Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Diseño de Experimentos en Bloques Con Una Covariable
Diseño de Experimentos en Bloques Con Una Covariable
Por:
José Miguel Ortega Salas, Juan Sebastián Adams Ramos
Introducción
En el diseño de experimentos, uno de los mayores problemas al que se enfrenta un
investigador, es controlar algunas variables que no son posibles de medir y que
tienen efecto en la variable de respuesta.[1] Desde hace mucho tiempo los
investigadores han tratado de buscar mecanismos en los cuales se disminuya el
error experimental debido a estos factores. Para esto se han desarrollado varios
métodos, como la aleatorización y la utilización de materiales homogéneos para los
experimentos[1]. Pero estos métodos no siempre son muy efectivos debido a que
muchas veces el material no es del todo homogéneo como es el caso de los
experimentos con animales o muchas veces los experimentos se quedan a escala
de laboratorio debido a que al hacerlos en campo las influencias externas no
permiten su realización eficientemente[2].
Para tratar de hacer análisis más eficientes se desarrolló una técnica que se basa
en el análisis de la regresión junto con el análisis de la varianza, esta es el análisis
de la covarianza. Esta se basa en elegir una o más variables que estén relacionadas
con la variable de respuesta. Evitando que los promedios de los tratamientos se
confundan con los de las covariables incrementando así la precisión del
experimento.[2]
Ejemplo:
Prueba de
Q/Q para verificación de la normalidad de los residuos. La grafica muestra que los cuantiles de
los residuos no están alejados de la distribución normal
Tabla ancova: Aquí se puede observar que la variable Y obtuvo un coeficiente de variación de 10,84.
También se pudo observar que los tratamientos tienen un efecto significativo ya que el valor p es
menor a 0.0001 y que los bloques no tuvieron un efecto significativo, ya que el valor p es de 0.6446.
También se observa que la covariable tuvo un efecto significativo ya que su valor p es menor a
0.0001 además de esto se observa que el coeficiente angular de variación es de 0.30 lo que quiere
decir que al aumentar en 1 los ramos fructíferos por rama se incrementa la producción un 30%.
Prueba de Tukey para comparaciones múltiples entre los tratamientos: se puede observar que el
tratamiento que tiene una mayor productividad es el tratamiento A ya que este presenta una media de 18.62, por
otra parte, los tratamientos b y c no tienen una diferencia significativa. Además de esto el tratamiento D es el
que presenta una menor producción.
Conclusiones:
Bibliografía:
[1] N. N, “Analisis de Ancova,” slideshare, 2010. [Online]. Available:
https://es.slideshare.net/edwin1005/62005183-analisisdecovarianzaancova-1.
[Accessed: 07-Feb-2021].
[2] G. C. Londoño, “El Análisis de Covarianza como Mecanismo de Control de
Factores de Confusión NOTA TÉCNICA,” 2013.
[3] María Dolores Fernández de Henestrosa González, “Grado en Matemáticas
ESCUELA POLITÉCNICA SUPERIOR Y FACULTAD DE CIENCIAS
EXPERIMENTALES División de Ciencias Experimentales,” 2014.
[4] M. Gonzalez, “Analisis de la covarianza,” 2009. [Online]. Available:
https://es.slideshare.net/neuroneter/anlisis-de-covarianz-amg-1431330.
[Accessed: 07-Feb-2021].