Universidad Autónoma de Tlaxcala

Facultad de Ciencias Básicas, Ingeniería y Tecnología

Licenciatura en Ingeniería Química

Cuarto Semestre Grupo: “A”

Unidad de Aprendizaje: Diseño de Experimentos

Alumna: Erandeni Yosselin Barrera Mateo

 Prueba de Dunnett
Esta prueba de medias esta dirigida a la comparacion de un tratamiento considerado como
“testigo” en contra de t-1 tratamientos.

Por lo tanto el objetivo central de esta prueba es detectar aquellos tratamientos que difieren de
cierto tratamento de interes , sin realizar todos las prosibles comparaciones entre los distintos
pares de medias de tratamientos.

El valor critico para comparar la diferencias |𝑌𝜏 − 𝑌𝐽 | a un nivel de significacina 𝛼 sera:

2𝐶𝑀𝐸
𝐷(𝛼) = 𝑇 𝐷𝑢𝑛𝑛𝑒𝑡 (𝛼; 𝑝, 𝑒, 𝑔. 𝑙)√
𝑟

𝐷(𝛼) = Valor critico para comparar a la media de un tratamiento testigo (𝑌𝜏 ) y un tratamiento i
(𝑌𝐽 ) a un nivel significa 𝛼.

𝑇 𝐷𝑢𝑛𝑛𝑒𝑡 (𝛼; 𝑝, 𝑒, 𝑔. 𝑙) = Valor de la Tabla de Dunnett , a unnivel de significancia 𝛼; para p

tratamientos incluyendo el testigo y e.g.l = grados de libertad de error.

𝐶𝑀𝐸= Cuadrado medio del Eror

R= Numero de Repeticiones

Procedimiento:

1- Obtener los valores absolutos de las diferencias entre el testigo y cada uno de
los demás tratamientos |𝑌𝜏 − 𝑌𝐽 | .
2- Comparar |𝑌𝜏 − 𝑌𝐽 | vs el valor correspondiente D.
3- Si |𝑌𝜏 − 𝑌𝐽 | > 𝐷 se declara significativa la diferencia observada entre las medias de
los tratamientos |𝑌𝜏 − 𝑌𝐽 |.
4- Se identifica con un asterisco a aquellos tratamientos que difieren
significativamente del Testigo.
 Método de LSD
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 procedimiento fue sugerido por Fisher en 1935 y es el primer método de
comparaciones múltiples que vamos a utilizar. Dicho procedimiento consiste en una
prueba de hipótesis por parejas basada en la distribución t. Este método debe
aplicarse cuando previamente se haya rechazado la hipótesis nula del test F del
análisis de la varianza. Para ello, se determina el siguiente estadístico:
𝑦𝑖 − 𝑦𝑗
𝑡=
1 1
√𝑆𝑅2 (𝑛 + 𝑛 )
𝑖 𝑗

que, por las hipótesis del modelo de ecuación, sigue una distribución t de Student
con N − I grados de libertad.
Por lo tanto, se concluye que la pareja de medias es 𝑦𝑖 − 𝑦𝑗 estadísticamente
diferentes si:

|𝑦𝑖 − 𝑦𝑗 | >LSD

donde la cantidad LSD, denominada mínima diferencia significativa, viene dada por

1 1
𝐿𝐷𝑆 = 𝑡∝/2;𝑁−1 √𝑆𝑅2 ( + )
𝑛𝑖 𝑛𝑗

∗ ni y nj el número de observaciones correspondiente a cada media.

*N − I el número de grados de libertad de la varianza residual.
∗ tα/2;N−I el valor crítico de la distribución t con N − I grados de libertad que deja
una probabilidad a su derecha igual a α/2.
*Si el diseño es balanceado, el valor de LSD se reduce a
2𝑆𝑅2
𝐿𝐷𝑆 = 𝑡∝/2;𝑁−1 √
𝑛
 Método De Tukey

El método de Tukey se utiliza en ANOVA para crear intervalos de confianza para

todas las diferencias en parejas entre las medias de los niveles de los factores
mientras controla la tasa de error por familia en un nivel especificado. Es importante
considerar la tasa de error por familia cuando se hacen comparaciones múltiples,
porque la probabilidad de cometer un error de tipo I para una serie de
comparaciones es mayor que la tasa de error para cualquier comparación individual.
Para contrarrestar esta tasa de error más elevada, el método de Tukey ajusta el
nivel de confianza de cada intervalo individual para que el nivel de confianza
simultáneo resultante sea igual al valor que usted especifique.

Ejemplo:

Usted está midiendo los tiempos de respuesta de circuitos integrados de memoria.

Tomó una muestra de 25 circuitos integrados de cinco fabricantes diferentes.

Usted decide examinar las 10 comparaciones entre las cinco plantas para
determinar específicamente cuáles medias son diferentes. Usando el método de
Tukey, usted especifica que todo el conjunto de comparaciones debe tener una tasa
de error por familia de 0.05 (equivalente a un nivel de confianza simultáneo de 95%).
Minitab calcula que los 10 niveles de confianza individuales deben ser de 99.35%
para obtener el nivel de confianza conjunto de 95%. Estos intervalos de confianza
de Tukey más amplios ofrecen estimaciones menos precisas del parámetro de
población, pero limitan a un máximo de 5% la probabilidad de que uno o más
intervalos de confianza no contengan la verdadera diferencia. Entendiendo este
contexto, usted puede examinar entonces los intervalos de confianza para
determinar si alguno de ellos no incluye el cero, lo que indica una diferencia
significativa.

Intervalos de confianza con niveles de

confianza individuales de 99.35% para
obtener un nivel de confianza conjunto de
95% utilizando el método de Tukey
 Intervalos de confianza con niveles de
confianza individuales de 95%

Comparación de los intervalos de confianza de 95% con los intervalos de confianza

más amplios de 99.35% utilizados por el método de Tukey en el ejemplo anterior.
La línea de referencia en 0 muestra cómo los intervalos de confianza más amplios
de Tukey pueden cambiar sus conclusiones. Los intervalos de confianza que
contienen cero indican que no hay diferencia. (Por razones de espacio, solo se
muestran 5 de las 10 comparaciones).

Método de Duncan

Esta prueba de medias del mismo modo que la prueba de SNK toma en cuenta la
distancia en rango que existe entre cada par de tratamientos, por lo que se requiere
calcular t-1 valores críticos designados como Rp (R2,R3,…,Rp).
De esta forma, se pondera la distancia en rango que existe entre las medias que se
están comparando a partir de la Tabla de rango de Duncan y el error estándar de
la media.
Por lo tanto, si se comparan dos medias de tratamientos |𝑦𝑖 − 𝑦𝑗 | a un nivel de
significancia 𝛼 será:

𝐶𝑀𝐸
𝑅𝑝 = 𝑞 (𝛼; 𝑝, 𝑒, 𝑔. 𝑙)√
𝑟

Rp= Valor crítico para comparar dos medidas con distancia de rango p
𝑞 (𝛼; 𝑝, 𝑒, 𝑔. 𝑙)= Valor de rango estudentizado de Duncan , a un nivel de
significancia 𝛼;para una distancia en rango p y eg.l= grados de libertad del error.
CEM: Cuadro medio de error
r= numero de repeticiones
 Método contraste

En la prueba t de Student, el estadístico de contraste utilizado para probar la

hipótesis nula planteada (las medias de los dos grupos son iguales) se construye
en función de las diferencias registradas entre los valores de la variable de estudio
evaluada en cada uno de los grupos a comparar. Para ello se utiliza la información
procedente de las medias y desviaciones estándar (medidas resumen) de cada uno
de los grupos de estudio.
El estadístico que se calcula varía ligeramente en base a si las varianzas de los dos
grupos en estudio son conocidas, desconocidas pero iguales o desconocidas y
distintas. Obviamente, el primer problema a resolver es el de encontrar un método
estadístico que nos permita decidir si la varianza en ambos grupos es o no la misma.
El test de la razón de varianzas o test de Levene viene a resolver este problema.
Bajo la suposición de que las dos poblaciones siguen una distribución normal y
tienen igual varianza (H0 : σ1 = σ2 ) se espera que la razón de varianzas siga una
distribución F de Snedecor con parámetros (n-1) y (m-1):

Esta prueba permitirá conocer si las varianzas de los dos grupos de observaciones
son o no iguales. Si su p-valor es menor a 0,05, rechazaremos la hipótesis nula y
supondremos que la variabilidad en ambos grupos es sustancialmente distinta
(varianzas no homogéneas). Por lo tanto, el estadístico a calcular variará
ligeramente en función de las variabilidades muestrales.
sería el siguiente:
 Método Newman

Esta prueba de medias toma en cuenta la distancia en rango que existe entre cada
par de tratamientos, por lo que se requiere calcular t-1 valores críticos designados
como Rp (R2,R3,…,Rp).De esta forma, se pondera la distancia en rango que existe
entre las medias que se están comparando a partir de la Tabla de rango
estudentizado de Tukey y el error estándar de la media.
Por lo tanto, si se comparan dos medias de tratamientos 𝑌𝑖 𝑣𝑠 𝑌𝑗 con una distancia
en rango p, el Valor Crítico para comparar la diferencia |𝑌𝑖 − 𝑌𝑗 | a un nivel de
significancia 𝛼 será:

𝐶𝑀𝐸
𝑅𝑝 = 𝑞 (𝛼; 𝑝, 𝑒, 𝑔. 𝑙)√
𝑟

Rp= Valor crítico para comparar dos medidas con distancia de rango p
𝑞 (𝛼; 𝑝, 𝑒, 𝑔. 𝑙)= Valor de rango estudentizado deTukey, a un nivel de significancia
𝛼;para una distancia en rango p y eg.l= grados de libertad del error.
CEM: Cuadro medio de error
r= numero de repeticiones