Documentos de Académico
Documentos de Profesional
Documentos de Cultura
e n l a s C i e n ci a s d e l a
S a lu d
Migu el Án gel Rod r ígu ez F elicia n o
El Diseño Experimental en las Ciencias e la Salud
Miguel Ángel Rodríguez Feliciano
P r ologo
n a de la s á r ea s don de em pezó a desa r r olla r se la
exper im en t a ción , fu e en el sect or a gr ícola y pecu a r io, por la
n a t u r a leza de los su jet os con los qu e se r ea liza ba n (pla n t a s y
animales). Así qu e de m a n er a gen er a l los ejem plos qu e en la m a yor ía de
la bibliogr a fía en con t r a m os sobr e los diseñ os de exper im en t os, en u n a
gr a n pa r t e de los ca sos, se ba sa n en ejem plos del sect or a n t es
mencionado y el industrial.
Indice
Prologo
Parte I: Generalidades
Capitulo I: Principios Básicos del Diseño de
Experimentos
Métodos de Investigación
Métodos de Recolección de Datos
Métodos de Interpretación de Datos
E t a pa s del Mét odo de In vest iga ción
Científica
Diseño de Experimentos
Etapas de un Experimento
Diseño Estadístico de Experimentos
Aplicaciones del Diseño de Experimentos
P r in cipios Bá sicos del Diseñ o de
Experimentos
Elementos del Diseño de Experimentos
Capitulo II: Certidumbre de los Resultados de un
Experimento
Capitulo III: Los modelos Estadísticos y el Análisis de la
Varianza
Modelo Ma t em á t ico Qu e Or igin a el An á lisis
de Varianza
Esquema de Muestreo
Supuestos de Aplicación
Conceptos de Aplicación
Desa r r ollo del Modelo Ma t em á t ico del
Análisis de Varianza
Hipótesis
Tabla de Análisis de Varianza
Problemario de ANVA
Parte II: Modelos
Clásicos
Capitulo IV: Comparaciones Poblacionales
Comparación de Poblaciones Normales.
Análisis de Dos Poblaciones Independientes
Problemario de Poblaciones Independientes
Comparación de Medias con Grupos
Pareados.
Problemario de Grupos Pareados
Capitulo V: Diseños Simples
Diseño Completamente al Azar
Análisis Estadístico
Tapachula, Chiapas. México. 3
El Diseño Experimental en las Ciencias e la Salud
Miguel Ángel Rodríguez Feliciano
Notación
El Modelo
Estimación
Problemario de Diseño
Completamente al Azar
Diseño de Bloques al Azar
Características
Ventajas
Desventajas
Análisis Estadístico
Notación
El Modelo
Estimación
Eficiencia Relativa del DBA
Problemario de Diseño de Bloques al
Azar
Diseño en Cuadro Latino
Características
Ventajas
Desventajas
Distribución de los Tratamientos
Análisis Estadístico
Notación
El modelo
Estimación
Eficiencia Relativa del Diseño en
Cuadro Latino
Problemario de Diseño en Cuadrado
Latino
Capitulo VI: Diseños Incompletos
Bloques al Azar con Observaciones
Perdidas
Cuando se pierde una observación:
Cuando se pierden dos observaciones
Cuadro Latino con Observaciones Perdidas
Cuando se pierde una observación
Cuando se pierden dos observaciones
Capitulo VII: Comparación de Medias de Poblaciones o
Tratamientos
Tipos de Tratamientos
Comparaciones Múltiples de Medias
Diferencia Mínima Significativa (DMS)
Método de Duncan
P or ot r a pa r t e u n t ér m in o qu e se u sa r á fecu en t em en t e es el de Variable
Estadística, pa r a com pr en der su sign ifica do, con sider em os el h ech o de
qu e a l h a cer u n est u dio en u n a pobla ción , se obser va u n a ca r a ct er íst ica o
propiedad de in t er es en los elem en t os o in dividu os qu e la con st it u yen .
Así qu e ca da u n a de est a s ca r a ct er íst ica s est u dia da s r eciben el n om br e
de variable estadística (edad, peso, sexo, etc).
Métodos de Investigación
E l cu a dr o 1 m u est r a los dos t ipos de m ét odos de in vest iga ción , pu dien do
ser gen er a les cu a n do la in for m a ción en con t r a da pu ede ser u sa da en
diversas a plica cion es, m ien t r a s qu e la especifica t ien en u n pr opósit o m u y
estrecho y va a dar solución a cosas muy concretas.
Métodos de
Recolección de Datos
Todos lo sist em a s r equ ier en de u n a en t r a da y u n a sa lida por lo qu e en la
in vest iga ción la en t r a da , se da en los Mét odos de Recolección de Datos,
qu e va a depen der del m ét odo de in vest iga ción em plea do sien do a lgunos
de ellos:
Empírico.- Qu e con sist e en la a cu m u la ción de in for m a ción en for m a de
exper ien cia s, sin h a ber pa sa do por u n a fa se de ver ifica ción cien t ífica ;
considerándosele la primera fase del método científico
Experimental*.- Cu a n do se diseñ a y ejecu t a u n exper im en t o qu e
gen er e da t os qu e den r espu est a a pr egu n t a s con cr et a s pla n t ea da s por
el in vest iga dor pa r a poder in t er pr et a r de m a n er a correcta el fen óm en o
de interés.
Histórico.- Son m ét odos de r ecolección r et r ospect ivos, qu e se en ca r ga n
de buscar hechos en el pasado de una sociedad
Reconocimiento.- E l in vest iga dor obser va la s ca r a ct er íst ica s del
en t or n o de la unidad de in vest iga ción . E n el ca so del á r ea de sa lu d, se
ba sa en los fa ct or es qu e con dicion a n la a pa r ición de u n a en fer m eda d
debido a la exposición a est os; partiendo el est u dio con la iden t ifica ción
del factor de riesgo que puede generar la enfermedad y estima el riesgo
de a dqu ir ir la , es decir va de la causa (fa ct or de r iesgo) a l efecto
(enfermedad).
De Ca sos.- E l in vest iga dor obser va la s ca r a ct er íst ica s de la unidad de
in vest iga ción . E n el ca so del á r ea de sa lu d la o la s ca r a ct er íst ica s se
cen t r a n en la s en fer m eda des; por lo qu e el est u dio de ca sos y con t r oles
parte in dividu os qu e t ien en u n a en fer m eda d y bu sca cu a l es el fa ct or
qu e con dicion a su a parición, es decir va desde el efecto (enfermedad) a
la causa (factor de riesgo).
*
Son los métodos de interés en este libro
Tapachula, Chiapas. México. 9
El Diseño Experimental en las Ciencias e la Salud
Miguel Ángel Rodríguez Feliciano
Métodos de
Interpretación de Datos
P or ot r a pa r t e, de n a da sir ven los m ét odos de r ecolección , si n o cu en t a n
con los Mét odos de In t er pr et a ción de Da t os, a decu a dos. E st os se da n en
fu n ción a la disciplin a don de se h a ce la in vest iga ción y a l m ét odo de
in vest iga ción em plea do, sin em ba r go de m a n er a gen er a l t en em os dos
grandes tipos de métodos de interpretación:
Diseño de Experimentos
Un exper im en t o (pr oceso m edia n t e el cu a l obt en em os u n a obser va ción o
dato) diseñ a do es u n a pr u eba o u n a ser ie de pr u eba s, en la s cu a les se
in du cen ca m bios deliber a dos en la s va r ia bles de en t r a da de u n pr oceso o
sist em a , de m a n er a qu e sea posible obser va r e iden t ifica r la s ca u sa s de
los cambios en la respuesta de salida.
P or lo qu e cu a lqu ier t ipo de Experimentación qu e se r ea lice for m a parte
del m ét odo cien t ífico debido a qu e r ea liza oper a cion es or den a da s,
dest in a da s a dem ost r a r , com pr oba r o descu br ir fen óm en os o pr in cipios
básicos de interés para el investigador
Etapas de un Experimento
Planear: Iden t ifica los elem en t os o va r ia bles a eva lu a r , del
fen óm en o de in t er és. P la n t ea los Objet ivos y la s
Hipótesis.
Diseñar: Aqu í se seleccion a y a plica el diseñ o m á s eficien t e y
qu e m in im ice el er r or exper im en t a l (for m a de la
dist r ibu ción del exper im en t o). Iden t ifica los fa ct or es
qu e a fect en a la s va r ia bles de est u dio y det er m in a el
tamaño de la muestra.
Ejecución: Segu ir el diseñ o seleccion a do; r ea liza n do t oda s la s
a ct ivida des por igu a l except o la s qu e se desea n
eva lu a r . Recolect a de m a n er a or den a da la s
observaciones.
Análisis e Se or ga n iza la in for m a ción y se a plica el m ét odo
Interpretación: est a díst ico a pr opia do, pa r a eva lu a r el diseñ o y
probar las hipótesis planteadas.
bloqu es. E s u n m ét odo a lea t or io, pu dién dose decidir por sor t eo o
pr om edio de n ú m er os a lea t or ios, qu e in clu ye: Bloqu es,
Aleatorización, Tratamientos y Repeticiones.
E r r or E xper im en t a l (E E ): E s debido a la va r ia bilida d pr oven ien t e de los
fa ct or es qu e a fect a n a los t r a t a m ien t os. E st os fa ct or es en m a sca r a n
el efect o de los t r a t a m ien t os. E l EE. n o es u n a equ ivoca ción . Mide
la va r ia bilida d por : a ) Va r ia ción de la UE , b) Va r ia cion es del
m a n ejo de la s UE , c) Va r ia cion es por efect o del a m bien t e. E st a s
va r ia cion es n o se pu eden elim in a r per o si se pu eden r edu cir .
Tien en com o fin a lida d obt en er u n a m ejor est im a ción de los efect os
de los t r a t a m ien t os. Si EE es el er r or exper im en t a l y es u n ifor m e
pa r a t oda s la s UE en t on ces EEi t ien e u n a dist r ibu ción n or m a l con
u n a m edia de cer o y u n a va r ia n za [E E N(0, 2 )]. Adem á s est á
presen t e en la pr u eba de h ipót esis. E xist en 2 t ipos de er r or es: a )
E r r or t ipo I: Rech a za r la h ipót esis ver da der a , b) E r r or t ipo II:
Acept a r u n a h ipót esis fa lsa . La s fr ecu en cia s de ocu r r en cia de
a m bos se da n en t ér m in os de pr oba bilida d. E l er r or m á s
importante es el t ipo I [ = m a x P (E r r or ) sien do los n iveles de
significancia convencionales 1% y 5%.
E spa cio Mu est r a l: Con ju n t o de t odos los r esu lt a dos posibles de u n
exper im en t o a lea t or io (pobla ción ). Ca da r esu lt a do se den om in a
punto muestral.
Experimento: Son de dos t ipos a ) Det er m in íst ico: Det er m in a u n m ism o
r esu lt a do ba jo cier t a s con dicion es in va r ia bles, b) Alea t or io: No
siem pr e se obt ien e el m ism o r esu lt a do a u n qu e desa r r ollen ba jo
idénticas condiciones (uso de probabilidades)
Factor: Elemento, condicionante que contribuye a lograr un resultado
Referencias
Andión G. M., Walterio Beller, Heinz Dleterich
Taboada. Guía De Investigación Científica. Ediciones
De Cultura Popular. 2ª. Reimpresión. México D.F.
1988.
1 n
Precisión = ——— = ———
2 2
Por lo que:
A medida que 2 aumenta, la precisión decrece.
A medida que n aumenta la precisión aumenta.
La precisión de un experimento es afectada por:
1. La conducción del experimento
2. Técnicas de análisis de la información
3. Número de repeticiones
Referencias
Box, G. E., Hunter, W., Hunter, J. S., "Estadística para
investigadores". Ed. Reverté. 1998.
En donde:
: E s u n a con st a n t e, la cu a l depen de de u n con ju n t o de fa ct or es
con el m ism o efect o pa r a t odos los va lor es de la pobla ción . Es la
media de todos las observaciones (y i) de la población
Tapachula, Chiapas. México. 22
El Diseño Experimental en las Ciencias e la Salud
Miguel Ángel Rodríguez Feliciano
Esquema de Muestreo
En el esquema de muestreo se tiene: yi = + i
Variación de ‘ i ’
Variación de ‘yi’
yi 0 i
Figura 1.- Distribución de los valores de y i y de i, siendo una constante
Supuestos de Aplicación
En la aplicación del ANVA se supone que:
Los efectos de los tratamientos y los ambientales son aditivos.
E l E r r or E xper im en t a l con st it u ye u n elem en t o a l a za r , n or m a l e
in depen dien t e, con u n a dist r ibu ción n or m a l con u n a m edia 0 y u n a
varianza ( 2 ).
Conceptos de Aplicación
Dos conceptos en la aplicación del ANVA.
Gr a dos de Liber t a d (G.L.): E s el n ú m er o de con t r a st es o
com pa r a cion es or t ogon a les (in depen dien t es) m en os el n ú m er o de
r est r iccion es (en est e ca so, la s m edia s de la s h ipót esis) im pu est a s qu e
se realiza en un grupo de datos (n-1).
Cuadrado Medio (C.M.): Es el cociente de una suma de cuadrados (SC)
entre su respectivo grado de libertad. [CM = SC / GL]
n
i=1(y i - )2 = n
i=1(yi -
y )2+2( y - ) n
i=1 (yi- y ) +n( y - )2 (7)
n
i=1 (y i- )2 = n
i=1 (yi- y )2 + n( y - )2 (8)
n
2
yi
i 1
a) Distribución del componente: 2
2
n y
b) Analizando el componente: 2
Donde:
X2 (n): Varianza total
X2 (n-1): Varianza debida a la muestra (Error Experimental)
X2 (1): Varianza debido a la media poblacional
Hipótesis
Un a vez obt en ida s la s dist r ibu cion es da da s por la ecu a ción (9) se pu eden
u t iliza r pa r a pr oba r h ipót esis sobre m edia s pobla cion a les ( ). La
pa r t ición de la va r ia bilida d da da por la ecu a ción (10), per m it e pr oba r
h ipót esis ú n ica m en t e para , est o es, pr oba r el ju ego de h ipót esis
siguiente:
Ho: = o VS Ha: o
Ó Ho: - o = 0 VS Ha: - o 0
Siendo o el va lor su pu est o del pa r á m et r o descon ocido y La m edia
poblacional real.
Total N n 2
i=1(yi - o)
E l est a díst ico “F ” ca lcu la do, ba jo la h ipót esis n u la , t ien e u n a dist r ibu ción
F 1 n -1 . Debem os de t en er siem pr e pr esen t e a la r egla de decisión , ya qu e a
t r a vés de est a eva lu a r em os a la h ipót esis n u la , r ech a zá n dola si la F
calculada es mayor que la F de tablas (rechazar Ho si Fc > F1 n -1 , )
Si el pr opósit o del ANVA es pr oba r el ju ego de h ipót esis Ho: =0 VS
Ha: 0, el ANVA es equivalente a la tabla anterior, únicamente haciendo
la t r a n sfor m a ción de x i=yi- o, en don de la s n u eva s va r ia bles t en dr á n
com o cen t r o el va lor de cer o, qu eda n do el a n á lisis de va r ia n za com o se
observa en el cuadro 4.
Cuadro 4.- Análisis de Varianza cuando Ho: =0
FV GL SC CM Fo
Media ( ) 1 n x2 n x 2 /1 n x 2 /Sx2
Error n -1 n
i=1(xi - x )2 [ n i=1(xi- x )2 /n-1]= S2
Total N n 2
i=1x i
Ejemplo:
E n u n est u dio sobr e los n iveles de h em oglobin a (H b) de u n a com u n ida d
ubicada 1600 m .s.n .m . en la cost a del E st a do de Ch ia pa s, se
cuan t ifica r on la s con cen t r a cion es de H b de 28 varones qu e a ccedier on a
participar en el trabajo, siendo los valores obtenidos:
12.72 13.38 13.94 17.34 15.74 14.60 19.03
14.11 13.01 17.53 19.25 13.72 12.26 13.29
18.92 17.65 12.13 13.90 10.41 15.03 14.44
13.62 11.49 14.75 13.68 14.81 5.21 17.03
De est u dios pr evios se sa be qu e la s con cen t r a cion es de h em oglobin a en
per son a s qu e viven en zon a s con a lt u r a s sim ila r es a la s de la com u n ida d
en estudio es de 13.23 gr/dL.
a) ¿Cual es la población de interés en este estudio?
b) ¿Se pu ede con sider a r qu e la con cen t r a ción de H b de los h a bit a n t es de
la com u n ida d en est u dio es igual a la r epor t a da en com u n ida des con
alturas similares. Si es así a que nivel de significancía?
Solución:
a) La concentración de hemoglobina
El juego de hipótesis a probar es: Ho: = o VS Ha: o
Como o = Hb reportada en comunidades con alturas similares: o=13.23
Entonces Ho: =13.23 VS Ha: 13.23
S.C. Total = n 2
i=1(yi - o)
De los datos obtenidos tenemos: n=28
y = 402.93
y2 = 6029.9671
Sustituyendo en las formulas tenemos: y/n = ÿ = 14.39
S.C. Media = n(ÿ - o)2 = 28 (14.39 - 13.23)2 = 37.67
S.C. Error = n 2 n 2 2
i=1y i - ( i=1y i ) /n = 6029.9671-(402.93) /28= 231.66
Total n n 2
i=1(yi - o)
FV GL SC CM Fc
Media 1 37.67 37.67 4.39*
Error 27 231.66 8.58
Total 28 269.33
F 127,0.05 = 4.17 Fo > Ft
F 1 27,0.01 = 7.56 Fo < Ft
b) E xist e difer en cia sign ifica t iva a l 5% por lo qu e solo a est e n ivel se
rechaza Ho.
Con clu sión : Los n iveles de H b de la com u n ida d en est u dio, son
DIFERENTES a los de la pobla ción u t iliza da com o referencia con u n
nivel de significancia del 5%
Con est e ejem plo con clu im os con la pa r t e r ela cion a da con el a n á lisis de
varianza, sien do est a la for m a m á s sen cilla de su u so. A pa r t ir de a qu í la
tabla del ANVA crecerá per o t a n solo en el n ú m er o de h iler a s debido a l
in cr em en t o de los fa ct or es de va r ia ción , qu eda n do per m a n en t em en t e con
el mismo número de columnas
Problemario de ANVA
m u est r a s dá n don os los sigu ien t es r esu lt a dos: 82, 75, 80, 72, 85, 80. A
que conclusión se llega con este estudio
3. La ca pa cida d in spir a t or ia de u n a du lt o sa n o es de 3 lt . de a ir e. Se
desea eva lu a r dich a ca pa cida d en in dividu os con pr oblem a s
br on qu ia les, pa r a lo cu a l se t om o u n a m u est r a de 8 per son a s
obt en ién dose los sigu ien t es r esu lt a dos: 2.8, 2.7, 2.5, 2.7, 2.6, 2.8, 2.8,
2.6. A que conclusión se llega con este estudio.
4. E l pr om edio de h em oglobin a en el ga n a do va cu n o es de 11. se a n a liza n
9 m u est r a s de a n im a les con pr oblem a s de ba besiosis y se les cu a n t ifico
su hemoglobina siendo los resultados: 10, 9, 8.5, 10.5, 11, 10, 9.5, 9, 10.
¿In flu ye l ba besiosis en los n iveles de h em oglobin a de los va cu n os?
Explique.
5. E l pr om edio en los n iveles sa n gu ín eos de la h or m on a t r iyodo t ir on in a
(T3) en jóven es de 10 a 15 a ñ os de eda d es de 145 n g/dl en per son a s
sa n a s. E n la com u n ida d de P och u t la , Oa xa ca se h a ce la va lor a ción de
la T3 en 10 a dolescen t es, dá n don os los sigu ien t es r esu lt a dos: 80, 100,
120, 140, 120, 100, 95, 130, 90, 100. P odem os con sider a r qu e la ba ja
est a t u r a de los h a bit a n t es de esa zon a se debe a la s difer en cia s qu e
exist en en su s n iveles de T3 en la a dolescen cia con r espect o a l r est o de
la población. Explique.
Referencias
Neter-Kutner-Nachtscheim-Li. Applied Linear
Statistical Models. Mc. Graw-Hill. 5ª Ed. 2005.
Va r ia n za s H et er ogén ea s: E n el ca so de qu e las x1 x2
va r ia n za s sean heterogéneas (las unidades t
experimentales t ienen diferentes características) S12 S 22
y el n ú m er o de elem en t os qu e com pon en a la s
m u est r a s es igu a l o difer en t es, el est a díst ico de n1 n2
prueba para la hipótesis Ho: 1= 2, es:
En ambos casos, la regla de decisión es:
Si ¦tc¦ > t(0.025, n1 +n2 -2) se rechaza la hipótesis nula (Ho: 1 = 2)
*
El ejemplo se trabajo con pocos datos por ser demostrativo (las operaciones son las mismas con muchos que con pocos)
homogeneidad de Varianzas”
2
P a r a lo cu a l pr im er o h a y qu e
x1 ca lcu la r la s va r ia n za s de “A” y “B”.
( xi x ) 2 xi2 Se pu eden obt en er de 2 for m a s a
S2 n
t r a vés de for m u la s o dir ect a m en t e
n 1 n 1
de la calculadora
5.79 5.88
t 2.134
1 1
0.00305
4 3
Ejemplo:
Se com pa r a n dos diet a s ba sa da s en Dieta
pr ot eín a s der iva da s de la soya y de Par Soya Maíz di d2i
maíz pa r a m edir la eficien cia 1 16.8 21.6 -4.8 23.04
a lim en t icia en r ela ción a la ga n a n cia
2 19.2 21.5 -2.3 5.29
de peso en n iñ os m en or es de 6 a ñ os de
3 20.5 24.1 -3.6 12.96
u n a r egión con deficien cia n u t r icion a l.
4 20.6 22.2 -1.6 2.56
Debido a qu e los n iñ os qu e
5 22.0 23.3 -1.3 1.59
participar on en el est u dio t en ía n
difer en t es pesos (muy heterogéneos), 6 22.1 24.2 -2.1 4.41
se a gr u pa r on por pa r es, de t a l for m a 7 23.0 23.3 -0.3 0.09
qu e los niños de u n pa r fu er a n lo m á s 8 23.3 24.9 -1.6 2.56
homogéneos (igu a les en peso) posibles. -17.6 52.6
Los pesos resultantes fueron:
P r u ebe la hipótesis de qu e el efect o de la s diet a s es el m ism o en el
incremento de peso de las personas.
El estadístico de prueba:
d 2 .2 2 .2
tc 4.42
sd2 1.98 0.49
n 8
Aplicando la regla de desición:
t0.05/2,7 = 2.841 como tc > t0.05/2,7 ==> Se rechaza Ho
t0.01/2,7 =4.029 como tc > t0.01/2,7 ==> Se rechaza Ho
Referencias
Box, G. E., Hunter, W., Hunter, J. S., "Estadística para
investigadores". Ed. Reverté. 1998.
Análisis Estadístico
La s su posicion es qu e se con sider a n pa r a pr oba r la h ipót esis de igu a lda d
de efectos de tratamientos con el ANVA son:
1) Los va lor es obser va dos de u n t r a t a m ien t o son u n a m u est r a
a lea t or ia de u n con ju n t o in fin it o de obser va cion es del
tratamiento bajo las mismas condiciones del experimento.
2) La s va r ia cion es en la s u n ida des exper im en t a les tratadas
igualmente es la misma para todos los tratamientos.
3) Las observaciones se distribuyen normalmente.
E st a s su posicion es son equ iva len t es a a su m ir qu e se t ien en t muestras
a lea t or ia s in depen dien t es pr oceden t es de t poblaciones n or m a les con
varianza común.
Notación
Si se t ien e u n exper im en t o ba jo est e diseñ o y se pr oba r on t tratamientos
con n i r epet icion es ca da u n o, los da t os deben cla sifica r se en t gr u pos de
a cu er do a los t r a t a m ien t os a plica dos; la t a bla de con cen t r a ción de da t os
se observa en el cuadro 8:
El Modelo
La s obser va cion es pr oceden t es de ca da u n a de la s unidades
experimentales pu eden a ju st a r se a u n m odelo est a díst ico. E l desa r r ollo
t eór ico de los diseñ os exper im en t a les est á ba sa do en la Teor ía de los
m odelos lin ea les. E n est e ca so, el m odelo pa r a el Diseñ o com plet a m en t e
al Azar (DCA) es:
Yij= +ti+ ij con i=1,2,3,...,t y j=1,2,3...nk
Con:
Yij= Observación del tratamiento en la repetición
= E s la m edia ver da der a gen er a l de t oda s la s pobla cion es, es decir ,
si ca da obser va ción t ien e u n a dist r ibu ción n or m a l, con u n a m edia
y u n a va r ia n za ; en t on ces la m edia pobla cion a l es el r esu lt a do de
las medias de tratamientos entre el número de estos:
2
Si Yij N ( , ) ==> = i/t
t i= Es el efecto verdadero del i-ésimo tratamiento, es decir: ti= i- .
ij=
E s el er r or exper im en t a l de la ij-ésim a obser va ción . Los ij son
va r ia bles a lea t or ia s, dist r ibu ida s n or m a l e in depen dien t em en t e
2 2 2
con media cero y varianza ( ), esto es: E ( ij)=0; E ( ij)=
Estimación
La est im a ción , el a n á lisis de la va r ia n za y los desa r r ollos pa r a obt en er
la s esper a n za s de los cu a dr a dos m edios, se r ea liza r on a n t er ior m en t e; en
este caso tenemos:
t ni t ni t ni
i=1 j=1(Yij - Y..) = i=1 j=1(Yi. - Y..) + i=1 j=1(Yij - Yi.)
S.C. Total S.C. Tratamiento S.C. Error
Cuadro 10.- ANVA del DCA con igual número de repeticiones en los
tratamientos
FV GL SC CM Fc
t 2 2
Tratam. t-1 i=1(Yi.) /r - (Y..) /rt S.C. Trat./t-1 C.M. Trat
C.M. Error
Error t(r-1) S.C.Tot.-S.C.Tratam. S.C. Error/n.-t
rt-1 t ni 2 2
Total i=1 j=1Y ij - (Y..) /rt
E n la t a bla del ANVA, F c se dist r ibu ye com o u n a F con t -1 y n .-t o t (r -1)
grados de libertad. Por lo tanto el criterio de prueba es:
Ejemplo:
Debido a qu e el sín dr om e de Tu r n er es u n D1 D2 D3
defect o gen ét ico en n iñ a s, la s cu a les en t r e ot r os
1 58 56 67
fa ct or es, t ien en u n r et r a so de cr ecim ien t o. Se
2 60 54 64
desa r r olla u n a in vest iga ción pa r a eva lu a r cu a l
3 61 60 58
es el t r a t a m ien t o h or m on a l m á s a decu a do qu e
pu eda sign ifica r u n a m ejor ía en la t a lla a du lt a 4 54 58 65
final. Por lo que a nivel de laboratorio se evaluó 5 58 52
el in cr em en t o de t a m a ñ o de r a t on es r ecién 6 59
nacidos, por efect o de t r es dosis de u n a 7 54
h or m on a de cr ecim ien t o (GH) biosintética. Yi. 291 393 254
Después de 30 día s se midió el t a m a ñ o de los r a t on es desde la s pa t a s
t r a ser a s a la s pa t a s dela n t er a s, est ir a n do a l r a t ón sin for za r lo n i
la st im a r lo. E l r esu lt a do de la m edición del t a m a ñ o de ca da r a t ón se h izo
en mm y dio como resultado los valores que a continuación se presentan:
P r u ebe la hipótesis de qu e los in cr em en t os de t a m a ñ o de los r a t on es n o
se ven afectados por los diferentes niveles de T4.
Ho: 1= 2= 3 VS. Ha: al menos un i es diferente
n. = n1+n2+n3=5+7+4=16
t ni
i=1 j=1Yij= 938
t ni 2
i=1 j=1Y ij= 55256
t ni 2
S.C. Total = i=1 j=1Y ij - (Y..)2/n.
t 2
S.C. Tratamientos = i=1(Yi.) /ni - (Y..)2/n.
(291)2/5+(393)2/7+(254)2/4 - 54990.25
55129.34 - 54990.25 = 139.09
S.C. Error = S.C. Total - S.C. Tratamientos
265.75 - 139.09 = 126.66
FV GL SC CM Fc
Tratam. 2 68.545 7.035
Error 13 126.66 9.743
Total 15
Ft 0.05=3.81 ==> Fc > Ft
Ft 0.01=6.70 ==> Fc > Ft
Se r ech a za la h ipót esis n u la . Si h a y difer en cia s sign ifica t iva s en el
crecimien t o de los r a t on es con la s t r es difer en t es dosis de la h or m on a de
crecimiento biosintética.
18.E l r u ido pr odu cido por el m ot or de u n veh ícu lo n o debe de exceder los
30 decibeles. 4 com pa ñ ía s in dica n qu e su s m ot or es son los qu e poseen
los ín dices más ba jos de Compañía A 40, 45, 48, 36, 32.
con t a m in a ción son or a (r u ido), Compañía B 38, 30, 47, 43.
pa r a t a l efect o se t om a r on
Compañía C 48, 40, 40, 39, 35.
m u est r a s de va r ios a u t om óviles y
Compañía D 42, 41, 47, 48, 40
los r esu lt a dos se pr esen t a n en la
siguiente tabla:
A que conclusión puede llegar. Explique
19.Se con sider a qu e la pobla ción joven de los pa íses la t in oa m er ica n os se
con cen t r a en los lu ga r es m á s u r ba n iza dos. E n u n est u dio en la
Repú blica Mexica n a , se seleccion a r on 3 sit ios a l a za r sien do est os:
Ca m pech e, Gu a da la ja r a y Guadalajara: 22, 36, 40, 18, 25.
Veracruz. De la zon a cen t r o de Campeche: 32, 41, 56, 28, 37, 43.
ca da ciu da d se t om a r on de Veracruz: 18, 25, 32, 14, 29.
m a n er a a lea t or ia a los
individuos que se les pregunto su edad, siendo los resultados:
A que conclusión llega con este estudio. Explique.
I II III I B A C
B C A II C B A
A B B III A B C
C A C
Ventajas:
1) E s m á s pr eciso qu e el DCA cu a n do h a y u n fa ct or qu e ca u sa va r ia ción
en las unidades experimentales
2) E s flexible, debido a qu e pu ede t en er cu a lqu ier n ú m er o de
tratamientos y de bloques (mínimo dos)
3) Es posible estimar datos perdidos
Desventajas:
1) Cu a n do el n ú m er o de t r a t a m ien t os es m u y gr a n de, es difícil mantener
la homogeneidad dentro de bloques, se pierde precisión.
2) E st im a el E r r or E xper im en t a l con m en os gr a dos de liber t a d qu e el
D.C.A.
Diseño gl
DCA t (r-1)
DBA (t-1) (r-1)
Análisis Estadístico:
La s su posicion es con sider a da s pa r a pr oba r la s h ipót esis de igu a lda d de
efect os de t r a t a m ien t os, m edia n t e el An á lisis de la Va r ia n za son la s
mismas que para el DCA.
Notación:
Si se tiene un experimento bajo el DBA y se prueban t tratamientos con r
repeticiones cada uno, los datos se clasifican en t grupos, de acuerdo a los
tratamientos aplicados y r bloques, según la tabla siguiente:
Cuadro 11.- Concentración de datos en el DBA
Blo Tratamientos Y.j
que 1 2 3 ... ... ... t r
j=1Y.j
El Modelo:
El modelo estadístico para el DBA está dado por
Yij= +ti+ j+ ij con i=1,2,3,...,t y j=1,2,3...r
Yij= Observación del tratamiento (y) en el bloque (j)
= Es el efecto verdadero de la media general.
t i= Es el efecto verdadero del i-ésimo tratamiento, es decir: ti= i- .
j= Es el efecto verdadero del j-esimo bloque
ij= Es el error experimental
Estimación:
La est im a ción , el a n á lisis de la va r ia n za y los desa r r ollos pa r a obt en er
la s esper a n za s de los cu a dr a dos m edios, se r ea liza r on a n t er ior m en t e; en
este caso tenemos:
Tapachula, Chiapas. México. 57
El Diseño Experimental en las Ciencias e la Salud
Miguel Ángel Rodríguez Feliciano
t ni t r 2 t r 2 t r 2
i=1 j=1(Yij-Y..)= i=1 j=1(Yi.-Y..) + i=1 j=1(Y.j-Y..) + i=1 j=1(Yij-Yi.)
S.C. Total =S.C. Tratamiento + S.C. Bloques + S.C. Error
En donde:
i= 1, 2, 3,.......t
j= 1, 2, 3,.......t
t r
Y.. = i=1 j=1Yij
Yi.= Es la suma de las i-esimas repeticiones del i-ésimo tratamiento.
Y.j= Es la suma de las i-esimas repeticiones del j-ésimo bloque.
(r-1)(C.M.Bloques) + r(t-1)(C.M.error)
ER (BA --->CA) = ——————————————————
(rt-1)(C.M.Error)
Con: r = Número de repeticiones
t = Número de tratamientos
La regla de decisión es:
Si ER (BA --->CA) > 1, es más eficiente DBA
Si ER (BA --->CA) < 1, es más eficiente DCA
La eficien cia se expr esa en por cen t a jes y de a cu er do con la fr a cción
excedente de la unidad.
Ejemplo:
Se evalúa la efica cia de su lfa t o fer r oso a 4 T1 T2 T3 T4 Y.j
difer en t es con cen t r a cion es 2, 2,5, 3, y 4
I 4.1 6.5 4.1 4.9 19.6
m g/kg/día pa r a com ba t ir la a n em ia en
per son a s con desn u t r ición . Da da la II 4.1 5.3 4.0 6.2 19.6
va r ia bilida d de pesos y sexos, se decidió III 6.5 6.9 4.5 4.8 22.7
a gr u pa r en bloqu e de per son a s por pesos lo
m á s sem eja n t es posibles. Se les dio el IV 4.3 6.8 4.3 4.2 19.6
t r a t a m ien t o du r a n t e 4 m eses y se procedió V 6.0 6.5 4.1 6.9 23.5
a det er m in a r su volu m en sanguíneo dando
los siguientes resultados: Yi. 25 32 21 27 105
Características:
1. Se gen er a cu a n do los t r a t a m ien t os se a gr u pa n en bloqu es
h om ogén eos en dos dir eccion es: h iler a s y colu m n a s qu ien es
constituyen una repetición completa de los tratamientos.
2. Cu a lqu ier t r a t a m ien t o a pa r ece u n a sola vez en la m ism a colu m n a o
en la misma hilera.
3. Se im pon e a la s UNIDADE S E XP E RIME NTALE S u n a r est r icción
de doble bloqueo.
4. E l n ú m er o de r epet icion es es igu a l a l n ú m er o de t r a t a m ien t os a
eva lu a r . E st o es, si h a y t t r a t a m ien t os, el t ot a l de UNIDADES
EXPERIMENTALES será t 2 . t es mayor de 2.
Ventajas:
1. Reduce el error experimental al introducir el doble bloqueo.
2. E l a n á lisis est a díst ico es sim ple, liger a m en t e m á s com plica do qu e
DBA.
3. P u ede u t iliza r se cu a n do la s UNIDADE S E XP E RIME NTALE S
forman una línea continua.
4. P r opor cion a u n a com pa r a ción m á s pr ecisa de los efect os de los
tratamientos.
5. Aún con datos perdidos, el análisis estadístico es simple.
6. Es más preciso que el DBA.
Desventajas:
1. E s poco flexible, ya qu e el No. de H iler a s o Colu m n a s depen den del
No. de tratamientos.
2. No se pueden comparar muchos tratamientos, el rango es 4-10
3. Con pocos t r a t a m ien t os, se t ien en dem a sia dos parámetros en el
m odelo con poca s obser va cion es, sien do in eficien t e la est im a ción de
la varianza del error.
I II III IV
I A B C D C D A B D B C A
II D A B C ah A B C D ac B D A C
III, I, IV II II, IV I, III
III C D A B B C D A C A B D
IV B C D A D A B C A C D B
Aleatorización Aleatorización Aleatorización
inicial en Hileras en Columnas
ah: aleatorizando hileras ac: aleatorizando columnas
Análisis Estadístico:
Al igu a l qu e pa r a los DCA y DBA, la s su posicion es de dist r ibu ción de la s
observaciones son las mismas.
Totales de tratamientos: t
i=1Yi ..
El modelo:
La su posición lógica de u n D.C.L. con u n a obser va ción por ca da unidad
exper im en t a l es qu e la s obser va cion es pu eden r epr esen t a r se m edia n t e el
modelo estadístico:
Yijk = + Ti + Hj + Ck + Eijk
Con i=1,2,3,...,t, j=1,2,3,...,t y k=1,2,3,...,t
en donde:
Yijk: E s la obser va ción del i-ésim o t r a t a m ien t o en la j-ésim a h iler a de
la k-ésima columna.
: Es el efecto verdadero de la media general
T i: Es el efecto del i-ésimo tratamiento
H j: Es el efecto de la j-ésima hilera
Ck: Es el efecto de la k-ésima columna
E ijk: Es el error experimental
Además, se supone:
a) Los er r or es (E ijk) se dist r ibu yen n or m a l e in depen dien t em en t e
con =0 y Varianza 2 .
b) No hay interacción entre tratamientos hileras y columnas.
t ni t 2
i=1 j=1(Yij-Y..) = t i=1(Yi..-Y...) +
t 2
t j=1(Y.j.-Y...) +
t 2
k=1(Y..k-Y...) +
t t t
i=1 j=1 k=1(Yijk-Yi..- Y.j.- Y..k+2Y...)2
S.C. Total =S.C. Tratamiento - S.C. Hileras - S.C. Columnas -S.C. Error
E n el a n á lisis de la va r ia n za h a y u n a fu en t e de va r ia ción pa r a ca da u n o
de los fa ct or es: Tr a t a m ien t os, H iler a s, Colu m n a s y E r r or E xper im en t a l;
ca lcu lá n dose la con t r ibu ción de ks su m a s de cu a dr a dos de ca da
componente, para probar los juegos de hipótesis siguientes:
1) Respecto de un DBA
ER (CL ---> BA) = CM(Hileras) + (t-1)CM(Error)
(t)(CM(Error))
2) Respecto de un DCA
ER (CL ---> CA) = CM(Hil.)+CM(Col,)+(t-1)CM(Error)
(t+1)(CM(Error))
La E R-1, se m u lt iplica por 100 y se expr esa en por cen t a je la eficien cia
total.
Ejemplo:
Se desea eva lu a r el funcionamiento hepático en per r os con difer en t es
patologías hepáticas que se encuentran con tratamiento de vitaminas B a
4 difer en t es con cen t r a cion es. P or lo qu e se h a ce u n doble a r r eglo en ba se
a la s pa t ología s y r a za s, y se procedió a la m edición de la Tr a n sa m in a sa
Glutámico Pirúvica (TGP).
Patologías hepáticas
I II III IV
R Isquemia Tumor Hepatitis Hemocromat
viral osis
A I.- Cocker Spaniel t1 10 t2 8 t3 14 t4 14
Z II.- Pastor Aleman t4 7 t1 12 t2 12 t3 11
A III.- Boxer t3 14 t4 12 t1 16 t2 16
S IV.- Schnauzer t2 13 t3 13 t4 10 t1 15
FV GL SC CM Fc F36,0.05 F36,0.01
Tratamientos 3 15.19 5.0633 0.5438n.s. 4.76 9.78
Hileras 3 7.69 2.5633 0.2752n.s. 4.76 9.78
Columnas. 3 24.69 8.2300 0.8838n.s. 4.76 9.78
Error 6 55.87 9.3117
Total 15 103.44
El criterio de decisión es:
Rechazar Ho1, si Fc > Ft-1(t-1)(t-2), Para tratamientos
Rechazar Ho2, si Fc > Fr-1(t-1)(t-2), Para Hileras
Rechazar Ho3, si Fc > Fr-1(t-1)(t-2), Para Columnas
Los n iveles de TGP son igu a les en la s difer en t es r a za s, pa t ología s y
concentración de vit aminas.
Tapachula, Chiapas. México. 70
El Diseño Experimental en las Ciencias e la Salud
Miguel Ángel Rodríguez Feliciano
Semanas Especies
A B C D
I t1-12 t2-9 t3-6 t4-7
II t4-6 t1-14 t2-10 t3-4
III t3-5 t4-7 t1-11 t2-8
IV t2-9 t3-5 t4-7 t1-12
¿Existen diferencias entre los diferentes Insecticidas? Explique.
¿Existen diferencias entre las diferentes Especies? Explique.
¿Existen diferencias entre las diferentes Semanas? Explique.
29.Se evalúan 4 medidas contra la contaminación ambiental:
t1: Uso de gas en vehículos públicos,
t2: Eliminación de carros de diesel,
t3: Un día sin circulación y
t4: No permitir correr por arriba de 80Km/hr,
E n diver sa s ciu da des del pa ís (Cd. De México, Gu a da la ja r a , Mon t er r ey y
Puebla), du r a n t e la s 4 semanas de J u lio (I, II, III y IV). E l pa r á m et r o a
m edir fu e el S0 2 en g/m3 , (Ín dice r ecom en da do 40 g/m3 ) los r esu lt a dos
obtenidos fueron los siguientes:
Semanas Ciudad
A B C D
I t1-80 t2-69 t3-71 t4-
II t 4-93 t 1-83 t2-72 t3-
III t 3-85 t 43-88 t1-69 t2-
IV t 2-xx t 3- t4- t1-
¿E xist en difer en cia s en t r e la s difer en t es Medida s con t r a la
contaminación? Explique.
¿Existen diferencias entre las diferentes Ciudades? Explique.
¿Existen diferencias entre las diferentes Semanas? Explique.
30.E l t r a t a m ien t o con la h or m on a pr ogest er on a pu ede a yu da r a pr even ir
el pa r t o pr em a t u r o en t r e la s m u jer es de a lt o r iesgo. P or lo qu e se
r ea liza u n est u dio pa r a eva lu a r los n iveles de pr ogest er on a en m u jer es
em ba r a za da s qu e h a n t en ido a bor t os pr evios, la s eda des de la s
participantes son de: 20, 25, 30, 35 y 40 a ñ os, y se eva lú a n los n iveles
durante los m eses de Mes Edades
gest a ción (3º, 4º, 5º, 6º y 7º). 20 25 30 35 40
Despu és de eva lu a r qu e n o 3º t5-90 t4-88 t3-85 t4-82 t1-80
4º t1-88 t5-86 t4-83 t3-80 t2-78
t u vier a n br u celosis ni
5º t2-85 t1-83 t5-79 t4-77 t3-75
t oxopla sm osis, se les 6º t3-81 t2-80 t1-76 t5-74 t4-72
suministro u n der iva do de la 7º t4-77 t3-76 t2-73 t1-70 t5-69
progest er on a en dosis de
(100, 150, 200, 250 y 300 mg)
Referencias
Arnau Gras, J.. Diseños Experimentales
Multivariables. Alianza Editorial, Madrid. 1990.
donde:
X1 y X2 = Valores estimados de las observaciones pérdidas
T 12= Tot a l de la s obser va cion es pr esen t es en el
tratamiento donde falta X1 y X2 .
B 1= Tot a l de la s obser va cion es pr esen t es en el bloqu e
donde falta X1 .
B 2= Tot a l de la s obser va cion es pr esen t es en el bloqu e
donde falta X2 .
G= Tot a l de t oda s la s obser va cion es a n t es de est im a r
X1 y X2
Tapachula, Chiapas. México. 78
El Diseño Experimental en las Ciencias e la Salud
Miguel Ángel Rodríguez Feliciano
x1 = (t-1) (r-1) (t T1 + r B1 - G) - (t T2 + r B2 - G)
[ (t-1)(r-1) ]2 - 1
x2 = (t-1) (r-1) (t T2 + r B2 - G) - (t T1 + r B1 - G)
[ (t-1)(r-1) ]2 - 1
x2 = (t-1) (r-1) (t T2 + r B2 - G) - (t T1 + r B1 - G)
[ (t-1)(r-1) ]2 – 1
Tratamientos
Bloque 1 2 3 4 y. j E l exper im en t o se
a n a liza n or m a lm en t e,
I 7.3 6.18 6.7 5.7 25.88
sólo qu e los gr a dos de
II 7.2 5.5 6.70 6.9 26.3
liber t a d del E r r or y
III 7.6 6.8 6.8 6.4 27.6
Tot a l se dism in u yen
IV 7.2 6.5 7.4 6.1 27.2
en uno (-2).
V 7.5 6.8 7.5 6.4 28.2
VI 7.6 7.1 6.3 6.3 27.3
yi. 44.4 38.9 41.4 37.8 162.5
C1 C2 C3 C4
1) Cuando se pierde una observación
H1 T1 T2 T3 T4
E l va lor de la obser va ción per dida Yijk se est im a
con: H2 T4 T1 T2 T3
^ t (H +C + T ) -2G H3 T3 T4 T1 T2
Yijk = -----------------------
(t-1)(t-2) H4 T2 T3 T4 T1
Donde:
^
Yijk= Valor estimado de Yijk
H= Total de la hilera en donde falta la observación
C= Total de la columna en donde falta la observación
T= Total del tratamiento en donde falta la observación ( )
G= Total de las observaciones antes de estimar Yijk
t= Número de tratamientos
Un a vez est im a do el Yijk fa lt a n t e se coloca en la posición qu e le
cor r espon de en la t a bla de da t os y se analiza en for m a n or m a l pa r a
obt en er el ANVA cor r espon dien t e, ú n ica m en t e qu e se le r est a u n
grado de libertad, tanto al Error como al total.
Al igu a l qu e el DBA, la Su m a t or ia de Cu a dr a dos de los
Tratamientos se su best im a y cu a n do el n ú m er o de t r a t a m ien t os
sea mayor de 10, se resta el término:
G - H - C - (t -1) T2
Sesgo = = --------------------------
[(t-1) (t-2)]2
Con H,C,T,G y t definidos para este diseño
además:
H 1 y C1 = Totales de la Hilera y la Columna donde falta X1
H 2 y C2 = Totales de la Hilera y la Columna donde falta X2
T 12= Total del tratamiento donde faltan X1 y X2
G= Tot a l de la s obser va cion es a n t es de est im a r a X1
y X2
X1 y X2 = observaciones faltantes
t= Número de tratamientos
C1 C2 C3 C4
c) En la misma Columna, pero en Hileras y
H1 T1 T2 T3 T4
Tratamientos diferentes
H2 T4 T1 T2 T3
(t-1) Q1 + Q2 (t-1) Q2 + Q1
H3 T3 T4 T1 T2
x1 = ------------------ x2 = ------------------
t (t-1) t (t-1) H4 T2 T3 T4 T1
Q 1 = t(T1 +H1 +C12)-2G Q2=t(T2 +H2 +C12)-2G
Ejemplo:
Columnas
H I II III IV V Y.j.
i I t3 10 t5 8 t2 14 t4 13 t1 17 62
l II t5 7 t2 12 t4 ? t1 17 t3 16 52
e III t2 13 t4 12 t1 16 t3 15 t5 11 67
r IV t1 14 t3 13 t5 10 t2 16 t4 16 69
a V t4 14 t1 16 t3 15 t5 12 t2 18 75
s Y..k 58 61 55 73 78 325
t4 = 14+12+13+16 = 55
Com o solo se perdió u n a obser va ción el va lor de la obser va ción per dida
Yijk se estima con:
^ t (H +C + T ) -2G
Yijk = -----------------------
(t-1)(t-2)
= 5 (52+55+55) -2(325) = 13.33
(5-1) (5-2)
Se in t r odu ce el va lor est im a do en la pa r cela per dida y se r eca lcu la n los
totales afectados
Columnas
H I II III IV V Y.j.
i I t3 10 t5 8 t2 14 t4 13 t1 17 62
l II t5 7 t2 12 t4 13.3 t1 17 t3 16 65.33
e III t2 13 t4 12 t1 16 t3 15 t5 11 67
r IV t1 14 t3 13 t5 10 t2 16 t4 16 69
a V t4 14 t1 16 t3 15 t5 12 t2 18 75
s Y..k 58 61 68.3 73 78 338.3
t4 = 14+12+13.3+13+16 = 68.3
E l exper im en t o se a n a liza en for m a n or m a l pa r a obt en er el ANVA
correspondiente, restándosele un grado de libertad, al Error y al total.
Referencias
Box, G., Hunter, W.G. and Hunter, J.S. Estadística
para Investigadores. Introducción al Diseño de
Experimentos, Análisis de Datos y Construcción de
Modelos. Editorial Reverté. 2002.
Tipos de Tratamientos
La m et odología a pr opia da pa r a la com pa r a ción de t r a t a m ien t os depen de
de la n a t u r a leza de los m ism os; los cu a les se pu eden cla sifica r com o se
observa en el cuadro 16.
Cuadro 16.- Clasificación de los tratamientos
Sin Estructura no es posible asignar
una escala numérica con
Mediante el estimador: _ _
DMSii’ = ( ,GL Error) (S(Yi -Yi’)
1 1
S ( yi yi ' ) CMError
ni ni '
1 1
DMSii ' t ( ,GLE ) CMError
ni ni '
El procedimiento a seguir es:
1) Se ordenan las medias de los tratamientos
2) Se calcula el estimador DMS¡¡
3) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de dos
m edia s es m a yor qu e el va lor de DMS¡¡, en t on ces se r ech a za
Ho: i= i’, en caso contrario no se rechaza Ho: i= i’, esto es:
Rechazar Ho: i= i’ Si |Yi - Yi’| > DMSii’
1 1
DMS 12 ( 3 . 012 ) 9 . 743 5 .5
5 7
1 1
DMS 13 ( 3 . 012 ) 9 . 743 6 .3
5 4
1 1
DMS 23 ( 3 . 012 ) 9 . 743 5 .9
7 4
Método de Duncan
E st e m ét odo fu e desa r r olla do por Du n ca n en 1951, t r a t a n do de en con t r a r
métodos de comparaciones múltiples más eficientes que el de la DMS. Ha
tenido poca aceptación, debido a qu e es u n m ét odo a pr oxim a do qu e t ien e
poco control del error tipo I.
Ta m bién es con ocido com o pr u eba de “t ” m odifica da . La pr u eba de r a n go
múltiple de Duncan; utiliza una tabla de “t” modificada por Duncan.
Se ca lcu la n va lor es est u den t iza dos pa r a ca da u n a de la s com pa r a cion es
de m edia s a dya cen t es, a sí com o pa r a a qu ella s qu e est á n sepa r a da s por
ot r a s (se pu ede com pa r a u n t r a t a m ien t o con t r a t odos los dem á s); es de
t ipo secuencial. E s n ecesa r io qu e los t r a t a m ien t os t en ga n el m ism o
número de repeticiones.
La ven t a ja de est a pr u eba es qu e n o se n ecesit a qu e el va lor de F sea
sign ifica t ivo pa r a poder u sa r la . P er m it e h a cer com pa r a cion es m ú lt iples
de todas las medias de tratamientos, sin restricciones.
El análisis consiste en probar el juego de hipótesis:
Ho: i= i’ V.S. Ha: i i’ con i i´
En donde:
RMEii’(Rango Mínimo de Error)= Estimador CMError
P= No. de medias en el rango de la prueba
Sy
r
El procedimiento es:
1) Se ordenan las medias de los tratamientos
2) Se ca lcu la el est im a dor RME ¡¡, con los va lor es de “t ” en la t a bla de
rangos estudentizados para el número de medias en el rango.
3) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de dos
medias es mayor que el valor de RME¡¡, entonces se rechaza Ho: i= i’,
en caso contrario no se rechaza Ho: i= i’, esto es:
Rechazar Ho: i= i’ Si |Yi - Yi’| > RMEii’
4) Se pr esen t a n los r esu lt a dos en for m a t a bu la r , identificando con la
m ism a let r a la s m edia s est a díst ica m en t e igu a les, o sea , la s qu e n o
presentan diferencias significativas entre ellas.
CMError 0.6954
Sy 0.3729
r 5
= 0.05
p 2 3 4
t 3.08 3.23 3.33
Sy 0.3729 0.3729 0.3729
RME 1.15 1.20 1.24
En donde:
RMEp = Estimador
CMError
Sy
r
El procedimiento es:
1) Se ordenan las medias de los tratamientos
2) Se ca lcu la el est im a dor RME p, con los va lor es de “t ” en la t a bla de
rangos estudentizados para el número de medias en el rango.
3) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de dos
medias es mayor que el valor de RMEp, entonces se rechaza Ho: i= i’,
en caso contrario no se rechaza Ho: i= i’, esto es:
Rechazar Ho: i= i’ Si |Yi - Yi’| > RMEP
4) Se pr esen t a n los r esu lt a dos en for m a t a bu la r , identificando con la
m ism a let r a la s m edia s est a díst ica m en t e igu a les, o sea , la s qu e n o
presentan diferencias significativas entre ellas.
CMError 0.6954
Sy 0.3729
r 5
t = 3.33
= 0.05
(0.3729)(3.33) = 1.24
Método de Tukey
E s u n a pr u eba qu e se em plea pa r a h a cer t oda s la s com pa r a cion es
m ú lt iples qu e son posibles con t t r a t a m ien t os; ba sa da en la dist r ibu ción
del rango estandarizado.
Se le con oce con el n om br e de Difer en cia Sign ifica t iva H on est a (DSH ), en
virtud de que mantiene el nivel de significancia sin alterar.
E l n ú m er o de com pa r a cion es m ú lt iples posibles son t (t -1)/2. E st a pr u eba
n o es secu en cia l, y considera u n va lor t eór ico com ú n pa r a la s
comparaciones posibles.
E s exa ct a cu a n do los t r a t a m ien t os t ien en el m ism o n ú m er o de
r epet icion es, y pa r a m edia s qu e n o h a n sido a ju st a da s por cova r ia n za
(diseños incompletos).
Con este método se prueba el juego de hipótesis:
Ho: i= i’ V.S. Ha: i i’ con i i´
CMError
Sy
r
En donde:
DHS = Estimador
Q( ,p,GL Error)= Valor en la tabla de rangos estandarizados
p = Número de tratamientos
El procedimiento es:
1) Se ordenan las medias de los tratamientos
2) Se ca lcu la el est im a dor DSH , con los va lor es de Q en la t a bla de
rangos estandarizados para el número de medias en el rango.
3) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de dos
m edia s es m a yor qu e el va lor de DSH , en t on ces se r ech a za H o: i= i’,
en caso contrario no se rechaza Ho: i= i’, esto es:
CMError 0.6954
Sy 0.3729
r 5
(0.3729)(4.20) = 1.56
Método de Scheffé
E s u n m ét odo m á s gen er a l, se ba sa en la dist r ibu ción F ; sin em ba r go, se
con sider a m á s est r ict a qu e la s dem á s, por lo qu e en la pr á ct ica es
frecuente usarla al 10% de significancía.
E s m á s exa ct o qu e la s com pa r a cion es m ú lt iples ba sa da s en el r a n go
est a n da r iza do, ya qu e se pu ede u t iliza r pa r a com pa r a r m edia s
proven ien t es de t r a t a m ien t os con igu a l o desigu a l t a m a ñ o (r i r i’) y pa r a
medias que han sido ajustadas por covarianza.
Ta m bién pu ede em plea r se pa r a pr oba r la h ipót esis gen er a l de qu e u n a
función lineal de las medias poblacionales es igual a cero.
1 1
SCHEFFE t 1 F , t 1, GLError CMError
ni ni '
2CMError
SCHEFFE t 1 F ,t 1,GLError
r
Donde:
Scheffé = Estimador
n i = Número de repeticiones del tratamiento i
n i’ = Número de repeticiones del tratamiento ¡’,
t = Número de tratamientos
El procedimiento es:
1) Se ordenan las medias de los tratamientos
2) Se ca lcu la el est im a dor Sch effé, con los va lor es de Q en la t a bla de la
dist r ibu ción F , con el CME r r or , el n ú m er o de t r a t a m ien t os y el n ivel
de significancia .
3) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de dos
m edia s es m a yor qu e el va lor de Sch effé, en t on ces se r ech a za H o:
i = i’, en caso contrario no se rechaza Ho: i = i’., esto es:
2CMError 2(0.6954)
SCHEFFE t 1 F ,t 1,GLError 4 1 3.49 1.70
r 5
Método de Dunnett
E st e m ét odo es r ecom en da ble cu a n do el in t er és en u n exper im en t o es
comparar un grupo de tratamientos con un testigo o tratamiento control.
2(CMError )
S yt yi
r
P = t-1
t( ,p,GLError) = Valor en la tabla “t” de Dunnet
t = Número de tratamientos
El procedimiento es:
1) Se ca lcu la el est im a dor F D , con lo va lor es de t D en la t a bla de “t ” de
Dunnett.
2) Se com pa r a n la s m edia s de t a l for m a qu e si la difer en cia de la m edia
del t est igo y cu a lqu ier ot r a m edia es m a yor qu e el va lor de F D ,
en t on ces se r ech a za H o: t= i, en ca so con t r a r io n o se r ech a za H o:
t= i, esto es:
Rechazar Ho: t= i Si |Yt - Yi| > FD
3) Se pr esen t a n los r esu lt a dos en for m a t a bu la r , identificando con la
misma letra las medias estadísticamente iguales al testigo.
1. DMS
2. DUNCAN
3. S-N-K
4. DUNNETT
5. TUKEY
6. SCHEFFÉ
Referencias
Box, G., Hunter, W.G. and Hunter, J.S. Estadística
para Investigadores. Introducción al Diseño de
Experimentos, Análisis de Datos y Construcción de
Modelos. Editorial Reverté. 2002.
Comparaciones Independientes
También se les con oce com o com pa r a cion es pla n ea da s u or t ogon a les; se
diseñan según las necesidades de cada investigador.
La s com pa r a cion es son in depen dien t es cu a n do ca da m edia de
tratamiento a pa r ece ú n ica m en t e en u n a com pa r a ción , a u n qu e pu ede
aparecer varias veces en un conjunto como miembro de dicho conjunto.
E n el ca so de t r a t a m ien t os cu a lit a t ivos sin est r u ct u r a el m ét odo más
sensible para det ect a r difer en cia s, es el qu e se r ea liza a t r a vés del
est im a dor DMS; el cu a l con sist e en ca lcu la r u n va lor de DMS, pa r a ca da
pa r de m edia s de t r a t a m ien t os en comparación; por lo qu e debido a est a s
ca r a ct er íst ica s del est im a dor t a m bién es posible u t iliza r lo pa r a
tratamientos cualitativos con estructura.
El juego de hipótesis a probar es:
Ho: Ci=0 V.S. Ha: Ci 0
CMError CMError
DMS t
n1 n2
En donde:
t = Valor tabular de “t” de Student, con G.L. del Error y
n 1 = No. de observaciones del primer componente en la comparación.
n 2 = No. de observaciones del segundo componente en la comparación.
T1 T2 T3 T4 T5 T6 T7 T8 Y.J
I 16 24 28 19 16 27 30 8 168
II 19 28 18 16 25 16 23 10 155
III 16 20 23 16 22 17 25 18 157
IV 19 21 20 17 22 18 24 19 160
Yi. 70 93 89 68 85 78 102 55
ÿi . 17.5 23.25 22.5 17 21.25 19.5 25.5 13.75
T1 T2 T3 T4 T5 T6 T7
c1: T8
7
T1 T2 T3 T4 T5 T6 T7
c2 :
2 5
c3: T1 T2
T3 T4 T5 T6 T7
c4 :
2 3
c5: T3 T4
T6 T7
c6: T5
2
c7 : T6 T7
t ni 2
S.C. Total = i=1 j=1Y ij - (Y..)2/n.
13560 =
t 2
S.C. Tratamientos = - (Y..)2/n.
i=1(Yi.) /ni
[(70) +......+(55)2]/4 - 12800 =13208 - 12800 = 408
2
FV GL SC CM Fc Ft0.05 Ft0.01
Tratam. 7 408 58.286 3.974** 2.43 3.70
Error 24 352 14.66
Total 31 760
CMError CMError
DMS t
n1 n2
t = 2.797
1 1
DMS 2.797 14.667 5.73
28 4
C1 > DMS ---------> 7.142 > 5.73
Contrastes Ortogonales
Son pr u eba de com pa r a ción de t r a t a m ien t os qu e el in vest iga dor debe
saber a n t es de in icia r su exper im en t o; debien do con ocer qu e
com pa r a cion es de t r a t a m ien t os son los qu e le va n a da r la in for m a ción
deseada.
E l m ét odo con sist e en descom pon er los gr a dos de liber t a d y la su m a de
cu a dr a dos pa r a t r a t a m ien t os en com pa r a cion es com pon en t es; pudiendo
consistir en comparaciones de clase o de tendencia de respuesta.
E xist en t -1 con t r a st es or t ogon a les; si son bien seleccion a dos pu eden
r espon der t a n t a s pr egu n t a s com o gr a dos de liber t a d de t r a t a m ien t os
existan, conduciendo a afirmaciones de probabilidad bien definidas.
E s u n m étodo poco u sa do por los in vest iga dor es, debido a qu e en m u ch a s
de la s oca sion es se pien sa qu e es m u y difícil y com plica do, per o en
realidad tiene ventajas, como son:
1) P er m it e r espon der im por t a n t es pr egu n t a s específica s sobr e los
efectos de los tratamientos.
2) Los cálculos son simples.
3) Su m in ist r a u n ú t il con t r ol sobr e la su m a de cu a dr a dos de
tratamientos.
A difer en cia de la s Com pa r a cion es In depen dien t es qu e u t iliza n a la
m edia de los t r a t a m ien t os, en los Con t r a st es Or t ogon a les se t r a ba ja con
los totales de los tratamientos
Con este método se prueban hipótesis de la forma:
I) Ho1 : 3t1 = t 2 +t 3 +t 4 VS Ha1 : 3t1 t 2 +t 3 +t 4
Com pa r a ción del efect o del t r a t a m ien t o 1 con t r a los totales de los
efectos de los tratamientos 2, 3, y 4.
Hipótesis Contraste
Ho1 : 3t1 = t 2 +t 3 t 4 C 1 : 3t1 -t 2 -t 3 -t 4 =0
Ho2 : t1 +t2 = t 3 +t 4 C 2 : t1 +t2 -t 3 -t 4 =0
Ho3 : t1 +t2 = 2t3 C 3 : t1 +t2 -2t3 =0
Un a vez pla n t ea dos los con t r a st es, se pr ocede a la con st r u cción del
cuadro de los coeficien t es de los con t r a st es (ver cu a dr o 17), los cu a les la
su m a t or ia deber á ser igu a l a cer o; en ca so con t r a r io el con t r a st e y por
consecuencia la hipótesis fue mal planteada.
C 2= 21 1 + 22 2 + 23 3 +.......+ 2i 2i
2
T1 T2 T3 T4 T5 T6 T7 7T 8
SCC1 8
4 1
(1) 2 (1) 2 (1) 2 (1) 2 (1) 2 (1) 2 (1) 2 ( 7)2
2
70 93 89 68 85 78 102 7(55) 40000
SCC1 178.57
( 4)(1 1 1 1 1 1 1 49) 224
2
5( 70) 5( 93) 2(89) 2( 68) 2(85) 2( 78) 2(102) 841
SCC2 3004
.
( 4)( 25 25 4 4 4 4 4) 280
2
70 93 529
SCC 3 66.125
( 4)(1 1) 8
2
3(89) 3( 68) 2(85) 2( 78) 2(102) 3481
SCC 4 29.008
( 4)( 9 9 4 4 4) 120
2
89 68 441
SCC5 55125
.
( 4)(1 1) 8
2
2(85) 78 102 100
SCC 6 4.166
( 4)( 4 1 1) 24
2
78 102 576
SCC 7 72
( 4)(1 1) 8
SCtrat= SCCj=178.571+3.004+66.125+29.008+55.125+4.166+72=408
t ni
S.C. Total = i=1 j=1Y2ij - (Y..)2/n.
S.C. Error = S.C. Total - S.C. Tratamientos
Experimentos Factoriales
Se conocen como exper im en t os fa ct or ia les a a qu ellos en los qu e se
est u dia n con ju n t a m en t e dos o m á s fa ct or es en u n m ism o t r a t a m ien t o
difer en ciá n dose de los exper im en t os sim ples en los qu e sola m en t e se
estudia un factor por tratamiento.
An t es qu e n a da es n ecesa r io sa ber qu e u n fa ct or es u n a cla se de
t r a t a m ien t os, y en exper im en t a ción fa ct or ia l, t odo fa ct or pr opor cion a r á
va r ios t r a t a m ien t os, a t r a vés de la s com bin a cion es de los n iveles de ca da
factor, por lo que se considera que: “Un experimento factorial es aquel en
el qu e el con ju n t o de t r a t a m ien t os con sist e en t oda s la s com bin a cion es
posibles de los niveles de varios factores”.
E l t ér m in o factorial im plica el con cept o de u n diseñ o de t r a t a m ien t os, es
decir, la selección de los fa ct or es a est u dia r , su s n iveles y la com bin a ción
de ellos, siendo independiente del Diseño Experimental.
E n vir t u d de qu e en est os exper im en t os los t r a t a m ien t os pr ovien en de
com bin a cion es de va r ios n iveles de difer en t es fa ct or es y se eva lú a n con
u n diseñ o sim ple, t a m bién se dicen qu e son a r r eglos exper im en t a les, y n o
un diseño propiamente dicho.
Ventajas
La r a zón pr in cipa l de est u dia r dos o m á s fa ct or es en for m a con ju n t a es
ver com o ca m bia la r espu est a a nte los n iveles de u n fa ct or en pr esen cia
de los niveles del otro factor, es decir, ver si los factores interactúan entre
si.
Otras ventajas, en el uso de este tipo de arreglos son:
1) E con om ía en el m a t er ia l exper im en t a l, a l obt en er in for m a ción sobr e
varios factores que aumentan el tamaño del experimento.
2) Se a m plía el r a n go de va lidez del exper im en t o, es decir se a m plía el
r a n go de la in fer en cia en r ela ción a u n fa ct or ya qu e se est u dia en
la s difer en t es con dicion es r epr esen t a da s por los n iveles de los ot r os
factores.
Desventajas
Debido a qu e los exper im en t os fa ct or ia les r equ ier en de u n gr a n n ú m er o
de t r a t a m ien t os, sobr e t odo cu a n do se est u dia n m u ch os fa ct or es con
muchos niveles, se tienen las siguientes desventajas:
1) Al u sa r bloqu es, es difícil en con t r a r gr u pos de unidades
experimentales h om ogén ea s pa r a a sign a r los t r a t a m ien t os. E st o se
elim in a u sa n do el con cept o de con fu sión , qu e es r edu cien do el
t a m a ñ o del bloqu e pa sa n do por a lt o la pr ecisión en cier t a s
interacciones de orden superior.
2) Se a u m en t a el cost o del exper im en t o a l t en er m u ch a s unidades
experimentales. Se m in im iza u sa n do los exper im en t os fa ctoriales
fr a ccion a dos, don de se pr u eba sólo u n a pa r t e de los t r a t a m ien t os
posibles.
3) Es difícil interpretar las interacciones de orden superior.
P or ejem plo: P a r a la siem br a de u n
Los exper im en t os fa ct or ia les m icr oor ga n ism o, es con ven ien t e
son ú t iles en in vest iga cion es est u dia r de m a n er a sim u lt a n ea
explor a t or ia s, en los qu e poco temperatura, pH , t iem po de
se sa be a cer ca de n iveles cr ecim ien t o, n u t r ien t es del m edio de
ópt im os de los fa ct or es o cu lt ivo, et c.; en sit u a cion es sim ila r es
cuáles son importantes es con ven ien t e in clu ir t est igos en el
experimento.
El Modelo
E n los a r r eglos fa ct or ia les se com bin a n el diseñ o de t r a t a m ien t os y el
diseño simple del experimento, correspondiéndole un modelo matemático;
por ejem plo: si el Diseñ o E xper im en t a l es u n Diseñ o de Bloqu es a l Azar,
el modelo es:
Yij = + i + j + ij con ij N(0, 2 )
E n el exper im en t o fa ct or ia l, los t r a t a m ien t os se for m a n com bin a n do
n iveles de los fa ct or es en est u dio, de m a n er a qu e el efect o de
tratamientos i se con sider a a su vez com pu est o de los efect os de los
fa ct or es y su s in t er a ccion es. P or lo qu e el m odelo de los t r a t a m ien t os, por
ejemplo, para dos factores en estudio será:
= Ak + Bl + (AB)kl
i
con: i = 1,2,..., n1
j = 1,2,..., n2
k = 1,2,..., r
E st e es el m odelo pa r a el ca so m á s sim ple de los a r r eglos fa ct or ia les,
m odelos m á s com plica dos se ver á n a l est u dia r ca sos en don de se t en ga n
más de dos factores.
E s im por t a n t e a socia r a ca da exper im en t o fa ct or ia l u n m odelo, ya qu e a
pa r t ir del m odelo es posible obt en er los gr a dos de liber t a d, la s su m a s de
cu a dr a dos y la s esper a n za s de los cu a dr a dos m edios, m edia n t e r egla s
muy simples que se estudiarán posteriormente.
Notación
La m a yor ía de los a u t or es coin ciden en h a cer la n ot a ción de los fa ct or es
por let r a s m a yú scu la s; por ejem plo: los fa ct or es A, B, C, los n iveles de los
fa ct or es se den ot a n con let r a s m in ú scu la s con su bín dices; por ejem plo: el
fa ct or A t ien e los n iveles a 0, a 1, a 2 ..., siendo com ú n in icia r la n u m er a ción
de los niveles en cero.
Los t r a t a m ien t os se pu eden den ot a r con sider a n do la com bin a ción de los
n iveles de los fa ct or es A y B con n iveles, por ejem plo: a 0, a 1 y b 0, b 1
r espect iva m en t e, los t r a t a m ien t os se den ot a n por a 0 b 0, a 0 b 1, a 1 b 0, a 1 b 1 .
Ot r a for m a de den ot a r los t r a t a m ien t os es con sider a r solo el su bín dice
del n ivel; por ejem plo, los t r a t a m ien t os a n t er ior es se pu eden den ot a r de
la forma: 00, 01, 10, 11; en cada par, el primer número se refiere al factor
A y el segundo al factor B y así sucesivamente.
P a r a den ot a r el t ipo de exper im en t o fa ct or ia l en cu a n t o a l n ú m er o de
factores y niveles de cada factor, se considera la siguiente notación:
La n ot a ción en el ca so de los fa ct or ia les a sim ét r icos, se h a ce in dica n do el
pr odu ct o de los n iveles de ca da fa ct or , es decir si se t ien en 3 fa ct or es: A
con “p” n iveles, B con “q” n iveles y C con “r” n iveles, en t on ces se dice qu e
es un factorial p x q x r .
La notación en el caso de los factoriales simétricos, se hace mediante una
expr esión expon en cia l en el cu a l la ba se in dica el n ú m er o de n iveles y el
exponente el n ú m er o de fa ct or es, es decir , si se t ien en n fa ct or es a dos
n iveles ca da u n o, se dice qu e es u n fa ct or ia l 2 n , si se t ien en 3 n iveles de
cada factor, es un factorial 3n .
En el caso del factorial 2 n se tiene:
n efectos principales.
N(n-1)/2! Interacciones de 2 factores (primer orden).
N(n-1)(n-2)/3! Interacciones de 3 factores (segundo orden).
N(n-1)...(n-r+1) ! interacciones de r factores (r-1 orden)
Análisis Estadístico
E l ANVA pa r a u n a r r eglo fa ct or ia l se obt ien e ca lcu la n do la s su m a s de
cu a dr a dos de los efect os pr in cipa les y de la s in t er a ccion es, la s qu e se pu eden
obtener por medio de dos procedimientos:
A) Por contrastes ortogonales.
B) Por medio del modelo estadístico correspondiente.
Se calcula el estimador:
2 CME 2 CME
DMS t( , gle ) t ( 0 . 01 ,12 ) ( 3 . 428 )( 0 . 3439 ) 1 . 1791
r r
Se pr ocede a h a cer la s com pa r a cion es, en con t r á n dose en est e ca so qu e en
presencia del nivel de M.O. alto la mayor respuesta está en el 2º M.C.
Se comparan las medias del factor (A) Se comparan las medias del factor (B)
2CMErr 2CMErr
EE EE
ra rb
Don de “a ” y “b” son el n ú m er o de n iveles de ca da fa ct or y E E el E r r or
Estándar
F igu r a 7.- Repr esen t a ción Gr á fica de los efect os pr in cipa les e
interacciones en modelos factoriales de tres dimensiones
Referencias
Arnau Gras, J.. Diseños Experimentales Multivariables.
Alianza Editorial, Madrid. 1990.
Arreglo F actorial 2 x 2 (2 2 ).
Con sider em os u n exper im en t o fa ct or ia l qu e in clu ya dos fa ct or es (A y B)
con dos n iveles (0 y 1), desa r r olla do ba jo u n Diseñ o de Bloqu es a l Aza r ,
est e a r r eglo fa ct or ia l es con ocido com o 2 2 , en t on ces la s com bin a cion es y
los tratamientos son:
Factores: A y B niveles: 0 y 1
Diseño de los tratamientos
Factor A Factor B Tratamiento
a0 b0 a0b0 T1
a0 b1 a0b1 T2
a1 b0 a1b0 T3
a1 b1 a1b1 T4
Tratamientos: T 1 = a0 b 0 T 3 = a1 b 0
T 2 = a0 b 1 T 4 = a1 b 1
C22 t
SC( B ) t conC2 ci 2 Ti
2 T i=Total del trat.
r c i2 i 1
i 1
C32 t
SC( AxB ) t conC3 ci 3Ti
2 T i=Total del trat.
r c i3 i 1
i 1
2 Factores
Diseño: 2 Niveles
a1 Br. mellitensis
B: Medios de cultivo b0 Agar soya tripticasa
b1 Ruiz Castañeda
Un a vez r esu elt o el diseñ o sim ple se pr ocede a ver ifica r la s h ipót esis de
los factores en los tratamientos:
HIPOTESIS: CONTRASTES:
Ho(A): T1+T2 = T3 + T4 C1 : T1+T2-T3-T4=0
Ho(B) : T1+T3 = T2 + T4 C2 : T1-T2+T3-T4=0
Ho(AB): T1+T4 = T2 + T3 C3 : T1-T2-T3+T4=0
Tabla de coeficientes
T1 T2 T3 T4
C1 1 1 -1 -1
C2 1 -1 1 -1
C3 1 -1 -1 1
Evaluación de ortogonalidad
C1 y C2 = (1)(1) + (1)(-1) + (-1)(1) + (-1)(-1) = 0
C1 y C3 = (1)(1) + (1)(-1) + (-1)(-1) + (-1)(1) = 0
C2 y C3 = (1)(1) + (-1)(-1) + (1)(-1) + (-1)(1) = 0
2
C12 78 59 75 57 25
SC ( A) 1.5625
r ci21 4 12 12 12 12 16
2
C 22 78 59 75 57 1369
SC ( B ) 85.5625
r ci22 4 12 12 12 12 16
2
C 32 78 59 75 57 1
SC ( AB ) 0.0625
r c i23 4 12 12 12 12 16
H 07 : 1 + 4 + 6 + 7 = 2 + 3 + 5 + 8 vs Ha7: 1 + 4 + 6 + 7 2+ 3+ 5+ 8
Tabla de Coeficientes
Tratamientos
T1 T2 T3 T4 T5 T5 T7 T8
Factor Contraste 000 001 010 011 100 101 110 111
A C1 1 1 1 1 -1 -1 -1 -1
B C2 1 1 -1 -1 1 1 -1 -1
C C3 1 -1 1 -1 1 -1 1 -1
AxB C4 1 1 -1 -1 -1 -1 1 1
AxC C5 1 -1 1 -1 -1 1 -1 1
BxC C6 1 -1 -1 1 1 -1 -1 1
AxBxC C7 1 -1 -1 1 -1 1 1 -1
C22 t
SC( B ) t conC2 ci 2 Ti
2
r c i2 i 1
i 1
C32 t
SC( C ) t conC3 ci 3Ti
2
r ci3 i 1
i 1
C42 t
SC( AxB ) t conC4 ci 4 Ti
2
r c i4 i 1
i 1
C52 t
SC( AxC ) t conC5 ci 5Ti
2
r c i5 i 1
i 1
C62 t
SC( BxC ) t conC6 ci 6Ti
2
r c i6 i 1
i 1
C72 t
SC( AxBxC ) t conC7 ci 7 Ti
2
r c i7 i 1
i 1
Un a vez ver ifica da la h ipót esis de t r a t a m ien t os, se pr ocede a ver ifica r la
hipótesis de los factores:
H 01: no hay efecto del factor A vs H a1: hay efecto del factor A
H 02: no hay efecto del factor B vs H a2: hay efecto del factor B
H 03: no hay efecto del factor C vs H a3: hay efecto del factor C
H 04: no hay interacción AxB vs H a4: hay interacción AxB
H 05: no hay interacción AxC vs H a5: hay interacción AxC
H 06: no hay interacción BxC vs H a6: hay interacción BxC
H 07: no hay interacción AxBxC vs H a7: hay interacción AxBxC
VPH: virus del papiloma humano VHS: virus del herpes simple
Nivel Social
Edades Baja Media Media Alta
baja alta
15-25 T4- 17 T1- 15 T2- 16 T3- 14
26-35 T1- 16 T2- 14 T3- 10 T4- 15
36-45 T2- 15 T3- 16 T4- 13 T1- 11
46-55 T3- 9 T4- 13 T1- 15 T2- 10
39.- Un a m icr oem pr esa se dedica a la pr odu cción de a lim en t os der iva dos
de la lech e. E m plea n lech e de va ca y ca br a , a m bos a n im a les t ien e dos
fu en t es de agua: r ío y pozo. Se r ea liza u n a n á lisis
T1 T2 T3 T4
bacteriológico para determinar el control de calidad en
00 01 10 11
la pr odu cción de qu eso, det er m in á n dose m edia n t e un
5 4 5 3
r ecu en t o de colon ia s de la en t er oba ct er ia E . Coli
aisladas del medio EMB de quesos escogidos al azar (5 7 5 4 5
qu esos con 4 r epet icion es ca da u n o). La en t er oba ct er ia 5 2 6 4
se en cu en t r a a cept a ble en u n lim it e de 1 a 4 UF C/ m l. 7 4 5 2
a isla da s de u n a dilu ción del qu eso 1:10. Los 6 3 7 2
resultados obtenidos son en UFC/ ml.
Referencias
Arnau Gras, J.. Diseños Experimentales Multivariables.
Alianza Editorial, Madrid. 1990.
Arreglo Factorial 22
En el ca so de u n a r r eglo fa ct or ia l 2 2 con dos fa ct or es (A y B) y dos n iveles
(0 y 1) ba jo u n Diseñ o de Bloqu es a l Aza r , la s com bin a cion es y los
tratamientos son:
FACTORES: A y B NIVELES: 0 y 1
Diseño de los tratamientos
Factor A Factor B Tratamiento
a0 b0 a0b0 T1
a0 b1 a0b1 T2
a1 b0 a1b0 T3
a1 b1 a1b1 T4
TRATAMIENTOS: T 1 = a0 b 0 T 3 = a1 b 0
T 2 = a0 b 1 T 4 = a1 b 1
E l m odelo m a t em á t ico pa r a est e a r r eglo es descom pon er el t r a t a m ien t o
en los diferentes factores e interacciones:
Yijk = + j + Aj +Bk + (AB)jk+ ijk
con: y = 1,2,..., r
j = 1,2,..., a a=2
k = 1,2,..., b b=2
Tapachula, Chiapas. México. 144
El Diseño Experimental en las Ciencias e la Salud
Miguel Ángel Rodríguez Feliciano
donde:
Yijk= E s la obser va ción del n ivel j del fa ct or A, n ivel k del fa ct or B en
el i-ésimo bloque.
= Es la media verdadera general.
J = Es el efecto verdadero del i-ésimo bloque.
Aj= Es el efecto verdadero del nivel j del factor A.
B k = Es el efecto verdadero del nivel k del factor B.
(AB)jk= E s el efect o ver da der o de la in t er a cción de los n iveles j y k de
los factores A y B.
Ijk= El error experimental de la ijk-ésima observación.
n ot a ción : los efect os pr in cipa les se den ot a n por let r a s m a yú scu la s, por
ejemplo: A y B; la interacción por AB, entonces tendremos:
El total para el nivel bajo del factor A se denota por:
(A)j=0 = Ta0 b 0 + Ta0 b 1
El total para el nivel alto del factor A es:
(A)j=1 = Ta1 b 0 + Ta1 b 1
Don de: Ta 0 b 0 , Ta 0 b 1 , Ta 1 b 0 , Ta 1 b 1 den ot a n los t ot a les de los t r a t a m ien t os
a 0 b 0 , a0 b 1 , a1 b 0 , y a1 b 1 , respectivamente.
1
B ( B) k 1 ( B) k 0
2r
1
AB ( AB ) j k 0 ( AB ) j k 1
2r
P a r a ver si est os efect os son sign ifica t ivos se pr u eba n la s h ipót esis
correspondientes en el cuadro del análisis de la varianza.
r a b
2 ( y ...) 2
Total: P.S. = ijk - 1
SCtotal y ijk
i 1 j 1 k 1 rab
r
yi2.. ( y ...) 2
Bloques: i - 1 SCBloques
i 1 ab rab
a
y.2j . ( y ...) 2
Factor A: j - 1
SC ( A)
j 1 rb rab
b
y..2k ( y ...) 2
Factor B: k - 1 SC ( B )
k 1 ra rab
a b
y.2jk ( y ...) 2
SC ( AxB ) SCFact ( A) SCFact ( B )
i 1 k 1 r rab
2 Factores
Diseño: 2 Niveles
a1 Br. mellitensis
B: Medios de cultivo b0 Agar soya tripticasa
b1 Ruiz Castañeda
Un a vez r esu elt o el diseñ o sim ple se pr ocede a ver ifica r la s h ipót esis de
los factores en los tratamientos:
r
y i2.. y ...2 66 2
68 2
58 2
77 2
269 2
SC . Bloq . 45 . 6875
i ab rab 2 2 4 2 2
r
y ..2k y ...2 153 2
116 2
269 2
SC .( B ) 85 . 5625
i ra rab 4 2 4 2 2
r y .2jk y ...2
SC .( AB ) SC ( A ) SC ( B )
i r rab
2 2 2 2
78 59 75 57 269 2
SC ( AB ) 1 . 5625 85 . 5625 0 . 0625
4 4 2 2
Arreglo Factorial 23
donde:
Yijk = E s la obser va ción del n ivel j del fa ct or A, n ivel k del fa ct or B,
nivel 1 en el i ésimo bloque.
= Es la media verdadera general.
y = Es el efecto verdadero del i-ésimo bloque.
Aj = Es el efecto verdadero del nivel j del factor A.
B k = Es el efecto verdadero del nivel k del factor B.
C l = Es el efecto verdadero del nivel l del factor C.
(AB)jk= E s el efect o ver da der o de la in t er a cción de los n iveles j y k de
los factores A y B.
(AC)jl= E s el efect o ver da der o de la in t er a cción de los n iveles j y l de
los factores A y C.
(BC)kl = E s el efect o ver da der o de la in t er a cción de los n iveles k y l de
los factores B y C.
(ABC)jkl= Es el efect o ver da der o de la in t er a cción de los n iveles k, k y l
de los factores A, B y C.
Ijkl = El error experimental de la ijkl-ésima observación.
P a r a ver si est os efect os son sign ifica t ivos se pr u eba n la s h ipót esis
correspondientes en el cuadro del análisis de la varianza.
c
y...2l ( y....) 2
Factor C: l - 1 SC (C )
l 1 rab rabc
Interacción AxBxC:(j-1)(k-1)(l-1)=(jkl-1)-(j-1)(k-1)-(l-1)-(jk-1)-(jl-1)(kl-1)
a b y..2jkl (y....)2
c
SC(AxBxC) SC(A) SCB
( ) SCC
( ) SC(AxB) SC(AxC) SCBxC
( )
j 1k 1 l1 r rabc
E r r or : (ijk-1)-(i-1)-(j-1)-(k-1)-(j-1)(k-1)-(j-1)(l-1)-(j-1)(k-1)-(k-1)(l-1)-(j-1)(k-1)(l-
1).
SC Error = SC Total-SC Bloques-SC(A)-SC(B)-SC(C)
-SC(AxB) -SC(AxC) -SC(BxC) -SC(AxBxC)
Tapachula, Chiapas. México. 157
El Diseño Experimental en las Ciencias e la Salud
Miguel Ángel Rodríguez Feliciano
Un a vez ver ifica da la h ipót esis de t r a t a m ien t os, se pr ocede a ver ifica r la
hipótesis de los factores:
H 01: no hay efecto del factor A vs H a1: hay efecto del factor A
H 02: no hay efecto del factor B vs H a2: hay efecto del factor B
H 03: no hay efecto del factor C vs H a3: hay efecto del factor C
H 04: no hay interacción AxB vs H a4: hay interacción AxB
H 05: no hay interacción AxC vs H a5: hay interacción AxC
H 06: no hay interacción BxC vs H a6: hay interacción BxC
H 07: no hay interacción AxBxC vs H a7: hay interacción AxBxC
Referencias
Arnau Gras, J.. Diseños Experimentales Multivariables.
Alianza Editorial, Madrid. 1990.
Ta bla s
DISTRIBUCION "t"
Prueba de Dos Colas
Probabilidad de valor más alto. Signo no tomado en cuenta
G.L.E. 0.500 0.400 0.200 0.100 0.050 0.025 0.010 0.005 0.001
1 1 1.376 3.078 6.314 12.706 25.452 63.657
2 0.816 1.061 1.886 2.92 4.303 6.205 9.925 14.089 31.598
3 0.765 0.978 1.68 2.353 3.182 4.176 5.841 7.453 12.941
4 0.741 0.941 1.533 2.132 2.776 3.495 4.604 5.598 8.61
5 0.727 0.92 1.476 2.015 2.571 3.163 4.032 4.773 6.859
6 0.718 0.906 1.44 1.943 2.447 2.969 3.707 4.317 5.959
7 0.711 0.896 1.415 1.895 2.365 2.841 3.499 4.029 5.405
8 0.706 0.889 1.397 1.86 2.306 2.752 3.355 3.832 5.041
9 0.703 0.883 1.383 1.833 2.262 2.685 3.25 3.69 4.781
10 0.7 0.879 1.372 1.812 2.228 2.634 3.169 3.5581 4.587
11 0.697 0.876 1.363 1.796 2.201 2.593 3.106 3.497 4.437
12 0.695 0.873 1.356 1.782 2.179 2.56 3.055 3.428 4.318
13 0.694 0.87 1.35 1.771 2.16 2.533 3.012 3.372 4.221
14 0.692 0.868 1.345 1.761 2.145 2.51 2.977 3.326 4.14
15 0.691 0.866 1.341 1.753 2.131 2.49 2.947 3.286 4.073
16 0.69 0.865 1.337 1.746 2.12 2.473 2.921 3.252 4.015
17 0.689 0.863 1.333 1.74 2.11 2.458 2.898 3.222 3.965
18 0.688 0.862 1.33 1.734 2.101 2.445 2.878 3.197 3.922
19 0.688 0.861 1.328 1.729 2.093 2.433 2.861 3.174 3.883
20 0.687 0.86 1.325 1.725 2.086 2.423 2.845 3.153 3.85
21 0.686 0.859 1.323 1.721 2.08 2.414 2.831 3.135 3.819
22 0.686 0.858 1.321 1.717 2.074 2.406 2.819 3.119 3.792
23 0.685 0.858 1.319 1.714 2.069 2.398 2.807 3.104 3.767
24 0.685 0.857 1.318 1.711 2.064 2.391 2.797 3.09 3.745
25 0.684 0.856 1.316 1.708 2.06 2.385 2.787 3.078 3.725
26 0.684 0.856 1.315 1.706 2.056 2.379 2.779 3.067 3.707
27 0.684 0.855 1.314 1.703 2.052 2.373 2.771 3.056 3.69
28 0.683 0.855 1.313 1.701 2.048 2.368 2.763 3.047 3.674
29 0.683 0.854 1.311 1.699 2.045 2.364 2.756 3.038 3.659
30 0.683 0.854 1.31 1.697 2.042 2.36 2.75 3.03 3.646
35 0.682 0.852 1.306 1.69 2.03 2.342 2.724 2.996 3.591
40 0.681 0.851 1.303 1.684 2.021 2.329 2.704 2.971 3.551
45 0.68 0.85 1.301 1.68 2.014 2.319 2.69 2.952 3.52
50 0.68 0.849 1.299 1.676 2.008 2.31 2.678 2.937 3.496
55 0.679 0.849 1.297 1.673 2.004 2.304 2.669 2.925 3.476
60 0.679 0.848 1.296 1.671 2 2.299 2.66 2.915 3.46
70 0.678 0.847 1.294 1.667 1.994 2.29 2.648 2.899 3.435
80 0.678 0.847 1.293 1.665 1.989 2.284 2.638 2.887 3.416
90 0.678 0.846 1.291 1.662 1.986 2.279 2.631 2.878 3.402
100 0.677 0.846 1.29 1.661 1.982 2.276 2.625 2.871 3.39
120 0.677 0.845 1.289 1.658 1.98 2.27 2.617 2.86 3.373
0.6745 0.8416 1.2816 1.6448 1.96 2.2414 2.5758 2.807 3.2905
Tabla "F"
Valores "F" para = 0.05 y 0.01 para diferentes combinaciones de grados de libertad del numerador y del denominador
Gld Grados de Libertad del númerador
a 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 20 30 120
1 0.05 161 200 216 225 230 234 237 239 241 242 243 244 244 245 246 248 250 253
0.01 4052 5000 5403 5625 5764 5859 5928 5982 6023 6056 6083 6106 6125 6142 6157 6209 6261 6339
2 0.05 18.50 19.00 19.20 19.20 19.30 19.30 19.40 19.40 19.40 19.40 19.40 19.40 19.40 19.40 19.40 19.40 19.50 19.50
0.01 98.50 99.00 99.20 99.20 99.30 99.30 99.40 99.40 99.40 99.40 99.40 99.40 99.40 99.40 99.40 99.40 99.50 99.50
3 0.05 10.10 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79 8.76 8.74 8.72 8.71 8.70 8.66 8.62 8.55
0.01 34.10 30.80 29.50 28.70 28.20 27.90 27.70 27.50 27.30 27.20 27.10 27.10 27.00 26.90 26.90 26.70 26.50 26.20
4 0.05 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96 5.93 5.91 5.89 5.87 5.86 5.80 5.75 5.66
0.01 21.20 18.00 16.70 16.00 15.50 15.20 15.00 14.80 14.70 14.50 14.50 14.40 14.30 14.30 14.20 14.00 13.80 13.60
5 0.05 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74 4.70 4.68 4.65 4.63 4.62 4.56 4.50 4.40
0.01 16.30 13.30 12.10 11.40 11.00 10.70 10.50 10.30 10.20 10.10 9.96 9.89 9.82 9.77 9.72 9.55 9.38 9.11
6 0.05 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06 4.02 4.00 3.97 3.95 3.94 3.87 3.81 3.70
0.01 13.70 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87 7.79 7.72 7.66 7.60 7.56 7.40 7.23 6.97
7 0.05 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64 3.60 3.57 3.55 3.52 3.51 3.44 3.38 3.27
0.01 12.20 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62 6.53 6.47 6.41 6.36 6.31 6.16 5.99 5.74
8 0.05 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.31 3.28 3.25 3.23 3.22 3.15 3.08 2.97
0.01 11.30 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81 5.73 5.67 5.61 5.56 5.52 5.36 5.20 4.95
9 0.05 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14 3.10 3.07 3.04 3.02 3.01 2.94 2.86 2.75
0.01 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.25 5.18 5.11 5.05 5.00 4.96 4.81 4.65 4.40
10 0.05 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98 2.94 2.91 2.88 2.86 2.85 2.77 2.70 2.58
0.01 10.00 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85 4.77 4.71 4.65 4.60 4.56 4.41 4.25 4.00
11 0.05 0.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85 2.81 2.79 2.76 2.73 2.72 2.65 2.57 2.45
0.01 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54 4.46 4.40 4.34 4.29 4.25 4.10 3.94 3.69
12 0.05 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75 2.71 2.69 2.65 2.63 2.62 2.54 2.47 2.34
0.01 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30 4.22 4.16 4.10 4.05 4.01 3.86 3.70 3.45
13 0.05 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67 2.63 2.60 2.57 2.55 2.53 2.46 2.38 2.25
0.01 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10 4.02 3.96 3.90 3.86 3.82 3.66 3.51 3.25
14 0.05 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60 2.56 2.53 2.50 2.48 2.46 2.39 2.31 2.18
0.01 8.86 6.51 5.56 5.04 4.70 4.46 4.28 4.14 4.03 3.94 3.86 3.80 3.74 3.70 3.66 3.51 3.35 3.09
15 0.05 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54 2.50 2.48 2.44 2.42 2.40 2.33 2.25 2.11
0.01 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80 3.73 3.67 3.61 3.56 3.52 3.37 3.21 2.96
16 0.05 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49 2.45 2.42 2.39 2.37 2.35 2.28 2.19 2.06
0.01 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.59 3.61 3.55 3.50 3.45 3.41 3.26 3.10 2.84
17 0.05 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45 2.41 2.38 2.35 2.32 2.31 2.23 2.15 2.01
0.01 8.40 6.11 5.19 4.67 4.34 4.10 3.93 3.79 3.68 3.59 3.52 3.46 3.40 3.35 3.31 3.16 3.00 2.75
18 0.05 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41 2.37 2.34 2.31 2.28 2.27 2.19 2.11 1.97
0.01 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51 3.43 3.37 3.31 3.27 3.23 3.08 2.92 2.66
19 0.05 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38 2.33 2.31 2.27 2.25 2.23 2.16 2.07 1.93
0.01 8.19 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43 3.36 3.30 3.24 3.19 3.15 3.00 2.84 2.58
20 0.05 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35 2.30 2.28 2.24 2.22 2.20 2.12 2.04 1.90
0.01 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37 3.29 3.23 3.18 3.13 3.09 2.94 2.78 2.52
30 0.05 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16 2.12 2.09 2.06 2.03 2.01 1.93 1.79 1.68
0.01 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98 2.90 2.84 2.79 2.74 2.70 2.55 2.30 2.11
120 0.05 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91 1.86 1.83 1.80 1.77 1.75 1.66 1.55 1.35
0.01 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47 2.39 2.34 2.28 2.23 2.19 2.03 1.86 1.53
DUNCAN
Amplitudes studentizadas significativas para 5% y 1% de la nueva prueba de amplitud múltiple
GLE P= Número de medias para la amplitud a probarse
a 2 3 4 5 6 7 8 9 10 12 14 16 18 20
1 0.05 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00 18.00
0.01 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00 90.00
2 0.05 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09
0.01 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00 14.00
3 0.05 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50
0.01 8.26 8.50 8.60 8.70 8.80 8.90 8.90 9.00 9.00 9.00 9.10 9.20 9.30 9.30
4 0.05 3.93 4.01 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02
0.01 6.51 6.80 6.90 7.00 7.10 7.10 7.20 7.20 7.30 7.30 7.40 7.40 7.50 7.50
5 0.05 3.64 3.74 3.79 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83
0.01 5.70 5.96 6.11 6.18 6.26 6.33 6.40 6.44 6.50 6.60 6.60 6.70 6.70 6.80
6 0.05 3.46 3.58 3.64 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68
0.01 5.24 5.51 5.65 5.73 5.81 5.88 5.95 6.00 6.00 6.10 6.20 6.20 6.30 6.30
7 0.05 3.35 3.47 3.54 3.58 3.60 3.61 3.61 3.61 3.61 3.61 3.61 3.61 3.61 3.61
0.01 4.95 5.22 5.37 5.45 5.53 5.61 5.69 5.73 5.80 5.80 5.90 5.90 6.00 6.00
8 0.05 3.26 3.39 3.47 3.52 3.55 3.56 3.56 3.56 3.56 3.56 3.56 3.56 3.56 3.56
0.01 4.74 5.00 5.14 5.23 5.32 5.40 5.47 5.51 5.50 5.60 5.70 5.70 5.80 5.80
9 0.05 3.20 3.34 3.41 3.47 3.50 3.52 3.52 3.52 3.52 3.52 3.52 3.52 3.52 3.52
0.01 4.60 4.86 4.99 5.08 5.17 5.25 5.32 5.36 5.40 5.50 5.50 5.60 5.70 5.70
10 0.05 3.15 3.30 3.37 3.43 3.46 3.47 3.47 3.47 3.47 3.47 3.47 3.47 3.47 3.48
0.01 4.48 4.73 4.88 4.96 5.06 5.13 5.20 5.24 5.28 5.36 5.42 5.48 5.54 5.55
11 0.05 3.11 3.27 3.35 3.39 3.43 3.44 3.45 3.46 4.46 3.46 3.46 3.46 3.47 3.48
0.01 4.39 4.63 4.77 4.86 4.94 5.01 5.06 5.12 5.15 5.24 5.28 5.34 5.38 5.39
12 0.05 3.08 3.23 3.33 3.36 3.40 3.42 3.44 3.44 3.46 3.46 3.46 3.46 3.47 3.48
0.01 4.32 4.50 4.68 4.76 4.84 4.92 4.96 5.02 5.07 5.13 5.17 5.22 5.24 5.26
13 0.05 3.06 3.21 3.30 3.35 3.38 3.41 3.42 3.44 3.45 3.45 3.46 3.46 3.47 3.47
0.01 4.26 4.48 4.62 4.69 4.74 4.84 4.88 4.94 4.98 5.04 5.08 5.13 5.14 5.15
14 0.05 3.03 3.18 3.27 3.33 3.37 3.39 3.41 3.42 3.44 3.45 3.46 3.46 3.47 3.47
0.01 4.21 4.42 4.55 4.63 4.70 4.78 4.83 4.87 4.91 4.96 5.00 5.04 5.06 5.07
15 0.05 3.01 3.16 3.25 3.31 3.36 3.38 3.40 3.42 3.43 3.44 3.45 3.46 3.47 3.47
0.01 4.17 4.37 4.50 4.58 4.64 4.72 4.77 4.81 4.84 4.90 4.94 4.97 4.99 5.00
16 0.05 3.00 3.15 3.23 3.30 3.34 3.37 3.39 3.41 3.43 3.44 3.45 3.46 3.47 3.47
0.01 4.13 4.34 4.45 4.54 4.60 4.67 4.72 4.76 4.79 4.84 4.88 4.91 4.93 4.94
17 0.05 2.98 3.13 3.22 3.28 3.33 3.36 3.38 3.40 3.42 3.44 3.45 3.46 3.47 3.47
0.01 4.10 4.30 4.41 4.50 4.56 4.63 4.68 4.72 4.75 4.80 4.83 4.86 4.88 4.89
18 0.05 2.97 3.12 3.21 3.27 3.32 3.35 3.37 3.39 3.41 3.43 3.45 3.46 3.47 3.47
0.01 4.07 4.27 4.38 4.46 4.53 4.59 4.64 4.68 4.71 4.76 4.79 4.82 4.84 4.85
19 0.05 2.96 3.11 3.19 3.26 3.31 3.35 3.37 3.39 3.41 3.43 3.44 3.46 3.47 3.47
0.01 4.05 4.24 4.35 4.43 4.50 4.56 4.61 4.64 4.67 4.72 4.76 4.79 4.81 4.82
20 0.05 2.95 3.10 3.18 3.25 3.30 3.34 3.36 3.38 3.40 3.43 3.44 3.46 3.46 3.47
0.01 4.02 4.22 4.33 4.40 4.47 4.53 4.58 4.61 4.65 4.69 4.73 4.76 4.78 4.79
22 0.05 2.93 3.08 3.17 3.24 3.29 3.32 3.34 3.37 3.39 3.42 3.44 3.45 3.46 3.47
0.01 3.99 4.17 4.28 4.36 4.42 4.48 4.53 4.57 4.60 4.65 4.68 4.71 4.74 4.75
24 0.05 2.92 3.07 3.15 3.22 3.28 3.31 3.34 3.37 3.38 3.41 3.44 3.45 3.46 3.47
0.01 3.96 4.14 4.24 4.33 4.39 4.44 4.49 4.53 4.57 4.62 4.64 4.67 4.70 4.72
26 0.05 2.91 3.06 3.14 3.21 3.27 3.30 3.34 3.36 3.38 3.41 3.43 3.45 3.46 3.47
0.01 3.93 4.11 4.21 4.30 4.36 4.41 4.46 4.50 4.53 4.58 4.62 4.65 4.67 4.69
28 0.05 2.90 3.04 3.13 3.20 3.26 3.30 3.33 3.35 3.37 3.40 3.43 3.45 3.46 3.47
0.01 3.91 4.08 4.18 4.28 4.34 4.39 4.43 4.47 4.51 4.56 4.60 4.62 4.65 4.67
30 0.05 2.89 3.04 3.12 3.20 3.25 3.29 3.32 3.35 3.37 3.40 3.43 3.44 3.46 3.47
0.01 3.89 4.06 4.16 4.22 4.32 4.36 4.41 4.45 4.48 4.54 4.58 4.61 4.63 4.65
40 0.05 2.86 3.01 3.10 3.17 3.22 3.27 3.30 3.33 3.35 3.39 3.42 3.44 3.46 3.47
0.01 3.82 3.99 4.10 4.17 4.24 4.30 4.34 4.37 4.41 4.46 4.51 4.54 4.57 4.59
60 0.05 2.83 2.98 3.08 3.14 3.20 3.24 3.28 3.31 3.33 3.37 3.40 3.43 3.45 3.47
0.01 3.76 3.92 4.03 4.12 4.17 4.23 4.27 4.31 4.34 4.39 4.44 4.47 4.50 4.53
100 0.05 2.80 2.95 3.05 3.12 3.18 3.22 3.26 3.29 3.32 3.36 3.40 3.42 3.45 3.47
0.01 3.71 3.86 3.98 4.06 4.11 4.17 4.21 4.25 4.29 4.35 4.38 4.42 4.45 4.48
0.05 2.77 2.92 3.02 3.09 3.15 3.19 3.23 3.26 3.29 3.34 3.38 3.41 3.44 3.47
0.01 3.64 3.80 3.90 3.98 4.04 4.09 4.14 4.17 4.20 4.26 4.31 4.34 4.38 4.41
TUKEY
Puntos porcentuales superiores de la amplitud studentizada [q =(¨ÿmax-ÿmin) / Sÿ
GLE P= Número de medias para la amplitud a probarse
a 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
5 0.05 3.64 4.60 5.22 5.67 6.03 6.33 6.58 6.80 6.99 7.17 7.32 7.47 7.60 7.72 7.83 7.93 8.03 8.12 8.21
0.01 5.70 6.97 7.80 8.42 8.91 9.32 9.67 9.97 10.24 10.48 10.70 10.89 11.08 11.24 11.40 11.55 11.68 11.81 11.93
6 0.05 3.46 4.34 4.90 5.31 5.63 5.89 6.12 6.32 6.49 6.65 6.79 6.92 7.03 7.14 7.24 7.34 7.43 7.51 7.59
0.01 5.24 6.33 7.03 7.56 7.97 8.32 8.61 8.87 9.10 9.30 9.49 9.65 9.81 9.95 10.08 10.21 10.32 10.43 10.54
7 0.05 3.34 4.16 4.68 5.06 5.36 5.61 5.82 6.00 6.16 6.30 6.43 6.55 6.66 6.76 6.85 6.94 7.02 7.09 7.17
0.01 4.95 5.92 6.54 7.01 7.37 7.68 7.94 8.17 8.37 8.55 8.71 8.86 9.00 9.12 9.24 9.35 9.46 9.55 9.65
8 0.05 3.26 4.04 4.53 4.89 5.17 5.40 5.60 5.77 5.92 6.05 6.18 6.29 6.39 6.48 6.57 6.65 6.73 6.80 6.87
0.01 4.74 5.63 6.20 6.63 6.96 7.24 7.47 7.68 7.87 8.03 8.18 8.31 8.44 8.55 8.66 8.76 8.85 8.94 9.03
9 0.05 3.20 3.96 4.42 4.76 5.02 5.24 5.43 5.60 5.74 5.87 5.98 6.09 6.19 6.28 6.36 6.44 6.51 6.58 6.64
0.01 4.60 5.43 5.96 6.35 6.66 6.91 7.13 7.32 7.49 7.65 7.78 7.91 8.03 8.13 8.23 8.32 8.41 8.49 8.57
10 0.05 3.15 3.88 4.33 4.65 4.91 5.12 5.30 5.46 5.60 5.72 5.83 5.93 6.03 6.11 6.20 6.27 6.34 6.40 6.47
0.01 4.48 5.27 5.77 6.14 6.43 6.67 6.87 7.05 7.21 7.36 7.48 7.60 7.71 7.81 7.91 7.99 8.07 8.15 8.22
11 0.05 3.11 3.82 4.26 4.57 4.82 5.03 5.20 5.35 5.49 5.61 5.71 5.81 5.90 5.99 6.06 6.14 6.20 6.26 6.33
0.01 4.39 5.14 5.62 5.97 6.25 6.48 6.67 6.84 6.99 7.13 7.25 7.36 7.46 7.56 7.65 7.73 7.81 7.88 7.95
12 0.05 3.08 3.77 4.20 4.51 4.75 4.95 5.12 5.27 5.40 5.51 5.62 5.71 5.80 5.88 5.95 6.03 6.09 6.15 6.21
0.01 4.32 5.04 5.50 5.84 6.10 6.32 6.51 6.67 6.81 6.94 7.06 7.17 7.26 7.36 7.44 7.52 7.59 7.66 7.73
13 0.05 3.06 3.73 4.15 4.45 4.69 4.88 5.05 5.19 5.32 5.43 5.53 5.63 5.71 5.79 5.86 5.93 6.00 6.05 6.11
0.01 4.26 4.96 5.40 5.73 5.98 6.19 6.37 6.53 6.67 6.79 6.90 7.01 7.10 7.19 7.27 7.34 7.42 7.48 7.55
14 0.05 3.03 3.70 4.11 4.41 4.64 4.83 4.99 5.13 5.25 5.36 5.46 5.55 5.64 5.72 5.79 5.85 5.92 5.97 6.03
0.01 4.21 4.89 5.32 5.63 5.88 6.08 6.26 6.41 6.54 6.66 6.77 6.87 6.96 7.05 7.12 7.20 7.27 7.33 7.39
15 0.05 3.01 3.67 4.08 4.37 4.60 4.78 4.94 5.08 5.20 5.31 5.40 5.49 5.58 5.65 5.72 5.79 5.85 5.90 5.96
0.01 4.17 4.83 5.25 5.56 5.80 5.99 6.16 6.31 6.44 6.55 6.66 6.76 6.84 6.93 7.00 7.07 7.14 7.20 7.26
16 0.05 3.00 3.65 4.05 4.33 4.56 4.74 4.90 5.03 5.15 5.26 5.35 5.44 5.52 5.59 5.66 5.72 5.79 5.84 5.90
0.01 4.13 4.78 5.19 5.49 5.72 5.92 6.08 6.22 6.35 6.46 6.56 6.66 6.74 6.82 6.90 6.97 7.03 7.09 7.15
17 0.05 2.98 3.63 4.02 4.30 4.52 4.71 4.86 4.99 5.11 5.21 5.31 5.39 5.47 5.55 5.61 5.68 5.74 5.79 5.84
0.01 4.10 4.74 5.14 5.43 5.66 5.85 6.01 6.15 6.27 6.38 6.48 6.57 6.66 6.73 6.80 6.87 6.94 7.00 7.05
18 0.05 2.97 3.61 4.00 4.28 4.49 4.67 4.82 4.96 5.07 5.17 5.27 5.35 5.43 5.50 5.57 5.63 5.69 5.74 5.79
0.01 4.07 4.70 5.09 5.38 5.60 5.79 5.94 6.08 6.20 6.31 6.41 6.50 6.58 6.65 6.72 6.79 6.85 6.91 6.96
19 0.05 2.96 3.59 3.98 4.25 4.47 4.65 4.79 4.92 5.04 5.14 5.23 5.32 5.39 5.46 5.53 5.59 5.65 5.70 5.75
0.01 4.05 4.67 5.05 5.33 55.55 5.73 5.89 6.02 6.14 6.25 6.34 6.43 6.51 6.58 6.65 6.72 6.78 6.84 6.89
20 0.05 2.95 3.58 3.96 4.23 4.45 4.62 4.77 4.90 5.01 5.11 5.20 5.28 5.36 5.43 5.49 5.55 5.61 5.66 5.71
0.01 4.02 4.64 5.02 5.29 5.51 5.69 5.84 5.97 6.09 6.19 6.29 6.37 6.45 6.52 6.59 6.65 6.71 6.76 6.82
24 0.05 2.92 3.53 3.90 4.17 4.37 4.54 4.68 4.81 4.92 5.01 5.10 5.18 5.25 5.32 5.38 5.44 5.50 5.54 5.59
0.01 3.96 4.54 4.91 5.17 5.37 5.54 5.09 5.81 5.92 6.02 6.11 6.19 6.26 6.33 6.39 6.45 6.51 6.56 6.61
30 0.05 2.89 3.49 3.84 4.10 4.30 4.46 4.60 4.72 4.83 4.92 5.00 5.08 5.15 5.21 5.27 5.33 5.38 5.43 5.48
0.01 3.89 4.45 4.80 5.05 5.24 5.40 5.54 5.65 5.76 5.85 5.93 6.01 6.08 6.14 6.20 6.26 6.31 6.36 6.41
40 0.05 2.86 3.44 3.79 4.04 4.23 4.39 4.52 4.63 4.74 4.82 4.91 4.98 5.05 5.11 5.16 5.22 5.27 5.31 5.36
0.01 3.82 4.37 4.70 4.93 5.11 5.27 5.39 5.50 5.60 5.69 5.77 5.84 5.90 5.96 6.02 6.07 6.12 6.17 6.21
60 0.05 2.83 3.40 3.74 3.98 4.16 4.31 4.44 4.55 4.65 4.73 4.81 4.88 4.94 5.00 5.06 5.11 5.16 5.20 5.24
0.01 3.76 4.28 4.60 4.82 4.99 5.13 5.25 5.36 5.45 5.53 5.60 5.67 5.73 5.79 5.84 5.89 5.93 5.98 6.02
120 0.05 2.80 3.35 3.69 3.92 4.10 4.24 4.36 4.48 4.56 4.64 4.72 4.78 4.84 4.90 4.95 5.00 5.05 5.09 5.13
0.01 3.70 4.20 4.50 4.71 4.87 5.01 5.12 5.21 5.30 5.38 5.44 5.51 5.56 5.61 5.66 5.71 5.75 5.79 5.83
0.05 2.77 3.31 3.63 3.86 4.03 4.17 4.29 4.39 4.47 4.55 4.62 4.68 4.74 4.80 4.85 4.89 4.93 4.97 5.01
0.01 3.64 4.12 4.40 4.60 4.76 4.88 4.99 5.08 5.16 5.23 5.29 5.35 5.40 5.45 5.49 5.54 5.57 5.61 5.65
DUNNETT
Comparaciones entre p trat. y un control. Niveles de confianza de 0.95 y 0.99
GLE P= Número de medias para la amplitud a probarse
Err p 1 2 3 4 5 6 7 8 9
5 0.95 2.57 3.03 3.39 3.66 3.88 4.06 4.22 4.36 4.49
0.99 4.03 4.63 5.09 5.44 5.73 5.97 6.18 6.36 6.53
6 0.95 2.45 2.86 3.18 3.41 3.60 3.75 3.88 4.00 4.11
0.99 3.71 4.22 4.60 4.88 5.11 5.30 5.47 5.61 5.74
7 0.95 2.36 2.75 3.04 3.24 3.41 3.54 3.66 3.76 3.86
0.99 3.50 3.95 4.28 4.52 4.71 4.87 5.01 5.13 5.24
8 0.95 2.31 2.67 2.94 3.13 3.28 3.40 3.51 3.60 3.68
0.99 3.36 3.77 4.06 4.27 4.44 4.58 4.70 4.81 4.90
9 0.95 2.26 2.61 2.86 3.04 3.18 3.29 3.39 3.48 3.55
0.99 3.25 3.63 3.90 4.09 4.24 4.37 4.48 4.57 4.65
10 0.95 2.23 2.57 2.81 2.97 3.11 3.21 3.31 3.39 3.46
0.99 3.17 3.53 3.78 3.95 4.10 4.21 4.31 4.40 4.47
11 0.95 2.20 2.53 2.76 2.92 3.05 3.15 3.24 3.31 3.38
0.99 3.11 3.45 3.68 3.85 3.98 4.09 4.18 4.26 4.33
12 0.95 2.18 2.50 2.72 2.88 3.00 3.10 3.18 3.25 3.32
0.99 3.05 3.39 3.61 3.76 3.89 3.99 4.08 4.15 4.22
13 0.95 2.16 2.48 2.69 2.84 2.96 3.06 3.14 3.21 3.27
0.99 3.01 3.33 3.54 3.69 3.81 3.91 3.99 4.06 4.13
14 0.95 2.14 2.46 2.67 2.81 2.93 3.02 3.10 3.17 3.23
0.99 2.98 3.29 3.49 3.64 3.75 3.84 3.92 3.99 4.05
15 0.95 2.13 2.44 2.64 2.79 2.90 2.99 3.07 3.13 3.19
0.99 2.95 3.25 3.45 3.59 3.70 3.79 3.86 3.93 3.99
16 0.95 2.12 2.42 2.63 2.77 2.88 2.96 3.04 3.10 3.16
0.99 2.92 3.22 3.41 3.55 3.65 3.74 3.82 3.88 3.93
17 0.95 2.11 2.41 2.61 2.75 2.85 2.94 3.01 3.06 3.13
0.99 2.90 3.19 3.38 3.51 3.62 3.70 3.77 3.83 3.89
18 0.95 2.10 2.40 2.59 2.73 2.84 2.92 2.99 3.05 3.11
0.99 2.88 3.17 3.35 3.48 3.58 3.67 3.74 3.80 3.85
19 0.95 2.09 2.39 2.58 2.72 2.82 2.90 2.97 3.04 3.09
0.99 2.86 3.15 3.33 3.46 3.55 3.64 3.70 3.76 3.81
20 0.95 2.09 2.38 2.57 2.70 2.81 2.89 2.96 3.02 3.07
0.99 2.85 3.13 3.31 3.43 3.53 3.61 3.67 3.73 3.78
24 0.95 2.06 2.35 2.53 2.66 2.76 2.84 2.91 2.96 3.01
0.99 2.80 3.07 3.24 3.36 3.45 3.52 3.58 3.64 3.69
30 0.95 2.04 2.32 2.50 2.62 2.72 2.79 2.86 2.91 2.96
0.99 2.75 3.01 3.17 3.28 3.37 3.44 3.50 3.55 3.59
40 0.95 2.02 2.29 2.47 2.58 2.67 2.75 2.81 2.86 2.90
0.99 2.70 2.95 3.10 3.21 3.29 3.36 3.41 3.46 3.50
60 0.95 2.00 2.27 2.43 2.55 2.63 2.70 2.76 2.81 2.85
0.99 2.66 2.90 3.04 3.14 3.22 3.28 3.33 3.38 3.42
120 0.95 1.98 2.24 2.40 2.51 2.59 2.66 2.71 2.76 2.80
0.99 2.62 2.84 2.98 3.08 3.15 3.21 3.25 3.30 3.33
0.95 1.96 2.21 2.37 2.47 2.55 2.62 2.67 2.71 2.75
0.99 2.58 2.79 2.92 3.01 3.08 3.14 3.18 3.22 3.25