ACTIVIDAD FASE 4.

ACTIVIDAD COLABORATIVA
APORTE INDIVIDUAL

MARJORY CAMPO MONTOYA _ 1130598551

DISEÑO EXPERIMENTAL
TUTOR: CAMPO RIANO
CURSO: 30156 _ GRUPO: 38

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA. UNAD

SANTIAGO DE CALI, MARZO 22 DE 2017
 ACTIVIDAD FASE 4. ACTIVIDAD COLABORATIVA

Marjory Campo

INTRODUCCIÓN porque es la situación donde se desea

estudiar el efecto de varios factores
1- Un docente en la UNAD, viene sobre la variable respuesta.
realizando experimentos sobre la textura
de un producto cárnico.
b) Formule las hipótesis apropiadas.
Para determinar el efecto de las
condiciones ambientales, y la
concentración de una sustancia Tiene dos hipótesis de interés:
funcional aprobada por el INVIMA, en la
textura del producto, realizo un trabajo
Hipótesis de interacción:
experimental en la planta piloto de la
ECBTI. 𝐻𝑜: (𝛼𝛽)𝑖𝑗 = 0 ∀𝑖𝑗
Para el experimento utilizó tres 𝐻𝑎: (𝛼𝛽)𝑖𝑗 ≠ 0 ∀𝑖𝑗
concentraciones de la sustancia
seleccionada y almacenó los productos
en tres condiciones ambientales Hipótesis de efectos principales:
diferentes 1,2 y 3. 𝐻𝑜: ∝1 =∝2 =… =∝𝑎
Los datos que siguen corresponden a 𝐻𝑎: ∝𝑖 ≠∝𝑗 ∀ 𝑖 ≠ 𝑖 ′
tres réplicas de cada uno de los nueve
tratamientos. Se realizaron todos los
ensayos y se obtuvieron los siguientes 𝐻𝑜: 𝛽1 = 𝛽2 =… = 𝛽𝑏
datos: 𝐻𝑎: 𝛽𝑖 ≠ 𝛽𝑗 ∀ 𝑗 ≠ 𝑗 ′
Tabla 1. Datos de la textura del producto
c) ¿Qué grado de significancia
propondrías? Justifica su
decisión.

Puede ser 95%, con 0,05 (menos

a) ¿Qué tipo de diseño experimental
se siguió? Justifique la respuesta.
El tipo de diseño experimental que
siguieron fue el de estructura factorial,
confiable)
Puede ser 99%, con 0,01 (más
confiable)
Utilizando el método Duncan, el grado
de significancia del 95% comparando los
datos hay significancia porque Fc es
mayor que Ft. Por lo tanto, se rechaza
Ho, donde hay tratamientos mejores que
los demás.
d) Realice el ANAVA o ANOVA para
probar la hipótesis y obtenga
conclusiones.
ANEXO 1.
ANEXO 2.
e) ¿Se podría presentar una
ecuación estadística? ¿Cómo
sería esta?
Modelo estadístico asociado:
𝑌𝑖𝑗𝑘 = 𝜇 +∝𝑖 + 𝛽𝑗 + (𝛼𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘
Donde,
I=1,2,3,…,a j=1,2,3…,b k=1,2,…,r
𝑌𝑖𝑗𝑘 = variable respuesta, en el i-ésimo
nivel del factor A, j-ésimo nivel del factor
B y k-ésima replica.
𝜇 = media global, sin tener en cuenta
ninguno de los tratamientos.
∝𝑖 = efecto debido al i-ésimo nivel del
Factor A.
𝛽𝑗 = efecto debido al j-ésimo nivel del
Factor B.
(𝛼𝛽)𝑖𝑗 = efecto debido a la interacción
entre los niveles de los Factores A y B.
𝜀𝑖𝑗𝑘 = error aleatorio debido al error
experimental.
Supuestos del modelo estadístico
asociado:
i) Los errores se distribuyen normales,
𝜀𝑖𝑗 ~𝑁(0, 𝜎 2 ) con 𝜎 2 constante.
ii) Los errores tienen varianza constante.
iii) Los errores son independientes
𝐶𝑂𝑉 (𝜀𝑖𝑗𝑘 ; 𝜀𝑖 ′ 𝑗′ 𝑘 ′ ) = 0 ∀ 𝑖 ≠ 𝑖 ′ ; 𝑗 ≠ 𝑗 ′ , 𝑘 ≠
𝑘′
REFERENCIAS BIBLIOGRÁFICAS
Guía de actividades y rúbrica de
evaluación Fase 4. Diseño
experimental. Recuperado de:
http://campus15.unad.edu.co/ecb
ti15/mod/folder/view.php?id=738
6
Mora, C.P. Diapositivas de Diseño de
experimentos 2011. Universidad del
Valle. Diseño estadístico de
experimentos. Facultad de Ingeniería.
 ANEXO 1.

Fuente de Suma de Cuadrados

Fc Pr>F Significancia
Variación Cuadrados Medios
Bloques 2 289.8992 144.9496 338.27 0.0001 SI
Tratamientos 2 4.9081 2.4541 5.73 0.067 NS
Bloques x
4 1.7238 0.4309 0.17 0.9518 NS
Tratamientos
Sustratos 2 306.9170 153.4585 58.93 0.0001 SI
Error 12 31.2474 2.6039
Total 26 636.4095
Si F >0.05 No hay diferencia estadística significativa de confiabilidad al 95%.
 ANEXO 2

ANOVA EXPER. ESTRUCTURA FACTORIAL

SCT = SCA + SCB + SCBAB + SCE

Fuente de Grados Suma de cuadrados Cuadrados medios Fc Pr>F

variación de
libertad
𝑎 𝑆𝐶𝐴 𝐶𝑀𝐴
Factor A a-1 2
𝑌𝑖… 𝑌2
𝑆𝐶𝐴 = ∑ − 𝐶𝑀𝐴 = 𝐹𝑐 =
𝑏𝑟 𝑎𝑏𝑟 𝑎−1 𝐶𝑀𝐸
𝑖=1
Factor B b-1 2𝑏 𝑆𝐶𝐵 𝐶𝑀𝐵
𝑌𝑗… 𝑌2 𝐶𝑀𝐵 = 𝐹𝑐 =
𝑆𝐶𝐵 = ∑ − 𝑏−1 𝐶𝑀𝐸
𝑎𝑟 𝑎𝑏𝑟
𝑗=1
Interacción (a-1)(b-1) 𝑎 𝑏
2 𝑆𝐶𝐴𝐵 𝐶𝑀𝐴𝐵
𝑌𝑖𝑗… 𝑌2 𝐶𝑀𝐴𝐵 = 𝐹𝑐 =
(AB) 𝑆𝐶𝐴𝐵 = [∑ ∑ − ] − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 (𝑎 − 1)(𝑏 − 1) 𝐶𝑀𝐸
𝑟 𝑎𝑏𝑟
𝑖=1 𝑗=1
Error ab(r-a) 𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝐴 − 𝑆𝐶𝐵 − 𝑆𝐶𝐴𝐵 𝑆𝐶𝐸
𝐶𝑀𝐸 =
(𝑎𝑏)(𝑟 − 1)
Total (abr)-1 𝑎 𝑏 𝑟
2
𝑌2
𝑆𝐶𝑇 = ∑ ∑ ∑ 𝑌𝑖𝑗𝑘 −
𝑎𝑏𝑟
𝑖=1 𝑗=1 𝑘=1

Interpretación del ANOVA:

Si la (SCA+SCB+SCAB) > SCE, esto indica que los tratamientos tienen mayor contribución al modelo que los errores o
factores no controlados.
Si Fc = (CMAB)/CME tiene un valor lo suficientemente grande, esto sugiere una interacción apreciable entre A y B y por
lo tanto Ho, se rechaza.

Si Fc=CMA/CME es grande, tiende a implicar que el efecto principal atribuible a A es estadísticamente significativo (este
mismo argumento es válido para el tratamiento B).

Si existe interacción entre A y B, entonces se debe analizar los efectos principales fijando cada uno de los niveles de un
factor y examinar los del otro.