Documentos de Académico
Documentos de Profesional
Documentos de Cultura
var de lechuga V1 V2 V3 V4
niveles de N 0 10 20 30
b) Identifique la UE y represente el experimento en un esquema de campo y justifique el uso
del diseño experimental
UE: una parcela
Esquema de campo:
Las parcelas so homogéneas debido a que el terreno era plano y uniforme y manejadas de
la misma manera y bajo las mismas condiciones ambientales
c) Identifique la VR y desarrolle el modelo estadístico
VR: peso/cabeza de lechuga
i = 1, 2, 3, 4 variedades de lechuga
k = 1, 2, 3, 4 parcelas/tratamiento
µ = media general
ε j (i) NIID(0 , σ 2e )
Análisis de varianza:
Prueba de hipótesis: según el objetivo se debe analizar N y V*N, no es necesario hacer Var
(solo se esta haciendo como ejemplo, pero no se debería hacer N)
Efecto principal de N:
Se hace regresión:
Lineal:
Ho: el peso/cabeza no cambia linealmente a medida que aumente el nivel de N
Ha: el peso/cabeza incremente linealmente a medida que aumente el nivel de N
Conclusión: con 99 de seguridad se concluye que el peso/cabeza incremente linealmente a
medida que aumente el nivel de N
Cuadrática:
Interacción:
Análisis estadístico:
Modelo estadístico:
Y ij =µ+φi + τ j +ε ij
i = 1, 2,…, r bloques
j = 1, 2,…, t trt
Y ij = valor de una variable de respuesta observado en una unidad experimental del i-ésimo bloque
donde se aplico el j-ésimo tratamiento
µ = media general
φ i NIID(0 ,σ 2r )
τ j ε j ( i) =¿ efecto fijo del j-ésimo trt
ε j (i) NIID(0 , σ 2e )
Análisis de varianza:
Componentes de varianza:
Paso 1 el cuadrado medio de cada efecto aleatorio se iguala a su esperanza
Paso 2 las ecuaciones resultantes en 1 se resuelven para las varianzas desconocidas r, e
Interpretación: si la varianza entre bloques > 0, las UE variaron de un bloque a otro
si la varianza de bloques=0 las UE no variaron entre los bloques, todas son homogéneas
eficiencia del diseño experimental si la varianza entre bloques > 0, el DE BCAA ha sido
correctamente usado, caso contrario si es =0 entonces el DE BCAA no ha sido
correctamente usado
eficiencia del modelo estadístico si la varianza entre bloques > 0, entonces el modelo
estadístico usado es el mas apropiado, caso contrario si es =0 el modelo estadístico usado
no es apropiado y se debe reformular eliminando de la ecuación del modelo el efecto de
bloques
BCAA tratamientos experimentados
Análisis estadístico:
Modelo estadístico:
Y ij =µ+φi +α j + β k + γ jk +ε ijk
i = 1, 2,…, r bloques
j = 1, 2,…, t trt
Y ij = valor de una variable de respuesta observado una unidad experimental del i-ésimo bloque
donde se aplico el tratamiento que resulta de la combinación entre el j-ésimo nivel de A y j-ésimo
nivel de B
µ = media general
φ i NIID(0 ,σ 2r )
α j = efecto fijo del i-ésimo nivel de A (efecto principal de A)
ε j (i) NIID(0 , σ 2e )
análisis de varianza
Características:
3 alternativas:
Y ij k =µ+φi +κ j + τ k +ε ij k
i = 1, 2,…, f filas
j = 1, 2,…, c columnas
k = 1, 2,…, t trt
Y ij = valor de una variable de respuesta observado en una unidad experimental de la i-esima fila y j-
esima columna donde se aplico el k-ésimo tratamiento
µ = media general
φ i NIID(0 ,σ 2f )
κ j =¿ efecto aleatorio de la j-ésima columna
κ j NIID(0 , σ 2c )
τ k= efecto fijo del k-ésimo tratamiento
ε j (i) NIID(0 , σ 2e )
Análisis de varianza
SAS:
PARCELAS DIVIDIDAS
Características:
Como?
1. Se desarrolla el diseño experimental básico (DCA, BCA, FyC) considerando solo los niveles
del factor A
2. Los niveles del factor B se distribuyen al azar dentro de cada parcela principal para lo cual
capa PP se subdivide en unidades igual al # de niveles del factor B
La VR se evalúa en cada una de las subparcelas
Modelo estadístico:
1. Desarrollas la ecuación del modelo considerando solamente los niveles de A (como de trt
no estructurados)
Y ij = valor de una variable de respuesta observado en una subparcela donde se aplico el j-ésimo
nivel de B dentro del i-ésimo nivel de A de la k-esima parcela principal
µ = media general
ε j (i) NIID(0 , σ 2e )
Análisis de varianza:
Componentes de varianza:
SAS:
BCA con PD
I= 1, 2, 3,… r bloques
j = 1, 2,…, a niveles de A
k = 1, 2,…, b niveles de B
Y ij = valor de una variable de respuesta observado una subparcela donde se aplico el k-ésimo nivel
de b dentro el j-ésimo nivel de a del i-ésimo bloque
µ = media general
φ i NIID(0 ,σ 2r )
α j = efecto fijo del i-ésimo nivel de A
ε ij NIID(0 , σ 2r a)
β k = efecto fijo del j-ésimo nivel de B
ε j (i) NIID(0 , σ 2e )
Análisis de varianza:
Cuadro de análisis de varianza:
Componentes de varianza:
SAS:
Fy C con PD