Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO 8
DISEÑOS JERARQUICOS
Cuando se analizan arreglos factoriales se consideran a estos como factores cruzados, en los cuales los niveles
de los factores se combinan totalmente. Sin embargo, existen experimentos en los cuales los niveles de los
factores se combinan parcialmente, en este caso se dice que los factores están anidados. Por tanto, la
combinación de factores cruzados y anidados dan lugar a nuevas combinaciones en las cuales es necesario
contar con un Modelo Aditivo Lineal y conocer los Cuadrados Medios Esperados.
b) Por la forma como se eligen los niveles, un factor puede ser fijo o al azar.
Factor fijo: cuando el investigador elige los factores por tener algún interés exclusivo en ellos.
Además, se dice que es Fijo cuando todos los niveles del factor están incluidos en el experimento, en
este caso las conclusiones del experimento son solo aplicables a los niveles seleccionados.
c) Factor al azar: cuando los niveles del factor son elegidos de un grupo de niveles, en este
caso las conclusiones del experimento son aplicables al grupo del cual los niveles fueron
seleccionados.
El Modelo Lineal Aditivo (MAL) del experimento dependerá de si los factores son anidados o
cruzados. A su vez, del MAL dependerán las fuentes de variación del análisis de varianza y los grados de
libertad.
Los componentes de los valores esperados de los cuadrados medios (CVE(CM)), también conocidos
como Cuadrados Medios Esperados (CM(E)), dependerán de si los factores son fijos o al azar. En un
experimento se pueden dar todas las combinaciones posibles entre los factores, por ejemplo: que todos los
factores sean cruzados, que todos sean anidados excepto el primero. También puede suceder que unos sean
fijos y otros al azar.
La importancia de conocer las fuentes de variación y los CVE(CM) radica en que esto permite hacer un
correcto análisis de varianza de acuerdo a las condiciones del experimento, además encontrar el error más
adecuado para las diferentes fuentes de variación.
FACTORES A B C D E R
NIVELES a b c d e r
NIVEL CUALQUIERA i j k l m n
EFECTOS
VARIANZA 2 2 2 2 2 2
95
DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla
96
DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla
a) El primer término del modelo es siempre el parámetro µ que corresponde al promedio general del
experimento. El término de error en el modelo se representa por n(ij...) donde n representa al
subíndice de repetición.
b) Cada factor del experimento debe estar representado en el modelo por su efecto respectivo. Ej.: A
por , B por , C por . El modelo contiene todos los efectos principales y cualquier interacción
que el experimentador suponga que existe.
c) Entre dos o más factores cruzados hay interacción y el efecto de cada una de las interacciones
debe estar representado en el modelo. Ej.: A y C son cruzados, luego hay interacción y su efecto
()ik debe estar en el modelo.
d) Entre un factor anidado que antecede a otro cruzado hay interacción y por consiguiente su efecto
debe estar representado en el modelo.
e) Entre un factor cruzado que antecede a uno anidado no hay interacción y por lo tanto este efecto
no existe y no debe estar presente en el modelo.
f) Entre dos factores anidados, o tres anidados, no existe interacción.
8.4 REGLAS PARA DETERMINAR LOS GRADOS DE LIBERTAD DE LAS FUENTES DEL
ANALISIS DE VARIANZA.
a) Los grados de libertad (GL) de los factores cruzados son iguales al número de sus respectivos
niveles menos uno. Ej.: A es un factor y sus grados de libertad serán (a - 1)
b) Los GL de un factor anidado en un factor cruzado son igual al producto de los GL del factor
anidado por el número de niveles del factor cruzado. Entendiéndose por GL del factor anidado el
número de niveles de este factor que esta anidado en cada nivel del factor cruzado menos uno. Ej.:
B esta anidado en A; B(A), luego los GL son: a(b-1).
c) Los GL de un factor anidado en dos o más factores son igual al producto de los GL del factor
anidado por el producto de los niveles de los factores cruzados. Ej.: el factor C esta anidado en los
factores AB, {C(AB)}; los GL son ab(c-1).
d) Los GL de la interacción entre dos factores cruzados son igual al producto de sus respectivos GL.
97
DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla
2
i
i1
a 1
1. En cada casillero se escribe un 1 si uno de los sub-índices pasivos (el subíndice entre
parentesis) del componente del renglón es igual al subíndice de la columna
A A A
a b r
FACTOR i j n
i
j
() ij
n(ij) 1 1
2. Si alguno de los sub-índices del componente del renglón es igual al sub-índice de la columna, se
escribe en este casillero un número 0 si el encabezado de la columna es un factor Fijo (F), y un
número 1 si es un factor Aleatorio (A).
A A A
a b r
FACTOR i j n
i 1
j 1
() ij 1 1
n(ij) 1 1 1
A A A
a b r
FACTOR i j n
i 1 b r
j a 1 r
() ij 1 1 r
n(ij) 1 1 1
a) Para obtener el CVE(CM) de cualquier componente del modelo, primero se cubren todas las
columnas encabezadas por los sub-índices activos de ese componente luego en cada renglón
que contenga al menos los mismos sub-índices que el componente considerado, se calcula el
producto de los números visibles y se multiplica por el factor fijo o aleatorio apropiado. Por
ejemplo, para determinar el CVE(CM) del factor A se debe cubrir la columna i. Los productos
de los números visibles en los renglones que contiene al menos el sub-índice i son: (1x1) 2
(renglón 4) + (1 x r) 2 (renglón 3) + (en el renglón 2; i está ausente) + (b x r) 2 (renglón
99
DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla
A A A Media de
a b n Cuadrados
FACTOR i j r Esperados
j a 1 r
() ij 1 1 r
n(ij) 1 1 1
A A A Media de
a b n Cuadrados
FACTOR i j r Esperados
() ij 1 1 r
n(ij) 1 1 1
A A A Media de
a b n Cuadrados
FACTOR i j r Esperados
n(ij) 1 1 1
A A A Media de
a b n Cuadrados
FACTOR i j r Esperados
i 1 b r + r 2 + b r 2
2
n(ij) 1 1 1 2
100
DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla
F F A
a b r
FACTOR i j n
i
j
() ij
n(ij) 1 1
a b r
FACTOR i j n
i 0
j 0
() ij 0 0
n(ij) 1 1 1
F F A
a b r
FACTOR i j n
i 0 b r
j a 0 r
() ij 0 0 r
n(ij) 1 1 1
c) Para obtener el CVE(CM) de cualquier componente del modelo, primero se cubren todas
las columnas encabezadas por los sub-índices activos de ese componente luego en cada
renglón que contenga al menos los mismos sub-índices que el componente considerado, se
calcula el producto de los números visibles y se multiplica por el factor fijo o aleatorio
101
DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla
apropiado. Por ejemplo, para determinar el CVE(CM) del factor A se debe cubrir la
columna i. Los productos de los números visibles en los renglones que contiene al menos
el sub-índice i son: (1x1) 2 (renglón 4) + (0 x r) 2 (renglón 3) + (en el renglón 2; i
está ausente) + (b x r) 2 (renglón 1) por lo tanto el CVE(CM) es: 2 + br 2
F F A Media de
a b r Cuadrados
FACTOR i j n Esperados
i 0 b r 2 + b r 2
j a 0 r
() ij 0 0 r
n(ij) 1 1 1
F F A Media de
a b r Cuadrados
FACTOR i j n Esperados
i 0 b r 2 + b r 2
j a 0 r 2 + a r 2
() ij 0 0 r
n(ij) 1 1 1
F F F Media de
a b r Cuadrados
FACTOR i j n Esperados
i 0 b r 2 + b r 2
j a 0 r 2 + a r 2
n(ij) 1 1 1
F F F Media de
a b r Cuadrados
FACTOR i j n Esperados
i 0 b r 2 + b r 2
102
DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla
j a 0 r 2 + a r 2
n(ij) 1 1 1 2
8.6 EJEMPLOS
CASO 1:
a1 = altiplano norte a2 = altiplano central
b1 = estabuladas b2 = pastoreo
c1 = manual c2 = mecánico
R = vacas
Modelo: Yijkr = µ + i + j + k + ()ij + ()ik + ()jk + ()ijk + n(ijk)
A A A A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
i 1 b C r + r + br 2 + cr 2 + bc r 2
2 2
n(ijk) 1 1 1 1 2
n(ijk) 1 1 1 1 2
CASO 2:
a1 = altiplano norte (zona 1) a2 = altiplano central (zona 2)
b1 = Copacabana, b2 = Compi b3 = Patacamaya b4 = Viscachani
c1 = A c2 = B c3 = C c4 = D c5 = E c6 = F c7 = G c8 = H (agricultores)
103
DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla
Factores A, B, C, al azar
A A A A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
i 1 b C r 2 + r 2 + cr 2 + bc r 2
()j(i) 1 1 C r 2 + r 2 + c r 2
()k(ij) 1 1 1 r 2 + r 2
n(ijk) 1 1 1 1 2
Factores A, B, C fijos
F F F A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
i 0 b C r 2 + bc r 2
n(ijk) 1 1 1 1 2
CASO 3:
a1 = altiplano norte a2 = altiplano central
b1 = Copacabana, b2 = Compi b3 = Patacamaya b4 = Viscachani
c1 = Tradicional c2 = Pata patas
Modelo: Yijkr = µ + i + ()j(i) + k + ()ik + (())j(i)k + n(ijk)
Factores A, B, C al azar
A A A A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
n(ijk) 1 1 1 1 2
Factores A, B, C fijos.
F F F A Media de
a b C r Cuadrados
104
DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla
FACTOR i j K n Esperados
i 0 b C r 2 + bc r 2
n(ijk) 1 1 1 1 2
CASO 4:
Factores A, B, C, al azar
A A A A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
i 1 b C r + cr 2 + r 2 + bc r 2
2
n(ijk) 1 1 1 1 2
Factores A, B, C, fijos
F F F A Media de
a b C r Cuadrados
FACTOR i j K n Esperados
i 0 b C r 2 + bc r 2
n(ijk) 1 1 1 1 2
Se desea estudiar el contenido de proteina de quinua de dos variedades (Factor A), para esto se
105
DISEÑOS EXPERIMENTALES
Jorge Guzmán Calla
extraen 4 muestras de hojas y tallos (Factor B) y de cada muestra se hacen dos analisis (Factor R).
(datos simulados)
Factor A : Cruzado y fijo a=2
Factor B : Anidado y aleatorio b=4
Factor C : Anidado y aleatorio r=2
a1 a2
b1 b2 b3 b4 b5 b6 b7 b8
r1 6 7 5 2 5 9 6 4
r2 4 8 5 2 6 8 7 4
Yij 10 15 10 4 11 17 13 8
Yj 39 49 88
106
Modelo: Yijkr = µ + i + ()j(i) + r(ijk)
F A A
a b r
FACTOR i j n Medias de Cuadrados Esperados
i 0 b r 2 + r 2 + br 2
n(ij) 1 1 1 2
CALCULOS
a) Factor de corrección (FC)
Y2 882
FC = ----------- = ------------ = 484
abr 2*4*2
b) Suma de cuadrados de A
c Análisis de varianza
F.V. G.L. S.C. C.M. Fc
A (t-1) = 1 6.25 6.25 0.73 2 + r 2 + br 2
B(a1) 3 30.4 10.1 20.2 2 + r 2
B(a2) 3 21.4 7.1 14.2 2 + r 2
B(A) a(b-1) =6 51.8 8.6 17.2 2 + r 2
Error t(r-1) = 8 4.0 0.5 2
Total t r-1 = 15 62.0