Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseño Experimental Capitulo 3 PDF
Diseño Experimental Capitulo 3 PDF
3.1 Un Ejemplo
Contenido
de Algodón Número de Muestra
(%)
15 1 2 3 4 5
20 6 7 8 9 10
25 11 12 13 14 15
30 16 17 18 19 20
35 21 22 23 24 25
1 8 20
2 18 30
3 10 20
4 23 35
5 17 30
6 5 15
7 14 25
8 6 20
9 15 25
10 20 30
11 9 20
12 4 15
13 12 25
14 7 20
15 1 15
16 24 35
17 21 35
17 11 25
19 2 15
20 13 25
21 22 35
22 16 30
23 25 35
24 19 30
25 3 15
1 2 3 4 5 total media
15 7 7 15 11 9 49 9.8
20 12 17 12 18 18 77 15.4
25 14 18 18 19 19 88 17.6
30 19 25 22 19 23 108 21.6
35 7 10 11 15 11 54 10.08
376 15.04
Tabla 3.3 Resultados del Experimento con Cinco Niveles de Contenido de Algodón
Tal solución sería incorrecta. Existen 10 posibles pares los que, examinados a un nivel de
confianza del 95 % cada uno (1 0. 95), arrojarían en conjunto un nivel de significación del
(0. 95)10 0. 60 . Es decir, existiría un substancial incremento del error del tipo I. El
procedimiento apropiado para examinar la igualdad de varias medias es el Análisis de Varianza.
Tratamiento
(nivel) Observaciones
. . . ... . . . .
. . . ... . . . .
Y ȳ
i 1,2,...... a
y ij i ij
j 1,2,...... n
(3.1)
donde
y ij es la i - esima, j - esima observación
A este modelo se le llama " Análisis de Varianza de Factor Simple" pues se investiga un sólo
factor. Con respecto a los tratamientos o niveles, la Eq. 3.1 describe dos situaciones diferentes:
1. Los niveles o tratamientos ha sido escogidos por el investigador. Este modelo se conoce
como "Modelo de Efectos Fijos".
2. Los niveles o tratamientos ha sido escogidos al azar. Este modelo se conoce con el nombre
de "Modelo de Efectos Aleatorios" o "Modelo de Varianza de Componentes".
En este modelo, los efectos de tratamientos i , se definen como desviaciones de la media total,
es decir que se cumple:
a
i 1
i 0
(3.2)
Ahora, considérense las siguientes definiciones:
n
Yi y ij y i Yi / n i 1,2,......., a
j 1
a n
Y y ij Y Y /N
i 1 j 1
(3.3)
donde N = an , es el numero total de observaciones.
Ei ( yij ) i i i 1, 2,......., a
(3.4)
La Eq. 3.4 indica que la media del tratamiento i es la suma de la media global y del efecto de
dicho tratamiento.
Ho : 1 2 3 ........... a
H1: i j para al menos un par i , j
(3.5)
Ho : 1 2 3 ........... a
H1: i j para al menos un par i , j
(3.6)
De la Eq. 3.6 se concluye que se puede probar la igualdad de medias mediante el examen de la
igualdad de los efectos de tratamiento. El procedimiento apropiado para probar " igualdad de
efectos de tratamiento " es el Análisis de Varianza.
(3.7)
ordenando:
a n a a n
( yij Y ) 2 n ( yi Y ) 2 ( yij yi ) 2
i 1 j 1 i 1 i 1 j 1
(3.8)
La Eq. 3.8 indica que la variabilidad total de los datos es igual a la suma de los cuadrados de las
diferencias entre las medias de los tratamientos y la media total; mas la suma de los cuadrados
de las diferencias entre las observaciones y las medias de cada tratamiento. La Eq. 3.8 se puede
escribir como:
donde SCt es la suma de cuadrados debido a los tratamientos (niveles) y SCe es la suma de
cuadrados debido al error.
a n a n
SCe ( y ij y i ) 2 ( y ij yi ) 2
i 1 j 1 i 1 j 1
(3.9)
De esta manera, se ve que el término dentro de los paréntesis cuadrados dividido entre n-1, es la
varianza muestral del tratamiento i . Es decir:
(y
j 1
ij yi ) 2
S i2 i 1,2,......., a
n 1
1Esto es razonable pues, se se divide SCT entre el número de grados de libertad, an - 1 = N - 1 ,se estaría en presencia de la
varianza muestral misma que es una medida estándar de variabilidad.
a
n i
E (CM e ) 2 y E (CM t ) 2 i 1
a 1
(3.12)
Como se dijo antes, los cuadrados medios son estimaciones de la varianza poblacional y por
tanto, si no existen diferencias entre las medias de los tratamientos ( i2 0) , entonces los
valores esperados de ambos estimadores serán idénticos e iguales a la varianza poblacional.
En virtud del Teorema de Cochran , si el termino SCT es una suma de cuadrados de variables
aleatorias normales y la hipótesis nula Ho : i 0 es verdadera, entonces se cumple lo siguiente:
Ejemplo
Contenido
de Algodón Observaciones
(%) (en kg/cm2)
1 2 3 4 5 totales medias
Yi yi
15 7 7 15 11 9 49 9.8
20 12 17 12 18 18 77 15.4
25 14 18 18 19 19 88 17.6
30 19 25 22 19 23 108 21.6
35 7 10 11 15 11 54 10.08
Y =376 Y = 15.04
5 5
Y2
SCT y 636.96
2
ij
i 1 j 1 N
5
Yi 2 Y 2
SCt 475.76
i 1 n N
En esta sección se desarrollaran estimadores de los parámetros del Modelo de Factor Simple
(Eq. 3.1) empleando el método de mínimos cuadrados. Cuando se estiman y i mediante
mínimos cuadrados, ya no es necesario asumir que los errores ij son independientes y que se
distribuyen normalmente. Para encontrar los estimadores mínimos cuadrados de y i se
desarrolla la suma de los cuadrados de los errores .....
(3.13)
....y se eligen valores ˆ y ˆi , estimadores de y i , que minimicen L. Es decir, se resuelve
el sistema de ecuaciones que se origina de:
L
ˆ , ˆi 0
L
ˆ , ˆi 0
i
El sistema es:
Nˆ nˆ1 nˆ2 ... nˆa Y
nˆ nˆ1 Y1
nˆ nˆ2 Y2
. . .
nˆ nˆa Ya
(3.14)
Las a+1 ecuaciones arriba expresadas se llaman ecuaciones normales de mínimos cuadrados
mismas que no son linealmente independientes y por tanto no tienen un sola solución. Esta
problema puede solucionarse mediante la Eq. 3.2 que establece que los efectos de los
tratamientos son desviaciones de la media. Con dicha condición, las soluciones a la Eq. 3.14
son:
ˆ Y
ˆi yi Y i 1,2,..... a
(3.15)
Esta solución establece que la media global es estimada por la media total de las observaciones
y que cualquier efecto de tratamiento es la diferencia entre la media del tratamiento y la media
total de las observaciones.
Puede demostrarse que un intervalo de confianza de la media de un tratamiento esta dado por:
yi t / 2, N a CM e / n
yi y j t / 2, N a 2CM e / n
Supóngase que al llevar a cabo un análisis de varianza en el modelo de efectos fijos se rechaza
la hipótesis nula lo que implica la existencia de diferencias entre las medias de tratamientos. En
estas circunstancias, otras comparaciones entre grupos de medias de tratamientos suelen ser
muy útiles. Comparaciones entre medias de tratamientos son hechas en términos de totales de
Tratamientos, Y i , o medias de tratamientos, yi .Los procedimientos para llevar a cabo estas
comparaciones se denominan "Métodos de Comparación Múltiple".
Supóngase que el factor de interés tiene a niveles (tratamientos) y que por tanto existen a
( y1 , y2 , y3 ,.... ya ) medias de tratamiento. Si se conociera , cualquier media de tratamiento
tendría un desviación estándar igual a / n . En consecuencia, si todas la medias de los
distintos niveles fuesen idénticas, las media muestrales observadas, yi , se comportarían como si
fuesen un grupo de observaciones extraído al azar de una distribución normal con media Y y
desviación / n . Si no se conoce , se la puede reemplazar por su estimador expresado en la
Eq. 3.12, es decir por CMe , siendo por tanto la desviación estándar (factor de escala) igual a
CMe / n y "t" la distribución a emplearse. El procedimiento consiste en multiplicar valores de
la absisa (factor en estudio) por el factor de escala y reconstruir la curva "t" con dichos valores
de absisa (valores de ordenadas puede extraerse de Box, Hunter y Hunter. 1978). Luego, en la
"nueva" absisa, se localizan los valores medios observados y se observa si dichas medias se
comportan como típicas observaciones tomadas al azar de la población. Es decir, si las
ordenadas de las medias están dentro de la gráfica, están próximas y no muestran una secuencia
definida.