DCA (DISEÑO COMPLETAMENTE AL AZAR)

EJEMPLO 2.- se presentan los resultados de la descendencia de tres reproductores vacunos,

expresados por los pesos de los terneros hijos de cada reproductor a los cuatro meses de nacidos.
¿Se puede llegar a la conclusión, de que existen diferencias entre los pesos promedios?

REPRODUCTORES
1 2 3
90 73 101
92 99 96
10 64
0 90 PESOS
83 101 103
84 92 ….
81 93 ….
76 …. ….

Planteamos la hipótesis para interpretar:

H0: los pesos promedios son iguales en todo los reproductores (u 1 = u2= u3=0)

H1: los pesos promedios son diferentes (al menos un u 1 ≠ 0)

Paso 1: Abrir SPSS

Paso 2: Vista de variables – poner nombre de las variables

 Paso 3: Vista de datos introducir datos

Se introducen por
columna los
reproductores 1, 2, 3, y
los pesos se introducen
también por columna

Una vez introducido los datos correctamente: pasamos al siguiente paso

Paso 4: Analizar – comparar medias – ANOVA de un factor

Clic
Aparece automáticamente la ventana de ANOVA de un factor

Paso 5: correr las variables:

❷
En la lista de dependientes colocamos la variable Pesos,
porque los peso dependen de los reproductores

Paso 6: Clic en post hoc, y seleccione una de las pruebas que desea compar

Clic y aparece la
ventana de post
hoc

❶
Se obtiene automáticamente el resultado:
❷ Seleccione la prueba DMS, y clic en continuar y
Paso 7: Interpretar el resultado: aceptar en la ventana de ANOVA de un factor

0.724

Interpretar:

Como α= 0.05 < 0.724, entonces decimos no existen diferencias significativos en el tratamiento

 Entonces se acepta la H0, se concluye que los pesos promedio son iguales en los
reproductores:
 DISEÑO BLOQUE COMPLETAMENTE AL AZAR (DBCA)

EJEMPLO 9: En un experimento de riegos de cultivo de algodón se tuvieron los siguientes

tratamientos que están expresados en metros cúbicos de agua absorbida por hectárea. T1 = 5400,
T2 = 4800, T3 = 4200, T4 = 3600. El experimento se condujo en parcelas de 300m2 de área útil y los
resultados están expresados en kilogramos.

TRATAMIENTOS
BLOQUES T1 T2 T3 T4
I 68 73 53 50
II 86 90 62 62
III 68 71 46 50
Paso 1: Abrir SPSS

Paso 2: Vista de variables – poner nombre de las variables

Paso 3: Se pone la etiqueta de valor para BLOQUES:

1 ❶ Introducir 1
I ❷ Introducir I

❸añadir y así sucesivamente hasta 3

Paso 4: Poner la etiqueta de valor para TRATAMIENTO:

1 ❶ Introducir 1
T1 ❷ Introducir T1

❸Añadir y así sucesivamente

hasta llegar 4 y T4

Una vez introducido la etiqueta de valor para cada variable: pasamos a siguiente paso:

Paso 5: En vista de valores, introducimos los datos:

Vemos los datos introducidos en

columna, para cada variable:
Paso 6: Analizar – modelo lineal general – Univariante:

CLIC

Paso 7: Corremos la variables en la variable dependiente y factores fijos

En la variable dependiente corremos la variable de REPETICIONES

porque las REPETICIONES dependen de los BOQUES y TRATAMIENTOS
Paso 8:

Paso 8: ❷
Clic en modelo
 CLIC

Y aparece la ventana univariante

modelo:

Paso 9: Clic en personalizado: y corremos las dos variables: y clic continuar

Y volvemos a la ventana anterior de univariante:

CLIC

Se abre una ventana univariante:

Comparaciones múltiples de Post hoc

Paso 10: corremos la

variable Tratamiento por que
 para este ejercicio solo se quiere comparar tratamiento y luego seleccionamos las pruebas
que se desea comparar

Y luego clic en continuar y aceptar en la ventana de univariante

Y se obtiene la respuesta: Para interpretar pasamos al siguiente paso

Paso 11:
Interpretar:

Como α= 0.05 ˃ 0.00, entonces decimos que existen diferencias significativas en bloques

 Entonces se rechaza la H0, se concluye que los

 DISEÑO CUADRADO LATINO (DCL)

EJEMPLO 5: Un ingeniero está investigando el efecto que tienen cuatro métodos de ensamblaje
(A, B, C y D), sobre el tiempo de ensamblaje de un componente electrónico de un ordenador. Se
seleccionan cuatro trabajadores para realizar este estudio. Por otra parte, el ingeniero sabe que
cada método de ensamblaje produce fatiga, por lo que el tiempo que tarda el ultimo ensamblaje
puede ser el mayor que en el primero, independiente del método. Para controlar esta posible
fuente de variabilidad el ingeniero utiliza el diseño cuadrado latino que aparece a continuación.

Tiempo Operario
Orden de montaje Operario 1 Operario2 Operario3 Operario4
1 10C 14D 7A 8B
2 7B 18C 11D 8A
3 5A 10B 11C 9D
4 10D 10A 10A 14C

Paso 1: Abrir SPSS

Paso 2: Vista de variables – poner nombre de las variables

 Paso 3: Poner la etiqueta de valor para las variable Orden de montaje:

1 ❶ Introducir 1
OM1 ❷ Introducir OM1

❸Añadir y así sucesivamente

hasta llegar 4 y OM4

Una vez introducido la etiqueta de valor para variable clic Aceptar: y luego pasamos a
siguiente paso:

Paso 4: Ponemos la etiqueta de valor para la variable Operario

1 ❶ Introducir 1
OP1 ❷ Introducir OP1

❸Añadir y así sucesivamente

hasta llegar 4 y OP4

Una vez introducido la etiqueta de valor para variable Operario clic Aceptar: y luego
pasamos a siguiente paso:
 Paso 5: Ponemos la etiqueta de valor para la variable Tratamiento

1 ❶ Introducir 1
A ❷ Introducir A

❸Añadir y así sucesivamente

hasta llegar 4 y D

Una vez completado de introducir las etiquetas de valor: para todas las variables clic en aceptar: y
pasamos al siguiente paso:

Paso 6: Pasamos en: Vista de datos e introducimos los datos:

Para el tratamiento:

A la letra A ponemos el valor de 1

A la letra B ponemos el valor de 2
A la letra C ponemos el valor de 3
A la letra D ponemos el valor de 4
pero estos números colocamos
en columna
Las llaves indican cómo se colocan los datos, están por colores:

Paso 7: Analizar - modelo lineal general – univariante

CLIC

Aparece una
ventana de
univariante:
Paso 8: Corremos las variables a lista de dependientes y a factores fijos:

❶ ❷
En la variable dependiente corremos la variable TIEMPO porque el TIEMPO es el que
depende de ORDEN MONTAJE, OPERARIO Y TRATAMIENTO
Una vez corrido las variables, clic en modelo, indicamos en el siguiente paso:

Paso 9: Corrida de variables al modelo

 Clic en modelo y aparece la ventana de univariante: modelo

 Clic personalizado
 Corremos las 3 variables al cuadro de modelo

❶
❷
Corremos las 3 variables al
cuadro de modelo Ya están corridos las 3 variables

 una vez corrido las 3 variables

 Clic continuar
 y se regresa automáticamente en la ventana anterior de univariante y clic en post hoc
 Paso 10: corrida de variables para la prueba post hoc

❶corremos la variable tratamiento ❷una vez corrido va variable, seleccionamos

las pruebas que se desea comparar

❸clic en continuar y clic en aceptar en la ventana de univariante

Se obtiene la respuesta automáticamente, y luego analizamos en el siguiente paso

PRUEBA DE FRIEDMAN

Ejemplo 1: En el estudio de una tesis de la EAP. Ingeniería Agroindustrial sustitución de la carne

de cuy Cavia porcellus para obtención de hamburguesas de Esteban (2009) en la evaluación
organoléptica del atributo TEXTURA, según tratamiento, de las hamburguesas obtenidas se
obtuvieron los siguientes resultados:
 PANELISTAS
P
Trat. P1 P2 P3 P4 5 P6 P7 P8 P9 P10 P11 P12
T0 6 5 5 6 6 5 5 7 6 6 4 4
T1 5 6 6 6 5 5 6 5 6 4 5 6
T2 6 5 5 6 6 6 6 5 5 6 6 5
T3 6 6 6 6 5 6 6 6 6 6 6 6
T4 6 6 7 6 6 6 6 7 6 7 6 6
T5 7 6 6 7 6 7 7 7 6 6 7 7

Planteamos las hipótesis para comparar al final.

HO: Los hamburguesas según tratamiento presenta el mismo atributo textura (t o=t1=t2=t3=t4=t5)

H1: al menos uno de los tratamientos es diferente en el atributo de textura (ti≠0)

Paso 1: Abrir SPSS

Paso 2: Vista de variables – Poner nombre de las variables

Se pone los tratamientos, de (T0 hasta T5)

Paso 3: Vista de datos: INTRODUCIMOS LOS

DATOS:
OJO Todos los datos de T: introducimos al SPSS en columna

Una vez introducido todos los datos

pasamos al siguiente paso:

Paso 4: Clic -- Analizar – Pruebas no Paramétricas – K muestras Relacionadas

CLIC

Aparece una ventana de pruebas para varias

muestras relacionadas:

Paso 5: Corremos los tratamientos

(T): al cuadro de variables de contraste
Una vez corrido las variables: clic en FRIEDMAN y clic en Aceptar

Y obtenemos el valor del modelo estadístico:

Paso 6: Analizamos la respuesta:

2
Como: α = 0.05 y gl = 5 y X (0.05; 5) = 11.17: (tabla A - )

Y el valor de modelo estadístico obtenido con el software es: T = 25.705

2
Cuando: el valor de modelo estadístico T es mayor que el valor de X obtenido en la tabla:
(25.705 ˃11.17): entonces se rechaza la H0, y se concluye que existe suficiente evidencia
estadística para aceptar que al menos uno de los tratamientos presenta diferente textura.

Este mismo ejercicio compramos con el tipo de prueba de Wilcoxon

 Paso 1: El mismo ejercicio ya introducido:

Paso 2: Analizar - pruebas no paramétricas – 2 muestras medias relacionadas

CLIC

Paso 3: Corremos la variables:

 ❷

Ya están corridos las 5 variables

Corremos las variables en el cuadro de contrastar pares: T0 con (T1, T2, T3, T4, T5) Y T1 con (T2, T3, T4, T5)
y T2 con (T3, T4, T5) Y T3 con (T4, T5) y T4 con T5

Una vez corrido todas las variables correctamente: Clic en el tipo de prueba Wilcoxon, porque esta
prueba es más exacto: y luego clic en Aceptar:

Obtenemos respuesta:
Comparamos α =0.05 con todos los resultados (significación asintótica (bilateral)

0.05 < 0.951 NS

0.05 < 0.589 NS
0.05 < 0.107 NS
0.05 ˃ 0.015 *