Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO I .......................................................................................................................................... 1
INTRODUCCION. .............................................................................................................................. 1
1.1 QUE SE ENTIENDE POR DISEO EXPERIMENTAL. ................................................................ 1
1.2 NECESIDAD Y PROSITO DE UN DISEO EXPERIMENTAL. ...................................................... 1
1.3 DEFINICION DE TERMINOS BASICOS. .................................................................................. 2
1.4 PRUEBA DE HIPOTESIS. ........................................................................................................ 4
1.5 SUPOSICIONES DEL ANALISIS DE VARIANZA........................................................................ 6
CAPITULO II ......................................................................................................................................... 7
DISEO COMPLETAMENTE AL AZAR ............................................................................................... 7
2.1 INTRODUCCION. .................................................................................................................... 7
2.2 ALGUNAS VENTAJAS. ............................................................................................................ 8
2.3 ALGUNAS DESVENTAJAS....................................................................................................... 8
2.4 DISTRIBUCION DE LOS TRATAMIENTOS A LAS U.E. ............................................................. 8
2.5 CUADRO DE CONCENTRACION DE DATOS. .......................................................................... 9
2.6 MODELOS ESTADISTICO. .................................................................................................... 11
2.7 ANALISIS DE VARIANZA PARA EL DISEO. .......................................................................... 11
2.8 SUBMUESTREO EN UN DISEO COMPLETAMENTE AL AZAR. ............................................ 25
CAPITULO III ...................................................................................................................................... 31
CONTRASTES ORTOGONALES Y COMPARACIONES MULTIPLES DE MEDIAS................................. 31
3.1 INTRODUCCION. .................................................................................................................. 32
3.2 CONTRASTES ORTOGONALES. ............................................................................................ 32
3.3 COMPARACIONES MULTIPLES DE MEDIAS......................................................................... 39
CAPITULO IV ...................................................................................................................................... 50
DISEO DE BLOQUES AL AZAR ...................................................................................................... 50
4.1 INTRODUCCION. .................................................................................................................. 50
4.2 ALGUNAS VENTAJAS. .......................................................................................................... 50
4.3 ALGUNAS DESVENATJAS. ................................................................................................... 50
4.4 DISTRIBUCION DE LOS TRATAMIENTOS A LAS u.e. ............................................................ 51
INTRODUCCION.
La aplicacin de las tcnicas estadsticas se ha extendido de sobre manera y la
influencia de la estadstica en nuestra vida es tan grande, que difcilmente podemos
ponderarla como es debido.
u.e.
Parcela til
u.e.
25 26 27 28 29
-2 -1 0 1 2
En esta muestra para 5 datos, uno queda fijo, que es y ha sido usada como
el origen para las desviaciones, entonces quedan cuatro valores (4 g. l.)
que pueden ser comparados en forma independiente con la media.
Tales suposiciones, las cuales pueden ser o no ser ciertas, son llamadas
Hiptesis Estadsticas.
Una hiptesis en general se define como una suposicin terica que se acepta
provisionalmente para explicar ciertos hechos
As por ejemplo, si se desea decidir que una racin alimenticia es mejor que
otra, se formula la hiptesis de que no hay diferencia entre los diferentes tipos
de racin alimenticia. Tales hiptesis son llamadas: Hiptesis Nula y se denota
por H0
Si se rechaza una hiptesis cierta, se dice que se comete un Error Tipo I. si por
el contrario, no se rechaza una hiptesis falsa, se dice que se comete un Error
Tipo II. En cualquiera de los dos casos se comete un error al tomar una decisin
equivocada.
Las suposiciones bsicas del ANVA, a partir del cual se efectuarn las pruebas
de hiptesis son:
i) Los efectos son aditivos
Se refiere a que los efectos de los tratamientos en estudio y el efecto del
error experimental (Ei) se suman.
CAPITULO II
2.1 INTRODUCCION.
Variedades: A, B, C, D, E. (tratamientos)
Repeticiones: I, II, III, IV
C B D A E
A E B D B
D C A C E
C B E A D
Repeticiones Medias
Tratamientos I II ... r Total # Observ.
1 . = 1.
1 Y11 Y12 ... Y1r Y1. r
2 . = 2.
2 Y21 Y22 ... Y2r Y2. r
. = .
t Yt1 Yt2 ... Ytr Yt. (*) r
. . = . .
Y.. (**) n=rt
Donde
. = 1 + 2 + + =
=1
. . = 1. + 2. + + . = .
=1
Repeticiones Medias
Tratamientos I II ... ri Total # Observ.
1. = 1.
1
1 Y11 Y12 ... Y1 r1 Y1. r1
2. = 2.
2
2 Y21 Y22 ... Y2 r2 Y2. r2
. = .
t Yt1 Yt2 ... Yt rt Yt. rt
. . = . .
Y.. 0 0
0 =
=1
= 1, 2, ,
= + +
= 1, 2, ,
= 1, 2, ,
= + +
= 1, 2, ,
Donde,
: Media general.
0 : 1 = 2 = =
Ahora, la hiptesis a elegir ser de acuerdo con la regla de decisin que depender
de la confrontacin entre la Fc (F calculada) obtenida en el ANVA y de Ft (F de
tablas) obtenida de una tabla de F, con los g.l. para tratamientos, los g.l. para el
error y un nivel de significancia elegido ().
Entonces, si Fc > Ft (=0.05)* se rechaza H0. En este caso se dice que las diferencias
entre los valores medios de los tratamientos son SIGNIFICATIVAS, se simboliza por
un asterisco.
Si Fc > Ft (=0.01)** se rechaza H0. Esto quiere decir que las diferencias entre los
valores medios de los tratamientos son ALTAMENTE SIGNIFICATIVAS, se
simboliza por dos asteriscos.
Repeticiones
Tratamientos I II III IV
T1 85 94 90 92
T2 46 44 52 50
T3 92 89 91 84
T4 68 76 58 72
Donde:
Construyendo el ANVA.
, + 1,
(0.85) = 67.21
(0.94) = 75.82
(0.90) = 71.56
(0.72) = 58.10
Repeticiones
Tratamientos I II III IV Total # observ. Medias
T1 67.21 75.82 71.56 73.57 288.16 4 72.04
T2 42.71 41.60 46.10 45.00 175.41 4 43.85
T3 73.57 70.63 72.54 66.42 283.16 4 70.79
. 2.
. . =
(970.70)2
. . = 16
. . = 58891.15
. = 2145.59
. = 2 . .
=1 =1
. = 61186.93 58891.15
. = 2295.78
= .
= 2295.78 2145.59
Cuadrado medio:
.
. =
1
2145.59
. =
3
. = 715.19
F calculada
.
=
715.19
=
12.51
= 57.16
ANVA
2145.59 3.49(0.05)
Tratamientos 3 715.16 57.16** 5.95(0.01)
Total 15 2295.78
Se concluye que los tratamientos producen efectos distintos. Es decir que existe
uno o varios medios germinativos mejores que los dems.
. . =
..
Esto nos informar acerca de la confianza que se puede tener en los datos. Un alto
valor en porcentaje sugiere escasa confianza en los datos; un valor bajo indica un
buen manejo en las u.e. En general, en experimentos pequeos y trabajando con
animales, los coeficientes de variacin suelen ser altos, por lo que es necesario
tener cautela con los resultados experimentales.
En el ejemplo:
. . =
..
12.51
. = 100
60.66
. . = 5.83
Tratamientos
Maceta
T1 T2 T3 T4 T5
1 101 51 83 67 29
2 93 61 68 40 45
3 93 59 72 46 51
4 96 58 75 52 42
Tratamientos
Maceta
T1 T2 T3 T4 T5
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
N. Observ. 4 4 4 4 4 20
Medias 95.75 57.25 74.5 51.25 41.75 64.1
2. .
. . =
(1282)2
. . =
20
. . = 82176.2
. = 7285.8
= 2 . .
=1 =1
= 90344 82176.2
= 8167.8
= .
= 8167.8 7285.8
= 882
Cuadrado medio:
.
. =
1
7285.8
=
4
= 1821.45
F calculada
.
=
MC. Sergio Snchez Martnez 19
1821.45
=
58.8
= 30.98
ANVA
7285.8 3.06(0.05)
Tratamientos 4 1821.45 30.98** 4.89(0.01)
Total 19 8167.8
Conclusin:
Para el ejemplo.
. . =
..
58.8
. . = 100
64.1
. . = 11.96
Construyendo el ANVA
11 3.31
4 .0 2 .0
5.0 2.23
4 .0 2 .0
Repeticiones
tratamientos Total # Observ. Medias
I II III IV
T1 3.31 2 2.23 2.44 9.98 4 2.50
T2 2.44 2 1.73 6.17 3 2.06
T3 2.82 2.23 5.05 2 2.53
T4 4 5.19 9.19 2 4.60
T5 2.64 2 4.64 2 2.32
35.03 13 2.69
(.. )2 (35.03)2
. . = = = 94.39
13
. = 8.94
= 2 . .
=1 =1
= 105.66 94.39
= 11.27
= .
= 11.27 8.94
= 2.33
ANVA
Total 12 11.27
. . =
..
0.29
. = 100
2.69
. . = 20
Raciones
Repeticiones Total
1 2 3 4
1 45 35 34 41 155
2 46 33 34 41 154
3 49 35 44 128
4 44 34 43 121
5 33 41 74
6 42 42
7 44 44
(.. )2 (800)2
. . = = = 32000
20
.2
. = . .
=1
. = 432
2
= . .
=1 =1
= 32464 32000
= 464
. = .
. = 464 432
. = 32
ANVA
Total 12 464
. . =
..
2
. . = 100
40
. . = 3.53
= 1, 2, 3, ,
= 1, 2, 3, ,
= + + + , = 1, 2, 3,
~(0, 2 )
~(0, 2 )
Donde
1 12 1 13 1 1 1 1 . 1
11 2 12 2 13 2 1 2 1 . 2
T1
11 12 13 1 1 .
11 21 31 1 .1
12 22 32 2 .2
1 2 3 .
. 1. 2. 3. . . .
. . .
F. V. G. L. S. C. C. M. Fc
Tratamientos t-1 ..2
. . 1
=1
Error Exp. (EE) n-t 2
.
. .
=1 =1
Error de nm-n
muestreo (EM)
Total nm-1
2
. .
=1 =1 =1
Donde: n=r t,
. . =
1 :
Obsrvese: que existe una Fc para los errores, la cual nos da una idea del
comportamiento de nuestro error de muestreo, ya que si Fc para el error es grande,
esto implica que nuestro error de muestreo fue pequeo, en caso contrario, nuestro
error de muestreo es grande.
Repeticiones
Tratamientos I II III IV V
27 6 19 13 28
1 16 8 19 26 15
8 10 23 8 28
. 51 24 61 47 71 1 . . = 254
37 24 37 54 41
36 44 41 49 65
75 72 71 85 58
3 70 69 62 65 69
69 86 78 63 75
82 76 82 83 79
4 68 69 73 70 67
89 86 78 85 83
. . . = 3117
Construyendo el ANVA
(. . . )2 (3117)2
. . = = = 161928.15
(3)(20)
2. .
= . .
=1
= 197585.4 161928.15
= 35657.25
2
.
= . .
=1 =1
2
= . .
=1 =1 =1
= 39538.85
= 3106.67
ANVA
Ft
Total 59 39538.85
CAPITULO III
1 1 + 2 2 + + = =
=1
= 0
=1
2 = 21 1 + 22 2 + + 2
Son ortogonales si
11 21 + 12 22 + + 1 2 = 0
i) Calcular
(=1 . )2
=
=1 2
Donde
r : Nmero de repeticiones
ii) > ,1 . ,
Repeticiones
T1 83 68 72 75 298
T2 67 40 46 52 205
T3 101 93 93 96 383
T4 29 45 51 42 167
Ft
Total 15 7876.43
Por lo que concluimos que existe uno o varios tratamientos mejores que los
dems.
3 = 1 2 1 -1 0 0 8649 8 1081.12
4 2
4 2
4 2
Ft
Total 15 7876.43
(=1 .. )2
=
=1 2
Ejemplo 3.2 Utilizando los totales de cada tratamiento del ejemplo 2.5, se puede
tener inters en hacer las siguientes comparaciones.
0 : 2 = 3 2 3
C1 1 : 2 3 2 3
0 : 1 = 4 1 4
C2 1 : 1 4 1 4
(2 +3 )
0 : 2
(1 +4 )
= 2 3 1 4
C3 2
(2 +3 ) (1 +4 )
1 : 2
2
2 3 1 4
(2 +3 +4 )
0 : 1 = 3
1 2, 3 4
C4 1 : 1
(2 +3 +4 )
3
1 2, 3 4
Encontrando la
(=1 .. )2
=
=1 2
1 2 = 3 0 1 -1 0 6482.70
2 : 1 = 4 1 0 0 -1 27968.53
2 3 1 4 1 1 1 1
3 + 1206.01
2 2 2 2 2 2 2 2
2 3 4 1 1 1
4 : 1 1 No es ortogonal
3 3 3
3 3 3
4 2
4 2
1 1 1 1 2
3 : ( .. ) = [2 (254) + 2 (626) + 2 (1067) 2 (1170)] = 18090.25
=1
1 : 2 = (5)(3)[(12 ) + (12 )] = 30
=1
2 : 2 = (5)(3)[(12 ) + (12 )] = 30
=1
4
1 2 1 2 1 2 1 2
3 : 2 = (5)(3) [(2) + (2) + (2) + (2) ] = 15
=1
Asi,
(4=1 .. )2 194481
1 : = = 6482.7
4=1 2 30
(4=1 .. )2 839056
2 : = = 27968.53
4=1 2 30
(4=1 .. )2 18090.25
3 : = = 1206.01
4=1 2 15
Ft
Total 59 39538.85
Conclusin
La ventaja de esta prueba es que resulta fcil de calcular, pero tiene la desventaja
que puede fallar cuando se prueban todas las posibles diferencias entre diversas
medias.
Procedimiento de prueba.
i) Calcular la DMS
2
= (, .. ) 2
donde,
(, .. ) : Valor de t-student
S2 : cuadrado medio del error
r : nmero de repeticiones
3. 1. 2. 4.
95.75 74.5 51.25 41.75
2(68.77)
= (0.05,12) 4 = 2.17 (5.86) = 12.77
Comparando
Resumiendo
Tratamiento Media
T3 95.75 a
T1 74.5 b
T2 51.25 c
T4 41.75 c
Conclusin.
2 2
= (, ..) +
Ejemplo 3.4 Aplicando la prueba a los datos del ejemplo 2.3, tendramos:
1. = 2.49 4
2. = 2.05 3
3. = 2.52 2
4. = 4.59 2
5. = 2.32 2
Ordenando
4. 3. 1. 5. 2.
4.59 2.52 2.49 2.32 2.05
0.29 0.29
(4 3 ) = (0.05, 8) 2
+ 2 = (2.30)(0.53) = 1.23
0.29 0.29
(3 1 ) = (0.05, 8) 2
+ 4
= (2.30)(0.46) = 1.058
0.29 0.29
(1 5 ) = (0.05, 8) 4
+ 2
= (2.30)(0.46) = 1.058
0.29 0.29
(5 2 ) = (0.05, 8) 2
+ 3 = (2.30)(0.49) = 1.13
Comparando
Resumiendo
T4 4.59 a
T3 2.52 b
T1 2.49 b
T5 2.32 b
T2 2.05 b
Conclusin:
2 2
= (, .. .)
Esta tcnica se conoce tambin como prueba de t mltiple, por que usa un valor de
t tabulado por Duncan para cada una de las comparaciones de medias adyacentes.
Procedimiento de prueba.
i) Calcular el = (, , . . )
2
= : Error estndar de la media
Con los g. l. del error se va a la tabla de Duncan y con ella se buscan los valores de
(, , . . ) para 2, 3, 4, etc. (nmero de medias a comparar) hasta el nmero t
de tratamientos del experimento, correspondientes al nivel 5% o 1% segn la
exigencia que se le quiere dar a la prueba.
EJEMPLO 3.5 Aplicando la prueba de Duncan a los datos del ejemplo 2.1,
tenemos.
Medias
1. = 72.04
2. = 43.85
3. = 70.79
4. = 55.99
Datos
Nmero de tratamientos = 4
M 2 3 4
1. 3. 4. 2.
5.68 5.42
3. 70.79 1.25 0
5.42
1. 72.04 0
Obsrvese que las medias marcadas con un asterisco (*) son significativas, es decir
que hay diferencia entre ellas.
________________
_________
________
Conclusin:
1 2
2
= 2 ( + )
Esta prueba es usada para hacer todas las comparaciones mltiples que son
posibles con t tratamientos y es vlida cuando las repeticiones estn completas.
Procedimiento de prueba
a) Calcular la = ( ,,..)
Donde:
( ,,..) : Valor tabular de Tukey, que se encuentra en las tablas con el nmero
de tratamientos (T) los grados de libertad del error (g.l.) y el nivel de significancia
() apropiado.
2
= : Error estndar de la media.
(1)
b) Hallar todas las comparaciones posibles con t tratamientos, que son 2
,
poniendo las medias en orden creciente o decreciente y se resta de la media
Ejemplo 3.6 vase el desarrollo del mtodo con los datos de ejemplo 2.1.
El valor = (, , ..)
= (4.20)(1.76)
= 7.392
Para encontrar las diferencias entre todas las medias, hacer el artificio de la
tabla siguiente:
1. 3. 4. 2.
3. 70.79 1.25 0
1. 72.04 0
DMSH=7.392
Resumiendo
1. 3. 4. 2.
___________________
__________
__________
Conclusin:
Los tratamientos T1 y T3 siguen siendo los mejores, faltando tomar en cuenta
el aspecto econmico para decidir cual escoger
Procedimiento de prueba.
2 2
i) Calcular = ()( 1)( 2 ) (1+2+)
Donde
F: valor tabular de F para el nmero de grados de libertad de
tratamientos y del error.
(t-1): grados de libertad de tratamientos
R: Nmero de repeticiones por tratamiento
S2: Cuadrado medio del error
Ci: coeficientes de los contrastes.
Calculando
12 2
= (3.49)(3)(12.51) ( 4 +14 ) = 8.09
Arreglando las medias en orden creciente o decreciente y para fcil
entendimiento se colocan de la siguiente manera para encontrar sus
diferencias.
3. 70.79 1.25 0
1. 72.04 0
1. 3. 4. 2.
_________________
_________
__________
Conclusin
Los tratamientos T1 y T3 siguen siendo los mejores.
4.1 INTRODUCCION.
ii) Cuando faltan los datos de algunas u.e. separadas la tcnica de parcela
perdida, desarrollada por Yates, permite que los resultados disponibles
Para distribuir los tratamientos a las u.e. se deben realizar los siguientes pasos:
1 A 6 D 11 A 16 C 21 A 26 B
2 C 7 B 12 E 17 A 22 E 27 D
3 D 8 E 13 C 18 E 23 D 28 A O P
4 B 9 C 14 B 19 B 24 C 29 C
5 E 10 A 15 D 20 D 25 B 30 E
I II III IV V VI S
T2 21 22 2 2. 2. = 2.
Tt 1 2 . . = .
Donde,
. =
=1
. =
=1
. . = . = .
=1 =1
:
:
:
:
: .
~(0, 2 )
A 42 46 38 41 36 39 242 40.33
B 32 38 31 30 33 34 198 33.00
C 25 32 28 26 22 27 160 26.66
D 18 20 26 24 26 22 136 22.66
E 35 42 46 40 41 39 243 40.50
Construyendo el ANVA
..2 (979)2
. . = = = 31948.03
30
6
.2
= . .
=1
(152)2 + (178)2 + (169)2 + (161)2 + (158)2 + (161)2
= 31948.03
5
= 32031 31948.03
= 82.97
5
.2
. = . .
=1
(242)2 + (198)2 + (160)2 + (136)2 + (243)2
. = 31948.03
6
. = 33485.5 31948.03
. = 1537.47
5 6
= 2 . .
=1 =1
= (42)2 + (46)2 + + (41)2 + (39)2 31948.03
= 1812.97
= .
= 1812.97 1537.47 82.97
= 192.53
ANVA
Total 29 1812.97
Tratamiento E A B C D Prueba
__________ Duncan
____
____
____
__________ Scheffe
____
___________
Conclusin:
(=1 . )2
=
=1 2
B1 B2
1 1
= 2 (1 + 0.5)
Donde, (r-1) son las repeticiones vlidas del tratamiento que ha perdido la unidad y
(r-0.5) son las del tratamiento con el que se compara.
Repeticiones
Tratamientos
I II III IV
Obsrvese que los dos valores que faltan (y1, y2) estn en bloques diferentes as
como en tratamientos diferentes. Por lo tanto, los clculos para encontrar sus
valores estimados son como sigue:
= ( 1)( 1) = (6 1)(4 1) = 15
1 = 1 + 1 = (4)(28.3) + (6)(13.9) 122.4 = 74.2
2 = 2 + 2 = (4)(29.0) + (6)(19.8) 122.4 = 112.4
2 1 (15)(112.4) 74.2
2 = = = 7.19
2 1 152 1
1 1
= 2 (2.5 + 2.5)
= 2 (13+3.5
1
)
Y para la comparacin de plntula y maduracin, ambos sin parcelas perdidas, es:
= 2 (14+14)
= + + + +
Donde:
:
.
.. = .
=1
Bloques 1
2 2
..
=1
Tratamientos 1 . .
2 2
.. 1
=1
Error exp. ( 1)( 1)
2
. 2
(EE)
( 1)( 1)
=1 =1
.
Error de
muestreo
.
(EM)
Total 1
2 2
=1 =1 =1
Ejemplo 4.3
Bloques
T1 46 38 39 36 35 37
28 20 43 18 48 19
67 44 57 74 61 68
T2 72 68 61 47 60 65
66 64 61 69 75 61
95 92 91 105 78 85
T3 90 89 82 85 89 74
89 106 98 85 95 80
T4 88 89 93 90 87 93
Construyendo el ANVA
Datos:
r=6
t=5
m=3
n=rt=(6)(5)=30
2 (7187)2
. . = = = 573921.88
90
6
..2
= . .
=1
(1246)2 + (1156)2 + + (1200)2
= 573921.88
(5)(3)
= 574276.07 573921.88 = 354.19
5
..2
. = . .
=1
(650)2 + (1140)2 + + (1992)2
. = 573921.88
(6)(3)
. = 639168.72 573921.88 = 65246.84
5 6 2
.
= . . .
=1 =1
(131)2
+ (84)2 + + (333)2 + (344)2
= 573921.88 354.19 65246.84
3
= 1478.76
5 6 3
2
= . .
=1 =1 =1
= (57)2 + (26)2 + + (111)2 + (118)2 573921.88
= 72363.12
ANVA
Ft
F.V. G.L S.C. C.M. Fc
0.05 0.01
Bloques 5 354.19
C.V.=0.1076
Conclusin:
Donde
E.R.= la eficiencia relativa DBA con respecto a un DCA.
r=nmero de repeticiones
t= numero de tratamientos
: Cuadrado medio del error experimental
: Cuadrado medio de bloques
Regla de decisin:
5.1 INTRODUCCION.
EJEMPLO 5.1
Supongamos que tenemos 5 tratamientos de fertilizantes por investigar y que
disponemos de 25 parcelas para la experimentacin. Si el suelo muestra una
tendencia de fertilidad en dos direcciones (digamos Norte Sur y Esta Oeste)
parecera razonable formar bloques de 5 parcelas en ambas direcciones. Esto es
precisamente lo que se hace bajo la denominacin de hileras y columnas. Entonces,
los tratamientos se aplican al azar, sujetos a la restriccin de que cada tratamiento
aparezca una sola vez en cada hilera y en cada columna.
EJMPLO 5.2
Consideremos la venta de un producto usando 5 tipos de propaganda interna en
un supermercado, (estos 5 tipos son tratamientos) las hileras pueden ser
supermercados y las columnas los das Lunes, Martes, Mircoles, jueves y viernes.
a) Permutaciones horizontales:
A B C D E
E A B C D
D E A B C
C D E A B
B C D E A
A E D C B
B A E D C
C B A E D
D C B A E
E D C B A
Columnas ..
Hileras 1 2
1 11 () 12 () 1 () 1..
2 21 () 22 () 2 () 2..
1 () 2 () () ..
.. .1. .2. ..
= + + + +
= 1, 2, ,
= 1 ,2, ,
= 1, 2, ,
~ (0, 2 )
Donde
EJEMPLO 5.3
En un cuadro latino 6 x 6 se ensayaron algunas combinaciones de elementos
menores con nutrientes mayores, para probar su efecto sobre el rendimiento de la
caa de azcar, dando lugar a los siguientes tratamientos:
A. Testigo (0 - 0 - 0)
B. Frmula 6 8 6 + Bo + Mn + Zn
C. Frmula 6 8 6 + Bo + Mn
D. Frmula 6 8 6 + Bo + Zn
E. Frmula 6 8 6 + Bo
F. Frmula 686
Donde
Trats. A B C D E F
= 0.805
..2 2
= 2
=1
= 0.683
2
.. 2
= 2
=1
= 3.286
2
= 2
2
=1 =1 =1
= 107.317 102.269
= 5.048
= .
= 0.274
ANVA
Ft
Hileras 5 0.805
Columnas 5 0.683
Total 35 5.048
0.0137
. . = 100 = 6.94
1.685
Por otro lado, muchas veces la prueba de f en el anlisis de varianza indica que
no hay diferencia entre tratamientos. Sin embargo, las comparaciones
ortogonales son de inters y, como ya se ha indicado, se pueden planear varios
juegos de comparaciones cuyo numero siempre sea (t-1). El procedimiento es
similar al usado en el diseo completamente al azar, pero ahora la
(=1 .. )2
=
=1 2
En este tipo de diseo, los mtodos para las pruebas de significacin entre
medias de tratamientos, que han sido dados en la seccin 3.3, no cambian, esto
es, la
2 2
= ,(..) =
2
= (,,)
2
= (,,)
2
12 22
() = ( 1) ( + +)
1 2 3 4
1 C A B D
2 D B C A
3 A Y C D B
4 B D A C
[( + + ) 2]
=
( 1)( 2)
Donde
t= numero de tratamientos
[ ( 1)]2
[( 1)( 2)]2
1 2 3 4
1 C A B D
2 1 D B C A 1
3 A C 2 D B 2
4 B D A C
1 2
1 = (1 + 1 + 1,2 ) 2
2 = (2 + 2 + 1,2 ) 2
( 1)1 + 2
1 =
( 2)2
( 1)2 + 1
2 =
( 2)2
Donde
Nota. A los grado de libertad del error y del total se les resta dos.
1 2 3 4
1 C A B D
2 1 D B 2 C A 1,2
3 A C D B
4 B D A C
1 2
1 = (1 + 1 + 1,2 ) 2
2 = (2 + 2 + 1,2 ) 2
( 1)1 + 2
1 =
( 2)2
( 1)2 + 1
2 =
( 2)2
Donde
Nota. A los grados de libertad del error y el total se les disminuye en dos.
1 2 3 4
1 C 1 B D 1
2 D B C A
3 A 2 D B 2
4 B D A C
1,2
1 = (1 + 1 + 1,2 ) 2
2 = (2 + 2 + 1,2 )-2G
( 1)1 + 2 ( 1)2 + 1
1 = 2 =
( 2)2 ( 2)2
Donde:
1 2 3 4
1 C A B D
2 1 D B C A 1
3 A C D B
4 B D 2 C 2
1 2
1 = (1 + 1 + 1 ) 2
2 = (2 + 2 + 2 ) 2
1 22
1 =
2 4
2 21
2 =
2 4
+ + ( 1) . .
. ..... =
( + 1) . .
+ ( 1) . .
. ..... =
( ) . .
REGLA DE DECISION.
Si la E.R, >1 es ms eficiente un diseo en Cuadro Latino
Si la E.R. <1 es ms eficiente el diseo que se compara.
EXPERIMENTOS FACTORIALES
6.1 INTRODUCCION.
= + + + ; ~(0,2 )
= + +
i k l
1 1 1
2 1 2
3 1 3
4 2 1
5 2 2
6 2 3
Por supuesto que se pueden integrar los modelos del diseo experimental y del
diseo de tratamientos. En el ejemplo el modelo resultante es:
= + + + + +
6.4 NOTACION.
Los tratamientos se denotan por los niveles de los factores que los componen.
ii) nicamente con los nmeros y con el orden se indica el factor; as los
tratamientos anteriores son 123, 213, 010, etc.
6.5 FACTORIAL 22
Suponiendo un ensayo con dos factores, nitrgeno y fosforo, cada uno en dos
niveles, para examinar su efecto en el rendimiento de un cultivo.
Nitrgeno (n) 0 , 1
Fsforo (p) 0, 1
Si todas las combinaciones posibles se ensayan entre los dos niveles de nitrgeno
y los dos de fosforo, generan 4 combinaciones de tratamientos, que se pueden
representar simblicamente como sigue:
TRATAMIENTOS
0 0
1 0
0 1
1 1
= + + + () +
= 0, 1
= 0, 1
= 1, 2, ,
~(0, 2 )
1 (0,1) (1,1)
Solo hay efecto de fsforo
0 (0,0) (1,0)
0 1 N
Para que est en base unitaria y considerando que cada tratamiento se estudia en r
u.e. se debe definir el efecto del factor N por:
()=1 ()=0
=
21
De modo semejante
()=1 ()=0
=
221
INTERACCION
Este trmino significa la accin conjunta de dos o ms factores, o la modificacin del
efecto de un factor por la accin del efecto de otro o ms factores.
1 (0,1) (1,1)
0 (0,0) (1,0)
0 1 N
()+=0 ()+=1
=
221
+ 0 1 2
0 0 1 0
1 1 0 1
2 0 1 0
N -1 -1 1 1
P -1 1 -1 1
NP 1 -1 -1 1
(=1 . )2
=
=1 2
2
[()=1 ()=0 ]
() =
4
2
[()+=0 ()+=1 ]
() =
4
Trat. 3 . = () + () + () . .
3
N 1 () () ()
1
P 1 () () ()
1
NP 1 () () ()
1
Trat. 3 = () + + ()
N 1 ()
P 1 ()
NP 1 ()
Total 4 1 2
2
4
I II III IV V VI
= 480
[()=1 ()=0 ]2
() =
4
[(1,0) + (1,1) (0,0) (0,1)]2
() =
(4)(6)
[108 + 144 90 138]2 (24)2
() = = = 24
24 24
2
[()=1 ()=0 ]
() =
4
[(0,1) + (1,1) (0,0) (1,0)]2
() =
(4)(6)
[138 + 144 90 108]2 (84)2
() = = = 294
24 24
2 4802
. . = = = 9600
4 24
2
= . = 162 + 222 + + 252 . .
= 10324 9600 = 724
. = () + () + ()
. = 24 + 294 + 6 = 324
ANVA
Ft
F.V. G.L. S.C. C.M. Fc
0.05 0.01
Error 20 400 20
Total 23 724
Del ANVA vemos que existe diferencia significativa entre tratamientos. Debindose
tal diferencia exclusivamente al tipo de fertilizante.
35
30
(1,1) tarde
25
(0,1) temprano
Rendimiento 20 (1,0)
15
10 (0,0)
Conclusin:
i) Existe aumento en produccin de grano al utilizar el fertilizante granulado
ii) Se manifiesta un paralelismo entre las lneas de tendencia; es decir, no hay
interaccin; la prueba F en el ANVA lo confirma.
* = significativo
Factor Factor t
f t0 t1 ..
.. .0. .1.
00. + 10.
.0. =
2
Caso 1
Caso 2, 3 y 4
Los datos se interpretan indicando que no hay interaccin; los factores actan
independientemente. Para el caso 2, hay que ver la diferencia entre niveles del factor
f; para el caso 3, entre niveles del factor t; y para el caso 4, estudiar las diferencias
entre niveles de f y de t respectivamente.
Las pruebas de significancia se hacen por medio de la DMS, RMS, DMSH, etc. Asi,
2 2
= (. )
2
= (,,)
12 22
() = ()( 1) 2 ( + +)
(=1 .. )2
=
=1 2
Casos 5, 6, 7 y 8
Existiendo interaccin, los efectos de los factores no son independientes. Para cierto
nivel de f hay que estudiar cual es el mejor nivel de t
2 2
= (,..)
2
= (,,)
12 22
() = ()( ) 2 ( + +)
2
(=1 . )
=
=1 2
Volviendo al ejemplo 6.1, es claro que interesa ver la diferencia entre niveles del
factor t (Ver ANVA) entonces, aplicando la
2
= (,.)
20
= 2.95 = 3.80
(2)(6)
Factor t
Factor 0 1
0 15 23
1 18 24
15 + 18
.0. = = 16.5
2
0 : .0. .1. = 0
1 : .0. .1. 0
Conclusin:
6.6 FACTORIAL 23
Ahora, suponiendo un ensayo con los factores N-P-K, cada u o con dos niveles ; a
saber:
Factor Niveles
Nitrgeno (n) 0 , 1
Fsforo (p) 0 , 1
Potasio (k) 0 , 1
Total de trats.
0 0 0 (0,0,0)
0 0 1 (0,0,1)
0 1 0 (0,1,0)
0 1 1 (0,1,1)
1 0 0 (1,0,0)
1 0 1 (1,0,1)
1 1 0 (1,1,0)
1 1 1 (1,1,1)
MODELO
= + + + + () + () + () + () +
= 0, 1
= 0, 1
= 0, 1
= 1, 2, ,
~(0, 2 )
PARA CALCULAR LA MAGNITUD DE LOS EFECTOS
Ordenando
()=1 ()=0
=
4
De modo semejante
()=1 ()=0
=
4
()=1 ()=0
=
4
()+=0 ()+=1
=
4
+ =0
} 2
+ =1
()+=0 ()+=1
=
4
+ =0
} 2
+ =1
()+=0 ()+=1
=
4
+ =0
} 2
+ =1
()++=1 ()++=0
=
4
++ =1
} 2
++ =0
(=1 .. )2
=
=1 2
(()=1 ()=0 )2
() =
8
2
[()=1 ()=0 ]
() =
8
[()=1 ()=0 ]2
() =
8
2
[()+=0 ()+=1 ]
() =
8
[()+=0 ()+=1 ]2
() =
8
2
[()+=0 ()+=1 ]
() =
8
2
[()++=1 ()++=0 ]
() =
8
7 CMerror
1 CMerror
1 CMerror
1 CMerror
1 CMerror
1 1
1 CMerror
1 CMerror
g.l.
2 2 2
2
..
TOTAL 8r-1 =1 =1 =1 1=1
Consideraremos, para ilustrar la teora, parte de los resultados de un experimento en tomate sobre dosis
De fertilizantes, el cual comprendi los 8 tratamientos de un factorial 23, en un diseo de bloques al azar. Cada uno de los
nutrientes mayores: nitrgeno, fsforo y potasio, se ensay en 2 niveles, o y 200 kilogramos por hectrea. Los resultados
se muestran en la tabla siguiente.
N P K I II III IV TRATS.
( . )2 (4746)2
. . = = = 703,891.1
32 32
[()=1 ()=0 ]2
() =
32
[196.4]2
= = 1205.40
32
2
[()=1 ()=0 ]
() =
32
[()=1 ()=0 ]2
() =
32
[136]2
= = 578
32
2
[()+=0 ()==1 ]
() =
32
[6.6]2
= = 1.36
32
[()+=0 ()+=1 ]2
() =
32
[106.8]2
= = 356.44
32
2
[()+=0 ()+=1 ]
() =
32
[42.6]2
= = 56.71
32
2
[()++=1 ()++=0 ]
() =
32
[33.4]2
= = 34.86
32
2 2 2 4
2
= . . = 73089.74 703891.13
=1 =1 =1 1=1
0.05 0.01
BLOQUES 3 1046.30 **
N.S.
**
N.S.
N.S.
N.S.
N.S.
N.S.
TOTAL 31 27006.61
()=1 ()=0
=
4
200 0 /
[496.9 + 678.0 + 559.9 + 736.4]
464.5 + 665.6 + 490.8 + 653.9
=
16
2471.2
2274.8
=
16 16
= 154.45
142.17
= 12.28
- NITROGENO
0 142.17
200 154.45
Diferencia 12.28
- FOSFORO
0 125.8
200 170.9
Diferencia 45.1
PU : Parcela til
- POTASIO
0 144.1
200 1524.6
Diferencia 8.5
Conclusin:
1 (0,0,0)
2 (0,0,1) REPETICIN 1
3 (0,1,0)
4 (1,0,0) -------- (0,0,0) (0,0,1)
5 (1,0,1) (0,1,1) (0,1,0)
6 (1,1,0) (1,0,1) (1,0,0)
7 (0,1,1) (1,1,0) (1,1,1)
8 (1,1,1)
(NPK)i+j+k=0 (NPK)i+j+k=1
= [(0,0,0)+(0,1,1)+(1,0,1)+(1,1,0)-(0,0,1)-(0,1,0)-(1,0,0)-(1,1,1)]
Ordenando
. . = [1 2 3 4 + 5 + 6 + 7 8 ]
= [(0,0,1)+(0,1,0)+(1,0,0)+(1,1,1)-(0,0,0)-(0,1,1)-(1,0,1)-(1,1,0)]
= [2 + 3 + 4 + 8 1 7 5 6 ]
Ordenando
NPK = [1 + 2 + 3 + 4 5 6 7 + 8 ]
As = - 1 1 1 1 1 1 1 1 0
F.V. G.L.
BLOQUES I. 2r 1
TRATS. 6
N 1
P 1
K 1
NP 1
NK 1
PK 1
ERROR
TOTAL 8r 1
NOTA: Las sumas de cuadrados se determinan de igual forma a las que se han
visto para los experimentos factoriales.
REP.3
(0,1,1)=53.2 (1,0,0)=69.5
(1,0,1)=57.2 (0,1,0)=62.8
(0,0,0)=56.2 (0,0,1)=55.0
(1,1,0)=59.0 (1,1,1)=55.8
225.4 243.1
(1316.3)2
= = 72193.57
24
DEL
2
=1 (=1 )2
=1 2
N 24 185.37
P 24 9.25
K 24 92.43
NP 24 22.62
NK 24 31.51
PK 24 0.70
NPK 24 38.76
SCtrats. 360.64
. . . (55)2 + (55.8)2
= 865.74
ANVA
Ft
TOTAL 23 865.74
SCNPK = 38.76
Ft
TOTAL 5 344.58
de primer orden.
7.1 INTRODUCCIN.
Muchos son los campos de estudio en las que algn factor requiere u.e. muy
grandes, debido a su propia naturaleza. En estos casos, si se quiere estudiar
conjuntamente otro (o ms factores), se pueden subdividir las u.e. grandes u.e. ms
pequeas y asignar los niveles del segundo (o ms factores) a esas u.e. pequeas.
El arreglo resultante se conoce como PARCELAS DIVIDIDAS. La base de su
anlisis es semejante a los casos de confusin total, pero aqu s se usa el error
interbloque para estudiar los efectos de los tratamientos que van a las u.e.
grandes, y el error intrabloque para los Tratamientos que van a u.e. chicas y las
interacciones. No obstante, existe otra alternativa para estudiar el arreglo, que es la
del mtodo que en anlisis multivariado se conoce con el nombre de ANALISIS DE
PERFIL.
7.2.1 DESCRIPCION Una u.e. grande puede ser una parcela de terreno, un
animal, una planta, un mtodo de irrigacin; y las u.e. pequeas seran las
subparcelas de cada parcela, los cortes de carne para ver contenido de protena,
las hojas, variedades o fertilizantes.
Los factores que van a u.e. grandes se pueden arreglar de acuerdo a los diseos
comunes; por ejemplo, completamente al azar, bloques al azar, cuadro latino, etc.
Adems, los niveles aplicados a las u.e. grandes se aleatorizan de acuerdo con las
instrucciones para diseo en el cual las u.e. grandes estn arregladas.
Los niveles aplicados a las u.e. pequeas se distribuyen al azar dentro de cada u.e.
grandes.
V0 V2 V1 V1 V0 V2 V1 V1 V2
V2 V1 V2 V2 V1 V0 V2 V0 V1
V1 V0 V0 V0 V2 V1 V0 V2 V0
r0 r2 r1 r2 r0 r1 r0 r1 r2
Vale la pena hacer notar la diferencia entre este arreglo y el de bloques al azar
ordinario. En este ltimo, las 9 combinaciones de los dos factores se asignan a las
9 u.e. pequeas en una repeticin completamente al azar. En el diseo de parcela
dividida, primero se asignan los niveles de r y a continuacin, dentro de cada r se
asignan al azar los 3 niveles de v. Esta es la diferencia decisiva que conduce a un
mtodo de anlisis completamente distinto. Por otra parte, sobresalen los siguientes
puntos en una consideracin del mrito relativo de los dos arreglos:
Donde,
= media general
I II III YiK Yi
Yj Y1 Y2 Y3 Y
REPTS. r-1
2 . . 2 . . .
=1
R a-1
..2 2 . . .
=1
ERROR (r-1)(a-1)
INTER.
2 . 12 . . ..2 . + 2 . . . .
=1 =1 =1 =1
V b-1
2 . . 2 . . .
=1
RV (a-1)(b-1)
2 1. 2 . . ..2 + 2 . . . .
=1 =1 =1 =1
INTRA.
TOTAL abr-1
2
...2
=1 =1 =1
VARIEDADES
RIEGOS V1 V2 V3
Yk Y1 Y2 Y3 Y
COMPARACION DE MEDIAS
Si el factor aplicado a las u.e. grandes contiene a niveles y el factor aplicado a las
u.e. pequeas contiene b niveles, y si CME1, representa el CM del error interbloque
y CME2 el CM del error intrabloque, para comparar los promedios de tratamientos
bajo el modelo 1 se deben usar las desviaciones estndar que se dan en el cuadro
siguiente, segn sea el tipo de comparacin que se haga.
21
= (. 1)1
22
= (. 1)2
= , (. 1. )2 22
2(1 + ( 1)2 )
= , (. 1. ) 1.2
Donde;
(1)2 (.1.)2 +1 (.1.)1
, (. 1. )1,2 = (1)2 + 1
De cultivos como sorgo, tomate, algodn, chile, frutales, etc., con una siembra se
hacen varias cosechas o cortes en una misma planta, o en las plantas de una u.e.
En tales circunstancias, an cuando el experimento sea simple en el cual
nicamente se estudien variedades, fertilizacin, etc., un segundo factor es el
tiempo de corte, pudiendo existir una interaccin variedad x corte o tratamiento x
corte. Es decir ciertas variedades o algunos tratamientos respondern de manera
diferente en cada cosecha.
ANVA
interacciones C x rept. y V x C x
TOTAL abr-1
I II III r CORTES
Yj Y1 Y2 Y3 Yr Y
S.C. (C x REPT) = , 2 . . . (. . . + . . )
EJEMPLO 7.1
TOTAL DE Y=
REPETICIONES
Yj 34.8 30.3 35.3 34.5 37.4 32.9 205.2
Yjk
2 (205.2)2
. . = = = 438.61
96
= 2 . . 2
=1
() = 21 . . 2
=1
1 = 2 . 2 . . . 2 . + 2
=1 =1 =1 =1
2
= .. / 2 /
=1
DOSIS CORTES
N Kg/Ha 1 2 3 4 Yi..
42.6
2 2 2 . . 2
= . .. +
=1 =1 =1 =1
3341.66
= 448.08 543.88 + 438.61
6
= 3.58
= ( 2 . . .) (. . + . .
,
.11 .12
(1.1 + 1.5 + 0.9 + 1.8)2 + (2.8 + 4.5 + 3.0 + 4.7)2 + +
=
4
.44
=
(0.8 + 0.8 + 1.1 + 2.7)2 . .
PARA COMPROBAR
REPETICIONES
. .
Ft
TOTAL 95 155.97
0.50
=
213
= 33.19%
2.. = 2.25
DMSH = q (, T, g) S
3 . . = 1.92
= 4.08 1
4 . .2.59
0.58
= 4.08 = 0.63
24
4 .. 2 .. 3 .. 1 ..
4 .. 2 .. 3 .. 1..
3 .. 1.92 0.67 0.33 0
150 50 100 0
2 .. 2.25 0.34 0
4 .. 2.59 0
PRUEBA DE SCHEFFE
12 22
() = ()( 1)( 2 ) ( + + )
1 1
= (3.29)(3)(0.50) (24 + )
24
= (3.29)(3)(0.50)(112) = 0.69
4 .. 2 .. 3 .. 1 ..
4 .. = 2.59 0
Conclusin:
ANALISIS DE COVARIANZA
8.1 INTRODUCCIN.
(ii) Ajustan los promedios de los tratamientos a las diferencias entre los
promedios de la variable independiente.
La finalidad (ii) es evidente en la fig. 8.1 para cada tratamiento, se ve que
la variacin de X contribuye a la variacin de Y. Al mismo tiempo, la
distancia entre puede contribuir grandemente a la diferencia entre
1 2 . As pues, si las Y de los tratamientos se han observado a partir
de una comn, digamos .., entonces sern comparables.
= + + + ( . . ) +
= + ( . . ) +
En el primer caso, deseamos efectuar un ANVA de valores que han sido ajustados
a la regresin respecto de una variable independiente. En el segundo caso, se
acenta el enfoque que la regresin. Deseamos medir la regresin de Y con
respecto a X sin la interferencia de efectos de bloques y tratamientos. Note que si
X no se midiera, entonces ( . . ) no se podra determinar y quedara pues
incluida en el trmino de error.
TOTAL tr-1 , 2
2 ..
,
.... ..2
2
.
BLOQUES r-1
2 .
2 ..
. .
.... . 2
TRATAMIENTOS t-1
12
2 ..
.. .... 2 . ..2 t-1 A-B
1
( )
TRAT.+ERROR R(t-1) +
+
+ r(t-1)-1
EJEMPLO 8.1 Los siguientes datos son rendimientos (Y) de cuatro lneas de frijol
soya que se compararon en un diseo de bloques al azar, y el porcentaje de tallos
infectados (X).
XA Y XB Y XC Y XD Y X Y
I 19.3 21.3 10.1 28.3 4.3 26.7 14.0 25.1 47.7 101.4
II 29.2 19.7 34.7 20.7 48.2 14.7 30.2 20.1 142.3 75.2
III 1.0 28.7 14.0 26.0 6.3 29.0 7.2 24.9 28.5 108.6
IV 6.4 27.3 5.6 34.1 6.7 29.0 8.9 29.8 27.6 120.2
TOTALES 55.9 97.0 64.4 109.1 65.5 99.4 60.3 99.9 246.1 405.4
De estos anlisis de varianza se deduce que no hay diferencia significativa entre los
porcentajes de infeccin en las lneas de frijol, y que en estas condiciones tampoco
hay diferencias significativas entre los rendimientos. Sin embargo, debe buscarse la
respuesta a la siguiente pregunta:
Para responder esta pregunta se hace necesario el ANCOVA. Para este anlisis
hay que determinar los siguientes trminos que faltan en la tabla 8.1.
. . . .
=
=1 =1
(246.1)(405.4)
= (19.3)(21.3) + + (8.9)(29.8)
(4)(4)
= 5352.1 6235.55
= 883.45
= 747.96
=1 . . . . . .
=
= 10.20
= 145.69
ANCOVA
()2 (135.492
= 87.2
441.3
2
( ) (145.69)2
= 66
427
9.76
= 2
= = 4.8
2.03
2
( ) /
=
2
(145.69)2 427
= = 24.48
2.03
Puesto que Fc > F(=0.01)= 9.65, razonablemente podemos suponer que B no es cero
y que, por lo tanto, es justificable realizar un ANCOVA.
145.69
= = 0.3411
427
Esto es, que por un aumento de una unidad en el % de infeccin a los tallos, hay un
decremento en promedio de 0.3411 unidades en el rendimiento.
Por otra parte, los promedios ajustados de los tratamientos estn dados por:
= . ( . . )
TRATAMIENTOS . ( . . ) =
2 ( . . )2
2 [ +
= ]
2 (13.97 16.1)2
= 2.03 [ + ] = 1.018
4 427
Para dar respuesta a la hiptesis Ho: B=D podemos hacer uso de la prueba de t,
esto es
2 4
=
2 [ + 2 (2 . 4 .)2
]
27.51 24.86
= = 2.62 > 0.05 (8) = 2.31
1.009
Conclusin:
2 2
()
= [1 + ]
( 1)
14.3
= 2.03 [1 + (3)(427)
]
= 2.052
()
2
. . = 100
7.33
= 100
2.052
= 357.21 %
Esto indica que 100 repeticiones con covarianza son tan efectivas como 357 sin
ello.
Considere un experimento agrcola para indicar los efectos de la fecha de plantado (temprano o tarde) y tipo de fertilizante
(areo o granulado) en la cosecha de frijoles soya. Estaban disponibles 24 parcelas experimentales homogneas. Se
asignaron los tratamientos al azar a las parcelas, sujetos nicamente a la restriccin de que 6 parcelas estuviesen asociadas
con cada una de las 4 combinaciones de tratamiento. Los datos se muestran en la tabla siguiente.
Temprano
Tarde
Conclusin:
8.5 FACTORIAL 23
Ahora, suponiendo un ensayo con los factores N-P-K, cada uno con dos niveles; a
saber:
FACTOR NIVELES
TOTAL DE TRATS
n0 p0 k0 (0,0,0)
n0 p0 k1 (0,0,1)
n0 p1 k0 (0,1,0)
n0 p1 k1 (0,1,1)
n1 p0 k0 (1,0,0)
n1 p0 k1 (1,0,1)
n1 p1 k0 (1,1,0)
n1 p1 k1 (1,1,1)
MODELO
= + + + + () + () + () + () +
i = 0, 1
j = 0, 1
k = 0, 1
1 = 1 , 2, , r
~ = (0, 2 )
() = 1 () = 0
=
4
De modo semejante
()=1 ()=0
=
4
()+=0 ()+=1 + =0
= } 2
4 + =1
() + = 0 () + = 1 + =0
= } 2
4 + =1
+=0 ()+=1 + =0
= } 2
4 + =1
()++=1 ()++=0 ++ =1
= } 2
4 ++ =0
(=1 . .)2
=
=1 2
[()=1 ()=0 ]2
() =
8
2
[()=1 ()=0 ]
() =
8
2
[()+=0 ()+=0 ]
() =
8
[()+=0 ()+=1 ]2
() =
8
2
[()+=0 ()+=1 ]
() =
8