diseo en
cuadro latino con el siguiente ejemplo:
Ejemplo 10.1
Se tiene un experimento en donde un bacterilogo estudia el efecto del oxgeno
sobre el desarrollo de la bacteria Bacillus popilliiae que ejerce un control sobre el
escarabajo japons Popillia japonica producindole la enfermedad lechosa de las
larvas (Castillo, 2003).
98
Lotes
de BK
T4
T1
T2
T3
II
T2
T3
T4
T1
III
T3
T4
T1
T2
IV
T1
T2
T3
T4
Lotes
de BK
T4 2.0
T1
1.2
T2
1.5
T3
2.2
II
T2 1.4
T3
1.9
T4
1.6
T1
0.9
III
T3 2.0
T4
1.5
T1
1.1
T2
1.7
IV
T1 1.3
T2 1.7
T3
2.4
T4
1.7
99
Respuesta
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
Una vez introducidos los datos, aparecen en la ltima columna del Cuadro 37, los
totales por hilera; en la antepenltima fila se debe de introducir los totales por
tratamiento de forma manual, ya que para stos no se puede introducir una
formula porque estn en forma aleatoria; en la penltima fila aparecen los totales
por columna y en la ltima fila aparecen las sumas del cuadrado de observaciones
por columna, los cuales se necesitan para el anlisis de varianza.
100
2.0
1.4
2.0
1.3
1.2
1.9
1.5
1.7
1.5
1.6
1.1
2.4
Totales por
9 10
2.2
0.9
1.7
1.7
Ir al
anlisis
Hilera
6.9
5.8
6.3
7.1
Regresar
A la derecha del Cuadro 38, aparece un hiperenlace para regresar hasta la hoja de
clculo donde se introducen los datos del experimento.
Para este ejemplo, mediante el anlisis de varianza y con una confiabilidad del
95% no se rechazan las hiptesis nulas (H0) de las hileras y de las columnas,
debido a que Fcal
Hil
= 3.3 Ftab
Hil
= 4.76 y Fcal
101
Col
= 0.28 Ftab
Col
= 4.76,
Trat
Trat
= 4.76, lo que
Regresar
11.1. Caractersticas
Este tipo de diseo se utiliza cuando se desea conocer los efectos producidos por
dos o ms factores controlados que actan simultneamente en un experimento.
102
11.2. Nomenclatura
103
Yijk
Ai
Bj
( AB ) ij
eijk
donde
i
0, 1,..., a;
j 0, 1,..., b;
Yijk
0, 1,..., r;
E( eijk )
2
0 ; E( eijk
)
Nmero de repeticiones.
Respuesta obtenida en la k-sima repeticin del i-simo nivel del factor A y el
j-simo nivel del factor B.
Efecto medio general.
Ai
Bj
( AB)ij
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el jsimo nivel del factor B.
eijk
104
Yijkl
Ai
Bj
Ck
( AB) ij
( AC ) ik
( BC ) jk
( ABC ) ijk
eijkl
donde
i
0, 1,..., a;
j 0, 1,..., b;
0, 1,..., c;
l 1, 2,..., r;
E( eijk )
0 ; E( e 2 )
ijk
Nmero de repeticiones.
Respuesta obtenida en la l-sima repeticin del i-simo nivel del factor A, el
Yijkl
Bj
Ck
( AB)ij
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el jsimo nivel del factor B.
( AC)ik
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el ksimo nivel del factor C.
( BC) jk
Efecto atribuido a la interaccin entre el j-simo nivel del factor B y el ksimo nivel del factor C.
( ABC)ijk
Efecto atribuido a la interaccin entre el i-simo nivel del factor A, el jsimo nivel del factor B y el k-simo nivel del factor C.
eijk
Note que en ambos modelos lineales se toman en cuenta los efectos de las
interacciones entre los diferentes factores. Para el caso de dos factores slo se
toma en cuenta la interaccin doble (AB) entre factores. Para el caso de tres
factores se toman en cuenta todas las interacciones dobles (AB, AC, BC) y la
interaccin triple (ABC) entre factores. Si se tuvieran cuatro factores (A, B, C, D),
105
Yijk
Blo k
Ai
Bj
( AB ) ij
eijk
donde
i
0, 1,..., a;
j 0, 1,..., b;
k 1, 2,..., r;
E( eijk )
2
0 ; E( eijk
)
Yijk
Ai
Bj
106
( AB)ij
eijk
Yijkl
Blol
Ai
Bj
Ck
( AB ) ij
( AC ) ik
( BC ) jk
( ABC ) ijk
eijkl
donde
i
0, 1,..., a;
j 0, 1,..., b;
0, 1,..., c;
l 1, 2,..., r;
E( eijk )
2
0 ; E( eijk
)
Respuesta obtenida en el i-simo nivel del factor A, el j-simo nivel del factor
Yijkl
Blol
Ai
Bj
Ck
( AB)ij
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el jsimo nivel del factor B.
( AC)ik
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el ksimo nivel del factor C.
107
( BC) jk
Efecto atribuido a la interaccin entre el i-simo nivel del factor A, el jsimo nivel del factor B y el k-simo nivel del factor C.
eijk
Yijk
Ai
Bj
( AB) ij
eijk
Yijkl
Blol
Ai
Bj
Ck
( AB) ij
( AC) ik
( BC) jk
108
( ABC) ijk
eijkl
A
B
AB
C
AC
BC
ABC
Error
Total
En los dos casos anteriores, las fuentes de variacin corresponden a los trminos
del lado derecho del modelo lineal (a excepcin de
109
B
0
0
1
1
110
SC ( ABC ...)
ABC ... 1
ABC ...
2
0
ABC ...
r 2n
2
0
ABC ... 12
G2
r 2n
r 2n
Los mtodos de anlisis que se han presentado hasta este punto pueden
generalizarse para el caso de un diseo factorial 2 k, es decir, un diseo con k
factores que tienen dos niveles cada uno. El modelo estadstico par un modelo 2 k
111
k
2
k
3
interacciones
Ejemplo 11.1
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de diseo
factorial 2k con el siguiente ejemplo:
1152.0
= B1
Suma
4764.0 = G
Respuesta
Se tienen tres factores nitrgeno (N), fsforo (P) y potasio (K); para seguir con la
notacin usual nombraremos a los tres factores anteriores como A, B y C
respectivamente; cada uno de los factores anteriores tiene dos niveles (0 y 1). Los
tratamientos a probar son:
0 Kg.
0 Kg.
0 Kg.
(a0b0c0)
(1)
200 Kg.
0 Kg.
0 Kg.
(a1b0c0)
(a)
0 Kg.
200 Kg.
0 Kg.
(a0b1c0)
(b)
200 Kg.
200 Kg.
0 Kg.
(a1b1c0)
(ab)
0 Kg.
0 Kg.
200 Kg.
(a0b0c1)
(c)
200 Kg.
0 Kg.
200 Kg.
(a1b0c1)
(ac)
0 Kg.
200 Kg.
200 Kg.
(a0b1c1)
(bc)
200 Kg.
200 Kg.
200 Kg.
(a1b1c1)
(abc)
Blol
Ai
Bj
Ck
( AB ) ij
( AC ) ik
( BC ) jk
( ABC ) ijk
eijkl
donde
i
0, 1,..., a;
j 0, 1,..., b;
0, 1,..., c;
113
l 1, 2,..., r;
E( eijk )
2
0 ; E( eijk
)
Respuesta obtenida en el i-simo nivel del factor A, el j-simo nivel del factor
Yijkl
Blol
Ai
Bj
Ck
( AB)ij
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el jsimo nivel del factor B.
( AC)ik
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el ksimo nivel del factor C.
( BC) jk
Efecto atribuido a la interaccin entre el j-simo nivel del factor B y el ksimo nivel del factor C.
Efecto atribuido a la interaccin entre el i-simo nivel del factor A, el j-
( ABC)ijk
a1 vs
H a : a0
a1
2. H 0 : b0
b1 vs
H a : b0
b 1 bi
vs
H a : Al menos una interaccin ai b j produce un efecto diferente de los dems
4. H 0 : c0
c1 vs
H a : c0
c1
114
vs
H a : Al menos una interacci n a i c k produce un efecto diferente de los dems
vs
H a : Al menos una interacci n b j c k produce un efecto diferente de los dems
vs
H a : Al menos una interaccin ai b j c k produce un efecto diferente de los dems
r-1
S.C. Bloques
a-1
S.C. A
b-1
S.C. B
AB
(a-1)(b-1)
S.C. AB
c-1
S.C. C
AC
(a-1)(c-1)
S.C. AC
BC
(b-1)(c-1)
S.C. BC
ABC
(a-1)(b-1)(c-1)
S.C. ABC
115
S.C. Bloques
G.L. Bloques
C.M . Bloques
C.M . Error
S.C. A
G.L. A
S.C. B
G.L. B
S.C. AB
G.L. AB
S.C. C
G.L. C
S.C. AC
G.L. AC
S.C. BC
G.L. BC
S.C. ABC
G.L. ABC
C.M . A
C.M . Error
C .M . B
C .M . Error
C.M . BC
C.M . Error
C .M . C
C .M . Error
C.M . AC
C.M . Error
C.M . AB
C.M . Error
C.M . ABC
C.M . Error
F (v1, v2 )
F (v 3 , v 2 )
F (v 4 , v 2 )
F (v 5 , v 2 )
F (v 6 , v 2 )
F (v 7 , v 2 )
F (v 8 , v 2 )
F (v 9 , v 2 )
Error
(abc-1)(r-1)
S.C. Error
Total
abcr-1
S.C. Total
S.C. Error
G.L. Error
Donde:
F (v1 , v 2 )
Ftab Bloques
F (v 3 , v 2 )
Ftab A
F (v 4 , v 2 )
Ftab B
F (v 5 , v 2 )
Ftab AB
F (v 6 , v 2 )
Ftab C
F (v 7 , v 2 )
Ftab AC
F (v 8 , v 2 )
Ftab BC
F (v 9 , v 2 )
Ftab ABC
v1
v2
v3
v4
v5
v6
v7
v8
v9
Se rechaza H 0 si Fcal
Ftab
Para resolver el ejemplo anterior haremos uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
116
escoger el tipo de diseo experimental que se va a usar. En este caso se hace clic
en diseos factoriales.
117
Regresar
Una vez introducidos los datos, aparecen en las ltimas columnas del Cuadro 44,
los totales de tratamiento, las sumas del cuadrado de observaciones por
tratamiento, el efecto y los totales de efectos. En la ltima fila aparecen el total por
bloques y el total de las sumas del cuadrado de observaciones por tratamiento.
665.6
111553.7
678.0
490.8
559.9
653.9
736.4
115515.0
60995.8
79460.4
108029.0
137702.7
730897.7
AB
C
AC
BC
ABC
118
721.8
Ir al
anlisis
-6.6
136.0
106.8 Regresar
-42.6
33.4
Para este ejemplo, mediante el anlisis de varianza y con una confiabilidad del
95% slo se rechaza las hiptesis nula (H0) del factor B, lo que indica que existen
diferencias entre los niveles de ese factor; mientras que las hiptesis nulas (H 0)
para el factor A, el factor C, las interacciones AB, AC, BC y ABC no se rechazan,
lo que indica que no existen diferencias entre los niveles de esos factores y de
esas interacciones.
Cuadro 45. Anlisis de varianza para el diseo factorial 23 en bloques completos al
azar.
ANLISIS DE VARIANZA
F.V.
G.L.
S.C.
C.M.
Fcal
Ftab
Bloques 3
1046.30
348.77
0.98
3.07
a=
2
A
1
1205.41
1205.41
3.40
4.32
b=
2
B
1 16281.10 16281.10 45.92
4.32
c=
2
AB
1
1.36
1.36
0.004
4.32
Regresar
d=
0
C
1
578.00
578.00
1.63
4.32
e=
0
AC
1
356.44
356.44
1.01
4.32
r=
4
BC
1
56.71
56.71
0.16
4.32
ABC
1
34.86
34.86
0.10
4.32
FC = 703891.13
Alfa
0.05
Error
21 7446.43
354.59
119
Total
31
27006.62
CONCLUSIN
Fcal A Ftab A. No se rechaza H0 y no hay significancia al 0.05
Fcal B > Ftab B. Se rechaza H0 y hay significancia al 0.05
Fcal AB Ftab AB. No se rechaza H0 y no hay significancia al 0.05
Fcal C Ftab C. No se rechaza H0 y no hay significancia al 0.05
Fcal AC Ftab A. No se rechaza H0 y no hay significancia al 0.05
Fcal BC Ftab BC. No se rechaza H0 y no hay significancia al 0.05
Fcal ABC Ftab ABC. No se rechaza H0 y no hay significancia al 0.05
11.7. Diseo factorial 3k
El diseo factorial 3k es un arreglo factorial de k factores que tienen tres niveles
cada uno. Se usan letras maysculas para denotar los factores y las interacciones.
Se hace referencia a los tres niveles de los factores como bajo, intermedio y alto.
Hay varias notaciones diferentes que se usan para representar estos niveles de
los factores; una posibilidad es representar los niveles de los factores con los
dgitos 0 (bajo), 1 (intermedio) y 2 (alto). Cada combinacin de tratamientos del
diseo 3k se denota por k dgitos, donde el primer dgito denota el nivel del factor
A, el segundo digito indica el nivel del factor B,, y el dgito k-simo indica el nivel
del factor k. Por ejemplo, en un diseo 3 2, 00 denota la combinacin de
tratamientos correspondientes a A y B ambos en el nivel bajo, y 01 denota la
combinacin de tratamientos correspondiente a A en el nivel bajo y B en el nivel
intermedio.
El diseo ms simple del sistema 3k es el diseo 32, el cual tiene dos factores,
cada uno con tres niveles. Las combinaciones de tratamientos de este diseo son
32 = 9, hay 32-1 = 8 grados de libertad entre estas combinaciones de tratamientos
y se pueden definir 32-1/3-1 = 4 grupos ortogonales con dos grados de libertad
cada uno, que en trminos de los efectos factoriales, tales grupos son:
A: efecto principal de A
B: efecto principal de B
120
Suponga ahora que hay tres factores (A, B y C) bajo estudio y que cada factor
tiene tres niveles dispuestos en un experimento factorial. Se trata de un diseo
factorial 33, y la notacin de las combinaciones de tratamientos se mencionaron
anteriormente en el diseo factorial 32. Las 27 combinaciones de tratamientos
tienen 26 grados de libertad y se pueden definir 3 3-1/3-1 = 13 grupos ortogonales
con dos grados de libertad cada uno, que en trminos de los efectos factoriales,
tales grupos son:
A: efecto principal de A.
B: efecto principal de B.
AB: primera componente de la interaccin AB.
AB2: segunda componente de la interaccin AB.
C: efecto principal de C.
AC: primera componente de la interaccin AC.
AC2: segunda componente de la interaccin AC.
BC: primera componente de la interaccin BC.
BC2: segunda componente de la interaccin BC.
ABC: primera componente de la interaccin ABC.
ABC2: segunda componente de la interaccin ABC.
AB2C: tercera componente de la interaccin ABC.
AB2C2: cuarta componente de la interaccin ABC.
Por lo tanto,
121
AB
AB AB 2
AC
AC AC 2
BC
BC BC 2
ABC
ABC ABC 2 AB 2C AB 2C 2
k
2
interacciones de dos factores, cada una con cuatro grados de libertad;; y una
interaccin de k factores, con 2k grados de libertad. En general, una interaccin de
h factores tiene 2h grados de libertad.
Ejemplo 11.2
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de diseo
factorial 3k con el siguiente ejemplo:
Se usa una mquina para llenar contenedores metlicos de cinco galones con
jarabe para una bebida gaseosa (Montgomery, 2007). La variable de inters es la
cantidad de jarabe perdida debido al espumeo. Se piensa que tres factores
122
Cuadro 46. Datos de la prdida de jarabe (las unidades son centmetros cbicos70)
Tipo de boquilla (A)
1
2
3
Velocidad (en rpm) (B)
Presin
(en psi)
100
120
140
100
120
140
100
120
140
(C)
-35
-45
-40
17
-65
20
-39
-55
15
10
-25
-60
15
24
-58
4
-35
-67
-30
110
-10
80
55
-55
110
90
-28
110
15
75
30
54
120
-44
44
113
-26
135
4
-40
31
-23
-64
-20
-30
-61
54
20
5
-30
36
-5
-62
-31
-55
-52
4
Fuente: Montgomery (2007).
Existen diferencias entre las combinaciones del tipo de boquilla (A), la velocidad
del llenado (B) y la presin de operacin (C)?. Responda a la pregunta anterior
con una confiabilidad del 95%.
Respuesta:
Se tienen tres factores: el diseo de la boquilla (A), la velocidad del llenado (B) y la
presin de operacin (C), bajo un experimento factorial 3 3 completamente al azar.
Cada uno de los factores A, B y C con tres niveles: 1 (0), 2 (1) y 3 (2); 100 rpm (0),
120 rpm (1) y 140 rpm (2) y 10 psi (0), 15 psi (1) y 20 psi (2), respectivamente. Los
tratamientos a probar son:
Tratamiento
100 rpm
10 psi
(000)
100 rpm
10psi
(100)
100 rpm
10 psi
(200)
123
120 rpm
10 psi
(010)
120 rpm
10psi
(110)
120 rpm
10 psi
(210)
140 rpm
10 psi
(020)
140 rpm
10psi
(120)
140 rpm
10 psi
(220)
100 rpm
15 psi
(001)
100 rpm
15psi
(101)
100 rpm
15 psi
(201)
120 rpm
15 psi
(011)
120 rpm
15psi
(111)
120 rpm
15 psi
(211)
140 rpm
15 psi
(021)
140 rpm
15psi
(121)
140 rpm
15 psi
(221)
100 rpm
20 psi
(002)
100 rpm
20psi
(102)
100 rpm
20 psi
(202)
120 rpm
20 psi
(012)
120 rpm
20psi
(112)
120 rpm
20 psi
(212)
140 rpm
20 psi
(022)
140 rpm
20psi
(122)
140 rpm
20 psi
(222)
Ai
Bj
Ck
( AB) ij
( AC ) ik
( BC ) jk
( ABC ) ijk
eijkl
donde
i
0, 1,..., a;
j 0, 1,..., b;
0, 1,..., c;
l 1, 2,..., r;
E( eijk )
0 ; E( e 2 )
ijk
124
Nmero de repeticiones.
Yijkl
Bj
Ck
( AB)ij
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el jsimo nivel del factor B.
( AC)ik
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el ksimo nivel del factor C.
( BC) jk
Efecto atribuido a la interaccin entre el j-simo nivel del factor B y el ksimo nivel del factor C.
Efecto atribuido a la interaccin entre el i-simo nivel del factor A, el j-
( ABC)ijk
a1
a 2 vs
2. H 0 : b0
b1
b2
vs
H a : a0
a1
H a : b0
a2
b1
b2
vs
H a : Al menos una interacci n ai b j produce un efecto diferente de los dems
4. H 0 : c0
c1
c2
vs
H a : c0
c1
c2
125
vs
H a : Al menos una interacci n a i c k produce un efecto diferente de los dems
vs
H a : Al menos una interacci n b j c k produce un efecto diferente de los dems
vs
H a : Al menos una interacci n ai b j ck produce un efecto diferente de los dems
El anlisis de varianza correspondiente est dado por el Cuadro 47:
Cuadro 47. Estructura del anlisis de varianza para el diseo factorial 3 3
completamente al azar.
Fuente
F
F de
Grados de
Suma de
Cuadrado
de
calculada
tablas
Libertad
Cuadrados
Medio
Variacin
( Fcal )
( Ftab )
(G.L.)
(S.C.)
(C.M.)
(F.V.)
A
a-1
S.C. A
b-1
S.C. B
AB
(a-1)(b-1)
S.C. AB
c-1
S.C. C
AC
(a-1)(c-1)
S.C. AC
BC
(b-1)(c-1)
S.C. BC
ABC
(a-1)(b-1)(c-1)
S.C. ABC
Error
(abc-1)(r-1)
S.C. Error
126
S.C. A
G.L. A
S.C. B
G.L. B
S.C. AB
G.L. AB
S.C. C
G.L. C
S.C. AC
G.L. AC
S.C. BC
G.L. BC
S.C. ABC
G.L. ABC
S.C. Error
G.L. Error
C.M . A
C.M . Error
C .M . B
C .M . Error
C.M . BC
C.M . Error
C .M . C
C .M . Error
C .M . AC
C.M . Error
C.M . AB
C.M . Error
C.M . ABC
C.M . Error
F (v1, v2 )
F (v 3 , v 2 )
F (v 4 , v 2 )
F (v 5 , v 2 )
F (v 6 , v 2 )
F (v 7 , v 2 )
F (v 8 , v 2 )
F (v 9 , v 2 )
Total
abcr-1
S.C. Total
Donde:
F (v1 , v 2 )
Ftab A
F (v 3 , v 2 )
Ftab B
F (v 4 , v 2 )
Ftab AB
F (v 5 , v 2 )
Ftab C
F (v 6 , v 2 )
Ftab AC
F (v 7 , v 2 )
Ftab BC
F (v 8 , v 2 )
Ftab ABC
v2
v1
v3
v4
v5
v6
v7
v8
a
2
FC
Y. 2j..
Yi...2
Y ....
abcr
S.C. A
i 0
FC
bcr
a
c
k 0
acr
S.C. AB
i 0
j 0
cr
S .C. A S .C.B FC
Y. 2jk.
Yi.2k .
S.C. AC
i 0
k 0
br
FC
Yij2..
FC
abr
j 0
Y..2k .
S.C. C
S.C. B
S .C. A S .C.C FC
S.C. BC
127
j 0
k 0
ar
S .C.B S .C.C
FC
c
2
Yijk
.
S.C. ABC
i 0
j 0
k 0
r
a
r
2
Yijkl
S .C. Total
i 0
S .C. Error
j 0
F .C
k 0 l 1
S.C. Total - S .C. A S .C.B S .C.C S .C. AB S .C. AC S .C.BC S .C. ABC
Donde:
FC
Factor de correccin.
Y ....
Yi ...
Suma de todas las observaciones que pertenecen al i-simo nivel del factor
A.
Y . j.. Suma de todas las observaciones que pertenecen al j-simo nivel del factor
B.
Y ..k.
Suma de todas las observaciones que pertenecen al k-simo nivel del factor
C.
Yij .. Suma de todas las observaciones que pertenecen al i-simo nivel del factor A
128
Se rechaza H 0 si Fcal
Ftab
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
Una vez introducidos los datos, aparecen en las ltimas columnas del Cuadro 48,
los totales de tratamiento, las sumas del cuadrado de observaciones por
tratamiento, y los totales de los niveles de los factores y de las interacciones. En la
129
ltima fila aparecen el total de las sumas del cuadrado de observaciones por
tratamiento y la suma de los totales de los niveles de los factores y de las
interacciones
.
A la derecha del Cuadro 48 aparecen dos hiperenlaces, uno para ir a la hoja de
anlisis de datos y el otro para regresar hasta la hoja de clculo donde se
seleccion el tipo de diseo factorial.
Cuadro 48. Diseo factorial 3k completamente al azar.
DISEO FACTORIAL 3k COMPLETAMENTE AL AZAR
Tot. Sumas del
Totales de los niveles de los factores y de las
Repeticiones
de cuadrado
interacciones
Tratamientos
de obs. por
1 2 3 4 5 Trat.
A
B
AB
C
AC
BC
ABC
Trat.
000
-35 -25
-60
1850
155
366
134
-459
-190
-93
-60
100
17 24
41
865
-33
-792
188
963
-58
-350
200
010
110
210
020
120
220
001
101
201
011
111
211
021
121
221
002
102
202
012
112
212
022
-39 -35
-45 -60
-65 -58
-55 -67
-40 15
20 4
15 -30
110 75
55 120
90 113
-10 30
-55 -44
-28 -26
80 54
110 44
110 135
4 5
-23 -5
-30 -55
-40 -30
-64 -62
-61 -52
31 36
-74
-105
-123
-122
-25
24
-15
185
175
203
20
-99
-54
134
154
245
9
-28
-85
-70
-126
-113
67
2746
5625
7589
7514
1825
416
1125
17725
17425
20869
1000
4961
1460
9316
14036
30325
41
554
3925
2500
7940
6425
2257
43
591
44
-155
-348
-289
176
127
288
-339
-211
339
230
394
6
-205
-140
-16
563
-133
533
-104
-309
74
130
41
Ir al
anlisis
-74
-105
-123 Regresar
-122
-25
24
-15
185
175
203
20
-99
-54
134
154
245
9
-28
-85
-70
-126
-113
67
122
222
Totales
-20 -31
54 4
-51
58
165
1361
-51
2932
58
174607 26963 1110501 413935 1252971 468703 861925 326183
Para este ejemplo, mediante el anlisis de varianza y con una confiabilidad del
95% se rechazan las hiptesis nulas (H0) de los factores B y C y de las
interacciones AB, AC y BC lo que indica que existen diferencias entre los niveles
de esos factores y entre los niveles de esas interacciones; mientras que las
hiptesis nulas (H0) para el factor A, y la interaccin ABC no se rechazan lo que
indica que existen diferencias entre los niveles de ese factor y entre los niveles de
esa interaccin.
Cuadro 49. Anlisis de varianza para el diseo factorial 33 completamente al azar.
ANLISIS DE VARIANZA
F.V.
G.L.
S.C.
C.M.
Fcal
Ftab
Regresar
a=
3
A
2
993.78
496.89 1.17
3.35
b=
3
BB
2
61190.33 30595.17 71.74
3.35
c=
3
AB
4
6300.89
1575.22 3.69
2.73
r=
2
C
2
69105.33 34552.67 81.01
3.35
AC
4
7513.89
1878.47 4.40
2.73
FC = 504.17
BC
4
12854.33 3213.58 7.53
2.73
131
Alfa
0.05
ABC
Error
Total
8
27
53
4628.78
11515.50
174102.83
578.60
426.50
1.36
2.31
CONCLUSIN
Fcal A Ftab A. No se rechaza H0 y no hay significancia al 0.05
Fcal B > Ftab B. Se rechaza H0 y hay significancia al 0.05
Fcal AB > Ftab AB. Se rechaza H0 y hay significancia al 0.05
Fcal C > Ftab C. Se rechaza H0 y hay significancia al 0.05
Fcal AC > Ftab AC. Se rechaza H0 y hay significancia al 0.05
Fcal BC > Ftab BC. Se rechaza H0 y hay significancia al 0.05
Fcal ABC Ftab ABC. No se rechaza H0 y no hay significancia al 0.05
11.8. Diseo factorial 3k x 2l
Se han resaltado los diseos factoriales en los que todos los factores tienen el
mismo nmero de niveles. El sistema con dos niveles mencionado anteriormente
es de particular utilidad. El sistema de tres niveles tambin mencionado antes es
de utilidad mucho menor debido a que los diseos son relativamente grandes
incluso para un nmero modesto de factores.
En ocasiones, en los diseos factoriales con dos niveles existen situaciones en las
que es necesario incluir un factor (o algunos factores) que tienen ms de dos
niveles. La notacin para las combinaciones de tratamientos es la notacin digital
usual.
Ejemplo 11.3
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de diseo
factorial 3k x 2l con el siguiente ejemplo:
132
133
II
I
6520
II
Fuente: Castillo (2003).
35
55
50
35
65
60
45
65
75
55
80
85
Respuesta
Se tienen tres factores: tamao de boquilla (A), presin (B) y velocidad de
recorrido (C), bajo un experimento factorial 3 x 2 2 en bloques completos al azar. El
factor A con tres niveles: 6510 (0), 6515 (1) y 6520 (2); el factor B y el factor C
cada uno con dos niveles: 25 psi (0) y 30 psi (1) y 2 m / seg (0) y 3 m / seg (1),
respectivamente. Los tratamientos a probar son:
Tratamiento
(000)
6515 25 psi
2 m / seg
(100)
6520 25 psi
2 m / seg
(200)
6510 30 psi
2 m / seg
(010)
6515 30 psi
2 m / seg
(110)
6520 30 psi
2 m / seg
(210)
6510 25 psi
3 m / seg
(001)
6515 25 psi
3 m / seg
(101)
6520 25 psi
3 m / seg
(201)
6510 30 psi
3 m / seg
(011)
6515 30 psi
3 m / seg
(111)
6520 30 psi
3 m / seg
(211)
134
Blol
Ai
Bj
Ck
( AB ) ij
( AC ) ik
( BC ) jk
( ABC ) ijk
eijkl
donde
i
0, 1,..., a;
j 0,1, ..., b;
0, 1,..., c;
l 1, 2,..., r;
E( eijk )
2
0 ; E( eijk
)
Respuesta obtenida en el i-simo nivel del factor A, el j-simo nivel del factor
Yijkl
Blol
Ai
Bj
Ck
( AB)ij
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el jsimo nivel del factor B.
( AC)ik
Efecto atribuido a la interaccin entre el i-simo nivel del factor A y el ksimo nivel del factor C.
( BC) jk
Efecto atribuido a la interaccin entre el j-simo nivel del factor B y el ksimo nivel del factor C.
( ABC)ijk
Efecto atribuido a la interaccin entre el i-simo nivel del factor A, el jsimo nivel del factor B y el k-simo nivel del factor C.
eijk
a1
a2
135
vs
H a : Al menos un nivl ai produce un efecto diferente de los dems
2. H 0 : b0
b1 vs
H a : b0
b1
vs
H a : Al menos una interacci n ai b j produce un efecto diferente de los dems
4. H 0 : c0
c1
vs
H a : c0
c1
vs
H a : Al menos una interacci n ai c k produce un efecto diferente de los dems
vs
H a : Al menos una interacci n b jc k produce un efecto diferente de los dems
vs
H a : Al menos una interacci n ai b j c k produce un efecto diferente de los dems
136
(F.V.)
Bloques
r-1
S.C. Bloques
a-1
S.C. A
b-1
S.C. B
AB
(a-1)(b-1)
S.C. AB
c-1
S.C. C
AC
(a-1)(c-1)
S.C. AC
BC
(b-1)(c-1)
S.C. BC
ABC
(a-1)(b-1)(c-1)
S.C. ABC
Error
(abc-1)(r-1)
S.C. Error
Total
Abcr-1
S.C. Total
S.C. Bloques
G.L. Bloques
C.M . Bloques
C.M . Error
S.C. A
G.L. A
S.C. B
G.L. B
S.C. AB
G.L. AB
S.C. C
G.L. C
S.C. AC
G.L. AC
S.C. BC
G.L. BC
S.C. ABC
G.L. ABC
S.C. Error
G.L. Error
C.M . A
C.M . Error
C .M . B
C .M . Error
C.M . BC
C.M . Error
C .M . C
C .M . Error
C.M . AC
C.M . Error
C.M . AB
C.M . Error
C.M . ABC
C.M . Error
F (v1, v2 )
F (v 3 , v 2 )
F (v 4 , v 2 )
F (v 5 , v 2 )
F (v 6 , v 2 )
F (v 7 , v 2 )
F (v 8 , v 2 )
F (v 9 , v 2 )
Donde:
F (v1 , v 2 )
Ftab Bloques
F (v 3 , v 2 )
Ftab A
F (v 4 , v 2 )
Ftab B
F (v 5 , v 2 )
Ftab AB
F (v 6 , v 2 )
Ftab C
F (v 7 , v 2 )
Ftab AC
F (v 8 , v 2 )
Ftab BC
F (v 9 , v 2 )
Ftab ABC
137
v1
v2
v3
v4
v5
v6
v7
v8
v9
FC
Y ....
abcr
S.C. Bloques
abc
FC
i 0
S.C. A
Yij2..
FC
acr
S.C. C
k 0
abr
FC
i 0
S.C. AB
i 0
S .C. A S .C.C
br
b
S .C. A S .C.B FC
Y. 2jk.
k 0
j 0
cr
Yi.2k .
S.C. AC
FC
bcr
Y..2k .
j 0
l 1
Yi...2
Y. 2j..
S.C. B
Y...2l
FC
S.C. BC
j 0
k 0
ar
S .C.B S .C.C
c
2
Yijk
.
S.C. ABC
i 0
j 0
k 0
r
a
r
2
Yijkl
S .C. Total
i 0
S .C. Error
j 0
F .C
k 0 l 1
S.C. Total - S .C. A S .C.B S .C.C S .C. AB S .C. AC S .C.BC S .C. ABC
Donde:
FC
Factor de correccin.
Y ....
138
FC
Yi ...
Suma de todas las observaciones que pertenecen al i-simo nivel del factor
A.
Y . j.. Suma de todas las observaciones que pertenecen al j-simo nivel del factor
B.
Y ..k.
Suma de todas las observaciones que pertenecen al k-simo nivel del factor
C.
Yij .. Suma de todas las observaciones que pertenecen al i-simo nivel del factor A
Se rechaza H 0 si Fcal
Ftab
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
139
Una vez introducidos los datos, aparecen en las ltimas columnas del Cuadro 52,
los totales de tratamiento, las sumas del cuadrado de observaciones por
tratamiento, el efecto y los totales de efectos. En la ltima fila aparecen el total por
bloques y el total de las sumas del cuadrado de observaciones por tratamiento.
Sumas del
cuadrado
II III IV V Trat. de obs. por Trat.
Bloques
15 25
Tot. de
40
850
140
465
95
490
95
210
40
100
30 35
65
2125
340
630
140
200
55 50
105
5525
535
010
25 30
55
110
40 45
210
65 75
605
150
280
65
230
245
105
1525
125
125
255
55
85
3625
200
190
350
85
140
9850
305
290
140
020
120
220
001
25 30
55
1525
55
101
40 35
75
2825
75
201
65 60
125
7825
125
011
35 35
70
2450
70
111
60 55
115
6625
115
211
80 85
165
13625
165
021
121
221
Totales
0
535 560 0 0 0 1095
0
58375
0
450225 613125 230175 606125 227375 310025 116325
Para este ejemplo, mediante el anlisis de varianza y con una confiabilidad del
95% se rechazan las hiptesis nulas (H0) de los factores A, B y C, lo que indica
que existen diferencias entre los niveles de esos factores; mientras que las
141
Ir al
anlisis
Regresar
hiptesis nulas (H0) para las interacciones AB, AC, BC y ABC no se rechazan, lo
que indica que existen diferencias entre los niveles de esas interacciones.
a=
b=
c=
Blo =
FC =
Alfa
12.1. Caractersticas
142
Las extensiones grandes de terreno son conocidas como las parcelas grandes.
Cada parcela grande se divide en unidades menores llamadas parcelas chicas.
Los niveles de un factor se prueban sobre las parcelas grandes y los niveles del
otro factor sobre las parcelas chicas.
Los niveles del factor que se ubica sobre las parcelas grandes son considerados
como los tratamientos, mientras que los niveles que se ubica sobre las parcelas
chicas son considerados como subtratamientos.
ij
Sk
( S ) jk
eij
donde
i 1, 2,..., b;
j 1, 2,..., t;
k 1,2,..., s;
Nmero de bloques.
Nmero de tratamientos.
Nmero de subtratamientos.
143
Yijk
ij
Sk
(TS) jk
subtratamiento.
eij
Las hiptesis a probar en este tipo de diseos experimentales son sobre los
bloques, sobre los tratamientos, sobre los subtratamientos y sobre las
interacciones entre los tratamientos y los subtratamientos, que son las siguientes:
1. H 0 :
...
vs
H a : Al menos en uno de los bloques se tiene un efecto diferente de los dems.
2. H 0 : T1
T2
... Tt
vs
H a : Al menos en uno de los tratamien tos se tiene un efecto diferente de los dems.
3. H 0 : S1
S2
...
Ss
vs
H a : Al menos en uno de los subtratamientos se tiene un efecto diferente de los dems.
4. H 0 : (TS )11
(TS )12
...
(TS )ts
144
vs
H a : Al menos en una interaccin entre tratamiento y subtratamiento
tiene un efectodiferente de los dems.
12.4. Anlisis de varianza
b-1
S.C. Bloques
Tratamientos
t-1
Error en Parcela
grande
Subtotal
Subtratamientos
TS
Error en parcela
chica
Total
G.L. Bloques
C.M . Error PG
S.C.
Tratamientos
S .C. Tratamientos
G.L. Tratamient os
C.M . Tratamient os
C.M . Error PG
(b-1)(t-1)
S.C. Error PG
S .C. Error PG
G.L. Error PG
bt-1
S.C. Subtotal
s-1
S.C.
Subtratamientos
S .C. Subtratamientos
G.L. Subtratami entos
(t-1)(s-1)
S.C. TS
S .C. TS
G.L. TS
(b-1)(s-1)t
bts-1
S.C. Total
Donde:
145
F (v 3 , v 2 )
C.M . TS
C.M . Error PCh
(v 3 , v 2 )
(v 3 , v 2 )
F (v 6 , v 5 )
F (v1 , v 2 )
Ftab Blo
F (v 3 , v 2 )
Ftab Trat
F (v 4 , v 5 )
Ftab Subtr
F (v 6 , v 5 )
Ftab TS
v1
v2
v3
v4
v5
v6
FC
Yi..2
Y 2 ...
bts
i 1
S.C. Bloques
ts
Y. 2j.
FC
S.C. Tratamient os
i 1
bs
FC
Yij2.
S .C. Total
i 1 j 1
- FC
S.C. Error PG
Y. 2jk
Y..2k
S.C. Subtratami entos
k 1
FC
bt
S .C. TS
j 1k 1
s
2
Yijk
S .C. Total
FC
i 1 j 1k 1
146
Donde
Y ... Suma de todas las observaciones en el experiment o.
Yi ..
Y. j.
Yi j .
Y .. k
Y. j k
Yijk
Se rechaza H 0 si Fcal
Ftab
Ejemplo 12.1:
Haciendo uso de las hojas de clculo, elaboradas en Calc de Open Office, para
resolver diseos experimentales ms comunes, se ilustra la tcnica de diseo en
parcelas divididas con el siguiente ejemplo:
Respuesta
Para resolver el ejemplo anterior se hace uso de las hojas de clculo hechas en
Calc
de
Open
Office.
Al
abrir
el
documento
nombrado
DISEOS
148
Una vez introducidos los datos, aparece en la ltima columna del Cuadro 56, los
totales de subtratamiento, en las ltimas filas aparecen el subtotal, los totales de
bloque, las sumas del cuadrado de observaciones de bloque, los totales de
tratamiento y las interacciones entre tratamientos y subtratamientos, los cuales se
necesitan para el anlisis de varianza.
3 45 1
3 45 1
3 4 5 1 2 3 4 5 1 2 3 4 5 subtrat.
56
87
54
16
60
90
58
16
47
67
38
15
52
70
40
14
1
2
3
4
5
60 66 70
100 105 110
70 80 83
21 30 39
50
80
50
18
Subtot.
40
67
37
15
149
Ir al
anlisis
501
776
510 Regresar
184
Tot.de blo.
834
Sumas del
cuadrado
67032
de obs. de
Bloque.
Tot. de Trat. 608 661 702
Interacc.
635
502
40921
25450
54 61 69
Para este ejemplo, mediante el anlisis de varianza y con una confiabilidad del
95% se rechazan las hiptesis nulas (H0) de los bloques, los tratamientos y los
subtratamientos, debido a que Fcal Blo. = 116.82 > Ftab Blo. = 6.94, Fcal Trat. = 9.29 >
Ftab
Trat.
= 6.94 y Fcal
Subtrat.
Subtrat.
TS
150
Ftab
6.94
6.94
Regresar
3.16
2.66
CONCLUSIN
Fcal Blo. > Ftab Blo. Se rechaza H0 y hay significancia al 0.05
Fcal Trat. > Ftab Trat. Se rechaza H0 y hay significancia al 0.05
Fcal Subtrat. > Ftab Subtrat. Se rechaza H0 y hay significancia al 0.05
Fcal TS Ftab TS. No se rechaza H0 y no hay significancia al 0.05
13. CONCLUSIONES
Las hojas de clculo, de Calc de Open Office, son muy fcil de usar debido a su
enorme similitud con Excel de Microsoft, que hace que el usuario tenga una
rpida familiarizacin con esta herramienta para trabajar con hojas de clculo.
El uso de la herramienta para trabajar con hojas de clculo, Calc de Open Office,
es una alternativa ms para utilizar un software que sea gratuito y fcil de usar y
no depender tanto de algn software que no sea libre.
151
14. BIBLIOGRAFA
Castillo, L. (2003). UACH. Introduccin a la estadstica experimental. Segunda
Edicin, Chapingo, Mx.: UACH. Departamento de Parasitologa Agrcola. 277 p.
Cochran, W. y Cox, G. (1980). Diseos experimentales. Sexta reimpresin,
Editorial Trillas. 661 p.
Cramer, H. (1960). Mtodos matemticos de estadstica. Segunda Edicin,
Editorial Aguilar, Madrid, Espaa. 660 p.
Fernndez T., J. A. Tutorial de openoffice.org. Mayo de 2004.
http://mnm.uib.es/gallir/curspl2005/material/tutorial-ooo/calc.html
(29 de septiembre de 2009)
Fisher, R. (1960). The Design of experiments. Seventh Edition. Oliver and Boyd,
Edinburgh. 248 p.
Infante, S. Y Zarate,G. (1990). Mtodos estadsticos. Segunda Edicin, Editorial
trillas, Mxico. 643 p.
Martnez, A. (1983). Diseos experimentales. Colegio de Postgraduados,
Chapingo, Mx. 483 p.
Montgomery, D. (2007). Diseo y anlisis de experimentos. Segunda Edicin,
Limusa-Wiley, Mxico. 686 p.
Palma, A. y Snchez, S. (2004). Proceso de titulacin por tesis en la Divisin de
Ciencias Forestales. U.A.Ch. 91 p.
Scheff, H. (1959). Analysis of variante. John Willey & Sons, Inc. 477 p
Steel, R. y Torrie, J. (1988). Bioestadstica. Principios y procedimientos. Segunda
Edicin (primera en espaol). Editorial McGraw-Hill, Mx. 622 p.
http://es.openoffice.org/
(29 de septiembre de 2009)
Wikimedia Foundation, Inc.
http://es.wikipedia.org/wiki/openoffice.org
(29 de septiembre de 2009)
152
15. APNDICE
Tabla I. Cuantiles para la distribucin t de Student.
Tabla II. Cuantiles de la distribucin F.
0.005
63.66
9.92
5.84
4.60
4.03
3.71
3.50
3.36
3.25
3.17
3.11
3.05
3.01
2.98
2.95
2.92
2.90
2.88
2.86
2.85
2.83
2.82
2.81
2.80
2.79
2.78
2.77
2.76
2.76
2.75
2.70
2.68
2.66
2.65
2.64
2.63
2.63
0.01
31.82
6.96
4.54
3.75
3.36
3.14
3.00
2.90
2.82
2.76
2.72
2.68
2.65
2.62
2.60
2.58
2.57
2.55
2.54
2.53
2.52
2.51
2.50
2.49
2.49
2.48
2.47
2.47
2.46
2.46
2.42
2.40
2.39
2.38
2.37
2.37
2.36
Valores de
0.025
12.71
4.30
3.18
2.78
2.57
2.45
2.36
2.31
2.26
2.23
2.20
2.18
2.16
2.14
2.13
2.12
2.11
2.10
2.09
2.09
2.08
2.07
2.07
2.06
2.06
2.06
2.05
2.05
2.05
2.04
2.02
2.01
2.00
1.99
1.99
1.99
1.98
153
0.05
6.31
2.92
2.35
2.13
2.02
1.94
1.89
1.86
1.83
1.81
1.80
1.78
1.77
1.76
1.75
1.75
1.74
1.73
1.73
1.72
1.72
1.72
1.71
1.71
1.71
1.71
1.70
1.70
1.70
1.70
1.68
1.68
1.67
1.67
1.66
1.66
1.66
0.10
3.08
1.89
1.64
1.53
1.48
1.44
1.41
1.40
1.38
1.37
1.36
1.36
1.35
1.35
1.34
1.34
1.33
1.33
1.33
1.33
1.32
1.32
1.32
1.32
1.32
1.31
1.31
1.31
1.31
1.31
1.30
1.30
1.30
1.29
1.29
1.29
1.29
10
11
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
v1
1
39.86
161.45
647.79
4052.18
8.53
18.51
38.51
98.50
5.54
10.13
17.44
34.12
4.54
7.71
12.22
21.20
4.06
6.61
10.01
16.26
3.78
5.99
8.81
13.75
3.59
5.59
8.07
12.25
3.46
5.32
7.57
11.26
3.36
5.12
7.21
10.56
3.29
4.96
6.94
10.04
3.23
4.84
6.72
9.65
2
49.50
199.50
799.50
4999.50
9.00
19.00
39.00
99.00
5.46
9.55
16.04
30.82
4.32
6.94
10.65
18.00
3.78
5.79
8.43
13.27
3.46
5.14
7.26
10.92
3.26
4.74
6.54
9.55
3.11
4.46
6.06
8.65
3.01
4.26
5.71
8.02
2.92
4.10
5.46
7.56
2.86
3.98
5.26
7.21
3
53.59
215.71
864.16
5403.35
9.16
19.16
39.17
99.17
5.39
9.28
15.44
29.46
4.19
6.59
9.98
16.69
3.62
5.41
7.76
12.06
3.29
4.76
6.60
9.78
3.07
4.35
5.89
8.45
2.92
4.07
5.42
7.59
2.81
3.86
5.08
6.99
2.73
3.71
4.83
6.55
2.66
3.59
4.63
6.22
4
55.83
224.58
899.58
5624.58
9.24
19.25
39.25
99.25
5.34
9.12
15.10
28.71
4.11
6.39
9.60
15.98
3.52
5.19
7.39
11.39
3.18
4.53
6.23
9.15
2.96
4.12
5.52
7.85
2.81
3.84
5.05
7.01
2.69
3.63
4.72
6.42
2.61
3.48
4.47
5.99
2.54
3.36
4.28
5.67
5
57.24
230.16
921.85
5763.65
9.29
19.30
39.30
99.30
5.31
9.01
14.88
28.24
4.05
6.26
9.36
15.52
3.45
5.05
7.15
10.97
3.11
4.39
5.99
8.75
2.88
3.97
5.29
7.46
2.73
3.69
4.82
6.63
2.61
3.48
4.48
6.06
2.52
3.33
4.24
5.64
2.45
3.20
4.04
5.32
154
6
58.20
233.99
937.11
5858.99
9.33
19.33
39.33
99.33
5.28
8.94
14.73
27.91
4.01
6.16
9.20
15.21
3.40
4.95
6.98
10.67
3.05
4.28
5.82
8.47
2.83
3.87
5.12
7.19
2.67
3.58
4.65
6.37
2.55
3.37
4.32
5.80
2.46
3.22
4.07
5.39
2.39
3.09
3.88
5.07
7
58.91
236.77
948.22
5928.36
9.35
19.35
39.36
99.36
5.27
8.89
14.62
27.67
3.98
6.09
9.07
14.98
3.37
4.88
6.85
10.46
3.01
4.21
5.70
8.26
2.78
3.79
4.99
6.99
2.62
3.50
4.53
6.18
2.51
3.29
4.20
5.61
2.41
3.14
3.95
5.20
2.34
3.01
3.76
4.89
8
59.44
238.88
956.66
5981.07
9.37
19.37
39.37
99.37
5.25
8.85
14.54
27.49
3.95
6.04
8.98
14.80
3.34
4.82
6.76
10.29
2.98
4.15
5.60
8.10
2.75
3.73
4.90
6.84
2.59
3.44
4.43
6.03
2.47
3.23
4.10
5.47
2.38
3.07
3.85
5.06
2.30
2.95
3.66
4.74
9
59.86
240.54
963.28
6022.47
9.38
19.38
39.39
99.39
5.24
8.81
14.47
27.35
3.94
6.00
8.90
14.66
3.32
4.77
6.68
10.16
2.96
4.10
5.52
7.98
2.72
3.68
4.82
6.72
2.56
3.39
4.36
5.91
2.44
3.18
4.03
5.35
2.35
3.02
3.78
4.94
2.27
2.90
3.59
4.63
10
60.19
241.88
968.63
6055.85
9.39
19.40
39.40
99.40
5.23
8.79
14.42
27.23
3.92
5.96
8.84
14.55
3.30
4.74
6.62
10.05
2.94
4.06
5.46
7.87
2.70
3.64
4.76
6.62
2.54
3.35
4.30
5.81
2.42
3.14
3.96
5.26
2.32
2.98
3.72
4.85
2.25
2.85
3.53
4.54
12
13
14
15
16
17
18
19
20
21
22
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
v1
1
3.18
4.75
6.55
9.33
3.14
4.67
6.41
9.07
3.10
4.60
6.30
8.86
3.07
4.54
6.20
8.68
3.05
4.49
6.12
8.53
3.03
4.45
6.04
8.40
3.01
4.41
5.98
8.29
2.99
4.38
5.92
8.18
2.97
4.35
5.87
8.10
2.96
4.32
5.83
8.02
2.95
4.30
5.79
7.95
2
2.81
3.89
5.10
6.93
2.76
3.81
4.97
6.70
2.73
3.74
4.86
6.51
2.70
3.68
4.77
6.36
2.67
3.63
4.69
6.23
2.64
3.59
4.62
6.11
2.62
3.55
4.56
6.01
2.61
3.52
4.51
5.93
2.59
3.49
4.46
5.85
2.57
3.47
4.42
5.78
2.56
3.44
4.38
5.72
3
2.61
3.49
4.47
5.95
2.56
3.41
4.35
5.74
2.52
3.34
4.24
5.56
2.49
3.29
4.15
5.42
2.46
3.24
4.08
5.29
2.44
3.20
4.01
5.18
2.42
3.16
3.95
5.09
2.40
3.13
3.90
5.01
2.38
3.10
3.86
4.94
2.36
3.07
3.82
4.87
2.35
3.05
3.78
4.82
4
2.48
3.26
4.12
5.41
2.43
3.18
4.00
5.21
2.39
3.11
3.89
5.04
2.36
3.06
3.80
4.89
2.33
3.01
3.73
4.77
2.31
2.96
3.66
4.67
2.29
2.93
3.61
4.58
2.27
2.90
3.56
4.50
2.25
2.87
3.51
4.43
2.23
2.84
3.48
4.37
2.22
2.82
3.44
4.31
5
2.39
3.11
3.89
5.06
2.35
3.03
3.77
4.86
2.31
2.96
3.66
4.69
2.27
2.90
3.58
4.56
2.24
2.85
3.50
4.44
2.22
2.81
3.44
4.34
2.20
2.77
3.38
4.25
2.18
2.74
3.33
4.17
2.16
2.71
3.29
4.10
2.14
2.68
3.25
4.04
2.13
2.66
3.22
3.99
155
6
2.33
3.00
3.73
4.82
2.28
2.92
3.60
4.62
2.24
2.85
3.50
4.46
2.21
2.79
3.41
4.32
2.18
2.74
3.34
4.20
2.15
2.70
3.28
4.10
2.13
2.66
3.22
4.01
2.11
2.63
3.17
3.94
2.09
2.60
3.13
3.87
2.08
2.57
3.09
3.81
2.06
2.55
3.05
3.76
7
2.28
2.91
3.61
4.64
2.23
2.83
3.48
4.44
2.19
2.76
3.38
4.28
2.16
2.71
3.29
4.14
2.13
2.66
3.22
4.03
2.10
2.61
3.16
3.93
2.08
2.58
3.10
3.84
2.06
2.54
3.05
3.77
2.04
2.51
3.01
3.70
2.02
2.49
2.97
3.64
2.01
2.46
2.93
3.59
8
2.24
2.85
3.51
4.50
2.20
2.77
3.39
4.30
2.15
2.70
3.29
4.14
2.12
2.64
3.20
4.00
2.09
2.59
3.12
3.89
2.06
2.55
3.06
3.79
2.04
2.51
3.01
3.71
2.02
2.48
2.96
3.63
2.00
2.45
2.91
3.56
1.98
2.42
2.87
3.51
1.97
2.40
2.84
3.45
9
2.21
2.80
3.44
4.39
2.16
2.71
3.31
4.19
2.12
2.65
3.21
4.03
2.09
2.59
3.12
3.89
2.06
2.54
3.05
3.78
2.03
2.49
2.98
3.68
2.00
2.46
2.93
3.60
1.98
2.42
2.88
3.52
1.96
2.39
2.84
3.46
1.95
2.37
2.80
3.40
1.93
2.34
2.76
3.35
10
2.19
2.75
3.37
4.30
2.14
2.67
3.25
4.10
2.10
2.60
3.15
3.94
2.06
2.54
3.06
3.80
2.03
2.49
2.99
3.69
2.00
2.45
2.92
3.59
1.98
2.41
2.87
3.51
1.96
2.38
2.82
3.43
1.94
2.35
2.77
3.37
1.92
2.32
2.73
3.31
1.90
2.30
2.70
3.26
23
24
25
26
27
28
29
30
40
60
120
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
v1
1
2.94
4.28
5.75
7.88
2.93
4.26
5.72
7.82
2.92
4.24
5.69
7.77
2.91
4.23
5.66
7.72
2.90
4.21
5.63
7.68
2.89
4.20
5.61
7.64
2.89
4.18
5.59
7.60
2.88
4.17
5.57
7.56
2.84
4.08
5.42
7.31
2.79
4.00
5.29
7.08
2.75
3.92
5.15
6.85
2
2.55
3.42
4.35
5.66
2.54
3.40
4.32
5.61
2.53
3.39
4.29
5.57
2.52
3.37
4.27
5.53
2.51
3.35
4.24
5.49
2.50
3.34
4.22
5.45
2.50
3.33
4.20
5.42
2.49
3.32
4.18
5.39
2.44
3.23
4.05
5.18
2.39
3.15
3.93
4.98
2.35
3.07
3.80
4.79
3
2.34
3.03
3.75
4.76
2.33
3.01
3.72
4.72
2.32
2.99
3.69
4.68
2.31
2.98
3.67
4.64
2.30
2.96
3.65
4.60
2.29
2.95
3.63
4.57
2.28
2.93
3.61
4.54
2.28
2.92
3.59
4.51
2.23
2.84
3.46
4.31
2.18
2.76
3.34
4.13
2.13
2.68
3.23
3.95
4
2.21
2.80
3.41
4.26
2.19
2.78
3.38
4.22
2.18
2.76
3.35
4.18
2.17
2.74
3.33
4.14
2.17
2.73
3.31
4.11
2.16
2.71
3.29
4.07
2.15
2.70
3.27
4.04
2.14
2.69
3.25
4.02
2.09
2.61
3.13
3.83
2.04
2.53
3.01
3.65
1.99
2.45
2.89
3.48
5
2.11
2.64
3.18
3.94
2.10
2.62
3.15
3.90
2.09
2.60
3.13
3.85
2.08
2.59
3.10
3.82
2.07
2.57
3.08
3.78
2.06
2.56
3.06
3.75
2.06
2.55
3.04
3.73
2.05
2.53
3.03
3.70
2.00
2.45
2.90
3.51
1.95
2.37
2.79
3.34
1.90
2.29
2.67
3.17
156
6
2.05
2.53
3.02
3.71
2.04
2.51
2.99
3.67
2.02
2.49
2.97
3.63
2.01
2.47
2.94
3.59
2.00
2.46
2.92
3.56
2.00
2.45
2.90
3.53
1.99
2.43
2.88
3.50
1.98
2.42
2.87
3.47
1.93
2.34
2.74
3.29
1.87
2.25
2.63
3.12
1.82
2.18
2.52
2.96
7
1.99
2.44
2.90
3.54
1.98
2.42
2.87
3.50
1.97
2.40
2.85
3.46
1.96
2.39
2.82
3.42
1.95
2.37
2.80
3.39
1.94
2.36
2.78
3.36
1.93
2.35
2.76
3.33
1.93
2.33
2.75
3.30
1.87
2.25
2.62
3.12
1.82
2.17
2.51
2.95
1.77
2.09
2.39
2.79
8
1.95
2.37
2.81
3.41
1.94
2.36
2.78
3.36
1.93
2.34
2.75
3.32
1.92
2.32
2.73
3.29
1.91
2.31
2.71
3.26
1.90
2.29
2.69
3.23
1.89
2.28
2.67
3.20
1.88
2.27
2.65
3.17
1.83
2.18
2.53
2.99
1.77
2.10
2.41
2.82
1.72
2.02
2.30
2.66
9
1.92
2.32
2.73
3.30
1.91
2.30
2.70
3.26
1.89
2.28
2.68
3.22
1.88
2.27
2.65
3.18
1.87
2.25
2.63
3.15
1.87
2.24
2.61
3.12
1.86
2.22
2.59
3.09
1.85
2.21
2.57
3.07
1.79
2.12
2.45
2.89
1.74
2.04
2.33
2.72
1.68
1.96
2.22
2.56
10
1.89
2.27
2.67
3.21
1.88
2.25
2.64
3.17
1.87
2.24
2.61
3.13
1.86
2.22
2.59
3.09
1.85
2.20
2.57
3.06
1.84
2.19
2.55
3.03
1.83
2.18
2.53
3.00
1.82
2.16
2.51
2.98
1.76
2.08
2.39
2.80
1.71
1.99
2.27
2.63
1.65
1.91
2.16
2.47
10
11
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
11
60.47
242.98
973.03
6083.32
9.40
19.40
39.41
99.41
5.22
8.76
14.37
27.13
3.91
5.94
8.79
14.45
3.28
4.70
6.57
9.96
2.92
4.03
5.41
7.79
2.68
3.60
4.71
6.54
2.52
3.31
4.24
5.73
2.40
3.10
3.91
5.18
2.30
2.94
3.66
4.77
2.23
2.82
3.47
4.46
12
60.71
243.91
976.71
6106.32
9.41
19.41
39.41
99.42
5.22
8.74
14.34
27.05
3.90
5.91
8.75
14.37
3.27
4.68
6.52
9.89
2.90
4.00
5.37
7.72
2.67
3.57
4.67
6.47
2.50
3.28
4.20
5.67
2.38
3.07
3.87
5.11
2.28
2.91
3.62
4.71
2.21
2.79
3.43
4.40
15
61.22
245.95
984.87
6157.28
9.42
19.43
39.43
99.43
5.20
8.70
14.25
26.87
3.87
5.86
8.66
14.20
3.24
4.62
6.43
9.72
2.87
3.94
5.27
7.56
2.63
3.51
4.57
6.31
2.46
3.22
4.10
5.52
2.34
3.01
3.77
4.96
2.24
2.85
3.52
4.56
2.17
2.72
3.33
4.25
20
61.74
248.01
993.10
6208.73
9.44
19.45
39.45
99.45
5.18
8.66
14.17
26.69
3.84
5.80
8.56
14.02
3.21
4.56
6.33
9.55
2.84
3.87
5.17
7.40
2.59
3.44
4.47
6.16
2.42
3.15
4.00
5.36
2.30
2.94
3.67
4.81
2.20
2.77
3.42
4.41
2.12
2.65
3.23
4.10
157
v1
24
62.00
249.05
997.25
6234.63
9.45
19.45
39.46
99.46
5.18
8.64
14.12
26.60
3.83
5.77
8.51
13.93
3.19
4.53
6.28
9.47
2.82
3.84
5.12
7.31
2.58
3.41
4.41
6.07
2.40
3.12
3.95
5.28
2.28
2.90
3.61
4.73
2.18
2.74
3.37
4.33
2.10
2.61
3.17
4.02
30
62.26
250.10
1001.41
6260.65
9.46
19.46
39.46
99.47
5.17
8.62
14.08
26.50
3.82
5.75
8.46
13.84
3.17
4.50
6.23
9.38
2.80
3.81
5.07
7.23
2.56
3.38
4.36
5.99
2.38
3.08
3.89
5.20
2.25
2.86
3.56
4.65
2.16
2.70
3.31
4.25
2.08
2.57
3.12
3.94
40
62.53
251.14
1005.60
6286.78
9.47
19.47
39.47
99.47
5.16
8.59
14.04
26.41
3.80
5.72
8.41
13.75
3.16
4.46
6.18
9.29
2.78
3.77
5.01
7.14
2.54
3.34
4.31
5.91
2.36
3.04
3.84
5.12
2.23
2.83
3.51
4.57
2.13
2.66
3.26
4.17
2.05
2.53
3.06
3.86
60
62.79
252.20
1009.80
6313.03
9.47
19.48
39.48
99.48
5.15
8.57
13.99
26.32
3.79
5.69
8.36
13.65
3.14
4.43
6.12
9.20
2.76
3.74
4.96
7.06
2.51
3.30
4.25
5.82
2.34
3.01
3.78
5.03
2.21
2.79
3.45
4.48
2.11
2.62
3.20
4.08
2.03
2.49
3.00
3.78
120
63.06
253.25
1014.02
6339.39
9.48
19.49
39.49
99.49
5.14
8.55
13.95
26.22
3.78
5.66
8.31
13.56
3.12
4.40
6.07
9.11
2.74
3.70
4.90
6.97
2.49
3.27
4.20
5.74
2.32
2.97
3.73
4.95
2.18
2.75
3.39
4.40
2.08
2.58
3.14
4.00
2.00
2.45
2.94
3.69
12
13
14
15
16
17
18
19
20
21
22
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
11
2.17
2.72
3.32
4.22
2.12
2.63
3.20
4.02
2.07
2.57
3.09
3.86
2.04
2.51
3.01
3.73
2.01
2.46
2.93
3.62
1.98
2.41
2.87
3.52
1.95
2.37
2.81
3.43
1.93
2.34
2.76
3.36
1.91
2.31
2.72
3.29
1.90
2.28
2.68
3.24
1.88
2.26
2.65
3.18
12
2.15
2.69
3.28
4.16
2.10
2.60
3.15
3.96
2.05
2.53
3.05
3.80
2.02
2.48
2.96
3.67
1.99
2.42
2.89
3.55
1.96
2.38
2.82
3.46
1.93
2.34
2.77
3.37
1.91
2.31
2.72
3.30
1.89
2.28
2.68
3.23
1.87
2.25
2.64
3.17
1.86
2.23
2.60
3.12
15
2.10
2.62
3.18
4.01
2.05
2.53
3.05
3.82
2.01
2.46
2.95
3.66
1.97
2.40
2.86
3.52
1.94
2.35
2.79
3.41
1.91
2.31
2.72
3.31
1.89
2.27
2.67
3.23
1.86
2.23
2.62
3.15
1.84
2.20
2.57
3.09
1.83
2.18
2.53
3.03
1.81
2.15
2.50
2.98
20
2.06
2.54
3.07
3.86
2.01
2.46
2.95
3.66
1.96
2.39
2.84
3.51
1.92
2.33
2.76
3.37
1.89
2.28
2.68
3.26
1.86
2.23
2.62
3.16
1.84
2.19
2.56
3.08
1.81
2.16
2.51
3.00
1.79
2.12
2.46
2.94
1.78
2.10
2.42
2.88
1.76
2.07
2.39
2.83
158
v1
24
2.04
2.51
3.02
3.78
1.98
2.42
2.89
3.59
1.94
2.35
2.79
3.43
1.90
2.29
2.70
3.29
1.87
2.24
2.63
3.18
1.84
2.19
2.56
3.08
1.81
2.15
2.50
3.00
1.79
2.11
2.45
2.92
1.77
2.08
2.41
2.86
1.75
2.05
2.37
2.80
1.73
2.03
2.33
2.75
30
2.01
2.47
2.96
3.70
1.96
2.38
2.84
3.51
1.91
2.31
2.73
3.35
1.87
2.25
2.64
3.21
1.84
2.19
2.57
3.10
1.81
2.15
2.50
3.00
1.78
2.11
2.44
2.92
1.76
2.07
2.39
2.84
1.74
2.04
2.35
2.78
1.72
2.01
2.31
2.72
1.70
1.98
2.27
2.67
40
1.99
2.43
2.91
3.62
1.93
2.34
2.78
3.43
1.89
2.27
2.67
3.27
1.85
2.20
2.59
3.13
1.81
2.15
2.51
3.02
1.78
2.10
2.44
2.92
1.75
2.06
2.38
2.84
1.73
2.03
2.33
2.76
1.71
1.99
2.29
2.69
1.69
1.96
2.25
2.64
1.67
1.94
2.21
2.58
60
1.96
2.38
2.85
3.54
1.90
2.30
2.72
3.34
1.86
2.22
2.61
3.18
1.82
2.16
2.52
3.05
1.78
2.11
2.45
2.93
1.75
2.06
2.38
2.83
1.72
2.02
2.32
2.75
1.70
1.98
2.27
2.67
1.68
1.95
2.22
2.61
1.66
1.92
2.18
2.55
1.64
1.89
2.14
2.50
120
1.93
2.34
2.79
3.45
1.88
2.25
2.66
3.25
1.83
2.18
2.55
3.09
1.79
2.11
2.46
2.96
1.75
2.06
2.38
2.84
1.72
2.01
2.32
2.75
1.69
1.97
2.26
2.66
1.67
1.93
2.20
2.58
1.64
1.90
2.16
2.52
1.62
1.87
2.11
2.46
1.60
1.84
2.08
2.40
23
24
25
26
27
28
29
30
40
60
120
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
0.1
0.05
0.025
0.01
11
1.87
2.24
2.62
3.14
1.85
2.22
2.59
3.09
1.84
2.20
2.56
3.06
1.83
2.18
2.54
3.02
1.82
2.17
2.51
2.99
1.81
2.15
2.49
2.96
1.80
2.14
2.48
2.93
1.79
2.13
2.46
2.91
1.74
2.04
2.33
2.73
1.68
1.95
2.22
2.56
1.63
1.87
2.10
2.40
12
1.84
2.20
2.57
3.07
1.83
2.18
2.54
3.03
1.82
2.16
2.51
2.99
1.81
2.15
2.49
2.96
1.80
2.13
2.47
2.93
1.79
2.12
2.45
2.90
1.78
2.10
2.43
2.87
1.77
2.09
2.41
2.84
1.71
2.00
2.29
2.66
1.66
1.92
2.17
2.50
1.60
1.83
2.05
2.34
15
1.80
2.13
2.47
2.93
1.78
2.11
2.44
2.89
1.77
2.09
2.41
2.85
1.76
2.07
2.39
2.81
1.75
2.06
2.36
2.78
1.74
2.04
2.34
2.75
1.73
2.03
2.32
2.73
1.72
2.01
2.31
2.70
1.66
1.92
2.18
2.52
1.60
1.84
2.06
2.35
1.55
1.75
1.94
2.19
20
1.74
2.05
2.36
2.78
1.73
2.03
2.33
2.74
1.72
2.01
2.30
2.70
1.71
1.99
2.28
2.66
1.70
1.97
2.25
2.63
1.69
1.96
2.23
2.60
1.68
1.94
2.21
2.57
1.67
1.93
2.20
2.55
1.61
1.84
2.07
2.37
1.54
1.75
1.94
2.20
1.48
1.66
1.82
2.03
159
v1
24
1.72
2.01
2.30
2.70
1.70
1.98
2.27
2.66
1.69
1.96
2.24
2.62
1.68
1.95
2.22
2.58
1.67
1.93
2.19
2.55
1.66
1.91
2.17
2.52
1.65
1.90
2.15
2.49
1.64
1.89
2.14
2.47
1.57
1.79
2.01
2.29
1.51
1.70
1.88
2.12
1.45
1.61
1.76
1.95
30
1.69
1.96
2.24
2.62
1.67
1.94
2.21
2.58
1.66
1.92
2.18
2.54
1.65
1.90
2.16
2.50
1.64
1.88
2.13
2.47
1.63
1.87
2.11
2.44
1.62
1.85
2.09
2.41
1.61
1.84
2.07
2.39
1.54
1.74
1.94
2.20
1.48
1.65
1.82
2.03
1.41
1.55
1.69
1.86
40
1.66
1.91
2.18
2.54
1.64
1.89
2.15
2.49
1.63
1.87
2.12
2.45
1.61
1.85
2.09
2.42
1.60
1.84
2.07
2.38
1.59
1.82
2.05
2.35
1.58
1.81
2.03
2.33
1.57
1.79
2.01
2.30
1.51
1.69
1.88
2.11
1.44
1.59
1.74
1.94
1.37
1.50
1.61
1.76
60
1.62
1.86
2.11
2.45
1.61
1.84
2.08
2.40
1.59
1.82
2.05
2.36
1.58
1.80
2.03
2.33
1.57
1.79
2.00
2.29
1.56
1.77
1.98
2.26
1.55
1.75
1.96
2.23
1.54
1.74
1.94
2.21
1.47
1.64
1.80
2.02
1.40
1.53
1.67
1.84
1.32
1.43
1.53
1.66
120
1.59
1.81
2.04
2.35
1.57
1.79
2.01
2.31
1.56
1.77
1.98
2.27
1.54
1.75
1.95
2.23
1.53
1.73
1.93
2.20
1.52
1.71
1.91
2.17
1.51
1.70
1.89
2.14
1.50
1.68
1.87
2.11
1.42
1.58
1.72
1.92
1.35
1.47
1.58
1.73
1.26
1.35
1.43
1.53