Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Facultad de Agronoma
Postgrado de Estadstica
MANEJO DE DATOS-2010
Introduccin al ANAVAR
INTRODUCCIN AL ANAVAR
Y N ( , 2 )
f(y)
.
.
.
.
y1
y2
yn
y1 , y2 , yn
INTRODUCCIN AL ANAVAR
f(y)
.
.
.
.
y1
y2
yi
yn
i
Podramos decir que para el caso de una
observacin
yi i
INTRODUCCIN AL ANAVAR
f(y)
.
.
.
.
y1
y2
yi
yn
i
Donde
i N 0, 2
Variaciones aleatorias
INTRODUCCIN AL ANAVAR
.
.
.
.
H 0 : 2,5
H : 2,5
a
Si Y N ( , )
2
y
t
T n 1 gl
s n
Y
si
queremos
comparar
dos
poblaciones????
Se utilizan dos mtodos que se quieren
contrastar...
Mtodo A:
Mtodo B:
3,5
3
Datos
INTRODUCCIN AL ANAVAR
EJEMPLO
2,5
B
MTODO
Yi N ( , )
Suponemos que
2
i N 0,
Y
si
queremos
comparar
dos
poblaciones????
Se utilizan dos mtodos que se quieren
contrastar...
Mtodo A:
Mtodo B:
3,5
3
Datos
INTRODUCCIN AL ANAVAR
EJEMPLO
2,5
B
MTODO
ij
i = metodo. i = 1,2
j = repeticin. j = 1,2,3,.....,8
INTRODUCCIN AL ANAVAR
.
.
.
.
H 0 : B A
H :
A
a B
-
B A
Si Yi N ( , )
2
yB y A B A
t
T
sc
1 1
nB n A
nB n A 2 gl
INTRODUCCIN AL ANAVAR
EJEMPLO
Y2i N ( 2 , 2 )
Y3i N ( 3 , 2 )
H 0 : 1 2 3
H :
2
1
3
2
3
a 1
INTRODUCCIN AL ANAVAR
INTRODUCCIN AL ANAVAR
INTRODUCCIN AL ANAVAR
INTRODUCCIN AL ANAVAR
EJEMPLO
Consideremos una variable sobre la que
acta un factor que puede presentarse bajo
un determinado nmero de niveles, t.
Por ejemplo podemos considerar un frmaco
que se administra a t = 3 grupos de
animales y se les realiza cierta medicin del
efecto causado:
t1
t2
t3
r1
i 1,2, , t
r2
r3
r4
r5
j 1,2, , r
r6
INTRODUCCIN AL ANAVAR
yij i ij
i = tratamientos. i = 1,2,3
j = repeticin. j = 1,2,3,4,5,6
ni
i, y que se distribuye del mismo modo
(aunque independientemente)
para cada
ij N 0, 2
observacin, de la manera siguiente:
EJEMPLO
INTRODUCCIN AL ANAVAR
yi .
MEDICIONES ( r )
ANIMALES (t)
0-2 AOSt1
2-6 AOSt 2
15
15
10
13
14
15
6 AOS t3
yi .
y1.22 y13,7
.
y2 47
.
y27,8
.
y313
.
y32,2
.
y..82 y4,6
..
yij i ij
Se estiman
con
y..
yi . y..
ij
yi .
INTRODUCCIN AL ANAVAR
yij i ij
y
t
i 1 j 1
ij
y.. y . y.. y
SCTot
i 1 j 1
SCTrat
i 1 j 1
ij
y .
SCEE
Diseo Completamente
Aleatorizado (DCA)
DCA Y COMPARACIONES
MLTIPLES
EJEMPLO
En la siguiente tabla se presentan los
resultados de un experimento en el que se
evaluaron 6 diferentes insecticidas foliares y
granulares ms un testigo , para el control
del
saltamontes
marrn
del
arroz
Nilaparvata
lugens
(Delphacidae:
Delphacinae:
Delphacini).
La
variable
estudiada fue el rendimiento del grano en
kg/mesa. El experimento fue realizado en
condiciones de invernadero.
t1
t2
t3
t4
t5
t6
t7
y1.
y2 .
y3 .
y4 .
y5 .
y6 .
y7 .
y..
y1.
y2 .
y3 .
y4 .
y5 .
y6 .
y7 .
y..
DCA Y COMPARACIONES
MLTIPLES
yij i ij
i = tratamientos. i = 1,2,,7
j = repeticin. j = 1,2,3,4
ij N 0, 2 ni
i, y que se distribuye del mismo modo
DCA Y COMPARACIONES
MLTIPLES
Hiptesis
yij i ij
MODELO I
Efecto fijo
MODELO II
Efecto Aleatorio
H0 : i 0
H1 : i 0
H 0 : 2 0
TRAT
H1 : 2 0
La designacin de los
niveles de un factor
no es de inters
intrnseco por ellos
mismos, sino que
constituyen
una
muestra
de
una
DCA Y COMPARACIONES
MLTIPLES
MODELO I
Efecto fijo
MODELO II
Efecto Aleatorio
i
r
i 1 t 1
t
ij
TRAT
2 r 2
EE
DCA Y COMPARACIONES
MLTIPLES
Cuadro de ANAVAR
Fuentes
de Var.
TRAT
EE
TOTAL
Grados de
libertad
Sumas de
Cuadrados
Cuadrado
s Medios
F calculado
t-1
SCTrat/(t-1)
CMTrat/CMEE
glTot-glTrat
=t(r-1)=n-t
SCEE/(n-t)
rt-1=n-1
CMEE
CV (%)
*100
Y ..
.
.
.
.
.
glTrat
1 , glEE
F
1-
DCA Y COMPARACIONES
MLTIPLES
Cuadro de ANAVARInterpretaciones
F calculado
TRAT
CV
ns
bajo
F calculado
TRAT
CV
F calculado
TRAT
CV
*
bajo
ns
alto
F calculado
TRAT
CV
*
alto
DCA Y COMPARACIONES
MLTIPLES
Supuestos
Varianza
Normalidad
errores
del
de
Anlisis
de
los
Prueba de normalidad
Prueba
de normalidad
de
los residuales.
Se
de losun
residuales.
Se
desea
valor de W
desea un
de W
prximo
a 1valor
y una
prximo
a 1que
y una
P(W)
mayor
0,05
P(W) mayor que 0,05
DCA Y COMPARACIONES
MLTIPLES
Supuestos
Varianza
Homogeneidad
Varianza
del
de
Anlisis
de
Prueba de
Prueba de
homogeneidad
de
homogeneidad
de un
varianza. Se desea
varianza.
Se desea
valor
de P mayor
queun
valor de P mayor que
0,05
0,05
DCA Y COMPARACIONES
MLTIPLES
Supuestos
Varianza
del
Anlisis
de
de
Independencia de los errores Prueba
Prueba de Se desea
aleatoriedad.
aleatoriedad.
Se desea
un
valor de P mayor
un 0,05
valor de P mayor
que
que 0,05
Pruebas de Comparaciones
Mltiples
DCA Y COMPARACIONES
MLTIPLES
PRUEBAS DE COMPARACIONES
MLTIPLES
DCA Y COMPARACIONES
MLTIPLES
Pruebas de
Mltiples
comparaciones
Los promedios
Los promedios
marcados
con * son
marcados con * son
estadsticamente
estadsticamente
diferentes
al Control.
diferentes al Control.
DCA Y COMPARACIONES
MLTIPLES
Pruebas de
Mltiples
Contra todos
medias
los
comparaciones
pares
de
DCA Y COMPARACIONES
MLTIPLES
Cuadro de ANAVAR
Fuentes
de Var.
TRAT
EE
TOTAL
Grados de
libertad
Sumas de
Cuadrados
Cuadrado
s Medios
F calculado
t-1
SCTrat/(t-1)
CMTrat/CMEE
glTot-glTrat
=t(r-1)=n-t
SCEE/(n-t)
rt-1=n-1
ANAVAR con
Statistix
DCA Y COMPARACIONES
MLTIPLES
DCA Y COMPARACIONES
MLTIPLES
DCA Y COMPARACIONES
MLTIPLES
DCA Y COMPARACIONES
MLTIPLES
DCA Y COMPARACIONES
MLTIPLES
DCA Y COMPARACIONES
MLTIPLES
EJEMPLO
DBA
FLAKEE
BANGOR
AUTUM
MARK
NEW
KURODA
CONTROL
13,85
11,85
12,95
14,50
12,20
13,55
11,30
15,30
13,05
11,50
10,65
10,85
10,75
10,15
13,15
10,60
12,85
13,05
8,95
12,45
8,05
6,85
10,50
11,15
70,75
66,95
67,50
74,85
11,79
11,16
11,25
12,48
12,50
8,90
8,85
9,48
9,60
7,23
56,56
9,43
10,50
76,15
10,65
71,90
8,50
63,40
11,36
65,49
9,60
66,50
4,70
48,48
55,31
391,92
9,22
10,89
DBA
APRENDAMOS
EJEMPLO
UN
BLOQUES
CULTIVARES
FLAKEE
BANGOR
AUTUM
MARK
NEW
KURODA
CONTROL
CON
t1
t2
t3
t4
t5
t6
II
III
IV
VI
13,85
11,85
12,95
14,50
12,20
13,55
11,30
15,30
13,05
11,50
10,65
10,85
10,75
10,15
13,15
10,60
12,85
13,05
8,95
12,45
8,05
6,85
10,50
11,15
12,50
8,90
8,85
9,48
9,60
7,23
10,50
76,15
y.
10,65
71,90
y.
8,50
63,40
y.
11,36
65,49
y.
9,60
66,50
y.
4,70
48,48
y.
TOTAL
PROMED
IO
y1.
y1.11,79
70,75
y266,95
.
y211,16
.
y367,50
.
y311,25
.
y474,85
.
y412,48
.
y556,56
.
y5 .9,43
y6 .
y6 .
y..55,31 y..9,22
391,92
10,89
DBA
APRENDAMOS
EJEMPLO
CON
UN
yij i j ij
DBA
Yij
i = tratamientos. i = 1,2,,t
j = bloque o repeticin. j =
1,2,,r
ni
i ni j, y que se distribuye del mismo modo
2
NID
0
,
(aunque
independientemente)
para
cada
ij
DBA
MODELO I
Efectos fijos
TRAT
H0 : i 0
H1 : i 0
BLOQU
E
H0 : j 0
H1 : j 0
MODELO III
Efectos mixtos
TRAT
BLOQU
E
H0 : i 0
H1 : i 0
H 0 : 2 0
H1 : 2 0
MODELO II
Efectos
Aleatorios
2
H0 : 0
H1 : 2 0
H 0 : 2 0
H1 : 2 0
MODELO III
Efectos mixtos
H 0 : 2 0
H1 : 2 0
H0 : j 0
H1 : j 0
DBA
MODELO I
Efectos fijos
TRAT
r i
i 1 t 1
BLOQU
E
j
2
t
j 1 r 1
EE
MODELO II
Efectos
Aleatorios
2 r 2
2 t 2
DBA
TRAT
BLOQU
E
EE
MODELO III
Efectos mixtos
MODELO III
Efectos mixtos
r i
i 1 t 1
2 r 2
2 t 2
j
2
t
j 1 r 1
DBA
Cuadro de ANAVAR
Fuentes
de Var.
Grados de
libertad
TRAT
t-1
BLOQ
r-1
EE
glTotglTratglBloq
TOTAL
rt-1=n-1
CMEE
CV (%)
*100
Y ..
Sumas de
Cuadrados
SCTr
at
SCBlo
q
SCEE
Cuadrados
Medios
F calculado
SCTrat/(t-1)
CMTrat/CMEE
SCBloq/(r-1)
CMBloq/CME
E
SCEE/glEE
SCTo
.t
.
.
.
.
1-
glTrat
1 , glEE
F1 , glBloq
glEE
Cuadro de ANAVARInterpretaciones
F calculado
TRAT
DBA
BLOQ
CV
ns
ns
bajo
F calculado
TRAT
BLOQ
CV
*
ns
bajo
F calculado
BLOQ
ns
ns
CV
alto
TRAT
TRAT
BLOQ
CV
F calculado
*
ns
alto
Cuadro de ANAVARInterpretaciones
F calculado
TRAT
DBA
BLOQ
CV
ns
*
bajo
F calculado
TRAT
BLOQ
CV
*
*
bajo
F calculado
BLOQ
ns
*
CV
alto
TRAT
TRAT
BLOQ
CV
F calculado
*
*
alto
DBA
Cuadro de ANAVAR
Fuentes
de Var.
Grados de
libertad
TRAT
t-1
BLOQ
r-1
EE
glTotglTratglBloq
TOTAL
rt-1=n-1
Sumas de
Cuadrados
SCTr
at
SCBlo
q
SCEE
SCTo
t
Cuadrados
Medios
F calculado
SCTrat/(t-1)
CMTrat/CMEE
SCBloq/(r-1)
CMBloq/CME
E
SCEE/glEE
ANAVAR con
Statistix
DBA
DBA
DCL
EJEMPLO
Se quiere evaluar el rendimiento de cinco
variedades de papa, para ello se realiza un
ensayo bajo un diseo cuadrado latino, ya
que en la localidad Timotes, Edo. Mrida,
donde se llev a cabo el ensayo, las
condiciones no son homogneas y se espera
controlar la variabilidad presenten en la
fertilidad del COLUMNAS
suelo y(PENDIENTE)
la pendiente. Los
HILERAS
resultados se presentan en kg/parcela de 6,4
(FERTILIDAD
TOTAL
2
I
II
III
IV
V
m ).
I
II
III
IV
V
TOTAL
1,7
2,0
3,0
3,0
3,2
12,9
3,0
3,6
3,0
2,7
1,7
14,0
2,5
3,2
3,0
1,1
5,4
15,2
3,0
4,0
2,0
2,2
2,6
13,8
0,6
3,0
2,4
3,1
3,3
12,4
10,8
15,8
13,4
12,1
16,2
68,3
TRAT A
TRAT B
TRAT C
TRAT D
TRAT E
13,0
17,8
14,6
15,5
7,4
APRENDAMOS
EJEMPLO
CON
UN
DCL
E
D
C
B
A
A
B
D
C
E
C
D
C
E
A
E
A
B
C
A
B
E
CUMPLIMIENTO DE LOS
BSICOS DEL DISEO.
PRINCIPIOS
DCL
Se
Se
yij k i j k ij k
i ;j;k= 1,2,,k
DCL
ij(k)
DCL
MODELO II
Efectos
Aleatorios
TRAT
H0 : i 0
H1 : i 0
H 0 : 2 0
HIL
H0 : j 0
H1 : j 0
H 0 : 2 0
H1 : 2 0
COL
H 0 : k 0
H1 : k 0
H 0 : 2 0
H1 : 2 0
H1 : 2 0
MODELO III
Efectos Mixtos
DCL
DCL
Cuadro de ANAVAR
Fuentes
de Var.
Grados de
libertad
TRAT
K-1
HIL
K-1
COL
K-1
EE
glTotglTrat-glHilglCol
TOTAL
rt-1=n-1
Sumas de
Cuadrados
Cuadrados
Medios
F calculado
SCTr
at
SCHil
SCTrat/(K-1)
CMTrat/CMEE
SCHil/(K-1)
CMHil/CMEE
SCCol/(K-1)
CMCol/CMEE
SCCo
l
SCEE
SCTo
t
SCEE/glEE
ANAVAR con
Statistix
Diseo
Completamente
Aleatorizado (DCA)
ijk i ij ijk
Modelo
i 1,2,..., t
j 1,2,..., r
k 1,2,..., s
media general
i efecto del i - simo tratamiento
es el error experimental aleatorio para la unidad experimental j
ij
del tratamiento i
ij N (0, 2 )
ijk N (0, 2 )
Fuentede
Variacin
Tratam
ientos
Errorexperim
ental
Errordem
uestreo
Total
Gl
t-1
t(r-1)
tr(s-1)
rts-1
ijk
i
ij
ijk
M
odeloI
M
odeloII
+
s
+
r
s
+s+rst1
2 2
2+s2
2
i2
2 2
2+s2
2
Fuentede
Variacin gl
Tratam
ientos t-1
E
r
r
o
r
t
(
r
1
)
experim
ental
Errordem
uestreort(s-1)
Total rts-1
Sum
asdecuadrados(SC)
Cuadrados
Definicin Operacin m
edios
rs
(YY..)
i i.
2
s
(
Y
Y
)
ij
.
i
.
i,j
2
(
Y
Y
)
ij
k
ij
.
i,j k
2
(
Y
Y
)
ij
k
.
.
i,j,k
2
2Y
2.
Y
i
.
.
r
s
i rts
2.
2
Y
Y
ij
i
.
i,j i
s rY
s2
2kij.
i,j
Y
ij
k s
2.
Y
2
.
Y
ij
k
i,j,k rts
SC
tratamiento
(
t 1)
StC
errorexp
(r1)
SrC
errormust
t(
s1)
ElFcalculadosecom
paraconelFtabuladocon12y54gradosdelibertad2,paradecidir
concualerorseutilizarpararealizarlapruebadeFdetratam
ientos(H
0:0).
Regin de rechazo:
0
,
0
1
2
,
5
3
2
8
FcFt(glerorExp;glerorM)12,54 0,05
,9363
Con una P<0,05 se rechaza la hiptesis nula. Este resultado indica que el
error experimental contiene adems de la variacin de plantas dentro de
materas, la variacin entre plantas de diferentes materas tratadas
anlogamente. Por lo tanto es el error apropiado para realizar la prueba
de F de tratamiento
0
,
0
1
5
,
0
6
4
3
FcFt(gltrat;glerror)5,12 0,05
3,1059
Conclusin:
Con una P < 0,05 se rechaza la hiptesis nula, por lo tanto, existen
diferencias significativas entre al menos un par de medias de los
tratamientos para la variable crecimiento de tallos en una semana.
STATISTIX7.0 SUBMUESTREO,EJERC,DCA,07/11/2002,09:14:44a.m.
A
N
A
L
Y
S
I
S
O
F
V
A
R
I
A
N
C
E
T
A
B
L
E
F
O
R
C
R
E
C
S
O
U
R
C
E
D
F
S
S
M
S
F
P
T
R
A
T
A
M
I
E
N
(
A
)
5
1
7
9
.
6
4
2
3
5
.
9
2
8
5
3
8
.
4
7
0
.
0
0
0
0
R
E
P
(
B
)
A
*
B
1
2
2
5
.
8
3
3
3
2
.
1
5
2
7
8
2
.
3
0
0
.
0
1
8
6
R
E
S
I
D
U
A
L
5
4
5
0
.
4
3
7
5
0
.
9
3
4
0
3
TOTAL 71 255.913
STATISTIX7.0
SUBMUESTREO,EJERC,DCA
A
N
A
L
Y
S
I
S
O
F
V
A
R
I
A
N
C
E
T
A
B
L
E
F
O
R
C
R
E
C
S
O
U
R
C
E
D
F
S
S
M
S
F
P
T
R
A
T
A
M
I
E
N
(
A
)
5
1
7
9
.
6
4
2
3
5
.
9
2
8
5
1
6
.
6
9
0
.
0
0
0
0
R
E
P
(
B
)
A
*
B
1
2
2
5
.
8
3
3
3
2
.
1
5
2
7
8
R
E
S
I
D
U
A
L
5
4
5
0
.
4
3
7
5
0
.
9
3
4
0
3
TOTAL 71 255.913
Diseo de Bloques
Completos
Aleatorizados
(DBA)
Modelo
ijk i j ij ijk
i 1,2,..., t
j 1,2,..., r
k 1,2,..., s
N(0, 2 )
ij
ijk N (0, 2 )
Fuentede
yijkijijijk
Variacin gl M
odeloI M
odeloII M
odeloIII
Bloques r-1 2s2st
i2
2
2
2
2
2
2
s
t
s
t
s
r1
2
Tratam
ientos t-1 2s2sr
i2
i
2
2
2
2
2
srst1
s
r
s
t1
2
2
2
2
2
2
E
r
r
o
r
(
t
1
)
(
r
1
)
experim
ental
2
2
2
E
r
r
o
r
d
e
r
t
(
s
1
)
m
uestreo
Total
rt-1
Diseo Cuadrado
Latino (DCL)
Modelo
i 1,2,..., r
j 1,2,..., r
k 1,2,..., s t 1,.., t
media general
(t ) efecto del t - simo tratamiento
i el efecto del i - simo bloque
ij(t ) error experimental aleatorio para la unidad experimental de
columna j y de la fila i y tratamiento t
ij N (0, 2 )
ijk N (0, 2 )
F
u
e
n
t
e
y
(
t
)
i
j
i
j
k
(
t
)
i
j
(
t
)
i
j
k
(
t
)
D
e
V
a
r
i
a
c
i
n
g
l
M
o
d
e
l
o
I
M
o
d
e
l
o
I
M
o
d
e
l
o
I
I
2
2
2
2
2
2
2
i
2
2
iC
F
loalusm
r
1
r
s
r
s
r
s
1
2
k
2
2
2
2
2
2
j
2
2
n
a
s
r
1
r
s
r
s
r
s
K
r
1
2
2
2
2
2
i
i
2
2
2
rE
T
arotarm
ientos(r-1r)-(1r-2)2
r
s
r
s
r
s
1
t
1
2
2
2
2
2
2
eE
x
p
e
i
m
e
n
t
a
l
r
2
2
2
2
rm
o
r
d
e
r
(
s
1
)
u
e
s
t
e
o
r
T
otal sr2-1
TaraJdtauem
livaeensteom
a
n
a
(
c
o
l
u
m
n
a
s
)
H
oradelN
dam
(efriloa1)deplantaTM
T
o
t
a
l
F
i
l
a
iratam
r6ci2eonlteosHD
V
i
e
r
n
e
s
S
b
a
d
o
L
T
r
a
t
a
m
i
e
n
t
o
M
T
r
a
t
a
m
i
e
n
t
o
D
5
6
3
8
3
2
2
4
,
5
3
4
5
,
5
4
6
M
ediodaT
3
3
6
4
3
7
Y
5
6
otal1celdaTrata51m
6
0
1
5
4
1
7
1
2
5
1
.
i
e
n
t
o
M
T
r
a
t
a
m
i
e
n
t
o
D
T
r
a
t
a
m
i
e
n
t
o
L
T
r
a
t
a
m
i
e
n
t
o
H
8
,
5
6
5
9
3
5
2
6
4
5
7
3
5
0
,
2:0p.m
.T
3
2
6
,
5
3
7
,
5
4
9
otal1celdaTrat1a1m
874i,e5,n5toDTrat1a5m
729ie,,5n5toMTrat1am
469i1e,n5toHTrat1a3m
344i,e,5n5toLY
2.648
2
6
1
4
1
4
8
,
5
9
4:0p.m
.T
3
5
7
3
0
,
5
3
6
,
5
Y
5
3
4
otal1celdaTrat1a23m
,6i,e5n5toLTrat1am
5
224i6e,n5toHTrata1m
5
4
1
2
0
3
.
i
e
n
t
o
D
T
r
a
t
a
m
i
e
n
t
o
M
5
2
4
7
2
5
3
3
,
5
4
3
5
3
,
5
6:0p.m
.T
3
,
5
2
5
2
0
Y
4
8
2
o
t
a
l
c
e
l
d
a
1
3
7
1
,
5
1
4
7
1
3
0
,
5
4
.
T
otalcolum
na Y
.220
.1.613Y
.2.529,5Y
.3.567,5Y
.4.510Y
N
48
R
0,46
RAj
0,20
CV
24,83
N
48
R
0,24
RAj
0,07
CV
26,91
de Anlisis de la
SC
gl
CM
1905,75 9 211,75
187,79 3
62,60
1201,67 3 400,56
516,29 3 172,10
5887,25 38 154,93
7793,00 47