Trabajo nº 10

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

tratamientos, ejecute y desarrolle el análisis de Variancia. Asuma que esta conduciendo como Diseño
Completamente al Azar con 6 repeticiones por combinación 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 más de un factor a la
vez, se desarrolló un tipo especial de diseño de tratamientos, el diseño factorial.
Los diseños factoriales producen experimentos más eficientes, pues cada observación proporciona
información 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 actúan en las unidades experimentales de manera independiente.
La interacción entre factores ocurre cuando su actuación no es independiente.

Ventajas:

 Al obtener información sobre varios factores sin aumentar el tamaño del experimento.
 Se amplia la base de la inferencia en relación a un factor ya que se estudia en las diferentes
condiciones representadas por los niveles de otros factores.
 Se puede obtener una estimación de la interacción 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 difícil encontrar grupos de unidades experimentales
homogéneos para asignar todos los tratamientos, esto se puede eliminar usando el principio de
confusión.
Modelo Aditivo Lineal diseño 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)

Aquí:
μ = 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 interacción del i-ésimo nivel del factor A con el i-ésimo nivel del factor B
(ad )ik = Efecto de la interacción del i-ésimo nivel del factor A con el i-ésimo nivel del factor C
( bd ) jk = Efecto de la interacción del i-ésimo nivel del factor B con el i-ésimo nivel del factor C
 (abd )ijk = Efecto de la interacción del i-ésimo nivel del factor A con el i-ésimo nivel del factor B del k-ésimo
nivel del factor C.
xijkl =variación del error asociado a la ijkl - ésima 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 ANÁLISIS DE VARIANCIA PARA UN ARREGLO FACTORIAL DE 2 FACTORES, CONDUCIDO COMO

DISEÑO 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

Interacción 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
Interacción 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
Interacción BC (b-1)(c-1) b c
CM BC
��X
j =1 k =1 Y
2
. jk . 2
SCBC = - SCB - SCC - ...

ra abcr
Interacción (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 Alimentación de alpacas suri y huacaya, el ultimo tercio de la gestación 14 días antes del parto sobre el
peso cría antes del nacimiento. tendrá que ver con la ganancia en peso de la cría
Para esté experimento se tiene los siguientes factores: la raza, ambiente y la alimentación
Suri (a1)

Factor A: Raza de alpaca:

Huacaya(a2)

Libre(b1)

Factor B: Ambiente

Cobertizo (b2)

Pasto Natural(c1)

Factor C: Alimentación Concentrado proteico(c2)

Maíz 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

Solución:

�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

Análisis 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
Interacción AB 1 6.722 6.722 15.38
RAZA*AMBIENTE
Interacción AC 2 1.217 0.608 1.39
RAZA*ALIMENTACION
Interacción BC 2 2.742 1.371 3.14
AMBIENTE*ALIMENTACI
ON
Interacción “ABC” 2 1.612 0.806 1.84
RAZA*AMBIENT*ALIMEN
T
Residual 60 26.217 0.437
Total 71 42.246

Solución mediante el Software SAS :

Procedimiento GLM

Información del nivel de clase

Clase Niveles Valores

REP 6 123456

RAZA 2 Huacaya Suri

AMBIENTE 2 Cobertiz Libre

ALIMENTACION 3 Concprot Maizlech PastNat

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

Diseños anidados o jerárquicos, Por anidación se entiende que los valores de la variable anidada no se
combinan con los valores de la variable de anidación. De esta forma, la relación entre las variables no es
cruzada, como en los diseños factoriales, sino jerárquica
Una estructura anidada o jerárquica ocurre cuando los datos son obtenidos por muestreo aleatorio en dos o
más etapas. Esto implica que, para cada categoría de la variable de agrupación, los sujetos son distintos; es decir,
los sujetos no se repiten con los valores de la variable clasificatoria.
En el diseño jerárquico o anidado, hay dos niveles de integración 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 métodos.

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:
μ = 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
inespecíficos de una observación sobre un sujeto.

Determinación 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
Y...2
r u
SCTOTAL = ���Y - 2
ijk
i =1 j =1 k =1 tru

Un experto en genetista desea saber cuales son los componentes que están primando en la mejora genética
que esta realizando en su granja de porcinos
Parcelas Divididas

El diseño de parcelas divididas (split-plot) tiene su origen en aplicaciones en Agricultura y Ganadería, donde las
parcelas grandes generalmente eran grandes áreas y las parcelas pequeñas áreas pequeñas dentro de las
grandes, y a cada una de los dos tamaños de parcela le corresponde un tratamiento.
Por ejemplo, ciertas variedades de cultivo se podían sembrar en áreas diferentes (parcelas grandes), una
variedad en cada parcela. Luego cada área se divide en k parcelas pequeñas 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 pequeña.

En general, el diseño de parcelas divididas se utiliza cuando algunos factores requieren u.e. grandes, mientras
que otros factores las requieren más pequeñas.

Alternativamente, algunas veces encontramos que la aleatorización completa no es factible por que es más
difícil cambiar los niveles de algunos factores, por lo que los factores difíciles van a las parcelas grandes,
mientras que los fáciles van a las pequeñas.
Ejemplo de hornos y recetas de pastel La clave para construir los modelos de los diseños de parcelas
divididas es identificar los diferentes tamaños de las unidades experimentales e identificar sus correspondientes
estructuras de diseño y de tratamientos.
Las suposiciones de los modelos de parcelas divididas son las usuales, en el sentido de que los términos de error
para cada una de los tamaños 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 población.
a i = efecto del i-ésimo nivel del factor “A”.
x (a ) = Error experimental de parcelas grandes.
b i = Efecto del j - ésimo nivel del factor “B”
(ab )ij = Efecto de la interacción del i- ésimo nivel del factor A con el bloque j-esimo nivel del
factor B.
x ( b ) = Error experimental de sub parcelas.

Hipótesis 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) Diseño Completamente al Azar.

a2b2 a2b1 a1b1 a2b1

a1b1 a1b2 a3b1 a1b2
 a3b1 a3b2 a2b2 a3b2

CUADRO DE ANÁLISIS DE VARIANCIA PARA UN DISEÑO DE PARCELAS DIVIDIDAS

CONDUCIDO COMO DISEÑO 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) ��Yij2. �Yi..2
Y �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
Y...2 r
SCTOTAL = ���Y - 2
ijk
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 líneas 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