Apéndice 3

1. A partir de la lectura del capítulo 3 del libro análisis y diseños de experimentos,

aplique los conceptos del diseño completamente al azar (DCA) y análisis de
varianza para el siguiente enunciado.
COMPARACIÓN DE 4 FÓRMULAS DE ENGORDE EN TILAPIAS
El equipo de desarrollo e innovación que lo componen zootecnistas e ingenieros
de alimentos de una empresa de cultivo de tilapia evalúa el efecto de cinco
fórmulas de engorde (F1, F2, F3, F4, F5), sobre el peso final de las tilapias
(entendiendo que a mayor peso en las tilapias la fórmula de engorde realizada es
más eficiente). En primera instancia, la estrategia experimental es aplicar cuatro
veces las 5 fórmulas de engorde en orden completamente al aleatorio (las 20
pruebas al azar). Los pesos (kg) obtenidos de las tilapias en la investigación se
muestran en la siguiente tabla.

FÓRMULAS DE ENGORDE
F1 F2 F3 F4 F5
2,66 3,2 3,01 3,52 4,00
2,52 3,42 3,13 3,71 3,89
2,74 3,47 3,25 3,78 3,90
2,9 3,64 3,38 3,79 4,12

A. Formule el interrogante del problema de investigación.

Según la investigación obtenida de las tilapias de las fórmulas de engorde, ¿Cuál
es la estrategia experimental al aplicar las 5 fórmulas de engorde? Y ¿Cuál es la
más efectiva?
B. Formule las hipótesis correspondientes (igualdad y alterna).

Teniendo en cuenta las fórmulas de engorde se realizan la comparación de

cada una de ellas con sus medidas poblacionales y compararlas con sus
varianzas. Así, desde el punto de vista estadístico, la hipótesis fundamental a
probar cuando se comparan varias fórmulas de engorde:

Sea μ 1 , μ2 , μ3 , μ4 , μ5 . Las medidas de fórmulas de engorde

 La hipótesis nula: No hay diferencia en las fórmulas de engorde de las

tilapias.
H 0=μ F 1 =μ F 2=μF 3=μ F 4 =μ F 5
  La hipótesis alternativa: Existen diferencias en las fórmulas de engorde de
las tilapias.

H A =μF 1 ≠ μ F 2 ≠ μ F 3 ≠ μ F 4 ≠ μ F 5 H A : μ Fi ≠ μ Fj para algun i≠ j

C. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla

ANOVA,  = 0.05.

Se tiene:
Número de fórmulas de engorde k =5
Número de observaciones por fórmula ni =4
Número total de fórmulas N=20
Toda la información necesaria para calcular el estadístico F 0 hasta llegar al
valo− pse escribe en la llamada tabla de análisis de varianza (ANOVA), la cual
se debe diligenciar en la siguiente tabla.

Fuente de Suma de Grados de Cuadrado Estadístico Significancia

variabilidad cuadrados SC libertad GL medio CM de prueba observada
FV F0 Valor− p

Tratamientos k
Y i .2 Y ..2k −1 SC DIE CM TRAR P ¿)
SCTRAT =∑ −¿ ¿ CM TRAR
i=1 ni N k−1 CM E

Error SC E=SC T −SCTRAT N−k SC E

CM E
N −k

Y ..2 N−1
ni
Total k
2
SCT =∑ ∑ Y ij −
i=1 j=1 N
 Suma total de cuadrados o variabilidad total de los datos:

Se realiza la suma de las observaciones de cada tratamiento, este se eleva al

cuadrado y se divide por el número de fórmula de engorde, a este valor se resta
con la suma total de las mediciones y se eleva al cuadrado y dividido por el
número total de observaciones.
5 5
Y ..2
SCT =∑ ∑ Y ij −
i=1 j=1 N

Donde:

k ni 5 4

∑ ∑ Y ij=¿ ∑ ∑ Y ij=( 2,66 )2 +( 3,2 )2+ …+( 3,79 )2 +( 4,12 )2=235,5379¿

i=1 j=1 i=1 j =1

k ni
Y ..=∑ ∑ Y ij =2,66+ 3,2+ …+3,79+ 4,12=68,03
i=1 j=1

Y ..2=( 68,03)2=4628,0809

4628,0809
SCT =235,5379− =4,133855
20

Suma de cuadrados de tratamientos o variabilidad debida a la diferencia entre

tipos de dieta:

k
Y i . 2 Y ..2
SCTRAT =∑ −
i=1 k N

Donde
k
Y i .2 5 Y 1.2 5 Y 2. 2 5 Y 3.2 5 Y 4. 2 5 Y 5.2
∑ k =∑ 5 + ∑ 5 + ∑ 5 + ∑ 6 + ∑ 5
i=1 i=1 i=1 i=1 i =1 i=1
 5

∑ Y 12= ( 2,66+2,52+2,74+2,9 )2 =10,822

i=1

∑ Y 22 =( 3,2+ 3,42+3,473,64 )2=13,732

i=1

∑ Y 32 =( 3,01+ 3,31+3,25+ 3,38 )2=12,772

i=1

∑ Y 42=( 3,52+3,71+3,78+3,79 )2=14,8 2

i=1

∑ Y 52 =( 4,00+3,89+3,90+ 4,12 )2=15,912

i=1

(10,822+13,73 2+12,77 2+14,8 2+15,912 ) 68,032

SCTRAT = − =−43,238785
5 20

Suma de cuadrados del error o variabilidad dentro de tipos de dieta

SC E=SC T −SCTRAT =4,133855−(−43,236785 )=47,37064

Cuadrados medios de tratamientos y del error (efecto ponderado de cada fuente

de variación):

SC TRAT −43,238785
CM TRAT = = =−10,80969625
K−1 5−1

SC E 47,37064
CM E = = =3,158042667
N −K 20−5

Estadístico de prueba
 CM TRAT −10,80969625
F O= = =−3,422910134
CM E 3,158042667

Fuente de Suma de Grados Cuadrado Estadístico Significancia

variabilida cuadrados de medio de prueba observada
d FV SC libertad CM F0 Valor− p
GL
Tratamient −43,238785 4 −10,80969625
−3,422910134XXX
os
Error 47,37064 15 3,158042667
Total 4,133855 19

D. Realizar la validación de la ANOVA por medio de un programa

estadístico (diferente a Excel), adjuntar pantallazo.
E. A partir de los criterios del resultado del valor – P y F O (son dos criterios
diferentes), que se puede concluir con respecto a las hipótesis planteadas?.
Se lee en tablas de la distribución F, el valor crítico para α =0,05 es

F. Describa cual es la función y para qué es utilizado el método Tukey, después

del análisis de varianza de los resultados? Dentro del concepto responda si es
necesario utilizar este método si aceptamos o rechazamos la hipótesis de
igualdad.
Su función es.

 Se calcula el valor crítico de todas las comparaciones por pares.

 Se obtiene el error estándar de cada promedio.
 Obtener el Tα.
 Calcular la diferencia de las medias y realizar las comparaciones con el
valor crítico.
 Hacer las conclusiones

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.
 El método tukey sirve para comparar las diferencias entre las medias
muéstrales con el valor crítico.
 Se utiliza el método tukey cuando se ha rechazado la hipótesis.

2. A partir de la lectura del capítulo 4 del libro análisis y diseños de experimentos,

aplique los conceptos del diseño en cuadro latino (DCL) y análisis de varianza
para el siguiente enunciado.
En un centro de investigación de agricultura se requiere estudiar el efecto de
distintos tipos de semilla en el rendimiento del maíz y se considera que en dicho
rendimiento también pueden influir los tipos de abonos empleados. Así, el factor
de interés es el origen de la semilla (A, B, C y D) y se controla dos factores de
bloques el tipo de semilla y el tipo de abono en función de la variable de
respuesta.

Tipo de Tipo de semilla

abono 1 2 3 4
1 C=73 D=78 A=68 B=90
2 B=79 C=79 D=67 A=80
3 A=65 B=81 C=65 D=66
4 D=92 A=80 B=89 C=92

Hipótesis Nula: El origen de la semilla no tiene efecto en el rendimiento del maíz

H 0=μ A=μ B=μC ¿ μ D

Hipótesis alterna: Al menos dos orígenes de semillas tienen efecto diferente en el

rendimiento del maíz

H A =μi ≠ μ j para algún i ≠ j= A , B ,C , D

A. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla
ANOVA  = 0.01.
El ANOVA para el diseño en cuadro latino se muestra en la siguiente tabla.

Fuente de Suma de Grados de Cuadrado F0 Valor-p

variabilidad cuadrados libertad medio
Tratamiento SCTRAT k −1 CM TRAT CM TRAT P( F > F0 )
F 0=
s CM E
Renglones SC B 1 k −1 CM B 1 CM B 1 P( F > F0 )
F 0=
CM E
Columnas SC B 2 k −1 CM B 2 CM B 2 P( F > F0 )
F 0=
CM E
Error SC E ( k −2 ) (k −1) CM E
Total SCT k 2−1

Se tiene:

Número de tratamientos k =4

Número total de mediciones N=16

 Suma total de cuadrados o variabilidad total de los datos:

4 4
Y ..2
SCT =∑ ∑ Y ij −
i=1 j=1 N

k ni
Y ..=∑ ∑ Y ij =73+79+ 65+92+78+79+81+ 90+68+67+ 65+ 89+90+ 80+66+92=1244
i=1 j=1

Y ..2=(1244 )2
Reemplazando:
2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1244
SCT =( 73 +79 +65 +92 ) + ( 78 +79 + 81 + 90 ) + ( 68 +67 +65 +89 ) + ( 90+80 +66 + 92 )−
16

12442
SCT =98.124− =1403
16

 Suma de cuadrados de renglones R j

 ∑ R 12+ ∑ R 22 +¿ ∑ R32 + ∑ R 42 Y ..2
SC B 1 = − ¿
k N

(73+ 78+ 68+90 )2 + ( 79+79+67+ 80 )2 + ( 65+81+65+66 )2+ ( 92+80+89+ 92 )2 1547536

SC B 1= −
4 16

SC B 1=389844−96721=293123

 Suma de cuadrados de columnas C l

∑ C12 +∑ C 22 +¿ ∑ C 32+ ∑ C4 2 Y ..2

SC B 2 = − ¿
k N

(73+ 79+ 65+92 )2 + ( 78+79+81+90 )2+ ( 3 68+ 67+65+89 )2 + ( 90+ 80+66+92 )2 12442
SC B 1= −
4 16

(3092 +3182 +2892 +3282 ) 1244 2

SC B 2= −
4 16
SC B 2=96927,5−96721=206,5

 Suma de cuadrados de tratamientos A, B, C y D

k
Y i . 2 Y ..2
SCTRAT =∑ −
i=1 k N

( 65+ 80+68+80 )2 + ( 79+81+89+ 90 )2 + ( 73+79+65+92 )2 + ( 92+78+ 67+66 )2 12442

SCTRAT = −
4 16

(2932 +3392+ 3092+ 3032) 12442

SCTRAT = −
4 16

SCTRAT =294

 Suma de cuadrados del error SC E

SC E=SC T −SCTRAT −SC B 1 −SC B 2

SC E=1403−293123−206,5−294=−292218,5

 Cuadrados medios de tratamientos, del error, renglón y columna

SC TRAT SC E SC SC
CM TRAT = ; CM E= ; CM B 1= B 1 ; CM B 2= B 1
k −1 ( k −2 ) (k −1) k−1 k −1

Reemplazamos

293123
CM TRAT = =97707 , 6́
3

16 16
CM E = = =2,667
(4−2)(4−1) 6

206,5
CM B 1= =68,8 3́
3

294
CM B 2= =98
3

CM TRAT 97707 , 6́
F 0= = =366594,5257
CM E 2,667

CM B 1 68,8 3́
F 0= = =25,808024
CM E 2,667

CM B 2 98
F 0= = =36,74540682
CM E 2,667

Llenado la tabla ANOVA

Fuente de Suma de Grados de Cuadrado F0 Valor-p

variabilidad cuadrados libertad medio
Origen 293123 3 97707 , 6́ 366594,5257 XX
semilla
Abono 206,5 3 68,8 3́ 25,808024 XX
Semillas 294 3 98 36,74540682 XXX
 Error 16 6 2,667
Total 293639,5 15

B. A partir de los criterios del resultado del valor – P y F O (son dos criterios
diferentes), que se puede concluir con respecto a las hipótesis planteadas?.