tema: MÉTODO DUNNET Y SCHEFFÉ

MÉTODO DUNNET Y SCHEFFÉ

INTRODUCCIÓN

Mediante esta investigación explicaremos algunas técnicas para analizar con mayor detalle los datos de un experimento,
según sea el caso. Para ello decimos que el método Dunnet se utiliza en ANOVA para crear intervalos de confianza para las
diferencias entre la media de cada nivel de los factores y la media de un grupo de control, mientras que el método de Scheffe
es un test de comparaciones múltiples, donde permite comparar, como los demás contrastes de este tipo, las medias de la t
niveles de un factor después de haber rechazado la Hipótesis nula de igualdad de medias mediante la técnica ANOVA.

OBJETIVOS

General.

Dar a conocer de manera clara el empleo de los métodos Dunnet y Scheffé

FUNDAMENTO TEÓRICO

Método Dunnet

El método de Dunnett se utiliza en ANOVA para crear intervalos de confianza para las diferencias entre la media
de cada nivel de los factores y la media de un grupo de control. Si un intervalo contiene cero, entonces no existe
diferencia significativa entre las dos medias comparadas. Usted especifica una tasa de error por familia para todas
las comparaciones y el método de Dunnett determina los intervalos de confianza para cada comparación individual,
según el caso.

En muchos experimentos uno de los tratamientos es el control, y el investigador está interesado en comparar cada
una de las otras K- 1 medias de los tratamientos contra el control, por lo tanto, existen K- 1 comparaciones.
(Delgado, 2001)

Un procedimiento para realizar estas comparaciones es la prueba de Dunnett, si se supone que el control es el
tratamiento a, entonces se desea probar las siguientes hipótesis:

Ho: u2 = ua

H1: u2 ≠ ua

para i = 1,2, … . , k − 1

El procedimiento de Dunnett es una modificación de la prueba t. Para cada hipótesis se calcula el valor absoluto de
la diferencia de medias observadas

̅i. − ̅
|Y Yk. | con i = 1,2, … . , k − 1
El rechazo de la hipótesis nula se realiza con una probabilidad de error tipo I, así.

1 1
̅i. − ̅
|Y Yk. | > d ∝ (k − 1, f)√MSE( + )
ni nk

Donde:

𝐝 ∝ (𝐤 − 𝟏, 𝐟) = se busca en la tabla

𝐎𝐛𝐬𝐞𝐫𝐯𝐞 𝐪𝐮𝐞 𝐟 = es el numero de grados de libertas del error

∝= es el nivel de significanciaasociadas con todos lo k1 pruebas y utilizado

en el analisis de la varianza.

Ejemplo:

Una empresa tiene cuatro plantas y sabe que la planta A satisface los requisitos impuestos por el gobierno para el
control de desechos de fabricación, pero quisiera determinar cuál es la situación de las otras tres. Para el efecto se
toman cinco muestras de los líquidos residuales de cada una de las plantas y se determina la cantidad de
contaminantes. Los resultados del experimento aparecen en la tabla siguiente.

CONTAMINANTES
PLANTA Z ni Yi. ̅
Yi.

FVCVC A 1,65 1,72 1,50 1,35 1,60 5 7,84 1,568

B 1,70 1,85 1,46 2,05 1,80 5 8,86 1,772
C 1,40 1,75 1,38 1,65 1,55 5 7,73 1,546
D 2,10 1,95 1,65 1,88 2,00 5 9,58 1,916

En el ejemplo 1, la compañía desea comparar todas las otras plantas con la planta A que es la que cumple con los
requisitos (control), por lo tanto, la prueba de Dunnett sería más adecuada que la de Fisher o la de Tukey para este
caso.

Para ello vamos a calcular CMerror utilizando ANOVA:

CONTAMINANTES
PLANTA ni Yi. ̅i.
Y

A 1,65 1,72 1,50 1,35 1,60 5 7,84 1,568

B 1,70 1,85 1,46 2,05 1,80 5 8,86 1,772
 C 1,40 1,75 1,38 1,65 1,55 5 7,73 1,546
D 2,10 1,95 1,65 1,88 2,00 5 9,58 1,916

𝑌.. = ∑ 𝑌i. = 7,84 + 8,86 + 7,73 + 9,58 = 34,01

𝑌.. 34,01
𝑌̅.. = = = 1,7005
𝑁 20

2 50
𝑌.. 2
𝑆𝐶𝑇 = ∑ ∑ 𝑌𝑖𝑗 2 −
𝑁
𝑖=1 𝑗=1

34,01^2
= (1,652 + 1,722 + ⋯ … … … … … . . . +22 ) −
20
1156,6801
= 58,7213 − = 0,8872
20

3
𝑌𝑖. 2 𝑌.. 2 7,842 + 7,732 + 9,582 + 8,862 34,012
𝑆𝐶𝑇𝑟𝑎𝑡 = ∑ − = − = 0,4022
𝑛𝑖 𝑁 5 20
𝑖=1

𝑆𝐶𝐸𝑟𝑟𝑜𝑟 = 𝑆𝐶𝑇 − 𝑆𝐶𝑇𝑟𝑎𝑡 = 0,8872 − 0,4022 = 0,485

Ahora determinaremos los grados de libertad para las sumatorias de cuadrados y esto se obtiene de la siguiente
manera:

Para los tratamientos 𝑡 − 1 = 4 − 1 = 3

Para el error 𝑁 − 𝑡 = 20 − 4 = 16

Para el total 𝑁 − 1 = 20 − 1 = 19

NC=95%

α= 5%=0.05

k=5

𝑆𝐶
𝐶𝑀 =
𝐺𝐿

FV SC GL CM
TRATA 0,4022 3 0,1340
 ERROR 0,485 16 0,0303
TOTAL 0,8872 19

Y el valor de d0,05(5 − 1,16) es igual a:

(Dunnet)

Asi obtenemos el valor de d0,05(5 − 1,20) que es igual a 2,54 y CMerror=0,0303 y lo reemplazamos en la fórmula
de Dunnet.

1 1
d ∝ (k − 1, f)√CMerror( + )
ni nk

1 1
2,59√0,0303( + ) = 0,2851
5 5

Finalmente realizamos una diferencia entre las cuatro plantas así obteniendo lo siguiente:

̅B − Y
|Y ̅A | = |1,772 − 1,568| = 0,204

̅C − ̅
|Y Y𝐴 | = |1,546 − 1,568| = 0,022

̅𝐷 − Y
|Y ̅A | = |1,916 − 1,568| = 0,348

En consecuencia, la única planta que difiere significativamente de la planta A es la D.

1 1
̅i. − ̅
|Y Yk. | > d ∝ (k − 1, f)√MSE( + )
ni nk

0,348 > 0,2851

Al cumplir con este criterio nos indica que se rechaza la hipótesis nula, esto quiere decir que la varianza de control de las
plantas contaminantes no es iguales.

Método Scheffé

El Test de Scheffé es un test de comparaciones múltiples. Permite comparar, como los demás contrastes de este tipo, las
medias de la t niveles de un factor después de haber rechazado la Hipótesis nula de igualdad de medias mediante la técnica
ANOVA.

Todos los test de comparaciones múltiples son test que tratan de concretar una Hipótesis alternativa genérica como la de
cualquiera de los Test ANOVA.

El Test de Scheffé crea también umbral, como las otras técnicas de comparaciones múltiples, y las diferencias que superen
ese umbral serán, para el método, significativas, y las que no lo superen no lo serán.

La prueba de Sheffe es similar a la prueba de Tukey pues se calcula un único valor crítico para realizar las comparaciones
entre las medias. La principal diferencia entre Scheffe y los otros métodos de comparaciones múltiples es que utiliza la tabla
F y no las tablas de rangos estandarizados según la distribución ―t‖ de estudiante de las otras pruebas. (LIMA, 2013)

Generalmente este método se usa cuando:

 Las muestras tienen tamaños diferentes

 Permite no solo comparar las medias de los niveles del análisis de varianza dos a dos, sino también realizar
comparaciones complejas.
 Puede utilizarse para examinar todas las combinaciones lineales de grupos de medias posibles, no solo las
comparaciones por parejas.

FORMULA EMPLEADA PARA SCHEFFE

Ho: ui = uj

H1: ui ≠ uj

Esta prueba es similar a la prueba de Tukey, difiere de ella en que en vez de usar la tabla T-8 para obtener valores
"studentizados" q utiliza la tabla F de Fisher (T-7) para obtener el factor

√(𝑘 − 1)𝐹1−∝;𝐾−1;𝑔𝑙 𝑒𝑟𝑟𝑜𝑟

Donde K es el número de tratamientos y α el nivel de significación.

Este factor se multiplica por el error estándar de la diferencia entre dos

medias para obtener la cantidad: que se comparará con las

diferencias entre los pares de medias de los tratamientos.

Ejemplo:

Usando los datos del ejemplo de dunnet calcularemos scheffe.

CONTAMINANTES

PLANTA ni Yi. ̅i.

Y

A 1,65 1,72 1,50 1,35 1,60 5 7,84 1,568

B 1,70 1,85 1,46 2,05 1,80 5 8,86 1,772

C 1,40 1,75 1,38 1,65 1,55 5 7,73 1,546

D 2,10 1,95 1,65 1,88 2,00 5 9,58 1,916

CMerror

FV SC GL CM
TRATA 0,4022 3 0,1340
ERROR 0,485 16 0,0303
TOTAL 0,8872 19

2𝐶𝑀𝑒𝑟𝑟𝑜𝑟
𝑆 = √(𝑘 − 1)𝐹1−∝;𝐾−1;𝑔𝑙 𝑒𝑟𝑟𝑜𝑟 ∗ √
𝑛

𝐹1−∝;𝐾−1;𝑔𝑙 𝑒𝑟𝑟𝑜𝑟

𝐹0,95;5−1;16=3,007
Reemplazando todos los datos tenemos:

2(0,0303)
𝑆 = √4 ∗ 3,007 ∗ √ = 0,3818
5

Duncan

Al resolver tenemos lo siguiente:

D= 0,2567

Entonces:

D1=

D2=2,998*0,2567=0,7695

D3=3,144*0,2567=0,8070

D4=3,235*0,2567=0,8304

En este ejemplo todas las diferencias entre los pares de medias son mayores que 0,3818, por lo que hay diferencia significativa
entre los requisitos impuestos por el gobierno para el control de desechos de fabricación.

CONCLUSIÓN
Mediante el empleo de los métodos Dunnet y Scheffe se ha obtenido una serie de relaciones que tienes con otros métodos
así como el método Dunnet está relacionado con el análisis por ANOVA, del cual se obtuvo datos que nos ayudaron a
identificar si las varianzas de las fabricas son iguales o no, mientras que el método Scheffe está relacionado con el método
Duncan el cual nos permitió ver una diferencia significativa entre los requisitos para el control de la contaminación, por lo
tanto estas técnicas son de gran ayuda para la elaboración de un diseño experimental.

Bibliografía
Delgado, G. (2001). colposfes, chrome. Obtenido de
http://colposfesz.galeon.com/disenos/teoria/cap13bmj/cap13bmj.htm

Dunnet. (s.f.). Chrome. Obtenido de http://www.uv.es/disepsic/tablas/distri_dunnett.pdf

Gutierrez, P. (2009). Elementos de Diseño de Experimentos. Zapopan, Jalisco.: Astra Ediciones, S.A. de C.V.

Humberto, G. P. (2008). Análisis y Diseño de experimentos. México: Mc Graw Gill.

LIMA, U. D. (2013). Slideshare.

Montgomery, D. (Iberoamerica 1991). Diseño y Analisis de experimentos.