Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Avance Trabajo Individual Fase 3 PDF
Avance Trabajo Individual Fase 3 PDF
FACTORIAL
Fase 3
Presentado por:
MARIO ROMERO C.
COD. 80497313
Grupo:
300004_3
Octubre 2020
APLICACIÓN DEL DISEÑO CUADRADO LATINO Y EL EXPERIMENTO
FACTORIAL – Fase 3
1. El estudiante debe revisar el OVI del diseño cuadrado latino que está en
el entorno de aprendizaje en las referencias bibliográficas de la unidad 2
en el último referente y con base en este responder.
(Deaza, 2020)
Ejemplo:
COLUMNAS
T1 T2 T3 T4 T5 T6 T7 T8
T2 T3 T4 T5 T6 T7 T8 T1
T3 T4 T5 T6 T7 T8 T1 T2
T4 T5 T6 T7 T8 T1 T2 T3
FILAS
T5 T6 T7 T8 T1 T2 T3 T4
T6 T7 T8 T1 T2 T3 T4 T5
T7 T8 T1 T2 T3 T4 T5 T6
T8 T1 T2 T3 T4 T5 T6 T7
Cuadrado Latino:
Se debe tener en cuenta que las filas y columnas puede deberse tanto a un
criterio de localización en campo como a una práctica cultural en la cual los
tratamientos se organizan en bloques donde por filas se afectan por un segundo
factor y por columnas se afectan por un tercer factor.
Diseño Factorial:
2x3=6
T1 = P1 B1
T2 = P1 B2
T3 = P1 B3
T4 = P2 B1
T5 = P2 B2
T6 = P2 B3
3. Del texto indicado ubique el capítulo de Diseño cuadrado latino y registre:
Modelo
𝒀𝒊𝒋𝒌 = 𝝁 + 𝑻𝒊 + 𝑭𝒋 + 𝑪𝒌 + 𝜺𝒊𝒋𝒌
Donde:
𝝁 = Media General.
(Ruesga González, Peña Peña, Exposito Elizagaray, & Gardon, 2005, pág. 36)
𝟐
(∑𝑿)𝟐
𝑺𝑫𝑪𝑻𝒐𝒕𝒂𝒍 = ∑𝑿 −
𝑵
𝑺𝑫𝑪𝑻𝒓𝒂𝒕 = Suma de cuadrados de tratamiento
∑(∑𝑻𝒓𝒂𝒕𝟐 ) (∑ 𝑿)𝟐
𝑺𝑫𝑪𝑻𝒓𝒂𝒕 = −
# 𝒅𝒆 𝒅𝒂𝒕𝒐𝒔 𝒑𝒐𝒓 𝒕𝒓𝒂𝒕𝒂𝒎𝒊𝒆𝒏𝒕𝒐 𝑵
∑(∑𝑭𝒊𝒍𝒂𝟐 ) (∑ 𝑿)𝟐
𝑺𝑫𝑪𝑭𝒊𝒍𝒂 = −
# 𝒅𝒂𝒕𝒐𝒔 𝒑𝒐𝒓 𝒇𝒊𝒍𝒂 𝑵
𝑺𝑫𝑪𝑪𝒐𝒍𝒖𝒎𝒏𝒂 = Suma de cuadrados de la Columna
∑(∑𝑪𝒐𝒍𝒖𝒎𝒏𝒂𝟐 ) (∑ 𝑿)𝟐
𝑺𝑫𝑪𝑪𝒐𝒍𝒖𝒎𝒏𝒂 = −
# 𝒅𝒂𝒕𝒐𝒔 𝒑𝒐𝒓 𝑪𝒐𝒍𝒖𝒎𝒏𝒂 𝑵
(Ruesga González, Peña Peña, Exposito Elizagaray, & Gardon, 2005, pág. 37)
EJEMPLO:
F4-NPK.
(Ruesga González, Peña Peña, Exposito Elizagaray, & Gardon, 2005, pág. 36)
La tabla siguiente muestra los datos del rendimiento de la soya para los 5
fertilizantes.
ORIGINAL AJUSTADO
Desarrollar en el programa R análisis de varianza, validación de
supuestos del modelo y prueba de comparación de medias. Se
deben remitir pantallazos de los resultados en el programa R. Se
debe desarrollar interpretación de los resultados. Un párrafo aparte
para cada una de las pruebas, sin interpretación no se califica el
punto.
ANÁLISIS DE VARIANZA
Para el factor Filas el Pvalue es de 0,9335 quiere decir que el Pvalue > 0,05 por
ende no se rechaza la H0 y se comprueba con un 95% de confianza que todas
las filas se comportan iguales. Para el factor Columnas el Pvalue es de 0,0774,
es decir, Pvalue > 0,05 por lo tanto no se rechaza la H0 y se concluye con un
95% de confianza que todas las columnas se comportan iguales. En el caso del
Tratamiento el Pvalue es de 4,18e-07 por ende Pvalue < 0,05 entonces se
rechaza la H0 y se comprueba con un 95% de confianza que existe una diferencia
estadísticamente significativa en los tratamientos.
Modelo.
Donde:
𝝁 = Media General.
(Ruesga González, Peña Peña, Exposito Elizagaray, & Gardon, 2005, pág. 47)
𝟐
(∑𝑿)𝟐
𝑺𝑫𝑪𝑻𝒐𝒕𝒂𝒍 = ∑𝑿 −
𝑵
𝑺𝑫𝑪𝑹é𝒑 = Suma de cuadrados de Réplica
∑𝑹é𝒑𝟐 (∑ 𝑿)𝟐
𝑺𝑫𝑪𝑹é𝒑 = −
# 𝑶𝒃𝒔𝒆𝒓𝒗𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒄𝒂𝒅𝒂 𝑹é𝒑 𝑵
𝑺𝑫𝑪𝑻𝒓𝒂𝒕 = Suma de cuadrados de Tratamiento
∑𝑻𝒓𝒂𝒕𝟐 (∑ 𝑿)𝟐
𝑺𝑫𝑪𝑻𝒂𝒕 = −
# 𝑶𝒃𝒔𝒆𝒓𝒗𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒄𝒂𝒅𝒂 𝑻𝒓𝒂𝒕 𝑵
∑𝑭𝒂𝒄 𝑨𝟐 (∑ 𝑿)𝟐
𝑺𝑫𝑪𝑭𝒂𝒄 𝑨 = −
# 𝑶𝒃𝒔𝒆𝒓𝒗𝒂𝒄𝒊𝒐𝒏𝒆𝒔 𝒄𝒂𝒅𝒂 𝑭𝒂𝒄 𝑨 𝑵
(Ruesga González, Peña Peña, Exposito Elizagaray, & Gardon, 2005, pág. 48)
EJEMPLO
Ho: D1 = D2 vs Hl: D1 ≠ D2
(Ruesga González, Peña Peña, Exposito Elizagaray, & Gardon, 2005, pág. 47)
ORIGINAL AJUSTE
Para el caso del factor Variedad, el Pvalues es de 0,00339 lo cual quiere decir
que Pvalue < 0,05 por ende se rechaza la H0 y se concluye con un 95% de
confianza que existe una diferencia estadisticamente significativa entre el
promedio de rendimiento de la Variedad 1 y el promedio de rendimiento de la
Variedad 2.
Cabe anotar que como uno de los factores no cumple con el supuesto se debe
detener el análisis, pero para este caso se continúa para evidenciar el proceso
completo de Análisis de Varianza. En estos casos, es de vital importancia
reescalar los resultados obtenidos como variable de rendimiento de todo el
experimento, por medio de una transformación con el fin de cumplir a cabalidad
con los supuestos tanto de Normalidad como de Varianza constante.
PRUEBA DE COMPARACIÓN DE MEDIAS