Documentos de Académico
Documentos de Profesional
Documentos de Cultura
775
INTRODUCCION
RESUMEN DE CONTENIDOS
INTRODUCCION..
2
CAPITULO I -Investigacin.3
CAPITULO II- Tipos de Investigacin ...4
2.1.-Segn la Dimensin Cronolgica....4
2.2.- -Segn el objeto de Estudio....5
2.3.-Segn el uso que se pretenda dar al conocimiento..6
2.4. Segn el lugar y los recursos donde se obtiene la
informacin...6
2.5.-Segn el papel que ejerce el investigador sobre los
factores7
2.6.- Segn el tiempo que ejerce el investigador sobre los
factores...7
2.7.-Segn el lugar donde se desarrolla la Investigacin.8
CAPITULO III-Experimentos..... 8
CAPITULO IV- Tipos de Experimentos..9
4.1. Experimentos Exploratorios....9
4.2. Experimentos Confirmatorios....10
CAPITULO V-Diseos de Experimentos.. 10
CAPITULO VI-Relacin de la Estadstica y el Mtodo
Cientfico...13
CAPITULO VII- Tratamientos...14
7.1 Repeticin...14
7.2. Pseudorepeticin....15
7.3. Confundimiento..15
7.4. Control testigo15
7.5. Aleatorizacin16
CAPITULO VIII-Factores...16
8.1.-Tipos de Factores. 17
8.1.1. Factores de naturaleza
Cuantitativa......17
INTRODUCCION
Histricamente, la palabra estadstica quiere decir: "conocimiento numrico sobre
el estado". Su origen es Italia de los aos 1500, pero sin embargo es en Alemania
donde se ensea por primera vez en la universidad (1660, Herman Conrig ). La
estadstica puede entenderse, entonces, como Estadstica Descriptiva, que tiene su
origen en la recoleccin y clasificacin de datos para describir numricamente una
sociedad y su poblacin.
Sin embargo desde el punto de vista cientfico, puede decirse que la estadstica es
el estudio de los fenmenos aleatorios (productos del azar o inciertos). Aqu se
han desarrollado mtodos para resolver problemas prcticos y tericos dentro de
la poltica, la economa, las ciencias sociales y de comportamiento, las ciencias
naturales, etc. En este sentido la estadstica tiene su origen en la Teora de las
Probabilidades.
El Diseo Estadstico de Experimentos desde su introduccin por Ronald A.
Fisher en la mitad del siglo XX en Inglaterra, se ha utilizado para conseguir un
aprendizaje acelerado. La clave de los aportes de Fisher, radica en que este
investigador se dio cuenta de que las fallas en la forma de hacer experimentos
obstaculizaba el anlisis de los resultados
1.- INVESTIGACION:
Una investigacin es un proceso sistemtico, organizado y objetivo, cuyo
propsito es responder a una pregunta o hiptesis y as aumentar el conocimiento
y la informacin sobre algo desconocido.
As mismo, la investigacin es una actividad sistemtica dirigida a
Obtener, mediante observacin, la experimentacin, nuevas informaciones y
Conocimientos que necesitan para ampliar los diversos campos de la ciencia y la
Tecnologa.
La investigacin se puede definir tambin como la accin y el efecto de realizar
Actividades intelectuales y experimentales de modo sistemtico con el propsito
de aumentar los conocimientos sobre una determinada materia y teniendo como
fin ampliar el conocimiento cientfico, sin perseguir, en principio, ninguna
aplicacin prctica.
Son diversos los conceptos y autores que se presentan a lo largo de la enseanza,
tales como:
-
2.-TIPOS DE INVESTIGACIN.
La investigacin puede ser clasificada con base a los siguientes criterios: por el
propsito o las finalidades perseguidas la investigacin es bsica o aplicada; segn
la clase de medios utilizados para obtener los datos, es documental, de campo o
experimental; atendiendo al nivel de conocimientos que se adquieren podr ser
exploratoria, descriptiva o explicativa; dependiendo del campo de conocimientos
en que se realiza, es cientfica o filosfica; conforme al tipo de razonamiento
empleado, es espontnea, racional o emprico-racional; acorde con el mtodo
utilizado, es analtica, sinttica, deductiva, inductiva, histrica, comparativa, etc.;
y conforme al nmero de investigadores que la realizan, es individual o colectiva.
2.1.-SEGN LA DIMENSION CRONOLOGICA:
2.1.1.-Investigacin Histrica:
La investigacin histrica trata de la experiencia pasada, describe lo que era y
representa una bsqueda crtica de la verdad que sustenta los acontecimientos
pasados. El investigador depende de fuentes primarias y secundarias las cuales
proveen la informacin y a las cules el investigador deber examinar
cuidadosamente con el fin de determinar su confiabilidad pormedio de una crtica
interna y externa. En el primer caso verifica la autenticidad de un documento o
vestigio y en el segundo, determina el significado y la validez de los datos que
contiene el documento que se considera autntico.
2.1.2.-Investigacin Descriptiva:
La investigacin descriptiva, segn se mencion, trabaja sobre realidades de
hecho y su caracterstica fundamental es la de presentar una interpretacin
correcta. Esta puede incluir los siguientes tipos de estudios: Encuestas, Casos,
prcticas.
10
3.-EXPERIMENTOS:
Un experimento es un procedimiento mediante el cual se trata de comprobar
(confirmar o verificar) una o varias hiptesis relacionadas con un determinado
fenmeno, mediante la manipulacin.
El Experimento es uno de los mtodos bsicos en la investigacin emprica debido
a la importancia que posee la demostracin de las relaciones causales.
Segn Sampier, el experimento cientfico es aquel en que se involucra la
manipulacin intencional de una accin para analizar sus posibles efectos, o sea,
es un estudio de investigacin en que se manipula deliberadamente una o ms
variables independientes (supuesta causa) para analizar las consecuencias de esa
manipulacin sobre una o ms variables dependientes (que es el supuesto efecto)
dentro de una situacin de control para el investigador.
Es un cambio en las condiciones de operacin de un sistema o proceso, que se
hace con el objetivo de medir el efecto del cambio sobre una o varias propiedades
del producto o resultado.
11
UNIDAD EXPERIMENTAL:
Pieza o muestra que se utiliza para generar un valor que sea representativo del
resultado de la prueba.
4.-TIPOS DE EXPERIMENTOS
4.1.-EXPERIMENTOS EXPLORATORIOS:
Segn Hinkelman. K. & Kempthorne. O. (1994), son aquellos en el cual el
investigador est interesado en encontrar los factores que tienen influencia sobre
las ejecuciones de cierto proceso. Por ejemplo, uno puede estar interesado en si el
grado de concentracin de un compuesto qumico, el tiempo de coccin, la
temperatura de horneado, el grado de refrescante, y la cantidad de presin tiene un
efecto ya sea individual y/o conjunto sobre la ruptura de un tipo de plato de
cermica. El procedimiento obvio aqu, es variar los niveles de esos factores y
comparar la ejecucin de las diferentes combinaciones de niveles. Para ejecutar el
experimento muchas decisiones deben tomarse tales como: la seleccin de los
factores y sus niveles, posiblemente seleccionando un subconjunto de todas las
posibles combinaciones; la distribucin experimental que generalmente es
determinada por las condiciones fsicas y las consideraciones; la escogencia de la
medida de la respuesta; y la seleccin del anlisis estadstico ms adecuado para
extraer conclusiones de los objetivos propuestos.
La investigacin experimental es esencialmente de tipo secuencial, un
experimento antecede a otro ganndose cierto conocimiento en el proceso y
proponindose nuevos interrogantes que pueden mejorar los resultados del
proceso experimental. Despus de un experimento de tipo exploratorio,
generalmente sigue un experimento confirmatorio,
4.2.-EXPERIMENTOS CONFIRMATORIOS:
12
13
4. Rango de validez de las conclusiones. Este deber ser tan amplio como
sea posible. Los experimentos que contribuyen a aumentar el rango de
validez del experimento son los experimentos replicados y los
experimentos con estructuras factoriales.
5. Clculo del grado de incertidumbre. En todo experimento existe algn
grado de incertidumbre en cuanto a la validacin de las conclusiones. El
experimento deber ser concebido de modo que sea posible calcular La
probabilidad de obtener los resultados observados debido nicamente al
azar.
Un diseo de experimentos debe contemplar las siguientes etapas:
14
2.
Se enfatiza respecto a las alternativas anticipadas y respecto a la preplaneacin sistemtica, permitiendo aun la ejecucin por etapas y
la produccin nica de datos tiles para el anlisis en combinaciones
posteriores.
3.
4.
5.
6.
15
2.
6.-RELACION
DE LA ESTADISTICA
Y EL METODO
CIENTIFICO.
Podemos definir Estadstica como la ciencia de los datos. La palabra ciencia viene
del latn scientia que significa conocimiento. El mtodo cientfico es un
conjunto de principios y procedimientos para la bsqueda sistemtica del
conocimiento.
La Estadstica se enmarca dentro del mtodo que utilizan las Matemticas en su
desarrollo como Ciencia, este es, el mtodo cientfico.
El mtodo cientfico representa una estrategia ordenada y sistemtica de
actuacin en la realizacin de un estudio o investigacin.
Los pasos que se pueden diferenciar en la aplicacin del mtodo cientfico, son los
siguientes:
16
7.-TRATAMIENTOS:
Se denomina tratamientos al conjunto de poblaciones estudiadas y/o acciones
realizadas sobre las unidades experimentales. Si el experimento es unifactorial, los
tratamientos son los distintos niveles del factor. Si el experimento es
multifactorial (ms de un factor) los tratamientos surgen de la combinacin de los
niveles de los factores intervinientes. Por ejemplo, si se prueba el factor
temperaturas con tres niveles, (100, 110 y 120 )C, los tratamientos son las tres
temperaturas. Si en esta experiencia adems se evala el factor tipo de horno con
tres niveles, elctrico (E), a gas (G) y a lea (L), se tendr un total de 9
tratamientos que surgen de la combinacin de los niveles de los dos factores,
temperatura y tipo de horno. Los tratamientos entonces sern: E-100, E-110, E120, G-100, G-110, G-120, L-100, L-110 y L-120.
17
7.1.-Repeticin:
Se denomina repeticin a cada una de las realizaciones independientes de un
tratamiento.
Se denomina corrida a la realizacin de una repeticin de todos los tratamientos.
Otras veces se usa el termino replica para referirse a una repeticin de todo el
experimento.
7.2.-Pseudo-repeticion:
Se denomina Pseudo-repeticin a cada una de las realizaciones no independientes
de un tratamiento. En algunas reas se denominan submuestras.
7.3.-Confundimiento:
Se dice que hay confundimiento cuando la comparacin entre los niveles de un
factor puede representar tambin la comparacin entre los niveles de otro factor.
As ser imposible conocer cul es el factor que podra estar causando las
diferencias observadas. Por ejemplo, si se desea probar el efecto de dos dietas A y
B y se asigna la dieta A a un conjunto de varones tomados al azar y la dieta B a un
conjunto de mujeres tomadas al azar. Si al cabo de un tiempo se observa la
diferencia de peso respecto al peso inicial, no se podr determinar si las
diferencias se deben al efecto del factor dieta o al efecto del factor sexo. En tal
caso se dice que los efectos de dieta y sexo estn confundidos. El confundimiento
se podra evitar con la simple aleatorizacin de las dietas en las unidades
experimentales (individuos sin distincin de sexos) o la aleatorizacin de las
dietas dentro de cada uno de los sexos (recomendable si se espera que el sexo
tenga efecto sobre la diferencia de peso).
Cuando se realiza un ANOVA (o test T) con pseudo-repeticiones nicamente, los
efectos de los tratamientos pueden estar confundidos con variaciones en las
unidades experimentales que, al no estar repetidas, no pueden distinguirse. Por
ejemplo, si se estudia la cantidad de especies vegetales de dos reas contiguas, una
que fue hace aos arrasada por el fuego y otra que no, se pueden obtener pseudorepeticiones de los tratamientos (fuego y no fuego). Si se hace una prueba con
18
estos datos no se podr saber si las diferencias se deben al efecto del fuego o a que
las reas contiguas tenan diferencias entre s ms all del fuego.
7.4.-Control y testigo :
Usualmente se denomina control al nivel del factor tratamiento que representa
ausencia de tratamiento. Es comn ver en experimentos UE a las que no se le
aplican los tratamientos de inters. El objetivo es comparar los efectos de
tratamientos descontando variaciones debidas a la manipulacin experimental. Por
ejemplo, en un estudio involucrando varias dosis de fertilizantes el rendimiento
observado bajo los distintos tratamientos podra deberse a la dosis de fertilizante
pero tambin a las condiciones experimentales que no son en las que
habitualmente se observa el rendimiento (siembra a mano, riego con regadera,
etc.). Luego si no se incorpora un control (sin fertilizar) ser difcil discernir
cunto de lo observado se debe a la fertilizacin.
Se denomina testigo al tratamiento tradicional que se desea comparar con nuevos
tratamientos. Por ejemplo, para evaluar tres nuevas variedades de trigo en cuanto
a su rendimiento, se podra incluir la variedad tradicional como testigo, de manera
de poder comparar los rendimientos de las nuevas versus el testigo bajo las
mismas condiciones experimentales.
7.5.-Aleatorizacin:
En diseo y anlisis de experimentos hay dos etapas importantes de
aleatorizacin. La primera se relaciona con la necesidad de contar con unidades
experimentales que representen una muestra aleatoria de la poblacin de UE. La
segunda aleatorizacin es la que se realiza para asignar los distintos tratamientos
en las UE o viceversa. Esta es una condicin necesaria para que la estimacin de
los parmetros de inters no est sesgada.
8.-FACTORES:
Son todas las fuentes de variacin reconocidas a priori por el investigador (no
incluye el error experimental). Cada uno de los valores que asume un factor se
denomina nivel. Por ejemplo, la temperatura de coccin del pan es un factor y las
19
diferentes temperaturas evaluadas son los niveles. Los factores pueden ser de
inters del investigador (cuando se desea hacer inferencia sobre ellos) o
simplemente pueden ser reconocidos como una fuente de variacin que de no
contemplarse disminuye la precisin de las comparaciones de inters (factores de
bloqueo).
En cualquiera de estos casos, los efectos de los factores pueden ser de naturaleza
fija o aleatoria. Por ejemplo, las temperaturas de coccin del pan se pueden fijar
en 100, 110 y 120 grados o elegirse al azar temperaturas entre 100 y 120 grados.
Los factores de efectos fijos se utilizan cuando todos los niveles del factor que son
de inters se incluyen en el estudio. La extrapolacin de las conclusiones
estadsticas ms all de los niveles especificados hacia otros niveles no tiene
sustento estadstico. Los modelos lineales basados en variables predictoras
categricas fijas (factores fijos) se denominan modelos de efectos fijos. Cuando
en el modelo se incluyen efectos aleatorios, es decir, se incluye en el experimento
una muestra aleatoria de posibles niveles del factor, se denomina modelo de
efectos aleatorios. Las inferencias generalmente se orientan hacia todos los
posibles grupos o niveles del o los factores de efectos aleatorios. A pesar que la
distincin entre factores de efectos fijos o aleatorios no afecta el procedimiento de
ajuste del modelo de ANOVA ni el contraste de hiptesis, en el modelo a una va
de clasificacin, las hiptesis que se contrastan son fundamentalmente diferentes.
En el caso de efectos fijos se contrastan hiptesis sobre igualdad de medias de
tratamiento. En el caso de efectos aleatorios, se contrastan hiptesis sobre la
varianza de los niveles del factor. Cuando se combinan efectos fijos y aleatorios se
est en presencia de un modelo mixto.
Cuando se estudia un solo factor se dice que el experimento es unifactorial ya que
los tratamientos consisten en aplicar distintos niveles de un mismo factor. Si en
cambio un tratamiento consiste en la combinacin de niveles de 2 o ms factores,
entonces se dice que el experimento es un experimento con estructura factorial de
tratamientos.
8.1.-TIPO DE FACTORES:
Los factores estudiados pueden ser de naturaleza cuantitativa o cualitativa.
20
10.-UNIDAD EXPERIMENTAL :
Es la mnima porcin del material experimental sobre el cual un tratamiento puede
ser realizado. La unidad experimental (UE) puede ser una parcela de terreno, una
maceta, un animal, el conjunto de alumnos de un curso, etc. Pueden ser unidades
21
11.-PRINCIPIOS
EXPERIMENTOS:
BASICOS
DE
DISEOS
DE
Para Tapia (2012), al planificar un experimento hay tres principios bsicos que se
deben tener siempre en cuenta:
1.- El principio de aleatorizacin.
2.-El bloqueo.
3.- La factorizacin del diseo.
22
Los dos primeros (aleatorizar y bloquear) son estrategias eficientes para asignar
los tratamientos a las unidades experimentales sin preocuparse de qu
tratamientos considerar. Por el contrario, la factorizacin del diseo define una
estrategia eficiente para elegir los tratamientos sin considerar en absoluto como
asignarlos despus a las unidades experimentales.
11.1.-Aleatorizar :
Aleatorizar todos los factores no controlados por el experimentador en el diseo
experimental y que pueden influir en los resultados sern asignados al azar a las
unidades experimentales.
23
24
12.-SISTEMA DE VARIABLES:
Se pueden definir como todo aquello que se va a medir, controlar y estudiar en
una investigacin o estudio. La capacidad de poder medir, controlar o estudiar una
variable viene dado por el hecho de que ella vara, y esa variacin se puede
observar, medir y estudiar. Por lo tanto, es importante, antes de iniciar una
investigacin, que se sepa cules son las variables que se desean medir y la
manera en que se har.
Considerando que Variable viene definida como una caracterstica medible de una
unidad experimental.
25
Las variables deben ser susceptibles de medicin. De este modo una variable es
todo aquello que puede asumir diferentes valores.
12.1.-SEGN SU NATURALEZA LAS VARIABLES PUEDEN SER :
12.1.1.--Cuantitativas: son
aquellas
que
se
expresan
en
valores
o datos numricos.
12.1.2.-Cualitativas: son caractersticas o atributos que se expresan de forma
verbal es decir, mediante palabras. Estas pueden ser:
12.1.2.1.-. Dicotmicas: se presentan en slo dos clases o categoras. Por ejemplo:
Gnero: masculino o femenino; tipos de Instituciones: pblicas o privadas;
procedencia de un producto: nacional o importado; tipos de vehculos: automtico
o sincrnico.
12.1.2.2.- Policotmicas: se
manifiestan
en
ms
de
dos
categoras.
26
27
28
la misma edad, del mismo peso, similar estado fisiolgico; parcelas de igual
tamao, etc., de manera de disminuir la magnitud del error experimental,
ocasionado por la variacin intrnseca de las unidades experimentales. Este diseo
es apropiado para experimentos de laboratorio, invernadero, animales de bioterio,
aves, conejos, cerdos, etc., es decir, situaciones experimentales como de las
condiciones ambientales que rodean el experimento.
Este diseo es el ms utilizado en la experimentacin con animales, asocindole la
tcnica del anlisis de covarianza y arreglos de tratamiento de tipo factorial.
13.1.1.-Aleatorizacin
Para ejemplificar el proceso de aleatorizacin irrestricta de los tratamientos a las
unidades experimentales, considrese la prueba de cuatro tratamientos, cada uno
de ellos con cinco repeticiones. El proceso mencionado podra realizarse
formando cuatro grupos de tarjetas, representando cada uno de ellos a un
tratamiento en particular, digamos T1, repetido cinco veces, y as T2, T3 y T4.
Posteriormente mzclense las tarjetas en una urna y extraiga una tarjeta al azar,
asignando el tratamiento correspondiente a un animal, terreno, maceta, jaula o
grupo de animales en que consista cada unidad experimental. Reptase el
procedimiento sin reemplazo hasta terminar su asignacin.
13.1.2.-Modelo estadstico asociado al diseo:
i = 1,2,3,..., t
j = 1,2,3,..., n
Donde:
= Variable respuesta en la i-sima repeticin del j-simo tratamiento.
= Media general
29
de Grados
Variacin (F.V.)
de Suma
Tratamientos
Error
Total
t-1
de Cuadrados
Medios (C.M.)
F0
30
http://colposfesz.galeon.com/disenos/teoria/dca/dca.htm
grupos de
es
Donde
es el efecto del
tratamiento,
es
el efecto del
bloque,
es
el
trmino del error aleatorio, el cual se distribuye normal e independiente con media
0 y varianza
31
Estimacin de parmetros
Al aplicar el mtodo de mnimos cuadrados, se obtiene como estimador de los
parmetros
Grados de Suma de
libertad
cuadrados
Cuadrado
Medio
de
cuadrados
medios
Tratamientos
Bloques
Error
esperado
32
Valor
Causa de
variacin
Grados de Suma de
libertad
cuadrados
Cuadrado
Medio
esperado
de
cuadrados
medios
Total
ya que si
que
es cierta
y as
es un estimador insesgado de
un estimador de
es tambin
y por
33
son no correlacionadas(independientes)
distribuidas,
Las varianzas de cada una de las
34
valores crticos pueden ser obtenidos. Esas tablas son reproducidas en Martin
Tablas C- 6a y C- 6b. Las clasificaciones filas y columnas son intercambiables.
El mximo residuo normalizado es dado por:
Donde:
35
muestre mayor dispersin para un lado de la grfica se puede decir que no hay
homogeneidad de varianza.
Las pruebas analticas para igualdad de varianza dadas por el DCA no son
aplicables a bloques ya que no se tienen estimadores independientes de las
varianzas de los tratamientos. Existen algunos procedimientos, pero quiz el ms
simple es el desarrollado por Han (
DBC y asume:
Las poblaciones muestreadas sean normalmente distribuidas.
Los errores son igualmente correlacionados dentro de los bloques, pero son
independientes entre bloques.
La prueba estadstica es:
es:
36
Donde
, y para el
en vez de la distribucin
Fmax.
Se
rechaza
la
hiptesis
varianzas
si
porcentaje de
de
homogeneidad
de
de
Los
puntos
significante
para tratamientos implicara diferencias entre las medias de los tratamientos, una
prueba
37
Donde
para todo
y .
Donde
Grados de
Libertad
Suma de
cuadrados
Tratamientos
t-1
SC
Bloques
b-1
SC
C.M
38
Causa de
variacin
Grados de
Libertad
Residual
(t-1)(b-1)
Error
(t-1)(b-1)-1
No aditividad
TOTAL
N-1
Suma de
cuadrados
C.M
SC
SC
Ascombe (1961) propuso una prueba general que puede ser usada para cualquier
modelo lineal, incluyendo modelos de regresin
Donde
es dado en la instruccin
39
40
41
smbolos en
celdas arregladas en un
42
Los cuadrados latinos y sus propiedades combinatorias han sido atribuidos a Euler
(1782). Estos fueron propuestos como diseo experimental por Fisher (1925,
1926), tambin de Palluel (1978) utiliz la idea de un diseo cuadrado latino de
4x4 para un experimento agrcola. Los cuadrados latinos existen para todo
13.3.3.5.- CL reducido o CL en la forma estndar (CLE), es aquel en el cual
la primera fila y la primera columna son arregladas en orden alfabtico, por
ejemplo en el caso de
A
B
C
B
C
A
C
A
B
Para este caso el nmero de CL que pueden ser generados de un cuadrado latino
reducido por permutacin de filas y columnas es
Estos no son
43
Desventajas
Cuando el nmero de tratamientos es grande, se puede presentar un problema
potencial debido a que el requerimiento de que el nmero de filas y columnas
debe ser igual al nmero de tratamientos es m difcil de obtener. Tambin es ms
probable que el supuesto de interaccin sea violado.
Justificacin
El CL se usa para eliminar dos fuentes de variabilidad extraas
En este diseo, los renglones y las columnas representan dos restricciones a la
aleatorizacin.
Aleatorizacin
La aleatorizacin en el CL consiste en elegir un cuadrado al azar entre todos los
cuadrados latinos posibles. Fisher y Yates (1957) dan el conjunto completo de CL
desde 4x4 hasta 6x6, y muestran cuadrados hasta de tamao 12x12. Cochran y cox
(1957)) dan CL de muestra desde 3x3 hasta 12x12. Un modo de aleatorizaacin
indicado por cochran y Cox es el que sigue:
Cuadrados 3x3. Asignar letras a los tratamientos; esto no tiene que ser al azar.
Tratar un cuadrado 3x3 y aleatorizar el arreglo de las tres columnas y luego la de
las dos ltimas filas.
Cuadrados de 4x4. Aqu se tienen cuatro cuadrados, as que no se puede obtener
uno de ellos a partir de otro simplemente por reordenacin de filas y columnas
entonces seleccionamos al azar uno de los cuatro cuadrados posibles y
distribuimos al azar todas las columnas y las tres ltimas filas.
44
columna
con la
en vez de
columnas,
Donde
es la observacin correspondiente a la
columna y el
la
del
tratamiento,
fila,
es la media global,
es el efecto de la
tratamiento y
fila, la
columna,
es el efecto de
es el efecto
es el error
45
TABLA DE ANOVA
La tabla de ANOVA para un CL de orden
es dada por
Grados de
libertad
Suma de
cuadrados
Cuadrados
Medios
Tratamientos
CM
Filas
CM
Columnas
CM
Error Experimental
CM
Total
46
y varianza
Ejemplo 1
McGhee y Gardner. Emplearon un CL de
47
utiliza para establecer una rotacin de programas, de semana a semana para que,
durante un perodo de
Lunes
A
B
C
D
E
Martes
B
C
A
E
D
Mircoles
C
D
E
A
B
Jueves
D
E
B
C
A
Viernes
E
A
D
B
C
Ejemplo 2
(Tomado de Montgomery)
Supongamos que un experimentador est estudiando el efecto de cinco frmulas
diferentes de la mezcla de dinamita sobre la fuerza explosiva observada. Cada
frmula se prepara usando un lote de materia prima, lo suficientemente grande
para que slo se hagan cinco mezclas. Ms an, las mezclas las preparan varios
operadores, pudiendo existir una diferencia sustancial en la habilidad y
experiencia entre ellos. Al parecer hay dos efectos extraos que se
deben ``cancelar'' en el diseo: lotes de materia prima y operadores. El diseo
apropiado en este problema consiste en probar cada frmula exactamente una vez,
utilizando cada lote de materia prima, y en que cada frmula sea preparada
exactamente una vez por cada uno de los cinco operadores. Este diseo es un
cuadro latino, donde las cinco frmulas se representan por las letras
y
y las filas corresponden a los lotes de materia prima y las columnas a los
operadores.
La respuesta observada
48
Eficiencia Relativa
Se puede estimar la eficiencia relativa de un CL respecto a un experimento en BC.
Se pueden obtener dos eficiencias relativas, una cuando las filas se consideran
como bloques y otra cuando las columnas se consideran como bloques.
Estimamos el cuadrado medio del error para el BC si las filas son los nicos
bloques, as
Si las columnas son los nicos bloques, y se hace caso omiso de las filas
reemplcese
tanto
por
por
la
y
eficiencia
relativa
Donde:
Grados de libertad del error en cuadrado latino.
Grados de libertad del error en bloques.
es
dada
por
49
50
CONCLUSIONES :
Luego de elaborar el presente trabajo podemos concluir que el
Diseo de
satisfactorio
nuestro
problema
planteado.
tiempo, inversin y personal, pero no por eso se deben olvidar considerar los
principios
bsicos
en
el
diseo.
Observamos el trabajo conjunto de los investigadores con los estadsticos que nos
llevan a obtener una mejor planeacin del experimento, aunque tiene sus
desventajas se puede notar que actuando de manera correcta se puede cambiar la
forma de ver de los inconvenientes que puede representar el alto costo que se tiene
con
los
estadsticos.
Podemos estar seguros de que si llevamos a cabo todos los elementos de la lista de
comprobacin tendremos una planeacin efectiva de nuestro experimento y as
obtener
los
resultados
esperados.
51
BIBLIOGRAFIA
Montgomery Douglas. Diseo y Anlisis de Experimentos. Grupo Editorial
Iberoamerica.1991.
Mead R.,Curnow N. and A.M. Statistical methods in agriculture and experimental
biology.
Editorial Chapman & Hall. 1.993.
Mc Graw Hill. Bioestadstica Principios y Procedimientos. Steel and Torrie.
2Edicin,1988.
Schefler William C. Bioestadstica. Fondo Educativo Interamericano, S.A., 1981.
Sokal Robert R. y F. Rohlf James. Biometra. Principios y mtodos estadsticos
en la investigacin. Fondo Educativo Interamericano , S.A., 1981
Klaus Hinkelmann Oscar Kempthorne . Design and Analysis of Experiments
VolumenI. John Wiley and Sons, INC 1994.
Tamayo
Mario
.El
Edicin.Limusa,2004.
Proceso
de
la
Investigacin
Cientifica.4ta