Antecedentes

Esta es la tabla de un problema ya contemplado de parcelas divididas:

Laboratorio: 1 1 1 2 2 2 3 3 3
Mtodo de preparacin: 1 2 3 1 2 3 1 2 3

Temperatura:
200 30 34 29 28 31 31 31 35 32
225 35 41 26 32 36 30 37 40 34
250 37 38 33 40 42 32 41 39 39
275 36 42 33 41 40 40 40 44 45

La cual pudo haberse presentado tambin de la siguiente forma:

Mtodo de 1 1 1 1 2 2 2 2 3 3 3 3
preparacin
Temperatura: 200 225 250 275 200 225 250 275 200 225 250 275
Labor. 1 30 35 37 36 34 41 38 42 29 26 33 33
Labor.2 . .
Labor.3 .

De forma tal que arriba aparecen los dos conjuntos de tratamientos: (mtodo y
temperatura). Nadie dudara que la temperatura de 200 en le primer mtodo guarda una
correspondencia especial con la temperatura de 200 del segundo mtodo. (La misma explicacin es
vlida para las dems temperaturas). Imagine que en lugar de la tabla anterior, la tabla hubiese sido la
siguiente:

Mtodo 1 1 1 1 2 2 2 2 3 3 3 3
de
prepara
cin
Ingredi ma chocol fre Dura cre uv framb sal arr yog cre At
ente n ate sa zno ma a uesa sa oz urt ma n
especial
:
dat dato dat
o o
.

El primer ingrediente (man) dentro del primer mtodo, no guarda ninguna

correspondencia especial con el ingrediente (crema) dentro del segundo mtodo, (La misma
explicacin es vlida para los dems ingredientes) . Una tabla como esta corresponde al diseo jerrquico.
 Diseo Jerrquico

Diseo Jerrquico de 2 etapas

En algunos experimentos de varios factores, los niveles de un factor (digamos el B), no
son idnticos en los diferentes niveles de otra factor (digamos el A). A tal diseo se le
conoce como jerrquico o anidado. Cuando son slo 2 factores los involucrados es un
diseo jerrquico de 2 etapas. Ilustrmoslo con un ejemplo:
Ejemplo.
Un acuario que compra ingredientes orgnicos a tres diferentes proveedores. El acuario
desea determinar si la calidad de los ingredientes es la misma de cada proveedor. Hay
cuatro lotes de ingredientes de cada proveedor, y se hacen determinaciones de la calidad de
cada lote. Si los factores estuvieran cruzados, el lote 1 del primer proveedor estara
relacionado con el lote 1 del segundo proveedor, pero no es as en este caso. Lo mismo
sucede con los dems lotes. Otra manera de decirlo es que los lotes del segundo proveedor
bien podran llamrseles lotes 4, 5 y 6; los del tercer proveedor seran 7, 8 y 9; toda vez que
no guardan relacin los lotes de cada proveedor con respecto a los dems proveedores.
Las medidas de calidad estn expuestas en la siguiente tabla:

Proveedor 1 Proveedor 2 Proveedor 3

lotes 1 2 3 4 1 2 3 4 1 2 3 4
1 -2 -2 1 1 0 -1 0 2 -2 1 3
-1 -3 0 4 -2 4 0 3 4 0 -1 2
0 -4 1 0 -3 2 -2 2 0 2 2 1
Los lotes de ingredientes se eligieron al azar de cada proveedor.
La calidad vara considerablemente, lo que genera problemas con los clientes cuando
stos ven variaciones en las distintas compras.
Se desea saber si las diferencias de calidad obedecen a los distintos proveedores o si ms
bien corresponden a los distintos lotes.
Los datos vaciados en Statistica exhiben la siguiente estructura:
El modelo estadstico para el diseo jerrquico es:

yij = + j + j(i)+ e(ij)k.

i= 1, 2, ,a
j= 1, 2, ,b
k= 1, 2, ,n

Entonces, existen a niveles para el factor A, y b niveles para el factor B, jerarquizados

bajo cada nivel de A, y n rplicas. El subndice j(i) dice que el j-simo nivel del factor B
est anidado en el i-simo nivel del factor A. las rplicas estn anidadas dentro de las
combinaciones de los niveles de A y B. el subndice (ij)k se usa para el trmino del error.

Las relaciones en las sumas de cuadrados son:

SS T = SS A +SS B(A) +SSE
La suma de cuadrados del error (SSE), usa ab(n-1) grados de libertad. La suma de
cuadrados total (SST) usa abn-1 grados de libertad.. SS A usa a-1 g. l. y SS B(A) usa a(b-1)
g.l. Si los errores son NID(0, 2) entonces cada suma de cuadrados del segundo miembrote
la ecuacin anterior puede dividirse entre sus correspondientes grados de libertad para
producir medias de cuadrados con distribuciones independientes. Las razones de cualquier
par de stas medias de cuadrados tienen distribuciones F.
Si los factores A y B son fijos, se supone que
 a b

j = 0 y que
j 1
j(i) =0
i 1

Si los factores A y B son aleatorios, se supone que las distribuciones de j y de j(i) son
NID(0, 2) y NID(0, 2) respectivamente. En la siguiente tabla se presentan los valores
esperados de las medias de cuadrados para estas situaciones:

E(MS) A fija, B fija A fija, B aleatoria A aleatoria, B aleatoria

E(MAE)
bn 2
2
+n 2
+ 2 +n 2 + b n
2+ i

a 1 2

bn i2
a 1
E(MA B(A))
2+ 2 +n 2 2 +n 2

n j2(i )
a (b 1)
E(MAE)
2
2 2

Esa tabla indica que si los niveles de A y B son fijos, Ho: i=0 y Ho: j(i) =0 se
prueban mediante MSA/ MSE y MSB(A)/MSE respectivamente. Si A es un factor fijo y B es
aleatorio entonces Ho: i=0 se prueba mediante MSA/ MSB(A) y Ho: 2 =0 mediante
MSB(A)/MSE. Finalmente, si tanto A como B son aleatorios, las hiptesis Ho : 2 = 0 y
Ho : 2 =0 se prueban mediante MSA/ MSB(A) y MSB(A)/MSE respectivamente. Los
procedimientos para estas pruebas aparecen en la siguiente tabla:

.
Fuente de Suma de Cuadrados Grados de Medias de
Variacin Libertad Cuadrados
A 2
y y 2 a-1 MSA
i

i
bn abn

B dentro de A a(b-1) MSB(A)

yij2 yi2
i i
j
n bn
Error i j
ab(n-1) MSE
 yij2
2
y i
k ijk
j n
Total y2 abn-1
i j k
2
yijk
abn

Siguiendo los pasos para trabajar con el diseo jerrquico:

Statistic Advanced Linear/Nonlinear Models General Linear Models Nested Design
AnovaOkVariables(en var. dependiente elegir calidad, en categorical predictors
elegir lote y proveedor) OkOptions Random factors(elegir lote) OkOkAll
effects.

Intente contestar las siguientes preguntas, presionando los botones de los cuadros de
dilogo que aparezcan en el contorno del procedimiento:
a) Hay diferencia significativa entre los proveedores? (Se acepta Ho o Ha), considere
tratamiento (proveedor) =proceso
b) Existe un proveedor significativamente mejor que los otros?
c) Hay diferencia significativa entre los lotes? (Se acepta Ho o Ha)?

Nota: en el diseo los lotes son aleatorios, si hubiesen sido fijos, se seguiran los siguientes pasos:

Statistic Advanced Linear/Nonlinear Models General Linear Models Nested Design AnovaOkVariables(en var.
dependiente elegir calidad, en categorical predictors elegir lote y proveedor) OkAll effcts

Cabe sealar que los lotes son aleatorios ( no fijos ) porque se eligieron al azar de cada
proveedor. Esto significa que cada proveedor manejaba ms de 4 lotes, y los 4 referidos
fueron escogidos al azar de todos los lotes pertenecientes del proveedor. Hubiesen sido fijos
si cada proveedor hubiese manejado slo 4 lotes, los cuales todos estaran representados
en la tabla.
El anlisis de varianza se presenta en la tabla anterior. No hay diferencia significativa
en la calidad que se atribuya a los proveedores., pero s la hay en los lotes de dentro de
cada proveedor. Las implicaciones de stos resultados son interesantes. Si la diferencia de
calidad se hubiese atribuido a los proveedores, entonces el acuario hubiese considerado
seriamente en elegir al mejor proveedor. Pero la diferencia de calidad fu atribuida a los
lotes, esto quiere decir que el acuario, si desea mejorar la calidad, debe trabajar con todos
los proveedores en sus procesos de produccin o en el sistema de control de calidad interno.

Factores cruzados.

En ocasiones, es posible que el diseo en cuestin tenga algunos factores cruzados

(como en el diseo factorial) y otros anidados (como en el jerrquico). Inspirmonos en el
siguiente ejemplo para profundizar mejor en estos tipos de diseos mixtos:

Ejemplo:
Un eclogo est estudiando los tiempos para llevar a cabo determinadas mediciones de
la densidad de cierta especie de rbol. Las mediciones se llevan a cabo usando tres
distintos software, se trabaja en dos distintos ecosistemas y l se apoya en 4 operadores
para cada ecosistema. Dado que los ecosistemas estn distanciados entre s, los 4
operadores de un ecosistema no son los mismos que en el otro ecosistema. Se obtiene dos
rplicas de en cada combinacin de tratamientos, los tiempos son los siguientes:

Ecosistem 1 1 1 1 2 2 2 2
a
Operador 1 2 3 4 1 2 3 4
Software 1 22 23 28 25 26 27 28 24
Software 1 24 24 29 23 28 25 25 23
Software 2 30 29 30 27 29 30 24 28
Software 2 27 28 32 25 28 27 23 30
Software 3 25 24 27 26 27 26 24 28
 Software 3 21 22 25 23 25 24 27 27

Los datos vaciados se exhiben de la siguiente forma:

Notemos que los operadores estn jerarquizados en los 2 ecosistemas. Mientras que los
software y los operadores pueden estar cruzados (esto es podra haber interaccin entre
ellos). Adems, no puede haber interaccin entre ecosistemas y operadores porque no todos
los operadores operan en todos los ecosistemas, y por ende, no puede existir tampoco la
interaccin operador-ecosistema-software.

El modelo estadstico para este diseo es:

yijkl = + i + )+ k(j)+ ( )ij+( )ik(j)+ e(ijk)l.

Para nuestro ejemplo:

i es el efecto del i-simo software
) es el efecto del j- simo ecosistema
k(j) es el efecto del k-simo operador dentro del j-simo ecosistema
( )ij es la interaccin software por ecosistema
( )ik(j) es la interaccin de software por el operador dentro del ecosistema
e(ijk)l. es el trmino del error.

As:
i= 1, 2,3,
j= 1, 2.
k= 1, 2,3,4
l=1,2

Las sumas de cuadrados se calculan de manera usual, es decir:

Suma de cuadrados de los software:

yi2 y2
SS sof= ibcn abcn
Suma de cuadrados de los ecosistemas:
y y2j
2
SS eco=

i
acn abcn
Suma de cuadrados total:
y2
SS tot = y
i j k
2
ijkl
l
abcn
Suma de cuadrados de los software por los ecosistemas
yij2
y2
SS sof x eco = i j

cn abcn
- SSsof -SSeco

Suma de cuadrados de los operadores dentro de los ecosistemas:

y2jk y2j
SS ope(eco) = j
k
an

j acn

Suma de cuadrados de la interaccin software por operador dentro del ecosistema:

yijk2 y2jk

yij2 y2j
SS sof x ope(eco) = i j - +
cn acn
k
n j k an i j j

Suma de cuadrados del error:

SSE= SStot- SSsof SSeco- SSsof x eco- SSope(eco)- SS sof x ope(eco)

Los pasos para trabajar con este diseo en Statistica son:

Statistic Advanced Linear/Nonlinear Models General Linear Models General
Linear ModelsOk Variables(en var. dependiente elegir tiempos, en categorical
predictors elegir las dems) OkOptionsRandom Factors(elegir operador)
OkQuickBetween effectsUse custom effects for the between design, entonces
est presente el siguiente cuadro de dilogo:

Elegir software y ecosistemas, presionar Add, entonces el cuadro es::

Elegir operador y ecosistema de la lista izquierda y presionar Hierarc Nest, entonces

aparece el cuadro, donde elegir ecosistema y presionamos Ok: (esto es, porque los
operadores estn jerarquizados en los ecosistemas, no al revs)
 En el sig. cuadro, elegimos ecosistema de la lista derecha y presionamos remove, esto es,
porque no queremos incluir en el modelo al efecto del ecosistema 2 veces:

Elegimos software y ecosistema del la lista izquierda y presionamos full cross como en
el siguiente cuadro, para incluir la interaccin de esos 2 factores:

Por ltimo, elegimos, en la lista derecha, software y adems operador (ecosistema)

como en el siguiente cuadro y presionamos despus cross
 El cuadro finalmente obtenido es:

Presionemos OK, Ok y All effects, aparecern los resultados del anlisis de varianza:

Cabe sealar que los operadores son aleatorios ( no fijos ) porque se eligieron al azar
para cada software. Hubiesen sido fijos si para cada software existieran en el mundo
entero 4 operadores capaces de manipularlos (los representados en la tabla), lo cual se
antoja imposible. Esa condicin de aleatorios se condicion en el procedimiento cuando
se eligi operador en Random Factors.
Considere que los datos representan tiempos, entonces a menores tiempos de tardanza
se considera mayor eficacia de los procesos respectivos.
 Preguntas:

a) Hay diferencia significativa entre los software? (Se acepta Ho o Ha), considere
tratamiento =proceso
b) Existe un software significativamente mejor que los otros?
c) Hay diferencia significativa entre los ecosistemas? (Se acepta Ho o Ha), considere
tratamiento =proceso
d) Existe un software significativamente mejor que los otros?
e) Hay interaccin software ecosistema?
(de haberla, significara que para alguna combinacin de determinado software con
determinado ecosistema se potencializaran (o en su defecto se inhibiran) en gran manera
los tiempos de medicin de la densidad de los rboles.
f) Hay diferencia significativa entre los operadores? (Se acepta Ho o Ha), considere
tratamiento (software) =proceso. De haberla significa que unos operadores son ms
habilidosos que otros para realizar las mediciones en el menor tiempo posible. Para ello
vea la p de operador(ecosistema)

De los resultados del anlisis de varianza se pueden apreciar las siguientes

observaciones:
1. Se observa que los software difieren de forma significativa, indagando en las
grficas que ofrece Statistica puede determinar cul es el mejor (o mejores si fuesen
dos) software.
2. Hay diferencia significativa de los operadores dentro de los ecosistemas.
3. Hay interaccin entre los software y los operadores dentro de los ecosistemas. Ello
indica que el efecto del software no es el mismo para cada operador en los entornos
de los ecosistemas. Dicho de otra forma, hay operadores que manejan de forma ms
eficiente que otros (en trminos de tiempo) ciertos software.
4. Por lo visto, los ecosistemas difieren poco en los tiempos de trabajo.
5. La interaccin entre el software y los ecosistemas indica que unos software son ms
eficaces que otros dependiendo del ecosistema en cuestin.

De lo anterior, se desprende, que:

a) Si elegimos All effects Gragh, luego software y luego Ok, aparece:
 El software que menos reduce los tiempos de trabajo es el segundo, es el peor.
b) No se puede determinar la eleccin del mejor software (si el 1 o el 2), porque
si se sigue la secuencia
More ResultPost Hoc (En effect elegir software) Scheff
aparece el cuadro:

el cual, en la interseccin de la fila 1 con la columna 3 (para comparar los software

1 y 3) est 0.941654 (que es mayor que el valor de significancia digamos 0.05) y se
determina que no hay diferencia significativa entre los software 1 y 3.

c) No obstante por las interacciones donde se v involucrado el efecto software, es

posible, que analizando las grficas y tablas respectivas, se identifiquen los mejores
o perores software para las condiciones de entorno muy especficas.