Documentos de Académico
Documentos de Profesional
Documentos de Cultura
La Paz- Bolivia
2014
Esta obra aún no tiene los
Derechos Reservados, por lo
que cualquier parte de ella
puede ser reproducida,
transmitida mediante
cualquier medio físico u
electrónico, sin consentimiento
previo del autor, pero siempre
respetando y citando la fuente.
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
CONTENIDO
1. Introducción .................................................................................. 1
2. Instalando el complemento “Análisis de datos” .............................. 2
3. Estadística Descriptiva .................................................................. 6
4. Prueba de t para la comparación de dos medias independientes.... 15
5. Análisis de Correlación y Regresión lineal ..................................... 24
5.1 Correlación lineal ................................................................................... 30
5.2 Regresión lineal ...................................................................................... 32
1. Introducción
1
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
2
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
3
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
4
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
5
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
3. Estadística Descriptiva
Ejemplo. Un estudio desea explorar los niveles de contaminación con mercurio
en un rio con actividad minera, se sabe que el mercurio se acumula en los tejidos
de los peces, para tal efecto se tomó una muestra de 20 peces de cierta especie,
de los cuales se determinó la concentración de mercurio en ppm.
Cálculos
El proceso de cálculo para estadísticas
descriptivas es el siguiente
Media aritmética
𝑌
𝑌=
𝑛
Varianza
𝑌 2
𝑌2 −
𝑛
𝑆2 =
𝑛−1
6
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
(12,68)2
9,244 −
20
𝑆2 =
20 − 1
S2 = 0,0634
Desvío estándar
𝑌 2
𝑌2 −
𝑛
𝑆 =
𝑛−1
S = 0,251
Error Estándar
𝑆 0,25
𝑆𝑦 = = = 0,056
𝑛 20
Coeficiente de variación
𝑆 0,2518
𝐶𝑉 % = × 100 = × 100 = 39,71%
𝑌 0,634
7
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
Se puede ingresar los datos ya sea en una sola columna o varias
columnas, en este caso se ingresó en una columna;
Observar que en este caso se introdujo los datos en la columna A y las celda A1
corresponde a la etiqueta y los datos se introdujeron desde la celda A2 hasta
A21, en otras palabras; (A1:A21) es el rango que ocupan el conjunto de datos en
la hoja de cálculo incluida la etiqueta.
8
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
9
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Por lo tanto se debe hacer clic en Rótulos en la primera fila puesto que hemos
incluido en la selección la etiqueta.
10
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Clic en Aceptar, los resultados por defecto se nos muestra en otra hoja de
cálculo generada por Excel, si hubiésemos deseado que se nos muestre en otra
dirección se pudo haber especificado la celda de salida en Rango de salida. Los
resultados por defecto se muestran así:
11
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
1,3 1,6 1,5 0,5 1,8 1,2 0,1 2,5 2,5 0,3 0,7 0,8 2,4
1,9 2,5 1,4 0 2,1 0,6 1,7 1,9 2,1 0,4 0,8 1,2
Resolución en Excel
Se puede ingresar los datos ya sea en una sola
columna o varias columnas, en este caso se introdujo
los datos en una columna
12
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
13
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resultados:
14
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Ración 2:
Ración 1: Alimento
Alimento comercial + pulpa
comercial de café (20%)
23,1 19,2
17,3 21,8
24,2 18,4
21,0 18,2
19,7 21,4
26,3 19,3
21,2 23,6
25,1 22,4
20,0 17,2
Hipótesis:
Ha: μ1≠ μ2 “La media en la ganancia de peso en conejos es diferente por el efecto
de las dos raciones”
15
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Cálculos
Para el cálculo se necesitan los
estadísticos descriptivos de la media,
varianza, desviación estándar y número
de observaciones de cada ración, los
cuales se estiman como se mostró en
estadística descriptiva:
𝒀
Media aritmética 𝒀 =
𝒏
𝒀𝟐
𝒀𝟐 −
Varianza 𝑺𝟐 = 𝒏
𝒏−𝟏
(𝟏𝟗𝟕,𝟗)𝟐 (181,5)2
𝟒𝟒𝟏𝟖, 𝟕𝟕 − 3698,69 −
𝟗 9
𝑺𝟐 = 𝑆2 =
𝟗−𝟏 9−1
S2 = 8,39 S2 = 4,805
𝒀𝟐
𝒀𝟐 −
Desvío estándar 𝑺 = 𝒏
𝒏−𝟏
S = 2,89 S= 2,19
16
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Estadístico de prueba:
𝑌1 − 𝑌2
𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 =
𝑆𝑐 2 𝑆𝑐 2
+
𝑛1 𝑛2
𝑆12 𝑛1 − 1 + 𝑆22 𝑛2 − 1
𝑆𝑐 2 =
𝑛1 + 𝑛2 − 2
8,39 9 − 1 + 4,805 9 − 1
𝑆𝑐 2 = = 6,59
9+9−2
21,98 − 20,16
𝑡𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 = = 1,50
6,59 6,59
+
9 9
Decisión
Si el valor t calculado > t tablas(5%); Rechace la hipótesis nula
Si el valor t calculado < t tablas(5%); Acepte la hipótesis nula
1,50 < 2,12; por tanto se acepta la hipótesis nula.
Nota: Para fines prácticos, se asume el valor absoluto del valor de t calculada, es
decir se ignora el signo.
Conclusión:
Al nivel del 5%, no hay evidencia para decir que ambos tipos de raciones tienen
medias diferentes en la ganancia de peso, en otras palabras “La media en la
ganancia de peso en conejos es la misma por el efecto de las dos raciones”
17
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
Ración 1; A1:A10
Ración 2; B1:B10
18
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
En el cuadro de diálogo;
19
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Decisión e Interpretación:
20
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Control Flushed
62,5 63,9 69,2 70,7 67,8 69,8
66,8 65,7 62,6 71,8 66,8 68,1
69,5 67,2 61,1 64,9 67,0 66,0
64,1 65,2 61,8 68,2 67,1 69,4
65,3 63,5 69,6 69,4 67,6 69,8
65,6 65,3 71,1 64,4 66,1 67,9
66,4 65,1 67,0 66,9 62,7 66,2
66,1 64,8 67,5 69,4 64,6 64,2
68,6 67,4 68,2
62,5 66,0 63,6
21
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
Introducimos los datos en dos columnas (solo se
muestra la vista parcial de datos introducidos)
22
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resultados
Decisión e Interpretación:
23
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
La correlación lineal de Pearson (r) mide el grado de relación entre dos variables
cuantitativas, este coeficiente varia de -1 hasta 1. El coeficiente de regresión (b)
cuantifica el monto de cambio en la variable dependiente (Y) por cada unidad de
cambio en la variable independiente (X).
24
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Cálculos
El proceso de cálculo para obtener
valores al cuadrado y productos es
el siguiente
Coeficiente de correlación
𝑋 𝑌
𝑋𝑌 −
𝑛
𝑟=
𝑋 2 𝑌 2
𝑋2 − 𝑌2 −
𝑛 𝑛
212 2168
46629 −
10
𝑟=
212 2 2168 2
4560 − 478450 −
10 10
r = 8975
25
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Coeficiente de regresión
𝑋 𝑌
𝑋𝑌 −
𝑛
𝑏= 𝑋 2
𝑋2 −
𝑛
212 2168
46629 −
10
𝑏= 212 2
4560 −
10
b = 10,173
Intercepto (a)
𝑌 𝑏 𝑋
𝑎= −
𝑛 𝑛
a = 1,13
r2=0,89752= 0,8055
26
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
27
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Diagrama de dispersión
En el menú Insertar, Diagrama de dispersión;
28
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Por defecto Excel asume como la variable X (eje horizontal) a la primera variable
de la tabla de datos (Ancho).
150
100
50
0
0 5 10 15 20 25 30
Ancho (cm)
29
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
En el cuadro de diálogo;
Introducir con el mouse en rango de entrada las dos columnas incluidos los
encabezados de las variables;
30
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Aceptar
Resultados
31
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
En el cuadro de dialogo;
32
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
33
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
X Y
Diámetro
testicular Producción
(cm) semen (cc)
18,0 0,5
18,2 1,2
16,4 0,6
19,3 1,2
20,4 1,5
26,4 1,6
20,0 0,9
17,4 0,7
22,4 1,5
25,0 1,8
34
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
Se realizara con el diagrama de dispersión y obteniendo la línea
de regresión lineal.
35
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
2,0
1,8
1,6
1,4
1,2
1,0
0,8 Series1
0,6
0,4
0,2
0,0
0,0 5,0 10,0 15,0 20,0 25,0 30,0
Editando Ejes
2,0
1,8
1,6
Producción semen (cc)
1,4
1,2
1,0
0,8
Series1
0,6
0,4
0,2
0,0
0,0 5,0 10,0 15,0 20,0 25,0 30,0
36
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Obteniendo la línea de regresión haciendo clic derecho sobre cualquier punto del
diagrama de dispersión;
En el cuadro marcamos;
37
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
2,0
Producción semen (cc)
0,0
0,0 10,0 20,0 30,0
Diámetro testicular (cm)
38
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
6. Análisis de varianza
El análisis de varianza es la descomposición de la varianza total en componentes
de varianza parciales (varianza explicada y varianza no explicada), dicha
descomposición se asocia a un modelo estadístico, para lo cual se parte de la
descomposición de la suma de cuadrados.
Tratamientos I II III IV V
A 4,5 4,2 3,6 3,9 3,9
B 4,8 4,2 3,9 4,5 4,2
C 3,9 3,6 3,3 3,6 3
D 3,3 3,9 3 3,6 3,3
E 4,2 3,6 3,6 3 3,3
Yij = μ + τi + εij
39
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Hipótesis
Cálculos
El proceso de cálculo para
descomponer la suma de cuadrados
y obtener el análisis de varianza es
el siguiente
𝑌𝑖.2
𝑆𝐶𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 = − 𝐹𝐶
𝑟
40
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
𝑆𝐶𝑇𝑜𝑡𝑎𝑙𝑒𝑠 = 𝑌𝑖𝑗 2 − 𝐹𝐶
SCError = SCTotales-SCtratamientos
FV GL SC CM Fcalculado Ftabular(5%)
Métodos t-1=4 3,126 0,781 5,87 2,87
Error t(r-1)=20 2,655 0,133
Total txr-1=24
𝐶𝑀𝐸𝑟𝑟𝑜𝑟 0,133
𝐶𝑉 % = × 100 = × 100 = 9,709%
𝑌. . 3,756
Decisión:
Si Fcalculado ≥ Ftabulado; se rechaza la Hipótesis nula
Si Fcalculado< Ftabulado; se acepta la Hipótesis nula
En este ejemplo como 5,87 es mayor al valor tabular 2,87, rechazamos la
hipótesis nula de igualdad de medias.
Conclusión
Con 5% de significancia concluimos que “existen efectos diferentes en la altura
de planta por efecto del método de plantación de árboles de J. copaia”.
41
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
42
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
En el cuadro de diálogo;
43
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Aceptar;
Resultados
Métodos
Error
Interpretaciones
Resumen; proporciona las medias de los tratamientos (Grupos para Excel), Cuenta
es el número de observaciones de donde proviene cada media.
Análisis de varianza.
La fuente de variación Entre grupos; representa la variación entre tratamientos cuyo
valor F calculado es Fc=5,85.
La fuente de variación Dentro de los grupos, representa la variación residual o el
error experimental.
Decisión:
44
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Graficando medias
Pintamos
con el
mouse las
celdas de
tratamientos
y medias.
5,00
4,00
3,00
2,00 Series1
1,00
0,00
A B C D E
45
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Macetas o repeticiones
Densidad (g/maceta) i ii iii iv v
5 22,2 21,6 23,0 24,5 19,0
10 24,0 22,1 26,0 24,8 29,2
15 26,4 29,4 30,1 27,4 26,4
20 32,4 31,2 29,0 35,2 36,2
Yij = μ + τi + εij
Hipótesis
46
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
En el cuadro de diálogo;
47
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Debe llenarse:
Rango de datos
incluídas celdas
con nombre de
tratamiento
Aceptar;
Resultados
Tratamientos
Error
48
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Interpretación
Decisión;
Asumiendo el 5% o 0,05 de significación
Graficando medias
Al ser el factor densidades cuantitativo es conveniente realizar una gráfica de
dispersión a fin de analizar efectos de regresión; para esto copiamos los datos de
densidades y medias de germinación.
49
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
35
30
25
20
15 Series1
10
5
0
0 5 10 15 20 25
50
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
51
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Cerrar;
(Densidad y Emergencia)
40
30
20
y = 0,698x + 18,27
10 R² = 0,983
0
0 5 10 15 20 25
Densidad siembra en gramos
52
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Perros
Tratamiento 1 2 3 4 5
Propofol 179 160 187 172 156
Propofol-Acepromacina-Atropina 165 176 176 159
Propofol-Xilacina-Atropina 178 159 183 159 187
Modelo estadístico
Yij = μ + τi + εij
Hipótesis
Ho: μPropofol = μPropofol Acepromacina Atropina = μPropofol Xilacina Atropina “No hay diferencia en
las medias de frecuencia cardiaca de perros mestizos por efecto de la aplicación
del tipo de combinación de productos”
53
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
54
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resultados;
55
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Repeticiones
Biofertilizantes I II III IV V
Compost 21,2 23,4 19,2 21,2 18,2
Bocashi 19,0 23,1 18,2
Control 21,2 17,1 19,1 21,6
Modelo estadístico
Yij = μ + τi + εij
Hipótesis
Ho: μBocashi = μCompost = μControl “La de altura de planta es el mismo para cualquier
tipo de biofertilizante”
56
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
Aceptar
57
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resultados
Biofertilizantes
Error
58
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Peso
Dieta estanque 1 estanque 2 estanque 3
T1 58,7 52 55,6
T2 72 71,2 76,2
T3 61,2 59 67
T4 82,4 79,1 77,2
Modelo estadístico
Yij = μ + τi + εij
Yij = Peso registrado del j-ésimo estanque que con el i-ésimo tipo de dieta
μ = Media general
τi = Efecto fijo del i-ésimo tipo de dieta
εij = Error experimental o Efecto aleatorio de residuales (0,σe2)
59
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Hipótesis
Ho: μ1 = μ2 = μ3 =μ4 “El peso vivo de pejerrey es el mismo para cualquier tipo de
dieta”
Resolución en Excel
Vista de datos
60
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resultados
Dietas
Error
Graficando medias
61
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Bloques
Variedades I II III IV
Bayo 42 46 38 41
Gastelum 32 38 31 30
Mantequilla 25 32 28 26
Testigo 18 20 26 24
Cuyo 35 42 46 40
Zirate 36 25 22 26
Yij = μ + βj + τi + εij
Hipótesis
62
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Cálculos
El cálculo para descomponer la
suma de cuadrados y obtener el
análisis de varianza necesita de los
totales de tratamiento, bloque y
gran total
𝑌. .2 7692
𝐹𝐶 = = = 24640,04
𝑡×𝑟 6×4
𝑌. 𝑗 2
𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒𝑠 = − 𝐹𝐶
𝑟
63
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
𝑆𝐶𝑇𝑜𝑡𝑎𝑙𝑒𝑠 = 𝑌𝑖𝑗 2 − 𝐹𝐶
Análisis de varianza
FV GL SC CM Fcalculado Ftabular(5%)
Bloques r-1=3 27,12 9,05
Variedades t-1=5 1251,21 250,24 13,10 2,90
Error (t-1)(r-1)=15 286,63 19,10
Total t×r-1=23
𝐶𝑀𝐸𝑟𝑟𝑜𝑟 19,10
𝐶𝑉 % = × 100 = × 100 = 13,64%
𝑌. . 32,04
Dado que la varianza de bloques es negativa, se asume una varianza igual a cero.
Por tanto no hubo variación entre bloques.
Decisión
64
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
65
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
66
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resultados
Variedades
Bloques
Fuentes de variación;
En este ejemplo
Filas equivale a tratamientos.
Columnas equivale a Bloques.
Decisión
Asumiendo el 5% o 0,05 de significación
Si el valor F calculado< F crítico ; Acepte Ho
Si el valor F calculado> F crítico; Rechace Ho
13,09 > 2,90; Se rechaza la Hipótesis nula, entonces con 95 % de confianza
concluimos que al menos una variedad de frejol es diferente en el rendimiento.
Es pertinente explorar las medias de las diferentes variedades, la salida de Excel
muestra a las variedades Bayo y Cuyo con los mayores rendimientos en tanto el
testigo ha obtenido el menor rendimiento por parcela.
67
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Graficando medias
Frecuentemente es necesario graficar las medias para una mejor comprensión del
efecto de tratamiento sobre la variable de respuesta, en este caso el factor
“Variedades” es cualitativo por tanto es más conveniente representar el efecto de
las medias con barras.
Para esto podemos copiar a otras celdas los tratamientos, medias y desviaciones
típicas. Luego pinte con el mouse las celdas que contienen a las variedades y sus
respectivas medias;
68
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
45
40
35
30
25
20
15
10 Series1
5
0
69
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
40
35
30
25
20
15
10
5
0
Variedad de frejol
70
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Bloques
Nitrógeno
(kg/ha) I II III IV
0 10 9 11 10
50 12 11 12 13
100 15 15 16 15
150 11 10 10 11
Yij = μ + βj + τi + εij
Hipótesis
Ho: μ0 = μ50 = μ100 = μ150= “La media de rendimiento de papa es la misma para
cualquier dosis de nitrógeno”
Ha: “Al menos una dosis de nitrógeno tiene efecto diferente en el rendimiento de
papa”
71
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
Datos, Análisis de datos, Análisis de varianza de dos factores con una sola
muestra por grupo.
Resultados
72
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Nitrógeno
Bloques
Análisis de varianza
FV GL SC CM F P F crítico
Bloques 3 2,6875 0,8958333
Nitrógeno 3 67,1875 22,395833 65,81 0,0000019 3,86254836
Error 9 3,0625 0,3402777
Total 15
𝐶𝑀𝐸𝑟𝑟𝑜𝑟 0,3402
𝐶𝑉 % = × 100 = × 100 = 4,88%
𝑌. . 11,93
Conclusión:
Dado que la varianza de bloques es mayor a 0, se dice que hubo variación entre
bloques por tanto el diseño fue bien aplicado.
73
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
18
74
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Bloques o tiempo
Dietas Tiempo 1 Tiempo 2 Tiempo 3 Tiempo 4
Dieta 1 2,58 2,89 3,01 2,9
Dieta 2 3,8 3,58 3,59 3,71
Dieta 3 2,12 2,18 2,25 1,9
Modelo estadístico
Hipótesis
75
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
Datos, Análisis de datos, Análisis de varianza de dos factores con una sola
muestra por grupo:
Aceptar
76
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Bloques
Dietas
Bloques
Graficando medias
77
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Análisis de varianza
FV GL SC CM F P F crítico
Bloques 3 0,02669167 0,00889722
Dietas 2 4,85731667 2,42865833 82,103 0,000043 5,1432
Error 6 0,1774833 0,02958056
Total 11
𝐶𝑀𝐸𝑟𝑟𝑜𝑟 0,02958056
𝐶𝑉 % = × 100 = × 100 = 5,99%
𝑌. . 2,87
78
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Ejemplo. Con el fin de probar cuatro niveles de pollinaza, como fuente proteica,
en raciones para novillos, se estratifico a estos de acuerdo a su peso inicial, en
bloques, los resultados de incremento de peso se incluyen a continuación,
(Rodríguez del Ángel, 1991);
Bloques
Nivel Pollinaza Peso I Peso 2 Peso 3 Peso 4
0 18.5 20.2 21.4 22.9
10 17.9 18.4 19.9 21.8
20 15.1 16.2 17 18.4
30 9.8 11.4 12.6 13.2
Modelo estadístico
Hipótesis
79
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
Datos, Análisis de datos, Análisis de varianza de dos factores con una sola
muestra por grupo:
Aceptar
80
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Nivel
Bloque
Análisis de varianza
FV GL SC CM F P F crítico
Bloques 3 30,901875 10,300625 73,2488889
Niveles 3 191,466875 63,8222917 453,847407 0,000000 3,86254836
Error 9 1,265625 0,140625
Total 15 223,634375
𝐶𝑀𝐸𝑟𝑟𝑜𝑟 0,140625
𝐶𝑉 % = × 100 = × 100 = 2,18 %
𝑌. . 17,16
La media general se obtiene sumando los totales de tratamiento y dividiendo
entre el número de observaciones;
𝑌. . 83 + 78 + 66,6 + 47
𝑌. . = = = 17,16 𝑘𝑔
𝑡×𝑟 4×4
81
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
82
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Nivel de significancia
α= 0,05
Hipótesis
Ho: μ Testigo = μ7min = μ14 min = μ21 min “La media de conversión alimenticia en cuyes
mejorados es la misma para cualquier tiempo de cocción del grano de maíz”
Ho: μ Macho = μ Hembra “La media de conversión alimenticia es la misma para ambos
sexos en cuyes mejorados”
Ha: “La media de conversión alimenticia es la misma para ambos sexos en cuyes
mejorados”
Ho: El efecto del tiempo de cocción de los granos de maíz es el mismo en cada
sexo de cuyes mejorados en la conversión alimenticia.
Ha: El efecto del tiempo de cocción de los granos de maíz es diferente en al menos
un sexo de los cuyes mejorados en la conversión alimenticia.
α = 0,05
Tiempo …i…a…1…4
Sexo …j…b…1…2
Repeticiones…k…r…1…5
83
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Cálculos
El cálculo para descomponer la suma de
cuadrados y obtener el análisis de varianza
necesita de los totales de A, B, AxB y gran
total
Tiempo
cocción Sexo I II III IV V Xij. 𝑿ij.
0 Hembra 8,05 7,9 6,59 7 6,41 35,95 7,19
Macho 5,04 5,99 5,38 7,08 6,47 29,96 5,992
7 Hembra 6,79 6,17 6,28 5,61 7,83 32,68 6,536
Macho 6,92 6,8 6,25 5,16 4,73 29,86 5,972
14 Hembra 5,9 5,42 7,01 7,29 5,77 31,39 6,278
Macho 4,58 4,16 5,26 4,97 4,64 23,61 4,722
21 Hembra 5,48 5,68 6,56 5,75 6,42 29,89 5,978
Macho 4,96 4,93 4,79 5,05 5,01 24,74 4,948
X.. 238,08 5,952
𝑿...
Cuadro de efectos simples y de efectos principales:
Factor de corrección
X ...2 238.082
FC = = = 1417.05
abr 4 × 2× 5
84
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Xi..
2
65.912 + 62.542 + 552 + 54.632
SCA = - FC = - FC = 9.432
br 2× 5
Suma de cuadrados del factor B (Sexo):
SCB =
X.j. 2
- FC =
129.912 + 108.172
- FC = 11.81
a ×r 4×5
Suma de cuadrados de la interacción AxB (Tiempo y Sexo):
SCA ×B =
Xij. 2
- SCA - SCB - FC
r
SCA ×B = 1.278
Suma de cuadrados totales
SCTotal = 38.474
Suma de cuadrados del error
85
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Análisis de varianza
FV GL SC CM F Ft (5%)
Tiempos a-1= 3 9,432 3,14 6,31 2,90
Sexo b – 1= 1 11,81 11,81 23,69 4,15
Tiempo×Sexo (a-1)(b-1)= 3 1,278 0,43 0,85 2,90
Error ab(r-1)=32 15,954 0,5
Total abr-1 = 39
𝐶𝑀𝐸𝑟𝑟𝑜𝑟 0,5
𝐶𝑉 % = × 100 = × 100 = 11,88%
𝑋… 5,952
Sexo
86
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
87
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
En el cuadro de dialogo;
Aceptar
88
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resultados
Efecto de interacción:
Media Machos en 7
minutos de cocción de grano
Media Hembras en 7
minutos de cocción de grano
Efecto Principal:
Media 7 minutos cocción
Media 14 minutos cocción
Media 21 minutos cocción
Tiempo cocción
Sexo
Tiempo x Sexo
Error Experimental
89
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Interpretación
Fuentes de variación;
Muestras equivale al factor Tiempo de cocción
Columnas equivale al factor Sexo
Interacción equivale a Tiempo*Sexo
Decisión
Tiempo de cocción
Sexo
Interacción Tiempo×Sexo
0,85 < 2,90; Se acepta la hipótesis nula, el efecto del tiempo de cocción de los
granos de maíz es el mismo en cualquier sexo para la conversión alimenticia. En
este caso se considera que ambos factores son independientes para la
conversión alimenticia por lo que solo debemos estudiar los efectos principales o
por separado de ambos factores.
90
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Graficando las medias de los efectos principales con los datos generados por
Excel; De manera análoga descrita para graficar efectos cualitativos y
cuantitativos (en DCA y DBCA de un factor).
7 6,49
Conversión Alimenticia
6 5,40
5
4
3
2
1
0
Hembras Machos
Sexo
91
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Conversión Alimenticia 7
6
5
y = -0,059x + 6,571
4
R² = 0,909
3
2
1
0
0 7 14 21 28
Tiempo de cocción (minuntos
92
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Alpacas
Edad Sexo i ii iii iv v vi vii viii ix x
1
Año Macho 25,0 32,2 22,0 29,0 21,0 32,0 24,0 24,5 20,0 29,0
Hembra 34,0 33,3 32,5 33,0 31,0 37,0 32,0 30,5 22,0 42,0
2
Años Macho 28,0 34,0 45,0 36,0 37,0 25,0 35,0 38,0 32,0 36,0
Hembra 48,0 86,0 56,0 48,0 52,0 50,0 45,0 48,0 38,0 48,0
3
Años Macho 57,0 50,0 54,0 59,0 56,0 42,0 59,0 50,0 45,0 60,5
Hembra 46,0 60,0 50,0 33,0 68,0 62,0 62,0 59,0 66,0 46,0
Hipótesis
Para el factor A: Años de edad
Ho: μ 1 año = μ2 años = μ3 años “La media de peso vivo es la misma para cualquier
edad”
Ha: “Al menos una edad es diferente en el peso vivo”
Para el factor B: Sexo
Ho: μ Macho = μ Hembra “La media de peso vivo es la misma para ambos sexos en
alpacas”
Ha: “La media de peso vivo es la misma para ambos sexos en alpacas”
93
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Ho: “El efecto de la edad es el mismo para cualquier sexo de alpacas en el peso
vivo”.
Ha: “El efecto de la edad es diferente en al menos un sexo de alpacas en el peso
vivo”.
α = 0,05
Resolución en Excel
94
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Datos, Análisis de datos, Analisis de varianza con varias muestras por grupo;
Aceptar
95
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resultados
Análisis de varianza
Edad
Sexo
Edad x Sexo
Error
Experimental
96
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resumen de resultados
Media PV
Edad (kg)
1 año 29,3
2 años 43,25
3 años 54,22
Medias de Factor B: Sexo
Macho Hembra
1 año 25,87 32,73
2 años 34,6 51,9
3 años 53,25 55,2
Interpretación
Fuentes de variación;
Muestras equivale al factor Edad
Columnas equivale al factor Sexo
Interacción equivale a Edad×Sexo
Decisión: Asumiendo el 5% o 0,05 de significación
Si el valor F calculado< F crítico ; Acepte Ho
Si el valor F calculado> F crítico; Rechace Ho
Tiempo de cocción
45,55 > 3,16; Se rechaza la Hipótesis nula, con 95 % de confianza inferimos existen
diferencias entre edades en el peso vivo.
Sexo
16,94 > 4,15; Se rechaza la Hipótesis nula, con 95% de confianza concluimos que la
media de peso vivo es diferente para los sexos de alpacas.
97
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Interacción Edad×Sexo
4,58 > 3,16; Se rechaza la hipótesis nula, el efecto de la edad no es el mismo para los
diferentes sexos en el peso vivo. Existe dependencia del peso vivo para los factores
Edad y Sexo. Se recomienda analizar las graficas de interacción para un análisis más
profundo de los efectos de interacción.
98
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
99
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Ejemplo. Los datos que se suministran son niveles de calcio en plasma (mg/100
ml) de pájaros de ambos sexos, los cuales la mitad fue tratada con una hormona y
la otra no, (Gutiérrez, 2000):
Repetición
Hormona Sexo I II III IV V
Control (sin) Hembra 16.5 18.4 12.7 14 12.8
Macho 14.5 11 10.8 14.3 10
Hormona Hembra 39.1 26.2 21.3 35.8 40.2
Macho 32 23.8 28.8 25 29.3
Modelo de análisis estadístico
Yijk = μ + αi +βj + (αβ)ij + εijk
Hipótesis
Para el factor A: Hormona
Ho: μ Control = μHormona “La media de nivel de calcio en plasma es la misma entre el
control y el tratamiento de hormona”
Ha: “La media de nivel de calcio en plasma es diferente entre el control y el
tratamiento de hormona”
Para el factor B: Sexo
Ho: μ Hembra = μ Macho “La media de nivel de calcio en plasma es la misma entre
ambos sexos”
Ha: “La media de nivel de calcio en plasma es diferente entre ambos sexos”
100
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Ho: “El efecto del tratamiento hormonal es el mismo para cualquier sexo de aves
en la variable nivel de calcio en plasma”.
Ha: “El efecto del tratamiento hormonal es diferente para cualquier sexo de aves
en la variable nivel de calcio en plasma”.
α = 0,05
Resolución en Excel
101
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Aceptar
102
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resumiendo la información
Análisis de varianza
Valor
FV GL SC CM F calculado Probabilidad crítico F
Hormona 1 1386,1125 1386,1125 60,533 0,000000794 4,494
Sexo 1 70,3125 70,3125 3,070 0,098856174 4,494
Hormona ×Sexo 1 4,9005 4,9005 0,214 0,649870014 4,494
Error 16 366,372 22,89825
Total 19 1827,6975
𝐶𝑀𝐸𝑟𝑟𝑜𝑟 22,89825
𝐶𝑉 % = × 100 = × 100 = 21,92 %
𝑌. . 21,825
La media general se obtiene así (sumando los totales de los niveles de cualquier
factor y dividiendo entre el número de observaciones);
103
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Media calcio en
Factor A plasma(mg/100ml)
Control 13,5
Hormona 30,15
Media calcio en
Sexo plasma(mg/100ml)
Hembra 23,7
Macho 19,95
Hembra Macho
Control 14,88 12,12
Hormona 32,52 27,78
104
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Resolución en Excel
105
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Para resolver el ejemplo podemos usar las funciones estadísticas de Excel, para
esto podemos escribir en la hoja de datos las celdas donde queremos calcular
dichos estadísticos de la siguiente manera;
106
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Estadísticos de dispersión;
107
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
𝐷𝑒𝑠𝑣𝑖𝑜 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟
𝐶𝑉 % = × 100
𝑀𝑒𝑑𝑖𝑎
Para calcular en Excel ubicamos con el mouse las celdas de la Media y el Desvío
Estándar (S); que corresponden y escribimos en la celda la fórmula con las
celdas de referencia; =(H8/H2)*100.
108
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Finalmente tenemos;
109
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
Para hacer uso de las funciones estadísticas explore Ayuda sobre esta función
110
Aplicaciones de Microsoft Excel en Diseños Experimentales
Juan José Vicente Rojas
8. Referencias
Arauco, A. 2005. Evaluación del tiempo de cocción del grano de maíz
(Zea mays), en la alimentación de cuyes mejorados (Cavia aperea
porcellus), bajo sistema intensivo de cría, Río Abajo - La Paz. Tesis de
grado para optar el título de Licenciatura en Medicina Veterinaria y
Zootecnia. Universidad Loyola-Carrera de Medicina Veterinaria y
Zootecnia. La Paz- Bolivia. 73 p.
111