DOE

DISEÑO COMPLETAMENTE ALEATORIO

tratamiento
𝐻0 : τ1 = τ2 =…= τ𝑘 = 0
𝐻0 : μ1 = μ2 =…= μ𝑘 = μ
𝐻1 : μ𝑖 ≠ μ𝑗 para algún i ≠j 𝐻1 : τ𝑖 ≠ 0 para algún i

Por que se caracteriza?

En esta clase de experimentos existen 2 fuentes de variabilidad (estamos seguros
de que no hay ningún otro factor que afecte la variable de respuesta):
tratamientos y el error aleatorio

Se usa el análisis de varianza para disminuir el error en el calculo.

Ejemplo: si se tiene
μ1 , μ2 , μ3 , μ4

μ1 μ2 μ1 μ3 μ1 μ4 μ2 μ3 μ2 μ4 μ3 μ4 0.95^6=0.73
 DOE

Variabilidad Variabilidad error No hay efecto

Variabilidad tratamiento del
total= tratamiento

Variabilidad Variabi hay efecto del

Variabilidad tratamiento lidad tratamiento
total= error
 DOE

Notación
𝑌𝑖. : 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑙𝑎𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒𝑙 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑖
𝑌ത𝑖. : 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒𝑙 𝑖 − 𝑒𝑠𝑖𝑚𝑜 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜
𝑌.. : 𝑠𝑢𝑚𝑎 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑙𝑎𝑠 𝑚𝑒𝑑𝑖𝑐𝑖𝑜𝑛𝑒𝑠
𝑌ത.. : 𝑚𝑒𝑑𝑖 𝑎 𝑔𝑙𝑜𝑏𝑎𝑙 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠

El . hace referencia a la suma sobre el sub-índice

i=1,2,…,k tratamientos
𝑛𝑖
𝑌𝑖. =σ𝑗=1 𝑌𝑖𝑗
𝑠𝑢𝑚𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝑒𝑠𝑒 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜

𝑛
j=1…𝑛𝑖 observaciones
𝑖 𝑌
σ𝑗=1 𝑖𝑗
𝑌ത𝑖. = 𝑛𝑖
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑜𝑏𝑠𝑑𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒𝑙 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑖
𝑘 𝑛𝑖

𝑌.. = ෍ ෍ 𝑌𝑖𝑗 𝑠𝑢𝑚𝑎𝑡𝑜𝑟𝑖𝑎 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠

𝑖=1 𝑗=1 𝑘

𝑌 𝑁 = ෍ 𝑛𝑖 𝑡𝑜𝑡𝑎𝑙 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑐𝑖𝑜𝑛𝑒𝑠
𝑌ത.. = 𝑁.. promedio total de observaciones
𝑖=1
 DOE

Gutierrez, Humberto. Análisis y diseño de experimentos. 2008

E𝑓𝑒𝑐𝑡𝑜 𝑑𝑒𝑙 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑖 τ𝑖 =μ𝑖 -μ

Distancia entre la media del tratamiento y la media global

 DOE

Notación para el ANOVA:

𝑘
𝑌𝑖.2 𝑌..2
Tratamientos 𝑆𝐶𝑇𝑟𝑎𝑡 =෍ − k-1
𝑛𝑖 𝑁
𝑖=1
Error 𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑇𝑟𝑎𝑡 N-k
𝑘 𝑛𝑖
𝑌..2
Total 𝑆𝐶𝑇 = ෍ ෍ 𝑌𝑖𝑗2 − N-1
𝑁
𝑖=1 𝑗 =1
𝑆𝐶𝑡𝑟𝑎𝑡
𝐶𝑀𝑡𝑟𝑎𝑡 =
𝑘−1 Criterio de rechazo:
𝐹𝑜 > 𝐹α,𝑘−1,𝑁−𝑘
𝑆𝐶𝐸
𝐶𝑀𝐸 =
𝑁−𝑘

𝐶𝑀𝑡𝑟𝑎𝑡
𝐹=
𝐶𝑀𝐸

𝜖𝑖𝑗 = 𝑌𝑖𝑗 − 𝑌෠𝑖. 𝜖𝑖𝑗 = 𝑌𝑖𝑗 − 𝑌ത𝑖.

 DOE

Comparación de tratamientos:

Gráficos de cajas y bigotes:

Que se espera cuando son iguales?
Simetría en las cajas
los brazos deben ser iguales de largos
el tamaño de las cajas debe ser el mismo

Gutierrez, Humberto. Análisis y diseño de experimentos. 2008

 DOE

LSD: Least Significant Difference

Se comparan las medias de cada par de tratamientos:

𝐻0 : μ𝑖 = μ𝑗
Para cada par de
tratamiento
𝐻1 : μ𝑖 ≠ μ𝑗

Usa el estadístico t:
𝑌ത𝑖. − 𝑌ത𝑗.

1 1
𝐶𝑀𝐸 𝑛 + 𝑛
𝑖 𝑗

No balanceado:
1 1
𝐿𝑆𝐷 = 𝑡𝛼,𝑁−𝑘 𝐶𝑀𝐸 + 𝑛𝑖 y 𝑛𝑗 El numero de observaciones de
2 𝑛𝑖 𝑛𝑗
las medias
 DOE

Balanceado:
2𝐶𝑀𝐸
𝐿𝑆𝐷 = 𝑡𝛼,𝑁−𝑘
2 𝑛

Criterio de rechazo:
𝑌ത𝑖. − 𝑌ത𝑗. > 𝐿𝑆𝐷
Intervalo:
𝐶𝑀𝐸
𝑌ത𝑖. ± 𝑡𝛼,𝑁−𝑘
2 𝑛𝑖

Cuantas combinaciones hay si se evalúan10 tratamientos?

10 10!
= 10−2 !2! = 45 si por cada pareja hay una probabilidad de 0.05 de rechazar la
2
hipótesis nula cuando es verdadera, cuantas veces se espera que se encuentren
diferencias significativas cuando no las hay?
 DOE

Tukey o método HSD (Honestly Significant Difference):

CME
Tα = qα (k, N − k)
ni

Dónde: qα (k, N − k) distribución del rango estudentizado.

Siendo k los tratamientos y N el total de observaciones
Criterio rechazo:
𝑌ത𝑖. − 𝑌ത𝑗. > Tα
No balanceado:
2
𝑛ℎ =
1
σ2𝑖=1
𝑛𝑖
 DOE

Duncan:

Desempeño similar al de LSD. Los k promedios se ordenan de manera ascendente

y el error se estima.

Para el calculo del error estándar:

𝐶𝑀𝐸
𝑆𝑌ത 𝑖. =
𝑛
Si los tratamientos tienen tamaños diferentes, se reemplaza n con:
𝑘
𝑛𝐴𝑅 =
1
σ𝑘𝑖=1
𝑛𝑖
Rangos de significancia mínima:
𝑅𝑝 = 𝑟𝛼 𝑝, 𝑙 𝑆𝑌ത 𝑖. ; 𝑝 = 2,3, … , 𝑘
𝑙 : Grados de
Criterio rechazo: libertad para el
𝑌ത − 𝑥ҧ > 𝑅𝑝 error
 DOE

Dunnet:

Comparación de tratamientos con un control (tratamiento estándar).

𝐻0 : μ𝑖 = μ𝑘

𝐻1 : μ𝑖 ≠ μ𝑘

Criterio de rechazo:
1 1
𝑌ത𝑖. − 𝑌ത𝑗. > 𝐷𝛼,(𝑘−1,𝑙) 𝐶𝑀𝐸 +
𝑛𝑖 𝑛𝑗
i= 1,2,…,k-1, donde k es el tratamiento control y l son los grados de libertad del
cuadrado medio del error.
Buscar D en tabla.
 DOE

Comparación por Contrastes:

se usa cuando se desea contrastar a más de 2 medias y no todas

interesan por igual

Contrastes:
C=σ𝑘𝑖=1 𝑐𝑖 μ𝑖 Combinación lineal

Cuando C es considerado un contraste? Cuando la suma de los coeficientes es =0

𝑘

෍ 𝑐𝑖 = 0
𝑖=1

Si:
• Las poblaciones son normales
• Las varianzas de los tratamientos son iguales
• El diseño experimental es balanceado

Se usa el intervalo:
 DOE

𝑘 𝑘
𝐶𝑀𝐸
෍ 𝑐𝑖 𝑌ത𝑖. ± 𝑡α,𝑁−𝑘 ෍ 𝑐2𝑖
2 𝑛
𝑖=1 𝑖=1

Cuando el intervalo calculado incluye el 0 se dice que c es

estadísticamente =0
 DOE

Contrastes ortogonales:

𝐶1 =σ𝑘𝑖=1 𝑐1𝑖 μ𝑖 𝐶2 =σ𝑘𝑖=1 𝑐2𝑖 μ𝑖

Dos contrastes son ortogonales si:
En el caso balanceado:
La suma del producto de los coeficientes es igual a 0.
• σ𝑘𝑖=1 𝑐1𝑖 𝑐2𝑖 = 0

En el caso no balanceado:
• σ𝑘𝑖=1 𝑛𝑖 𝑐1𝑖 𝑐2𝑖 = 0

Cantidad de contrastes k-1

 DOE

Gutierrez, Humberto. Análisis y diseño de experimentos. 2008

0x1 + 1x1 + -1x1 +0x-3=0

2x1 + -1x1 +-1x1 + 0x-3=0
2x0 + -1x1+-1x-1 +0x0=0

SHEFFÉ:
𝐻0 : 2μ𝐴 = μ𝐵 + μ𝐶
𝐻𝐴 : 2μ𝐴 ≠ μ𝐵 + μ𝐶

Varianza:
𝑐 2𝑖
V(𝑐)Ƹ = 𝐶𝑀𝐸 σ 𝑛
Intervalo de confianza: 𝑖 Criterio de rechazo adicional:

𝑐Ƹ ± (𝑘 − 1)V(𝑐)𝐹
Ƹ α,𝑘−1,𝑁−𝑘 𝑐Ƹ > (𝑘 − 1)V(𝑐)𝐹
Ƹ α,𝑘−1,𝑁−𝑘

Que pasa si no contiene el cero?

 DOE

Verificación de los supuestos del modelo:

• Normalidad
• Varianza constante
• Independencia

Se analizan los residuos para revisar si se cumplen o no los supuestos.

𝑒𝑖𝑗 = 𝑌𝑖𝑗 -𝑌෠𝑖𝑗

Respuesta
predicha
Respuesta
observada

𝑒𝑖𝑗 = 𝑌𝑖𝑗 -𝑌ത𝑖𝑗

 DOE

Residuos:

• 𝑒𝑖𝑗 se distribuye de manera normal con media =0.

• 𝑒𝑖𝑗 son independientes
• Los residuos de cada tratamiento tienen la misma varianza.
 DOE

Normalidad:

• Se realiza grafica de probabilidad y si en ésta los puntos (residuos) tienden a

alinearse, se dice que cumple con el supuesto de normalidad. La alineación
no debe ser perfecta.
Dato ri: organizar de menor a mayor

• Grafica de probabilidad de papel normal

• Grafica de probabilidad en papel ordinario
 DOE

SHAPIRO WILKS:

𝐻0 : Los datos se distribuyen de manera normal

𝐻𝐴 : Los datos no se distribuyen de manera normal

2
𝑘
1
෍ 𝑎𝑖 (𝑥 𝑛−𝑖+1 − 𝑥𝑖
(𝑛 − 1)𝑆 2
𝑖=1

Obtener a de tabla.

Criterio rechazo:
𝑤 > 𝑤1−𝛼,𝑛
𝑛
Para n par: 𝑘= 2

(𝑛−1)
Para n impar: 𝑘= 2
 DOE

Varianza constante:

Gutierrez, Humberto. Análisis y diseño de experimentos. 2008

Graficar predicho contra residuo: Graficar factor contra residuo

𝑌෠𝑖. 𝑉𝑠 𝜖𝑖𝑗

Forma de corneta o Diferencias fuertes en la

embudo amplitud

Que pasas sino se cumple?

Logarítmica y raíz cuadrada
 DOE

Varianza constante:

Prueba de hipótesis:

𝐻0 : σ21 = σ2 2=…σ2 𝑘 = 0
𝐻𝐴 : σ2 𝑖 ≠ σ2𝑗 para algun i ≠ 𝑗
 DOE

Varianza constante:

Levene:
(𝑁 − 𝑘) σ𝑘𝑖=1 𝑁𝑖 (𝑍𝑖. − 𝑍.. )2
𝑤= 𝑁
(𝑘 − 1) σ𝑘𝑖=1 σ𝑗=1
𝑖
(𝑍𝑖𝑗 − 𝑍𝑖. )2
Dónde:
𝑍𝑖𝑗 = 𝑌𝑖𝑗 − 𝑌ത𝑖.
𝑘 𝑁𝑖
1
𝑍.. = ෍ ෍ 𝑍𝑖𝑗
𝑁
𝑖=1 𝑗=1
𝑁𝑖
1
𝑍𝑖. = ෍ 𝑍𝑖𝑗
𝑁𝑖
𝑗=1
Criterio de rechazo:
𝑤 > 𝐹𝛼,𝑘−1,𝑁−𝑘
 DOE

Barlett:

𝑞
𝑋02 = 2.3026
𝑘 𝑐 𝑆𝑖2 : varianza muestral
𝑞 = 𝑁 − 𝑘 𝑙𝑜𝑔10 𝑆𝑝2 − ෍(𝑛𝑖 −1)𝑙𝑜𝑔10 𝑆𝑖2
𝑘 𝑖=1
1
𝑐 =1+ (෍(𝑛𝑖 −1)−1 −(𝑁 − 𝑘)−1
3(𝑘 − 1)
𝑖=1
𝑘 2
2
σ 𝑖=1(𝑛𝑖 − 1)𝑆𝑖
𝑆𝑝 =
𝑁−𝑘
Criterio rechazo:
2
𝑋02 > 𝑋𝛼,𝑘−1
 DOE

Independencia:

Chequear si el efecto de un tratamiento se ve afectado por la aplicación de un

tratamiento anterior
Durbin Watson:

σ𝑛𝑖=2(𝜖𝑖 − 𝜖𝑖−1 )2
𝐻0 :ρ=0
𝑑= 𝐻𝐴 :ρ>0
σ𝑛𝑖=1 𝜖𝑖2

𝑑 < 𝑑𝑙 Rechazo
𝑑 > 𝑑𝑢 No Rechazo
𝑑𝑙 ≤ 𝑑 ≤ 𝑑𝑢 Sin conclusión

Si interesa auto correlación negativa:

𝑑′ = 4 − 𝑑
Donde las cotas son obtenidas de las tablas, teniendo en cuenta:
n = residuos
p = número de variables explicativas o regresoras
 DOE

Autocorrelación negativa y positiva

 DOE

• Gutierrez, Humberto. Análisis y diseño de experimentos. 2

edición.
• https://www.uam.es/personal_pdi/economicas/rarce/pdf
/autocorrel.pdf