Documentos de Académico
Documentos de Profesional
Documentos de Cultura
JESÚS CARRANZA
DOCENTE
MATERIA
DISEÑOS EXPERIMENTALES
ALUMNO
ACTIVIDAD
INVESTIGACION DE LA UNIDAD 4
GRUPO
505-c
SEMETRES
INTRODUCCIÓN...................................................................................3
4.1. DIFERENCIA ENTRE DISEÑO, EXPERIMENTO Y ARREGLO
DE.......................................................................................................4
TRATAMIENTOS...............................................................................4
4.9. EF INCOMPLETOS......................................................................18
CONCLUSIÓN..................................................................................20
BIBLOGRAFIA.....................................................................................21
INTRODUCCIÓN
Siempre que haya al menos dos factores incidiendo directamente sobre una
variable de respuesta, entonces se puede aplicar un diseño con arreglo factorial.
Una condición indis- pensable es que cada factor pueda descomponerse en
niveles bien definidos. Enseguida se ilustra de forma esquemática la relación de
causalidad entre los factores A y B, respecto a la variable de respuesta Y.
a = 3 niveles b = 3 niveles
Sin embargo, las cantidades μij, μi., μ.j y μ son desconocidas, pero se pueden
estimar a partir de las muestras experimentales de tal forma que la expresión
anterior se puede expresar como sigue:
=y +y-y -y
(ab)ij ij i i
La relación anterior permite deducir que el efecto de la interacción se puede liberar
de los efec- tos particulares de los respectivos factores. De ello se deduce que:
Por otra parte, se observaron diferencias altamente significativas entre los niveles
de humedad y las variedades de alfalfa sobre el rendimiento de forraje (P<0.01).
CME CME∑Ci
σCiyi = o bien: σCiyi = 2
Donde:
CME, es el cuadrado medio del error en el ANOVA.
modificado al siguiente:
2
CME∑Ci
sCiyi = ; de tal manera que el modelo para calcular SC queda como
sigue: r
∑Ciyi CME∑Ci2
r
incluyen tres factores con dos niveles por factor, entonces se representa como 2 3,
o sea 2 x 2 x 2 (por ejemplo: a , a ; b , b ; c , c ) una generalización en su
1 2 1 2 1 2
representación es 2n. En dicha expresión, n es el número de factores incluidos en
el estudio y la base 2 se refiere al número de niveles por factor. Así también podría
haber 32 o 33 (a , a , a ; b , b , b ) o (a , a , a ; b , b , b ; c , c , c ), es
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
decir, dos o tres factores de estudio, pero ahora ocurriendo a tres niveles por
factor de estudio, cuyas representaciones generalizadas son 3n, y así
sucesivamente.
Tal expresión aplica para el factorial 2 x 2, donde los medias cuadráticas de cada
una de las fuentes de variación de los factores independientes, se divide entre el
mismo número de re- peticiones, y en general aplicará la misma regla siempre que
el factorial sea un balanceado completo, es decir: 2n o 3n , etcétera.
En la práctica el uso de los arreglos puede generar con frecuencia una cantidad
Cuando dos o más arreglos de tratamientos son eliminados del estudio se origina
la confusión parcial, y cuando sólo se elimina por ejemplo la interacción de mayor
jerarquía confundiéndola con el efecto de los bloques (AB o ABC para bifactoriales
y trifactoriales, respectivamente), recibe el nombre de confusión completa.
4.9. EF INCOMPLETOS.
Ching Chun Li (1977) explica claramente tanto el arreglo como la solución de los
experimentos con arreglos factoriales incompletos:
Cuando el factor a tiene los niveles y el factor b tiene lb niveles, el arreglo factorial
completo requiere todas las la x lb combinaciones de tratamientos. Sin embargo,
este arreglo no siempre es posible ya sea por el elevado número de combinacio-
nes o porque se sabe de antemano que ciertas combinaciones no tienen interés.
Por lo tanto, el investigador puede probar sólo aquellas combinaciones que crea
útiles para sus fines. El tema general de las combinaciones incompletas presenta
dificultades debido a la falta de ortogonalidad de los efectos de los factores y
normalmente requiere cálculos largos y complicados (necesarios para los da- tos
no ortogonales). En este apartado consideraremos un caso extremadamente
sencillo que se podrá resolver con los conocimientos elementales que poseemos.
Supongamos que el factor a tiene cuatro niveles. Las seis combinaciones pro-
badas en el experimento y los totales de los tratamientos (r = 6) son los que se
muestran en la figura 4.9. Aún en este caso podemos obtener los efectos del
factor b por separado para cada clase o nivel a.
A continuación, las tres primeras comparaciones son las mismas que las del
cuadro 4.42. El cuarto contraste de formación es entre los dos tratamientos
extremos (a b – a b ). El último contraste proporciona una prueba completa del
2 3 1 0
paralelismo de las dos líneas de respuesta ya que su valor es cero cuando los
totales (o medias) de los tratamientos tienen incrementos igua- les sobre los
niveles de b para las sustancias a y a , tal como puede verse en la figura 4.10,
1 2
donde g, g’ y h son determinadas constantes.
Cuando esto es así, el doble de la suma de las dos combinaciones extremas es
igual a la suma de las cuatro centrales. Estos cinco contrastes son ortogonales
entre sí y las cinco SC total de los tratamientos = 912. Entonces cada componente
CONCLUSIÓN
BIBLOGRAFIA
Frank Yates and Kenneth Mather (1963). "Ronald Aylmer Fisher". Biographical
Memoirs of Fellows of the Royal Society of London 9: 91–
120. http://digital.library.adelaide.edu.au/coll/special//fisher/fisherbiog.pdf.
2.-Ronald Fisher (1926). "The Arrangement of Field Experiments". Journal of the
Ministry of Agriculture of Great Britain 33: 503–
513. https://web.archive.org/web/20110928044736/http://digital.library.adelaide.ed
u.au/coll/special//fisher/48.pdf.