Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EP Matemática - UNSAAC
18 de febrero de 2021
Introducción
Es un diseño en el cual los tratamientos son designados
completamente al azar a las unidades experimentales y viceversa.
Este diseño no impone restricciones tales como el bloqueo en las
distribuciones de los tratamientos a las unidades experimentales.
Debido a su simplicidad es usado ampliamente, pero el investigador
debe ser cuidadoso y usarlo solo en los casos que solo se dispone de
unidades homogéneas de lo contrario no es posible hacer uso del
diseño completamente al azar. Pero utilizando algún bloqueo para
incrementar la eficiencia del diseño sería posible resolver problemas
en los cuales no se disponga de unidades experimentales
homogéneas.
Arreglo Tabular
Este diseño es conveniente cuando la variabilidad está uniformemente
distribuida en las unidades experimentales, hecho que es la base para
poder hallar validamente una varianza común para todas las muestras
de los tratamientos en estudio.
El análisis del diseño experimental se inicia con el arreglo tabular de
los resultados.
A1 A2 ··· At
Y11 Y21 ··· Yt1
.. .. .. ..
. . . .
Y1r Y2r · · · Ytr
Y1 . Y2 . · · · Yt .
Pr
Y .. = ti=1 rj=1 Yij
P P
Yi . = j=1 Yij ;
Se debe encontrar
t X
X r
mı́n ϕ = mı́n (Yij − µ − τi )2
µ, τi µ, τi
i=1 j=1
∂ϕ ∂ϕ
= 0; = 0; , para cada i fijado; i = 1, · · · , t;
∂µ ∂ τi
(EP Matemática - UNSAAC) 18 de febrero de 2021 5 / 25
Análisis del Modelo del Diseño Completo al Azar
µ̂ = Ȳ ..
τ̂i = Ȳi . − Ȳ ..
Analisis de Varianza
En términos de suma de cuadrados se tiene:
t X
X r t
X t X
X r
2 2
(Yij − Ȳ ..) = r (Ȳi . − Ȳ ..) + (Yij − Ȳi .)2
i=1 j=1 i=1 i=1 j=1
SC Total = SC Tratamiento + SC Error
Suma de cuadrados
r
t X
X Y··2
SCTot = Yij2 −
tr
i=1 j=1
Pt 2
Y··2
i=1 Yi·
SCT = −
r tr
t r Pt
XX
2 Y2
SCE = Yij − i=1 i· = SCTot − SCT
r
i=1 j=1
(EP Matemática - UNSAAC) 18 de febrero de 2021 9 / 25
Pruebas de los efectos de tratamientos
Para probar el efecto de los tratamientos se plantea las siguientes
hipótesis:
Ho : τ1 = τ2 = ... = τt = 0
Ha : no todas las τi son iguales a cero
Clase I 76 68 64 78 79 71 69
Clase II 79 79 77 73 81 78 80
Clase III 94 84 96 88 81 78 86
Yij = µ + τi + εij ; i = 1, 2, · · · , t; j = 1, 2, · · · , r ; t = 3, r = 7
En términos del problema: Es un modelo de efectos fijos y balanceado, pues, se quiere estudiar
nivel de aprendizaje en las tres aulas y se toman al azar 7 alumnos de cada clase
Yij es el puntaje de la prueba de inglés del j-ésimo alumno (unidad experimental) que
pertenece a la i-ésima clase (tratamiento).
µ es la media general
τi es el efecto del
Pi-ésimo tratamiento. es de efecto fijo pues solo son tres clases, entonces
está sujeto a τi = 0
εij es el efecto del error, son variables aleatorias independientes con distribución normal que
tiene media cero y varianza común σ 2 .
Sumas
Análisis de Varianza
La descomposición de la variación total en varias fuentes de variabilidad especificadas en el
modelo aditivo lineal son expresadas por una suma de las fuentes de variación en este caso se
distribuye esta variabilidad entre tratamientos (Tratamiento o Factor)y dentro de tratamientos
(Error o Residual).
Las Suma de cuadrados de estas fuentes de variación halladas con los puntajes de las pruebas
de ingles en las tres clases son los siguientes:
t X
r 2
X 2 Y·· (1659)2
SCTot = Yij − = 132301 − = 132301 − 131061 = 1240
i=1 j=1
tr 21
Pt
i=1 Yi·2 2
Y·· (505)2 + (547)2 + (607)2 (1659)2
SCT = − = − = 131811,9 − 131061 = 750,9
r tr 7 21
t X
r Pt
X 2 i=1 Yi·2
SCE = Yij − = SCTot − SCT = 1240 − 750,9 = 489,1
i=1 j=1
r
CMT 375,43
Fc = = = 13,82
CME 27,18
Como Fc = 13,82 > 3,555 = F0 entonces se rechaza la hipótesis nula lo que significa que si hay difrencias significativas en
los promedios de los puntajes de las pruebas de inglés entre las clases.
Prueba de normalidad
La prueba de Smirnov Kolmogorov (prueba K-S) se utiliza para probar la normalidad. Se trata de
una prueba de bondad de ajuste. Mide el grado de concordancia entre la distribución de un
conjunto de datos y una distribución teórica específica.
La hipótesis nula (H0 ) establece que la distribución empírica es similar a la distribución teórica.
La hipótesis alterna (H1 ) establece que la distribución de frecuencias observada no es
consistente con la distribución teórica.
El procedimiento para realizar esta prueba es el siguiente:
1 Especificar la distribución nula (distribución normal) y estimar sus parámetros (media, varianza y desviación estándar).
2 Ordenar los valores de la muestra en forma ascendente, de menor a mayor (X(1) , X(2) , · · · , X(n) ).
3 hallar su frecuencia acumulada relativa. (Función de distribución empirica Sn (Xi ))
X(i) − X̄
4 Para cada valor de la muestra X(i) calcular la variable aleatoria normal estándar : Zi = .
Sx
5 Calcular la función de distribución teórica F0 (Xi ) = F (Zi ).
6 Para cada valor de la muestra se calcula la diferencia entre F0 (Xi ) y Sn (Xi ), y se busca la máxima diferencia Dmax =
Max|F0 (Xi ) − Sn (Xi )|, i = 1, 2, ..., n.
7 Se busca en la tabla el valor crítico Dmax p(α, n) con el nivel de significancia α. Si el valor observado Dmax es menor o
igual que el valor crítico, entonces, se acepta la hipótesis nula de que no existen diferencias significativas entre la
distribución teórica y la distribución dada por los resultados muestrales.
νi Si2 / νi − νi ln(Si2 )
P P P P
νi ln
B = (2)
1 P 1 1
1+ −P
3(k − 1) νi νi
Pni
j=1 (Xij − X̄ )2
Donde Si2 es la varianza de la i-ésima muestra, tal que Si2 =
ni − 1
k es el número de muestras
νi = ni − 1
ni es el número de observaciones de la i-ésima muestra
(EP Matemática - UNSAAC) 18 de febrero de 2021 19 / 25
Verificación de los supuestos
Prueba de independencia
Para probar independencia se usa la prueba de aleatoriedad de Rachas.
En una determinada secuencia de sucesos observables la interacción entre elementos iguales lo
denominaremos comoracha.
Por rachas o corrida se entiende a una sucesión de símbolos idénticos que estan separados por
otro tipo de símbolos.
El no de elementos de una racha se llama longitud
El Test de Rachas contrasta la aleatoriedad de una secuencia de eventos a partir del no de
rachas R de la misma.
Cuando los datos son cuantitativos para aplicar el test de rachas se realiza el siguiente
procedimiento:
1 Se calcula la media muestral u otro criterio de comparación, K
2 Se obtiene la diferencia entre cada valor y K , asignándole el signo correspondiente. Se
eliminan los valores cero
3 Se forman las rachas tomando en cuenta la sucesión de signos + ó -
4 Se calcula el número n1 de elementos de una clase identificadas por el signo - y n2 la
cantidad de elementos que tienen signo +.
5 Se distribuyen los datos con sus signos en el orden en que ocurrieron.
6 Se cuenta el número r de rachas.
7 Se calcula el estadistico de prueba Zc .
Pruebas
1 Prueba de normalidad
2 Prueba de homogeneidad de varianzas
3 Prueba de independencia
(EP Matemática - UNSAAC) 18 de febrero de 2021 22 / 25
Verificación de los supuestos
Prueba de normalidad
CLASES N Desv.Est. IC
I 7 5.63999 (3.32415; 15.3034)
II 7 2.60951 (1.53801; 7.0806)
III 7 6.55017 (3.86060; 17.7730)
Prueba de independencia
Prueba de corridas: RESID Estadísticas descriptivas
Número de observaciones
N K ≤K >K
21 0 11 10
K = media de la muestra
Prueba:
Hipótesis nula H0 : El orden de los datos es aleatorio
Hipótesis alterna H1 : El orden de los datos no es aleatorio
Número de corridas:
Número de corridas Observado = 12 ;
Número de corridas Esperado = 11,482 y Pvalor = 0,814
Como 0,814 es mayor que 0,05 se acepta la hipotesis nula esto es, hay
independencia de los errores.