Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DE INGENIERÍA
UNI- NORTE - SEDE REGIONAL ESTELÍ
Objetivos
t r 2 2
n
∑ ∑( xi ) ∑ xij
1 1 − 1
r n
LMD 2006
Estadística II. Unidad II. Diseño de Experimentos
Índice
UNIVERSIDAD NACIONAL DE INGENIERÍA..............................................................1
1 Pruebas de Hipótesis..........................................................................................................2
2 Experimentación, conceptos básicos..................................................................................4
3 Modelos ANDEVA............................................................................................................6
3. Andeva uni Factorial, anova one way, experimento como diseño completamente
aleatorio, DCA............................................................................................................10
Un Ejemplo.....................................................................................................................11
Tabla de Datos. Peso en onzas. Parte aérea plántula de café. .........................................12
Tratamiento/ Bloques......................................................................................................12
Tabla de ANDEVA ........................................................................................................12
4 ANDEVA para un Diseño BCA.......................................................................................13
........................................................................................................................................15
Un Ejemplo......................................................................................................................16
Tabla de ANDEVA ........................................................................................................17
........................................................................................................................................21
Tratamientos....................................................................................................................21
5. Diseño de Cuadro Latino.................................................................................................21
6. Diseño en Cuadro Greco Latino......................................................................................24
7. Análisis de la varianza de dos factores con interacción..................................................25
8. Referencias......................................................................................................................30
1 Pruebas de Hipótesis
H0 cierta H0 falsa
H1 cierta
H0 rechazada Error tipo I (α ) Decisión correcta (*)
H0 no rechazada Decisión correcta Error tipo II (β )
LMD, 2008 2
Estadística II. Unidad II. Diseño de Experimentos
H 0 : θ = θ0
H1 : θ ≠ θ...... θ θ0 ....... θ θ0
Obsérvese que, de esta manera, se está más seguro cuando se rechaza una
hipótesis que cuando no. Por eso se fija como H0 lo que se quiere rechazar.
LMD, 2008 3
Estadística II. Unidad II. Diseño de Experimentos
LMD, 2008 4
Estadística II. Unidad II. Diseño de Experimentos
Ejercicio
LMD, 2008 5
Estadística II. Unidad II. Diseño de Experimentos
3 Modelos ANDEVA
La técnica del Análisis de la Varianza (ANDEVA) es una de las técnicas más
utilizadas en los análisis de los datos de los diseños experimentales. Se utiliza
cuando queremos contrastar más de dos medias, por lo que puede verse como
una extensión de la prueba t para diferencias de dos medias.
Los modelos que permite construir el ANDEVA pueden ser reducidos al cociente
entre dos varianzas, el numerador es la varianza del modelo como los
tratamientos, bloques etc. Y el denominador es la varianza de los errores. Por
ejemplo en un caso de Andeva unifactorial ó anova one way el valor “F”
2
S trat
calculado es 2
S error
El ANDEVA está basado en ciertos supuestos, unos más posibles que otros Es
evidente que cuantos más factores introduzcamos se espera que quede menos
LMD, 2008 6
Estadística II. Unidad II. Diseño de Experimentos
cantidad de variación residual (error) por explicar. Pero siempre quedará alguna
variación residual.
LMD, 2008 7
Estadística II. Unidad II. Diseño de Experimentos
LMD, 2008 8
Estadística II. Unidad II. Diseño de Experimentos
• Logaritmo Log (x), útil cuando los datos crecen en sentido exponencial o
cuando las desviaciones estándares de las muestra sean
aproximadamente proporcionales a los promedios o hay evidencia de
efectos principales multiplicativos de los tratamientos en vez de aditividad.
• La transformación x +0.5 útil cuando los números observados son
pequeños 0-10, por ejemplo son acontecimientos pocos comunes, tienen
una posibilidad muy baja de ocurrir en cualquier individuo. Estos datos
tienden a seguir una distribución de Poisson.
• La transformación Arcoseno x / 100 cuando los datos son expresados en
por ciento o son proporciones de la muestra total. Por lo general estos
datos tienen una distribución binomial envés de una distribución normal.
Como último recurso, ante datos dudosos de análisis se puede usar el uso de
métodos de estadística no paramétrica. Es importante mencionar que el empleo
de estadística no paramétrica o el uso de transformaciones no eliminan el
problema de la falta de aleatoriedad de las unidades experimentales, errores por
un mal diseño del experimento o por una mala toma de datos, es decir, la
ejecución incorrecta de un experimento no tiene un remedio apropiado.
LMD, 2008 9
Estadística II. Unidad II. Diseño de Experimentos
LMD, 2008 10
Estadística II. Unidad II. Diseño de Experimentos
Estadístico de Prueba:
F = S²tratamientos /S²error
Regla de Decisión:
Si Fcalculado es mayor que la Ftabla se rechaza Ho, ya que el Fcalculado esta en zona de
rechazo de la hipótesis nula, Ho de la distribución “F”.
Modelo de ANDEVA
Causa de Grados Suma de Cuadrados Cuadrado “FCalculado”
Variación de Medio, CM
Libertad “S2”
Tratamientos t
r
2
n
2 S .C.Tratamient 2
STratamient
∑1 ∑1 ( xi ) ∑1 xij
os os
G.L.Tratamient 2
S Error
“t – 1” os
−
r n
Total n
2
2 ∑ xij
“n – 1 “
∑(x )
n
ij − 1
1 n
Un Ejemplo
Una tesis de estudiantes evaluó 4 tipos de abono, uno con base de pulpa de café,
otro con base de lombrihumus, abono de lombriz y se utilizaron 2 testigos, uno
con la dosis de fertilización química tradicional, testigo relativo y otra con tierra sin
LMD, 2008 11
Estadística II. Unidad II. Diseño de Experimentos
abono extra, testigo absoluto. La variable de producción fue grs. promedio del
peso seco de las plántulas de café a los 6 meses de siembra por unidad
experimental, el ensayo tuvo cuatro repeticiones. A continuación se muestran los
datos obtenidos.
Tabla de Datos. Peso en onzas. Parte aérea plántula de café.
Tratamiento/ I II III IV ∑tratam X
Bloques
Pulpa café 1.00 0.90 1.16 0.98 4.04 1.01
Lombrihumus 1.65 1.59 2.00 1.65 6.89 1.72
Químico 1.69 1.52 1.40 1.46 6.07 1.52
Tierra 0.58 0.60 0.60 0.46 2.24 0.56
Σrepeticion es 4.92 4.61 5.16 4.55 19.24
Tabla de ANDEVA
Causa de Grados Suma de Cuadrado “FCalculada”
Variación de Cuadrados Medio, CM
Libertad “S2”
Tratamientos 4 –1 = 3 3.28 3.28/ 3 =1.09 1.09/0.02=
65.18
Error 15- 3 = 0.20 0.2/12 =0.02 P valor 0.00
12
Total 16 – 1 = 3.48
15
2
n
2 ∑ xij
Suma de Cuadrados Total =
∑(x )
n
ij − 1
1 n
= (1.002 + 0.902 + 1.162 +0.982...+ 0.462 ) – ((1.00 + 0.90 + 1.16 +0.98...+ 0.46)2 /
16)
LMD, 2008 12
Estadística II. Unidad II. Diseño de Experimentos
2 2
b n t
∑ ∑ ( xi ) ∑ xij
Suma de cuadrados de los Tratamientos = 1 1 − 1
b n
Interpretación
La prueba resulta en
H1:n _t o_l _µo_ds _i so g ns u a l e s
Ya que la “F” calculada 65.18 > “F” Tabla 3.49 (con 3 y 12 grados de libertad)
El Diseño
LMD, 2008 13
Estadística II. Unidad II. Diseño de Experimentos
El BCA exige que en cada bloque se encuentren todos los tratamientos, de ahí el
nombre de “bloques completos” y que los bloques se ubiquen de manera
transversal al gradiente que perturba de mayor grado el área experimental, por
ejemplo: pendiente de suelos, vientos, riego, luz, etc. De esta manera se trata de
reducir la suma de cuadrados del error, es decir reducir la varianza del error y así
poder explicar con el modelo la variación ocurrida en el área experimental. El
punto débil del modelo es que se pierden grados de libertad del error por lo tanto
sino se reduce la suma de cuadrados del error el BCA pierde precisión frente a
un DCA.
LMD, 2008 14
Estadística II. Unidad II. Diseño de Experimentos
de un diseño B.C.A
Análisis de Varianza
Hipótesis:
Ho: μ1= μ2=..... = μk
H1: no todas los μk son iguales
Ho: μ1= μ2=..... = μj
H1: no todas μj son iguales
Nivel de significación:
α = 0.05 ó 0.01
Estadístico de Prueba:
Ftratamientos = S2tratam²/S2error ; Fbloques= S2bloque/S2error
Regla de Decisión:
Si Fcalculado es mayor que la Ftabla se rechaza Ho
LMD, 2008 15
Estadística II. Unidad II. Diseño de Experimentos
Bloques “b – 1” t
2
n
2 S .C.bloques
( )
b 2
S bloques
∑1 ∑1 j ∑1 xij
x G.Lbloques 2
S Error
−
t n
(b -1)“
Total n
2
2 ∑ xij
“n – 1 “
∑(x )
n
ij − 1
1 n
Donde:
”i” es cualquier tratamiento
“j” es cualquier bloque
“t” es el número de tratamientos
“b” es el número de bloques
“n” es el número de unidades experimentales, es igual a “b * t”.
Un Ejemplo
Se analiza el mismo ejemplo anterior pero considerando que las repeticiones
tuvieron un diseño de bloques
LMD, 2008 16
Estadística II. Unidad II. Diseño de Experimentos
Tabla de ANDEVA
Causa de Grados de Suma de Cuadrado “FCalculada”
Variación Libertad Cuadrados Medio, CM
“S2”
Tratamientos 4 –1 = 3 3.28 1.09
Tratam = 69.94
Bloques 4 –1 = 3 0.06 0.02
2
n
2 ∑ xij
Suma de cuadrado Total =
∑(x )
n
ij − 1
1 n
= (1.002 + 0.902 + 1.162 +0.982...+ 0.462 ) – ((1.00 + 0.90 + 1.16 +0.98...+ 0.46)2 /
16)
2 2
b n t
LMD, 2008 17
Estadística II. Unidad II. Diseño de Experimentos
2 2
t n
( )
b
∑ ∑
Suma de cuadrados de Bloques = 1 1
x j ∑ xij
− 1
t n
Suma de cuadrados del Error = S.C total – S.C tratamientos – S.C bloques
LMD, 2008 18
Estadística II. Unidad II. Diseño de Experimentos
Separación de Promedios
Estas pruebas se realizan solamente cuando el resultado del ANDEVA refleja que
estamos en H1, es decir al menos los promedios extremos son diferentes. Las
pruebas que veremos son: Diferencias significativas mínimas, Prueba de rangos
múltiples de Duncan y la Prueba de rangos múltiples de Tukey.
2 * CM error
DSM0.05 = “t0.05” *
r
2 * 0.156
DSM0.05 = 2.262 * = 0.63 gr
4
LMD, 2008 19
Estadística II. Unidad II. Diseño de Experimentos
El valor “t” de tabla se busca con los grados de libertad del error, en este caso es
de 9 y para un alfa del 5 %. El valor DSM de 0.63 g se contrasta con las
diferentes diferencias de promedios respecto al testigo. Si la diferencia de
promedios es mayor que el valor DSM, se concluye que estos promedios son
diferentes.
LMD, 2008 20
Estadística II. Unidad II. Diseño de Experimentos
CM error
DSM Tukey = q α, gl error, “t” *
r
Donde “q” es un valor tabulado, donde se considera: el valor alfa de 0.05, los
grados de libertad del error, 9, y el número de tratamientos,4. En este ejemplo el
valor “q” es 4.415
0.156
DSM Tukey = 4.415 * = 0.87 gr
4
Tabla de Diferencias
Tratamientos Lombri Químico Pulpa café Tierra
humus
Lombrihumus - 0.20 0.71 1.16**
Químico - 0.52 0.96**
Pulpa café - 0.45
Tierra -
Según este cuadro las únicas diferencias mayores a 0.87 gr son las que hay
entre “el Lombrihumus y el testigo tierra” y entre “el químico y el testigo tierra”. En
este ejemplo, coinciden en resultados la prueba de Tukey y la prueba DSM,
debemos considerar que no siempre sucede así.
LMD, 2008 21
Estadística II. Unidad II. Diseño de Experimentos
Grupo Animales T1 T2 T3
/Tiempo
Grupo 1 A B C
Grupo 2 C A B
Grupo 3 B C A
En este caso, cada alimento se aplica una sola vez por cada grupo de animales
junto con cada tiempo, y si existiesen efectos sistemáticos debido a diferencias
entre los animales o entre los tiempos, dichos efectos estarían presentes de igual
manera en cada tratamiento, esto es, en cada tipo de alimento.
En este modelo se pueden observar que las diagonales repiten el mismo grupo,
ver el caso de la diagonal A-A-A, B-B y C-C. Estas diagonales no son problema
en esta caso ya que las columnas son el Factor “tiempo”, y el tiempo no se
perturba diagonalmente, sin embargo si el diseño fuera con filas y columnas en el
espacio, por ejemplo filas E-O y columnas N—S, las diagonales no son
LMD, 2008 22
Estadística II. Unidad II. Diseño de Experimentos
deseables ya que pueden ser una fuente de error. En este caso se recomienda
sortear filas y columnas de forma independiente.
A B C D A B C D E
B C D E B A E C D
C D A B C D A E B
D A B C D E B A C
E C D B A
Filas
Columnas
Análisis de Varianza
Hipótesis:
Ho: μ1= μ2=..... = μi
H1: no todas las μi , tratamientos, son iguales
LMD, 2008 23
Estadística II. Unidad II. Diseño de Experimentos
LMD, 2008 24
Estadística II. Unidad II. Diseño de Experimentos
Aα Bβ Cχ Dδ
Bχ Cδ Dα Eδ
Cδ Dα Aβ Bχ
Dβ Aχ Bδ Cα
LMD, 2008 25
Estadística II. Unidad II. Diseño de Experimentos
Análisis de Varianza
Hipótesis de los Factores A y B:
Ho: μ1= μ2=..... = μi ;
H1: no todas los μi son iguales para el Factor A
Ho: μ1= μ2=..... = μj ;
H1: no todas μj son iguales para el Factor B
Hipótesis de Interacción
Ho: El Factor A no interactúa con el Factor B
H1: El Factor A interactúa con el Factor B
Nivel de significación:
α = 0.05 ó 0.01
Estadístico de Prueba:
F1= S2A ²/S2error; F2= S2B/S2error; F3= S2AB/S2error
Regla de Decisión:
Si Fcalculado es mayor que la Ftabla se rechaza Ho
ANDEVA de un Diseño Bifactorial con interacción
Causa de Suma de Cuadrados Grados de Cuadrado “FCalculado”
Variación Libertad Medio, CM
“S2”
Total SCtotal n-1
Tratamientos SCtratamientos t-1
Totales
Factor A SCA a-1 S2A S2A /Serror²
Factor B SCB b-1 S2B S2B S2error
Factor AxB SCAxB (a-1)(b-1) S2AxB S2AxB S2error
Error SCError n-t
Donde:
• t = número tratamientos totales,
• a = número tratamientos del Factor A,
• b=número de tratamientos del Factor B
• SCAxB = SCtratamientos - SCA- SCB
• SCError = SCtotal - SCtratamientos
LMD, 2008 26
Estadística II. Unidad II. Diseño de Experimentos
Horas Estudio
Notas Sexo codificado
80 2 2
81 2 2
73 2 2
79 2 2
78 1 2
75 1 2
70 1 1
80 1 2
80 2 2
74 1 1
76 1 2
64 2 1
76 2 2
70 2 1
LMD, 2008 27
Estadística II. Unidad II. Diseño de Experimentos
69 2 1
73 1 1
69 1 1
86 1 3
82 1 3
88 1 3
70 1 1
85 1 3
80 2 3
90 2 3
84 2 3
76 2 1
Estos resultados nos dicen que no hay diferencias de notas según sean los
estudiantes varones o mujeres (significación de 0.784 mayor al 0.05), pero por
otro lado si se observa diferencias entre las horas de estudio (significación de
0.00 menor al 0.05), con esta última variable y este resultado se debe hacer una
separación de promedios.
Regla de decisión:
Si la Significación es mayor a 0.05 se está en Hipótesis Nula
Gráfico de Interacciones
LMD, 2008 28
Estadística II. Unidad II. Diseño de Experimentos
Este gráfico nos permite observar si hay interacción con los dos factores, “sexo” y
”horas de estudio”. Esta interacción ocurre si las rayas generadas por las
variables se cruzan, lo que sería una confirmación de la existencia de interacción
entre sexo y horas de estudio. Como esto no se observa en el gráfico que se
muestra a continuación, se puede concluir que coinciden los resultados del
ANDEVA y del gráfico.
LMD, 2008 29
Estadística II. Unidad II. Diseño de Experimentos
85
Sexo
varón
Mujer
80
Notas
75
70
8. Referencias
LMD, 2008 30
Estadística II. Unidad II. Diseño de Experimentos
LMD, 2008 31