Trabajo n 10

Proporcinese datos para un experimento factorial 2A*2B*3C. Estructure la distribucin experimental de

tratamientos, ejecute y desarrolle el anlisis de Variancia. Asuma que esta conduciendo como Diseo
Completamente al Azar con 6 repeticiones por combinacin de tratamientos.

Factoriales

Experimento factorial es aquel en el que el conjunto de tratamientos consiste en todas la posibles

combinaciones de los niveles de un factor con los niveles de otro factor.

Es posible que las comparaciones entre los tratamientos se vean afectadas de manera sustancial por las
condiciones en las que ocurren. Con frecuencia, las interpretaciones claras de los efectos para un factor de
tratamiento deben tomar en cuenta los efectos de los otros factores. Para investigar ms de un factor a la
vez, se desarroll un tipo especial de diseo de tratamientos, el diseo factorial.
Los diseos factoriales producen experimentos ms eficientes, pues cada observacin proporciona
informacin sobre todos los factores, y es factible ver las respuestas de un factor en diferentes niveles de
otro factor en el mismo experimento. La respuesta a cualquier factor observado en diferentes condiciones
indica si los factores actan en las unidades experimentales de manera independiente.
La interaccin entre factores ocurre cuando su actuacin no es independiente.

Ventajas:

Al obtener informacin sobre varios factores sin aumentar el tamao del experimento.
Se amplia la base de la inferencia en relacin a un factor ya que se estudia en las diferentes
condiciones representadas por los niveles de otros factores.
Se puede obtener una estimacin de la interaccin de los efectos, o sea, se determina el grado y la
forma en la cual se modifica el efecto de un factor en presencia de los niveles de los otros factores.
Desventajas:
El gran numero de combinaciones de tratamientos cuando se estudian muchos factores a muchos
niveles.
Si se desea usar bloques completos es difcil encontrar grupos de unidades experimentales
homogneos para asignar todos los tratamientos, esto se puede eliminar usando el principio de
confusin.
Modelo Aditivo Lineal diseo completamente al Azar:
Yijkl = m... + a i + b j + d k + (ab )ij + (ad )ik + ( bd ) jk + (abd )ijk + xijkl

Donde:
I = 1,2,,a (hasta a niveles del factor A)
j = 1,2,,b (hasta b niveles del factor B)
k = 1,2,,c (hasta c niveles del factor C)
l =1,2,.,r (repeticiones)

Aqu:
= Media poblacional.
a i = efecto del j-esimo nivel del factor A.
b i = efecto del j-esimo nivel del factor B.
d k =efecto del j-esimo nivel del factor C
(ab )ij =Efecto de la interaccin del i-simo nivel del factor A con el i-simo nivel del factor B
(ad )ik = Efecto de la interaccin del i-simo nivel del factor A con el i-simo nivel del factor C
( bd ) jk = Efecto de la interaccin del i-simo nivel del factor B con el i-simo nivel del factor C
 (abd )ijk = Efecto de la interaccin del i-simo nivel del factor A con el i-simo nivel del factor B del k-simo
nivel del factor C.
xijkl =variacin del error asociado a la ijkl - sima unidades experimentales

Modelo de tabla de entrada para 2Ax2Bx3C

A a1 a2
B b1 b2 b1 b2
C c1 c2 c3 c1 c2 c3 c1 c2 c3 c1 c2 c3
R1 Y1111 Y121 Y131 Y111 Y121 Y131 Y211 Y221 Y231 Y211 Y221 Y231
R2 Y1112 Y122 Y132 Y112 Y122 Y132 Y212 Y222 Y232 Y212 Y222 Y232
R3 Y1113 Y123 Y133 Y113 Y123 Y133 Y213 Y223 Y233 Y213 Y223 Y233
R4 Y1114 Y124 Y134 Y114 Y124 Y134 Y214 Y224 Y234 Y214 Y224 Y234
R5 Y1115 Y125 Y135 Y115 Y125 Y135 Y215 Y225 Y235 Y215 Y225 Y235
R6 Y1116 Y126 Y136 Y116 Y126 Y136 Y216 Y226 Y236 Y216 Y226 Y236

CUADRO DE ANLISIS DE VARIANCIA PARA UN ARREGLO FACTORIAL DE 2 FACTORES, CONDUCIDO COMO

DISEO BLOQUE COMPLETAMENTE AL AZAR

F. de V. G.L. Suma de Cuadrados C.M F

(Tratamiento) (t-1) a b c

Y
i =1 j =1 k =1
2
ijk
Y...2
SCTrat = -
r abcr
Factor A (a-1) a
SC A CMA/Cme
Y 2
i ..
Y 2
CM A = ( a -1) e
SC A = i =1
- ...

bcr abcr
Factor B (b-1) b
SCB CMB/Cmee
Y
j =1
2
. j.
Y 2
CM B = ( b -1)
SCB = - ...

acr abcr
Factor C (c-1) c
SCC CMC/Cmee
Y 2
.k .
Y 2
CM C = ( c -1)
SCC = k =1
- ...

abr abcr

Interaccin AB (a-1)(b-1) a b
CM AB
X
i =1 j =1
2
ik .
Y 2
SC AB = - - SC A - SCB
...

rc abcr
Interaccin AC (a-1)(c-1) a c
CM AC
X 2
ik .
Y 2
SC AC = i =1 k =1
- - SC A - SCC
...

rb abcr
Interaccin BC (b-1)(c-1) b c
CM BC
X
j =1 k =1 Y
2
. jk . 2
SCBC = - SCB - SCC - ...

ra abcr
Interaccin (a-1)(b-1)
SC ABC = SCTRAT - SC A - SCB - SCC - SC AB - SC AC - SCBC CMABC/C
ABC (c-1) CM ABC = ( a -1)( b -ABC
1)( c -1) mee
Residual abc(r-1)
SCRe cidual = SCTOTAL - SCTRAT CM RES
Total abcr-1 a b c r
Y...2
SCTOTAL = Yijkl2 - -
i =1 j =1 k =1 l =1 abcr

La Alimentacin de alpacas suri y huacaya, el ultimo tercio de la gestacin 14 das antes del parto sobre el
peso cra antes del nacimiento. tendr que ver con la ganancia en peso de la cra
Para est experimento se tiene los siguientes factores: la raza, ambiente y la alimentacin
Suri (a1)

Factor A: Raza de alpaca:

Huacaya(a2)

Libre(b1)

Factor B: Ambiente

Cobertizo (b2)

Pasto Natural(c1)

Factor C: Alimentacin Concentrado proteico(c2)

Maz molido mas leche(c3)

Datos obtenidos:
A a1 a2
B b1 b2 b1 B
C c1 c2 c3 c1 c2 c3 c1 c2 c3 c1 c2 c3
R1 8.2 7 8.2 7.2 6.8 8.2 6.2 8.2 7.7 8.0 7.1 7.6
R2 8.5 8.2 7.9 6.3 6.2 6.9 8.1 6.5 7.2 7.8 8.9 6.2
R3 8.3 8.0 7.5 6 7.5 8.2 8.6 6.6 7.3 7.6 8.1 6.5
R4 8.2 8.7 7.6 6.5 8.2 7.2 8.5 7.9 7.4 7.2 8.5 6.6
R5 8.6 8.7 7.2 6.6 8.3 7.3 7.0 7 6.5 7.6 7 7.8
R6 8.7 8.2 8.0 6.7 6.5 7.0 7.9 7.5 6.6 8.0 7.2 8.9

A
B
C

Solucin:

Y 2
i ..
Y...2
SC A( Raza ) = i =1
-
bcr abcr

SCRaza = 0.222

YY...2
j =1
2
. j.

SCB ( Ambiente ) = -
acr abcr
SC Ambiente = 2.800

Y Y...2
2
.k .
SCC ( Alimen ) = -
k =1

abr abcr

SC Alim = 0.714

a b

Xi =1 j =1
2
ik .
Y...2
SC AB ( Raza* Ambi ) = - - SC A - SCB
rc abcr

SCRaza* Ambien = 6.722

a c

X 2
ik .
Y...2
SC AC ( Raza* Alime ) = i =1 k =1
- - SCA - SCC
rb abcr

SCRaza* Alim = 1.217

b c

Xj =1 k =1
2
. jk .
Y...2
SC BC ( Ambie*Alime ) = - - SCB - SCC
ra abcr

SC Ambien* Alim = 2.742

SC ABC( Raza*Ambie*Alime ) = SCTRAT - SC A - SCB - SCC - SC AB - SC AC - SCBC

SCRaza* Ambien* Alim = 1.612

SCRe cidual = SCTOTAL - SCTRAT

SCError = 26.217

a b c
Y...2 r
SCTOTAL = Y - 2
ijkl
i =1 j =1 k =1 l =1 abcr

SCTotal = 42.246

Anlisis de variancia para factorial 2x2x3

 F. de V. Grados de Suma de Cuadrados Prueba de F
Libertad Cuadrados Medios
Factor A RAZA 1 0.222 0.222 0.51
Factor B AMBIENTE 1 2.800 2.801 6.41
Factor C 2 0.714 0.356 0.82
ALIMENTACION
Interaccin AB 1 6.722 6.722 15.38
RAZA*AMBIENTE
Interaccin AC 2 1.217 0.608 1.39
RAZA*ALIMENTACION
Interaccin BC 2 2.742 1.371 3.14
AMBIENTE*ALIMENTACI
ON
Interaccin ABC 2 1.612 0.806 1.84
RAZA*AMBIENT*ALIMEN
T
Residual 60 26.217 0.437
Total 71 42.246

Solucin mediante el Software SAS :

Procedimiento GLM

Informacin del nivel de clase

Clase Niveles Valores

REP 6 123456

RAZA 2 Huacaya Suri

AMBIENTE 2 Cobertiz Libre

ALIMENTACION 3 Concprot Maizlech PastNat

Nmero de observaciones 72

Variable dependiente: PESONACI

Suma de Cuadrado de
Fuente DF cuadrados la media F-Valor Pr > F

Modelo 11 16.02944444 1.45722222 3.34 0.0013

Error 60 26.21666667 0.43694444

Total correcto 71 42.24611111

R-cuadrado Coef Var Raiz MSE PESONACI Media

0.379430 8.771337 0.661018 7.536111

Cuadrado de
Fuente DF Tipo I SS la media F-Valor Pr > F

RAZA 1 0.22222222 0.22222222 0.51 0.4785

AMBIENTE 1 2.80055556 2.80055556 6.41 0.0140
RAZA*AMBIENTE 1 6.72222222 6.72222222 15.38 0.0002
ALIMENTACION 2 0.71361111 0.35680556 0.82 0.4468
RAZA*ALIMENTACION 2 1.21694444 0.60847222 1.39 0.2564
AMBIENTE*ALIMENTACIO 2 2.74194444 1.37097222 3.14 0.0506
 RAZA*AMBIENT*ALIMENT 2 1.61194444 0.80597222 1.84 0.1669

Cuadrado de
Fuente DF Tipo III SS la media F-Valor Pr > F

RAZA 1 0.22222222 0.22222222 0.51 0.4785

AMBIENTE 1 2.80055556 2.80055556 6.41 0.0140
RAZA*AMBIENTE 1 6.72222222 6.72222222 15.38 0.0002
ALIMENTACION 2 0.71361111 0.35680556 0.82 0.4468
RAZA*ALIMENTACION 2 1.21694444 0.60847222 1.39 0.2564
AMBIENTE*ALIMENTACIO 2 2.74194444 1.37097222 3.14 0.0506
RAZA*AMBIENT*ALIMENT 2 1.61194444 0.80597222 1.84 0.1669

Proporcinese datos para un diseo anidado doble con cinco tratamientos (aleatorios) Balanceado, con seis
de repeticiones por tratamiento y estime los valores de los componentes de la variancia:

Diseos anidados o jerrquicos, Por anidacin se entiende que los valores de la variable anidada no se
combinan con los valores de la variable de anidacin. De esta forma, la relacin entre las variables no es
cruzada, como en los diseos factoriales, sino jerrquica
Una estructura anidada o jerrquica ocurre cuando los datos son obtenidos por muestreo aleatorio en dos o
ms etapas. Esto implica que, para cada categora de la variable de agrupacin, los sujetos son distintos; es decir,
los sujetos no se repiten con los valores de la variable clasificatoria.
En el diseo jerrquico o anidado, hay dos niveles de integracin o de dependencia. El primero, las medidas
repetidas se hallan anidadas en los sujetos y esto constituye un primer nivel, y en segundo, los sujetos de los
centros se hallan anidados en los valores de la variable de tratamiento o mtodos.

Modelo Aditivo Lineal Doble:

Yijk = m... + t i + d (i ) j + x (ij )k

I = 1,2,,t (Tratamientos)
j = 1,2,,r (Individuos)
k = 1,2,,k (Muestras)

Donde:
= Media poblacional.
a i = efecto de tratamientos.
t i =efecto de tratamientos.
d (i ) j
= error experimental.
x (ij ) k
=representa el error aleatorio de sub-muestreo, o el efecto neto de todos los factores peculiares
inespecficos de una observacin sobre un sujeto.

Determinacin de sumas de cuadrados

Y 2
i ..
(Y... ) 2
SCTrat = i =1
-
ru tru
r n n

X ij2. X i
SCEE = i =1 i =1
- i =1

u ru
SCEM = SCTOTAL - SCTRAT - SCE .E .
t r u
Y...2
SCTOTAL = Yijk2 -
i =1 j =1 k =1 tru

Un experto en genetista desea saber cuales son los componentes que estn primando en la mejora gentica
que esta realizando en su granja de porcinos

Parcelas Divididas

El diseo de parcelas divididas (split-plot) tiene su origen en aplicaciones en Agricultura y Ganadera, donde las
parcelas grandes generalmente eran grandes reas y las parcelas pequeas reas pequeas dentro de las
grandes, y a cada una de los dos tamaos de parcela le corresponde un tratamiento.
Por ejemplo, ciertas variedades de cultivo se podan sembrar en reas diferentes (parcelas grandes), una
variedad en cada parcela. Luego cada rea se divide en k parcelas pequeas y cada una de estas puede ser
tratada con un tipo de fertilizante diferente.
La variedad del cultivo es el tratamiento de la parcela grande y el fertilizante el de la parcela pequea.

En general, el diseo de parcelas divididas se utiliza cuando algunos factores requieren u.e. grandes, mientras
que otros factores las requieren ms pequeas.

Alternativamente, algunas veces encontramos que la aleatorizacin completa no es factible por que es ms
difcil cambiar los niveles de algunos factores, por lo que los factores difciles van a las parcelas grandes,
mientras que los fciles van a las pequeas.
Ejemplo de hornos y recetas de pastel La clave para construir los modelos de los diseos de parcelas
divididas es identificar los diferentes tamaos de las unidades experimentales e identificar sus correspondientes
estructuras de diseo y de tratamientos.
Las suposiciones de los modelos de parcelas divididas son las usuales, en el sentido de que los trminos de error
para cada una de los tamaos de ue se distribuyen independientemente como normales con media cero y una
varianza propia.

Modelo Aditivo Lineal

 Yijk = m... + r..k + a i + x (a ) + b j + (ab )ij + x ( b )

I = 1,2,,a j = 1,2,,b k = 1,2,,r

Donde:

Yijk = Valor en el k bloque en la parcela i y la subparcela j.

m... = Valor constante similar a la media de la poblacin.
a i = efecto del i-simo nivel del factor A.
x (a ) = Error experimental de parcelas grandes.
b i = Efecto del j - simo nivel del factor B
(ab )ij = Efecto de la interaccin del i- simo nivel del factor A con el bloque j-esimo nivel del
factor B.
x ( b ) = Error experimental de sub parcelas.

Hiptesis H o : ai = 0 H o : bi = 0 H o : (ab )ij = 0

H a : a i 0 H a : bi 0 H a : (ab )ij 0
1) Diseo Completamente al Azar.

a2b2 a2b1 a1b1 a2b1

a1b1 a1b2 a3b1 a1b2
a3b1 a3b2 a2b2 a3b2

CUADRO DE ANLISIS DE VARIANCIA PARA UN DISEO DE PARCELAS DIVIDIDAS

CONDUCIDO COMO DISEO BLOQUE COMPLETAMENTE AL AZAR

F. de V. Grados Suma de Cuadrados Cuadrados Prueba

de Medios de F
Libertad
A a-1 a
SC A CM A
Y 2
i ..
Y 2
CM A = ( a -1)
CM EE ( A )
SC A = i =1
- ...

br abr
E.E(A) (a-1) a n n n
SC( EEA )
Yi.2k Y..2k Y 2
..k
Y 2 CM ( EEA ) = a ( r -1)
SCEE ( A ) = i =1 k =1
- i =1
- i =1
+ ...

br ab br abr
B (b-1) b
SCB CM B
Y 2
. j.
Y 2
CM B = ( b -1)
CM EE ( B )
SCB = i =1
- ...

ar abr
(AB) (a-1)(b- a b a a
SC CM AB
1) Y 2
ij . Y Y
2
i .. Y 2
i .. 2
CM AB = AB
( a -1)(b -1)
CM EE ( B )
SC( AB ) = i =1 k =1
- i =1
- i =1
+ ...

r br ar abr
E.E(A) a(b-1)(r- SCEE( B ) = SCTOTAL - SCPARCELA - SCB - SC AB SC ( EEB )
1) CM ( EEB ) = a ( b -1)( r -1)

Total abr-1 a b r
Y...2
SCTOTAL = Yijk2 -
i =1 j =1 k =1 abr

Bloques: (r - 1) = 2
Parcelas Grandes A: ( a - 1) = 2
(a * r ) - 1 = Error a: r - 1)(a - 1) = 4
(

Se desea saber la ganancia en peso vivo en porcinos en una granja de un estudiante de MVZ, para lo cual se
utilizo 27 porcinos de 3 lneas de carne. Con un peso vivo inicial igual, con tres tipos de dietas de
concentrados (5%, 10% y 15%)
Los datos obtenidos son:

A (RAZAS) Duroc Hampshire Landrace

B % concet. 5% 10% 15% 5% 10% 15% 5% 10% 15%
Rep 1 120.1 121.5 121.2 130.0 121.0 120.9 120.1 119.7 119.3

Rep 2 120.8 121.4 120.5 120.5 120.8 121.5 121.7 119.6 118.9

Rep 3 120.5 119.5 119.8 121.6 120.9 121.6 121.8 119.8 119.8