ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES

DISEÑO COMPLETAMENTE AL AZAR 1. Se realiza una investigación cuyo objetivo es evaluar el empleo de 5

formulaciones de alimento diferente en la dieta de la trucha “arco iris”. El periodo de investigación duró 30 días y la variable a cuantificar es el incremento de peso expresado en gramos. Los resultados obtenidos son los siguientes: F1 10 8 9 11 10 8 9 12 Se pide: a) Elaborar el Cuadro de la Varianza (ANVA o ANOVA) y realizar una Prueba “F” (Fisher) a un nivel de significancia del 5%. b) Desarrollar las pruebas de Contraste específicas siguientes: b.1 Prueba de “t” (t-student) b.2 Prueba DLS (Diferencia límite de significación) a un nivel de significancia del 5% b.3 Prueba de Duncan a un nivel de significancia del 1% b.4 Prueba de Tukey a un nivel de significancia del 5% Solución:
4

FORMULACIONES F2 F3 F4 19 9 16 21 9 15 20 10 14 23 11 15 19 12 16 19 8 13 20 9 10 -

F5 24 26 23 25 24 23 22 -

Definiciones básicas: Factor a estudiar: Formulaciones (dieta) de alimento Niveles del factor: Se consideran 5 formulaciones de alimento: F1, F2, F3, F4 y F5, lo que equivale a 5 tratamientos. Número de repeticiones: Diferentes para cada tratamiento Periodo de investigación: 30 días Unidad experimental: Trucha “arco iris”, en total se tienen 36 unidades experimentales (36 individuos) Variable aleatoria a estudiar: Es la medida del efecto de las formulaciones en el alimento de la trucha “arco iris”, el cual es cuantificado por el incremento de peso expresado en gramos en las truchas. Así por ejemplo

Página 1 de 23

Profesor: Ing. Enrique Morales Cauti emorales_c@hotmail.com

ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES

tenemos que en el tratamiento uno (F1), una trucha durante el periodo de la investigación tuvo un incremento de 10 g, una segunda trucha incrementó su peso en 8 g y así sucesivamente. a) Análisis de la varianza: F1 10 8 9 11 10 8 9 12 Xi . = 77 ri = 8 µ . = 9,62 FORMULACIONES F2 F3 F4 19 9 16 21 9 15 20 10 14 23 11 15 19 12 16 19 8 13 20 9 10 141 78 89 7 8 6 20,14 9,75 14,83 F5 24 26 23 25 24 23 22 167 7 23,86 Σ Xij = 552 Σ ri = 36 Formulas :

GLTR = t - 1 SCTR = (Σ Xi .2 /ri) – [(Σ Xij)2/ GLTO = Σ ri - 1 Σ ri] SCEE = GLTO-GLTR SCTO = Σ Xij2 – [(Σ Xij)2/ Σ ri] CMTR=SCTR/GLTR ; CMEE=SCEE/GLEE

SCTR = [ ( 772/8) + ( 1412/7) + ( 782/8) + ( 892/6) + ( 1672/7) ] - ( 5522/36) = 1182,1 SCTO = [ (102 + 82 + 92 + .......................... + 242 + 232 + 222 ] - ( 5522/36) = 1 238,0 = CSFR SCEE = 1 238 – 1 182,1 = 55,9 GLTR = 5 – 1 = 4 GLTO = 36 – 1 = 35 GLEE = 35 – 4 = 31 CMTR = 1 182,1 / 4 = 295,5 CMEE = 55,9 / 31 = 1,8

Página 2 de 23

Profesor: Ing. Enrique Morales Cauti emorales_c@hotmail.com

8 Fc = TO 35 164. Enrique Morales Cauti emorales_c@hotmail. 2. i = 1. 4.FT ] α = 0. 2.5 / 1. 0 4 295.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES FV ANOVA (ANVA) SC GL CM 1 18 2.05 FT = GLTR=4 → 2. 2 Prueba de Fisher: Es una prueba de significación que permite evaluar si existe o no existe diferencia entre los tratamientos del factor.9 1 23 8. 3. 5 ) H1 = λ i ≠ 0 (al menos uno de los tratamientos tiene un efecto diferente a los demás. 1 55. i = 1.2 Determinación de la región de aceptación: RA/Ho = [ 0.95 FT α = 0.8 = 164.68 GLEE =31↓ = 1-α = 0.5 FR EE 31 1.05 RA / Ho RR / Ho Tabla de decisión: Página 3 de 23 Profesor: Ing.com . se puede realizar a niveles de significación del 1% y 5% Formulación de las hipótesis: Ho = λ i = 0 (El efecto del factor es nulo. 5) Nivel de significación α = 5% = 0.05 Determinación del indicador: Fc = CMTR / CMEE Fc = 295. 3. 4.

etc. por lo tanto la prueba es significativa Conclusión: A un nivel de significación del 5% se afirma que existen diferencias significativas entre los efectos de las formulaciones de alimento en el incremento del peso de la trucha “arco iris”.68 ⇒ Se rechaza Ho. Si existieran mas de dos tratamientos. Como la prueba de “F” ha dado resultados significativos. pues al menos una de las formulaciones tiene un efecto diferente a las demás.2 > FT = 2.1 Prueba de “t” (t-student) Esta prueba se realiza solamente cuando la prueba de “F” ha dado resultados significativos (una prueba es significativa cuando existen diferencias entre los efectos de los tratamientos sobre la unidad experimental. b) Desarrollando las pruebas de Contraste específicas siguientes: b. Determinación del número de comparaciones: C(t. estas pruebas son: “t – student”.05 ⇒ La prueba es significativa (*) Si se rechaza Ho a un α = 0. se continua desarrollando más pruebas de contraste específicas y que requieren una previa prueba de “F”. “Scheffe”.01 ⇒ La prueba es altamente significativa (**) Si se acepta Ho ⇒ La prueba es No significativa (ns) Como Fc = 164. Es recomendable su empleo cuando el diseño tiene dos tratamientos.com .ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Si Fc > FT ⇒ Se RECHAZA Ho Si Fc ≤ FT ⇒ Se ACEPTA Ho Si se rechaza Ho a un α = 0.2) = C2t = t ! / [(t-2 )! x 2!] C(5. es decir se rechaza Ho). Enrique Morales Cauti emorales_c@hotmail. el nivel de significación a se incrementa perdiendo de esta manera el nivel de confianza requerido.2) = C25 = 5 ! / [(5-2 )! x 2!] = 10 combinaciones: Ordenando los tratamientos (formulaciones) de mayor a menor respecto a sus medias poblacionales: Página 4 de 23 Profesor: Ing. “DLS”.

4. m = 1.025 2. m = 1.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES µ F5 > µ F2 > µ F4 > µ F3 > µ F1 Estableciendo las comparaciones de dos a dos: F5 vs F2 F5 vs F4 F5 vs F3 F5 vs F1 F2 vs F4 Formulación de las hipótesis: Ho = µ H1 = µ k F2 vs F3 F2 vs F1 F4 vs F3 F4 vs F1 F3 vs F1 = µ ≠ µ m (la media poblacional de los tratamientos producen el (la media poblacional de los tratamientos tienen efectos mismo efecto. k.025 GLEE = ± 2.95 -tT RR / Ho RA / Ho α /2 = 0.04 α /2 = 0. 3.µ m ) / .com .04 tT GLEE 30 31 35 31-30 35-30 X = 2.042 +t T X 2. 2. k. 5) Nivel de significación α = 5% = 0.025 1-α = 0.030 RR / Ho X-2.042 2. 2. 3.+tT ] tT = = 31 α /2 = 0.042 = Página 5 de 23 Profesor: Ing. 4.05 Determinación del estadístico de contraste: Sd Sd = [ (CMEE / rk) + (CMEE / rm) ]1/2 (µ sd kym k t c = (µ k .µ m) : Promedio de los dos tratamientos que se comparan : Desviación estándar de los coeficientes : Tratamientos comparados Determinación de la región de aceptación: RA/Ho = [ -tT. Enrique Morales Cauti emorales_c@hotmail. 5) k m diferentes.030-2.

31 4 3 20.5 9.8 = 9.04 2.75 4 9 20.21 3 = 9.62 5.9 6 15.62 4 2 14.5 1 7. sin embargo por tratarse de una prueba múltiple de t .67 tc 5.19 ↓ tT 2.03 6 3 23.1 = 3.8 = 14.04 2.75 0.+tT ] Si tc ≤ t T ⇒ Se ACEPTA Ho tabla en función a tc > t múltiple de t .75 6 1 23.3 2 20. Página 6 de 23 Profesor: Ing.04 DECISION Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se ACEPTA Ho * * * * * * * * * ns F5 – F2 F5 – F4 F5 – F3 F5 – F1 F2 – F4 F2 – F3 F2 – F1 F4 – F3 F4 – F1 F3 – F1 > > > > > > > > > < Conclusión: Las conclusiones se hacen por separado para cada comparación.72 6 4 23.69 0.04 2.1 = 10.04 2.Student: |µ µ k m ⇒ tc ∈ RA/Ho [ -tT.75 0.8 .1 5 7.+tT ] Como los valores tc son siempre positivos podemos decidir en la siguiente T o tc ≤ t T para lo cual consideramos una prueba | DIFERENCIA DE MEDIAS (+) 23.75 9.19 0.8 = 9.com .69 0.8 20.04 2.11 14.75 5.8 = 9.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Tabla de decisión: Si tc > t T ⇒ Se RECHAZA Ho ⇒ tc ∉ RA/Ho [ -tT.72 0.3 9.1 .8 = 14.04 2.62 0.04 2.04 2.8 = 5.19 12.08 3 14.01 7.04 2.62 6 4 20. Enrique Morales Cauti emorales_c@hotmail.1 9.14.1 0 20.72 0.2 9.14.13 Sd 0.69 0.69 0. se pueden agrupar las comparaciones de resultados homogéneos para dar una conclusión general para un grupo determinado de comparaciones.1 = 10.student a nivel de significación del 5% y al obtener resultados similares entre las comparaciones.72 0.

F4 produce un mejor efecto sobre F3 y F1. por ejemplo: F5 vs F2. ésta prueba al igual que la prueba de “t” requiere una previa prueba de “F” y se realiza solamente cuando la prueba de “F” ha dado resultados significativos.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES En los grupos de comparaciones con resultados homogéneos.2 Prueba DLS (Diferencia Límite de Significación) Es una prueba significativa de “t” en la cual con un solo valor DLS se realizan todas las comparaciones a nivel de promedios.2) = C25 = 5 ! / [(5-2 )! x 2!] = 10 combinaciones: Ordenando los tratamientos (formulaciones) de mayor a menor respecto a sus medias poblacionales: Página 7 de 23 Profesor: Ing. por lo que la prueba “t” para esta comparación F3 vs F1 (ns) ha dado resultados no significativos. Determinación del número de comparaciones: El número y ordenamiento de comparaciones se calcula de igual manera que en la prueba de “t” C(5.com . Enrique Morales Cauti emorales_c@hotmail. no observándose diferencias significativas entre estas formulaciones sobre el alimento. tiene un mayor efecto la F5 por tener un mayor promedio. observándose un mayor efecto positivo en las formulaciones ubicadas en el primer término para cada par comparado. pero un efecto menor en comparación a F2 y F5. aquellas formulaciones que alcancen un mayor promedio de incremento de peso (g) La prueba tiene evidencia estadística para afirmar que el promedio alcanzado por las comparaciones de las formulaciones de alimento: F5 vs F2 (*) F5 vs F4 (*) F5 vs F3 (*) F5 vs F1 (*) F2 vs F4 (*) F2 vs F3 (*) F2 vs F1 (*) F4 vs F3 (*) F4 vs F1 (*) Producen un efecto diferente sobre el incremento del peso de la trucha “arco iris”. tendrán un mayor efecto sobre la unidad experimental. La prueba tiene evidencia estadística para afirmar que el efecto producido por las formulaciones F3 y F1 es el mismo sobre el incremento de peso de la truca “arco iris”. b. es decir cuando existen diferencias significativas entre los tratamientos en comparación ósea se rechaza Ho.

+tT ] [ α/2 = 0. (Sd) Sd = [ (CMEE / rk) + (CMEE / rm) ]1/2 Determinación de la región de aceptación: tT = ± 2. k. 3. Enrique Morales Cauti emorales_c@hotmail.com . 4.05 Determinación del valor: DLS = tT . 4.04 RA/Ho = [ -tT . k. 2. 5) Nivel de significación α = 5% = 0. m = 1.025. 2. GLEE = 31 ] = Tabla de decisión: Si | µ Si | µ Como los valores | µ prueba múltiple DLS: k k k -µ -µ . 5) k m diferentes.µ m m m | > DLS ⇒ Se RECHAZA Ho | ≤ DLS ⇒ Se ACEPTA Ho | son siempre positivos podemos decidir en la siguiente tabla en función al valor DLS para lo cual consideramos una Página 8 de 23 Profesor: Ing.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES µ F5 > µ F2 > µ F4 > µ F3 > µ F1 Formulación de las hipótesis: Ho = µ H1 = µ k = µ ≠ µ m (la media poblacional de los tratamientos producen el (la media poblacional de los tratamientos tienen efectos mismo efecto. 3. m = 1.

2 9.72 ) ) (2. Enrique Morales Cauti emorales_c@hotmail.04 (0.13 < Conclusión: Las conclusiones se hacen por separado para cada comparación.08 9.1 4 20. tiene un mayor efecto la F5 por tener un mayor promedio.62 4 .14. por ejemplo: F5 vs F2.67 ) ) = DLS DECISION Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se ACEPTA Ho * * * * * * * * * ns F5 – F2 F5 – F4 F5 – F3 F5 – F1 F2 – F4 F2 – F3 F2 – F1 F4 – F3 F4 – F1 F3 – F1 > > > > > > > > = 1.8 6 23.8 6 23.75 9 =10.21 > 0.72 4 .8 6 23.62 2 = 9.75 ) ) (2.3 9.69 ) ) (2.72 ) ) (2.03 3 =14.14.8 = 5.53 = 1.8 6 20.62 9.04 (0.75 1 =14.42 = 1. observándose un mayor efecto positivo en las formulaciones ubicadas en el primer término para cada par comparado.8 MEDIAS 20.47 = 1.1 4 14. F4 Página 9 de 23 Profesor: Ing.42 = 1.04 (0.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES |µ µ k m | DIFERENCIA DE 23.1 4 20.04 (0.69 ) ) (2.47 = 1.69 ) ) (2.8 3 9.31 3 =10.1 =3.42 = 1.53 = 1.75 5.8 = 9.04 (0.04 (0.62 = = ↓ tT .1 9.37 3 14. sin embargo por tratarse de una prueba múltiple DLS a nivel de significación del 5% se puede concluir en forma general agrupando resultados homogéneos entre las comparaciones: La prueba tiene evidencia estadística para afirmar que el promedio alcanzado por las comparaciones de las formulaciones de alimento: F5 vs F2 (*) F5 vs F4 (*) F5 vs F3 (*) F5 vs F1 (*) F2 vs F4 (*) F2 vs F3 (*) F2 vs F1 (*) F4 vs F3 (*) F4 vs F1 (*) Producen un efecto diferente sobre el incremento del peso de la trucha “arco iris”.47 = 1.72 ) ) (2.04 (0.69 ) ) (2.75 - 5.5 9.75 ) ) (2.com .42 = 1.04 (0. Sd (2.04 (0.04 (0.

com . La prueba tiene evidencia estadística para afirmar que las formulaciones F3 y F1 producen el mismo efecto sobre el incremento de peso de la truca “arco iris”. 2. 3.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES produce un mejor efecto sobre F3 y F1. Por lo general se realiza a 2 niveles de significación: α = 1% y 5%.01 AESD = GLEE Página 10 de 23 Profesor: Ing. en este caso. pero un efecto menor en comparación a F2 y F5. Esta prueba no requiere una previa prueba de “F”. 2. siendo más confiable.01 Determinación del valor: ALSD = AESD . 3. k. en este caso F3 vs F1 (ns) b.3 Prueba de Duncan Se emplea para diseños que tengan mas de dos tratamientos. 5) k m diferentes. k. Determinación del número de comparaciones: El número y ordenamiento de comparaciones se calcula de igual manera que en la prueba de “t” C(5. 4. (Sµ ) Sµ = (CMEE)1/2* { ½ * [(1/ rk)+ (1/ rm)] }1/2 = [ CMEE (rm+ rk) / (2 rK * rm) ] Sµ 1/2 * = Desviación estándar de los promedios AESD = Amplitud estudiantizada significativa de Duncan (valor de tabla) ALSD = Amplitud Límite Significativo de Duncan α = Determinación de la región de aceptación: 0. Enrique Morales Cauti = 31 emorales_c@hotmail. 4.2) = C25 = 5 ! / [(5-2 )! x 2!] = 10 combinaciones: Ordenando los tratamientos (formulaciones) de mayor a menor respecto a sus medias poblacionales: µ F5 > µ F2 > µ F4 > µ F3 > µ F1 Formulación de las hipótesis: Ho = µ H1 = µ k = µ ≠ µ m (la media poblacional de los tratamientos producen el (la media poblacional de los tratamientos tienen efectos mismo efecto. m = 1. que las pruebas “t” y DLS. 5) Nivel de significación α = 1% = 0. m = 1.

14 F4 14. para el presente ejercicio tenemos 5 formulaciones ósea 5 tratamientos.21 Se ordenan los promedios de los tratamientos en forma decreciente y se comienza a comparar el promedio mas alto con el segundo mas alto y así sucesivamente. a estos valores les corresponderá sus respectivos AES D (según tabla de Duncan): P AESD 2 3. Enrique Morales Cauti emorales_c@hotmail.04 4 4.75 F1 9. luego se siguen comparando en forma ordenada sucesivamente hasta terminar con las C(t. 5.86 20.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES El valor de “P” siempre parte del valor 2 hasta “n” tratamientos.79 3 4. por lo tanto P = 2. de la siguiente manera: TR: µ : F5 F2 23. etc. 3.µ m m m | > ALSD ⇒ Se RECHAZA Ho | ≤ ALSD ⇒ Se ACEPTA Ho | son siempre positivos podemos decidir en la siguiente tabla en función al valor ALSD para lo cual consideramos una prueba múltiple de Duncan: Página 11 de 23 Profesor: Ing. en la comparación F2 vs F1 existen 4 lugares correspondiendo al el valor P = 4.83 F3 9.15 5 4. 4.2) comparaciones. la diferencia en los pares de tratamientos se compara con el valor ALSD que corresponde al valor de “P” del número de lugares que hay entre los tratamientos que se comparan incluyendo a ellos (extremos). Por ejemplo en la comparación F5 vs F4 existen 3 lugares correspondiendo el valor P = 4.com .04.15. Tabla de decisión: Si | µ Si | µ Como los valores | µ k k k -µ -µ .62 Una vez ordenados de mayor a menor.

03 3 =14.62 = = ↓ AESD .04 = 2.13 = 2.94 = 2.49 ) ) (3.75 1 =14. ósea se hacen por separado para cada comparación. Sµ (3.98 = 2. F4 vs F1 (*).1 9.51 ) ) (4.14.75 5.53 ) ) (4.1 4 20.79 (0.2 9.49 ) ) (3. F5 vs F1(*).com .51 ) ) (4.31 3 =10.79 (0.3 9.49 ) ) (4.53 ) ) (4.07 = 2.8 6 23.8 = 5.8 3 9.8 6 23. - La prueba tiene evidencia estadística para afirmar que las formulaciones F3 y F1 producen el mismo efecto sobre el incremento de peso de la truca “arco iris”. F5 vs F4(*). producen un efecto diferente sobre el incremento del peso de la trucha “arco iris”.04 = 1.00 = 1.21 > 0.1 4 20. F4 vs F3 (*).04 (0. en este caso F3 vs F1 (ns) b. Enrique Morales Cauti emorales_c@hotmail.79 3 14.51 ) ) (3.75 - 5. F2 vs F3(*).8 MEDIAS 20.1 4 14.8 6 23. F5 vs F3(*).08 9.21 (0.8 = 9.14. sin embargo por tratarse de una prueba múltiple de Duncan (α = 1%) concluimos que: - El promedio alcanzado por las comparaciones de las formulaciones de alimento: F5 vs F2(*).62 4 .07 = 1.62 2 = 9.49 ) ) (4.15 (0.47 ) ) = ALS D DECISION Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se ACEPTA Ho * * * * * * * * * ns F5 – F2 F5 – F4 F5 – F3 F5 – F1 F2 – F4 F2 – F3 F2 – F1 F4 – F3 F4 – F1 F3 – F1 > > > > > > > > = 1.1 =3. F2 vs F1(*).04 (0.4 Prueba de Tukey Página 12 de 23 Profesor: Ing.79 (0.8 6 20. F2 vs F4(*).79 (0.75 9 =10.62 9.15 (0.92 = 2.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES |µ µ k m | DIFERENCIA DE 23.5 9.13 < Conclusión: Las conclusiones son similares a la prueba anterior.04 (0.72 4 .

pues considera a todos los tratamientos como una sola unidad experimental. Es recomendable emplear en las investigaciones de poco riesgo y tiene la ventaja que a medida que se incrementa el número de tratamientos. k. 3.04 40 Página 13 de 23 X .09 X 31 P = 5 4. 2.30 X = 4. Enrique Morales Cauti emorales_c@hotmail. Esta prueba no requiere una previa prueba de “F”. m = 1.10 = 31 .10 4.05 Determinación del valor: ALST = AEST . m = 1. = Amplitud Límite Significativo de Tukey Student-Newman-Keul) T GLEE AES T = 0. 4. Determinación del número de comparaciones: El número y ordenamiento de comparaciones se calcula de igual manera que en la prueba de “t” C(5.2) = C25 = 5 ! / [(5-2 )! x 2!] = 10 combinaciones: Ordenando los tratamientos (formulaciones) de mayor a menor respecto a sus medias poblacionales: µ F5 > µ F2 > µ F4 > µ F3 > µ F1 Formulación de las hipótesis: Ho = µ H1 = µ k = µ ≠ µ m (la media poblacional de los tratamientos producen el (la media poblacional de los tratamientos tienen efectos mismo efecto.094 Profesor: Ing. 4. el nivel de significación α permanece constante.04 – 4. k. 2.05 Determinación de la región de aceptación: α 4.10 30 AES T = GLEE = 31 = 4.30 40 . 5) Nivel de significación α = 5% = 0.com .ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Esta prueba se caracteriza por su alto grado de discriminación en los contrastes. (Sµ ) Sµ = (CMEE)1/2* { ½ * [(1/ rk)+ (1/ rm)] }1/2 = [ CMEE (rm+ rk) / (2 rK * rm) ] 1/2 Sµ AES ALS T * = Desviación estándar de los promedios = Amplitud estudiantizada significativa de Tukey (valor de tabla. 3. 5) k m diferentes.4.

a diferencia de la prueba de Duncan.com . por lo que P = 5 tratamientos.75 F1 9.83 F3 9.µ m m m | > ALS | ≤ ALS T T ⇒ Se RECHAZA Ho ⇒ Se ACEPTA Ho | son siempre positivos podemos decidir en la siguiente tabla en función al valor ALST para lo cual consideramos una prueba múltiple de Tukey: Página 14 de 23 Profesor: Ing. Enrique Morales Cauti emorales_c@hotmail. solo corresponde al número de tratamientos que tiene el diseño.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Interpolando: El valor de “P”. en este caso formulaciones. de la siguiente manera: TR: µ : Tabla de decisión: Si | µ Si | µ Como los valores | µ k k k existen 5 F5 F2 23.86 20.62 -µ -µ .14 F4 14. Se ordenan los promedios de los tratamientos en forma decreciente y se comienza a comparar el promedio mas alto con el segundo mas alto y así sucesivamente.

8 MEDIAS 20.1 4 20.62 9. Página 15 de 23 Profesor: Ing.51 ) ) (4.3 9.8 6 23. y ello por tener un mayor promedio.00 = 2.09 (0.53 ) ) (4.31 3 =10.8 3 9. sin embargo por tratarse de una prueba múltiple de Tukey a un nivel de significancia α = 5%. F5 vs F4(*). Enrique Morales Cauti emorales_c@hotmail.1 4 14.08 = 1.75 5. F5 vs F3(*).47 ) ) = ALS T DECISION Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se RECHAZA Ho Se ACEPTA Ho * * * * * * * * * ns F5 – F2 F5 – F4 F5 – F3 F5 – F1 F2 – F4 F2 – F3 F2 – F1 F4 – F3 F4 – F1 F3 – F1 > > > > > > > > = 2.com .8 6 23.5 9. F2 vs F1(*).13 < Conclusión: Las conclusiones son similares a las obtenidas en la prueba de Duncan. F5 vs F1(*).09 (0.09 (0.51 ) ) (4.17 = 2.49 ) ) (4.62 2 = 9.75 9 =10. podemos concluir que: El promedio alcanzado por las comparaciones de las formulaciones de alimento: F5 vs F2(*).62 = = ↓ AEST .09 (0. F2 vs F3(*).8 = 5.2 9.62 4 . F4 vs F1 (*).17 = 2.09 (0. es decir se hacen por separado para cada comparación.03 3 =14.1 9.49 ) ) (4.09 (0.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES |µ µ k m | DIFERENCIA DE 23.49 ) ) (4. producen un efecto diferente sobre el incremento del peso de la trucha “arco iris”. F4 vs F3 (*).09 (0. aquellas formulaciones ubicadas en primer orden en cada comparación.09 (0.21 > 0.8 = 9.00 = 2.75 1 =14. produciendo un mayor efecto sobre el alimento y por lo tanto mejor rendimiento en el peso.53 ) ) (4.49 ) ) (4.08 = 2.09 (0.51 ) ) (4.8 6 20.08 9.09 (0.14.75 - 5.72 4 . Sµ (4.92 3 14.14.08 = 2.00 = 2.1 =3. F2 vs F4(*).8 6 23.00 = 2.1 4 20.

y los otros dos restantes han sido elaborados en base a harina de soya: A3. b) Evaluar Estadísticamente a través de una prueba de Contraste que se ajuste a esta investigación: Solución: Factor a estudiar: Formulaciones (dieta) de alimento Niveles del factor: 4 formulaciones de alimento: A1.com . Estas formulaciones se han empleado en la alimentación de 29 pejerreyes especialmente seleccionados y luego de 45 días de empleo se han obtenido incrementos de peso expresado en gramos que se presentan en la siguiente tabla: A1 10 8 9 11 10 8 9 12 Se pide: a) Hacer el Análisis de la Varianza (ANVA) y realizar una Prueba “F” a un nivel de significancia del 1%. Un Ingeniero Acuicultor experto en Nutrición de Pejerrey de río. A2. A2. A3. Unidad experimental: Pejerrey. y A4 (4 tratamientos). Enrique Morales Cauti emorales_c@hotmail. A4. en este caso F3 vs F1 (ns) 2. realizó un ensayo por el cual se Formularon 4 tipos de alimento. dos de ellos están elaborados en base a harina de pescado: A1. en total se tienen 29 unidades experimentales (29 individuos) Variable cuantificada: Incremento de peso expresado en gramos a) Análisis de la varianza: A1 10 8 9 Página 16 de 23 A2 19 21 20 23 19 19 20 - A3 9 9 10 11 12 8 9 10 A4 16 15 14 15 16 13 - A2 19 21 20 A3 9 9 10 A4 16 15 14 Profesor: Ing.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES - La prueba tiene evidencia estadística para afirmar que las formulaciones F3 y F1 producen el mismo efecto sobre el incremento de peso de la truca “arco iris”.

i = 1..7 3 183.08 Profesor: Ing...1 GLTR = 4 – 1 = 3 GLTO = 29 – 1 = 28 GLEE = 28 – 3 = 25 CMTR = 550.. 3.1 25 1.62 SCTR = [ ( 772/8) + ( 1412/7) + ( 782/8) + ( 892/6) ] .6 45..8 SCEE = 595.8 Fc = 595.01 FT = GLTR = 3 → GLEE = 25↓ Página 17 de 23 RA / Ho = [ 0.1 / 25 = 1.com ...14 9. 4 ) H1 = λ i ≠ 0 (al menos uno de los tratamientos tiene un efecto diferente a los demás..( 3852/29) = 550.7 / 3 = 183.6 CMEE = 45....8 FV TRA EE TO Prueba de Fisher: Formulación de las hipótesis: Ho = λ i = 0 (El efecto del factor es nulo..6 / 1... 2. = Fc = 183. + 152 + 162 + 132 ] .ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES 11 10 8 9 12 Xi .8 28 102 µ .( 3852/29) = 595... i = 1. 4 ) Nivel de significación α = 1% = 0..FT ] = 4... 2.8 – 550.. Enrique Morales Cauti emorales_c@hotmail.75 14. = 77 ri = 8 23 19 19 20 141 7 11 12 8 9 10 78 8 15 16 13 89 6 Σ Xij = 385 Σ ri = 29 20.8 = 102 Determinación de la región de aceptación: α = 0.83 9.. 3.7 = 45.01 Determinación del indicador: Fc = CMTRA / CMEE ANOVA (ANVA) SC GL CM 550.7 SCTO = [ (102 + 82 + 92 + .....

los cuales deben tener características similares y a la vez el objetivo de la investigación debe esta orientado a la avaluación de estos grupos.com . Determinación de grupos: G1 = A1.05 ⇒ La prueba es significativa (*) Como Fc = 102 > FT = 4. A4 (harina de soya) Formulación de las hipótesis: Ho = µ efecto) H1 = µ G1 G1 = µ G2 (la media poblacional de los grupos producen el mismo (la media poblacional de los grupos tienen efectos ≠ µ G2 diferentes) Nivel de significación α = 1% = 0. por lo tanto procede la Prueba de Scheffe. pues al menos una de las formulaciones tiene un efecto diferente a las demás. Enrique Morales Cauti emorales_c@hotmail.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Tabla de decisión: Si Fc > FT ⇒ Se RECHAZA Ho Si Fc ≤ FT ⇒ Se ACEPTA Ho Si se rechaza Ho a un α = 0. A2 (harina de pescado) G2 = A3. b) Prueba de Scheffe: Es una prueba específica para comparar grupos de tratamientos. Esta prueba requiere una previa prueba de “F” y se realiza solo cuando la prueba de “F” da resultados significativos (cuando se ha rechazado la hipótesis nula Ho).08 ⇒ Se rechaza Ho.01 Determinación del valor: ALS (Sc) = [ FT ( t –1 ) * S * Σ (Ci 2 / ri ) ]1/2 S : Desviación estándar de los coeficientes  S = [ CMEE ]1/2 Página 18 de 23 Profesor: Ing. por lo tanto la prueba es altamente significativa (**) Conclusión: A un nivel de significación del 1% se afirma que existen diferencias significativas entre los efectos de las formulaciones de alimento en el incremento del peso del “pejerrey”.

83) → Cx = Nota: El resultado de este producto siempre debe ser considerado positivo porque: El resultado ALS(Sc) es positivo.143) + (-1)(14. µ i Cx = Σ Ci. Determinando los coeficientes (Ci ): G1 : A1  C1 A2  C2 G2 : A3  -C3 A4  -C4 (+) C1 : +1 (+) C2 : +1 (-) (-) C3 : -1 C4 : -1 Σ = 0 (la sumatoria de los coeficientes debe dar cero) ALS (Sc) = { 4.59 Cx = (+1)(9.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Ci : Coeficientes t : Tratamientos FT : Valor determinado en la tabla de Fisher.68 ( 4 –1 ) * (1.8)1/2 * Σ [ ((+1)2/ 8) + ((+1)2/ 8) + ((-1)2/ 7) + ((-1)2/ 6) ] } ½ ALS(Sc) = 3.246 ⇒ Se rechaza Ho Conclusión: A un nivel de significación del 1% la prueba tiene evidencia estadística que nos permita afirmar que el promedio alcanzado por el G1 es diferente al promedio alcanzado por el G2. cambia el signo final.59 > ALS(Sc) = 3.625) + (+1)(9. El ordenamiento de los signos. entonces la comparación esa siempre positiva.µ i : Promedio de los tratamientos -15.com . Tabla de decisión: Si Cx > ALS(Sc) ⇒ Se RECHAZA Ho Si Cx ≤ ALS(Sc) ⇒ Se ACEPTA Ho Como Cx = -15.246 Determinación del indicador: Donde. Enrique Morales Cauti emorales_c@hotmail.75) + (-1)(20. Página 19 de 23 Profesor: Ing.

Unidad experimental: Producto comercializado. X2 y X3. Variable cuantificada: Valoración del sabor en la escala 0 . Enrique Morales Cauti emorales_c@hotmail.42 Profesor: Ing. X2 y X3 y al bajo costo en la cual se encuentran. en total se tienen 29 unidades experimentales. la empresa realiza una investigación de tal manera que le permita conocer los resultados respecto a sus productos que se vienen comercializando.20 a) Análisis de la varianza: X1 10 8 9 Página 20 de 23 los insumos en la manufactura de un X2 19 21 20 A 9 9 10 X3 16 14 15 FV TR EE ANOVA (ANVA) SC GL 510.16 1.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES 3. X2 19 21 20 20 19 19 20 10 A 9 9 10 11 12 8 9 X3 16 14 15 16 15 13 - b) Desarrollar una prueba de Contraste que se ajuste a esta investigación (α =5%) Solución: Factor a estudiar: Influencia de producto específico. comparado respecto a los insumos: X1. Una empresa para manufacturar sus productos utiliza el insuma A frente a la oferta de otro tipo de insumos: X1. Niveles del factor: 4 tratamientos: insumo patrón A.6 3 25 CM 170. A continuación se presenta un cuadro de resultados en la cual la variable aleatoria cuantificada representa una valoración del sabor en escala de 0 a 20: X1 10 8 9 11 10 8 9 12 Se pide: a) Hacer el Análisis de la Varianza (ANVA).5 35.com .

75 16 15 13 89 6 14.83 Σ Xij = 432 Σ ri = 30 TO 546. A vs. Comparaciones de tratamientos: A vs. Enrique Morales Cauti emorales_c@hotmail. Determinación de tratamientos: Tratamiento control : A Tratamiento experimental: X1. Esta prueba es independiente de la prueba de Fisher por lo que no requiere una previa prueba de “F”. X2 y X3.1 28 µ . comparándose los demás tratamientos en experimentación respecto al control o patrón. X1. X2 y X3) A X1 X2 X3 (el insumo A produce un efecto diferente respecto a los insumos X1. X3 Formulación de las hipótesis: Ho : µ H1 : µ A =µ ≠ µ X1 =µ ≠ µ X2 =µ ≠ µ X3 (el insumo A produce el mismo efecto respecto a los insumos X1.05 Determinación del valor: ALS(Dt) = TD . X2.com . (Sd) Sd = [ (CMEE / rc) + (CMEE / rk) ]1/2 Página 21 de 23 Profesor: Ing.63 b) Prueba de Dunett: Esta prueba específica se usa solo cuando en una investigación existe un tratamiento patrón o control. = 77 ri = 8 20 19 19 20 10 188 8 19. A vs. X2 y X3) Nivel de significación α = 5% = 0.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES 11 10 8 9 12 Xi . = 9.71 11 12 8 9 78 8 9.

51 X 2.75 3| 8 ) ) ↓ TD .0 (2.µ K | son siempre positivos podemos decidir en la siguiente tabla en función al valor ALS(Dt) para lo cual consideramos una prueba múltiple de Dunett: |µ µ C K | DIFERENCIA DE A – X1 A – X2 A – X3 MEDIAS t) | 9.50 9. GLEE.05 GLEE = 25 P = 3 sin considerar el control) ALS(Dt) Determinación de la región de aceptación: TD = = 2.50 Interpolando: T D GLEE 24 25 30 25 – 24 = 30 – 24 X = 2.50 9.60 > = 1.47 X – 2. Enrique Morales Cauti emorales_c@hotmail.14. rc (número de repeticiones del testigo o control). rk (número de repeticiones del nuevo tratamiento) T D = Valor de tabla de Dunett (α .4 (2.19.75 3| 2 ) ) | .50 (0. Sd = ALS(D DECISION Se ACEPTA Ho Se RECHAZA Ho Se RECHAZA Ho n s * * Página 22 de 23 Profesor: Ing.com .ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Sd = Desviación estándar de las diferencias Sd.60 = < = 1.8 = 5.75 1| 6 ) ) | . entonces: Dc = | µ Tabla de decisión: Si Dc > ALS(Dt) ⇒ Se RECHAZA Ho Si Dc ≤ ALS(Dt) ⇒ Se ACEPTA Ho Como los valores | µ C C -µ K | .50 2.60 9.6 0.50 (0.7 = 9. P: número de tratamientos = Amplitud Límite Significativo de Dunett α = 0.47 – 2.51 Determinación de las diferencias entre el control y los tratamientos a comparar (Dc): Se hallan (t -1) diferencias.51 2.1 (2.50 (0. donde t: Número de tratamientos.64 > = 1.

se concluye que el insumo A produce el mismo efecto respecto al insumo X1. Página 23 de 23 Profesor: Ing.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Conclusión: A un nivel de significancia α = 5%. Enrique Morales Cauti emorales_c@hotmail.com .

Sign up to vote on this title
UsefulNot useful