DISEO CON DATOS PAREADOS Tenemos muestras pareadas o correlacionadas cuando sabemos de antemano que una observacin est

relacionada con la otra. Pueden ser observaciones tomadas al mismo tiempo, diseo pareado 1, o medidas tomadas en un mismo sujeto o unidad en dos oportunidades o tiempo distintos (diseo pareado 2). El nmero de observaciones es el nmero de pares. Anlisis de muestras pareadas En un diseo pareado las unidades son parecidas (de hecho pueden ser las mismas), mientras que las unidades de distintos pares son diferentes. En diseos pareados analizamos las diferencias y el problema se reduce al test t para una media que vimos en el captulo anterior. Test t pareado Supuestos: La muestra de las diferencias es una muestra aleatoria de una poblacin de diferencias. El modelo de la poblacin de las diferencias es Normal, supuesto que no es relevante si el tamao de la muestra n es grande. Hiptesis: H: d = 0 versus H: d 0 o H: d > 0 o H: d < 0. Se determina el nivel de significancia Datos: Muestra de n diferencias de la cual se calcula el promedio de las diferencias d y la desviacin estndar de las diferencias Sd. Test estadstico observado:

Este es el test estadstico y su distribucin bajo H, es una distribucin t con n-1 grados de libertad. El valor-p del test, depende de la direccin de la hiptesis alternativa. DISEO EN BLOQUES INCOMPLETOS BALANCEADOS El diseo de bloques incompletos balanceado compara todos los tratamientos con igual precisin.

El arreglo experimental tiene igual nmero de repeticiones y un par de tratamiento se presenta en el mismo bloque un nmero igual de veces. De esta forma se tiene una equidad en la comparacin entre los pares de medias de tratamiento. Si son t=tratamientos con r=repeticiones y k = tratamientos por bloque en b=bloques, entonces se cumple: k<t rt = bk = N que es el nmero total de unidades experimentales. Donde un par de tratamientos estar siempre en un nmero de veces igual a bloques: y la eficiencia es dada por: Primero debe disponer de un diseo bsico que cumpla la condicin establecida del Diseo BIB, luego seguir los pasos: 1. Aleatorizar el arreglo de los bloques. 2. Aleatorizar el arreglo de los nmeros de tratamientos asignados. 3. Aleatorizar la asignacin de los tratamientos a los cdigos del plan (variedades, fertilizante, etc.) Anlisis de diseos BIB. El modelo lineal para el diseo de bloques incompleto balanceado es: Yij = + i + j + eij, i=1,2,...,t j=1,2,...,b

donde es la media general, i el efecto del i-esimo tratamiento, j es el efecto del j-esimo bloque, y las e ij es el error experimental que se considera independiente con media 0 y variancia . Como los tratamientos no estn en todos los bloques, entonces los bloques y tratamientos no son ortogonales (como lo son en el diseo de bloques completos al azar), por lo tanto no es posible hacer una particin de la suma de cuadrados de tratamientos como en le DBCA, tampoco las medias de tratamientos proporcionaran estimaciones insesgadas. Para la estimacin y parmetros y las sumas de cuadrados se procede con frmulas directas, haciendo uso de los mnimos cuadrados. La particin de la suma de cuadrados se deriva del modelo completo y modelo reducido.

Modelo completo: Yij = + i + j + eij Modelo reducido: Yij = + j + ij SC(error modelo reducido) SC(error modelo completo) corresponde a la suma de cuadrados de tratamientos despus de considerar los efectos de bloques en el modelo, esto corresponde a la suma de cuadrados de tratamiento ajustado. Tambien, puede ser calculado mediante: SCtrat.ajust =

, sigue una chi cuadrada con t-1 grados de libertad

El valor de Qi se obtiene de: caso contrario es nij =0 Las medias ajustadas estimadas: Trt.adji = , Error estndar =

, nij = 1 si el tratamiento i est en el bloque j,

Error estndar para la diferencia de dos medias ajustadas:

Contraste entre medias: c =

, Sc =

El estadstico

se puede usar para probar la hiptesis c=0 con valor critico de t-student con

grados de libertad del error = N-t-b+1