Está en la página 1de 113

Diseo de Experimentos

M. en E. Patricia I. Romero Mares


Departamento de Probabilidad y Estadstica IIMAS-UNAM
Cursos PUMA
Anlisis estadsticos para proyectos de investigacin
ambiental
30 julio a 3 agosto 2012
Panorama de la clase
Introduccin
Ideas bsicas del diseo experimental
Diseo completamente al azar, un factor
Suposiciones
Diseos de bloques al azar, un factor
Diseos factoriales, c.a.
Diseos factoriales, bloques
Otros temas
Diseo de experimentos 2012 2
Introduccin
Criterios de clasificacin de investigaciones
Segn el propsito son Descriptivos o
Comparativos
Segn la evolucin son Transversales o
Longitudinales
Segn la fuente de informacin son
Prospectivos o Retrospectivos
Segn el control del investigador son
Observacionales o Experimentales

Diseo de experimentos 2012 3


Introduccin

Experimento

Estudio comparativo, 2 o ms poblaciones


Longitudinal
Prospectivo
Experimental (el investigador aplica tratamientos)

Observacional (el investigador solo observa el fenmeno)


(Pseudoexperimento)

Diseo de experimentos 2012 4


Introduccin

El diseo estadstico de experimentos es


el proceso de planear el experimento
de tal manera que se puedan analizar
por mtodos estadsticos los datos
recolectados y que resulten en
conclusiones objetivas y vlidas.

Diseo de experimentos 2012 5


Introduccin (lineamientos)
Objetivos del estudio
Qu se va a estudiar
Qu se va a medir
Cmo se va a medir
A quien se va a estudiar
Poblacin objetivo
Poblacin muestra
Muestra poblacin

Diseo de experimentos 2012 6


Introduccin (lineamientos)
Factor. Es la caracterstica cuyo efecto
queremos estudiar. (Droga A)
Nivel. Es la categora o modalidad estudiada
del factor. (15mg/kg, 20mg/kg, 30mg/kg)
Si los niveles se determinan por el
investigador factor fijo.
Si los niveles son una muestra aleatoria de
posibles niveles factor aleatorio.
(muestra aleatoria de profundidades de pozos petroleros)

Diseo de experimentos 2012 7


Introduccin (lineamientos)
Tratamiento. Combinacin de niveles de los
factores estudiados.
Tratamiento testigo o control.
(Droga: a1,a2,a3; Manejo: m1,m2,usual)

Unidad experimental ue. Es la subdivisin


menor del material experimental que puede
recibir un tratamiento en forma independiente.
(rata de laboratorio, jaula con 5 ratas, pozo, lago)

Diseo de experimentos 2012 8


Introduccin (lineamientos)
Definir la variable de respuesta.
Es lo que se va a medir en cada unidad
experimental.
Se debe estar seguro que d informacin
til acerca del fenmeno estudiado.
Se debe tener cuidado en la toma de las
mediciones para eliminar sesgos
introducidos por operaciones conscientes o
inconscientes. (doble ciego)

Diseo de experimentos 2012 9


Introduccin (lineamientos)
Eleccin del diseo experimental.
Es la forma de asignar los tratamientos a
las unidades experimentales.
El diseo determina el modelo y el anlisis
estadstico a seguir.
Homogeneizacin. Conseguir ue lo ms
homogneas posibles para evitar factores
de confusin que entorpezcan la
comparacin de los tratamientos, pero se
pierde validez externa.

Diseo de experimentos 2012 10


Introduccin (lineamientos)
Aleatorizacin. Introducida por Fisher, sirve para
controlar factores de variacin no incluidas en
forma explcita. Se busca eliminar sesgos
sistemticos y justificar la independencia de los
errores.
Bloques. Un bloque es un grupo de ue
homogneas.
El uso de bloques es la inclusin en el diseo (modelo)
de un factor que, aunque no es de inters, se sabe que
puede causar una fuerte variacin en las ue.
Tiene como objetivo el control de factores de variacin
en forma explcita en el modelo, disminuyendo as la
varianza de los errores.
Diseo de experimentos 2012 11
Introduccin (lineamientos)

Ejemplo en agricultura.

B A E D Bloque 1

A E C D B Bloque 2

Diseo de experimentos 2012 12


Introduccin (lineamientos)
Determinacin del nmero de
repeticiones.
Las repeticiones (rplicas) son el nmero
de ue a las que se les aplica, en forma
independiente, un tratamiento.
Dan una estimacin de la varianza del
error experimental
Incrementan la precisin del experimento.
A mayor nmero de repeticiones menor la varianza de los
estimadores

Diseo de experimentos 2012 13


Introduccin (lineamientos)
Frecuentemente se utiliza dividir una muestra para
generar dos observaciones a las que se les llama
rplicas cuando en realidad son submuestras o
mediciones repetidas.
Por ejemplo, dos mediciones independientes de la
estatura de una persona no dan una medida de la
variacin de estaturas de la poblacin de
personas, sino que dan una medida de la variacin
de la medicin de estatura en esa persona.

Diseo de experimentos 2012 14


Introduccin (lineamientos)
Es muy importante distinguir entre una
submuestra y una rplica, ya que la varianza del
error estimada entre las submuestras es, en
general, considerablemente menor que la varianza
del error estimada entre rplicas.
Por lo tanto, la estadstica F de las pruebas,
construida usando la varianza del error calculada
de las submuestras, ser mucho mayor de lo que
debe ser, llevando al investigador a encontrar ms
diferencias significativas de lo que debera.

Diseo de experimentos 2012 15


Introduccin (lineamientos)

Hacer el experimento y colectar datos

Efectuar el anlisis estadstico

Obtencin de conclusiones

Diseo de experimentos 2012 16


Introduccin
El error experimental describe la variacin
entre ue idntica e independientemente
tratadas. Se origina por:
Variacin natural entre ue
Variabilidad en la medicin de la respuesta
Incapacidad de reproducir las condiciones de los
tratamientos exactamente de una ue a otra
Interaccin de tratamientos y ue
Cualquier otro factor externo que afecte las
caractersticas medidas

Diseo de experimentos 2012 17


Introduccin

Lo que se busca es tener un diseo que


minimice la varianza del error
experimental

Diseo de experimentos 2012 18


Ideas bsicas del diseo experimental

Considere un experimento que involucra


t tratamientos y cada tratamiento se
aplica a r ue diferentes.
El investigador debe seleccionar rt ue.
Mientras ms parecidas sean las ue
mejores sern las comparaciones entre
los tratamientos. (homogeneizacin)

Diseo de experimentos 2012 19


Ideas bsicas del diseo experimental

Si el investigador asigna aleatoriamente


cada tratamiento a r de las ue
(aleatorizacin) previene la introduccin
de sesgos sistemticos en el
experimento. Y en caso de que las ue
sean un poco heterogneas, la
aleatorizacin ayuda a que los
tratamientos se asignen en formas
parecidas a los diferentes tipos de ue.
Diseo de experimentos 2012 20
Ideas bsicas del diseo experimental
En muchas ocasiones es imposible seleccionar
rt ue homogneas, lo que contribuye al error
experimental. Estos experimentos se mejoran
si se pueden agrupar las ue en grupos
homogneos (bloques).
En el caso de uso de bloques, la variacin
debida al bloque se toma en cuenta en el
anlisis, reduciendo la varianza del error.

Diseo de experimentos 2012 21


Estructura de tratamientos

Es el conjunto de tratamientos,
combinacin de los niveles de los
factores bajo estudio, o poblaciones
que son seleccionadas por el
investigador para comparar.

Diseo de experimentos 2012 22


Estructura de tratamientos
Unifactorial. Un solo factor con t niveles (t
tratamientos)

Factoriales. Dos o ms factores


Cruzados (niveles de un factor conservan su
significado en cada nivel de otro factor)

Completos (se estudian todas las combinaciones de los


niveles de los factores)

Fraccionales (se estudian solo algunas combinaciones de


los niveles de los factores)

Diseo de experimentos 2012 23


Estructura de tratamientos

Factoriales dos o ms factores


Anidados (niveles de un factor cambian de
significado en cada nivel del otro factor)

Factoriales con uno o ms testigos

Diseo de experimentos 2012 24


Estructura de diseo

Es la forma en que se agrupan las ue


en conjuntos homogneos.
La estructura de diseo de un
experimento involucra el agrupamiento
de las ue de tal manera que las
condiciones bajo las cuales se observan
los tratamientos sean lo ms uniformes
posibles.
Diseo de experimentos 2012 25
Estructura de diseo

Si todas las ue son homogneas,


entonces solo hay un grupo o bloque de
observaciones y las ue pueden ser
asignadas a los tratamientos
completamente al azar.
Esta estructura de diseo se llama
diseo completamente al azar.

Diseo de experimentos 2012 26


Estructura de diseo

Si se requiere ms de un grupo de ue
para que dentro de cada grupo las ue
sean ms homogneas entre s que
entre grupos, entonces la estructura de
diseo es algn tipo de diseo de
bloques.

Diseo de experimentos 2012 27


Estructura del diseo

Completamente al azar
Bloques al azar
Bloques al azar generalizados
Bloques incompletos
Cuadros latinos, grecolatinos,
hipergrecolatinos

Diseo de experimentos 2012 28


Diseo experimental

Estructura de tratamientos

Estructura de diseo

Diseo de experimentos 2012 29


Diseo experimental

Una vez que se seleccionaron la


estructura de tratamientos y de diseo,
el diseo experimental se especifica
describiendo exactamente el mtodo de
asignacin aleatoria de los tratamientos
a las ue en la estructura de diseo.

Diseo de experimentos 2012 30


Diseo experimental
El diseo experimental define el modelo que
debe usarse para un anlisis correcto. Al
construir el modelo, se hacen dos
suposiciones bsicas:
Los componentes de la estructura de diseo son
efectos aleatorios.
No hay interaccin entre los componentes de la
estructura de diseo y los componentes de la
estructura de tratamientos. Es decir, se supone
que la relacin existente entre los tratamientos
ser consistente de bloque a bloque, o sea, los
bloques no influyen en la relacin entre los
tratamientos.

Diseo de experimentos 2012 31


Diseo completamente al azar un factor
con t niveles
Suponga que tenemos un solo factor con t niveles,
es decir, t tratamientos, y al azar se asignan n ue a
cada tratamiento.
Las observaciones se pueden representar por el
modelo lineal simple
yij i ij i 1, ,t j 1, ,n

con ij error experimental en la observacin


j-sima del tratamiento i-simo.
Suponemos independencia entre y dentro de las muestras
ij ~ NID 0, 2
Diseo de experimentos 2012 32
Diseo completamente al azar, un factor

Se tienen t muestras independientes de tamao n

y11 , y12 , y1n es una muestra aleatoria de N 1 , 2


y21 , y22 , y2 n es una muestra aleatoria de N 2 , 2

yt1 , yt 2 , ytn es una muestra aleatoria de N t , 2

Diseo de experimentos 2012 33


Diseo completamente al azar, un factor

Diseo de experimentos 2012 34


Diseo completamente al azar, un factor
El modelo: yij i ij
es el modelo completo ya que incluye una media
separada para cada una de las poblaciones definidas
por los tratamientos.

Si no hay diferencia entre las medias de las poblaciones


1 2 t
Se general el modelo reducido
yij ij
Diseo de experimentos 2012 35
Diseo completamente al azar, un factor
El modelo reducido representa la hiptesis de no
diferencia entre las medias de las t poblaciones

H 0 : 1 2 t
El modelo completo representa la hiptesis alternativa
H a : i k para alguna i k

Cul de los dos modelos describe mejor


a los datos del experimento?

Diseo de experimentos 2012 36


Diseo completamente al azar, un factor

Diseo de experimentos 2012 37


Diseo completamente al azar, un factor

Se requiere un mtodo para estimar los parmetros


de los dos modelos y con base en algn criterio
objetivo determinar cul modelo o hiptesis
estadstica se ajusta mejor a los
datos del experimento.

Diseo de experimentos 2012 38


Diseo completamente al azar, un factor
Mtodo de mnimos cuadrados.
t n
min SCE ij2
i 1 j 1

Se minimiza la suma de cuadrados del error en cada


uno de los dos modelos y se encuentran los estimadores
de los parmetros correspondientes.

Diseo de experimentos 2012 39


Diseo completamente al azar, un factor
Para el modelo completo:

min SCEc yij i


t n t n

i yi.
2 2
ij
i 1 j 1 i 1 j 1

Para el modelo reducido:

min SCEr yij


t n
y..
2

i 1 j 1

Diseo de experimentos 2012 40


Diseo completamente al azar, un factor
Entonces se tienen las sumas de cuadrados estimadas
del error de los dos modelos al incluir los estimadores
de los parmetros

SCEc yij yi.


t n
2

i 1 j 1

SCEr yij y..


t n
2

i 1 j 1

Diseo de experimentos 2012 41


Diseo completamente al azar, un factor
La diferencia entre estas dos sumas de cuadrados es una
medida del grado de concordancia entre hiptesis y datos,
tambien llamada Reduccin de sumas de cuadrados
debida a tratamientos

SCH0 SCtrat SCEr SCEc


Si SCH0 es grande implica falta de concordancia entre
la hiptesis y los datos.

Diseo de experimentos 2012 42


Diseo completamente al azar, un factor

SCEr SCtotal SCtrat SCEc

y y.. yi. y.. yij yi.


t n t n t n
2 2 2
ij
i 1 j 1 i 1 j 1 i 1 j 1

Particin de la suma de cuadrados total en una debida


a los tratamientos y otra debida al error.
Surge la Tabla de Anlisis de Varianza (ANOVA)

Diseo de experimentos 2012 43


Tabla de Anlisis de Varianza (ANOVA)
F.V. g.l. S.C. C.M. F

Tratamientos CM trat
(entre)
t-1 SCtrat SCtrat / t 1
CME
SCE / nt t
Error
(dentro)
nt-t SCE 2

nt-1 SCtotal
Total

Diseo de experimentos 2012 44


Anlisis de varianza (ANOVA)
Si H 0 : 1 2 t es cierta, entonces

CM trat
Fc ~ Ft 1,nt t
CM E

Se fija un nivel de significancia

P error tipo I P rechazar H 0 H 0 es cierta

Diseo de experimentos 2012 45


Anlisis de varianza (ANOVA)

Se rechaza H 0 : 1 2 t si


Fc Ft 1,nt t

Diseo de experimentos 2012 46


Anlisis de varianza (ANOVA)

Ejemplo de una
regin de rechazo
de H0 (t=5, n=10)
Si Fc > 2.58
se rechaza H0 al
nivel de significancia
=0.05

Diseo de experimentos 2012 47


Anlisis de varianza (ANOVA)
Los paquetes estadsticos calculan el valor p-value
(significancia observada) que es la probabilidad
de obtener un valor de Fc como el calculado o mayor
si la hiptesis nula es cierta.

Si el valor del p-value es pequeo nos lleva a rechazar


la hiptesis nula.

Diseo de experimentos 2012 48


Anlisis de varianza (ANOVA)

Distribucin F con 4 y 45 g.l. p-value=0.0098

Poco probable haber


obtenido este valor
de Fc u otro ms
grande si H0 es
cierta, por lo tanto

Se rechaza H0

Fc=3.78
Diseo de experimentos 2012 49
Anlisis de varianza (ANOVA)

Una vez que se rechaza

H 0 : 1 2 t

sabemos que hay por lo menos una pareja de medias


que son diferentes, pero cules son?

Diseo de experimentos 2012 50


Comparaciones mltiples
Son pruebas estadsticas que nos permiten contrastar
hiptesis del tipo:

H 0 : i j vs H a : i j
i j 1, ,t

Manteniendo fija la probabilidad del error tipo I


por experimento E

Diseo de experimentos 2012 51


Comparaciones mltiples

Tukey (DMSH)
Bonferroni
Student-Newman-Keuls (SNK)
Scheff
Entre otras

Dunnet (cada tratamiento vs control)


Diseo de experimentos 2012 52
Contrastes
Un contraste es una combinacin lineal de las medias
i definido como
t
C ki i
t
donde k
i 1
i 0
i 1

Interesa probar H 0 : C 0 o dar un intervalo de


confianza para el contraste.

Los contrastes son, generalmente, comparaciones


de las medias de los tratamientos planeadas de
antemano.
Diseo de experimentos 2012 53
Contrastes ortogonales
Existe una clase de contrastes, los contrastes ortogonales.

Para t tratamientos existe un conjunto de t-1


contrastes ortogonales que hacen una particin de la
Suma de cuadrados de tratamientos en t-1
componentes independientes, cada uno con 1 g.l. Lo
que implica que estas pruebas son independientes.
Dos contrastes, con coeficientes {ki} y {li}
son ortogonales si
t

k l
i 1
i i 0

Diseo de experimentos 2012 54


Modelo unifactorial completamente al
azar
Modelo de medias
yij i ij i 1, ,t j 1, ,r
Con la hiptesis H 0 : 1 2 t

Modelo de efectos
yij i ij i 1, ,t j 1, ,r

Con la hiptesis H 0 : 1 2 t 0

Diseo de experimentos 2012 55


Suposiciones
ij ~ N 0, 2

Errores independientes (aleatorizacin)

Errores normales (grfica en papel normal,


histograma)

Homogeneidad de varianzas (prueba Bartlett, grfica


de valores estimados vs. residuales)

En caso de que no se cumplan las suposiciones:


Transformaciones de la variable y
Diseo de experimentos 2012 56
Ejemplo 1 completamente al azar un factor
Se tienen datos del flujo de petrleo,
medido en barriles por da, de tres
pozos en el Golfo de Mxico. Se desea
saber si, en promedio, dan la misma
produccin por da y si no es as se
quiere saber cul es el que produce
ms.

Diseo de experimentos 2012 57


Ejemplo 1 completamente al azar un factor

Pozo 1 Pozo 2 Pozo 3


157 183 149
184 174 193
143 182 129
135 199 146
163 183 126
103 168 132
152 193 143
129 162 154

Diseo de experimentos 2012 58


Ejemplo 1 completamente al azar un factor
Analysis of Variance Table
Response: y

Df Sum Sq Mean Sq F value Pr(>F)


Pozo 2 6304.3 3152.17 7.894 0.002776
Residuals 21 8385.5 399.31

Tukey multiple comparisons of means


95% family-wise confidence level

Fit: aov(formula = y ~ pozo)

$pozo
diff lwr upr p adj
2-1 34.75 9.566 59.934 0.006
3-1 0.75 -24.434 25.934 0.997
3-2 -34.00 -59.184 -8.816 0.007
Diseo de experimentos 2012 59
Ejemplo 1 completamente al azar un factor

Diseo de experimentos 2012 60


Ejemplo 1 completamente al azar un factor

Bartlett test of homogeneity of variances


data: residual and pozo
Bartlett's K-squared = 2.9697, df = 2, p-value = 0.2265

Diseo de experimentos 2012 61


Ejemplo 1 completamente al azar un factor

Diseo de experimentos 2012 62


Ejemplo 1 completamente al azar un factor

Diseo de experimentos 2012 63


Ejemplo 1 completamente al azar un factor

Diseo de experimentos 2012 64


Ejemplo 2 completamente al azar un factor
Se sabe que el dixido de carbono tiene un
efecto crtico en el crecimiento biolgico.
Cantidades pequeas de CO2 estimulan el
crecimiento de muchos organismos, mientras que
altas concentraciones inhiben el crecimiento de la
mayor parte de ellos. Este ltimo efecto se utiliza
comercialmente cuando se almacenan productos
alimenticios perecederos.
Se realiz un estudio para investigar el efecto de
CO2 sobre la tasa de crecimiento del
Pseudomonasfragi, un corruptor de alimentos.
Diseo de experimentos 2012 65
Ejemplo 2 completamente al azar un factor
Se administr CO2 a cinco presiones
atmosfricas diferentes. La respuesta es el
cambio porcentual en la masa celular despus
de un tiempo de crecimiento de una hora.
Se utilizaron diez cultivos en cada nivel.
Qu conclusiones se deducen del estudio
estadstico de estos datos?

Diseo de experimentos 2012 66


Ejemplo 2 completamente al azar un factor

Diseo de experimentos 2012 67


Ejemplo 2 completamente al azar un factor
Analysis of Variance Table
Response: y

Df Sum Sq Mean Sq F value Pr(>F)


Presion 4 11274 2818.58 101.63 2.2e-16
Residuals 45 1248 27.73

Diseo de experimentos 2012


68
Ejemplo 2 completamente al azar un factor
Tukey multiple comparisons of means
95% family-wise confidence level
$presion diff lwr upr p adj
0.083 0 -13.10 -19.792 -6.408 0.00001
0.29 0 -22.69 -29.382 -15.998 0.00000
0.5 0 -33.67 -40.362 -26.978 0.00000
0.86 0 -42.70 -49.392 -36.008 0.00000
0.29 .083 -9.59 -16.282 -2.898 0.00167
0.5 - 0.083 -20.57 -27.262 -13.878 0.00000
0.86 - .083 -29.60 -36.292 -22.908 0.00000
0.5 0.29 -10.98 -17.672 -4.288 0.00026
0.86 0.29 -20.01 -26.702 -13.318 0.00000
0.86 0.5 -9.03 -15.722 -2.338 0.00341
Diseo de experimentos 2012 69
Ejemplo 2 completamente al azar un factor

Diseo de experimentos 2012 70


Ejemplo 2 completamente al azar un factor

Bartlett test of homogeneity of variances


data: residual and presion

Bartletts K-squared=1.0701, df=4, p-value=0.899

Diseo de experimentos 2012 71


Ejemplo 2 completamente al azar un factor

Diseo de experimentos 2012 72


Diseo de bloques

Un bloque es un grupo de ue homogneas.


Nuestro objetivo es tener comparaciones
precisas entre los tratamientos bajo estudio.
Utilizar bloques es una forma de reducir y
controlar la varianza del error experimental
para tener mayor precisin.

Diseo de experimentos 2012 73


Diseo de bloques
Una buena eleccin del criterio de bloqueo resulta en
menor variacin entre las ue dentro de los bloques
comparada con la variacin entre ue de diferentes
bloques.
Los criterios de bloqueo generalmente son:
Proximidad espacial

Tiempo

Caractersticas fsicas (edad, peso, sexo)

Manejo de las ue en el experimento

Diseo de experimentos 2012 74


Diseo de bloques

Suponga que se tienen t tratamientos


que se quieren comparar en b bloques.
Bloque 1 Bloque 2 Bloque b
y11 y12 ... y1b
y21 y22 ... y2 b
... ... ... ...
... ... ... ...
yt 1 yt 2 ... ytb

Diseo de experimentos 2012 75


Diseo de bloques

El diseo de bloques completos al azar


implica que en cada bloque hay una
sola observacin de cada tratamiento.
El orden en que se ejecutan los
tratamientos dentro de cada bloque es
aleatorio (restriccin a la aleatorizacin)

Diseo de experimentos 2012 76


Diseo de bloques
El modelo estadstico para este diseo es:
yij i j ij i 1, , t j 1, , b
media general
i efecto de i-simo tratamiento
j efecto del j-simo bloque
ij error experimental del tratamiento i
en el bloque j

ij ~ NID 0, 2
Diseo de experimentos 2012 77
Diseo de bloques

Se supone que los efectos de


tratamientos y bloques son aditivos.
Esto significa que no hay interaccin
entre tratamientos y bloques, es decir,
la relacin entre los tratamientos es la
misma en cada uno de los bloques.

Diseo de experimentos 2012 78


Diseo de bloques

El Anlisis de Varianza para este diseo


se basa en una descomposicin de la
variabilidad de las observaciones.
yij y.. yij yi. y. j y.. yi. y.. y. j y..

Desv. Total=desv error+desv trat+desv bloques

Diseo de experimentos 2012 79


Diseo de Bloques.
Tabla de Anlisis de Varianza (ANOVA)
F.V. g.l. S.C. C.M. F

Tratamientos t-1 SCtrat / t 1


CM trat
SCtrat
CME
Bloques b-1 SCbloques

(t-1)(b-1) SCE / nt t
Error SCE
2

Total bt-1 SCtotal


Diseo de experimentos 2012 80
Ejemplo 3 Diseo de bloques

Se tienen datos de los depsitos de corcho de 28 rboles


en cada de las cuatro direcciones N,S,E,O. Se quiere
probar la hiptesis de que las medias de los pesos son
iguales en todas las direcciones.

Se midi en cada rbol el peso del corcho en las cuatro


direcciones, lo que implica que cada rbol es un bloque
y los tratamientos son las cuatro direcciones.

Diseo de experimentos 2012 81


Ejemplo 3 Diseo de bloques
Analysis of Variance Table

Response: peso

Df Sum Sq Mean Sq F value Pr(>F)


direccion 3 569.9 189.96 4.97 0.0032
arbol 27 26135.2 967.97
Residuals 81 3096.4 38.23

Diseo de experimentos 2012 82


Ejemplo 3 Diseo de bloques

Tukey multiple comparisons of means


95% family-wise confidence level

$direccion
diff lwr upr p adj
N-E 4.36 0.02 8.69 0.048
O-E -1.00 -5.33 3.33 0.930
S-E 3.46 -0.87 7.80 0.163
O-N -5.36 -9.69 -1.02 0.009
S-N -0.89 -5.23 3.44 0.949
S-O 4.46 0.13 8.80 0.041

Diseo de experimentos 2012 83


Ejemplo 3 Diseo de bloques

Diseo de experimentos 2012 84


Ejemplo 3 Diseo de bloques
Si no consideramos bloques, es decir, consideramos
que tenemos 28x4 rboles diferentes
Analysis of Variance Table
Response: peso
Df Sum Sq Mean Sq F value Pr(>F)
Direccion 3 569.9 189.96 0.7018 0.553
Residuals 108 29231.6 270.66

No hay diferencia significativa entre las 4 direcciones

Diseo de experimentos 2012 85


Diseo de bloques

Bloques al azar: bloques de tamao t

Bloques al azar generalizados: se repiten los


tratamientos en
cada bloque

Bloques incompletos: los bloques no contienen


a todos los tratamientos

Diseo de experimentos 2012 86


Diseo de bloques

Cuadro Latino: Bloqueo en dos direcciones

Cuadro Grecolatino: Bloqueo en tres direcciones

Cuadro Hipergrecolatino: Bloqueo en cuatro direcciones

Diseo de experimentos 2012 87


Diseos factoriales (estructura de tratamientos)

Informacin sobre varios factores. Todas las ue se


utilizan para la evaluacin de los efectos
Se ampla el rango de validez del experimento al
estudiar cada factor en las condiciones representadas
por los niveles de los otros factores
Permite el estudio de la interaccin, esto es, estudiar
el grado y forma en la cual se modifica el efecto de un
factor por los niveles de los otros factores

Diseo de experimentos 2012 88


Diseos factoriales (estructura de tratamientos)

El nmero de tratamientos es el producto de los


niveles de los factores (diseo completo).
Si el nmero de tratamientos es grande implica que
se necesitan muchas ue

Diseo de experimentos 2012 89


Interaccin
Ejemplo de un factorial 2x2 sin y con interaccin

Diseo de experimentos 2012 90


Diseo factorial
Suponga un experimento con dos factores, A con a niveles
Y B con b niveles, en diseo completamente al azar.
(Factorial a x b completo, balanceado, efectos fijos)
Factor B
Factor A 1 2 b
11 12 1b
1

2 21 22 2b
.
a a1 a2 ab

Diseo de experimentos 2012 91


Diseo factorial, completamente al azar
El modelo lineal, modelo de medias
yij i ij i 1, 2, , ab
j 1, 2, ,n

ij ~ N 0, 2
El modelo de efectos
yijk i j ij ijk
i 1,2, ,a j 1,2, ,b k 1,2, ,n

ijk ~ N 0, 2

Diseo de experimentos 2012 92


Diseo factorial
Los dos modelos son equivalentes.
El modelo de efectos est sobreparametrizado as que
se hace una reparametrizacin con variables
indicadoras.
En el modelo de medias se realizan las pruebas para
los efectos a travs de contrastes.
En los dos casos las hiptesis de inters son:
H 01 : ij 0 para toda i y j
H 02 : i i. 0 para toda i
H 03 : j . j 0 para toda j
Diseo de experimentos 2012 93
Diseo factorial

Una interaccin significativa oscurece la


significancia de los efectos principales

Cuando hay interaccin significativa, se debern


estudiar los niveles de un factor, digamos A, con los
niveles del o de los otros factores fijos, para tener
conclusiones acerca del efecto principal de A.

Diseo de experimentos 2012 94


Diseo factorial
y
50 B-
40
30
20 B+
10

- +
Factor A
Diseo de experimentos 2012 95
Diseo factorial completamente al azar.
Tabla de ANOVA

F.V. g.l. S.C C.M. F


A a-1 SSA SSA /(a-1) CMA / CME

B b-1 SSB SSB / (b-1) CMB / CME

AB (a-1)(b-1) SSAB SSAB / (a-1)(b-1) CMAB / CME

Error ab(n-1) SSE SSE / ab(n-1)

Total abn - 1 SSTot

Diseo de experimentos 2012 96


Ejemplo 4 diseo factorial completamente
al azar
Se quiere comparar el tiempo de
supervivencia de tres especies de truchas
cuando se exponen a una mezcla de metales.
Aproximadamente la mitad de las truchas de
cada especie (al azar) fueron el grupo
control, se mantuvieron en agua limpia por
tres semanas antes de ser transferidas al
agua con metales.

Diseo de experimentos 2012 97


Ejemplo 4 diseo factorial completamente
al azar

Las otras truchas de cada especie


fueron puestas por tres semanas en
una mezcla ligera de metales antes de
ser transferidos a la mezcla ms fuerte.
La variable de respuesta fue el nmero
de horas de supervivencia en la mezcla
fuerte de metales.

Diseo de experimentos 2012 98


Ejemplo 4 diseo factorial completamente
al azar
Se analizaron estos datos con un modelo 3x2
completamente al azar, sin embargo, no hubo
homogeneidad de varianzas entre los 6
grupos.

Diseo de experimentos 2012 99


Ejemplo 4 diseo factorial completamente
al azar

Diseo de experimentos 2012 100


Ejemplo 4 diseo factorial completamente
al azar
Se calcul la transformacin logaritmo natural del
tiempo, lo que se consider como variable respuesta
y se ajust el mismo modelo.

Diseo de experimentos 2012 101


Ejemplo 4 diseo factorial completamente
al azar
yijk Ti E j TE ij ijk
i 1, 2 j 1, 2,3 k 1, , ni
Media general

Ti Efecto del tratamiento

Ej Efecto de la especie

TE ij Efecto de la interaccin
Diseo de experimentos 2012 102
Ejemplo 4 diseo factorial completamente
al azar

Analysis of Variance Table

Response: lntiempo

Df Sum Sq Mean Sq F value Pr(>F)


especie 2 4.58 2.29 17.11 1.64e-07
tratamiento 1 14.48 14.48 108.17 <2.2e-16
especie: 2 1.52 0.76 5.69 0.004
tratamiento
Residuals 175 23.43 0.13

Diseo de experimentos 2012 103


Ejemplo 4 diseo factorial completamente
al azar

Diseo de experimentos 2012 104


Diseo factorial en bloques al azar
Suponga un factorial axb en p bloques al azar

ab 11 21 22 31 ...... 13
Bloque 1

11 21 ab 12 22 ...... 31
Bloque 2

21 11 12 13 31 ...... ab

Bloque p 12 21 ab 11 22 ...... 13

Diseo de experimentos 2012 105


Diseo factorial en bloques al azar
El modelo:

yijk Ai B j ( AB)ij k ijk


i 1, ,a j 1, ,b k 1, , p

Donde k es el efecto de bloque y

ijk ~ N 0, 2

Diseo de experimentos 2012 106


Diseo factorial en bloques al azar
Tabla de ANOVA

F.V. g.l. S.C C.M. F


Bloques p-1 SSBloque

A a-1 SSA SSA /(a-1) CMA / CME

B b-1 SSB CMB / CME

AB (a-1)(b-1) SSAB CMAB / CME

Error ab(p-1)-p+1 SSE SSE /gle

Total abp-1 SSTot

Diseo de experimentos 2012 107


Diseo factorial axbxc (c.a.)

yijkl i j k
ij ik jk
ijk ijkl
i 1, ,a j 1, ,b k 1, ,c l 1, ,n

Diseo de experimentos 2012 108


Diseo factorial axbxc (c.a.)
Interaccin de tres factores A con 2 niveles, B con 3 y C
con 3 niveles
A- A+
y C2 y C2
C1
50 50 C1

40 40
C3
30 C3 30
20 20
10 10

B1 B2 B3 B1 B2 B3
Diseo de experimentos 2012 109
Otros temas

Factores aleatorios
Anlisis de covarianza
Diseos cruzados
Varias variables dependientes MANOVA
Mediciones repetidas

Diseo de experimentos 2012 110


Bibliografa

Kuehl, R.O. (2000). Design of


Experiments: Statistical Principles of
Research Design and Analysis. 2nd ed.
Brooks/Cole.
Manly,F.J. (2009). Statistics for
Environmental Science and
Management. 2nd ed. Chapman & Hall

Diseo de experimentos 2012 111


Bibliografa

Milliken, G.A. and Johnson, D.E. (1992).


Analysis of Messy Data, Vol. I: Designed
Experiments. Chapman & Hall.
Montgomery D.C. (2005). Design and
Analysis of Experiments. 6. Ed. John
Wiley & Sons.

Diseo de experimentos 2012 112


Bibliografa

Reimann,C.,Filzmoser,P.,Garrett,R.G.,
Dutter,R. (2008). Statistical Data
Analysis Explained. Applied
Environmental Statistics with R. John
Wiley & Sons.

Diseo de experimentos 2012 113