Hallar la relación (Ecuación Matemática), que corresponda a unos datos
experimentales dados, cuando el problema por resolver, se encuentran más de dos variables.
Linealizar una función por el método de los logaritmos.
Utilizando las herramientas necesarias, como son las de tipo analítico
como gráfico, poder obtener resultados óptimos con un alto nivel de eficiencia.
Conocer cuales son los principales errores que se presentan en un
trabajo experimental de tipo analítico, y poder asegurar una rápida corrección, para obtener una alta confiabilidad de los datos.
Formar una capacidad de análisis lógica analítica la cual nos permita
comprender profundamente el funcionamiento de los procesos realizados en la experimentación. Esto para poder comprender que patrones siguen los datos obtenidos; ya sean de simples mediciones o de cálculos extraídos de formulas teóricas aprendidas de conceptos analizados en clase MARCO TEORICO:
Un diseño experimental sirve, generalmente, para comparar las medias de más
de dos tratamientos (niveles de factor) siguiendo el enfoque de análisis de varianza que a principios del Siglo XX planteó Ronald A. Fisher. Dependiendo de las características del material experimental, el experimento puede hacerse en un diseño completamente al azar (cuando el material experimental se supone sensiblemente homogéneo), en un diseño de bloques completos al azar (variación en una dirección), cuadrados latinos (variación en dos direcciones); hay otras variantes de diseño experimental como el diseño grecolatino, parcelas divididas o anidado, bloques incompletos, bloques generalizados, entre otros.
Aleatorizacion Y Toma De Datos
Cada uno de los diseños experimentales, que se seleccionan de acuerdo a las
características del material experimental y de los objetivos que persigue el experimentador, entraña un modo especial de realizar la aleatorización de los tratamientos sobre las unidades experimentales (o parcelas); de hecho, la aleatorización funciona "como un seguro", según escriben Cochran y Cox en su libro de diseños experimentales de la década de los sesenta, que es una prevención en "caso de accidente", que puede ser grave o leve. Buscamos protegernos, obviamente, ante problemas graves. La aleatorización es una de las esencias en la realización de un experimento. El otro punto importante hacia el análisis de un experimento, es la toma de datos o, como también se le conoce, la medición de la variable-respuesta o variable dependiente del modelo. No importa qué tan bien se realice el experimento o qué método de análisis cuantitativo tan detallado usemos, si la toma de datos no se hace en forma cuidadosa, no se puede esperar buenos resultados y nuestras predicciones no serán confiables.
Disenos Estandar Y Con Submuestreo
Un diseño experimental es estándar si en cada unidad experimental se toma
sólo una observación al azar; diremos que es con submuestreo si se toma más de una observación. Realizar el análisis con submuestreo de los diseños completamente al azar y bloques completos aleatorizados es sencillo, puesto que los pasos y las fórmulas para dicho análisis se encuentran en los libros de diseños conocidos como el de Steel y Torrie (1985) o el de Martínez Garza (1988). En cambio, el análisis de un diseño experimental con submuestreo que no sea el de los dos diseños señalados resulta, cuando menos, ambiguo, puesto que no aparece explícitamente la metodología en la literatura conocida. En estas notas se escribe el algoritmo en tres pasos para realizar dicho análisis. Esto es, se hace la extensión del análisis con submuestreo de los diseños básicos, el completamente al azar y el de bloques, a cualquier otro diseño experimental. Algoritmo Para Diseños Con Igual Número De Submuestras En Las Unidades Experimentales
Suponer que en un experimento balanceado con n unidades experimentales se
toman r submuestras por unidad experimental. El modelo lineal de este diseño, al que llamaremos diseño de las unidades experimentales está representado por la ecuación 2. Es importante remarcar que el diseño de las unidades experimentales es sólo una forma de conceptualizar cualquier diseño experimental. No es una forma de disponer físicamente las unidades experimentales en la práctica sino una estrategia que nos permite hacer comparables, en cuanto a su análisis, diseños experimentales diferentes. Enseguida los tres pasos:
Paso 1. Se ajusta un modelo basado en las unidades experimentales,
calculando la suma de cuadrados total, SCT; la suma de cuadrados de las unidades experimentales, SC(UE); y la suma de cuadrados del error muestreo, SC(EM). En este paso se usan los datos originales, las Yij.
Paso 2. Ahora se ajusta un modelo usando una nueva variable-respuesta: el
total de la i-ésima unidad experimental entre la raíz cuadrada del número de submuestras, que la denotaremos por NVR. Esta operación permite particionar las SC(UE) obtenida en el paso 1, en las sumas de cuadrados de las fuentes correspondientes al diseño experimental particular de donde se tomaron los datos. Esto es, si los datos provienen de un diseño completamente aleatorizado, se calculan las sumas de cuadrados de tratamientos, del error y del "total", con la NVR. Si los datos provienes de un diseño de cuadrado latino, se calculan las sumas de cuadrados de hileras, columnas, error y "total", y así en seguida.
Es conveniente observar que las sumas de cuadrados "total" obtenidas con la
NVR en el paso 2, corresponderán a la SC(UE) obtenida en el paso 1.
Paso 3. Se combinan las sumas de cuadrados de los pasos 1 y 2 en una una
nueva tabla y se tiene el Análisis de Varianza (ANOVA) del diseño experimental con submuestreo. UNIVERSIDAD MILITAR NUEVA GRANADA