Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
En este esquema, se sospecha que los efectos de la covariable, están confundidos con los
efectos de los tratamientos, por lo que se hace necesario separarlos aprovechando la la
técnica de regresión. Con ello, se logra eliminara las variaciones causadas por la covariable
sobre la variable respuesta y permite comparar los efectos de los tratamientos en forma
independiente.
Se comentará la forma de análisis de caso más simple que corresponde a una asociación de
tipo lineal simple.
16
y = a + mx
12
Yij = 0 + 1Xi + ij
8
4
β1 = Pendiente de regresión
β0 = Ordenada al origen
0
-2 0 2 4 6
-4
-8
Con base en lo anterior y al considerar como ejemplo en un experimento en donde se estudia
el rendimiento de variedades, la relación lineal entre número de plantas por unidad
experimental (covariable) y el rendimiento (variable respuesta) puede ser de dos tipos:
Esta relación puede ser lineal (la más atendida), cuadrática, cúbica, etc., lo cual definirá el
modelo de regresión a utilizar.
Supuestos:
Xi Yi
Xi Yi − i
n
i
Cov(X Y)
ˆ 1 = i
=
( Xi ) X
2 2
X 2
−
n
i
_
ˆ = Y
o
ˆ − ˆ X
1
ˆ ˆ 0 = Y − ˆ 1X
Bajo un diseño de Bloques Completos al Azar con una observación por nidad experimental,
el modelo estadístico es:
(
Yij = + i + j + Xij − X.. + ij) i = 1, 2 … t tratamientos
j = 1, 2 … r bloques
Pruebas de hipótesis:
H O : 1 = 0 vs H A : 1 0
FV Gl Y X XY
Error’ GL(T)+GL(E) SCE 'y = SCTy + SCE y SCE 'x = SCTx + SCE x PCE 'xy = PCTxy + PCE xy
= GL(E’)
Total tr-1 SCTot y SCTot x PCTot xy
( PCE xy )
2
( )
SC E aj = SCE y − SC(Cov) = SCE y −
SCE x
( )
2
PCE 'xy
= SCE y −
'
− SCE y − SC(Cov)
SCE 'x
( )
2
( )
2
PCE 'xy PCE xy
= SCE y −
'
− SCE −
y
SCE 'x
SCE x
Cuadro de análisis de covarianza
FV Gl SC CM Fo
Covariable 1 SC(Cov) SC(Cov) CM(Cov)
1 CME aj
FV GL SC CM F
Tratamiento ajustado t-1
Covariable 1
Bloque r-1
Error ajustado
Total tr-1
Pruebas de hipótesis:
Covariable: H O : ˆ1 = 0 vs H A : 1 0
Si no se rechaza H O quiere decir que 1 = 0 , y se dice que no hay relación entre la variable
PCE xy
A= X i. − X..
Tratamiento Yi. X i. SCE x Yiaj = Yi. − A
CME aj SCTx
DMSH = q ,n ,glEaj 1 +
r (t − 1)SCE x
PROGRAMACIÓN EN SAS
DATA UNO;
INPUT PAR TRA REP COV VR1 VR2 …;
CARDS;
PROC GLM;
CLASS TRA REP; /* no se incluye la covariable */
MODEL VR1 VR2 … = COV REP TRA/ SOLUTION; /* se incluye covariable */
LSMEANS;
RUN;
No olvidar que siempre se debe atender a la Suma de Cuadrados Tipo III, ya que
corresponde a los ajustes de la covariable. No es útil la prueba de bloques.