Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA:
AUTORES:
MARÍA ESPINOZA
FECHA:
27/11/2019
CODIGO:
123
SEMESTRE:
CUARTO “B”
Características de diseño completamente al azar
Características
Los diseños completamente al azar son empleados cuando las unidades experimentales son
suficientemente homogéneas entre sí, es decir, cuando la variación entre ellas es pequeña. Por lo
que el empleo de bloques resulta inapropiado porque no hay heterogeneidad que sea necesaria
absorber. Este es el caso en muchos tipos de experimentos de laboratorio, en los que una cantidad
de material está completamente mezclado y luego se divide en porciones pequeñas para formar las
unidades experimentales, o en experimentos con animales y plantas con condiciones ambientales
muy parecidas. Todas las unidades experimentales reúnen prácticamente las mismas características,
de modo que el efecto de un tratamiento sobre la variable bajo estudio, es el mismo
independientemente de la unidad experimental donde se mide excepto por variaciones aleatorias,
debido a fuentes de error en la investigación.
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, animales de bioterio, aves, conejos, cerdos, etc., es
decir, situaciones experimentales como de las condiciones ambientales que rodean el experimento
La principal estriba en su grado de precisión, algún otro diseño suele ser capaz de estimar el
error stándar por unidad experimental (error experimental) con un mayor grado de
precisión.
Formulas
BIBLIOGRAFIAS
1. Box, G.E.; Hunter, J.S.; Hunter, W.G. (2008). Estadística para investigadores. Diseño,
innovación y descubrimiento. Segunda Edición, Ed. Reverté, Barcelona.
2. Gutiérrez, H.; de la Vara, R. (2003). Análisis y diseño de experimentos. McGraw-Hill,
México.
3. Vicente, M.L.; Girón, P.; Nieto, C.; Pérez, T. (2005). Diseño de experimentos. Soluciones
con SAS y SPSS. Pearson Educación, Madrid.
TEMA:
PRUEBAS DE COMPARACIONES MÚLTIPLES DMS
AUTORES:
MARÍA ESPINOZA
FECHA:
23/1/2020
CODIGO:
123
SEMESTRE:
CUARTO “B”
yij = µi + uij .
Antes de estudiar analíticamente las distintas formas de comparar efectos, es conveniente examinar
de forma cualitativa su comportamiento. Esto se efectúa de forma gráfica y constituye el primer
método que pasamos a desarrollar.
Prueba de Duncan
El Test de Duncan es un test de comparaciones múltiples. Permite comparar las medias de los t
niveles de un factor después de haber rechazado la Hipótesis nula de igualdad de medias mediante
la técnica ANOVA. Todos los tests de comparaciones múltiples son tests que tratan de perfilar,
tratan de especificar, tratan de concretar, una Hipótesis alternativa genérica como la de cualquiera
de los Test ANOVA.
El Test de Duncan es muy similar al Test HSD de Tukey pero en lugar de trabajar con un umbral
fijo trabaja con un umbral cambiante. Un umbral que dependerá del número de medias implicadas
en la comparación.
Para saber el número de medias implicadas en la comparación se ordenan las medias muestrales de
menor a mayor y así al hacer una comparación entre dos medias sabremos además de las dos
medias comparadas cuantas medias quedan dentro. Este número de medias implicadas en cualquier
comparación de medias es el parámetro p de este umbral.
Es interesante comparar el Test HSD y el Test de Duncan. Este cambio tanto en el número de
medias implicada como en el nivel de significación genera un umbral más pequeño. Esto da una
mayor capacidad de encontrar diferencias mediante el Test de Duncan porque los umbrales son más
pequeños y, por lo tanto, es más fácil encontrar diferencias entre las medias comparadas. En estos
casos, en Estadística, decimos que el Test de Tukey es más conservador que el Test de Duncan o
que tiene menor potencia.
Sirve para probar todas las diferencias entre medias de tratamientos de una experiencia. La única
exigencia es que el número de repeticiones sea constante en todos los tratamientos.
Este método sirve para comparar las medias de los tratamientos, dos a dos, o sea para evaluar las
hipótesis:
Obtener el Tα.
Calcular la diferencia de las medias y realizar las comparaciones con el valor crítico.
Donde:
q es una valor que se obtiene de una tabla (Tabla de Tukey) , de manera parecida a la tabla de F
Horizontalmente se coloca el número de los tratamientos y verticalmente los grados de libertad del
error. Solamente existen tablas para niveles de significancia del 5% y del 1%.
Donde:
W ij= comparador para el par de tratamientos i,j
q= valor de la tabla de Tukey, con el número de tratamientos y grados de libertad del error
CME= cuadrado medio del error
ri, rj son las repeticiones de los tratamientos i,j
Prueba de Dunnett
El método de Dunnett se utiliza en ANOVA para crear intervalos de confianza para las diferencias
entre la media de cada nivel de factor y la media de un grupo de control. Si un intervalo contiene el
cero, no hay diferencia significativa entre las dos medias que están comparándose. Usted especifica
una tasa de error por familia para todas las comparaciones, y el método de Dunnett determina los
niveles de confianza para cada comparación individual según corresponda.
BIBLIOGRAFIAS
4. Box, G.E.; Hunter, J.S.; Hunter, W.G. (2008). Estadística para investigadores. Diseño,
innovación y descubrimiento. Segunda Edición, Ed. Reverté, Barcelona.
5. Gutiérrez, H.; de la Vara, R. (2003). Análisis y diseño de experimentos. McGraw-Hill,
México.
6. Vicente, M.L.; Girón, P.; Nieto, C.; Pérez, T. (2005). Diseño de experimentos. Soluciones
con SAS y SPSS. Pearson Educación, Madrid.