Material de Apoyo Diseño Exp. Ing, Química 2019

ESCUELA DE ESTUDIOS SUPERIORES DE XALOSTOC 1
DISEÑO DE EXPERIMENTOS
DESARROLLO DE FÓRMULAS PARA F.V., GL, SC, CM Y FC BAJO UN DISEÑO

COMPLETAMENTE AL AZAR.
i = tratamientos = 5
j = repeticiones = 5
F. V. G. L. S. C. C. M. FC FCAL
TRATAMIENTOS t  1 = 4 SCTRAT CMTRAT
t 1 CMERROR
ERROR (r  1)t =20 SCERROR
rt  t (r  1)t
TOTAL rt  1=24
Y 2
i
Y2 205671500 1013148900
SCTRATAMIENTOS  i 1
    41134300  40525956  608344
r tr 5 25
t
r t Y 2
i
SCERROR   Y 2
ij  i 1
 41265900  41134300  131600
j 1 i 1 r
r t
Y2
SCTOTAL    Yij2   41265900  40525956  739944
j 1 i 1 tr
PARA CALCULAR GL DEL ERROR POR DIFERENCIA:
GlERROR  (rt  1)  (t  1)  rt  1  t  1  rt  t
Dr. Hermes Rebolloza Hernández

COMPARACIÓN DE DOS PROMEDIOS:
Y = ALTURA CORPORAL
T1 T2
HEMBRAS MACHOS
158 160 Yij
156 169
150 175
160 174
160 175
Yi  784 Yi  853 Y  1637
X  156.8cm X  170.6cm
a) Varianza de los datos para cada tratamiento

n
(X i  X )2
S2  i 1
n 1
HEMBRAS MACHOS
(158  156.8) 2 (160  170.6) 2

(156  156.8) 2 (169  170.6) 2
 
 
(160  156.8) 2 (175  170.6) 2
 (1.44  0.64...10.24) / 4  17.33  (112.36  2.56...19.36) / 4  41.33

b) Realice un análisis de varianza considerando de manera conjunta ambos tratamientos y
concluya

H O : T1  T 2
i = tratamientos = 2
H a : T1  T 2
j = repeticiones = 5
F. V. G. L. S. C. C. M. FC
TRATAMIENTOS t 1 = 1 SCTRAT CMTRAT

 476.1  16.27  
t 1 CMERROR
ERROR rt  t =8 SCERROR
 29.25   2
(r  1)t
TOTAL rt  1=9
(rt  1)  (t  1)  rt  1  t  1  rt  t  t (r  1)
t 2
(784) 2  (853) 2 (1637) 2
SCtrat   Y / r  Y / tr 
2
i
2
   476.1
i 1 5 10
  (7842 )  (853) 2 
 
t  2 r 5 t 2
SCerror   Yij2   Yi 2 / r   1582  1562  ...  1752     234
i 1 j 1 i 1   5 
 (1637)2 
 
t  2 r 5
SCtotal  Y  Y / tr   158  156  ...  175 
2 2 2 2 2
 710.1
10 
ij 
i 1 j 1 
F810.05  5.32 F810.01  11.26 COMPARADOR ES
APLICAR LA REGLA DE DESICIÓN:
SE RECHAZA LA H 0 : SI FCALCULADA  FTABULAR
POR LO TANTO, SE RECHAZA LA Ho Y SE ACEPTA LA Ha, QUE ESTABLECE QUE EL PESO

DE LAS MUJERES ES DIFERENTE DE MANERA ALTAMENTE SIGNIFICATIVA AL DE LOS
HOMBRES

ANÁLISIS DE DISEÑOS EXPERIMENTALES BÁSICOS
En el estudio experimental de un fenómeno se plantea una hipótesis, para cuya prueba diseña un
procedimiento de ejecución, que denomina diseño del experimento. Esta hipótesis, al ser probada
requiere generalizarla a un espectro más amplio que aquel de su experimento, asociándole una
medida de probabilidad o confiabilidad. Este es el caso de los diseños experimentales, cuya
metodología es ampliamente usada en la investigación para la comparación de efectos de diferentes
factores o tratamientos.
Un diseño experimental debe adecuarse al material experimental con que se cuenta y a la clase de
preguntas que desea contestarse el investigador. Sus resultados se resumen en un cuadro de
Análisis de Varianza y en una tabla de comparación de medias de tratamientos que indica las
diferencias entre dichas medias. El análisis de varianza proporciona la variación de la variable de
interés en fuentes explicables por algunos factores o tratamientos y en aquella para la cual el
investigador no tiene control, no puede medir y no le es posible explicar o atribuir a algún factor en
particular, constituyendo el error experimental. La partición de la varianza se hace a través de la
suma de cuadrados asociados a sus respectivos grados de libertad (número de comparaciones
linealmente independientes). La realización de un Análisis de la varianza presupone la aditividad de
los errores, la homogeneidad de varianza de las poblaciones de tratamientos, la independencia y la
distribución normal de los errores.
DISEÑO COMPLETAMENTE AL AZAR (DCA)
Este diseño consiste en la asignación de los tratamientos en forma completamente aleatoria a las
unidades experimentales (individuos, grupos, parcelas, jaulas, animales, insectos, etc.). Debido a su
aleatorización irrestricta, es conveniente que se utilicen unidades experimentales de lo más
homogéneas posibles: animales de la misma edad, del mismo peso, similar estado fisiológico;
parcelas de igual tamaño, etc., de manera de disminuir la magnitud del error experimental,
ocasionado por la variación intrínseca de las unidades experimentales. Este diseño es apropiado
para experimentos de laboratorio, invernadero, etc., es decir, situaciones experimentales como de
las condiciones ambientales que rodean el experimento.
Este diseño es el más utilizado en la experimentación, asociándole la técnica del análisis de

covarianza y arreglos de tratamiento de tipo factorial.
Aleatorización
Para ejemplificar el proceso de aleatorización irrestricta de los tratamientos a las unidades
experimentales, considérese la prueba de cuatro tratamientos, cada uno de ellos con cinco
repeticiones. El proceso mencionado podría realizarse formando cuatro grupos de tarjetas,
representando cada uno de ellos a un tratamiento en particular, digamos T1, repetido cinco veces, y
así T2, T3 y T4. Posteriormente mézclense las tarjetas en una urna y extraiga una tarjeta al azar,
asignando el tratamiento correspondiente a la unidad experimental. Repítase el procedimiento sin
reemplazo hasta terminar su asignación.

Modelo estadístico asociado al diseño:
Yij    Ti  Eij i  1, 2, 3,..., t

j  1, 2, 3, ..., n
dónde:
Yij  Variable respuesta en la j-ésima repetición del i-ésimo tratamiento
 Media general
Ti Efecto del tratamiento i.
Eij  Error aleatorio
Análisis de la Varianza para el modelo Yij    Ti  Eij

H o : T1  T2  ...  Tt
H a : al menos un tratamiento es diferente a los demás
Fuentes de Grados de Suma de Cuadrados F0

Variación Libertad (G.L.) Cuadrados Medios (C.M.)
(F.V.) (S.C.)
Tratamientos t 1 t
SC TRAT CM TRAT
 n (Y ´  Y
i 1
i i  )2
t 1 CM ERROR
Error t t ni SC ERROR
 ni  t  (Y  Yi ) 2 t
2
 ni  t
ij
i 1 i 1 i 1
i 1
Total t t ni
n
i 1
i 1  (Y ij  Y ) 2
i 1 j 1
Ejemplo:
Se realizó un experimento para probar el efecto de cinco fuentes de biocombustible alternas a los
productos derivados del petróleo (T1. Testigo, T2. Caña de azúcar, T3. Agave, T4.Maíz,
T5. Cebada) en las cuales se obtuvo la cantidad de etanol en mililitros (ET) por cada tonelada de

producto procesado. Se consideraron 5 repeticiones por tratamiento (25 unidades experimentales) y

se planteó la hipótesis de igualdad de medias de tratamientos.
Trat 1 Trat 2 Trat 3 Trat 4 Trat 5 TOTAL

Rep 1 980 1200 1300 1400 1350 6230
Rep 2 1050 1230 1180 1350 1420 6230
Rep 3 1100 1150 1200 1380 1550 6380
Rep 4 1000 1390 1170 1420 1600 6580
Rep 5 1120 1250 1050 1500 1490 6410
5250 31830
Yi  Yij Y
Trat 1 Trat 2 Trat 3 Trat 4 Trat 5

Rep 1 980 1200 1300 1400 1350
Rep 2 1050 1230 1180 1350 1420
Rep 3 1100 1150 1200 1380 1550
Rep 4 1000 1390 1170 1420 1600
Rep 5 1120 1250 1050 1500 1490
ni 5 5 5 5 5
n i  25
Yi 5250 6220 5900 7050 7410 Y  31830
Yi 1050 1244 1180 1410 1482
Yi2 5512500 7737680 6962000 9940500 10981620 t

Yi2
ni

i 1 ni
 41134300
ni 5527300 7770000 6993800 9953300 11021500 t ni
 Yij2
j 1
 Y
i 1 j 1
2
ij  41265900
ni
Yi2 14800 32320 31800 12800 39880 t ni t
Yi2
 Yij2 
j 1 ni
 Yij2  
i 1 j 1 i 1 ni
 131600
S i2 3700 8080 7950 3200 9970
En primer lugar se calculará el factor de corrección:

Y2 (31830) 2
FC  t
  40525956
n
25
i
i 1
t
Yi2
SC TRAT = 
i 1 ni
 FC  41134300 – 40525956 = 608344
t ni
SC TOTAL =  Yij2  FC  41265900 – 40525956 = 739944
i 1 j 1
SC TOTAL = SC TRAT + SC ERROR
Al despejar de la ecuación anterior SC ERROR queda como:
SC ERROR = SCTOTAL – SC TRAT = 739944 – 608344 = 131600
SC TRAT
CM TRAT = = (608344 / 4) = 152086
t 1
SC ERROR
CM ERROR = t
  2 = (131600 / 20) = 6580
n
i 1
i t
CM TRAT
Fo= = (152086 / 6580) = 23.11
CM ERROR
Fuentes de Grados de Suma de Cuadrados F0

Variación Libertad (G.L.) Cuadrados Medios (C.M.)
(F.V.) (S.C.)
Tratamientos 4 608344 152086 23.11
Error 20 131600 6580
Total 24 739944
Para probar que Ho: en oposición a Ha: al menos un tratamiento diferente de los
demás con un =0.05 , obtenemos = 2.866 de la tabla correspondiente y puesto que
Fo>2.866 se rechaza Ho con un =0.05 y se concluye que al menos un tratamiento es diferente.

PRÁCTICA No 1
COMPARACIÓN DE DOS MEDIAS A TRAVÉS DE UN DISEÑO COMPLETAMENTE AL AZAR.
Objetivo: El alumno elabora un experimento corto a través del cual obtiene datos para realizar una
comparación de medias a través de un análisis de varianza bajo el diseño completamente
al azar.
Materiales:
 Papel estraza
 Semillas de maíz
 Piceta
 Fertilizante y/o agua tratada con plasma
 Cámara de germinación
Método:
1. Cortar el papel en cuadros de 30 x 30 cm., y etiquetar (Ejemplo: T1R1,…,T2R10).

2. Colocar 50 semillas en cada hoja de papel en una misma orientación y/o sentido.
3. Colocar otra hoja de papel, humedecer y enrollar.
4. Son 5 o 4 tratamientos. Se deben realizar 3 repeticiones por tratamiento.
5. Introducir el maíz tratado en la cámara de germinación a 25 °C de temperatura constante por
72 hrs. Aplicar la misma cantidad de agua diariamente a los tratamientos.
6. A las 72 horas registrar el porcentaje de germinación y la longitud de la radícula en cm en los
dos tratamientos y en todas las repeticiones. Realizar la comparación de los tratamientos a
través de un DCA.


¿QUÉ HACER CUANDO SE TIENE DIFERENTE TAMAÑO DE MUESTRA Y/O REPETICIONES

DE UN VALOR OBSERVADO, AL COMPARAR DOS TRATAMIENTOS, A TRAVÉS DE UN ANVA
BAJO EL DISEÑO COMPLETAMENTE AL AZAR?
COMPARACIÓN DE DOS PROMEDIOS:
Y = ALTURA CORPORAL
T1 T2
HEMBRAS MACHOS
158 160 Yij
156 169
150 175
160 174
160 175
180
182
175
 Yi  784 Yi  1390 Y  2174
r 5 r 8
Los cálculos para obtener la SC son los siguientes:
Y2 (2174) 2
FC  t 2
  363559.6923
58
r
i 1
i
t 2
Yi2 (784) 2 (1390) 2
SCtrat    FC    363559.6923  884.01
i 1 ri 5 8
t 2 ri
SCtotal   Yij2  FC  ((158) 2  (156) 2 ...(175) 2 )  363559.6923  1276.31
i 1 j 1
SCerror  SCtotal  SCtrat  392.3

Se obtiene la tabla del análisis de varianza
FV GL SC CM FC FT
TRATAMIENTOS t  1 SCtrat
ERROR t SCerror
n t
i 1
i
TOTAL t
 n 1
i 1
i

DISEÑO DE BLOQUES COMPLETOS AL AZAR: DBCA
Conocido como diseño de doble vía, se aplica cuando el material es

heterogéneo. Las unidades experimentales heterogéneas se agrupan
formando grupos homogéneos llamados bloques.
Tratamientos A, B, C, D, E
Bloque I: B A E C D
Bloque II: C B D E A
Bloque III: B E A D C
Bloque IV: D C A E B
Las fuentes de variación para el análisis estadístico son:
Fuentes Grados de libertad
Tratamiento (t  1)  4
Bloques (r  1)  3
Error (t  1)( r  1)  12
Características:
1. Las unidades experimentales son heterogéneas.

2. Las unidades homogéneas están agrupadas formando los bloques.
3. En cada bloque se tiene un número de unidades igual al número de
tratamientos (bloques completos)
4. Los tratamientos están distribuidos al azar en cada bloque.
5. El número de repeticiones es igual al número de bloques.
MODELO
Cada observación del experimento es expresada mediante una ecuación lineal en los
parámetros, el conjunto conforma el modelo para el diseño de bloques completos al
azar:





Yij     i   j   ij 

i  1,2,..., t
j  1,2,..., r
  Parámetro, efecto medio

 i  Parámetro, efecto del tratamiento i
 j  Parámetro, efecto del bloque j
 ij  valor aleatorio, error experimental de la u.e. i, j
Yij  Observación en la unidad experimental
ESTIMACIÓN DE PARÁMETROS por Mínimos cuadrados del error

 
 i  0;  j  0

 Y 

 i  Yi.  Y ..

 j  Y. j  Y ..
El error en cada unidad experimental puede ser encontrado por diferencia:
 ij  Yij  Yi.  Y. j  Y..

SUMAS DE CUADRADOS
SCTOTAL   Yij  Y.. 

2
Y
  Yij2  ..
2
rt
Yi.2 Y..2
SCTRAT .   Y i.  Y..   
2
r rt
Y. 2j Y..2
SC BLOQUE   Y . j  Y..    
2
t rt
2 2 2
Y Y Y
SC ERROR    ij   Yij  i i.  j  ..
2 2 . j
r t rt
Y..2
es el término de corrección (TC) de las sumas de cuadrados, en las expresiones
rt
de sumas de cuadrados se acostumbra colocar sólo TC, por ejemplo:
SCTOTAL  Yij2  TC
APLICACIÓN: Efecto de varios reguladores de crecimiento (compuestos químicos

inorgánicos y sintéticos de aplicación exógena) en gladiolos.
Se realizó un ensayo de 4 reguladores de crecimiento de reciente creación para el

efecto en el peso de gladiolos (T1, T2, T3 y T4) frente a un producto químico
convencional (T5). El ensayo se realizó en el campo experimental de la EESuX. Se

evaluaron un total de 15 unidades experimentales. Se formaron bloques de 5 unidades

experimentales homogéneas. Se determinó el peso de los gladiolos en kg.
kg
T1 Testigo T2 T3 T4 Y. j
I 17.9 7.0 19.8 15.2 12.7 72.6
II 20.8 5.9 16.7 21.0 14.2 78.6
III 21.4 4.2 16.7 8.8 11.5 62.6
Yi. 60.1 17.1 53.2 45.0 38.4 213.8
El objetivo es comparar los nuevos compuestos químicos entre ellos y con el testigo.
CÁLCULO DE SUMAS DE CUADRADOS
Termino o factor de corrección = TC = (213.8)²/15
(60.1)² +...+ (38.4)²

SC Tratamientos = ------------------------- - TC
3
(72.6)² +...+ (62.6)²

SC Bloques = ------------------------- - TC
5
SC Total = (17.9)² +.....+ (11.5)² - TC
SCerror Exp. = SC total - (SC Tratamientos + SC Bloques)

Resultados del ANVA:
Variable: Peso de gladiolos
Fuente Gl SC CM Fc Pr > F
bloque 2 26.1333 13.0666 1.51 0.2785
tratamiento 4 364.0440 91.0110 10.49 0.0029
Error 8 69.4000 8.6750
Corrected 14 459.5773
Total
CV = 20.6 %
Promedio = 14.25
F0.05 (4,8) = 3.84

F0.01 (4,8) = 7.01

PRUEBA DE PROMEDIOS O RANGO MÚLTIPLE
 DIFERENCIA MÍNIMA SIGNIFICATIVA (DMS)

 DUNCAN
 STUDENT-NEWMAN-KEWIS (SNK)
 TUKEY
 SHEFFE
REPETICIONES
TRAT I II III IV TOTAL MEDIA
TRAT 1 40 45 46 49 180 45
TRAT 2 38 40 38 44 160 40
TRAT 3 44 42 40 34 160 40
TRAT 4 41 43 40 40 164 41
TRAT 5 34 35 34 33 136 34

PARA INICIAR EL PROCESO DE COMPARACIÓN MÚLTIPLE DE MEDIAS, SE

REQUIERE UBICAR Y OBTENER LOS DATOS SIGUIENTES:
CM ERRROR  8.67 X 1  45
GLERROR  15 X 2  40
t 5 X 3  40
r4 X 4  41
X 5  34
DIFERENCIA MÍNIMA SIGNIFICATIVA –DMS
a) Obtener el valor comparador de la DMS
 2CM ERROR  
DMS    t , glerror 
 r  2 
  nivel  de  significan cia  deseado
 2 * 8.67 
DMS   2.131  4.43
 4 
5 2 3 4 1
34 40 40 41 45
μ1= 45 11 5 5 4 0
μ4 = 41 7 1 1 0
μ3 = 40 6 0 0
μ2 = 40 6 0
μ5 = 34 0

1 a
4 a b
3 b
2 b
5 c
DUNCAN
a) Obtener el valor comparador de DUNCAN
 CM ERROR 
DUNCAN   TD , t y glerror 
 r 
TD  Tabla de duncan t  Número de tratamientos
 8.67 
Duncan   3.31  4.87
 4 
2 promedios 3 promedios 4 promedios 5 promedios
Valor de 3.01 3.16 3.25 3.31
tablas
Comparadores 4.43 4.65 4.78 4.87
5 2 3 4 1
34 40 40 41 45
μ1= 45 11 5 5 4 0
μ4 = 41 7 1 1 0
μ3 = 40 6 0 0
μ2 = 40 6 0
μ5 = 34 0
1 a
4 a b
3 b
2 b
5 c

STUDENT-NEUMAN-KEULSS – S-N-K
a) Obtener el valor comparador de la S-N-K
 CM ERROR 
SNK   TSNK , t  1 y glerror 
 r 
TSNK  Tabla de SNK t  Número de tratamientos

Valor de 3.01 3.67 4.08 4.37
tablas
Comparadores 4.4 5.4 5.9 6.4

 8.6 
SNK   4.08  5.9
 4 
5 2 3 4 1
34 40 40 41 45
μ1= 45 11 5 5 4 0
μ4 = 41 7 1 1 0
μ3 = 40 6 0 0
μ2 = 40 6 0
μ5 = 34 0
1 a
4 a
3 a
2 a
5 b

TUKEY
a) Obtener el valor comparador de Tukey
 CM ERROR 
Tukey   Ttukey , t y glerror 

 r 
Ttukey  Tabla de Tukey t  Número de tratamientos
*Esta prueba toma el valor más alto del comparador de SNK, llega hasta 6.42

Valor de 3.01 3.67 4.08 4.37
tablas
Comparadores 4.43 5.39 5.99 6.42

 8.6 
SNK   4.37   6.42
 4 
5 2 3 4 1
34 40 40 41 45
μ1= 45 11 5 5 4 0
μ4 = 41 7 1 1 0
μ3 = 40 6 0 0
μ2 = 40 6 0
μ5 = 34 0
1=45 a
4=41 a
3=40 a b
2=40 a b
5=34 b

SCHEFFE
a) Obtener el valor comparador de Scheffe
C sheffe   (t  1)( F , t  1 y glerror )(CM error )(1 / ri  1 / r j ) 

C sheffe  (4)(3.06)(8.67)(1 / 4  1 / 4)  7.28

5 2 3 4 1
34 40 40 41 45
μ1= 45 11 5 5 4 0
μ4 = 41 7 1 1 0
μ3 = 40 6 0 0
μ2 = 40 6 0
μ5 = 34 0
1 a
4 a b
3 a b
2 a b
5 b

COMPARACIÓN DE GRUPOS MEDIANTES CONTRASTES (referencia de datos

del problema de reguladores de crecimiento)
Contrastes ortogonales
Contraste 1 : Testigo vs T1, T2, T3, T4

Contraste 2 : T1, T2 vs T3, T4
Contraste 3 : T1 vs T2
Contraste 4 : T3 vs T4
T1 Testigo T2 T3 T4  C Y 
i ki i
2
r i C ki
2
SC
C1 -1 4 -1 -1 -1 16460.89 60 274.3
C2 -1 0 -1 1 1 894.01 12 74.5
C3 -1 0 1 0 0 47.61 6 7.9
C4 0 0 0 -1 1 43.56 6 7.2
Yi. 60.1 17.1 53.2 45.0 38.4 364.0
Mediante estos contrastes, se hace las comparaciones, por ejemplo C1significa probar
el testigo vs los demás, C2 significa comparar los
tratamientos "1" y “2” frente a "3" y "4",. El análisis se realizará mediante el ANVA.
Fuentes Gl SC CM Fc F0.05 F0.01
C1 1 274.34 274.3 31.6 ** 5.32 11.26
C2 1 74.5 74.5 8.6 *
C3 1 7.94 7.94 0.9 ns
C4 1 7.26 7.26 0.8 ns
Error 8 69.4 8.675

Existen ocasiones en donde no es posible o necesario evaluar los tratamientos con un mismo
número de repeticiones, o por alguna circunstancia se pierden algunas repeticiones, dentro del
diseño que nos ocupa (para este caso se utilizó un DCA), por su gran flexibilidad no es necesario
calcular los datos perdidos, en el siguiente ejercicio considere que son reguladores de crecimiento
inorgánicos y que el tratamiento 2 es el que más se utiliza (del cual se tiene una gran cantidad de
información), por lo que no se requiere de muchas repeticiones).
TRAT I II III IV V VI VII VIII TOT

T1 35 30 26 32 31 34 32 30 250
T2 24 27 21 23 95
T3 40 35 48 49 50 50 272
T4 61 60 63 65 60 58 55 422
1. Realice el análisis de varianza correspondiente, de ser necesario compare

promedios con tukey al 0.05 de probabilidad y obtenga los contrastes
ortogonales necesarios.
¿CÓMO HACER CONTRASTES ORTOGONALES CUANDO SE TIENEN

DIFERENTES NÚMEROS DE REPETICIONES EN LOS TRATAMIENTOS BAJO UN
DCA?
T2 vs T1 T3 T4
SUMA DE CUADRADOS DE UN CONTRASTE CON DIFERENTE No. DE

REPETICIONES
SCDNR 
y22

 y1  y3  y4   y1  y2  y3  y4 
2

2
r2 r1  r3  r4 r1  r2  r3  r4

95 2 (250  272  422) 2 (95  250  272  422) 2

SCDNR   
4 867 4867
EJEMPLO DEL DISEÑO DE CUADRO LATINO
En un experimento se probaron siete procesos de saneamiento de agua potable, de

los cuales se tiene la información siguiente:
A = Ósmosis reversa
B = Con filtros vegetales
C = Con cloro
D = Sustancias orgánicas
E = Con plasma (2000 volts)
F = Con plasma (3000 volts)
G = Con plasma (3500 volts)
Se cuantificó el número de coliformes por 100 ml y los resultados fueron los

siguientes:
F B D C E A G H1
12.0 10.6 10.6 9.3 11.0 9.0 11.2 73.7
B E G F A D C H2
8.7 8.6 8.3 9.6 7.5 9.0 8.2 59.9
G C E D F B A H3
9.3 7.9 7.9 8.2 8.6 9.9 10.1 61.9
C F A G B E D H4
7.0 7.9 8.0 8.1 9.1 10.8 12.7 63.6
D G B A C F E H5
8.6 9.9 8.8 8.1 8.9 10.7 10.0 65.0
A D F E G C B H6
7.7 7.1 6.6 6.6 7.3 7.5 8.7 51.5
E A C B D G F H7
6.3 6.6 7.8 8.2 7.1 8.6 7.3 51.9
59.6 58.6 58.0 58.1 59.5 65.5 68.2 427.5 = G
C1 C2 C3 C4 C5 C6 C7

T1(A) = 57.0; T2(B) = 64.0; T3(C) = 56.6; T4(D) = 63.3; T5(E) = 61.2; T6(F) = 62.7 Y
T7(G) = 62.7.
FV GL SC CM F FTABLAS
Hileras (i ) t-1 h SCi CM i ( gli y gl error )
 H i2 G2
GLi CMerror 0.05
i 1
 2 0.01
t t
Columnas t-1 c SC j CM j ( gli y gl error )
( j)  C 2j
j 1 G2 GLj CMerror 0.05
 2 0.01
t t
Tratamientos t-1 c SCk CM k ( gli y gl error )
(k )  Tk2
j 1 G2
GLk CMerror 0.05
 2 0.01
t t
EE (t  1)(t  2) SCtotal  SCi  SC j  SC k SCerror
GLerror
Total t2 1 h c
G2
 Y
i 1 t 1
2
ij ( k )  2
t
(73.7 2 ,...,51.9 2 ) 427.52

SCHILERAS    51.3
7 72
(59.6 2 ,...,68.2 2 ) 427.52
SCCOLUMNAS    14.21
7 72
(57.0 2 ,...,62.7 2 ) 427.52
SCTRATAMIENTOS    7.92
7 72
427.52
SCTOTAL  (12.0  10.6 ,...,7.3 ) 
2 2 2
 102.17
72
FV GL SC CM F FTABLAS
Hileras t-1 =6 51.3 8.55 8.92** 6 y 30 gl
Columnas t-1= 6 14.21 2.36 2.47* 0.05=2.42
Tratamientos t-1=6 7.92 1.32 1.37NS 0.01=3.47
EE (t  1)(t  2)  30 28.74 0.958
Total t 2  1  48 102.17

Se tienen 6 variedades de pimiento para la extracción de capsisina con fines

terapéuticos. Los resultados son la concentración de este elemento en cada variedad
de pimiento en porcentaje. Realice el análisis de varianza pertinente. Las variedades
1-3 son del bajío mexicano y las variedades 4-6 son de Morelos.
3 6 5 1 2 4 H1
19.1 18.3 19.6 18.6 18.2 18.5 112.3
6 2 4 3 1 5 H2
18.1 19.5 17.6 18.7 18.7 19.9 112.5
1 5 6 4 3 2 H3
18.1 20.2 18.5 20.1 18.6 19.2 114.7
2 3 1 5 4 6 H4
19.1 18.8 18.7 20.2 18.6 18.5 113.9
4 1 2 6 5 3 H5
17.5 18.1 18.7 18.2 20.4 18.5 111.4
5 4 3 2 6 1 H6
17.7 17.8 17.4 17.0 17.6 17.6 105.1
109.6 112.7 110.5 112.8 112.1 112.2 669.9= G
C1 C2 C3 C4 C5 C6

MÉTODO DE CORRELACIÓN.
Conjunto de técnicas que permiten medir el grado de asociación entre variables.
CORRELACIÓN LINEAL SIMPLE

Tendencia que presentan dos variables a estar asociadas estadísticamente de forma
definitiva.
1. Coeficiente de correlación  1  r  1
2. A medida que r es , mayor es el grado de asociación y si r es , el grado de asociación

es bajo.
3. El coeficiente de correlación (r ) es independiente de las unidades físicas en que se midan

las variables.
El cálculo de (r ) es a través de la fórmula siguiente:
n n n
n X i Y i  ( X i ) ( Yi )
r i 1 i 1 i 1
1
 n
2 
n n
2 
n 2
 n X i  ( X i )  n Yi  ( Yi )  
2 2
  i 1 i 1   i 1 i 1 
También se puede estimar con:
Cov ( X , Y )
r
( S X )( S Y )
Numerador = Covarianza de las dos variables.
Denominador = Producto de las desviaciones estándar de las variables.

Se requiere probar la significancia de (r ) para lo cual se establece el juego de hipótesis

siguiente:
Ho :   0
Ha :   0
  Coeficiente de correlació n poblaciona l
En primer lugar se calculará el valor de
r n2
tc 
1 r2
dónde :
r  Coeficiente de correlació n; n  tamaño de muestra; r 2  Coefiente de det er min ación
Después se requiere calcular el valor de:
tt  t  , (n  2 gl )
( )
2
Por último se aplica la regla de decisión:
Se rechaza la H o si la t c  t t o si  t c  t t

Ejercicio. Determine el coeficiente de correlación de las siguientes variables y la significancia:
X= Estatura corporal.
Y= Longitud del brazo.
X Y XY X2 Y2
152 58
155 60
155 56
171 70
175 73
168 65
176 76
161 61

n 8
REGRESIÓN LINEAL SIMPLE
Estimación del grado de dependencia estadística entre dos variables, por lo tanto:
X = Variable independiente
Y = Variable dependiente
ANÁLISIS ESTADÍSTICO.
Comprende dos etapas:
ETAPA I: AJUSTE DE LAS DISTANCIAS DE LOS PUNTOS A LA DIRECTRIZ DE UNA LÍNEA

RECTA.
ETAPA II: DETERMINAR ESTADÍSTICAMENTE SI EXISTE DEPENDENCIA DE LA VARIABLE Y

CON RELACIÓN A LA VARIABLE X A TRAVÉS DE UN ANÁLSIS DE VARIANZA.
H 0 : b1  0
H a : b1  0
A continuación de describe la primer etapa:
ETAPA I
Las distancias de los puntos con relación a la directriz de una línea recta se ajustan a través
de la “ECUACIÓN DE LA LÍNEA RECTA” que también se conoce como “ECUACIÓN DE
PREDICCIÓN” o de “REGRESIÓN O AJUSTE”:
Yi  b0  b1 X i dónde :
Yi  al i  ésimo valor det er min ado en función de X

b0  al punto de int ersepción de la línea recta y el eje Y " int ercepto"
b1  Coeficiente de regresión que estima el grado de cambio de Y en función de X
Estimación del coeficiente de regresión (b1)
n n
n
( X i )(  Yi )
X Y i i  i 1
n
i 1
Cov( X , Y )
b1  i 1

n
 x2
n
( X i )
X
i 1
i
2
 i 1
n
Estimación del intercepto:
b0  Y b1 X

ETAPA II. DETERMNAR ESTADÍSTICAMENTE SI Y DEPENDE DE X A TRAVÉS DE UN

ANÁLISIS DE VARIANZA.
Para esto se establece en primer lugar un juego de hipótesis:
H 0 : b1  0
H a : b1  0
Realizar el análisis de varianza
FV GL SC CM F
REGRESIÓN 1 2 SC Re gresión CM Re gresión
 n n

 n (  X i )(  Yi )  1 CM Re sidual
 X iYi  i 1 i 1

 i 1 n 

 

n
n
( X i ) 2
X
i 1
i
2
 i 1
n
RESIDUAL n2 SCTotal  SCRe gresión SCRe sidual
n2
TOTAL n 1 n 2
n
( Yi )
Y
i 1
i
2
 i 1
Ftabular  ( glregresión y glresidual,  (0.05 y 0.01)

APLICAR LA REGLA DE DECISIÓN:
SE RECHAZA LA HO SI EL VALOR DE FCALCULADA ES  AL VALOR DE FTABULAR, DE OCURRIR

LO CONTRARIO LA Ha SE ACEPTA.

EJERCICIO. Determine la regresión lineal de las variables siguientes:
X = Variable independiente = ALTURA CORPORAL (cm)
Y = Variable dependiente = PESO CORPORAL (kg)
Xi Yi Xi Yi X i2 Y i2
160 60
170 70
155 55
167 70
175 78
168 74
176 80
161 60


a) Realice una gráfica con los datos directos (Xi y Yi) en dónde se observe la pendiente de la
recta y el punto dónde se intercepta con el eje Y
b) Utilice la ecuación de predicción para estimar el peso de un individuo que mide 172.5 cm.

Material de Apoyo Diseño Exp. Ing, Química 2019

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Material de Apoyo Diseño Exp. Ing, Química 2019

Cargado por

Copyright:

Formatos disponibles

ESCUELA DE ESTUDIOS SUPERIORES DE XALOSTOC 1

DESARROLLO DE FÓRMULAS PARA F.V., GL, SC, CM Y FC BAJO UN DISEÑO

PARA CALCULAR GL DEL ERROR POR DIFERENCIA:

Dr. Hermes Rebolloza Hernández

COMPARACIÓN DE DOS PROMEDIOS:

158 160 Yij

Yi  784 Yi  853 Y  1637

a) Varianza de los datos para cada tratamiento

(158  156.8) 2 (160  170.6) 2

 (1.44  0.64...10.24) / 4  17.33  (112.36  2.56...19.36) / 4  41.33

Dr. Hermes Rebolloza Hernández

TRATAMIENTOS t 1 = 1 SCTRAT CMTRAT

F810.05  5.32 F810.01  11.26 COMPARADOR ES

APLICAR LA REGLA DE DESICIÓN:

SE RECHAZA LA H 0 : SI FCALCULADA  FTABULAR

POR LO TANTO, SE RECHAZA LA Ho Y SE ACEPTA LA Ha, QUE ESTABLECE QUE EL PESO

Dr. Hermes Rebolloza Hernández

ANÁLISIS DE DISEÑOS EXPERIMENTALES BÁSICOS

DISEÑO COMPLETAMENTE AL AZAR (DCA)

Este diseño es el más utilizado en la experimentación, asociándole la técnica del análisis de

Dr. Hermes Rebolloza Hernández

Modelo estadístico asociado al diseño:

Yij    Ti  Eij i  1, 2, 3,..., t

Análisis de la Varianza para el modelo Yij    Ti  Eij

Fuentes de Grados de Suma de Cuadrados F0

Dr. Hermes Rebolloza Hernández

producto procesado. Se consideraron 5 repeticiones por tratamiento (25 unidades experimentales) y

Trat 1 Trat 2 Trat 3 Trat 4 Trat 5 TOTAL

Trat 1 Trat 2 Trat 3 Trat 4 Trat 5

Yi2 5512500 7737680 6962000 9940500 10981620 t

S i2 3700 8080 7950 3200 9970

En primer lugar se calculará el factor de corrección:

Dr. Hermes Rebolloza Hernández

SC TOTAL = SC TRAT + SC ERROR

Al despejar de la ecuación anterior SC ERROR queda como:

SC ERROR = SCTOTAL – SC TRAT = 739944 – 608344 = 131600

Fuentes de Grados de Suma de Cuadrados F0

Dr. Hermes Rebolloza Hernández

COMPARACIÓN DE DOS MEDIAS A TRAVÉS DE UN DISEÑO COMPLETAMENTE AL AZAR.

1. Cortar el papel en cuadros de 30 x 30 cm., y etiquetar (Ejemplo: T1R1,…,T2R10).

Dr. Hermes Rebolloza Hernández

Dr. Hermes Rebolloza Hernández

¿QUÉ HACER CUANDO SE TIENE DIFERENTE TAMAÑO DE MUESTRA Y/O REPETICIONES

COMPARACIÓN DE DOS PROMEDIOS:

158 160 Yij

 Yi  784 Yi  1390 Y  2174

Los cálculos para obtener la SC son los siguientes:

SCerror  SCtotal  SCtrat  392.3

Dr. Hermes Rebolloza Hernández

Se obtiene la tabla del análisis de varianza

Dr. Hermes Rebolloza Hernández

DISEÑO DE BLOQUES COMPLETOS AL AZAR: DBCA

Conocido como diseño de doble vía, se aplica cuando el material es

Las fuentes de variación para el análisis estadístico son:

Fuentes Grados de libertad

1. Las unidades experimentales son heterogéneas.

  Parámetro, efecto medio

ESTIMACIÓN DE PARÁMETROS por Mínimos cuadrados del error

El error en cada unidad experimental puede ser encontrado por diferencia:

 ij  Yij  Yi.  Y. j  Y..

SCTOTAL   Yij  Y.. 

APLICACIÓN: Efecto de varios reguladores de crecimiento (compuestos químicos