Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseños 2
Diseños 2
Factoriales
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
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)
Huacaya(a2)
Libre(b1)
Factor B: Ambiente
Cobertizo (b2)
Pasto Natural(c1)
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
a c
X 2
ik .
Y...2
SC AC ( Raza* Alime ) = i =1 k =1
- - SCA - SCC
rb abcr
b c
Xj =1 k =1
2
. jk .
Y...2
SC BC ( Ambie*Alime ) = - - SCB - SCC
ra abcr
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
Procedimiento GLM
REP 6 123456
Nmero de observaciones 72
Suma de Cuadrado de
Fuente DF cuadrados la media F-Valor Pr > F
Cuadrado de
Fuente DF Tipo I SS la media F-Valor Pr > F
Cuadrado de
Fuente DF Tipo III SS la media F-Valor Pr > F
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.
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.
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.
Donde:
H a : a i 0 H a : bi 0 H a : (ab )ij 0
1) Diseo Completamente al Azar.
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:
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