Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Experimentos Factoriales
Es posible que las comparaciones entre los tratamientos se vean afectadas de manera
sustancial por las condiciones en las que ocurren. Con frecuencia, las interpretaciones claras
de los efectos para un factor de tratamiento deben tomar en cuenta los efectos de los otros
factores. Para investigar más de un factor a la vez, se desarrolló un tipo especial de diseño de
tratamientos, el diseño factorial.
Los diseños factoriales producen experimentos más eficientes, pues cada observación
proporciona información sobre todos los factores, y es factible ver las respuestas de un
factor en diferentes niveles de otro factor en el mismo experimento. La respuesta a cualquier
factor observado en diferentes condiciones indica si los factores actúan en las unidades
experimentales de manera independiente.
Ventajas:
Al obtener información sobre varios factores sin aumentar el tamaño del experimento.
Se amplia la base de la inferencia en relación a un factor ya que se estudia en las
diferentes condiciones representadas por los niveles de otros factores.
Se puede obtener una estimación de la interacción de los efectos, o sea, se determina el
grado y la forma en la cual se modifica el efecto de un factor en presencia de los niveles
de los otros factores.
Desventajas:
Donde:
I = 1,2,…,a (hasta “a” niveles del factor A)
j = 1,2,…,b (hasta “b” niveles del factor B)
k = 1,2,…,c (hasta “c” niveles del factor C)
l =1,2,….,r (repeticiones)
Aquí:
μ = Media poblacional.
i = efecto del j-esimo nivel del factor A.
i = efecto del j-esimo nivel del factor B.
k =efecto del j-esimo nivel del factor C
( )ij =Efecto de la interacción del i-ésimo nivel del factor A con el i-ésimo nivel del factor B
( )ik = Efecto de la interacción del i-ésimo nivel del factor A con el i-ésimo nivel del factor C
( ) jk = Efecto de la interacción del i-ésimo nivel del factor B con el i-ésimo nivel del factor C
( )ijk = Efecto de la interacción del i-ésimo nivel del factor A con el i-ésimo nivel del factor
B del k-ésimo nivel del factor C.
ijkl =variación del error asociado a la ijkl - ésima unidades experimentales
A a1 a2
B b1 b2 b1 b2
C c1 c2 c3 c1 c2 c3 c1 c2 c3 c1 c2 c3
R1 Y1111 Y121 Y131 Y111 Y121 Y131 Y211 Y221 Y231 Y211 Y221 Y231
R2 Y1112 Y122 Y132 Y112 Y122 Y132 Y212 Y222 Y232 Y212 Y222 Y232
R3 Y1113 Y123 Y133 Y113 Y123 Y133 Y213 Y223 Y233 Y213 Y223 Y233
R4 Y1114 Y124 Y134 Y114 Y124 Y134 Y214 Y224 Y234 Y214 Y224 Y234
R5 Y1115 Y125 Y135 Y115 Y125 Y135 Y215 Y225 Y235 Y215 Y225 Y235
R6 Y1116 Y126 Y136 Y116 Y126 Y136 Y216 Y226 Y236 Y216 Y226 Y236
CUADRO DE ANÁLISIS DE VARIANCIA PARA UN ARREGLO FACTORIAL DE 2 FACTORES, CONDUCIDO COMO DISEÑO BLOQUE
COMPLETAMENTE AL AZAR
(Tratamiento) (t-1)
Y
i 1 j 1 k 1
2
ijk
Y...2
SCTrat
r abcr
a
acr abcr
c
abr abcr
a b
Interacción AB (a-1)(b-1)
X
i 1 j 1
2
ik .
Y...2 CM AB
SC AB SC A SCB
rc abcr
a c
Interacción AC (a-1)(c-1) X 2
ik .
Y...2 CM AC
SC AC i 1 k 1
SC A SCC
rb abcr
b c
Interacción BC (b-1)(c-1)
X
j 1 k 1
2
. jk .
Y...2 CM BC
SCBC SCB SCC
ra abcr
SC
Interacción “ABC” (a-1)(b-1)(c-1) SC ABC SCTRAT SC A SCB SCC SC AB SC AC SCBC CM ABC ABC
( a 1)( b 1)( c 1)
CMABC/Cmee
i 1 j 1 k 1 l 1 abcr -
La alimentación de alpacas suri y huacaya, el último tercio de la gestación 14 días antes del
parto sobre el peso cría antes del nacimiento, tendrá que ver con la ganancia en peso de la
cría
Para esté experimento se tiene los siguientes factores: la raza, ambiente y la alimentación
a1
Suri
Factor A
Razas de Alpaca
a2
Huancaya
b1
Libre
Factor B
Ambiente
b2
Cobertizo
c1
Pasto Natural
c2
Factor A
Concentrado
Alimentación
Proteico
c3
Maíz Molido + Leche
Datos obtenidos:
A a1 a2
B b1 b2 b1 B
C c1 c2 c3 c1 c2 c3 c1 c2 c3 c1 c2 c3
R1 8.2 7 8.2 7.2 6.8 8.2 6.2 8.2 7.7 8.0 7.1 7.6
R2 8.5 8.2 7.9 6.3 6.2 6.9 8.1 6.5 7.2 7.8 8.9 6.2
R3 8.3 8.0 7.5 6 7.5 8.2 8.6 6.6 7.3 7.6 8.1 6.5
R4 8.2 8.7 7.6 6.5 8.2 7.2 8.5 7.9 7.4 7.2 8.5 6.6
R5 8.6 8.7 7.2 6.6 8.3 7.3 7.0 7 6.5 7.6 7 7.8
R6 8.7 8.2 8.0 6.7 6.5 7.0 7.9 7.5 6.6 8.0 7.2 8.9
A
B
C
Solución:
Y 2
i ..
Y...2
SC A( Raza ) i 1
bcr abcr
SCRaza 0.222
YY...2
j 1
2
. j.
SCB ( Ambiente )
acr abcr
SC Ambiente 2.800
Y 2
.k .
Y...2
SCC ( Alimen ) k 1
abr abcr
SC Alim 0.714
a b
Xi 1 j 1
2
ik .
Y...2
SC AB ( Raza* Ambi ) SC A SCB
rc abcr
a c
X 2
ik .
Y...2
SC AC ( Raza* Alime ) i 1 k 1
SC A SCC
rb abcr
b c
X
j 1 k 1
2
. jk .
Y...2
SC BC ( Ambie*Alime ) SCB SCC
ra abcr
SCError 26.217
a b c r
Y...2
SCTOTAL Yijkl
2
i 1 j 1 k 1 l 1 abcr
SCTotal 42.246
Grados
Suma de Cuadrados
Fuente de Variación de F. Cal
Cuadrados Medios
Libertad
Factor (a) Raza 1 0.222 0.222 0.51
Factor (b) Ambiente 1 2.800 2.801 6.41
Factor (c) Alimentación 2 0.714 0.356 0.82
Interacción (ab) Raza*Ambiente 1 6.722 6.722 15.38
Interacción (ac) Raza*Alimentación 2 1.217 0.608 1.39
Interacción (bc) Ambiente*Alimentación 2 2.742 1.371 3.14
Interacción (abc) Raza*Ambiente*Alimentación 2 1.612 0.806 1.84
Error 60 26.217 0.437
Total 71 42.246
data alpaca;
input raza ambiente alimentacion repeticion gananpeso;
cards;
1 1 1 1 8.2
1 1 1 2 8.5
1 1 1 3 8.3
1 1 1 4 8.2
1 1 1 5 8.6
1 1 1 6 8.7
1 1 2 1 7.0
1 1 2 2 8.2
1 1 2 3 8.0
1 1 2 4 8.7
1 1 2 5 8.7
1 1 2 6 8.2
1 1 3 1 8.2
1 1 3 2 7.9
1 1 3 3 7.5
1 1 3 4 7.6
1 1 3 5 7.2
1 1 3 6 8.0
1 2 1 1 7.2
1 2 1 2 6.3
1 2 1 3 6.0
1 2 1 4 6.5
1 2 1 5 6.6
1 2 1 6 6.7
1 2 2 1 6.8
1 2 2 2 6.2
1 2 2 3 7.5
1 2 2 4 8.2
1 2 2 5 8.3
1 2 2 6 6.5
1 2 3 1 8.2
1 2 3 2 6.9
1 2 3 3 8.2
1 2 3 4 7.2
1 2 3 5 7.3
1 2 3 6 7.0
2 1 1 1 6.2
2 1 1 2 8.1
2 1 1 3 8.6
2 1 1 4 8.5
2 1 1 5 7.0
2 1 1 6 7.9
2 1 2 1 8.2
2 1 2 2 6.5
2 1 2 3 6.6
2 1 2 4 7.9
2 1 2 5 7.0
2 1 2 6 7.5
2 1 3 1 7.7
2 1 3 2 7.2
2 1 3 3 7.3
2 1 3 4 7.4
2 1 3 5 6.5
2 1 3 6 6.6
2 2 1 1 8.0
2 2 1 2 7.8
2 2 1 3 7.6
2 2 1 4 7.2
2 2 1 5 7.6
2 2 1 6 8.0
2 2 2 1 7.1
2 2 2 2 8.9
2 2 2 3 8.1
2 2 2 4 8.5
2 2 2 5 7.0
2 2 2 6 7.2
2 2 3 1 7.6
2 2 3 2 6.2
2 2 3 3 6.5
2 2 3 4 6.6
2 2 3 5 7.8
2 2 3 6 8.9
proc anova;
classes raza ambiente alimentacion;
model gananpeso = raza ambiente alimentacion raza*ambiente raza*alimentacion
ambiente*alimentacion raza*ambiente*alimentacion;
run;
Sistema SAS
Procedimiento ANOVA
Procedimiento ANOVA
Variable dependiente: gananpeso
Proporciónese datos para un diseño anidado doble con cinco tratamientos (aleatorios)
Balanceado, con seis de repeticiones por tratamiento y estime los valores de los
componentes de la variancia:
Diseños anidados o jerárquicos, Por anidación se entiende que los valores de la variable
anidada no se combinan con los valores de la variable de anidación. De esta forma, la
relación entre las variables no es cruzada, como en los diseños factoriales, sino jerárquica-
Una estructura anidada o jerárquica ocurre cuando los datos son obtenidos por muestreo
aleatorio en dos o más etapas. Esto implica que, para cada categoría de la variable de
agrupación, los sujetos son distintos; es decir, los sujetos no se repiten con los valores de la
variable clasificatoria.
En el diseño jerárquico o anidado, hay dos niveles de integración o de dependencia. El
primero, las medidas repetidas se hallan anidadas en los sujetos y esto constituye un primer
nivel, y en segundo, los sujetos de los centros se hallan anidados en los valores de la variable
de tratamiento o métodos.
Yijk ... i (i ) j ( ij ) k
I = 1,2,…,t (Tratamientos)
j = 1,2,…,r (Individuos)
k = 1,2,…,k (Muestras)
Donde:
μ = Media poblacional.
i = efecto de tratamientos.
i =efecto de tratamientos.
(i ) j
= error experimental.
(ij ) k
=representa el error aleatorio de sub-muestreo, o el efecto neto de todos los factores
peculiares inespecíficos de una observación sobre un sujeto.
Y 2
i ..
(Y... )2
SCTrat i 1
ru tru
r n n
X ij2. X i
SCEE i 1 i 1
i 1
u ru
SCEM SCTOTAL SCTRAT SCE .E .
t r u
Y...2
SCTOTAL Yijk2
i 1 j 1 k 1 tru
Un experto en genetista desea saber cuales son los componentes que están primando en la
mejora genética que esta realizando en su granja de porcinos
Parcelas Divididas
En general, el diseño de parcelas divididas se utiliza cuando algunos factores requieren u.e.
grandes, mientras que otros factores las requieren más pequeñas.
Donde:
H a : i 0 H a : i 0 H a : ( )ij 0
1) Diseño Completamente al Azar.
br abr
E.E(A) (a-1) a n n n
SC( EEA )
Yi.2k Y..2k Y 2
..k
Y 2 CM ( EEA ) a ( r 1)
SCEE ( A) i 1 k 1
i 1
i 1
...
br ab br abr
B (b-1) b
SCB CM B
Y 2
. j.
Y 2
CM B ( b 1)
CM EE ( B )
SCB i 1
...
ar abr
(AB) (a-1)(b-1) a b a a
SC CM AB
Y 2
ij . Y
Y
2
i .. Y 2
i .. 2
CM AB AB
( a 1)( b 1)
CM EE ( B )
SC( AB ) i 1 k 1
i 1
i 1
...
r br ar abr
E.E(A) a(b-1)(r- SCEE( B ) SCTOTAL SCPARCELA SCB SC AB SC ( EEB )
1) CM ( EEB ) a ( b 1)( r 1)
Total abr-1 a b r
Y...2
SCTOTAL Yijk2
i 1 j 1 k 1 abr
Bloques: (r 1) 2
Parcelas Grandes A: ( a 1) 2
(a * r ) 1 = Error a: r 1)(a 1) 4
(
Rep 2 120.8 121.4 120.5 120.5 120.8 121.5 121.7 119.6 118.9
Rep 3 120.5 119.5 119.8 121.6 120.9 121.6 121.8 119.8 119.8