Software estadístico

Salvador González Estrada

19100408 8C
Maestra: Vega Cornejo Blanca Susana

PRACTICA 3.3_ DISEÑO POR BLOQUES

Objetivo: Desarrollar y analizar el diseño de bloques totalmente aleatorizado a
través de Minitab.

Introducción.

Diseño por bloques completamente aleatorizado:

Un diseño de bloques aleatorizados es un diseño frecuentemente utilizado para
minimizar el efecto de la variabilidad cuando se asocia con unidades discretas (por
ejemplo, ubicación, operador, planta, lote, tiempo). El caso usual consiste en
distribuir aleatoriamente una réplica de cada combinación de tratamientos dentro de
cada bloque. Por lo general, no hay un interés intrínseco en los bloques, y se
considera que éstos son factores aleatorios. La suposición habitual es que el bloque
por interacción de tratamiento es cero, y esta interacción pasa a ser el término de
error para probar los efectos del tratamiento. Si designa la variable de bloqueo como
Bloque, los términos en el modelo serían entonces Bloque, A, B y A*B. También
especificaría el Bloque como el factor aleatorio.
Factor:
La palabra factor de origen latín, es una derivación de hacer, por lo cual puede tener
varias interpretaciones dependiendo del contexto con el que se usa. Por ejemplo
dentro de las matemáticas, se utiliza el factor para poder hablar sobre los distintos
términos que puede tener una multiplicación.
En otros ámbitos, los factores, son una circunstancia que interviene o afecta una
situación o resultado. Así, cuando se piensa en hacer un negocio, se estudian
situaciones que pueden afectarlo.
Como por ejemplo el económico, el cual es muy importante para que el negocio no
fracase. Otros ejemplos de cómo se usa para crear un negocio, es por medio de los
estudios sobre el factor de mercado, el factor sobre si hay proveedores de materias
primas o productos.
En ese sentido, no solo son necesarios para empezar un negocio, sino que también
el estudio de uno o más factores, pueden determinar si un negocio es viable,
fracasará o si podrá encontrar la estabilidad necesaria para progresar.

Lo mismo cuando se quiere lanzar un nuevo producto: el factor de novedad,

necesidad, la innovación, si su consumo será temporal o continuo, etc. Todos estos
deben ser estudiados y analizados detalladamente para poder ser algo viable.
Nivel:
Según la Real Academia Española (RAE), están asociadas a la idea de nivel son la
que define a esta palabra como la medida de una cantidad en relación a una escala
específica (“nivel de azúcar en sangre”); la que la presenta como sinónimo de
categoría, escalafón o rango (“es un jugador de excelente nivel”); aquella que lo
admite como el nombre que se le otorga al instrumento que permite descubrir la
diferencia o igualdad de altura que puede existir entre dos puntos; aquella que habla
de nivel como la semejanza o similitud en cualquier línea o especie; y la que lo
presenta como el grado o altura que se logra en determinadas cuestiones del ámbito
social (“se trata de una persona de buen nivel cultural”).

Bloques:
Un bloque es una variable categórica que explica la variación en la variable de
respuesta que no es causada por los factores. Aunque cada medición debe
realizarse bajo condiciones experimentales consistentes (aparte de los factores que
se modifican como parte del experimento), esto no siempre es posible. Utilice
bloques en los experimentos diseñados y en el análisis para minimizar el sesgo y la
varianza del error debido a factores perturbadores.

Tratamientos:
Consiste en unos ejercicios específicos para entender los conceptos base de las
matemáticas a través de la observación.

¿Cómo se hace el tratamiento de las matemáticas?

Se realizará durante la terapia visual incluyendo ejercicios con el cubo multibase y

otros elementos creados para este trabajo. Para mejorarlo se trabaja sobre el
pensamiento matemático, gráfico y visuo-motor.

¿Quién necesita el tratamiento de las matemáticas?

Lo necesitas los niños que presenten dificultades en las matemáticas, realización de

cálculos y desarrollo de problemas, debido a falta de habilidades visuales.
Diseño de efectos:
Entendemos por efectos (colaterales) a aquellas modificaciones observables sobre
el ambiente que son producidas por, y persisten tras, la ejecución de un programa.

Son ejemplos de efectos:

-la impresión de un mensaje por consola o un cuadro de diálogo en una interfaz
gráfica
-la asignación destructiva de una variable en un programa procedural
-el encendido de una lámpara o la apertura de una compuerta
-La eliminación de un registro en una base
de datos -El envío de un correo electrónico.
En un sentido amplio, no es posible eliminar completamente los efectos: un sistema
(software o no) que no presente efecto no será capaz de transformar su entorno, y
por lo tanto, será inútil completamente: por ejemplo de nada sirve generar un informe
sobre contaminación del agua si luego este no es tomado en cuenta en los controles.

Comparaciones de Fisher:
El método LSD de Fisher se utiliza en el ANOVA para crear intervalos de confianza
para todas las diferencias en parejas entre las medias de los niveles de los factores,
controlando al mismo tiempo la tasa de error individual en un nivel especificado.
Posteriormente, el método LSD de Fisher utiliza la tasa de error individual y varias
comparaciones para calcular el nivel de confianza simultáneo para todos los
intervalos de confianza. Este nivel de confianza simultáneo es la probabilidad de
que todos los intervalos de confianza contengan la diferencia verdadera. Es
importante considerar la tasa de error por familia al realizar comparaciones
múltiples, porque las probabilidades de cometer un error de tipo I para una serie de
comparaciones son mayores que la tasa de error de cualquier comparación
individual.

Referencias bibliográficas:
Ref. 01: https://support.minitab.com/es-mx/minitab/18/help-and-how-to/modeling-
statistics/anova/supporting-topics/anova-models/what-are-randomized-block-
designs-and-latinsquare-designs/
Ref. 02: https://diccionarioactual.com/factor/
Ref. 03: https://definicion.de/niveles/
Ref. 04: https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/modelingstatistics/doe/supporting-topics/basics/what-is-
ablock/#:~:text=Un%20bloque%20es%20una%20variable,esto%20no%20siempre
%20es%20p osible.
Ref. 05: http://valldevision.com/tratamiento-
matematicas/#:~:text=%C2%BFQu%C3%A9%20es%20este%20tratamiento%3F,a
%20trav%C 3%A9s%20de%20la%20observaci%C3%B3n.
Ref. 06: https://wiki.uqbar.org/wiki/articles/efectos-y-diseno.html
Ref. 07: https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/modelingstatistics/anova/supporting-topics/multiple-comparisons/what-is-fisher-
s-lsd-method/

Ruta de acceso:
1. Estadística- Anova -Modelo lineal general- Ajustar modelo lineal general.
2. Estadística- Anova- Modelo lineal general- Comparaciones.
3. Estadística- Anova- Gráfica de efectos especiales.

3. PROBLEMA: Una compañía farmacéutica realizó un experimento para estudiar

los tiempos promedio (en días) necesarios para que una persona se recupere de los
efectos y complicaciones que siguen a un resfriado común. En este experimento se
hizo una comparación de distintas dosis diarias de vitamina C. Para hacer el
experimento se contactó a un número determinado de personas, que en cuanto les
daba el resfriado empezaban a recibir algún tipo de dosis. Si la edad de las personas
es una posible fuente de variabilidad, explique con detalle cómo aplicaría la idea de
bloqueo para controlar tal fuente de variabilidad.

a) Suponiendo un DBCA, formule las hipótesis adecuadas y el

modelo estadístico. Ho: no existe diferencia entre las dosis de vitamina C. Es
decir, x: A=B=C Ha: existe diferencia entre las dosis de vitamina C y al menos
una es diferente.
Ho: No existe diferencia entre los grupos de edad.
Ha: Existe diferencia entre los grupos de edad y al menos hay un grupo diferente.
 b) ¿Existe diferencia entre la efectividad promedio de los
tratamientos?

Procedimiento:
Resultados:

Información del factor

Factor Tipo Niveles Valores
TRATAMIENTO DOSIS VIT C Fijo 3 A, B, C
BLOQUE EDAD Fijo 4 1, 2, 3, 4

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p
TRATAMIENTO DOSIS VIT C 2 25.167 12.5833 13.73 0.006
BLOQUE EDAD 3 42.000 14.0000 15.27 0.003
Error 6 5.500 0.9167
Total 11 72.667

Resumen del modelo

R-cuadrado
S R-cuadrado R-cuadrado(ajustado) (pred)

0.957427 92.43% 86.12% 69.72%

Coeficientes
Término Coef EE del coef. Valor T Valor p FIV

Constante 5.333 0.276 19.30 0.000

TRATAMIENTO DOSIS VIT C
A -1.583 0.391 -4.05 0.007 1.33
B 1.917 0.391 4.90 0.003 1.33
BLOQUE EDAD
1 -0.667 0.479 -1.39 0.213 1.50
2 1.000 0.479 2.09 0.082 1.50
3 -2.667 0.479 -5.57 0.001 1.50

Interpretación:
Según los valores de p que son menores a los de alfa, Ha se acepta.
Según el resultado de R-cuadrada, el modelo tiene validez.
No es necesario realizar un diagnóstico.
 c) ¿Hay algún tratamiento mejor? Argumente su respuesta.

Procedimiento:
Resultados:
Agrupar información utilizando el método LSD de Fisher y una confianza de
95%
TRATAMIENTO
DOSIS VIT C N Media Agrupación
B 4 7.25 A
C 4 5.00 B
A 4 3.75 B
Las medias que no comparten una letra son significativamente diferentes.

Agrupar información utilizando el método LSD de Fisher y una confianza de

95%
BLOQUE EDAD N Media Agrupación
4 3 7.66667 A
2 3 6.33333 A B
1 3 4.66667 B
3 3 2.66667 C
Las medias que no comparten una letra son significativamente diferentes.
Interpretación:

Podemos observar que la dosis de vitamina C que es diferente es la b.

Agregando que la pareja de grupos que no pasa por el cero es BA Y CB, en este
caso el grupo que más se repite en esta grafica es la B, lo que nos da otro indicador
a pensar que es diferente.
Respecto al grupo de edades, los que son diferentes al resto son el grupo 3 y 4.
En la gráfica podemos observar que los grupos de edades que no pasan por el cero
son: 3 1, 4 1, 3 2 y 4 3. Y en este caso el grupo que más se repite es el 3, lo que
nos da otra razón para creer que este es diferente al resto.

Conclusión:
Con los resultados que acabamos de obtener podemos observar que tenemos 2
grupos diferentes al resto respecto a sus valores, por parte del factor de la dosis de
la vitamina C, es el grupo B, y en cambio, en el grupo de edades es el 3.
 d) ¿Hay diferencias significativas en los resultados de diferentes bloques en que
se realizó el experimento?

Procedimiento:
Resultados:

Interpretación:

En este caso el mejor tratamiento de vitamina C y el peor es el B.

En los grupos de edad el mejor es el 3 y el peor es el 4.

Conclusión:
El mejor tratamiento que se le puede brindar a la población es el A, el grupo de edad
que tiene una mejor recuperación (más rápida) es el 3.

e) Verifique los supuestos de normalidad y de igual varianza entre las marcas.

Resultados:
Interpretación:

Normalidad: se cumple.
Varianza constante: no se puede determinar.
Independencia: se cumple.
Aleatoriedad: se cumple.

Conclusión:
Ya que obtuvimos que la varianza constante no se puede determinar, se recomienda
a la compañía farmacéutica realizar un análisis de la varianza para determinar el
error, y que estos resultados obtenidos sean verídicos.
Reforzamiento:

PROBLEMA 2: En una empresa lechera se tienen varios silos para almacenar leche
(cisternas de 60 000 L). Un aspecto crítico para que se conserve la leche es la
temperatura de almacenamiento. Se sospecha que en algunos silos hay problemas,
por ello, durante cinco días se decide registrar la temperatura a cierta hora crítica.
Obviamente la temperatura de un día a otro es una fuente de variabilidad que podría
impactar la variabilidad total.

a) En este problema, ¿cuál es el factor de tratamiento y cuál el factor de

bloque? El factor de tratamiento es el Silo, y el factor de bloque es el Día.

b) Suponga un DBCA, formule las hipótesis adecuadas y el modelo

estadístico.

Ho: No existe diferencia entre la temperatura de almacenamiento.

Ha: Existe diferencia entre la temperatura de almacenamiento.
Ho: No existe diferencia en el silo.
Ha: Existe diferencia en el silo.

c) ¿Hay diferencia entre los silos?

Resultados:

Información del factor

Factor Tipo Niveles Valores

DIA Fijo 5 JUEVES, LUNES, MARTES, MIERC, VIERNES

SILO Fijo 5 A, B, C, D, E

Análisis de Varianza
Fuente GL SC Ajust. MC Ajust. Valor F Valor p

DIA 4 9.760 2.440 1.51 0.246

SILO 4 4.460 1.115 0.69 0.609
Error 16 25.840 1.615
Total 24 40.060
Resumen del modelo
R-cuadrado
S R-cuadrado R-cuadrado(ajustado) (pred)

1.27083 35.50% 3.25% 0.00%

Coeficientes
Término Coef EE del coef. Valor T Valor p FIV

Constante 3.740 0.254 14.71 0.000

DIA
JUEVES -1.140 0.508 -2.24 0.039 1.60
LUNES 0.260 0.508 0.51 0.616 1.60
MARTES 0.660 0.508 1.30 0.213 1.60
MIERC 0.360 0.508 0.71 0.489 1.60
SILO
A -0.440 0.508 -0.87 0.400 1.60
B 0.460 0.508 0.90 0.379 1.60
C -0.340 0.508 -0.67 0.513 1.60
D 0.560 0.508 1.10 0.287 1.60

Interpretación:
Según los valores de p, ya que son mayores que el valor de alfa, en ambas
situaciones Ho se acepta.
El modelo no tiene validez ya que la R-cuadrada no supera el 65%

Conclusión:
Según las hipótesis Ha, existe diferencia en la temperatura de un día a otro según
los silos.

d) ¿La temperatura de un día a otro es diferente?

Resultado:
 Interpretación:

El silo que es mejor es el A y el peor el D.

Respecto a los días, el que es mejor es Jueves y el peor el Martes, por lo que sí
existe una diferencia en la temperatura en los silos y respecto a los días.

Conclusión:
Sí existe una diferencia de temperatura de un día a otro.
 e) Revise residuos, ¿hay algún problema evidente?

Interpretación:

Normalidad: se cumple.
Varianza constante: se cumple.
Aleatoriedad: se cumple.
Independencia.

Conclusión:
El análisis es funcional, por lo que se puede concluir para la empresa lechera, que
sí existe una diferencia de temperatura en la leche de acuerdo con el día.