Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPÍTULO 2
DISEÑO COMPLETAMENTE AL AZAR
2.1 INTRODUCCIÓN
En este tipo de diseño están incluidos los principios de repetición y de aleatorización, o sea
que, es utilizado cuando no hay necesidad del control local, debido a que el ambiente experimental es
homogéneo y los tratamientos se asignan a las unidades experimentales mediante una aleatorización
completa, sin ninguna restricción.
2.1.1 Ventajas
2.1.2 Inconvenientes
b. Debido a que las fuentes de variación no asociadas a los tratamientos o a los niveles del
factor en estudio, están incluidas en el residuo como variación del azar, la buena precisión
de los análisis se ve comprometida.
2.1.3 Aleatorización
A1 A4 A3 A4 A2
A4 A2 A1 A5 A3
A2 A5 A2 A1 A3
A5 A3 A4 A5 A1
19
Las respuestas obtenidas en función de la aplicación de cada nivel del factor A en estudio en
sus respectivas repeticiones pueden ser representadas por yij, que es considerada como una variable
aleatoria.
− Y..
2.2.1 Hipótesis Y.. =
tr
Ha: τ ≠ τi para al menos un i; i = 1,2, . . . t. (al menos uno de los tratamientos produce
efectos distintos)
2.2.3 Supuestos
Yij − Y . . (1)
Cuando se utiliza información acerca de tratamientos, las desviaciones entre cada observación
Yij alrededor de la media estimada de su respectivo tratamiento, reflejan la incertidumbre restante en
los datos, y es dada por:
Yij − Y i. (2)
La diferencia entre las desviaciones (1) y (2) refleja la diferencia entre la media estimada de
tratamientos y la media general:
Note que a partir de la ecuación (3), se puede descomponer la desviación total Yij − Y .. en dos
componentes:
A partir de esto, la desviación total Yij − Y .. puede ser vista como la suma de dos componentes:
A partir de la ecuación (4) se pueden obtener las expresiones matemáticas utilizadas para
calcular las sumas de cuadrados de tratamientos, error experimental y total. Para realizarlo, se inicia
obteniendo la suma de cuadrados de la desviación total:
( Yij − Y . . )2 = [ ( Y i. − Y . . ) + (Yij − Y i. ) ]2
2
t r __
⎡ __ __
t r __
⎤
∑∑
i =1 j =1
(Yij − Y ..) =2
∑∑ ⎢
i =1 j =1 ⎣
(Y i . − Y ..) + (Yij − Y i. )
⎥
⎦
(5)
t r __
Como ∑∑ (Yij − Y ..)2 = Suma cuadrados total, y desarrollando el binomio de lado derecho de la
i =1 j =1
ecuación (5), ésta quedaría así:
t r
⎡ __ __ __ __ __ __
⎤
SC total = ∑∑ ⎢(Y i. − Y ..) 2 + 2(Y i. − Y ..)(Yij − Y i. ) + (Yij − Y i. ) 2 ⎥ (6)
i =1 j =1 ⎣ ⎦
t ⎡ __ __ __ __ r __ r __ ⎤
SC total = ∑ ⎢r (Y i. − Y ..) 2 + 2 (Y i. − Y ..)∑ (Yij − Y i. ) + ∑ (Yij − Y i. ) 2 ⎥
i =1 ⎣ j =1 j =1 ⎦
r __ r __ Yi.
Donde: ∑ (Yij − Y i. ) = ∑ Yij − r Y i. = Yi. − r
j =1 j =1 r
= Yi. − Yi. = 0 , por tanto
__ __ r __
2 (Y i. − Y ..)∑ (Yij − Y i. ) = 0, entonces:
j =1
t __ __ t r __
SC total = r ∑ (Y i. − Y ..) 2 + ∑∑ (Yij − Y i. ) 2
i =1 i =1 j =1
i =1 i =1 i =1
22
__ Yi . t __
Yi .2
t t
Yi .2
, r ∑ Y i. = r ∑ ∑
2
Para el primer término de la ecuación (7), como: Y i. = 2
=
r i =1 i =1 r i =1 r
__ t __ __ t Yij
En el caso del segundo término − 2 r Y .. ∑Y
i =1
i. , se sabe que Y i. = ∑
i =1 r
, se tiene que:
t r
t __ t r Yij __
∑∑ Y ij
∑Y = ∑∑
i =1 j =1
i. , y Y .. = entonces:
i =1 i =1 j =1 r tr
t r t r t r
__ t __
∑∑ Yij t r Yij ∑∑ Yij ∑∑ Y ij
− 2 r Y ..∑ Y i. = − 2 r ∑∑
i =1 j =1 i =1 j =1 i =1 j =1
= −2 =
i =1 tr i =1 j =1 r tr
2
t r ⎛ t r
t ⎞ r
∑∑ Yij ∑∑ ij Y ⎜ ∑∑ Yij ⎟
⎜ ⎟
−2
i =1 j =1 i =1 j =1
=− 2 ⎝ i =1 j =1 ⎠
tr tr
2 2 2
⎛ t r ⎞ ⎛ t r ⎞ ⎛ t r ⎞
⎜ ∑∑ Yij ⎟ ⎜ ∑∑ Yij ⎟ ⎜ ∑∑ Yij ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
−2⎝ ⎠ + ⎝ ⎠ = − ⎝ i =1 j =1 ⎠
i =1 j =1 i =1 j =1
.
tr tr tr
La expresión de suma de cuadrados para tratamientos (o sea, entre tratamientos) queda de la siguiente
manera:
2
⎛ t r ⎞
⎜ ∑∑ Yij ⎟
Yi .2 ⎜ ⎟
− ⎝ ⎠ .
t
∑
i =1 j =1
i =1 r tr
t r __
Para el caso de la suma de cuadrados total: ∑∑ (Yij − Y ..) 2 , se tiene al desarrollar el binomio:
i =1 j =1
⎡ t r
⎤ __ __
SCtotal = ∑∑ ⎢(Yij ) 2 − 2(Yij Y ..) + (Y ..) 2 ⎥ , y al distribuir las sumatorias:
i =1 j =1 ⎣ ⎦
23
t r __ t r __
SCtotal = ∑ ∑ Yij − 2 Y ..∑∑ Yij + tr Y ..2 , y como:
2
i =1 j =1 i =1 j =1
2
⎛ t r ⎞
⎜ ∑∑ Yij ⎟
__
Y ..2 Y ..2 ⎜⎝ i =1 j =1 ⎟⎠
(tr ) Y ..2 = (tr ) = = , la suma de cuadrados total queda:
(tr ) 2 (tr ) tr
2 2 2
⎛ t r ⎞ ⎛ t r ⎞ ⎛ t r ⎞
⎜ ∑∑ Yij ⎟ ⎜ ∑∑ Yij ⎟ ⎜ ∑∑ Yij ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
= ∑ ∑ Yij −2 ⎝ ⎠ + ⎝ i=1 j =1 ⎠ ⎝ i =1 j =1 ⎠
t r t r
= ∑ ∑ ij
2 i =1 j =1 2
SCtotal Y −
i =1 j =1 tr tr i =1 j =1 tr
La suma de cuadrados del error ( o sea, dentro de tratamientos), se obtiene por diferencia:
SCee = SCtotal – SCtrat.,
2 2
⎛ t r ⎞ ⎛ t r ⎞
⎜ ∑∑ Yij ⎟ ⎜ ∑∑ Yij ⎟
⎜ ⎟ 2 ⎜ ⎟
= ∑ ∑ Yij − ⎝ ⎠ – Yi . + ⎝ i =1 j =1 ⎠ .
t r t
∑
2 i =1 j =1
SCee
i =1 j =1 tr i =1 r tr
t r
Yi .2 t
= ∑∑ Yij − ∑
2
SCee
i =1 j =1 i =1 r
2.2.5 Prueba de F
siendo Q1 una variable aleatoria con distribución χ2 y n1 grados de libertad y Q2 una variable aleatoria
con distribución χ2 y n2 grados de libertad, ambas independientes.
Así, considerando que SCtrat/σ2 tiene distribución χ2 con (t−1) grados de libertad, bajo Ho, y
SCeet/σ tiene distribución χ2 con t (r−1) grados de libertad y, son independientes, entonces el cociente
2
tiene distribución F de Fisher & Snedecor con (t−1) y t (r−1) grados de libertad, bajo Ho. Ese cociente
es la estadística apropiada para evaluar la Ho, o sea: t1 = . . . = tI = 0.
24
donde F(α;t−1; t (r−1)), es el cuantil de orden (1−α) de la distribución F con (t−1) y t (r−1) grados de
libertad, como se muestra en la gráfica siguiente:
1−α
Sí el valor observado de F (Fo) es superior al valor crítico F(α;t−1; t (r−1)), la Ho es rechazada, por
lo tanto se concluye que existen diferencias significativas entre los tratamientos.
Grados de
Fuentes de Suma de Cuadrados
libertad Valor de F
variación (FV) Cuadrados (SC) Medios (CM)
(gl)
t
Yi2. Y..2
t –1 ∑
i =1 r
−
tr SCtrat / gl trat
Tratamientos CMtrat / CMee
tr-1
t r
Y..2
Total ∑i =1
∑ Yij −
j=1
2
tr
25
Regla de Decisión
Fcrítica = Valor crítico de F encontrado en la tabla F de Fisher & Snedecor, considerando los grados
de libertad de tratamientos (v1), los grados de libertad del error (v2) y un determinado nivel
de significancia (α)
“De modo general, altos coeficientes de variación indican experimentos mal manejados”, pero
no siempre. El hecho de que el coeficiente de variación sea alto puede deberse no solamente al mal
manejo del experimento, sino también a:
Considere la siguiente situación donde se tienen las siguientes observaciones de una variable
de respuesta:
Variable de respuesta
Variable de respuesta transformada (con raíz
cuadrada)
36 6
16 4
9 3
4 2
Media 16.25 3.75
Desviación estándar 14.06 1.71
CV% 86.50 45.54
Observe que hubo una reducción del valor del CV% para la variable transformada. Por eso, el CV%
no siempre es un buen indicador de la precisión experimental (Dos Anjos, 2003)
26
Una persona que realiza plantaciones forestales quiso comparar los efectos de cinco
tratamientos de preparación en el sitio sobre el crecimiento inicial en altura de plántulas de pino en el
terreno. Dispuso de 25 parcelas y aplicó cada tratamiento a cinco parcelas escogidas al azar. Entonces,
las parcelas se plantaron a mano y, al final de cinco años, se midió la altura de todos los pinos y se
calculó la altura promedio de cada parcela. Las medidas de las parcelas (en pies) fueron como sigue:
Tratamientos
A B C D E
15 16 13 11 14
14 14 12 13 12
12 13 11 10 12
13 15 12 12 10
13 14 10 11 11
Yi. 67 72 58 57 59 313
−
Y i. 13.4 14.4 11.6 11.4 11.8 12.52
3132
SCTOTAL = 15 + 14 + . . . + 11 −
2 2 2
= 64.24
25
CV = 9.72%
Conclusión: