Está en la página 1de 59

DISEO EXPERIMENTAL Y ANLISIS DE VARIANZA

PRINCIPIOS DEL DISEO EXPERIMENTAL



1. INTRODUCCIN
Este captulo es una introduccin al planeamiento y conduccin de experimentos en relacin con los objetivos, el anlisis
y la eficiencia.
Si aceptamos la premisa que el conocimiento nuevo se obtiene muy frecuentemente a travs del anlisis e interpretacin
cuidadosa de los datos, entonces es muy importante que se deba dedicar tiempo y esfuerzo considerables al
planeamiento y recoleccin de los mismos con el objeto de obtener la mxima informacin con el menor costo de
recursos.

2. EXPERIMENTO
Es una bsqueda planeada para obtener nuevos conocimientos o para confirmar o no resultados de experimentos
previos, con lo que tal indagacin ayuda a la toma de decisiones. Se dispone cada experimento para proporcionar
respuestas a una o ms preguntas. Con esto en mente, los investigadores deciden que comparaciones de tratamientos
proporcionarn informacin relevante. Entonces realizan un experimento para medir o probar hiptesis que tiene que ver
con diferencias entre tratamientos en condiciones comparables. Toman mediciones y observaciones sobre el material
experimental. A partir de la informacin obtenida en un experimento que se ha completado con xito, responden a las
preguntas planteadas al comienzo. Tales experimentos se clasifican en tres categoras: preliminar, crtico y demostrativo.

2.1 EXPERIMENTO PRELIMINAR
El investigador prueba un nmero grande de tratamientos con el objeto de obtener indicios para futuros trabajos.

2.2 EXPERIMENTO CRITICO
El investigador compara las respuestas a diferentes tratamientos usando un nmero suficiente de observaciones de las
respuestas para obtener seguridad razonable para detectar diferencias significativas.

2.3 EXPERIMENTO DEMOSTRATIVO
Se llevan a cabo cuando los trabajos de extensin comparan uno o ms tratamientos nuevos con un patrn.

3. UNIDAD EXPERIMENTAL Y TRATAMIENTO
Una unidad experimental, o parcela experimental, es la unidad de material a la cual se aplica un tratami ento; el
tratamiento es el procedimiento cuyo efecto se mide y se compara con otros tratamientos. La unidad experimental
puede ser un rbol, una parcela o un animal; el tratamiento puede ser un programa de aspersin foliar de insecticida,
una frmula de fertilizacin o una racin alimenticia. Cuando se mide el efecto de un tratamiento, se mide en una unidad
de muestreo, que es una fraccin de la unidad experimental.

4. ERROR EXPERIMENTAL
Es una medida de la variacin existente entre observaciones sobre medidas experimentales tratadas en forma similar.
La variacin proviene de dos fuentes principales, primero, existe la variabilidad inherente al material experimental al
cual se aplican los tratamientos. Segundo, existe una variacin resultante de cualquier falta de uniformidad en la
realizacin fsica del experimento.
Es importante hacer todo el esfuerzo posible para reducir el error experimental; para ello debe atenderse a las dos
principales fuentes de error experimental:
a) Manejar el material experimental de tal manera que se logre reducir los efectos debidos a la variabilidad inherente.
b) Refinar la tcnica experimental.

CONTROL DEL ERROR
El control del error puede lograrse mediante:
- El diseo experimental adecuado.
- El uso de observaciones concomitantes.
- La eleccin del tamao y la forma de las unidades experimentales.

El diseo experimental
El control del error experimental consiste en el diseo de un experimento de tal manera que parte de la variacin natural
entre el conjunto de unidades experimentales se trate materialmente de modo que no contribuya en nada a las
diferencias entre medias de tratamientos.
Cuando se agrupan las unidades experimentales en bloques completos, esto es, cada bloque contiene todos los
tratamientos, de modo que la variacin entre unidades dentro de un bloque sea menor que la variacin entre unidades
en bloques diferentes, la precisin del experimento aumenta como resultado del control del error.



El uso de observaciones concomitantes
En muchos experimentos, se puede aumentar la precisin mediante el uso de observaciones complementarias y una
tcnica aritmtica llamada anlisis de covariancia. Se usa este anlisis cuando la variacin entre unidades
experimentales se debe, en parte, a variacin en alguna otra u otras caractersticas medibles y no suficientemente
controlables para que sean tiles al asignar unidades experimentales a bloques completos o incompletos con base en
resultados semejantes.

Tamao y forma de las unidades experimentales
Como regla general, las unidades experimentales grandes presentan menos variacin que las pequeas. Sin embargo,
un aumento en el tamao de la unidad experimental trae a menudo como consecuencia una reduccin en el nmero de
repeticiones que puede tenerse debido a lo limitado del material experimental de que se dispone.

5. REPETICIONES
Cuando un tratamiento aparece ms de una vez en un experimento se dice que est repetido. Se hace repeticiones
para:
a. Permitir una estimacin del error experimental.
b. Mejorar la precisin de un experimento mediante la reduccin de la desviacin estndar de una media de
tratamiento.
c. Aumentar el alcance de la inferencia del experimento a travs de la seleccin y del uso apropiado de unidades
experimentales ms variables.
d. Ejercer control sobre la varianza del error.

6. ALEATORIZACIN
La funcin de la aleatorizacin consiste en asegurarse que obtengamos un estimativo vlido o insesgado del error
experimental, de las medias de tratamientos y de las diferencias entre las mismas. La aleatorizacin generalmente
supone el empleo de un dispositivo de azar, tal como el lanzamiento de una moneda o el uso de tablas de nmeros
aleatorios. Aleatoriedad y azar no son equivalentes.
Para evitar el sesgo de las comparaciones entre medias de tratamientos, es necesario disponer de alguna manera de
asegurar que un tratamiento particular no resulte favorecido en forma consistente en repeticiones sucesivas por alguna
fuente externa de variacin conocida o desconocida. O sea que cada tratamiento debe tener igual oportunidad de ser
asignado a una unidad experimental, sea favorable o desfavorable. La aleatoriedad ofrece el procedimiento de igual
oportunidad.

7. VARIABLE RESPUESTA
Es el resultado, obtenido de una unidad experimental, de un atributo particular. Corrientemente su expresin es
numrica. La respuesta puede ser el rendimiento de un cultivo, la altura de una planta, la eficiencia de una mquina, la
resistencia de un material, etc. Usualmente se mide varias respuestas en el mismo ensayo.

8. PARMETRO
Es un valor fijo relacionado a una poblacin, que generalmente desconocemos, utilizando como representantes de ellos
a sus estimaciones.

9. COEFICIENTE DE VARIACIN
El Coeficiente de Variacin (CV) es una medida de dispersin, utilizado para medir el grado de homogeneidad relativa de
un grupo de datos, frente a otros que presentan diferentes unidades o escalas de medida. El CV se expresa
porcentualmente y se obtiene dividiendo la desviacin estndar de los datos por la
media de los mismos.

MINITAB

INTRODUCCION
Meet Minitab presenta las caractersticas utilizadas con mayor frecuencia en Minitab. En este programa, usted usar
funciones, crear grficas y generar estadsticas. El contenido de Meet Minitab se relaciona con las acciones que debe
realizar en sus propias sesiones de Minitab.
La mayora de los anlisis estadsticos requiere una serie de pasos, con frecuencia orientados por un conocimiento
previo o por el rea en cuestin que se investiga.
INICIO DE MINITAB
Antes de comenzar su anlisis, inicie Minitab y examine el diseo de las ventanas.
En la barra de tareas de Windows, elija Inicio Programas Minitab
Solutions Software estadstico Minitab 16 Espaol.

Minitab se abre con dos ventanas principales visibles:


La ventana Sesin muestra los resultados de su anlisis en formato de texto. Adems, en esta ventana puede
ingresar comandos en lugar de usar los mens de Minitab.
La ventana Datos actual contiene una hoja de trabajo abierta, que es similar en aspecto a una hoja de clculo. Puede
abrir varias hojas de trabajo, cada una en una ventana Datos actual distinta.
APERTURA DE UNA HOJA DE
TRABAJO
Puede abrir una nueva hoja de trabajo
vaca en cualquier momento. Tambin
puede abrir uno o ms archivos con
datos. Cuando abre un archivo, usted
copia su contenido en el proyecto
Minitab actual. Los cambios que
efecta en la hoja de trabajo mientras
se encuentra en el proyecto no afectan
el archivo original. Los datos de los
tres centros de envo se guardan en la
hoja de trabajo
DATOSENVO.MTW.

1. Elija Archivo Abrir hoja de
trabajo.
2. Haga clic en Buscar en carpeta Datos de muestra de Minitab, cerca de la parte inferior del cuadro dilogo.
3. En la carpeta Datos de muestra, haga doble clic en Meet Minitab. Puede cambiar la carpeta predeterminada para
abrir y guardar archivos en Minitab al seleccionar Herramientas Opciones General.
4. Elija DATOSENVO.MTW y, a continuacin, haga clic en Abrir. Si aparece un cuadro con un mensaje, coloque una
marca en No volver a mostrar este mensaje y, a continuacin, haga clic en Aceptar. Para restaurar este mensaje
para que aparezca cada vez que abre una hoja de trabajo, restablezca la configuracin predeterminada de Minitab.
Consulte Restauracin de la configuracin predeterminada de Minitab en la pgina 9-7.

EXAMINAR UNA HOJA DE TRABAJO
Los datos estn ordenados en columnas, que tambin se denominan variables. El nmero y el nombre de las columnas
aparecen en la parte superior de cada columna. Cada fila de la hoja de trabajo representa un caso, que es informacin
acerca de un pedido de libros.
Minitab
acepta tres
tipos de
datos:
numricos, de
texto y de
fecha/hora. Esta
hoja de
trabajo


contiene cada uno de estos tipos.
















DISEO COMPLETAMENTE AL AZAR (DCA)

El diseo completamente al azar es el ms simple de todos los diseos. Es un diseo en el cual los tratamientos son
asignados aleatoriamente a las unidades experimentales sin ningn tipo de restriccin. Este diseo es utilizado cuando
las unidades experimentales son bastante homogneas, es decir cuando la variabilidad entre ellas es pequea y no
existe ningn criterio de bloqueo que permita disminuirla. Dado que los tratamientos constituyen el nico criterio de
clasificacin para las unidades experimentales, a este diseo se le conoce tambin como diseo de clasificacin de una
va.

MODELO ESTADSTICO

1, 2, 3.......... i t =

1, 2,.......
i
j r =

Donde:
ij
Y
=
=Valor observado en la j-sima repeticin para el i-simo tratamiento.
Es la ganancia de peso obtenida en el j-sima cuy alimentado para el i-simo mezcla alimenticia (trat)
= Efecto de la media general (Efecto de la media general de la ganancia de peso).
i
t =
Efecto del i-esimo tratamiento (mezcla alimenticia, ejemplo)
ij
e =
Efecto aleatorio del error experimental con el j-esima repeticin con el i-esimo tratamiento
t =
Numero de tratamientos.
i
r =
Nmero de repeticiones del i-esimo tratamiento
El efecto del i-simo tratamiento esta dado por
i
t , siendo la expresin:
i i
t = , donde i es la media
del i-simo tratamiento y la media general.

ij i ij
Y e t = + +



ANALISIS DE VARIANZA SIMBOLICA DEL DCA

Fuentes de
variacin
Grados
de
libertad
Suma de cuadrados Cuadrados medios
. .
. .
.
S C
C M
G L
=

F
Calculado
F
Tabla
1% 5%
Tratamiento t-1
2
( .) Yi
SCTrat FC
r
=


. ( )
. ( )
S C trat
G L trat

CMTrat
FC
CME
=


Error
( 1) t r

SCtotal - SCtratamiento
. ( )
. ( )
S C Error
G L Error


Total
1 tr
2
( ) Yij FC









DISEO COMPLETAMENTE AL AZAR CON IGUAL NMERO DE UNIDADES POR TRATAMIENTO
Ejemplo 1: En un ensayo con macetas se aplicaron cinco tratamientos a clones de pasto estrella. Se tomaron cuatro
macetas por tratamiento. Los Rendimientos se presentan en la tabla 1. Se determinaran las siguientes hiptesis:
Ho: Los cinco tratamientos tienen el mismo efecto en su rendimiento promedio del pasto estrella.
o Ho: 1= 2 = 3 = 4 = 5
Ha: Al menos uno de los tratamientos tiene un efecto diferente en su rendimiento promedio del pasto estrella.
o Ha: Al menos un i es diferente a los dems i=1,2, 3, 4 y 5

Tabla 1. Rendimiento del Ensayo con Macetas
Tratamiento
Maceta 1 2 3 4 5
1 101 51 83 67 29
2 93 61 68 40 45
3 93 59 72 46 51
4 96 58 75 52 42
TOTAL 383 229 298 205 167 1282
Media 95.75 57.25 74.50 51.21 41.75

1. PASOS EN EL MINITAB
Ir a Estadstica
Anova
Un solo factor
Respuesta Poner:
Rendimiento (Variable dependiente o
variable respuesta)
Factor Poner tratamiento
Poner el cuadro de Aceptar





ANOVA unidireccional: Rendimiento vs. Tratamientos



Fuente GL SC CM F P
Tratamientos 4 7285.8 1821.5 30.98 0.000
Error 15 882.0 58.8
Total 19 8167.8

S = 7.668 R-cuad. = 89.20% R-cuad.(ajustado) = 86.32%


ICs de 95% individuales para la media
basados en Desv.Est. agrupada
Nivel N Media Desv.Est. ---+---------+---------+---------+------
1 4 95.75 3.77 (---*---)
2 4 57.25 4.35 (---*---)
3 4 74.50 6.35 (---*---)
4 4 51.25 11.59 (---*---)
5 4 41.75 9.29 (---*---)
---+---------+---------+---------+------
40 60 80 100

Desv.Est. agrupada = 7.67

INTERPRETACIN
Si el P value tiene un valor menor a 0,05 se rechaza la hiptesis planteada, eso quiere decir que hay diferencia
significativa entre tratamientos (sali valor = 0,000) hay diferencia entre tratamientos
Si el Pvalue fuese mayor que 0,05 se acepta la hiptesis planteada, No hay diferencia entre tratamientos.

CONCLUSIN ESTADSTICA: Si se rechaza la Hiptesis planteada:
Hay evidencia estadstica a un de 0.05 de rechazar la Hp y aceptar la Ha, de que al menos un tratamiento
produce un efecto diferente en rendimiento promedio en el pasto estrella.

CONCLUSION:
En conclusin, existe suficiente evidencia estadstica para aceptar que al menos uno de los tratamientos
produce un efecto diferente en rendimiento promedio en el pasto estrella.

SI HAY DIFERENCIA ESTADISTICA SE REALIZA LAS PRUEBAS DE COMPARACIONES MULTIPLES:
COMO LA PRUEBA DE COMPARACIONES MEDIAS DE TUCKEY

Ir a Estadstica
ANOVA
Un solo factor
Respuesta Poner: Rendimiento (Variable dependiente o variable respuesta)
Factor Poner tratamiento
Comparaciones
Poner X en Tuckey
Poner Aceptar

Agrupar informacin utilizando el mtodo de Tukey

Tratamientos N Media Agrupacin
1 4 95.750 A
3 4 74.500 B
2 4 57.250 C
4 4 51.250 C
5 4 41.750 C

Las medias que no comparten una letra son significativamente diferentes.

Intervalos de confianza simultneos de Tukey del 95%
Todas las comparaciones de dos a dos entre los niveles de Tratamientos

Nivel de confianza individual = 99.25%



Tratamientos = 1 restado de:

Tratamientos Inferior Centro Superior
2 -55.255 -38.500 -21.745
3 -38.005 -21.250 -4.495
4 -61.255 -44.500 -27.745
5 -70.755 -54.000 -37.245

Tratamientos +---------+---------+---------+---------
2 (----*----)
3 (----*----)
4 (----*----)
5 (----*---)
+---------+---------+---------+---------
-70 -35 0 35

Tratamientos = 2 restado de:

Tratamientos Inferior Centro Superior
3 0.495 17.250 34.005
4 -22.755 -6.000 10.755
5 -32.255 -15.500 1.255

Tratamientos +---------+---------+---------+---------
3 (----*----)
4 (----*----)
5 (----*---)
+---------+---------+---------+---------
-70 -35 0 35

Tratamientos = 3 restado de:

Tratamientos Inferior Centro Superior
4 -40.005 -23.250 -6.495
5 -49.505 -32.750 -15.995

Tratamientos +---------+---------+---------+---------
4 (---*----)
5 (----*---)
+---------+---------+---------+---------
-70 -35 0 35

Tratamientos = 4 restado de:

Tratamientos Inferior Centro Superior
5 -26.255 -9.500 7.255

Tratamientos +---------+---------+---------+---------
5 (----*----)
+---------+---------+---------+---------
-70 -35 0 35

INTERPRETACIN
T2- T1: es -55,25 -21.47 es la comparacin entre T2-T1
Si el Intervalo Confidencial CONTIENE AL CERO LAS MEDIAS SON IGUALES Y SI NO INCLUYE AL CERO SON
DIFERENTES, en este ejemplo no incluye entonces T2-T1 es diferente

CONCLUSION
El tratamiento 1 (xxx) tiene un valor de rendimiento promedio de 95.750 son diferentes significativamente con los
tratamientos 3, 2, 4 y 5.
El tratamiento 3 tiene un valor de rendimiento promedio de 74.5 y hay diferencia significativa en cuanto al valor
rendimiento promedio de los tratamientos 2, 4 y 5.
En los tratamiento 2, 4 y 5 no hay diferencia significativa en cuanto al valor del rendimiento promedio.



GRAFICOS EN EL MINITAB
Ir a Estadstica
Anova
Un solo factor
Respuesta Poner: Rendimiento (Variable dependiente o variable respuesta)
Factor Poner tratamiento
Graficas Se selecciona y se selecciona en diagrama de caja de datos
Poner el cuadro de Aceptar








Ejemplo 2: Se desea investigar si 5 clases de alimentos balanceados producen efectos en la ganancia de peso de los
cuyes (en gramos) el investigador se provee de unidades de la misma edad, peso y tamao, por experiencia se sabe que
teniendo 6 individuos por cada alimento son suficientes para tomar decisiones.
Al finalizar el experimento los resultados observados y ordenados se dan en el siguiente cuadro Qu conclusiones se
puede extraer con o = 0.05 y o =0.01?
Incremento de peso (gr x 10) en carne de cuy entre 5 tipos de alimentos.
Solucin: Hp: ti = 0 i=1,2,3,4,5
Ha: ti 0 para al menos algn i
En trminos de las medias de los tratamientos
Hp: i = i=1,2,3,4,5
Hp: i para al menos algn i o Literalmente:
Hp: Los cinco alimentos balanceados tienen el mismo efecto en la ganancia de peso promedio en los cuyes
Ha: Al menos uno de los alimentos balanceados tienen una ganancia de peso promedio diferente en los cuyes.

5 Tipos de Alimento Dosis de alimentos
(n) observaciones A1 A2 A3 A4 A5
1 1.3 0.9 2.1 2.3 2.6
2 1.8 1.1 2.5 2.8 2.3
3 1.6 0.8 2.9 2.0 2.5
4 1.5 1.0 2.5 2.6 2.1
5 1.5 0.9 2.8 2.7 2.5
6 1.4 1.3 2.9 2.1 2.7
TOTALES
NRO REPET
PROMEDIO


DISEO DE BLOQUES COMPLETAMENTE AL AZAR (DBCA)
El diseo bloques completos al azar es uno de los diseos ms utilizados en investigacin agrcola. Tiene amplia
aplicacin cuando el material experimental ya sea campo agrcola, invernadero, camas de almacigo, etc., presenta una
fuente de variabilidad conocida, factible de evaluar y de deducir de la variabilidad total. Con ello se logra disminuir el
error experimental e incrementar la presin en las comparaciones entre tratamientos.
El nombre de bloques se debe a que el rea experimental se divide en partes iguales llamados estratos o bloques, de
modo que exista uniformidad dentro del bloque y heterogeneidad entre los bloques. Los bloques son completos porque
todos los tratamientos estn presentes en cada uno de los bloques, y son al azar porque los tratamientos son
distribuidos al azar y en forma independiente en cada uno de los bloques.
5 4 3 2 1
110
100
90
80
70
60
50
40
30
20
Tratamientos
R
e
n
d
i
m
i
e
n
t
o
Grfica de caja de Rendimiento


Debe prevenirse la perdida de unidades experimental. Si pese a todas las precauciones se pierden una o dos unidades
experimentales el proceso de anlisis estadstico sufre algunas modificaciones afectando los resultados. Una alternativa
es estimar el valor de la unidad experimental perdida y luego realizar el anlisis estadstico. El nmero mximo de
tratamientos que pueda tener un bloque depende de la homogeneidad. En la prctica el numero recomendable de
tratamientos vara entre 5 y 8.

MODELO ADITIVO LINEAL
ij i j ij
Y e t | = + + +
i = 1, 2, 3,, t y j = 1, 2, 3,., b

t = Numero de tratamientos
b = Numero de Bloques o de das

Donde:
Yij = Valor observado de la unidad experimental sujeto al i-simo tratamiento en el j-simo bloque.
: es la media general, estimada por la media del experimento : ..

: mide el efecto del tratamiento i, estimado por:

- ..

: mide el efecto del bloque j : estimado por :

- ..

: mide la variabilidad de la unidad experimental ij, estimado por :



-

+

Cuando los tratamientos y los bloques son escogidos al azar se tiene el modelo al azar y cuando son seleccionados por
el investigador se tiene el modelo fijo. En la prctica el modelo ms utilizado es el modelo mixto donde los tratamientos
son escogidos por el investigador pero os bloques son seleccionados al azar.

ANALISIS DE VARIANZA SIMBOLICA DEL DBCA
Fuentes de
variacin
Grados
de libertad
Suma de cuadrados Cuadrados medios
. .
. .
.
S C
C M
G L
=

F
Calculado
F
Tabla
1% 5%
Tratamiento t-1
2
( .) Yi
SCTrat FC
b
=


. ( )
. ( )
S C trat
G L trat

CMTrat
FC
CMError
=


Bloques b-1
2
( . ) Y j
SCTbloque FC
t
=


. ( )
. ( )
S C bloques
G L bloques


Error (t-1)(b-1) SCerror . ( )
. ( )
S C Error
G L Error


Total Tb-1
2
2 ..
1 1
t b
ij
i j
Y
Y
tb
= =




EJEMPLO 1: Tres diferentes soluciones estn siendo estudiadas para evaluar su efectividad en el retardo del
crecimiento de bacterias en contenedores de leche de 5 galones. Los anlisis son hechos en un laboratorio y solo tres
ensayos pueden efectuarse en un da dado. Debido a que los das pueden ser una fuente de variabilidad, el investigador
decide utilizar un diseo de bloques completos al azar. Las observaciones fueron tomadas en cuatro das y datos (en
UFC) se muestran en la siguiente tabla:

Ho: Las tres soluciones son igualmente efectivas en el retardo de crecimiento de bacterias en contenedores de la leche.
Ha: Al menos una de las soluciones tiene una efectividad diferente en el retardo del crecimiento de bacterias en
contenedores de la leche.
Solucin
Das 1 2 3
1 13 16 5
2 22 24 4
3 18 17 1
4 39 x 44 22
TOTAL 92 101 32
REPETICIONES 4 4 4


PROMEDIO 23 25.25 8

ANVA DBCA
Fuentes de
variacin
Grados
de libertad
Suma de cuadrados Cuadrados medios
. .
. .
.
S C
C M
G L
=

F
Calculado
F
Tabla
1% 5%
Tratamiento 2 703.5 351.75 40.72 10.92 5.14
Bloques 3 1106.92 368.97 42.71 9.78 4.76
Error 6 51.83 8.638
Total 11 1862.25

1. PASOS EN EL MINITAB
Estadstica
ANOVA
2 factores
Respuesta Crecimiento (Variable dependiente,
variable respuesta)
Factor de fila Poner: Das que son los Bloques
Factor de Columna Poner: Tratamientos (Soluciones)
Aceptar

ANOVA de dos factores: Crecimiento vs. Dias, Tratamientos

Fuente GL SC CM F P
Dias 3 1106.92 368.972 42.71 0.000
Tratamientos 2 703.50 351.750 40.72 0.000
Error 6 51.83 8.639
Total 11 1862.25

S = 2.939 R-cuad. = 97.22% R-cuad.(ajustado) = 94.90%

CONCLUSION:
Se rechaza la Ho. En conclusin, existe suficiente evidencia estadstica para aceptar que las tres soluciones
no son igualmente efectivas en el retardo del crecimiento de bacterias en contenedores de la leche.

SI HAY DIFERENCIA ESTADISTICA SE REALIZA LAS PRUEBAS DE COMPARACIONES MULTIPLES:
COMO LA PRUEBA DE COMPARACIONES MEDIAS
Ir a Estadstica
ANOVA
Un solo factor (porque aqu se hacen las comparaciones)
Respuesta Crecimiento (Variable dependiente, variable respuesta)
Factor Solucin que son los Tratamientos
Comparaciones
Poner X en Tuckey
Poner Aceptar

Agrupar informacin utilizando el mtodo de Tukey

Tratamientos N Media Agrupacin
2 4 25.25 A
1 4 23.00 A
3 4 8.00 A

Las medias que no comparten una letra son significativamente diferentes.

Intervalos de confianza simultneos de Tukey del 95%


Todas las comparaciones de dos a dos entre los niveles de Tratamientos

Nivel de confianza individual = 97.91%

Tratamientos = 1 restado de:

Tratamientos Inferior Centro Superior
2 -20.16 2.25 24.66
3 -37.41 -15.00 7.41

Tratamientos +---------+---------+---------+---------
2 (----------*----------)
3 (-----------*----------)
+---------+---------+---------+---------
-40 -20 0 20

Tratamientos = 2 restado de:

Tratamientos Inferior Centro Superior
3 -39.66 -17.25 5.16

Tratamientos +---------+---------+---------+---------
3 (----------*-----------)
+---------+---------+---------+---------
-40 -20 0 20
Ejemplo 2:
Se presenta los resultados de seis variedades de Frijol (Rendimiento expresado en g/ parcela) en el que se usaron
cuatro repeticiones por tratamiento. Se quiere probar la siguiente hiptesis:
Ho: No existe diferencia entre tratamientos
Ha: Existen diferencia entre tratamientos, mas all de lo que puede atribuirse al azar.
Variedades TOTAL
Repeticiones Bayo Gastelum Mantequilla Testigo Cuyo Zirate
1 42 32 25 18 35 36
2 46 38 32 20 42 25
3 38 31 28 26 46 22
4 41 30 26 24 40 26
TOTAL 167 131 111 88 163 109
REPETICIONES 4 4 4 4 4 4
PROMEDIO 41.75 32.75 27.75 22 40.75 27.25



ANVA DBCA
Fuentes de
variacin
Grados
de libertad
Suma de cuadrados Cuadrados medios
. .
. .
.
S C
C M
G L
=

F
Calculado
F
Tabla
1% 5%
Tratamiento 5 1251.208 250.2416 13.0959 4.56 2.9
Bloques 3 27.125 9.0417 0.4732 5.42 3.29
Error 15 286.625 19.108
Total 23 1564.958

DBCA EL MINITAB (15) TENIA ESTAS LIMITACIONES PERO AHORA EL MINITAB 16 SE EJECUTA.
ESTADISTICA
ANOVA
MODELO LINEAL GENERAL
RESPUESTAS: CRECIMIENTO
MODELO DIAS TRATAMIENTO
COMPARACIONES
XCOMPARACIONES EN PAREJA * TUCKEY
TERMINOS: Tratamiento

Modelo lineal general: Crecimiento vs. Dias,
Tratamientos

Factor Tipo Niveles Valores
Dias fijo 4 1, 2, 3, 4
Tratamientos fijo 3 1, 2, 3


Anlisis de varianza para Crecimiento, utilizando SC ajustada para pruebas

Fuente GL SC Sec. SC Ajust. CM Ajust. F P
Dias 3 1106.92 1106.92 368.97 42.71 0.000
Tratamientos 2 703.50 703.50 351.75 40.72 0.000
Error 6 51.83 51.83 8.64
Total 11 1862.25


S = 2.93920 R-cuad. = 97.22% R-cuad.(ajustado) = 94.90%

Observaciones inusuales de Crecimiento

EE de Residuo
Obs Crecimiento Ajuste ajuste Residuo estndar
9 5.0000 0.5833 2.0783 4.4167 2.13 R

R denota una observacin con un residuo estandarizado grande.

Agrupar informacin utilizando el mtodo de Tukey y una confianza de 95.0%

Tratamientos N Media Agrupacin
2 4 25.3 A
1 4 23.0 A
3 4 8.0 B

Las medias que no comparten una letra son significativamente diferentes.



Intervalos de confianza simultneos de Tukey del 95.0%
Variable de respuesta Crecimiento
Todas las comparaciones de dos a dos entre los niveles de Tratamientos
Tratamientos = 1 restado a:

Tratamientos Inferior Centrada Superior
2 -4.13 2.25 8.628
3 -21.38 -15.00 -8.622

Tratamientos ----+---------+---------+---------+--
2 (-----*------)
3 (-----*-----)
----+---------+---------+---------+--
-20 -10 0 10

Tratamientos = 2 restado a:

Tratamientos Inferior Centrada Superior
3 -23.63 -17.25 -10.87

Tratamientos ----+---------+---------+---------+--
3 (------*-----)
----+---------+---------+---------+--
-20 -10 0 10

Pruebas simultneas de Tukey
Variable de respuesta Crecimiento
Todas las comparaciones de dos a dos entre los niveles de Tratamientos
Tratamientos = 1 restado a:

Diferencia EE de Valor P
Tratamientos de medias diferencia Valor T ajustado
2 2.25 2.078 1.083 0.5578
3 -15.00 2.078 -7.217 0.0009

Tratamientos = 2 restado a:

Diferencia EE de Valor P
Tratamientos de medias diferencia Valor T ajustado
3 -17.25 2.078 -8.300 0.0004



ESTO ES CON EL DE DOS FACTORES PARA COMPARAR
Fuente GL SC MC F P
Dias 3 1106.92 368.972 42.71 0.000
Tratamientos 2 703.50 351.750 40.72 0.000
Error 6 51.83 8.639
Total 11 1862.25

S = 2.939 R-cuad. = 97.22% R-cuad.(ajustado) =
94.90%



SPSS PARA UN DBCA
Se pone en la hoja de variables
Tratamiento (solucion) Numerico
Das Numerico


Crecimiento Numerico

Ahora vamos a la otra pagina de datos del SPSS
Tratamientos Dias Crecimiento
1 1 13
1 2 22
1 3
1 4

-Analizar
-Modelo lineal general
-Univariante
Respuesta Poner Crecimiento (Variable respuesta)
Factores Fijos: Tratamientos (Solucin)
Dia (Bloques)

-Seleccionar Modelo
Seleccionar x Personalizado
Modelo: Tratamientos
Dias
Desactivar incluir interaccion en el modelo
-Continuar
-Aceptar

Pruebas de los efectos inter-sujetos

Variable dependiente: crecimiento
Fuente
Suma de
cuadrados
tipo III gl
Media
cuadrtica F Significacin
Modelo
6029.167(a) 6 1004.861 116.318 .000
tratamiento
703.500 2 351.750 40.717 .000
Das
1106.917 3 368.972 42.711 .000
Error
51.833 6 8.639
Total
6081.000 12
a R cuadrado = .991 (R cuadrado corregida = .983)

PRUEBA DE COMPARCION DE MEDIAS
-Analizar
-Modelo lineal general
-Univariante
Respuesta Poner Crecimiento (Variable respuesta)
Factores Fijos: Tratamientos (Solucion) TODO ESTO YA ESTA
Da (Bloques)
-Seleccionar POST HOC
Constraste Comparacion multiple
Factores Tratamiento seleccionar Solucion es decir tratamientos lo que vas a comparar
Dia
Seleccionar tuckey o Duncan

Seleccionar Grficos
Eje horizontal poner Tratamiento o solucin lo que se quiere evaluar
Aadir
Aceptar
Luego opciones Univariante
Mostrar medias Poner solucion o tratamientos
Seleccionar estadstica descriptiva
Contiunar
Aceptar



-Seleccionar Modelo
Seleccionar x Personalizado
Modelo: Tratamientos
Dias
Desactivar Incluir interaccion en el modelo
-Continuar
-Aceptar

Pruebas post hoc
Tratamiento

Comparaciones mltiples

Variable dependiente: crecimiento
DHS de Tukey
(I) tratamiento (J) tratamiento
Diferencia
entre medias
(I-J) Error tp. Significacin
Intervalo de confianza al
95%.
Lmite
superior Lmite inferior
1.00 2.00 -2.2500 2.07833 .558 -8.6269 4.1269
3.00
15.0000(*) 2.07833 .001 8.6231 21.3769
2.00 1.00
2.2500 2.07833 .558 -4.1269 8.6269
3.00
17.2500(*) 2.07833 .000 10.8731 23.6269
3.00 1.00 -15.0000(*) 2.07833 .001 -21.3769 -8.6231
2.00
-17.2500(*) 2.07833 .000 -23.6269 -10.8731

Basado en las medias observadas.
* La diferencia de medias es significativa al nivel .05.

Subconjuntos homogneos
crecimiento

DHS de Tukey
tratamiento N
Subconjunto
2 1
3.00
4 8.0000
1.00
4 23.0000
2.00
4 25.2500
Significacin
1.000 .558
Se muestran las medias para los grupos en subconjuntos homogneos.
Basado en la suma de cuadrados tipo III
El trmino error es la Media cuadrtica (Error) = 8.639.
a Usa el tamao muestral de la media armnica = 4.000
b Alfa = .05.

Dias


Comparaciones mltiples

Variable dependiente: Crecimiento
DHS de Tukey


Tratamietos
3.00 2.00 1.00
M
e
d
i
a
s

m
a
r
g
i
n
a
l
e
s

e
s
t
i
m
a
d
a
s
25,00
20,00
15,00
10,00
Medias marginales estimadas de Crecimiento
(I) Dias (J) Dias
Diferencia
entre medias
(I-J) Error tp. Significacin
Intervalo de confianza al
95%.
Lmite
superior Lmite inferior
1.00 2.00 -5.3333 2.39985 .219 -13.6409 2.9742
3.00
-.6667 2.39985 .992 -8.9742 7.6409
4.00
-23.6667(*) 2.39985 .000 -31.9742 -15.3591
2.00 1.00
5.3333 2.39985 .219 -2.9742 13.6409
3.00
4.6667 2.39985 .304 -3.6409 12.9742
4.00 -18.3333(*) 2.39985 .001 -26.6409 -10.0258
3.00 1.00
.6667 2.39985 .992 -7.6409 8.9742
2.00
-4.6667 2.39985 .304 -12.9742 3.6409
4.00
-23.0000(*) 2.39985 .000 -31.3076 -14.6924
4.00 1.00
23.6667(*) 2.39985 .000 15.3591 31.9742
2.00 18.3333(*) 2.39985 .001 10.0258 26.6409
3.00
23.0000(*) 2.39985 .000 14.6924 31.3076
Basado en las medias observadas.
* La diferencia de medias es significativa al nivel .05.

Crecimiento
DHS de Tukey
Dias N
Subconjunto
2 1
1.00
3 11.3333
3.00
3 12.0000
2.00
3 16.6667
4.00
3 35.0000
Significacin
.219 1.000

Se muestran las medias para los grupos en
subconjuntos homogneos.
Basado en la suma de cuadrados tipo III
El trmino error es la Media cuadrtica (Error) = 8.639.
a Usa el tamao muestral de la media armnica =
3.000
b Alfa = .05.






DISEO CUADRADO LATINO (DCL)
En este diseo la restriccin para controlar la variabilidad esta en dos direcciones, hileras y columnas. Los tratamientos
se arreglan en bloques de dos sentidos y cada tratamiento aparece una vez en cada hilera y columna. El anlisis de los
datos puede eliminar el error la variabilidad debida a la hilera y columna.
Debe existir el mismo nmero de tratamientos, hileras y columnas, o sea, el nmero de tratamientos es igual al nmero
de repeticiones. Un arreglo para cuatro tratamientos podra ser:
A D B C
D C A B
C B D A
B A C D



MODELO ADITIVO LINEAL
( ) ( ) ( ) i jk i j k i jk
Y t | c = + + + +
i, j, k = 1,.t
( ) i jk
Y = Es el valor o rendimiento observado em em i esimo tratamiento, j esima fila k esima columna.
= Es el efecto de la media general.
i
t
= Es el efecto del i- esimo tratamiento tratamiento. Para i= 1,2,3.,t.
j
| = Es el efecto del j- esimo bloque- fila. Para j= 1,2,3.b (j = bloques:filas)
k

= Es el efecto del k-esimo bloque- columna. k=1,2,3.b(k = bloques:columna)


( ) ij k
c = Efecto del error experimental en el i- esimo tratamiento, j- esimo bloque- fila, k-esimo bloque- columna.
t
: es el numero de tratamientos que es igual al numero de filas y de columnas.
la fila i para i= 1,2,3.,r ( i = filas)

4. ANALISIS DE VARIANZA SIMBOLICA (ANVA)
Variabilidad (Total) = Var (Trat) + Var (Bloq Fila) + Var (Bloq Columna) + Var (Error)

Fuente de Variacin G.L. S.C. C.M. Fc. F(tabla)
5% 1%
Tratamientos t-1 2
.. i
Y
FC
t


.
. ..
SCTrat
G L trat

.
. .
CM Trat
C M Error


Bloque: Filas t-1
2
. . j
Y
FC
t


.
. ..
SC Fila
G L fila

.
. .
CM Fila
C M Error


Bloque: Columnas t-1
2
..k
Y
FC
t


.
. ..
SC Col
G L col

.
. .
CM Colum
C M Error


Error (t-1)(t-2) Diferencia
.
. ..
SC Error
G L error


Total 2
t -1
2
(.).. 2
( ) 2 i jk
Y
Y
t



s CME =
..
2
Y
Y
t
=

. . 100
s
CV x
Y
=

Hiptesis
Hp:
i
u u =
i

Ha:
i
u u = Para al menos i

Ejemplo 1: Se desea experimentar 5 raciones (A-B-C-D-E) en 5 vacas y con 5 pastos distintos. Es aconsejable en que
en cada racin sea experimentada en cada una de las vacas y con cada uno de los pastos. Del cual se tendr el
siguiente esquema:
Vaca 1 Vaca 2 Vaca 3 Vaca 4 Vaca 5
Pasto 1 B E D A C
Pasto 2 C A B D E
Pasto 3 D B C E A
Pasto 4 A C E B D
Pasto 5 E D A C B
Los tratamientos A, B, C, D, E distribuidos de tal forma que cada tratamiento aparezca solo una vez en la fila y columna



Ejemplo 2: Se realiz un experimento para comparar la efectividad de 4 abonos nitrogenados en el cultivo de caa de
azcar. Las claves para los abonos son:
l. NA: Nitrato amnico NH4N03 3. SS: Salitre sdico
2. SA: Sulfato ammco (Nh4)2S04 4. UR: Urea

Todos los abonos se aplicaron a razn de 100 Kg por hectrea. El diseo empleado fue un cuadrado latino, donde las
unidades experimentales fueron clasificadas en filas y columnas segn su ubicacin en el terreno tal y como se muestra
en el siguiente croquis junto con los resultados del experimento (en Kg de caa/parcela):

Hiptesis planteada
H0: Los cuatro abonos nitrogenados tienen el mismo efecto en el cultivo de caa de azcar.
H1: Con al menos uno de los abonos nitrogenados se obtiene un efecto diferente en el cultivo de caa de azcar.

PARCELAS PERIODOS Total de Filas
1 2 3 4
Parcela I 432 (SA) 518(NA) 458 (SS) 583 (UR)
Parcela II 550 (SS) 724(UR) 400(NA) 524(SA)
Parcela III 556(UR) 384 (SS) 400(SA) 297(NA)
Parcela IV 500(NA) 506(SA) 501(UR) 494(SS)
Total de Columnas

ANALISIS DE VARIANZA (ANVA)
Fuente de Variacin G.L. S.C. C.M. Fc F tabla.
1% 5%
Tratamientos 3 59570 19857 5.31
Filas 3 40893 13631
Columnas 3 19968 6656
Error 6 22426 3738
Total 15 142856

1. PASOS EN EL MINITAB
Rellenar en las celdas
Numero Filas Columnas Tratamiento
Efectividad
1 1 1 SA 432
2 2 1 SS 550
3 3 1 UR 556
4 4 1 NA 500
.
.
Estadstica
ANOVA
Modelo lineal general
Respuesta Efectividad o Rendimiento (Variable dependiente, variable respuesta)
Modelo Seleccionar y Poner: Filas columnas tratamientos
Aceptar
Modelo lineal general: Efectividad vs. Filas, Columnas, Tratamiento
Factor Tipo Niveles Valores
Filas fijo 4 1, 2, 3, 4
Columnas fijo 4 1, 2, 3, 4
Tratamiento fijo 4 NA, SA, SS, UR

Anlisis de varianza para Efectividad, utilizando SC ajustada para pruebas

Fuente GL SC Sec. SC Ajust. CM Ajust. F P
Filas 3 40893 40893 13631 3.65 0.083
Columnas 3 19968 19968 6656 1.78 0.251


Tratamiento 3 59570 59570 19857 5.31 0.040
Error 6 22426 22426 3738
Total 15 142856

S = 61.1363 R-cuad. = 84.30% R-cuad.(ajustado) = 60.75%

CONCLUSION:
En conclusin, existe suficiente evidencia estadstica para aceptar que con al menos uno de los abonos
nitrogenados se obtiene un efecto diferente (rendimientos diferentes) en el cultivo de caa de azcar.

SI HAY DIFERENCIA ESTADISTICA SE REALIZA LAS PRUEBAS DE COMPARACIONES MULTIPLES:
COMO LA PRUEBA DE COMPARACIONES MEDIAS

PASOS EN EL MINITAB
Estadstica
ANOVA
Modelo lineal general
- Se selecciona Comparaciones en parejas
- Trminos: Poner Tratamiento porque sali significativo
Aceptar

Agrupar informacin utilizando el mtodo de Tukey y una confianza de 95.0%

Tratamiento N Media Agrupacin
UR 4 591.0 A
SS 4 471.5 A B
SA 4 465.5 A B
NA 4 428.8 B

Las medias que no comparten una letra son significativamente diferentes.

Intervalos de confianza simultneos de Tukey del 95.0%
Variable de respuesta Efectividad
Todas las comparaciones de dos a dos entre los niveles de Tratamiento
Tratamiento = NA restado a:

Tratamiento Inferior Centrada Superior
SA -113.0 36.75 186.5
SS -107.0 42.75 192.5
UR 12.5 162.25 312.0

Tratamiento +---------+---------+---------+------
SA (---------*---------)
SS (---------*---------)
UR (---------*---------)
+---------+---------+---------+------
-150 0 150 300

Tratamiento = SA restado a:

Tratamiento Inferior Centrada Superior
SS -143.8 6.000 155.8
UR -24.3 125.500 275.3

Tratamiento +---------+---------+---------+------
SS (---------*---------)
UR (---------*---------)
+---------+---------+---------+------
-150 0 150 300

Tratamiento = SS restado a:



Tratamiento Inferior Centrada Superior
UR -30.28 119.5 269.3

Tratamiento +---------+---------+---------+------
UR (---------*---------)
+---------+---------+---------+------
-150 0 150 300

Pruebas simultneas de Tukey
Variable de respuesta Efectividad
Todas las comparaciones de dos a dos entre los niveles de Tratamiento
Tratamiento = NA restado a:

Diferencia EE de Valor P
Tratamiento de medias diferencia Valor T ajustado
SA 36.75 43.23 0.8501 0.8295
SS 42.75 43.23 0.9889 0.7611
UR 162.25 43.23 3.7532 0.0359

Tratamiento = SA restado a:

Diferencia EE de Valor P
Tratamiento de medias diferencia Valor T ajustado
SS 6.000 43.23 0.1388 0.9989
UR 125.500 43.23 2.9031 0.0966

Tratamiento = SS restado a:

Diferencia EE de Valor P
Tratamiento de medias diferencia Valor T ajustado
UR 119.5 43.23 2.764 0.1142

SACAR LAS MEDIAS EN EL MINITAB
Estadstica
Estadstica bsica
Mostrar estadstica descriptiva
Variables: Rendimiento o variable respuesta Sale las medias de los tratamientos
Por variables: Poner tratamiento
Aceptar
Aceptar

Estadsticas descriptivas: Efectividad
Error
estndar
de la
Variable Tratamiento N N* Media media Desv.Est. Mnimo Q1
Efectividad NA 4 0 428.8 51.0 102.0 297.0 322.8
SA 4 0 465.5 29.5 59.1 400.0 408.0
SS 4 0 471.5 34.8 69.5 384.0 402.5
UR 4 0 591.0 47.5 95.0 501.0 514.8

Variable Tratamiento Mediana Q3 Mximo
Efectividad NA 450.0 513.5 518.0
SA 469.0 519.5 524.0
SS 476.0
536.0 550.0
UR 569.5
688.8 724.0

SACAR LOS GRAFICOS
ESTADISTICA
ANOVA
MODELO LINEAL GENERAL
UR SS SA NA
600
500
400
300
200
100
0
Tratamiento
M
e
d
i
a
Grafica del Efecto de los Abonos


GRAFICA DE FACTORES
Factor: Seleccionar y poner Tratamiento
Mnimo de CERO
Aceptar






Ejemplo 2: Experimento con Cuatro Variedades de Arroz
Variedades Total Hileras
Repeticiones B
2
D
3
A
6
C
8
19
A
7
C
5
B
5
D
7
24
D
5
B
4
C
9
A
10
28
C
6
A
9
D
5
B
5
25
TOTAL DE
COLUMNAS
20 21 25 30

Tratamientos A B C D
32 16 28 20
Promedio 8 4 7 5

ANALISIS DE VARIANZA (ANVA)
F de Variacin g.l. S.C. C.M. Fc Ftabla.
1 % 5%
Tratamientos 4 40 10 3.75 9.78 4.76
Filas 4 10.5 2.625 0.984 4.76 N.S
Columnas 4 15.5 3.875 1.453 4.76 N.S
Error 3 8 2.667
Total 16 74
La significacin de hileras o columnas indica en qu direccin del terreno est la fertilidad del suelo. En este
experimento no se detecto dicha variabilidad en ninguna hilera ni en columna. El coeficiente de variacin
indicara la confiabilidad en los datos.
EXPERIMENTOS FACTORIALES
Un experimento factorial es aquel en el que se estudian simultneamente varios factores, de modo que los
tratamientos se forman por todas las posibles combinaciones de los niveles de los factores. Un experimento
factorial no constituye un nuevo diseo experimental, sino un diseo para la formacin de los tratamientos.
Los experimentos factoriales pueden ser conducidos bajo los lineamientos de cualquier diseo experimental
como el DCA, DBCA o DCL.
Estos experimentos son tiles tambin en campos de estudio ms complejos en los que se sabe que un
factor no acta independientemente sino en estrecha relacin con ortos factores. En este captulo se trataran
los experimentos factoriales con dos factores conducidos bajo los lineamientos de un DCA y DBCA.

EL MODELO ADITIVO LINEAL PARA UN FACTORIAL PXQ EN DCA SER:
i= 1,,p j=1,..,q k=1,..,





EN EL CASO DE UN EXPERIMENTO FACTORIAL EN DBCA, EL MODELO ADITIVO LINEAL ES:

i= 1,,p j=1,..,q k=1,..., b

( )
ijk i j ij ijk
Y o | o| c = + + + +
( )
ijk i j ij k ijk
Y o | o| c = + + + + +


Donde:
ijk
Y = Es el valor o rendimiento observado con el i-esimo nivel del factor A, j-esimo nivel del factor B, k-esima repeticin

= Es el efecto de la media general.
i
o
= Es el efecto del i- esimo nivel del factor A.
j
| = Es el efecto del j- esimo nivel del factor B
( )
ij
o|
= Es el efecto de la interaccin en el i-esimo nivel del factor A, j-esimo nivel del factor B.
ijk
c = Es el efecto del error experimental en el i- esimo nivel del factor A, j- esimo nivel del factor B, k-esima repeticin
p = Es el numero de niveles del factor A.
q = Es el numero de niveles del factor B.
ij
r = Es el nmero de repeticiones en el i- esimo nivel del factor A, j- esimo nivel del factor B,

En el caso del experimento factorial en DBCA, el modelo aditivo lineal es:
k
= Es el efecto del k-esimo bloque.
b = Es el numero de boques

Ejemplo 1 (Experimento Factorial en DCA):
En un experimento se estudiaron tres tipos de Alimentos concentrados (A) en dos razas de ovinos (B) en una
determinada localidad. Se emplearon 4 animales por cada combinacin y se tuvieron los siguientes resultados
correspondientes a los aumentos de ganancia de peso (en Kg)

Para un modelo efectos fijos las hiptesis sern:
Para el efecto principal A (Alimentos concentrados): : 0.... 1, 2, 3
i
Ho i o = =
: 0.... .. .. . lg ..
i
Ha para al menos a un i o =

Para el efecto principal B (Raza de ovinos): : 0.... 1, 2
j
Ho j | = =
: 0.... .. .. . lg ..
j
Ha para al menos a un j | =

Para el efecto de la interaccin AB (Alimento xRaza de ovinos): : ( ) 0.... 1, 2, 3... 1, 2
ij
Ho i j o| = = =
: ( ) 0.... .. .. . lg .. ,
ij
Ha para al menos a un i j o| =

A1 A2 A3
B1 B2 B1 B2 B1 B2
A1B1 A1B2 A2B1 A2B2 A3B1 A3B2
1 5 3 3 3 2 2
2 6 3 2 2 4 6
3 6 4 4 8 2 10
4 7 4 3 5 2 6

TOTAL 24 14 12 18 10 24
PROMEDIO 6 3.5 3 4.5 2.5 6


A1 A2 A3 TOTAL
B1 24 12 10 46
B2 14 18 24 56
TOTAL 38 30 34 102

ANVA: DE UN ARREGLO FACTORIAL DE 3X2 CON UN DISEO COMPLETAMENTE AL AZAR (DCA)


F.V. G.L. SC CM FC Ftabla (0.05)
Alimento 2 4 2 0.59016393 3.55
Ovinos 1 4.167 4.167 1.22960656 4.41
Alimento*Ovinos 2 37.33 18.665 5.50770492 3.55*
Error 18 61 3.38888889
Total 23 106.5
1. PASOS EN EL MINITAB
Estadstica
ANOVA
Modelo lineal general
Respuesta Peso (Variable dependiente, variable respuesta)
Modelo Poner: Factor A factor B Factor A*Factor B
Ejemplo: Alimento raza (selecciona nuevamente Alimento*raza)
Aceptar













Modelo lineal general: Peso vs. Alimento, Raza


Factor Tipo Niveles Valores
Alimento fijo 3 1, 2, 3
Raza fijo 2 1, 2

Anlisis de varianza para Peso, utilizando SC ajustada para pruebas

Fuente GL SC Sec. SC Ajust. CM Ajust. F P
Alimento 2 4.000 4.000 2.000 0.59 0.565
Raza 1 4.167 4.167 4.167 1.23 0.282
Alimento*Raza 2 37.333 37.333 18.667 5.51 0.014
Error 18 61.000 61.000 3.389
Total 23 106.500


S = 1.84089 R-cuad. = 42.72% R-cuad.(ajustado) = 26.81%


Observaciones inusuales de Peso

EE de Residuo
Obs Peso Ajuste ajuste Residuo estndar
15 8.0000 4.5000 0.9204 3.5000 2.20 R
21 2.0000 6.0000 0.9204 -4.0000 -2.51 R


23 10.0000 6.0000 0.9204 4.0000 2.51 R

R denota una observacin con un residuo estandarizado grande.

GRAFICA DE FACTORES
Estadstica
ANOVA
Modelo lineal general, ya esta todos los datos
Entrar al cuadro de Grafica de Factores
Ingresar factores: Alimento y luego Ingresar
Factores: Peso
O Tambin
Ingresar factores: Ovino y luego Ingresar
Factores: Peso
O Tambin
Ingresar factores: Tratamiento y luego
Ingresar Factores: Peso

Aceptar

PARA SACAR MEDIAS
Estadstica
ANOVA
Modelo lineal general, ya esta todos los datos
Entrar al cuadro de Resultados
Seleccionar x Mostrar cuadro de medias
Poner Factor A*Factor B
Factor A
Factor B

SI HAY DIFERENCIA ESTADISTICA SE REALIZA LAS PRUEBAS DE COMPARACIONES MULTIPLES:
COMO LA PRUEBA DE COMPARACIONES MEDIAS

Efecto de Alimento concentrado y ganancia de peso
Estadstica
ANOVA
Modelo lineal general
Seleccionar el cuadro de Comparacin
X en comparaciones
Trminos: Factor A (Alimentos)
Aceptar


Efecto de la ganacia de peso

Agrupar informacin utilizando el mtodo de Tukey y una confianza de 95.0%

Alimento N Media Agrupacin
1 8 4.7 A
3 8 4.3 A
2 8 3.8 A

3 2 1
5
4
3
2
1
0
Alimento
M
e
d
i
a
Efecto de la ganacia de peso
2 1
5
4
3
2
1
0
Raza
M
e
d
i
a
Efecto de la ganacia de peso


Las medias que no comparten una letra son significativamente diferentes.

Intervalos de confianza simultneos de Tukey del 95.0%
Variable de respuesta Peso
Todas las comparaciones de dos a dos entre los niveles de Alimento
Alimento = 1 restado a:

Alimento Inferior Centrada Superior -------+---------+---------+---------
2 -3.350 -1.000 1.350 (-----------*-----------)
3 -2.850 -0.500 1.850 (-----------*----------)
-------+---------+---------+---------
-2.0 0.0 2.0
Alimento = 2 restado a:

Alimento Inferior Centrada Superior -------+---------+---------+---------
3 -1.850 0.5000 2.850 (----------*-----------)
-------+---------+---------+---------
-2.0 0.0 2.0


Pruebas simultneas de Tukey
Variable de respuesta Peso
Todas las comparaciones de dos a dos entre los niveles de Alimento
Alimento = 1 restado a:

Diferencia EE de Valor P
Alimento de medias diferencia Valor T ajustado
2 -1.000 0.9204 -1.086 0.5343
3 -0.500 0.9204 -0.543 0.8512

Alimento = 2 restado a:

Diferencia EE de Valor P
Alimento de medias diferencia Valor T ajustado
3 0.5000 0.9204 0.5432 0.8512


Para el efecto de Raza ovino y ganancia de peso

Estadstica
ANOVA
Modelo lineal general
Seleccionar el cuadro de Comparacin
X en comparaciones
Trminos: Factor B. Ejemplo (raza)
Aceptar

Agrupar informacin utilizando el mtodo de Tukey y una confianza de 95.0%

Raza N Media Agrupacin
2 12 4.7 A
1 12 3.8 A

Las medias que no comparten una letra son significativamente diferentes.

Intervalos de confianza simultneos de Tukey del 95.0%
Variable de respuesta Peso
Todas las comparaciones de dos a dos entre los niveles de Raza
Raza = 1 restado a:

Raza Inferior Centrada Superior -------+---------+---------+---------
2 -0.7456 0.8333 2.412 (--------------*---------------)


-------+---------+---------+---------
0.0 1.0 2.0

Pruebas simultneas de Tukey
Variable de respuesta Peso
Todas las comparaciones de dos a dos entre los niveles de Raza
Raza = 1 restado a:

Diferencia EE de Valor P
Raza de medias diferencia Valor T ajustado
2 0.8333 0.7515 1.109 0.2821

Para el efecto de Alimento*Raza ovino y
ganancia de peso
Estadstica
ANOVA
Modelo lineal general
Seleccionar el cuadro de Comparacin
X en comparaciones
Trminos: Factor A* Factor B. Ejemplo (Alimentos*raza)
Aceptar







Agrupar informacin utilizando el mtodo de
Tukey y una confianza de 95.0%

Alimento Raza N Media Agrupacin
3 2 4 6.0 A
1 1 4 6.0 A
2 2 4 4.5 A
1 2 4 3.5 A
2 1 4 3.0 A
3 1 4 2.5 A

Las medias que no comparten una letra son significativamente diferentes.


Intervalos de confianza simultneos de Tukey del 95.0%
Variable de respuesta Peso
Todas las comparaciones de dos a dos entre los niveles de Alimento*Raza
Alimento = 1
Raza = 1 restado a:

Alimento Raza Inferior Centrada Superior
1 2 -6.633 -2.500 1.6328
2 1 -7.133 -3.000 1.1328
2 2 -5.633 -1.500 2.6328
3 1 -7.633 -3.500 0.6328
3 2 -4.133 0.000 4.1328

Alimento Raza -----+---------+---------+---------+-
1 2 (-------*-------)
2 1 (-------*-------)
2 2 (-------*-------)
3 1 (-------*-------)
3 2 (-------*-------)
-----+---------+---------+---------+-


-5.0 0.0 5.0 10.0


Alimento = 1
Raza = 2 restado a:

Alimento Raza Inferior Centrada Superior
2 1 -4.633 -0.500 3.633
2 2 -3.133 1.000 5.133
3 1 -5.133 -1.000 3.133
3 2 -1.633 2.500 6.633

Alimento Raza -----+---------+---------+---------+-
2 1 (-------*-------)
2 2 (-------*-------)
3 1 (-------*-------)
3 2 (-------*-------)
-----+---------+---------+---------+-
-5.0 0.0 5.0 10.0


Alimento = 2
Raza = 1 restado a:

Alimento Raza Inferior Centrada Superior
2 2 -2.633 1.5000 5.633
3 1 -4.633 -0.5000 3.633
3 2 -1.133 3.0000 7.133

Alimento Raza -----+---------+---------+---------+-
2 2 (-------*-------)
3 1 (-------*-------)
3 2 (-------*-------)
-----+---------+---------+---------+-
-5.0 0.0 5.0 10.0


Alimento = 2
Raza = 2 restado a:

Alimento Raza Inferior Centrada Superior
3 1 -6.133 -2.000 2.133
3 2 -2.633 1.500 5.633

Alimento Raza -----+---------+---------+---------+-
3 1 (-------*-------)
3 2 (-------*-------)
-----+---------+---------+---------+-
-5.0 0.0 5.0 10.0


Alimento = 3
Raza = 1 restado a:

Alimento Raza Inferior Centrada Superior
3 2 -0.6328 3.500 7.633

Alimento Raza -----+---------+---------+---------+-
3 2 (-------*-------)
-----+---------+---------+---------+-
-5.0 0.0 5.0 10.0


Pruebas simultneas de Tukey


Variable de respuesta Peso
Todas las comparaciones de dos a dos entre los niveles de Alimento*Raza
Alimento = 1
Raza = 1 restado a:

Diferencia EE de Valor P
Alimento Raza de medias diferencia Valor T ajustado
1 2 -2.500 1.302 -1.921 0.4220
2 1 -3.000 1.302 -2.305 0.2424
2 2 -1.500 1.302 -1.152 0.8529
3 1 -3.500 1.302 -2.689 0.1263
3 2 0.000 1.302 0.000 1.0000


Alimento = 1
Raza = 2 restado a:

Diferencia EE de Valor P
Alimento Raza de medias diferencia Valor T ajustado
2 1 -0.500 1.302 -0.3841 0.9987
2 2 1.000 1.302 0.7682 0.9695
3 1 -1.000 1.302 -0.7682 0.9695
3 2 2.500 1.302 1.9206 0.4220


Alimento = 2
Raza = 1 restado a:

Diferencia EE de Valor P
Alimento Raza de medias diferencia Valor T ajustado
2 2 1.5000 1.302 1.1523 0.8529
3 1 -0.5000 1.302 -0.3841 0.9987
3 2 3.0000 1.302 2.3047 0.2424


Alimento = 2
Raza = 2 restado a:

Diferencia EE de Valor P
Alimento Raza de medias diferencia Valor T ajustado
3 1 -2.000 1.302 -1.536 0.6469
3 2 1.500 1.302 1.152 0.8529


Alimento = 3
Raza = 1 restado a:

Diferencia EE de Valor P
Alimento Raza de medias diferencia Valor T ajustado
3 2 3.500 1.302 2.689 0.1263


Efecto de la ganacia de peso


Grfica de interaccin para Peso











































PARA SACAR MEDIAS
Medias
Estadstica
ANOVA
MODELO LINEAL GENERAL Resultados
MOSTRAR CUADRO DE MEDIAS
Factor A*factorB
o
Factor A
Factor B
Factor A*B Para todos


EJEMPLO 2 (EXPERIMENTO FACTORIAL EN DBCA):
Se realiz un experimento con un arreglo factorial 2A3B en DBCA en 4 campos de cultivo, para evaluar el efecto en el
rendimiento de maz obtenido con dos tipos de abono (al y a2 ) y tres dosis (b1=20, b2=30 y b3=40 kg/ha). Los resultados
obtenidos (en TM/ha) se presentan a continuacin:

A1 A2
Campos B1 B2 B3 B1 B2 B3
1 1,9 1,8 2,7 1,8 2,9 3,0
2 2,3 2,1 2,4 2,2 2,7 3,2
3 2,0 2,4 2,9 2,0 3,2 2,9
2 1
6
5
4
3
2
1
0
Raza
M
e
d
i
a
1
2
3
Alimento
Grfica de interaccin para Peso
Medias ajustadas


4 2,1 2,9 2,8 2,4 3,5 3,4
Total 8,3 9,2 10,8 8,4 12,3 12,5

ANVA: DE UN ARREGLO FACTORIAL DE 2X3 CON UN DISEO EN BLOQUES COMPLETAMENTE AL AZAR
(DBCA)
F.V. G.L. SC CM FC Ftabla
(0.05)
Bloques 3 0.8046 0,2682 3.29
A 1 1.0004 1.0004 18.81 4.54
B 2 2.9100 1.4550 27.35 3.29
A*B 2 0.5633 0.2817 5.30 3.68*
Error 15 0.7979 0.0532
Total 23 6.0763

1. PASOS EN EL MINITAB
Estadstica
ANOVA
Modelo lineal general
Respuesta Rendimiento (Variable dependiente, variable respuesta)
Modelo Poner: Bloque
Factor A
Factor B
Factor AxFactor B
Aceptar

ARREGLO FACTORIAL CON DBCA
Factor A Factor B Bloques Rendimiento
A1 B1 1 1.9
A1 B1 2 2.3
A1 B1 3 2.0
A1 B1 4
A1 B2 1
A1 B2 2
A1 B2 3
A1 B2 4
A1 B3
A1 B3
A1 B3

Modelo lineal general: Rendimiento vs. Bloques, Factor A, Factor B

Factor Tipo Niveles Valores
Bloques fijo 4 1, 2, 3, 4
Factor A fijo 2 1, 2
Factor B fijo 3 1, 2, 3

Anlisis de varianza para Rendimiento, utilizando SC ajustada para pruebas

Fuente GL SC Sec. SC Ajust. CM Ajust. F P
Bloques 3 0.80458 0.80458 0.26819 5.04 0.013
Factor A 1 1.00042 1.00042 1.00042 18.81 0.001
Factor B 2 2.91000 2.91000 1.45500 27.35 0.000
Factor A*Factor B 2 0.56333 0.56333 0.28167 5.30 0.018
Error 15 0.79792 0.79792 0.05319
Total 23 6.07625



S = 0.230639 R-cuad. = 86.87% R-cuad.(ajustado) = 79.86%

SI HAY DIFERENCIA ESTADISTICA SE REALIZA LAS PRUEBAS DE COMPARACIONES MULTIPLES:
COMO LA PRUEBA DE COMPARACIONES MEDIAS

Estadstica
ANOVA
Modelo lineal general
Seleccionar el cuadro de Comparacin
X en comparaciones
Trminos: Factor A* Factor B. Ejemplo (Maiz*Dosis)
Aceptar
CUADRO DE RESULTADOS
Estadstica
ANOVA
Modelo lineal general
Resultados (mostrar cuadro de las medias) Factor A, Factor B Factor A*Factor B

Agrupar informacin utilizando el mtodo de Tukey y una confianza de 95.0%

Factor A Factor B N Media Agrupacin
2 3 4 3.1 A
2 2 4 3.1 A
1 3 4 2.7 A B
1 2 4 2.3 B C
2 1 4 2.1 C
1 1 4 2.1 C

Las medias que no comparten una letra son significativamente diferentes.

Intervalos de confianza simultneos de Tukey del 95.0%
Variable de respuesta Rendimiento
Todas las comparaciones de dos a dos entre los niveles de Factor A*Factor B
Factor A = 1
Factor B = 1 restado a:

Factor A Factor B Inferior Centrada Superior
1 2 -0.3043 0.22500 0.7543
1 3 0.0957 0.62500 1.1543
2 1 -0.5043 0.02500 0.5543
2 2 0.4707 1.00000 1.5293
2 3 0.5207 1.05000 1.5793

Factor A Factor B ----+---------+---------+---------+--
1 2 (------*-----)
1 3 (------*-----)
2 1 (-----*------)
2 2 (------*-----)
2 3 (-----*------)
----+---------+---------+---------+--
-0.80 0.00 0.80 1.60


Factor A = 1
Factor B = 2 restado a:

Factor A Factor B Inferior Centrada Superior
1 3 -0.1293 0.4000 0.9293
2 1 -0.7293 -0.2000 0.3293


2 2 0.2457 0.7750 1.3043
2 3 0.2957 0.8250 1.3543

Factor A Factor B ----+---------+---------+---------+--
1 3 (------*------)
2 1 (------*-----)
2 2 (------*-----)
2 3 (-----*------)
----+---------+---------+---------+--
-0.80 0.00 0.80 1.60

Factor A = 1
Factor B = 3 restado a:

Factor A Factor B Inferior Centrada Superior
2 1 -1.129 -0.6000 -0.07068
2 2 -0.154 0.3750 0.90432
2 3 -0.104 0.4250 0.95432

Factor A Factor B ----+---------+---------+---------+--
2 1 (------*-----)
2 2 (------*-----)
2 3 (-----*------)
----+---------+---------+---------+--
-0.80 0.00 0.80 1.60

Factor A = 2
Factor B = 1 restado a:

Factor A Factor B Inferior Centrada Superior
2 2 0.4457 0.9750 1.504
2 3 0.4957 1.0250 1.554

Factor A Factor B ----+---------+---------+---------+--
2 2 (-----*------)
2 3 (------*-----)
----+---------+---------+---------+--
-0.80 0.00 0.80 1.60

Factor A = 2
Factor B = 2 restado a:

Factor A Factor B Inferior Centrada Superior
2 3 -0.4793 0.05000 0.5793

Factor A Factor B ----+---------+---------+---------+--
2 3 (------*-----)
----+---------+---------+---------+--
-0.80 0.00 0.80 1.60

Pruebas simultneas de Tukey
Variable de respuesta Rendimiento
Todas las comparaciones de dos a dos entre los niveles de Factor A*Factor B
Factor A = 1
Factor B = 1 restado a:

Diferencia EE de Valor P
Factor A Factor B de medias diferencia Valor T ajustado
1 2 0.22500 0.1631 1.3796 0.7380
1 3 0.62500 0.1631 3.8323 0.0166
2 1 0.02500 0.1631 0.1533 1.0000
2 2 1.00000 0.1631 6.1317 0.0002
2 3 1.05000 0.1631 6.4383 0.0001



Factor A = 1
Factor B = 2 restado a:

Diferencia EE de Valor P
Factor A Factor B de medias diferencia Valor T ajustado
1 3 0.4000 0.1631 2.453 0.1997
2 1 -0.2000 0.1631 -1.226 0.8177
2 2 0.7750 0.1631 4.752 0.0029
2 3 0.8250 0.1631 5.059 0.0016

Factor A = 1
Factor B = 3 restado a:

Diferencia EE de Valor P
Factor A Factor B de medias diferencia Valor T ajustado
2 1 -0.6000 0.1631 -3.679 0.0223
2 2 0.3750 0.1631 2.299 0.2532
2 3 0.4250 0.1631 2.606 0.1557

Factor A = 2
Factor B = 1 restado a:

Diferencia EE de Valor P
Factor A Factor B de medias diferencia Valor T ajustado
2 2 0.9750 0.1631 5.978 0.0003
2 3 1.0250 0.1631 6.285 0.0002

Factor A = 2
Factor B = 2 restado a:

Diferencia EE de Valor P
Factor A Factor B de medias diferencia Valor T ajustado
2 3 0.05000 0.1631 0.3066 0.9996








DBCA EL MINITAB TIENE LIMITACIONES EN LA COMPARACION POR LO QUE SE HACE
ESTADISTICA
ANOVA
MODELO LINEAL GENERAL
RESPUESTAS: CRECIMIENTO
MODELO DIAS TRATAMIENTO
COMPARACIONES
XCOMPARACIONES EN PAREJA TUCKEY

Modelo lineal general: Crecimiento vs. Dias, Tratamientos

Factor Tipo Niveles Valores
Dias fijo 4 1, 2, 3, 4
Tratamientos fijo 3 1, 2, 3


Anlisis de varianza para Crecimiento, utilizando SC ajustada para pruebas

Fuente GL SC Sec. SC Ajust. CM Ajust. F P
Dias 3 1106.92 1106.92 368.97 42.71 0.000
Tratamientos 2 703.50 703.50 351.75 40.72 0.000
Error 6 51.83 51.83 8.64
Total 11 1862.25

S = 2.93920 R-cuad. = 97.22% R-cuad.(ajustado) = 94.90%

Observaciones inusuales de Crecimiento

EE de Residuo
Obs Crecimiento Ajuste ajuste Residuo estndar
9 5.0000 0.5833 2.0783 4.4167 2.13 R

R denota una observacin con un residuo estandarizado grande.

ESTO ES CON EL DE DOS FACTORES PARA COMPARAR
Fuente GL SC MC F P
Dias 3 1106.92 368.972 42.71 0.000
Tratamientos 2 703.50 351.750 40.72 0.000
Error 6 51.83 8.639
Total 11 1862.25

S = 2.939 R-cuad. = 97.22% R-cuad.(ajustado) = 94.90%


SPSS PAR UN DBCA
Se pone en la hoja de variables
Tratamiento (solucion) Numerico
Dias Numerico
Crecimiento Numerico

Ahora vamos a la otra pagina de datos del SPSS
Tratamientos Dias Crecimiento
1 1 13
1 2 22
1 3
1 4


-Analizar
-Modelo lineal general
-Univariante
Respuesta Poner Crecimiento (Variable respuesta)
Factores Fijos: Dia (Bloques)
Tratamientos (Solucin)

-Seleccionar Modelo
Seleccionar x Personalizado
Modelo: Tratamientos
Dias
Desactivar incluir interaccion en el modelo
-Continuar
-Aceptar

Pruebas de los efectos inter-sujetos

Variable dependiente: crecimiento
Fuente
Suma de
cuadrados
tipo III gl
Media
cuadrtica F Significacin
Modelo
6029.167(a) 6 1004.861 116.318 .000
tratamiento
703.500 2 351.750 40.717 .000
Das
1106.917 3 368.972 42.711 .000
Error
51.833 6 8.639
Total
6081.000 12
a R cuadrado = .991 (R cuadrado corregida = .983)



COMPARACIONES
-Analizar
-Modelo lineal general
-Univariante
Respuesta Poner Crecimiento (Variable respuesta)
Factores Fijos: Da (Bloques)
Tratamientos (Solucion) TODO ESTO YA ESTA
-Seleccionar POST HOC
Constraste Comparacion multiple
Factores Solucion seleccionar Solucion es decir tratamientos lo que vas a comparar
Dia
Seleccionar tuckey o Duncan
Seleccionar Graficos
Eje horizontal poner Tratamiento o solucion lo que se quiere evaluar
Aadir
Aceptar
Luego opciones Univariante
Mostrar medias Poner solucion o tratamientos
Seleccionar estadstica descriptiva
Contiunar
Aceptar

-Seleccionar Modelo
Seleccionar x Personalizado
Modelo: Tratamientos
Dias
Desactivar Incluir interaccion en el modelo
-Continuar
-Aceptar

Pruebas post hoc
Tratamiento
Comparaciones mltiples

Variable dependiente: crecimiento
DHS de Tukey
(I) tratamiento (J) tratamiento
Diferencia
entre medias
(I-J) Error tp. Significacin
Intervalo de confianza al
95%.
Lmite
superior Lmite inferior
1.00 2.00 -2.2500 2.07833 .558 -8.6269 4.1269
3.00
15.0000(*) 2.07833 .001 8.6231 21.3769
2.00 1.00
2.2500 2.07833 .558 -4.1269 8.6269
3.00
17.2500(*) 2.07833 .000 10.8731 23.6269
3.00 1.00 -15.0000(*) 2.07833 .001 -21.3769 -8.6231
2.00
-17.2500(*) 2.07833 .000 -23.6269 -10.8731

Basado en las medias observadas.
* La diferencia de medias es significativa al nivel .05.

Subconjuntos homogneos
crecimiento

DHS de Tukey
tratamiento N Subconjunto


2 1
3.00
4 8.0000
1.00
4 23.0000
2.00
4 25.2500
Significacin
1.000 .558
Se muestran las medias para los grupos en subconjuntos homogneos.
Basado en la suma de cuadrados tipo III
El trmino error es la Media cuadrtica (Error) = 8.639.
a Usa el tamao muestral de la media armnica = 4.000
b Alfa = .05.






SPSS PARA UN DCA
Se pone en la hoja de variables
Tratamiento (solucion) Numerico
Macetas Numerico
Rendimiento Numerico

Ahora vamos a la otra pagina de datos del SPSS
Se pone todos los datos
Tratamiento maceta Rendimiento
1 1 101
1 2 .
1 3 .
1 4
. .
-Analizar
-Comparar medias
-Anova de un solo Factor
Dependiente Se selecciona y se pone Rendimiento
Factor Se selecciona y se pone tratamiento
- Aceptar

ANOVA de un factor
ANOVA

rendimiento

Suma de
cuadrados gl
Media
cuadrtica F Sig.
Inter-grupos
7285.800 4 1821.450 30.977 .000
Intra-grupos
882.000 15 58.800
Total
8167.800 19

PARA HACER SUS COMPARACIONES

Pruebas post hoc
Comparaciones mltiples

Variable dependiente: rendimiento
HSD de Tukey
(I) tratamientos (J) tratamientos
Diferencia de
medias (I-J) Error tpico Sig.
Intervalo de confianza al
95%
Lmite
superior Lmite inferior
1.00 2.00 38.50000(*) 5.42218 .000 21.7567 55.2433
3.00
21.25000(*) 5.42218 .010 4.5067 37.9933
4.00
44.50000(*) 5.42218 .000 27.7567 61.2433
5.00
54.00000(*) 5.42218 .000 37.2567 70.7433
2.00 1.00
-38.50000(*) 5.42218 .000 -55.2433 -21.7567
3.00
-17.25000(*) 5.42218 .042 -33.9933 -.5067
4.00 6.00000 5.42218 .801 -10.7433 22.7433
5.00
15.50000 5.42218 .076 -1.2433 32.2433
3.00 1.00
-21.25000(*) 5.42218 .010 -37.9933 -4.5067
2.00
17.25000(*) 5.42218 .042 .5067 33.9933
4.00
23.25000(*) 5.42218 .005 6.5067 39.9933
5.00
32.75000(*) 5.42218 .000 16.0067 49.4933
4.00 1.00 -44.50000(*) 5.42218 .000 -61.2433 -27.7567


2.00
-6.00000 5.42218 .801 -22.7433 10.7433
3.00
-23.25000(*) 5.42218 .005 -39.9933 -6.5067
5.00
9.50000 5.42218 .434 -7.2433 26.2433
5.00 1.00
-54.00000(*) 5.42218 .000 -70.7433 -37.2567
2.00
-15.50000 5.42218 .076 -32.2433 1.2433
3.00 -32.75000(*) 5.42218 .000 -49.4933 -16.0067
4.00
-9.50000 5.42218 .434 -26.2433 7.2433
* La diferencia de medias es significativa al nivel .05.

SPSS EN COMPARACIONES
Analizar
-Comparar medias
-Anova de un solo Factor
Dependiente Se selecciona y se pone Rendimiento
Factor Se selecciona y se pone tratamiento
-Seleccionar Post Hoc. Y
Seleccionar tucKey
Aceptar









esto no por favor
CUADRADO LATINO
PARCELAS PERIODOS Total de Filas
1 2 3 4
Parcela I 432 518 458 583
Parcela II 550 724 400 524
Parcela III 556 384 400 297
Parcela IV 500 506 501 494
Total de
Columnas



Modelo lineal general: Efectividad vs. Filas, Columnas, Tratamiento

Factor Tipo Niveles Valores
Filas fijo 4 1, 2, 3, 4
Columnas fijo 4 1, 2, 3, 4
Tratamiento fijo 4 NA, SA, SS, UR


Anlisis de varianza para Efectividad, utilizando SC ajustada para pruebas

Fuente GL SC sec. SC ajust. MC ajust. F P
Filas 3 40893 40893 13631 3.65 0.083
Columnas 3 19968 19968 6656 1.78 0.251
Tratamiento 3 59570 59570 19857 5.31 0.040
Error 6 22426 22426 3738
Total 15 142856


S = 61.1363 R-cuad. = 84.30% R-cuad.(ajustado) = 60.75%



Tabla 1: Rendimiento del Ensayo con Macetas

Tratamiento
Maceta 1 2 3 4 5
1 101 51 83 67 29
2 93 61 68 40 45
3 93 59 72 46 51
4 96 58 75 52 42
TOTAL 383 229 298 205 167 1282
Media 95.75 57.25 74.50 51.21 41.75

2. PASOS EN EL MINITAB
Ir a Estadstica
Anova
Un solo factor
Respuesta Poner: Rendimiento (Variable dependiente o variable respuesta)
Factor Poner tratamiento
Poner el cuadro de Aceptar
Numero Tratamientos Maceta Rendimiento
1 1 1 101
2 1 2 93
3 1 3 93
4 1 4 93
5 2 1 51
6 2 2 61
7 2 3 59
8 2 4 58
9 3 1 83
10 3 2 68
11 3 3 72
12 3 4 75
13 4 1 67
14 4 2 40
15 4 3 46
16 4 4 52
17 5 1 29
18 5 2 45
19 5 3 51
20 5 4 42

















INTERPRETACIN




GRAFICO DE INTERACCION
Anlisis de Efectos Simples
Cuadro de ANVA de Efectos Simples:
F.V. G.L. SC CM FC Ftabla (0.05)
Alimento (B1) 1 28.667 28.667 8.46 3.55
Alimento (B2) 1 12.667 12.667 3.74 4.41
Error 2 61.00 3.389 3.55*

La Prueba de Duncan para comparar la ganancia promedio para los tres tipos alimentos dado la raza de ovino
B1.
Para el ovino B1
A1B1 A2B1 A2B1
Promedio 6.0 3.0 2.5


g.L Error = 18
p 2 3
AES (D) 2.97 3.12




Comparacin

D ALS(D) DECISION
A1-A2 3.0 2.74 *
A1-A3 3.5 2.872 *
A2-A3 0.5 2.734 N.S
CONCLUSIONES

La Prueba de Duncan para comparar la ganancia promedio para los tres tipos alimentos dado la raza de ovino
B2.
Para el ovino B2
A1B2 A2B2 A3B2
( ) ( )
CME
ALS D AES D
n
=
3.389
0.92046
4
CME
n
= =


Promedio 3.5 4.5 6.0

g.L Error = 18

P 2 3
AES (D) 2.97 3.12




Comparacin

D ALS(D) DECISION
A1-A2 1.0 2.734 N.S
A1-A3 2.5 2.872 N.S
A2-A3 1.5 2.734 N.S

Conclusiones


( ) ( )
CME
ALS D AES D
n
=
3.389
0.92046
4
CME
n
= =





DISEO CUADRADO LATINO
NROS FILAS COLUMNAS TRATA RNDIMIENTO
1 1 B 2
2 1 A 7
3 1 D 5
4 1 C 6
1 2 D 3
2 2 C 5
3 2 B 4
4 2 A 9




ESTADISTICA
ANOVA
MODELO LINEAL GENERAL
RESPUESTA Rendimiento variable respuesta
Modelo. Filas columnas tratamiento
Aceptar


COMPARACION
ESTADISTICA
ANOVA


MODELO LINEAL GENERAL
- Comparaciones en parejas
- Terminos Tratamiento porque sali significativo
SACAR LAS MEDIAS
Estadistica
Estadistica descriptiva
Mostrar estadstica descriptiva
Variables Rendimiento o variable respuesta
Sale las medias de los tratamientos

GRAFICOS
ESTADISTICA
ANOVA
MODELO LINEAL GENERAL
Grafica de factores
Factor. Tratamiento
Minimo de CERO
Aceptar
















Esto no va


Ir a Estadstica
Anova
Un solo factor
Respuesta Poner: Rendimiento (Variable dependiente o variable respuesta)
Factor Poner tratamiento
Poner el cuadro de Aceptar
INTERPRETACIN
Si el P value tiene un valor menor a 0,05 se rechaza la hiptesis planteada, eso quiere decir que hay diferencia
significativa entre tratamientos (sali valor = 0,000) hay diferencia
Si el Pvalue es mayor que 0,05 se acepta la hiptesis planteada, No hay diferencia entre tratamientos.

Conclusin Estadstica: Si se rechaza la Hiptesis:
Hay evidencia estadstica a un de 0.05 al menos una maceta produce un rendimiento medio diferente a las dems
macetas.




Ejemplo 2:
Se presenta los resultados de seis variedades de Frijol (Rendimiento expresado en g/ parcela) en el que se usaron
cuatro repeticiones por tratamiento

Se quiere probar la siguiente hiptesis:
Ho: No existe diferencia entre tratamientos
Ha: Existen diferencia entre tratamientos, mas alla de lo que puede atribuirse al azar.





Variedades TOTAL
Repeticiones Bayo Gastelum Mantequilla Testigo Cuyo Zirate
1 42 32 25 18 35 36
2 46 38 32 20 42 25
3 38 31 28 26 46 22
4 41 30 26 24 40 26
TOTAL 167 131 111 88 163 109
REPETICIONES 4 4 4 4 4 4
PROMEDIO 41.75 32.75 27.75 22 40.75 27.25


ANVA DBCA


Fuentes de
variacin
Grados
de libertad
Suma de cuadrados Cuadrados
medios
. .
. .
.
S C
C M
G L
=

F
Calculado
F
Tabla
1% 5%
Tratamiento 5 1251.208 250.2416 13.0959 4.56 2.9
Bloques 3 27.125 9.0417 0.4732 5.42 3.29
Error 15 286.625 19.108
Total 23 1564.958


















EL DCA EN SPSS
-Analizar
-Comparar medias
- Anova de un factor
Todas las pruebas de comparacin.






ANVA DEL DCA
Fuentes de
variacin
Grados
de libertad
Suma de
cuadrados
Cuadrados medios
. .
. .
.
S C
C M
G L
=
F
Calculado
F
Tabla
1% 5%
Tratamiento 4 7286 1821.5 30.98 4.89** 3.06
Error 15 882 58.8
Total 19 8168

Prueba de Comparaciones Mltiples para saber cul es el mejor
Ejemplo 2: Se desea investigar si 5 clases de alimentos balanceados producen efectos en la ganancia de peso de los
cuyes (en gramos) el investigador se provee de unidades de la misma edad, peso y tamao, por experiencia se sabe que
teniendo 6 individuos por cada alimento son suficientes para tomar decisiones. Incremento de peso (gr x 10) en carne
de cuy entre 5 tipos de alimentos.
Solucin: En trminos de las medias de los tratamientos
Hp: i = i=1,2,3,4,5
Hp: i para al menos algn i o Literalmente:
Hp: Todos los Alimentos balanceados tienen el mismo efecto en la ganancia de peso de los cuyes
Ha: Con al menos uno de los Alimentos balanceados se obtiene una ganancia de peso diferente.
5 Tipos de Alimentos Dosis de alimentos
(n) observaciones A1 A2 A3 A4 A5
1 1.3 0.9 2.1 2.3 2.6
2 1.8 1.1 2.5 2.8 2.3
3 1.6 0.8 2.9 2.0 2.5
4 1.5 1.0 2.5 2.6 2.1
5 1.5 0.9 2.8 2.7 2.5
6 1.4 1.3 2.9 2.1 2.7
TOTALES 9.1 6 15.7 14.5 14.7 60.0
NRO REPET 6 6 6 6 6
PROMEDIO 1.52 1.0 2.62 2.42 2.45

ANVA DCA


Fuentes de
variacin
Grados
de libertad
Suma de
cuadrados
Cuadrados medios
. .
. .
.
S C
C M
G L
=
F
Calculado
F
Tabla
1% 5%
Tratamiento 4 11.94 2.985 47.23 4.18** 2.76
Error 25 1.58 0.0632
Total 29 13.52

Prueba de Comparaciones Mltiples para saber cul es el mejor
DISEO COMPLETAMENTE AL AZAR CON DIFERENTES NUMEROS DE UNIDADES POR TRATAMIENTO
A veces se presenta el caso de que por insuficiencia de material para todos los tratamientos, o porque se han perdido
unidades experimentales, no se dispone de igual nmero de observaciones por tratamiento. Esta es una de las ventajas
del DCA, ya que los datos se pueden analizar directamente sin tener que estimar parcelas perdidas.
Ejemplo: Se analizo un experimento de cuatro raciones para cerdos con nueve cerdos por racin. Durante el
experimento se presento una enfermedad y murieron 16 cerdos. La Hiptesis por probar es:
Hp: No existe diferencia entre los tratamientos
Ha: Si existe diferencia entre los tratamientos

Tabla: Resultados del Experimento con Cerdos

Raciones
Repeticiones 1 2 3 4
1 45 35 34 41
2 46 33 34 41
3 49 35 44
4 44 34 43
5 33 41
6 42
7 44
8 41
9 41
TOTALES 184 68 137 169
NRO REPET 4 2 5 9
PROMEDIO 46 34 34 42




ANVA DCA
Fuentes de
variacin
Grados
de libertad
Suma de
cuadrados
Cuadrados medios
. .
. .
.
S C
C M
G L
=
F
Calculado
F
Tabla
1% 5%
Tratamiento 3 432 144 72 5.29** 3.24
Error 16 32 2
Total 19 464





DCA CON TUCKEY Y CON FISHER

ANOVA unidireccional: Rendimiento vs. Tratamientos

Fuente GL SC CM F P
Tratamientos 4 7285.8 1821.5 30.98 0.000
Error 15 882.0 58.8
Total 19 8167.8

S = 7.668 R-cuad. = 89.20% R-cuad.(ajustado) = 86.32%


ICs de 95% individuales para la media
basados en Desv.Est. agrupada
Nivel N Media Desv.Est. ---+---------+---------+---------+------
1 4 95.75 3.77 (---*---)
2 4 57.25 4.35 (---*---)
3 4 74.50 6.35 (---*---)
4 4 51.25 11.59 (---*---)
5 4 41.75 9.29 (---*---)
---+---------+---------+---------+------
40 60 80 100

Desv.Est. agrupada = 7.67



Estadsticas descriptivas: Rendimiento

Error
estndar
de la
Variable Tratamientos N N* Media media Desv.Est. Mnimo
Rendimiento 1 4 0 95.75 1.89 3.77 93.00
2 4 0 57.25 2.17 4.35 51.00
3 4 0 74.50 3.18 6.35 68.00
4 4 0 51.25 5.79 11.59 40.00
5 4 0 41.75 4.64 9.29 29.00


Grfica de caja de Rendimiento


ANOVA unidireccional: Rendimiento vs. Tratamientos

Fuente GL SC CM F P
Tratamientos 4 7285.8 1821.5 30.98 0.000
Error 15 882.0 58.8
Total 19 8167.8

S = 7.668 R-cuad. = 89.20% R-cuad.(ajustado) = 86.32%


ICs de 95% individuales para la media
basados en Desv.Est. agrupada
Nivel N Media Desv.Est. ---+---------+---------+---------+------
1 4 95.75 3.77 (---*---)
2 4 57.25 4.35 (---*---)
3 4 74.50 6.35 (---*---)
4 4 51.25 11.59 (---*---)
5 4 41.75 9.29 (---*---)
---+---------+---------+---------+------


40 60 80 100

Desv.Est. agrupada = 7.67


Agrupar informacin utilizando el mtodo de Tukey

Tratamientos N Media Agrupacin
1 4 95.750 A
3 4 74.500 B
2 4 57.250 C
4 4 51.250 C
5 4 41.750 C

Las medias que no comparten una letra son significativamente diferentes.


Intervalos de confianza simultneos de Tukey del 95%
Todas las comparaciones de dos a dos entre los niveles de Tratamientos

Nivel de confianza individual = 99.25%


Tratamientos = 1 restado de:

Tratamientos Inferior Centro Superior
2 -55.255 -38.500 -21.745
3 -38.005 -21.250 -4.495
4 -61.255 -44.500 -27.745
5 -70.755 -54.000 -37.245

Tratamientos +---------+---------+---------+---------
2 (----*----)
3 (----*----)
4 (----*----)
5 (----*---)
+---------+---------+---------+---------
-70 -35 0 35


Tratamientos = 2 restado de:

Tratamientos Inferior Centro Superior
3 0.495 17.250 34.005
4 -22.755 -6.000 10.755
5 -32.255 -15.500 1.255

Tratamientos +---------+---------+---------+---------
3 (----*----)
4 (----*----)
5 (----*---)
+---------+---------+---------+---------
-70 -35 0 35


Tratamientos = 3 restado de:

Tratamientos Inferior Centro Superior
4 -40.005 -23.250 -6.495
5 -49.505 -32.750 -15.995

Tratamientos +---------+---------+---------+---------
4 (---*----)
5 (----*---)


+---------+---------+---------+---------
-70 -35 0 35


Tratamientos = 4 restado de:

Tratamientos Inferior Centro Superior
5 -26.255 -9.500 7.255

Tratamientos +---------+---------+---------+---------
5 (----*----)
+---------+---------+---------+---------
-70 -35 0 35


ANOVA unidireccional: Rendimiento vs. Tratamientos

Fuente GL SC CM F P
Tratamientos 4 7285.8 1821.5 30.98 0.000
Error 15 882.0 58.8
Total 19 8167.8

S = 7.668 R-cuad. = 89.20% R-cuad.(ajustado) = 86.32%


ICs de 95% individuales para la media
basados en Desv.Est. agrupada
Nivel N Media Desv.Est. ---+---------+---------+---------+------
1 4 95.75 3.77 (---*---)
2 4 57.25 4.35 (---*---)
3 4 74.50 6.35 (---*---)
4 4 51.25 11.59 (---*---)
5 4 41.75 9.29 (---*---)
---+---------+---------+---------+------
40 60 80 100

Desv.Est. agrupada = 7.67


Agrupar informacin utilizando el mtodo de Tukey

Tratamientos N Media Agrupacin
1 4 95.750 A
3 4 74.500 B
2 4 57.250 C
4 4 51.250 C
5 4 41.750 C

Las medias que no comparten una letra son significativamente diferentes.


Intervalos de confianza simultneos de Tukey del 95%
Todas las comparaciones de dos a dos entre los niveles de Tratamientos

Nivel de confianza individual = 99.25%


Tratamientos = 1 restado de:

Tratamientos Inferior Centro Superior
2 -55.255 -38.500 -21.745
3 -38.005 -21.250 -4.495
4 -61.255 -44.500 -27.745
5 -70.755 -54.000 -37.245



Tratamientos +---------+---------+---------+---------
2 (----*----)
3 (----*----)
4 (----*----)
5 (----*---)
+---------+---------+---------+---------
-70 -35 0 35


Tratamientos = 2 restado de:

Tratamientos Inferior Centro Superior
3 0.495 17.250 34.005
4 -22.755 -6.000 10.755
5 -32.255 -15.500 1.255

Tratamientos +---------+---------+---------+---------
3 (----*----)
4 (----*----)
5 (----*---)
+---------+---------+---------+---------
-70 -35 0 35


Tratamientos = 3 restado de:

Tratamientos Inferior Centro Superior
4 -40.005 -23.250 -6.495
5 -49.505 -32.750 -15.995

Tratamientos +---------+---------+---------+---------
4 (---*----)
5 (----*---)
+---------+---------+---------+---------
-70 -35 0 35


Tratamientos = 4 restado de:

Tratamientos Inferior Centro Superior
5 -26.255 -9.500 7.255

Tratamientos +---------+---------+---------+---------
5 (----*----)
+---------+---------+---------+---------
-70 -35 0 35


Agrupar informacin utilizando el mtodo de Fisher

Tratamientos N Media Agrupacin
1 4 95.750 A
3 4 74.500 B
2 4 57.250 C
4 4 51.250 C D
5 4 41.750 D

Las medias que no comparten una letra son significativamente diferentes.


Intervalos de confianza individuales de Fisher del 95%
Todas las comparaciones de dos a dos entre los niveles de Tratamientos



Nivel de confianza simultnea = 74.24%


Tratamientos = 1 restado de:

Tratamientos Inferior Centro Superior
2 -50.057 -38.500 -26.943
3 -32.807 -21.250 -9.693
4 -56.057 -44.500 -32.943
5 -65.557 -54.000 -42.443

Tratamientos --+---------+---------+---------+-------
2 (---*---)
3 (---*---)
4 (---*---)
5 (---*---)
--+---------+---------+---------+-------
-60 -30 0 30


Tratamientos = 2 restado de:

Tratamientos Inferior Centro Superior
3 5.693 17.250 28.807
4 -17.557 -6.000 5.557
5 -27.057 -15.500 -3.943

Tratamientos --+---------+---------+---------+-------
3 (---*---)
4 (---*---)
5 (---*---)
--+---------+---------+---------+-------
-60 -30 0 30


Tratamientos = 3 restado de:

Tratamientos Inferior Centro Superior
4 -34.807 -23.250 -11.693
5 -44.307 -32.750 -21.193

Tratamientos --+---------+---------+---------+-------
4 (---*---)
5 (---*---)
--+---------+---------+---------+-------
-60 -30 0 30


Tratamientos = 4 restado de:

Tratamientos Inferior Centro Superior
5 -21.057 -9.500 2.057

Tratamientos --+---------+---------+---------+-------
5 (---*---)
--+---------+---------+---------+-------
-60 -30 0 30

También podría gustarte