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 35 164.8 = 164. i = 1.05 Determinación del indicador: Fc = CMTR / CMEE Fc = 295. 3.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.68 GLEE =31↓ = 1-α = 0.5 FR EE 31 1. 2 Prueba de Fisher: Es una prueba de significación que permite evaluar si existe o no existe diferencia entre los tratamientos del factor.05 FT = GLTR=4 → 2. 5) Nivel de significación α = 5% = 0.FT ] α = 0. 5 ) H1 = λ i ≠ 0 (al menos uno de los tratamientos tiene un efecto diferente a los demás. 1 55.05 RA / Ho RR / Ho Tabla de decisión: Página 3 de 23 Profesor: Ing.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES FV ANOVA (ANVA) SC GL CM 1 18 2. 4.2 Determinación de la región de aceptación: RA/Ho = [ 0.9 1 23 8.5 / 1. 2. 0 4 295. Enrique Morales Cauti emorales_c@hotmail. i = 1.95 FT α = 0. 2. 4. 3.

“Scheffe”.68 ⇒ Se rechaza Ho.com . el nivel de significación a se incrementa perdiendo de esta manera el nivel de confianza requerido. etc. se continua desarrollando más pruebas de contraste específicas y que requieren una previa prueba de “F”. pues al menos una de las formulaciones tiene un efecto diferente a las demás. estas pruebas son: “t – student”. “DLS”.01 ⇒ La prueba es altamente significativa (**) Si se acepta Ho ⇒ La prueba es No significativa (ns) Como Fc = 164.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. Si existieran mas de dos tratamientos.05 ⇒ La prueba es significativa (*) 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. Es recomendable su empleo cuando el diseño tiene dos tratamientos.2 > FT = 2.2) = C2t = t ! / [(t-2 )! x 2!] C(5. Enrique Morales Cauti emorales_c@hotmail. b) Desarrollando las pruebas de Contraste específicas siguientes: b.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. 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”. Determinación del número de comparaciones: C(t. es decir se rechaza Ho). Como la prueba de “F” ha dado resultados significativos.

042 = Página 5 de 23 Profesor: Ing.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.com . m = 1.95 -tT RR / Ho RA / Ho α /2 = 0.05 Determinación del estadístico de contraste: Sd Sd = [ (CMEE / rk) + (CMEE / rm) ]1/2 (µ sd kym k t c = (µ k .025 GLEE = ± 2. 3.04 α /2 = 0. 4.030-2.025 2.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. 2. m = 1. k. 4.042 +t T X 2.+tT ] tT = = 31 α /2 = 0.030 RR / Ho X-2. 5) k m diferentes.04 tT GLEE 30 31 35 31-30 35-30 X = 2. 5) Nivel de significación α = 5% = 0. 2.µ m ) / .025 1-α = 0. 3.042 2. Enrique Morales Cauti emorales_c@hotmail.

19 12.19 0.67 tc 5.31 4 3 20.72 0.04 2.75 0. se pueden agrupar las comparaciones de resultados homogéneos para dar una conclusión general para un grupo determinado de comparaciones. Página 6 de 23 Profesor: Ing.75 4 9 20.72 0.1 .69 0.01 7.8 = 9.1 = 3.69 0.1 5 7.62 0.62 4 2 14.69 0.04 2.com .08 3 14.75 5.04 2.75 0.3 9.04 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.75 6 1 23.04 2.8 = 9.14.8 20.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Tabla de decisión: Si tc > t T ⇒ Se RECHAZA Ho ⇒ tc ∉ RA/Ho [ -tT.04 2.Student: |µ µ k m ⇒ tc ∈ RA/Ho [ -tT.8 = 9. sin embargo por tratarse de una prueba múltiple de t .5 1 7.72 0.69 0.8 = 14.21 3 = 9.62 6 4 20.04 2.2 9.13 Sd 0.72 6 4 23.1 = 10.1 9.student a nivel de significación del 5% y al obtener resultados similares entre las comparaciones.75 9.1 0 20.5 9.+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 (+) 23.04 2.14.1 = 10.3 2 20.19 ↓ tT 2.9 6 15.8 = 5.62 5. Enrique Morales Cauti emorales_c@hotmail.11 14.+tT ] Si tc ≤ t T ⇒ Se ACEPTA Ho tabla en función a tc > t múltiple de t .03 6 3 23.8 = 14.04 2.8 .04 2.

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

04 RA/Ho = [ -tT .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.com .05 Determinación del valor: DLS = tT . m = 1. 2. m = 1.025. (Sd) Sd = [ (CMEE / rk) + (CMEE / rm) ]1/2 Determinación de la región de aceptación: tT = ± 2. k.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. +tT ] [ α/2 = 0. 4. 3. 3. 5) Nivel de significación α = 5% = 0. Enrique Morales Cauti emorales_c@hotmail. GLEE = 31 ] = Tabla de decisión: Si | µ Si | µ Como los valores | µ prueba múltiple DLS: k k k -µ -µ . k. 4. 2. 5) k m diferentes.

tiene un mayor efecto la F5 por tener un mayor promedio.75 ) ) (2.72 ) ) (2.8 = 5.47 = 1.75 - 5.04 (0.04 (0.72 ) ) (2. 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”.75 ) ) (2.62 4 .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.com .04 (0.69 ) ) (2.5 9.13 < Conclusión: Las conclusiones se hacen por separado para cada comparación.8 MEDIAS 20.3 9.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES |µ µ k m | DIFERENCIA DE 23. por ejemplo: F5 vs F2.8 6 20.1 9.8 6 23.75 9 =10.04 (0.04 (0.69 ) ) (2.69 ) ) (2.72 4 .14.21 > 0.8 3 9.03 3 =14.08 9.75 5.62 2 = 9.1 4 20.14. Sd (2.04 (0.69 ) ) (2. Enrique Morales Cauti emorales_c@hotmail.72 ) ) (2.62 9.47 = 1.8 6 23.53 = 1.2 9.62 = = ↓ tT .04 (0.8 = 9.1 4 14.42 = 1.37 3 14.75 1 =14.53 = 1.1 4 20.42 = 1.8 6 23. F4 Página 9 de 23 Profesor: Ing.04 (0.31 3 =10. observándose un mayor efecto positivo en las formulaciones ubicadas en el primer término para cada par comparado.1 =3.42 = 1.42 = 1.47 = 1.04 (0.04 (0.

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

04 4 4. de la siguiente manera: TR: µ : F5 F2 23.21 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. por lo tanto P = 2.15. a estos valores les corresponderá sus respectivos AES D (según tabla de Duncan): P AESD 2 3.15 5 4. Enrique Morales Cauti emorales_c@hotmail.86 20.79 3 4.62 Una vez ordenados de mayor a menor.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES El valor de “P” siempre parte del valor 2 hasta “n” tratamientos. 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). etc. para el presente ejercicio tenemos 5 formulaciones ósea 5 tratamientos. 3.75 F1 9. 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. Por ejemplo en la comparación F5 vs F4 existen 3 lugares correspondiendo el valor P = 4.com . 5. en la comparación F2 vs F1 existen 4 lugares correspondiendo al el valor P = 4.04. luego se siguen comparando en forma ordenada sucesivamente hasta terminar con las C(t.2) comparaciones.83 F3 9. 4.14 F4 14.

Sµ (3. F2 vs F1(*).4 Prueba de Tukey Página 12 de 23 Profesor: Ing.07 = 1.15 (0. en este caso F3 vs F1 (ns) b. producen un efecto diferente sobre el incremento del peso de la trucha “arco iris”.75 5. F4 vs F3 (*).00 = 1.79 (0.2 9.75 - 5.8 6 20.21 > 0.5 9.14.53 ) ) (4. Enrique Morales Cauti emorales_c@hotmail.49 ) ) (3.04 = 1.51 ) ) (4. F5 vs F3(*).8 6 23. F2 vs F4(*).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 > > > > > > > > = 1.08 9.8 6 23. F4 vs F1 (*).62 2 = 9.62 9.94 = 2. F5 vs F1(*).13 = 2.98 = 2.13 < Conclusión: Las conclusiones son similares a la prueba anterior.31 3 =10.75 9 =10.49 ) ) (4.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES |µ µ k m | DIFERENCIA DE 23.8 = 5.04 (0.1 9. F2 vs F3(*).79 (0.15 (0.14.21 (0.03 3 =14. - 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”.79 3 14.8 6 23.92 = 2.51 ) ) (3.8 = 9.62 = = ↓ AESD .3 9.49 ) ) (4.62 4 .51 ) ) (4.8 MEDIAS 20.04 (0.1 4 14.04 = 2.79 (0.1 4 20.8 3 9.com .49 ) ) (3.1 4 20.07 = 2. ósea se hacen por separado para cada comparación.75 1 =14.1 =3. F5 vs F4(*).79 (0.04 (0. 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(*).53 ) ) (4.72 4 .

10 30 AES T = GLEE = 31 = 4.10 4. k.05 Determinación del valor: ALST = AEST . m = 1. Es recomendable emplear en las investigaciones de poco riesgo y tiene la ventaja que a medida que se incrementa el número de tratamientos. 3. 4.30 40 . 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. 5) k m diferentes.com .05 Determinación de la región de aceptación: α 4. k.30 X = 4. Enrique Morales Cauti emorales_c@hotmail.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. Esta prueba no requiere una previa prueba de “F”. pues considera a todos los tratamientos como una sola unidad experimental.04 40 Página 13 de 23 X .10 = 31 .ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Esta prueba se caracteriza por su alto grado de discriminación en los contrastes. 5) Nivel de significación α = 5% = 0. el nivel de significación α permanece constante. m = 1. = Amplitud Límite Significativo de Tukey Student-Newman-Keul) T GLEE AES T = 0.09 X 31 P = 5 4. 2. 3.04 – 4.4.094 Profesor: Ing. (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. 2.

ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Interpolando: El valor de “P”. Enrique Morales Cauti emorales_c@hotmail. a diferencia de la prueba de Duncan.86 20.83 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.com .14 F4 14. 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. 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. por lo que P = 5 tratamientos.62 -µ -µ . solo corresponde al número de tratamientos que tiene el diseño. en este caso formulaciones.75 F1 9.

09 (0.8 6 23. F5 vs F4(*).75 9 =10.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES |µ µ k m | DIFERENCIA DE 23.03 3 =14. F2 vs F3(*).13 < Conclusión: Las conclusiones son similares a las obtenidas en la prueba de Duncan.00 = 2.62 9. Página 15 de 23 Profesor: Ing.8 = 5.14.75 - 5.1 9.14.75 5.09 (0. aquellas formulaciones ubicadas en primer orden en cada comparación.1 4 20.8 6 23.09 (0.09 (0.09 (0.08 = 2. sin embargo por tratarse de una prueba múltiple de Tukey a un nivel de significancia α = 5%. y ello por tener un mayor promedio.31 3 =10.8 MEDIAS 20.17 = 2.1 =3.8 = 9.00 = 2.09 (0.2 9.49 ) ) (4.08 = 2.53 ) ) (4. F4 vs F1 (*).09 (0.5 9.51 ) ) (4. Sµ (4. producen un efecto diferente sobre el incremento del peso de la trucha “arco iris”. produciendo un mayor efecto sobre el alimento y por lo tanto mejor rendimiento en el peso.51 ) ) (4.09 (0.8 6 20.49 ) ) (4. F4 vs F3 (*). F2 vs F4(*).72 4 .08 = 1.21 > 0.53 ) ) (4.62 2 = 9.1 4 20.92 3 14.49 ) ) (4.1 4 14.47 ) ) = 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. F2 vs F1(*).8 6 23.17 = 2.49 ) ) (4.75 1 =14.51 ) ) (4.62 4 .08 9.3 9.com .00 = 2. es decir se hacen por separado para cada comparación. podemos concluir que: El promedio alcanzado por las comparaciones de las formulaciones de alimento: F5 vs F2(*). F5 vs F3(*).09 (0. F5 vs F1(*).62 = = ↓ AEST . Enrique Morales Cauti emorales_c@hotmail.09 (0.8 3 9.00 = 2.

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

.. Enrique Morales Cauti emorales_c@hotmail..7 = 45. 3..7 SCTO = [ (102 + 82 + 92 + .75 14... + 152 + 162 + 132 ] .( 3852/29) = 595. i = 1. 2.8 – 550.6 45......com . i = 1.62 SCTR = [ ( 772/8) + ( 1412/7) + ( 782/8) + ( 892/6) ] ..14 9.01 Determinación del indicador: Fc = CMTRA / CMEE ANOVA (ANVA) SC GL CM 550.08 Profesor: Ing..7 / 3 = 183..6 CMEE = 45.. 4 ) H1 = λ i ≠ 0 (al menos uno de los tratamientos tiene un efecto diferente a los demás..( 3852/29) = 550. 4 ) Nivel de significación α = 1% = 0.8 28 102 µ .01 FT = GLTR = 3 → GLEE = 25↓ Página 17 de 23 RA / Ho = [ 0... = Fc = 183.1 25 1..8 = 102 Determinación de la región de aceptación: α = 0.. 3.6 / 1..ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES 11 10 8 9 12 Xi .8 FV TRA EE TO Prueba de Fisher: Formulación de las hipótesis: Ho = λ i = 0 (El efecto del factor es nulo.8 SCEE = 595.8 Fc = 595.83 9.1 / 25 = 1.FT ] = 4. = 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..1 GLTR = 4 – 1 = 3 GLTO = 29 – 1 = 28 GLEE = 28 – 3 = 25 CMTR = 550. 2....7 3 183.

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. 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). b) Prueba de Scheffe: Es una prueba específica para comparar grupos de tratamientos.05 ⇒ La prueba es significativa (*) Como Fc = 102 > FT = 4. por lo tanto procede la Prueba de Scheffe.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”. 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 .08 ⇒ Se rechaza Ho.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. Determinación de grupos: G1 = A1. pues al menos una de las formulaciones tiene un efecto diferente a las demás. Enrique Morales Cauti emorales_c@hotmail.

Tabla de decisión: Si Cx > ALS(Sc) ⇒ Se RECHAZA Ho Si Cx ≤ ALS(Sc) ⇒ Se ACEPTA Ho Como Cx = -15. 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.com .ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES Ci : Coeficientes t : Tratamientos FT : Valor determinado en la tabla de Fisher.143) + (-1)(14. µ i Cx = Σ Ci.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 > ALS(Sc) = 3.59 Cx = (+1)(9. cambia el signo final. Enrique Morales Cauti emorales_c@hotmail. Página 19 de 23 Profesor: Ing.83) → Cx = Nota: El resultado de este producto siempre debe ser considerado positivo porque: El resultado ALS(Sc) es positivo.625) + (+1)(9. entonces la comparación esa siempre positiva.75) + (-1)(20.8)1/2 * Σ [ ((+1)2/ 8) + ((+1)2/ 8) + ((-1)2/ 7) + ((-1)2/ 6) ] } ½ ALS(Sc) = 3.246 Determinación del indicador: Donde.µ i : Promedio de los tratamientos -15.68 ( 4 –1 ) * (1. El ordenamiento de los signos.

ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES 3.16 1.42 Profesor: Ing.6 3 25 CM 170.20 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. Una empresa para manufacturar sus productos utiliza el insuma A frente a la oferta de otro tipo de insumos: X1. en total se tienen 29 unidades experimentales.5 35. Unidad experimental: Producto comercializado. X2 y X3 y al bajo costo en la cual se encuentran. comparado respecto a los insumos: X1. X2 y X3. Variable cuantificada: Valoración del sabor en la escala 0 . 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. 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). Niveles del factor: 4 tratamientos: insumo patrón A. Enrique Morales Cauti emorales_c@hotmail.com . la empresa realiza una investigación de tal manera que le permita conocer los resultados respecto a sus productos que se vienen comercializando.

Comparaciones de tratamientos: A vs. X2. X2 y X3) A X1 X2 X3 (el insumo A produce un efecto diferente respecto a los insumos X1. Esta prueba es independiente de la prueba de Fisher por lo que no requiere una previa prueba de “F”. Determinación de tratamientos: Tratamiento control : A Tratamiento experimental: X1. X2 y X3) Nivel de significación α = 5% = 0.ESTADÍSTICA GENERAL – METODOS ESTADÍSTICOS DISEÑOS EXPERIMENTALES 11 10 8 9 12 Xi . A vs.05 Determinación del valor: ALS(Dt) = TD . Enrique Morales Cauti emorales_c@hotmail.71 11 12 8 9 78 8 9. comparándose los demás tratamientos en experimentación respecto al control o patrón.63 b) Prueba de Dunett: Esta prueba específica se usa solo cuando en una investigación existe un tratamiento patrón o control. 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 X1.83 Σ Xij = 432 Σ ri = 30 TO 546.1 28 µ . = 9. (Sd) Sd = [ (CMEE / rc) + (CMEE / rk) ]1/2 Página 21 de 23 Profesor: Ing.com . = 77 ri = 8 20 19 19 20 10 188 8 19. X2 y X3. A vs.75 16 15 13 89 6 14. X1.

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 (0.75 1| 6 ) ) | .60 = < = 1.4 (2. P: número de tratamientos = Amplitud Límite Significativo de Dunett α = 0.60 > = 1.50 9.com .6 0.0 (2.60 9.75 3| 8 ) ) ↓ TD .50 9.50 Interpolando: T D GLEE 24 25 30 25 – 24 = 30 – 24 X = 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.51 2.51 X 2.8 = 5. Sd = ALS(D DECISION Se ACEPTA Ho Se RECHAZA Ho Se RECHAZA Ho n s * * Página 22 de 23 Profesor: Ing.14.50 (0.05 GLEE = 25 P = 3 sin considerar el control) ALS(Dt) Determinación de la región de aceptación: TD = = 2. donde t: Número de tratamientos.47 – 2.50 (0.19. rk (número de repeticiones del nuevo tratamiento) T D = Valor de tabla de Dunett (α .1 (2.64 > = 1. Enrique Morales Cauti emorales_c@hotmail. GLEE.75 3| 2 ) ) | .50 2. rc (número de repeticiones del testigo o control).47 X – 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) | 9.7 = 9.

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

Sign up to vote on this title
UsefulNot useful