EJEMPLO ILUSTRATIVO

DISEÑO EN BLOQUE COMPLETO AL AZAR (DBCA).

Se realizó un experimento para estudiar el funcionamiento de cuatro diferentes quita manchas. Las lecturas de
“blancura”(valor mayor+=más limpio) se obtuvieron usando un aparato especial en tres diferentes tipos de mancha
comunes.
a) ¿Hay diferencia significativa entre los detergentes?

Solucion (a):

Factor de interés principal: Detergentes

Nivel de factor: k=4

Factor de bloque: Tipo de manchas

Nivel de bloque : b=3

Variable de interés Yij : Blancura.

Hipótesis a probar:

H 0 :  D1   D 2   D 3   D 4  

H1 :  Di   Dj para algún i  j (i,j=12,3,4)

Modelo estadístico Yij     i   j   ij ; i 1,2,3..... k 

 
 j 1,2,3.....b 

Resumen de datos

  M1 M2 M3 Yi  Yi  Yij2 Si2
Detergente 1 45 43 51 139 46,3333 6475 17,3333
Detergente 2 47 46 52 145 48,3333 7029 10,3333
Detergente 3 48 50 55 153 51,0000 7829 13,0000
Detergente 4 42 37 49 128 42,6667 5534 36,3333
  Y j 182 176 207   Y  565    Yij2 26867  
  Y j 45,5 44 51,75        
 Tabla ANOVA

Fuentes de Variabilidad S.C G.L C.M F0 Ftabla

k
Yi 2 Y2 SCTr CMTr
Tratamientos SCTr    k 1 CMTr  F0 
i 1 b N k 1 CME

b Y2j Y2 SCB

Bloque SCB    b 1 CMB 
i 1 k N b 1

SCE
Error SCE  SCT  SCTr  SCB  k  1  b  1 CME 
 k  1  b  1
ni
k
Y2
Total SCT   Yij2  kb  1
j 1 i 1 N

Cálculos de sumas de cuadrados:

1392 1452 153 1282 565

SCTr       110,917
3 3 3 3 12

1822 1762 207 2 5652

SCB      135,167
4 4 4 12

5652
SCT  26867   264,917
12

SCE  SCT  SCTr  SCB =18,8333

Cálculos de Grados de libertad

Grados de libertad de los tratamientos k  1  3
Grados de libertad de bloques b  1  2
Grados de libertad del error (en este caso se trata de un diseño sin replicas):  k  1  b  1 6
Grados de libertad totales kb  1  11

Cálculos de cuadrados medios

SCTr SCE SCB

CMTr   36,9722 CME   3,13889 CMB   67,5833
k 1  1  b  1
k  b 1
 Calculo de F
CMTr
F0   11, 78
CME
La tabla ANOVA quedaría de la siguiente forma:

Fuente de variación Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P Ftabla

Tratamiento 110,917 3 36,9722 11,78 0,0063 6.598
DETERGENTE
BLOQUE 135,167 2 67,5833 21,53 0,0018
RESIDUOS (error) 18,8333 6 3,13889
TOTAL 264,917 11

VERIFICACION DE LOS SUPUESTOS DEL MODELO

Normalidad de los residuos

Prueba de Shapiro-Wilks
Hipotesis
H0 : Los RESIDUOS proceden de una distribución normal
H1 : Los RESIDUOS no proceden de una distribución normal
El primer paso consiste en hallar los residuos, los debemos estimar los residuales con la formula
 ij  Yij  Yi   Yi   Y :
  M1 M2 M3
0,25 -0,25 0
Detergente 1
0,25 0,75 -1
Detergente 2
-1,4167 2,08333 -0,6667
Detergente 3
0,91667 -2,5833 1,66667
Detergente 4
De aquí en adelante se sigue el mismo procedimiento descrito en el ejemplo ilustrativo para DCA, en este caso usare
la salida del software cuya interpretación es que se cumple el supuesto de normalidad pues el valor P> que el nivel de
significancia.
Pruebas de Normalidad para RESIDUOS
Prueba Estadístico Valor-P
Estadístico W de Shapiro-Wilk 0,985627 0,986515

Homogeneidad de varianza:
Se sigue el mismo procedimiento descrito en el ejemplo ilustrativio para DCA.
Verificación de Varianza
Prueba Valor-P
de Bartlett 1,12872 0,849062
Con la tabla podemos observar que se verifica el supuesto de homogeneidad de varianza.

Como los dos supuestos se cumplen entonces podemos concluir del análisis ANOVA, que con una confianza del 95%,
se rechaza la hipótesis nula (F 0=11,78> F 0,975(3,6)6.598 ), lo que significa que existen diferencias estadísticas
significativas entre las blancuras producidas por los distintos detergentes. Además al analizar en la tabla ANOVA
los cuadrados medios podemos decir que las manchas tienen un efecto significativo sobre la variable respuesta.
Si queremos saber cual detergente es el mejor debemos utilizar test de rangos múltiples.
TEST LSD

En este caso la formula para este tes de rangos es

Pruebas de Múltiple Rangos

Contraste Sig. Diferencia +/- Límites

D1 -D 2 -2,0 3,53966
D1 -D 3 * -4,66667 3,53966
D1 -D 4 * 3,66667 3,53966
D2 -D 3 -2,66667 3,53966
D2 -D 4 * 5,66667 3,53966
D3 -D 4 * 8,33333 3,53966
* indica una diferencia significativa.

EL MISMO ANALISIS EN EL SOFTWARE SE REALIZA DE LA SIGUIENTE FORMA.

Segundo paso