Está en la página 1de 13

Apéndice 3

1. A partir de la lectura del capítulo 3 del libro análisis y diseños de


experimentos, aplique los conceptos del diseño completamente
al azar (DCA) y análisis de varianza para el siguiente enunciado.

COMPARACIÓN DE 4 FÓRMULAS DE ENGORDE EN TILAPIAS

El equipo de desarrollo e innovación que lo componen zootecnistas e


ingenieros de alimentos de una empresa de cultivo de tilapia evalúa el
efecto de cinco fórmulas de engorde (F1, F2, F3, F4, F5), sobre el peso final
de las tilapias (entendiendo que a mayor peso en las tilapias la fórmula de
engorde realizada es más eficiente). En primera instancia, la estrategia
experimental es aplicar cuatro veces las 5 fórmulas de engorde en orden
completamente al aleatorio (las 20 pruebas al azar). Los pesos (kg)
obtenidos de las tilapias en la investigación se muestran en la siguiente
tabla.

FÓRMULAS DE ENGORDE
F1 F2 F3 F4 F5
2,66 3,2 3,01 3,52 4,00
2,52 3,42 3,13 3,71 3,89
2,74 3,47 3,25 3,78 3,90
2,9 3,64 3,38 3,79 4,12

a. Formule el interrogante del problema de investigación. (5 /120)

¿existe una diferencia entre las fórmulas que pueda generar


mejores resultados en el peso de las tilapias y por lo tanto se
más eficiente?

b. Formule las hipótesis correspondientes (igualdad y alterna). (5 /120)

𝑯𝟎 = µ1 = µ2 = µ𝑘 = µ1 todas las fórmulas son iguales, tienen el mismo


rendimiento y no afectan el peso de la tilapia

𝑯𝑨 = 𝐻𝐴 : µ𝑖 = µ𝑗 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑛 𝑖 ≠ 𝑗 al menos una fórmula es diferente de las


demás e influye en el peso de las tilapias

c. Realice los cálculos correspondientes al análisis de varianza y elabore la


tabla ANOVA,  = 0.05. (20 /120).

Para la elaboración de la tabla ANOVA, se tienen en cuenta las fórmulas


a continuación:
𝑛𝑖

𝑌𝑖 = ∑ 𝑌𝑖𝑗
𝑗=1

Siendo 𝑌𝑖 La sumatoria las observaciones de los tratamientos 𝑖

∑𝑛𝑗=1
𝑖
𝑌𝑖𝑗
𝑌̅𝑖 =
𝑛𝑖

𝑌̅𝑖 es la media de las observaciones del 𝑖 − 𝑒𝑠𝑖𝑚𝑜 tratamiento


𝑘 𝑛𝑖

𝑌 = ∑ ∑ 𝑌𝑖𝑗
𝑖=1 𝑗=1

𝑌 es la suma total de las mediciones N = 𝑛1 + 𝑛2 + 𝑛3 + 𝑛𝑘


𝑌
𝑌̅ =
𝑁
𝑌̅ Es la media global o promedio de las observaciones realizadas

La tabla ANOVA quedaría de la siguiente manera:

Fuente de Grados de Suma de Cuadrados Cuadrado 𝐹0 Valor −𝑝


Viabilidad Libertad medio

Tratamientos 𝑘−1 𝑘
𝑌𝑖 2 𝑌 2
𝑆𝐶𝑇𝑅𝐴𝑇 𝐶𝑀𝑇𝑅𝐴𝑇 𝑃(𝐹 > 𝐹0 )
𝐶𝑀𝑇𝑅𝐴𝑇 =
𝑆𝐶𝑇𝑅𝐴𝑇 = ∑. − 𝑘−1 𝐶𝑀𝐸
𝑛𝑖 𝑁
𝑖=1

Error 𝑁−𝑘 𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑇𝑅𝐴𝑇 𝑆𝐶𝐸


𝐶𝑀𝐸 =
𝑁−𝑘
𝑘 𝑛𝑖
𝑌 2
𝑆𝐶𝑇 = ∑ ∑ 𝑌𝑖𝑗 −
Total 𝑁−1 𝑖=1 𝑗=1
𝑁

Con la información y estructura de la tabla ANOVA, se procede a


reemplazar los datos, para el cálculo de estos, se utilizó el ofimático
Excel

FÓRMULAS DE ENGORDE
Formula Engorde F1 F2 F3 F4 F5
2.66 3.2 3.01 3.52 4
2.52 3.42 3.13 3.71 3.89
Tabla de 2.74 3.47 3.25 3.78 3.9
Datos 2.9 3.64 3.38 3.79 4.12
Sumatoria 10.82 13.73 12.77 14.8 15.91
Sumatoria
de
Tratamientos
al cuadrado 231.404045
Sumatoria
de
cuadrados
Totales 4.133855

Suma de
cuadrados
de
tratamiento 3.80253

Error 0.331325

Cuadrado
Medio del
tratamiento 1.26751

Cuadrado
Medio del
error 0.020707812

43.20926583

La aplicación de las fórmulas permite obtener los resultados en la tabla


anterior, y que son presentados directamente sobre la tabla ANOVA,
reemplazando cada formula por su respectivo valor final.

Los cálculos son realizados en base a la tabla datos

Fuente de Grados de Suma de Cuadrado


Viabilidad Libertad Cuadrados Medio Valor
43.03 >
Tratamientos 4 3.80253 0.9506325 43.03776503
3.06
Error 15 0.331325 0.022088333
Total 19 4.133855

Con el cálculo de grados de libertad de los tratamientos y el error, nos


dirigimos a la tabla de F  = 0.05 y ubicamos el punto crítico:
d. Realizar la validación de la ANOVA por medio de un programa estadístico
(diferente a Excel), adjuntar pantallazo. (20 /120)

Se realizo el montaje de la tabla en InfoStat y se obtuvo el resultado


Nueva tabla : 09-oct-19 - 09:17:24 PM - [Versión : 01-sep-19]

Análisis de la varianza

Variable N R² R² Aj CV
Observaciones 20 0.92 0.90 4.37

Cuadro de Análisis de la Varianza (SC tipo III)


F.V. SC gl CM F p-valor
Modelo 3.80 4 0.95 43.04 <0.0001
Formula de Engorde 3.80 4 0.95 43.04 <0.0001
Error 0.33 15 0.02
Total 4.13 19

Test:Tukey Alfa=0.05 DMS=0.32451


Error: 0.0221 gl: 15
Formula de Engorde Medias n E.E.
F1 2.71 4 0.07 A
F3 3.19 4 0.07 B
F2 3.43 4 0.07 B C
F4 3.70 4 0.07 C D
F5 3.98 4 0.07 D
Medias con una letra común no son significativamente diferentes (p > 0.05)
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión
Efectividad Estudiantil
Formulas Versión Estudiantil
Engorde Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
4.12
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
D
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil3.75
Versión Estudiantil Versión Estudiantil Versión Estudiantil
CD Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Observaciones

Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
BC Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
3.38
Versión Estudiantil Versión Estudiantil Versión Estudiantil BVersión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
3.01
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil A Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
2.64
Versión Estudiantil Versión Estudiantil
F1 Versión
F3Estudiantil F2Versión Estudiantil
F4 Versión
F5 Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión EstudiantilFormula
Versiónde
Estudiantil
Engorde Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
e. A partir de los criterios del resultado del valor – P y FO (son dos criterios
diferentes), ¿qué se puede concluir con respecto a las hipótesis planteadas?
(10 /120)

El resultado permite concluir que la Hipótesis planteada 𝑯𝟎 = µ1 = µ2 =


µ𝑘 = µ1 todas las fórmulas son iguales, tienen el mismo rendimiento y no
afectan el peso de la tilapia se rechaza y se acepta la hipótesis
𝑯𝑨 = 𝐻𝐴 : µ𝑖 = µ𝑗 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑛 𝑖 ≠ 𝑗 al menos una fórmula es diferente de las
demás e influye en el peso de las tilapias

f. ¿Describa cuál es la función y para qué es utilizado el método Tukey,


después del análisis de varianza de los resultados? Dentro del concepto
responda si es necesario utilizar este método si aceptamos o rechazamos la
hipótesis de igualdad (20 /120)

El método turkey permite categorizar los resultados y agruparlos


estadísticamente, es necesario para poder descartar e identificar los
datos que permiten identificar el método eficiente, deficiente o adecuado
del experimento y que además ayuda a refutar o aceptar la tesis inicial
2. A partir de la lectura del capítulo 4 del libro análisis y diseños de
experimentos, aplique los conceptos del diseño en cuadro latino (DCL)
y análisis de varianza para el siguiente enunciado.

En un centro de investigación de agricultura se requiere estudiar el efecto de


distintos tipos de semilla en el rendimiento del maíz y se considera que en
dicho rendimiento también pueden influir los tipos de abonos empleados. Así,
el factor de interés es el origen de la semilla (A, B, C y D) y se controla dos
factores de bloques el tipo de semilla y el tipo de abono en función de la
variable de respuesta.

Tipo de Tipo de semilla


abono 1 2 3 4
1 C=73 D=78 A=68 B=90
2 B=79 C=79 D=67 A=80
3 A=65 B=81 C=65 D=66
4 D=92 A=80 B=89 C=92

g. Realice los cálculos correspondientes al análisis de varianza y elabore la


tabla ANOVA  = 0.01. (20 /120)

Ilustración 1 Tabla ANOVA para DCL, Tomada de Análisis y diseño de experimentos 3ra Edición, Gutiérrez H

De la tabla ANOVA se reemplazan los valores según las fórmulas:


𝑘
𝑌𝑖 2 𝑌 2
𝑆𝐶𝑇𝑅𝐴𝑇 = ∑. −
𝑛𝑖 𝑁
𝑖=1
Tipo de Sumatoria
Tipo de semilla
abono Renglones
1 2 3 4
1 73 78 68 90 309
2 79 79 67 80 305
3 65 81 65 66 277
4 92 80 89 92 353
Sumatoria
Columnas 309 318 289 328 1244
Ilustración 2 Tabla de datos Inicial

Se halla a partir de la tabla de datos, la tabla de cada uno de los tratamientos,


y a su vez, la suma de cuadrado de tratamientos

Tratamiento Suma
A 293
B 339
C 309
D 303

𝒀 𝟐
Se haya la suma de todos los tratamientos al cuadrado 𝑵
= 𝟗𝟔𝟕𝟐𝟏 una vez
hecho esto, se calcula la Suma de cuadrados de los tratamientos
𝑘
𝑌𝑖 2 𝑌 2
𝑆𝐶𝑇𝑅𝐴𝑇 = ∑. −
𝑛𝑖 𝑁
𝑖=1

𝟐𝟗𝟑2 𝟑𝟑𝟗2 𝟑𝟎𝟗2 𝟑𝟎𝟑2


𝑺𝑪𝑻𝑹𝑨𝑻 = + + + − 96721 = 294
4 4 4 4

𝑺𝑪𝑻𝑹𝑨𝑻 = 𝟐𝟗𝟒
𝑘 𝑛𝑖
𝑌 2
𝑺𝑪𝑻 = ∑ ∑ 𝑌𝑖𝑗 −
𝑁
𝑖=1 𝑗=1

𝑺𝑪𝑻 = (782 + 792 + 812 + 902 + 802 + 662 + 922 + 802 + 682 + 672 + 652 + 892 + +732 +
792 + 652 + 922 ) − 96721

𝑺𝑪𝑻 = 𝟏𝟒𝟎𝟑

una vez calculados los valores anteriores, se procede con el cálculo de suma de
cuadrados de las columnas y los renglones.
𝑌𝑗2 𝑌..2
Suma de cuadrados de Renglones: 𝑆𝐶𝐵1 = ∑𝜅𝑗=1 𝜅
− 𝑁

3092 𝟑𝟎𝟓2 𝟐𝟕𝟕2 𝟑𝟓𝟑2


𝑆𝐶𝐵1 = 4
+ 4 + 4
+ 4 − 96721 = 740
𝑺𝑪𝑩𝟏 = 𝟕𝟒𝟎
𝑌𝑙2 𝑌..2
Suma de cuadrados de las columnas 𝑆𝐶𝐵2 = ∑𝜅𝑙=1 𝜅
− 𝑁

3092 3182 2892 3282


𝑆𝐶𝐵2 = 4
+ 4 + 4
+ 4 − 96721 = 207

𝑺𝑪𝑩𝟐 = 𝟐𝟎𝟕

Hallamos la suma de cuadrados del error 𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑇𝑅𝐴𝑇 − 𝑆𝐶𝐵1 − 𝑆𝐶𝐵2

𝑺𝑪𝑬 = 1403 − ( 294 + 740 + 207)

𝑺𝑪𝑬 = 𝟏𝟔𝟑

Para calcular los cuadrados medios es necesario tener los grados de libertad

Grados
de Correspondencia
Formulas Libertad para calculo

15

𝑆𝐶𝑇𝑅𝐴𝑇
Cuadrado medio del Tratamiento 𝑪𝑴𝑻𝑹𝑨𝑻 =
𝑘−1
294
𝑪𝑴𝑻𝑹𝑨𝑻 =
= 𝟗𝟖
3
𝑆𝐶𝐵1
Cuadrado medio de renglones 𝐶𝑀𝐵1 = 𝐾−1
740
𝐶𝑀𝐵1 = = 𝟐𝟒𝟕
3
𝑆𝐶𝐵2
Cuadrado medio de Columnas 𝑪𝑀𝐵2 = 𝑘−1
207
𝑪𝑀𝐵2 = = 𝟔𝟖. 𝟖𝟑
3
𝑆𝐶
Cuadrado medio del Error 𝑪𝑴𝑬 = (𝑘−2)∗(𝑘−1)
𝐸

163
𝑪𝑴𝑬 = = 𝟐𝟕. 𝟎𝟖
6
𝑺𝑪𝑻
Cuadrado Medio total 𝑪𝑴𝑻 =
𝑘 2 −1

1403
𝐶𝑴𝑻 = = 𝟗𝟑. 𝟓𝟑
15
Teniendo los datos anteriores, se realiza la tabla ANOVA para DCL y se

calculan los F0.

Grados
Fuente de Suma de de Cuadrado
Variabilidad Cuadrados Libertad Medio 𝑭𝟎 𝑭𝒕𝒂𝒃𝒍𝒂 Valor-p

Tratamientos 294 3 98 4.155477032 9.78 P(9.78>4.155477032)

Renglones
B1 740 3 247 10.45936396 9.78 P(9.78>10.45936396)

Columnas B2 207 3 68.83 2.918727915 9.78 P(9.78>2.918727915)

Error 142 6 23.58

Total 1403 15 93.53

Se tiene un alfa  =0.01


Nueva tabla : 25-oct-19 - 12:00:02 PM - [Versión : 01-sep-19]

Análisis de la varianza
Variable N R² R² Aj CV
Rendimiento 16 0.88 0.71 6.69

Datos desbalanceados en celdas.


Para otra descomposición de la SC
especifique los contrastes apropiados.. !!

Cuadro de Análisis de la Varianza (SC tipo I)


F.V. SC gl CM F p-valor
Modelo 1240.50 9 137.83 5.09 0.0304
tipo de Abono 740.00 3 246.67 9.11 0.0119
Tipo de Semilla 206.50 3 68.83 2.54 0.1526
Tratamiento 294.00 3 98.00 3.62 0.0844
Error 162.50 6 27.08
Total 1403.00 15

Test:LSD Fisher Alfa=0.01 DMS=13.64297


Error: 27.0833 gl: 6
tipo de Abono Medias n E.E.
3 69.25 4 2.60 A
2 76.25 4 2.60 A B
1 77.25 4 2.60 A B
4 88.25 4 2.60 B
Medias con una letra común no son significativamente diferentes (p > 0.01)

Test:LSD Fisher Alfa=0.01 DMS=13.64297


Error: 27.0833 gl: 6
Tipo de Semilla Medias n E.E.
3 72.25 4 2.60 A
1 77.25 4 2.60 A
2 79.50 4 2.60 A
4 82.00 4 2.60 A
Medias con una letra común no son significativamente diferentes (p > 0.01)

Test:LSD Fisher Alfa=0.01 DMS=13.64297


Error: 27.0833 gl: 6
Tratamiento Medias n E.E.
A 73.25 4 2.60 A
D 75.75 4 2.60 A
C 77.25 4 2.60 A
B 84.75 4 2.60 A
Medias con una letra común no son significativamente diferentes (p > 0.01)

h. A partir de los criterios del resultado del valor – P y FO (son dos criterios
diferentes), ¿que se puede concluir con respecto a las hipótesis planteadas?
(20 /120)

Teniendo en cuenta los resultados para cada uno de los casos, se tiene que:

En los tratamientos P(9.78>4.155477032), por lo tanto, se rechaza la


Hipótesis

Para los renglones, tipos de abono, P(9.78>10.45936396), se acepta la


Hipótesis

Para columnas, tipos de semillas, P(9.78>2.918727915), se Rechaza la


Hipótesis
Bibliografia

https://www.youtube.com/watch?v=0avkZDOPDKU

https://www.youtube.com/watch?v=M8KflDriG7M

Gutiérrez,H. (2012).Análisis y diseño de experimentos.(3a. ed.) McGraw-Hill


Interamericana. (pp 52–61) Recuperado de
http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=375&pg=

Gutiérrez,H. (2012).Análisis y diseño de experimentos.(3a. ed.) McGraw-Hill


Interamericana. (pp 92-96) Recuperado de
http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=375&pg=

También podría gustarte