P. 1
DISEÑO COMPLETAMENTE AL AZAR-Pruebas de Contraste

DISEÑO COMPLETAMENTE AL AZAR-Pruebas de Contraste

|Views: 2.263|Likes:
Publicado porlucasergio

More info:

Published by: lucasergio on May 21, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

10/21/2015

pdf

text

original

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

i = 1.5 FR EE 31 1. 2.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES FV ANOVA (ANVA) SC GL CM 1 18 2. 4.05 RA / Ho RR / Ho Tabla de decisión: Página 3 de 23 Profesor: Ing. 3. 1 55.2 Determinación de la región de aceptación: RA/Ho = [ 0.8 Fc = TO 35 164. 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. i = 1. Enrique Morales Cauti emorales_c@hotmail. 5) Nivel de significación α = 5% = 0.95 FT α = 0. 3. 0 4 295. 5 ) H1 = λ i ≠ 0 (al menos uno de los tratamientos tiene un efecto diferente a los demás.FT ] α = 0.com . 2. 2 Prueba de Fisher: Es una prueba de significación que permite evaluar si existe o no existe diferencia entre los tratamientos del factor.8 = 164. 4.68 GLEE =31↓ = 1-α = 0.05 FT = GLTR=4 → 2.9 1 23 8.05 Determinación del indicador: Fc = CMTR / CMEE Fc = 295.5 / 1.

estas pruebas son: “t – student”. b) Desarrollando las pruebas de Contraste específicas siguientes: b. “Scheffe”. el nivel de significación a se incrementa perdiendo de esta manera el nivel de confianza requerido. Determinación del número de comparaciones: C(t. etc. Si existieran mas de dos tratamientos.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) = 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”. es decir se rechaza Ho). pues al menos una de las formulaciones tiene un efecto diferente a las demás. Como la prueba de “F” ha dado resultados significativos.com . Es recomendable su empleo cuando el diseño tiene dos tratamientos. se continua desarrollando más pruebas de contraste específicas y que requieren una previa prueba de “F”. 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”.2) = C2t = t ! / [(t-2 )! x 2!] C(5.1 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.68 ⇒ Se rechaza Ho.05 ⇒ La prueba es significativa (*) Si se rechaza Ho a un α = 0.2 > FT = 2. Enrique Morales Cauti emorales_c@hotmail.01 ⇒ La prueba es altamente significativa (**) Si se acepta Ho ⇒ La prueba es No significativa (ns) Como Fc = 164.

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.025 2. 4. m = 1. 3. Enrique Morales Cauti emorales_c@hotmail. k. 2.04 α /2 = 0.030 RR / Ho X-2.+tT ] tT = = 31 α /2 = 0. 2. 3.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.05 Determinación del estadístico de contraste: Sd Sd = [ (CMEE / rk) + (CMEE / rm) ]1/2 (µ sd kym k t c = (µ k .025 1-α = 0.com .042 +t T X 2.95 -tT RR / Ho RA / Ho α /2 = 0. 5) Nivel de significación α = 5% = 0. k.µ m ) / . 5) k m diferentes. m = 1.030-2.042 = Página 5 de 23 Profesor: Ing.042 2.04 tT GLEE 30 31 35 31-30 35-30 X = 2. 4.025 GLEE = ± 2.

62 5.1 .04 2.04 2.com .69 0.75 9.8 = 9.1 = 10.8 .72 0.+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. se pueden agrupar las comparaciones de resultados homogéneos para dar una conclusión general para un grupo determinado de comparaciones.Student: |µ µ k m ⇒ tc ∈ RA/Ho [ -tT.72 0.student a nivel de significación del 5% y al obtener resultados similares entre las comparaciones.04 2.19 12.67 tc 5.9 6 15. sin embargo por tratarse de una prueba múltiple de t .03 6 3 23.8 = 9.04 2.04 2.+tT ] Si tc ≤ t T ⇒ Se ACEPTA Ho tabla en función a tc > t múltiple de t .3 9.72 0.04 2.8 = 9.8 = 5.62 0.75 4 9 20.1 = 10.1 5 7. Página 6 de 23 Profesor: Ing.5 1 7.75 5.75 0.21 3 = 9.2 9. Enrique Morales Cauti emorales_c@hotmail.13 Sd 0.62 4 2 14.14.69 0.19 ↓ tT 2.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Tabla de decisión: Si tc > t T ⇒ Se RECHAZA Ho ⇒ tc ∉ RA/Ho [ -tT.1 0 20.1 = 3.04 2.3 2 20.04 2.01 7.5 9.14.31 4 3 20.62 6 4 20.8 = 14.72 6 4 23.1 9.75 0.04 2.04 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.69 0.69 0.08 3 14.75 6 1 23.8 20.11 14.19 0.8 = 14.

es decir cuando existen diferencias significativas entre los tratamientos en comparación ósea se rechaza Ho. por lo que la prueba “t” para esta comparación F3 vs F1 (ns) ha dado resultados no significativos. 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.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.com . F4 produce un mejor efecto sobre F3 y F1. 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”. por ejemplo: F5 vs F2. tiene un mayor efecto la F5 por tener un mayor promedio.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. 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”. b. no observándose diferencias significativas entre estas formulaciones sobre el alimento. Enrique Morales Cauti emorales_c@hotmail. Determinación del número de comparaciones: El número y ordenamiento de comparaciones se calcula de igual manera que en la prueba de “t” C(5. pero un efecto menor en comparación a F2 y F5.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES En los grupos de comparaciones con resultados homogéneos. observándose un mayor efecto positivo en las formulaciones ubicadas en el primer término para cada par comparado. tendrán un mayor efecto sobre la unidad experimental.

5) k m diferentes. 2.05 Determinación del valor: DLS = tT . GLEE = 31 ] = Tabla de decisión: Si | µ Si | µ Como los valores | µ prueba múltiple DLS: k k k -µ -µ .025. +tT ] [ α/2 = 0. (Sd) Sd = [ (CMEE / rk) + (CMEE / rm) ]1/2 Determinación de la región de aceptación: tT = ± 2. 5) Nivel de significación α = 5% = 0. 4. k.04 RA/Ho = [ -tT . 2. 4. m = 1. 3.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. Enrique Morales Cauti emorales_c@hotmail. m = 1. 3. k.com .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.

04 (0.42 = 1. Enrique Morales Cauti emorales_c@hotmail.8 6 23.67 ) ) = 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 > > > > > > > > = 1.03 3 =14.04 (0.37 3 14.04 (0.04 (0.04 (0.1 =3. por ejemplo: F5 vs F2.5 9.62 2 = 9.04 (0.42 = 1.1 4 20.72 ) ) (2.1 9.8 MEDIAS 20.3 9.2 9.04 (0.62 = = ↓ tT . Sd (2. F4 Página 9 de 23 Profesor: Ing.72 4 .62 4 .8 6 20.69 ) ) (2.62 9.04 (0.72 ) ) (2.75 5.75 - 5.08 9.69 ) ) (2.14.75 9 =10.75 ) ) (2. observándose un mayor efecto positivo en las formulaciones ubicadas en el primer término para cada par comparado.8 = 5.75 1 =14.69 ) ) (2. tiene un mayor efecto la F5 por tener un mayor promedio.1 4 14.8 6 23.04 (0.47 = 1. 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”.8 6 23.53 = 1.1 4 20.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES |µ µ k m | DIFERENCIA DE 23.21 > 0.53 = 1.31 3 =10.42 = 1.75 ) ) (2.47 = 1.47 = 1.8 3 9.13 < Conclusión: Las conclusiones se hacen por separado para cada comparación.04 (0.com .14.42 = 1.72 ) ) (2.69 ) ) (2.8 = 9.

4. que las pruebas “t” y DLS. 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”.01 Determinación del valor: ALSD = AESD . m = 1. Determinación del número de comparaciones: El número y ordenamiento de comparaciones se calcula de igual manera que en la prueba de “t” C(5. Esta prueba no requiere una previa prueba de “F”. 5) Nivel de significación α = 1% = 0. (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: 0.2) = 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.com .01 AESD = GLEE Página 10 de 23 Profesor: Ing. k. en este caso. k. 2. 3. 2.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES produce un mejor efecto sobre F3 y F1. pero un efecto menor en comparación a F2 y F5. Enrique Morales Cauti = 31 emorales_c@hotmail. 4. 5) k m diferentes. siendo más confiable. 3.3 Prueba de Duncan Se emplea para diseños que tengan mas de dos tratamientos. Por lo general se realiza a 2 niveles de significación: α = 1% y 5%. en este caso F3 vs F1 (ns) b.

luego se siguen comparando en forma ordenada sucesivamente hasta terminar con las C(t. de la siguiente manera: TR: µ : F5 F2 23. en la comparación F2 vs F1 existen 4 lugares correspondiendo al el valor P = 4.04 4 4.79 3 4.14 F4 14. 3.2) comparaciones.83 F3 9.04. Enrique Morales Cauti emorales_c@hotmail.75 F1 9. a estos valores les corresponderá sus respectivos AES D (según tabla de Duncan): P AESD 2 3.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES El valor de “P” siempre parte del valor 2 hasta “n” tratamientos. Por ejemplo en la comparación F5 vs F4 existen 3 lugares correspondiendo el valor P = 4.com . 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). 5.62 Una vez ordenados de mayor a menor.15 5 4. para el presente ejercicio tenemos 5 formulaciones ósea 5 tratamientos. Tabla de decisión: Si | µ Si | µ Como los valores | µ k k k -µ -µ .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.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. 4.86 20. por lo tanto P = 2.15. etc.

04 = 2.1 4 20.4 Prueba de Tukey Página 12 de 23 Profesor: Ing.62 4 .75 1 =14.51 ) ) (4. Sµ (3.62 9.8 6 20.79 (0.62 2 = 9.8 3 9.21 > 0.31 3 =10. Enrique Morales Cauti emorales_c@hotmail.com . F2 vs F1(*).1 4 14.5 9.8 6 23.53 ) ) (4.1 9.94 = 2. ósea se hacen por separado para cada comparación.75 9 =10.75 - 5.1 =3.04 = 1.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES |µ µ k m | DIFERENCIA DE 23.79 (0.13 = 2.79 (0.49 ) ) (3.51 ) ) (3.07 = 1.79 3 14.15 (0.08 9.47 ) ) = 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. - 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”.8 = 5. F5 vs F1(*). F4 vs F3 (*). F2 vs F4(*). F5 vs F4(*).04 (0.8 6 23.79 (0.53 ) ) (4.14.03 3 =14.49 ) ) (3.07 = 2. F2 vs F3(*).8 MEDIAS 20.13 < Conclusión: Las conclusiones son similares a la prueba anterior.8 = 9. en este caso F3 vs F1 (ns) b.1 4 20. F5 vs F3(*).00 = 1.15 (0.75 5. 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(*).21 (0.49 ) ) (4.98 = 2.51 ) ) (4.62 = = ↓ AESD .3 9.8 6 23.14. producen un efecto diferente sobre el incremento del peso de la trucha “arco iris”.04 (0.04 (0.49 ) ) (4.2 9.92 = 2.72 4 . F4 vs F1 (*).

04 40 Página 13 de 23 X .09 X 31 P = 5 4. = Amplitud Límite Significativo de Tukey Student-Newman-Keul) T GLEE AES T = 0. el nivel de significación α permanece constante.4. m = 1. 2.10 30 AES T = GLEE = 31 = 4. k.094 Profesor: Ing. 3. 4. Determinación del número de comparaciones: El número y ordenamiento de comparaciones se calcula de igual manera que en la prueba de “t” C(5.04 – 4.com .30 X = 4.05 Determinación del valor: ALST = AEST . 4. pues considera a todos los tratamientos como una sola unidad experimental.10 4.10 = 31 . m = 1.30 40 .05 Determinación de la región de aceptación: α 4. 3. Esta prueba no requiere una previa prueba de “F”. Enrique Morales Cauti emorales_c@hotmail. 2. k. (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. 5) k m diferentes. Es recomendable emplear en las investigaciones de poco riesgo y tiene la ventaja que a medida que se incrementa el número de tratamientos.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Esta prueba se caracteriza por su alto grado de discriminación en los contrastes.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. 5) Nivel de significación α = 5% = 0.

ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Interpolando: El valor de “P”. 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. Enrique Morales Cauti emorales_c@hotmail. solo corresponde al número de tratamientos que tiene el diseño.com .62 -µ -µ .86 20.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.14 F4 14. a diferencia de la prueba de Duncan. en este caso formulaciones. por lo que P = 5 tratamientos.83 F3 9.75 F1 9. 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.

49 ) ) (4. aquellas formulaciones ubicadas en primer orden en cada comparación.21 > 0.8 MEDIAS 20.00 = 2.14.8 6 20.09 (0.75 5. F4 vs F3 (*).09 (0. y ello por tener un mayor promedio.00 = 2.53 ) ) (4. Sµ (4.17 = 2. Enrique Morales Cauti emorales_c@hotmail.com .2 9.62 4 .17 = 2.75 - 5.00 = 2.51 ) ) (4.8 = 9.49 ) ) (4. Página 15 de 23 Profesor: Ing. F4 vs F1 (*).62 2 = 9.09 (0.92 3 14.51 ) ) (4.49 ) ) (4.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES |µ µ k m | DIFERENCIA DE 23.5 9. sin embargo por tratarse de una prueba múltiple de Tukey a un nivel de significancia α = 5%.09 (0.1 4 14.03 3 =14. F2 vs F1(*).1 =3.13 < Conclusión: Las conclusiones son similares a las obtenidas en la prueba de Duncan.53 ) ) (4. producen un efecto diferente sobre el incremento del peso de la trucha “arco iris”.31 3 =10.75 9 =10. podemos concluir que: El promedio alcanzado por las comparaciones de las formulaciones de alimento: F5 vs F2(*).3 9.08 = 2.08 = 1. F2 vs F4(*).8 = 5.62 = = ↓ AEST .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 > > > > > > > > = 2.72 4 .1 9.14. F5 vs F3(*). F5 vs F4(*).1 4 20.8 6 23. F5 vs F1(*). F2 vs F3(*).1 4 20.08 = 2.00 = 2.8 6 23.08 9.09 (0.09 (0.62 9. produciendo un mayor efecto sobre el alimento y por lo tanto mejor rendimiento en el peso.8 3 9.09 (0.8 6 23.09 (0.51 ) ) (4.49 ) ) (4.09 (0. es decir se hacen por separado para cada comparación.75 1 =14.09 (0.

A2. realizó un ensayo por el cual se Formularon 4 tipos de alimento.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”. y los otros dos restantes han sido elaborados en base a harina de soya: A3. y A4 (4 tratamientos). Un Ingeniero Acuicultor experto en Nutrición de Pejerrey de río. A4. A3. Unidad experimental: Pejerrey. A2. dos de ellos están elaborados en base a harina de pescado: A1.com . 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. en este caso F3 vs F1 (ns) 2. 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%. Enrique Morales Cauti emorales_c@hotmail. 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.

7 / 3 = 183.....1 GLTR = 4 – 1 = 3 GLTO = 29 – 1 = 28 GLEE = 28 – 3 = 25 CMTR = 550.6 45.8 Fc = 595. 3..75 14.01 FT = GLTR = 3 → GLEE = 25↓ Página 17 de 23 RA / Ho = [ 0..8 – 550. = Fc = 183... 3.08 Profesor: Ing..6 CMEE = 45. = 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.( 3852/29) = 550.83 9.8 = 102 Determinación de la región de aceptación: α = 0.6 / 1.. 4 ) H1 = λ i ≠ 0 (al menos uno de los tratamientos tiene un efecto diferente a los demás.1 25 1.8 FV TRA EE TO Prueba de Fisher: Formulación de las hipótesis: Ho = λ i = 0 (El efecto del factor es nulo.8 SCEE = 595... 2.. 4 ) Nivel de significación α = 1% = 0.7 = 45...01 Determinación del indicador: Fc = CMTRA / CMEE ANOVA (ANVA) SC GL CM 550.62 SCTR = [ ( 772/8) + ( 1412/7) + ( 782/8) + ( 892/6) ] ..ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES 11 10 8 9 12 Xi ...14 9...... + 152 + 162 + 132 ] .com . i = 1.1 / 25 = 1. Enrique Morales Cauti emorales_c@hotmail.7 3 183. i = 1..7 SCTO = [ (102 + 82 + 92 + .8 28 102 µ ..FT ] = 4.( 3852/29) = 595. 2.

Enrique Morales Cauti emorales_c@hotmail.com . A2 (harina de pescado) G2 = A3.08 ⇒ Se rechaza Ho. b) Prueba de Scheffe: Es una prueba específica para comparar grupos de tratamientos. los cuales deben tener características similares y a la vez el objetivo de la investigación debe esta orientado a la avaluación de estos grupos. Determinación de grupos: G1 = A1. 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”. pues al menos una de las formulaciones tiene un efecto diferente a las demás. 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). por lo tanto procede la Prueba de Scheffe. 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% = 0.01 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.05 ⇒ La prueba es significativa (*) Como Fc = 102 > FT = 4.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.

75) + (-1)(20. Enrique Morales Cauti emorales_c@hotmail.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 G2.59 Cx = (+1)(9.246 Determinación del indicador: Donde.143) + (-1)(14.625) + (+1)(9. 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. Tabla de decisión: Si Cx > ALS(Sc) ⇒ Se RECHAZA Ho Si Cx ≤ ALS(Sc) ⇒ Se ACEPTA Ho Como Cx = -15.83) → Cx = Nota: El resultado de este producto siempre debe ser considerado positivo porque: El resultado ALS(Sc) es positivo.8)1/2 * Σ [ ((+1)2/ 8) + ((+1)2/ 8) + ((-1)2/ 7) + ((-1)2/ 6) ] } ½ ALS(Sc) = 3. entonces la comparación esa siempre positiva. Página 19 de 23 Profesor: Ing.µ i : Promedio de los tratamientos -15.68 ( 4 –1 ) * (1.59 > ALS(Sc) = 3. cambia el signo final.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Ci : Coeficientes t : Tratamientos FT : Valor determinado en la tabla de Fisher.com . El ordenamiento de los signos.

X2 y X3.com .ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES 3. Enrique Morales Cauti emorales_c@hotmail. comparado respecto a los insumos: X1.42 Profesor: Ing. X2 y X3 y al bajo costo en la cual se encuentran.5 35.20 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. en total se tienen 29 unidades experimentales.6 3 25 CM 170. Variable cuantificada: Valoración del sabor en la escala 0 . Niveles del factor: 4 tratamientos: insumo patrón A. Una empresa para manufacturar sus productos utiliza el insuma A frente a la oferta de otro tipo de insumos: X1. la empresa realiza una investigación de tal manera que le permita conocer los resultados respecto a sus productos que se vienen comercializando. 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). 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. Unidad experimental: Producto comercializado.

83 Σ Xij = 432 Σ ri = 30 TO 546. X2 y X3. X2 y X3) A X1 X2 X3 (el insumo A produce un efecto diferente respecto a los insumos X1. Enrique Morales Cauti emorales_c@hotmail. = 77 ri = 8 20 19 19 20 10 188 8 19. A vs.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES 11 10 8 9 12 Xi . Determinación de tratamientos: Tratamiento control : A Tratamiento experimental: X1.63 b) Prueba de Dunett: Esta prueba específica se usa solo cuando en una investigación existe un tratamiento patrón o control. Comparaciones de tratamientos: A vs. (Sd) Sd = [ (CMEE / rc) + (CMEE / rk) ]1/2 Página 21 de 23 Profesor: Ing. Esta prueba es independiente de la prueba de Fisher por lo que no requiere una previa prueba de “F”.75 16 15 13 89 6 14.05 Determinación del valor: ALS(Dt) = TD . X1. comparándose los demás tratamientos en experimentación respecto al control o patrón. X2.1 28 µ . X2 y X3) Nivel de significación α = 5% = 0. A vs.71 11 12 8 9 78 8 9. 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.com . = 9.

7 = 9.14.4 (2.50 Interpolando: T D GLEE 24 25 30 25 – 24 = 30 – 24 X = 2. Sd = ALS(D DECISION Se ACEPTA Ho Se RECHAZA Ho Se RECHAZA Ho n s * * Página 22 de 23 Profesor: Ing.50 9. rc (número de repeticiones del testigo o control). 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 | .47 – 2.75 3| 8 ) ) ↓ TD .51 2.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Sd = Desviación estándar de las diferencias Sd.51 Determinación de las diferencias entre el control y los tratamientos a comparar (Dc): Se hallan (t -1) diferencias.05 GLEE = 25 P = 3 sin considerar el control) ALS(Dt) Determinación de la región de aceptación: TD = = 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) | 9.60 = < = 1.75 1| 6 ) ) | .64 > = 1.50 (0. rk (número de repeticiones del nuevo tratamiento) T D = Valor de tabla de Dunett (α . P: número de tratamientos = Amplitud Límite Significativo de Dunett α = 0.19.6 0.60 > = 1. donde t: Número de tratamientos.75 3| 2 ) ) | .50 (0.47 X – 2.com .8 = 5.50 2.0 (2.50 (0.1 (2. Enrique Morales Cauti emorales_c@hotmail.50 9. GLEE.60 9.51 X 2.

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

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->