Está en la página 1de 14

INSTITUTO TECNOLÓGICO SUPERIOR DEL OCCIDENTE DEL ESTADO DE

HIDALGO

DIVISIÓN DE INGENIERÍA EN INDUSTRIAS ALIMENTARIAS

EJERCICIOS PRÁCTICOS
DISEÑOS EXPERIMENTALES

PRESENTAN:
Diego Armando Quevedo Luquin 18011030
Eli Samuel Cano Bautista 18011794
Citlaly Arteaga Martin 18011097
Sofía Evelin Beltrán González 18011390
Noé Maya Fernández
Josefina Denis Hernández Pintado

GRADO Y GRUPO: 3° “B”

DOCENTE: Mtro. Gabriel Neria Cruz


MIXQUIHUALA DE JUAREZ HGO. FECHA DE ENTREGA 23 OCTUBRE 2019

1
COMPETENCIA: Investiga, analiza y aplica análisis de varianza y diseños
experimentales para la solución de problemas diversos dentro de la cadena
alimentaria.

INTRODUCCIÓN
Los modelos de ANOVA (Analysis of variance) son técnicas de Análisis Multivariante
de dependencia, que se utilizan para analizar datos procedentes de diseños con
una o más variables independientes cualitativas (medidas en escalas nominales u
ordinales) y una variable dependiente cuantitativa (medida con una escala de
intervalo o de razón). En este contexto, las variables independientes se suelen
denominar factores (y sus diferentes estados posibles o valores son niveles o
tratamientos) y la variable dependiente se conoce como respuesta.
Los modelos ANOVA permiten, básicamente, comparar los valores medios que
toma la variable dependiente en J poblaciones en las que los niveles de factores
son distintos, con la finalidad de determinar si existen diferencias significativas
según dichos niveles o si, por el contrario, la respuesta en cada población es
independiente de los niveles de factores. Se trata, por tanto, de un contraste
paramétrico que extiende al caso de J poblaciones el contraste de la igualdad de
medias entre dos poblaciones independientes.
Algunos ejemplos de aplicación de estos modelos podrían ser los siguientes:
Análisis de la duración media de varios tipos de lámparas.
La variable dependiente indicaría la duración de una lámpara y el factor
podría ser la potencia de la lámpara. Las poblaciones estarían formadas por
lámparas con la misma potencia y habría tantas poblaciones como potencias
distintas (éstas serían los niveles del factor considerado). Se trataría de
contrastar la igualdad de las duraciones medias de las lámparas de cada
población, para determinar si la potencia influye o no en dicha duración
media.

Estudio del efecto de varios tipos de fertilizantes sobre un cultivo.


La variable dependiente podría ser la producción o el rendimiento de cada
parcela; los factores serían, por ejemplo, el tipo de suelo de la parcela y el
tipo de fertilizante utilizado. Cada población estaría formada por las parcelas
que tienen un tipo concreto de suelo y en las que se utiliza un fertilizante
determinado. El ANOVA se aplicaría para analizar la posible existencia de

2
diferencias en las producciones medias de las parcelas según el tipo de suelo
y el tipo de fertilizante utilizado.

Aunque existen muchos y muy diferentes modelos de ANOVA, puede obtenerse


una clasificación bastante simple de los mismos atendiendo a tres criterios: el
número de factores, el tipo de muestreo efectuado sobre los niveles de los factores
y el tipo de aleatorización utilizada para seleccionar las muestras representativas de
cada población y agrupar sus elementos (o unidades experimentales) en los
distintos grupos que se desea comparar. Veamos esto con más detenimiento:
 Según el número de factores, se llama ANOVA de un factor al modelo en el
que existe una única variable independiente; en cambio, si el modelo consta
de más de un factor se le denomina modelo factorial o se habla de Análisis
de Varianza Factorial.
 En cuanto al muestreo de niveles, se refiere a la forma de establecer los
niveles de cada factor. Esto depende, normalmente, de los intereses del
investigador. Si se fijan únicamente aquellos niveles del factor que realmente
interesa estudiar, estamos ante un modelo de ANOVA de efectos fijos
(también llamado modelo I) mientras que, si los niveles se seleccionan
aleatoriamente de entre todos los posibles, se trata de un modelo ANOVA de
efectos aleatorios (o modelo II).
 Las distinciones basadas en el tipo de aleatorización son equivalentes a las
que se establecen al hablar de muestras independientes y muestras
relacionadas. Como en todo experimento estadístico en el que no resulta
posible trabajar con la población en su totalidad, se deben elegir muestras
aleatorias y asignarse también aleatoriamente sus elementos a los diferentes
niveles o tratamientos, para asegurar que no se cometan errores
sistemáticos. Si las unidades experimentales reaccionan o responden a los
tratamientos de la misma manera, se dice que son homogéneas. Por el
contrario, si responden de diferente manera a los tratamientos debido a sus
diferencias intrínsecas, se dirán heterogéneas. Por otra parte, el tamaño de
las muestras puede ser o no el mismo. Diremos que un diseño es equilibrado
o balanceado si todas las muestras tienen el mismo tamaño y no equilibrado
o no balanceado en caso contrario. Spiegel, M., Schiller, J. y Srinivasan, R.
(2001). Teoría y problemas de probabilidad y estadística. Bogotá: McGraw-Hill
Interamericana.

3
Índice

Introducción 2-3

Índice 4

Problemática 5-12

Prueba de hipótesis 13

Resultados y Análisis de Resultados 13-14

Conclusión 14

Referencias bibliográficas 14

4
PLANTEAMIENTO DEL PROBLEMA

12. En un centro de investigación se realiza un estudio para comparar varios


tratamientos que, al aplicarse previamente a los frijoles crudos, reducen su tiempo
de cocción. Estos tratamientos son a base de bicarbonato de sodio (NaHCO3) y
cloruro de sodio o sal común (NaCl). El primer tratamiento es el de control, que
consiste en no aplicar ningún tratamiento. El tratamiento T2 es el remojo en agua
con bicarbonato de sodio, el T3 es remojar en agua con sal común y el T4 es remojar
en agua con una combinación de ambos ingredientes en proporciones iguales. La
variable de respuesta es el tiempo de cocción en minutos. Los datos se muestran
en la siguiente tabla:

VARIABLES
Los datos fueron proporcionados en los cuales se identifican:
Variable dependiente:
Tiempo de cocción en min.
Variable independiente:
Remojo
Numero de muestras analizar:
28

5
ANOVA Simple - Tiempo de cocción en min. por REMOJO
Variable dependiente: Tiempo de cocción en min.
Factor: REMOJO

Número de observaciones: 28
Número de niveles: 4

El StatAdvisor
Este procedimiento ejecuta un análisis de varianza de un factor para Tiempo de
cocción en min. Construye varias pruebas y gráficas para comparar los valores
medios de Tiempo de cocción en min. para los 4 diferentes niveles de REMOJO.
La prueba-F en la tabla ANOVA determinará si hay diferencias significativas entre
las medias. Si las hay, las Pruebas de Rangos Múltiples le dirán cuáles medias son
significativamente diferentes de otras. Si le preocupa la presencia de valores
atípicos, puede elegir la Prueba de Kruskal-Wallis la cual compara las medianas en
lugar de las medias. Las diferentes gráficas le ayudarán a juzgar la significancia
práctica de los resultados, así como le permitirán buscar posibles violaciones de los
supuestos subyacentes en el análisis de varianza.

Resumen Estadístico para Tiempo de cocción en min.


REMOJ Recuen Promed Desviación Coeficiente de Mínim Máxim Rang
O to io Estándar Variación o o o
1 7 208.286 5.12231 2.45927% 200.0 214.0 14.0
2 7 78.8571 4.18045 5.3013% 74.0 85.0 11.0
3 7 61.4286 4.15761 6.7682% 55.0 67.0 12.0
4 7 85.5714 4.50397 5.2634% 79.0 92.0 13.0
Total 28 108.536 59.482 54.8041% 55.0 214.0 159.0

REMOJ Sesgo Curtosis


O Estandarizado Estandarizada
1 -0.575883 -0.425536
2 0.337929 -0.882942
3 -0.543206 -0.291414
4 0.0607984 -0.386667
Total 2.44116 -0.654031

El StatAdvisor
Esta tabla muestra diferentes estadísticos de Tiempo de cocción en min. para cada
uno de los 4 niveles de REMOJO. La intención principal del análisis de varianza de
un factor es la de comparar las medias de los diferentes niveles, enlistados aquí
bajo la columna de Promedio. Selecciones Gráfica de Medias de la lista de
Opciones Gráficas para mostrar gráficamente las medias.

6
Tabla ANOVA para Tiempo de cocción en min. por REMOJO
Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
Entre 95041.2 3 31680.4 1558.97 0.0000
grupos
Intra 487.714 24 20.3214
grupos
Total 95529.0 27
(Corr.)

El StatAdvisor
La tabla ANOVA descompone la varianza de Tiempo de cocción en min. en
dos componentes: un componente entre-grupos y un componente dentro-de-
grupos. La razón-F, que en este caso es igual a 1558.97, es el cociente entre
el estimado entre-grupos y el estimado dentro-de-grupos. Puesto que el
valor-P de la prueba-F es menor que 0.05, existe una diferencia
estadísticamente significativa entre la media de Tiempo de cocción en min.
entre un nivel de REMOJO y otro, con un nivel del 95.0% de confianza. Para
determinar cuáles medias son significativamente diferentes de otras,
seleccione Pruebas de Múltiples Rangos, de la lista de Opciones Tabulares.

Tabla de Medias para Tiempo de cocción en min. por REMOJO con


intervalos de confianza del 95.0%
Error Est.
REMOJ Caso Media (s Límite Límite
O s agrupada Inferior Superior
)
1 7 208.28 1.70384 205.799 210.772
6
2 7 78.857 1.70384 76.3706 81.3437
1
3 7 61.428 1.70384 58.942 63.9152
6
4 7 85.571 1.70384 83.0848 88.058
4
Total 28 108.53
6

7
El StatAdvisor
Esta tabla muestra la media de Tiempo de cocción en min. para cada nivel
de REMOJO. También muestra el error estándar de cada media, el cual es
una medida de la variabilidad de su muestreo. El error estándar es el
resultado de dividir la desviación estándar mancomunada entre el número de
observaciones en cada nivel. La tabla también muestra un intervalo
alrededor de cada media. Los intervalos mostrados actualmente están
basados en el procedimiento de la diferencia mínima significativa (LSD) de
Fisher. Están construidos de tal manera que, si dos medias son iguales, sus
intervalos se traslaparán un 95.0% de las veces. Puede ver gráficamente los
intervalos seleccionando Gráfica de Medias de la lista de Opciones Gráficas.
En las Pruebas de Rangos Múltiples, estos intervalos se usan para
determinar cuáles medias son significativamente diferentes de otras.

Pruebas de Múltiple Rangos para Tiempo de cocción en min. por


REMOJO

Método: 95.0 porcentaje LSD


REMOJ Caso Media Grupos
O s Homogéneos
3 7 61.428 X
6
2 7 78.857 X
1
4 7 85.571 X
4
1 7 208.28 X
6

Contras Sig. Diferenci +/-


te a Límites
1-2 * 129.429 4.97316
1-3 * 146.857 4.97316
1-4 * 122.714 4.97316
2-3 * 17.4286 4.97316
2-4 * -6.71429 4.97316
3-4 * -24.1429 4.97316
* indica una diferencia significativa.

8
El StatAdvisor
Esta tabla aplica un procedimiento de comparación multiple para determinar
cuáles medias son significativamente diferentes de otras. La mitad inferior
de la salida muestra las diferencias estimadas entre cada par de medias. El
asterisco que se encuentra al lado de los 6 pares indica que estos pares
muestran diferencias estadísticamente significativas con un nivel del 95.0%
de confianza. En la parte superior de la página, se han identificado 4 grupos
homogéneos según la alineación de las X's en columnas. No existen
diferencias estadísticamente significativas entre aquellos niveles que
compartan una misma columna de X's. El método empleado actualmente
para discriminar entre las medias es el procedimiento de diferencia mínima
significativa (LSD) de Fisher. Con este método hay un riesgo del 5.0% al
decir que cada par de medias es significativamente diferente, cuando la
diferencia real es igual a 0.

Verificación de Varianza
Prueba Valor-P
Levene 0.15294 0.926771
's 3

Comparaci Sigma Sigma F-Ratio P-


ón 1 2 Valor
1/2 5.1223 4.1804 1.50136 0.6341
1 5
1/3 5.1223 4.1576 1.51791 0.6251
1 1
1/4 5.1223 4.5039 1.29343 0.7627
1 7
2/3 4.1804 4.1576 1.01102 0.9897
5 1
2/4 4.1804 4.5039 0.86150 0.8610
5 7 2
3/4 4.1576 4.5039 0.85211 0.8509
1 7 3

El StatAdvisor
El estadístico mostrado en esta tabla evalúa la hipótesis de que la desviación
estándar de Tiempo de cocción en min. dentro de cada uno de los 4 niveles de
REMOJO es la misma. De particular interés es el valor-P. Puesto que el valor-P es
mayor o igual que 0.05, no existe una diferencia estadísticamente significativa entre
las desviaciones estándar, con un nivel del 95.0% de confianza.

La tabla también muestra una comparación de las desviaciones típicas para cada
par de muestras. P-valores por debajo de 0.05, de los cuales hay 0, indican una

9
diferencia estadísticamente significativa entre las dos sigmas al 5% de nivel de
significación.
Dispersión por Código de Nivel

Tiempo de cocción en min. 240

200

160

120

80

40

0
1 2 3 4
REMOJO

ANOVA Gráfico para Tiempo de cocción en min.

3 2 4 1
REMOJO P = 0.0000

Residuos
-150 -50 50 150 250 350

Medias y 95.0% de Fisher LSD

240
Tiempo de cocción en min.

200

160

120

80

40

0
1 2 3 4
REMOJO

10
Gráfico ANOM para Tiempo de cocción en min.
Con 95% Límites de Decisión

210
LDS=112.45
LC=108.54
180 LDI=104.63

150
Media

120

90

60
1 2 3 4
REMOJO

Gráfico de Medianas

210
Tiempo de cocción en min.

180

150

120

90

60
1 2 3 4
REMOJO

PRUEBAS DE HIPOTESIS

H0: μA = μB, C, D

HA: μA ≠ μB, C, D
RESULTADOS Y ANÁLISIS DE RESULTADOS
La prueba-F en la tabla ANOVA determina si hay diferencias significativas entre las
medias. Si las hay, las Pruebas de Rangos Múltiples dirán cuáles medias son
significativamente diferentes de otras. Si la presencia de valores atípicos, puede
elegir la Prueba de Kruskal-Wallis la cual compara las medianas en lugar de las
medias. Las diferentes gráficas le ayudarán a juzgar la significancia práctica de los
resultados, así como le permitirán buscar posibles violaciones de los supuestos
subyacentes en el análisis de varianza.

11
CONCLUSIONES
Las aplicaciones nos son de gran ayuda para evitar errores en la producción de
distintos productos, en el caso de ANOVA nos ayuda con el diseño de nuevos
proyectos, para determinar el margen de error, la media logarítmica, etc., además
de que nos permitirá crear un análisis concreto del producto que deseamos
desarrollar, dejándonos ver de esta, manera que podemos corregir o mejorar para
evitar en lo más mínimo los posibles errores que puedan suceder dentro de nuestro
diseño experimental.
CUESTIONARIO
♦ ¿De qué manera el experimentador debe aleatorizar los experimentos y el
material experimental?
Tener un conjunto (población) y dividir en pequeños subconjuntos
♦ Dé ejemplos de factores que deben estar fijos durante las pruebas
experimentales, para que no afecten los resultados y las conclusiones

12
♦ Formule la prueba hipótesis de que las medias de los tratamientos son
iguales.
H0: μA ≠ μB, C, D
♦ Obtenga el diagrama de caja y el gráfico de medias, después interprételos.
Medias y 95.0% de Fisher LSD

240
Tiempo de cocción en min.

200

160

120

80

40

0
1 2 3 4
REMOJO

♦ ¿Hay algún tratamiento mejor? No


♦ ¿Cuál es el tiempo de cocción esperado para el mejor tratamiento? 90
minutos
♦ Algo importante a cuidar en un experimento es que no haya efectos
colaterales no deseados, causados por el tratamiento ganador; en este caso,

13
piense en los posibles efectos colaterales que podría causar el mejor
tratamiento.

Gráfico ANOM para Tiempo de cocción en min.


Con 95% Límites de Decisión

210
LDS=112.45
LC=108.54
180 LDI=104.63

150
Media

120

90

60
1 2 3 4
REMOJO

♦ ¿Se cumplen los supuestos del modelo? No

♦ Pruebe la hipótesis de igualdad de varianzas entre tratamientos (que


corresponde a un supuesto). Las pruebas de hipótesis de igualdad de
varianzas en los tratamientos son diferentes

0.15294 < 30.926771

REFERENCIAS BIBLIOGRÁFICAS
 Spiegel, M., Schiller, J. y Srinivasan, R. (2001). Teoría y problemas de
probabilidad y estadística. Bogotá: McGraw-Hill Interamericana.
 Tejedor, F. (1999). Análisis de varianza. Madrid Salamanca: La Muralla
Hespérides.
 Sokal, R.R., Rohlf, F.J. 1995. Biometry. Freeman and co., New York
 Underwood, A.J. 1981. Techniques of analysis of variance in experimental
marine biology and ecology. Oceanogr. Mar. Biol. Ann. Rev., 19: 513-605.

14

También podría gustarte