Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Características:
yij = i + ij i = 1, 2, ...a
𝜇Ƹ 4 j = 1, 2, ...n
𝜇Ƹ 3
𝜇Ƹ 2 yij = + i + ij i = 1, 2, ...a
ෝ
𝝁 j = 1, 2, ...n
donde:
yij = Valor aleatorio que toma la variable respuesta en
la j-exima replica del i-eximo tratamiento.
= Parámetro de centralidad o efecto medio general.
i = Efecto debido al i-ésimo tratamiento.
ij = Efecto debido al error experimental.
Hipótesis de estudio:
Lo anterior implica que es equivalente
probar que las medias de los tratamientos Ho : 1 = 2 = 3 = ...... = a =0
son iguales a probar que el efecto de los
tratamientos es igual a cero, bajo H0.
Ha : i 0 para algún i
ANOVA - Tabla Resumen
Tabla de análisis de varianza para el modelo con un solo factor
Fuente de Grados de Suma de Cuadrado
F0
Variabilidad Libertad Cuadrados Medio
Entre los 1 a 2 y..2
a −1 SCTrat = yi. − CM Trat =
SCTrat
F0 =
CM Trat
Tratamientos n i =1 N a −1 CM Error
ˆTrat
2 Rechazar Ho (Los efectos son diferentes): En la
F0 = 2 → medida en que la variabilidad debida al
ˆ Error tratamiento sea mayor que la variabilidad del
Ho : 1 = 2 = 3 = ...... = a =0
error.
Ha : i 0 para algún i
ˆTrat
2
Aceptar Ho (Los efectos son iguales): la
F0 = 2 → (0;1) variabilidad de los tratamientos es muy similar a
ˆ Error la del error o inclusive menor.
Diseños Desbalanceados
En algunas ocasiones no es posible mantener constante el tamaño de muestra
para cada tratamiento, por ende las expresiones de calculo cambian
ligeramente.
Total N −1 SCT = y − 2
ij
i =1 j =1 N
Retomando el ejemplo de la altura de las plantas:
Datos del experimento de la altura de plantas (en cm)
Planta
Tratamiento Promedio
1 2 3 4 5
Sin Fertilizante 7 7 15 11 9 9.8
N 12 17 12 18 18 15.4
NP 14 18 18 19 19 17.6
NPK 19 25 22 19 23 21.6
NK 7 10 11 15 11 10.8
Procedimiento
• Paso 1: Acomodar y enumerar las medias muestrales en forma descendente.
Importante:
1 1
LSD = t /2 ; v CM Error + 𝛼 es la probabilidad de encontrar al menos
n n
i j
un error tipo I (falsos rechazos) para cada
una de las comparaciones.
Prueba de la Diferencia Mínima Significativa (LSD o Fisher):
Inconvenientes:
Un problema que presenta este procedimiento, es que la utilización reiterada del mismo (𝛼)
conduce a que la probabilidad de falsos rechazos de la hipótesis nula (𝛼) sea bastante alta,
aunque no existan diferencias reales.
Ejemplo:
Si se cuenta con 10 niveles de un factor (a=10), se tendrían 45 (10C2) posibles parejas de
comparaciones.
1 1
LSD = t0.025;20 8.06 + = 3.75
5 5
Información de agrupación empleando el método de Fisher
Fertilizante n Media Agrupación
Contraste de Hipótesis: NPK 5 21,6 A
H 0 : i . = j . NP 5 17,6 B
N 5 15,4 B
H1 : i . j . NK 5 10,8 C
Sin Fertilizante 5 9,80 C
Regla de decisión:
• Tukey (1953) desarrolló un procedimiento para las comparaciones entre pares de todas
las medias de tratamiento.
• El método se basa en comparar todas las diferencias en valor absoluto de las medias de
los tratamientos y confrontar dichas diferencias contra un estadístico de prueba.
CM Error Importante:
DHS = q (k ;v )
n 𝛼 es la probabilidad de encontrar al menos un
error tipo I (falsos rechazos) para cada una de
las comparaciones.
Prueba de Tukey (DHS):
H 0 : i . = j .
H1 : i . j . Información de agrupación empleando el método de Fisher
Fertilizante n Media Agrupación
NPK 5 21,6 A
• Regla de decisión: NP 5 17,6 B
N 5 15,4 B
Si yi• − y j • DHS NK 5 10,8 C
Sin Fertilizante 5 9,80 C
Se rechaza H 0
En resumen:
Las técnicas englobadas bajo la denominación de
Análisis de Varianza (ANOVA) dan respuesta a la
necesidad de comparar más de dos grupos o
tratamientos.
Si se tuviese la impresión que existe diferencia entre los niveles de acido 0.1M y 0.5M, no seria posible
decir si esta diferencia es autentica o si está provocada por el efecto de utilizar los dos tratamientos en
pares de días diferentes.
ya1 ya 2 ya 3 ya 4 yab
Modelo de análisis:
i = 1, 2,..., a
yij = + i + j + ij
j = 1, 2,..., b
Efecto del nivel Efecto del nivel
i-esimo del factor j-esimo del factor bloque
donde:
Se supone que los efectos de tratamientos y
yij = Valor aleatorio que toma la variable respuesta
bloques son aditivos. La aditividad significa que no
en el i-eximo tratamiento del j-eximo bloque hay interacción entre tratamientos y bloques.
= Parámetro de centralidad o efecto medio general.
i = Efecto debido al i-ésimo tratamiento. Planteamiento de Hipótesis:
j = Efecto debido al j-ésimo bloque. Ho : 1 = 2 = 3 = ...... = a =0
ij = Efecto debido al error experimental. Ha : i 0 para algún i
Tabla ANOVA
Tabla de análisis de varianza para el modelo de un solo factor con bloques
Fuente de Grados de Suma de Cuadrado
F0
Variabilidad Libertad Cuadrados Medio
a −1 SCTrat CM Trat
Tratamientos SCTratamientos CM Trat = F0 =
a −1 CM Error
SCBloque CM Bloque
Bloques b −1 SCBloques CM Bloque = F0 =
b −1 CM Error
SCError
( a − 1)( b − 1) SCError CM Error =
Error ( a − 1)( b − 1)
Total N −1 SCTotal
1. Los cinco lugares (de la estación) 2. Los cinco lugares (de la estación) son
son considerados como réplicas considerados como bloques en vez de
réplicas.
Diseño: ANOVA de una vía. Diseño: ANOVA en bloques.
yij = + i + ij yij = + i + j + ij
Eficiencia de un DBCA frente a un DCA
La ganancia en eficacia que se obtiene de usar un diseño de bloques al azar (DBCA) en
vez de un diseño completamente aleatorizado (DCA) se calcula:
8, 06 (16 + 1)( 20 + 3)
EF = = 4.97
1,59 (16 + 3)( 20 + 1)