0 calificaciones0% encontró este documento útil (0 votos)
7 vistas2 páginas
Este documento compara diferentes diseños experimentales. Unifactoriales consideran solo un factor de variación, mientras que diseños de bloques controlan una variable adicional. Cuadros latinos controlan un factor principal y dos de bloque. Multifactoriales permiten estimar efectos de factores individuales y sus interacciones. En todos los casos, el ANOVA descompone la variabilidad total para estimar las contribuciones de los diferentes factores y el error.
Este documento compara diferentes diseños experimentales. Unifactoriales consideran solo un factor de variación, mientras que diseños de bloques controlan una variable adicional. Cuadros latinos controlan un factor principal y dos de bloque. Multifactoriales permiten estimar efectos de factores individuales y sus interacciones. En todos los casos, el ANOVA descompone la variabilidad total para estimar las contribuciones de los diferentes factores y el error.
Este documento compara diferentes diseños experimentales. Unifactoriales consideran solo un factor de variación, mientras que diseños de bloques controlan una variable adicional. Cuadros latinos controlan un factor principal y dos de bloque. Multifactoriales permiten estimar efectos de factores individuales y sus interacciones. En todos los casos, el ANOVA descompone la variabilidad total para estimar las contribuciones de los diferentes factores y el error.
En este diseño se supone que no Existen una fuente de variación
existen variables adicionales o conocida adicional (bloque), que covariables que estén afectando el puede y debe ser sistematizada y experimento. controlada durante el experimento. Modelo matemático: Modelo matemático: y ij =μ+ τ i+ ε ij y ij =τ i+ β j+ ε ij i=1,2,…a,j=1,2…b a= Número de tratamientos b= Número de bloques Se tiene una hipótesis nula (H 0) y una Se tiene una H0 y una HA para el alternativas (HA) para el factor. factor y una hipótesis H0 y una HA para el bloque. La idea básica del ANOVA consiste El ANOVA consiste en descomponer en descomponer la variabilidad total la variabilidad total en tres partes: observada en dos partes, una la 1) Variabilidad debido a las variabilidad debida a las diferencias diferencias de los tratamientos. entre tratamientos y otra la 2) La variabilidad debida al efecto del variabilidad interna en los bloque tratamientos. 3) La variabilidad debida al error aleatorio. Los residuales se calculan mediante Los residuales se calculan mediante la fórmula: ℮ij = y ij −^y i la fórmula: ℮ij = y ij −^y i− ^y j+ ^y …
Bloques Cuadros latinos
Considera un factor principal y un Se controlan tres fuentes de factor de control o variable de bloque variabilidad, un factor principal y dos que se introduce con el objeto de factores de bloque. eliminar su influencia en la variable de respuesta. Modelo matemático: Modelo matemático: y ij =μ+ τ i+ β j+ ε ij y ij ( h )=μ+ τ i+ β j+ γ h++ uij (h) i=1,2,…a,j=1,2…b i=1,2…,u j=1,2…,u h=1,2…,u Residuos: Residuos: ℮ij = y ij −^y i− ^y j+ ^y … ℮ij ( h )= y ij ( h ) −^ y i ..−^ y j− ^y .. h+2 ^y Grados de libertad: se calculan Grados de libertad: restándole uno al total de los datos. p2-1=p-1+p-1+p-1+(p-2)(p-1) p es el número de tratamientos Estimación SCerror: Estimación SCerror: SCerror=SCtotal-SCtratamiento-SCbloque, SCerror=SCtotal-SCfila-SCcolumna-SClatino.
Cuadros latinos Multifactorial
Se controla un factor principal y dos Permite estimar los efectos simples factores de bloque, de los factores y el efecto de las interacciones de dichos factores Se tiene una H0 y una HA para cada Se tiene una H0 y una HA para cada factor factor y para cada interacción. Modelo matemático: El modelo matemático está formado y ij(h)=μ+ τ i + β j + γ h por todos los efectos de interés es el estudio, para ella se usan símbolos para los factores y las interacciones y ij =μ+ τ i+ β j+ τβ ij +ϵ iju
Descomposición de la varianza Decomposition de la varianza