MSc. Williams V.

Roldan Carbajal
wvroldan12@Hotmail.com
 METODOS
ESTADISTICOS

DISEÑOS DE BLOQUES
COMPLETOS AL AZAR
 DISENO BLOQUES COMPLETO AL AZAR

En un diseño bloques completo al azar se consideran

tres fuentes de variabilidad: el factor de tratamientos,
el factor de bloque y el error aleatorio.

Es decir, se tienen tres posibles “culpables” de la

variabilidad presente en los datos. La palabra
completo en el nombre del diseño se debe a que en
cada bloque se prueban todos los tratamientos, o
sea, los bloques están completos. La aleatorización
se hace dentro de cada bloque; por lo tanto, no se
realiza de manera total como en el diseño
completamente al azar.
 1. CROQUIS EXPERIMENTAL

Es una forma de arreglo que se muestra la aleatorización a las unidades

experimentales.

BLOQUE 1 T2 T4 T1 T3
BLOQUE 2 T1 T3 T2 T4
BLOQUE 3 T3 T2 T4 T1
 2. CUADRO DE DATOS
Suponga que se desea comparar t tratamientos y que cada
tratamiento cuenta con b bloques y de cada unidad experimental
se obtiene solo una observación:

𝑡 𝑏

𝑌.. = ෍ ෍ 𝑌𝑖𝑗
𝑡=1 𝑗=1

𝑌..
𝑌ത1. 𝑌ത2. 𝑌ത𝑡. 𝑌ത.. =
𝑛
 3. CUADRO DE DATOS

𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + 𝜀𝑖𝑗
i=1,2,3,….,t j=1,2,3,…,b

𝑌𝑖𝑗 Es el valor observado en el i-esimo tratamiento y el j-esimo bloque

𝜇 Es el efecto de la media general

𝜏𝑖 Es el efecto del i-enésimo tratamiento

𝛽𝑗 Es el efecto del j-enésimo bloque

𝜀𝑖𝑗 Es el efecto del error experimento en el i-enésimo tratamiento y

el j-enesimo
 Ajuste a la Distribución Multinomial, conocida como
4. Estimacion de los efectos
prueba de frecuencia o de proporciones

SON ESTABLECIDAS POR EL INVESTIGADOR

𝜇Ƹ = 𝑌ത.. PROCEDIMIENTO
𝜏Ƹ 𝑖 = 𝑌ത𝑖. -𝑌ത..
I. Planteamiento de la hipótesis.
Ho: Hipótesis nula.
H1: Hipótesis alternante.

II. Nivel de significación ( alfa α )

𝛽መ𝑗 = 𝑌ത.𝑗 -𝑌ത.. Ƹ = 𝑌ത𝑖𝑗 -𝑌ത𝑖. -𝑌ത.𝑗 − 𝑌ത..
𝜀𝑖𝑗
(Ο𝑖 −ℯ𝑖 )2
III. Prueba estadística 𝑥𝑐2 = 𝑘
σ𝑖=1 =𝑥𝐾−1
2
ℯ
𝑖

IV. Desarrollo de la prueba

No se rechaza Ho, si:
𝑥 2 𝑐𝑎𝑙 ≤ 𝑥 2 𝑐𝑟𝑖𝑡

III. Prueba estadística Se rechaza Ho, si:

𝑥 2 𝑐𝑎𝑙 ≥ 𝑥 2 𝑐𝑟𝑖𝑡
2
𝑥𝐶𝑟𝑖𝑡 =𝑥𝑇𝑎𝑏
2 2
= 𝑥(1−𝑎𝑙𝑓𝑎,𝑘−1)
 Ajuste a la Distribución Binomial
5. Analisis de la variancia
Se compone de tres fuentes de variación:
Las probabilidades teóricas (𝜋i ) que seran utilizadas para calcular las
frecuencias esperadas
𝑉𝑎𝑟 𝑇𝑜𝑡𝑎𝑙 deben ser estimadas
= 𝑉𝑎𝑟 𝑇𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 a partir+de
+ 𝑉𝑎𝑟 𝐵𝑙𝑜𝑞𝑢𝑒𝑠 la(𝐸𝑟𝑟𝑜𝑟)
𝑉𝑎𝑟 distribucion
binomial:
𝑟 TOTALES
SUMA DE CUADRADOS
𝑃(𝑋 = 𝑥) = 𝑝 (1 − 𝑝𝑟−𝑥 )
𝑥 𝑥 = (1,2,3, … … , 𝑟)
𝑥𝑡 𝑏 𝑡 𝑏
𝑌 2
𝑟,𝑆𝐶𝑝𝑇𝑜𝑡𝑎𝑙
𝑠𝑜𝑛 =𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
𝑆𝐶 𝑌 = ෍ ෍(𝑌𝑖𝑗 − 𝑌ത.. )2 = ෍ ෍(𝑌𝑖𝑗 )2 −
..
𝑡𝑏
El valor de r siempre es conocido , Nro de veces que se realiza el exp.
𝑡=1 𝑗=1 𝑡=1 𝑗=1
𝑌.. 2
=Termino de correccion
𝑡𝑏
p, puede ser conocido o desconocido, si es desconocido entonces: debe ser
SUMA DE CUADRADOS
Estimado DE TRATAMIEN
utilizando la muestra a partirTOS
del valor esperadode la distribución
Binomial : 𝑡
𝐸(𝑋) (𝑌𝑖. )2 𝑘
p=
𝑆𝐶 𝑇𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 = ෍ − 𝑇𝐶 σ 𝑖=1 𝑥𝑖 𝜃𝑖
𝑟 𝐸 𝑏𝑋 =
𝑖=1
𝑛
SUMA DE CUADRADOS DE BLOQUES SUMA DE CUADRADOS DEL ERROR
𝑏
(𝑌.𝑗 )2 SC(Error)=SC(Total)−SC(Trat.)−SC(Bloques)
𝑆𝐶 𝐵𝑙𝑜𝑞𝑢𝑒𝑠 = ෍ − 𝑇𝐶
𝑡
𝑗=1
 Ajuste a la Distribución Binomial
Cuadro de analisis de varianza
Las probabilidadesGrados
teóricas
de
(𝜋i ) Suma
que seran
de
utilizadas para calcular las
frecuencias
Fuente esperadas
de Variacion deben Cuadrados
Libertad ser estimadas a partir de
Cuadrados la distribucion
Medios F cal
binomial:
𝑟 t-1𝑥
Tratamientos SC(Trat) SC(Trat)/(t-1) CM(Trat)/CM(Error)
𝑃(𝑋 = 𝑥) = 𝑝 (1 − 𝑝𝑟−𝑥 ) 𝑥 = (1,2,3, … … , 𝑟)
Bloques 𝑥 b-1 SC(Bloq) SC(Bloq)/(b-1)
CM(Bloq)/CM(Error)
𝑟, 𝑝 𝑠𝑜𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
Error (t-1)(b-1) SC(error) SC(error)/((t-1)(b-1))
El valor de r siempre es conocido , Nro de veces que se realiza el exp.
Total tb-1 SC(totales)
p, puede ser conocido o desconocido, si es desconocido entonces: debe ser
Estimado utilizando la muestraPosibles
a partirresultados
del valor esperadode la distribución
Binomial :Fuente de
𝐸(𝑋)Variacion Sig. 𝑘 Sig. Sig. Sig.
p= σ𝑖=1 𝑥𝑖 𝜃𝑖
𝐸
𝑟 Tratamientos 𝑋 =* n.s * n.s
Bloques *
𝑛 * n.s n.s

Se justifica el uso de DBCA No se justifica el uso de DBCA

No se justifica el uso de DBCA dado q no existe diferencias significativas entre los bloques
 Ajuste a la Distribución Binomial

Las probabilidades teóricas (𝜋i ) que seran utilizadas para calcular las
frecuencias esperadas deben ser estimadas a partir de la distribucion
binomial:
𝑟 𝑥
𝑃(𝑋 = 𝑥) = 𝑝 (1 − 𝑝𝑟−𝑥 ) 𝑥 = (1,2,3, … … , 𝑟)
𝑥
𝑟, 𝑝 𝑠𝑜𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
El valor de r siempre es conocido , Nro de veces que se realiza el exp.

p, puede ser conocido o desconocido, si es desconocido entonces: debe ser

Estimado utilizando la muestra a partir del valor esperadode la distribución
Binomial :

p=
𝐸(𝑋) σ𝑘𝑖=1 𝑥𝑖 𝜃𝑖
𝑟 𝐸 𝑋 =
𝑛
 Ajuste a la Distribución Binomial

Las probabilidades teóricas (𝜋i ) que seran utilizadas para calcular las
frecuencias esperadas deben ser estimadas a partir de la distribucion
binomial:
𝑟 𝑥
𝑃(𝑋 = 𝑥) = 𝑝 (1 − 𝑝𝑟−𝑥 ) 𝑥 = (1,2,3, … … , 𝑟)
𝑥
𝑟, 𝑝 𝑠𝑜𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
El valor de r siempre es conocido , Nro de veces que se realiza el exp.

p, puede ser conocido o desconocido, si es desconocido entonces: debe ser

Estimado utilizando la muestra a partir del valor esperadode la distribución
Binomial :

p=
𝐸(𝑋) σ𝑘𝑖=1 𝑥𝑖 𝜃𝑖
𝑟 𝐸 𝑋 =
𝑛
 Ajuste a la Distribución Binomial

Las probabilidades teóricas (𝜋i ) que seran utilizadas para calcular las
frecuencias esperadas deben ser estimadas a partir de la distribucion
binomial:
𝑟 𝑥
𝑃(𝑋 = 𝑥) = 𝑝 (1 − 𝑝𝑟−𝑥 ) 𝑥 = (1,2,3, … … , 𝑟)
𝑥
𝑟, 𝑝 𝑠𝑜𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
El valor de r siempre es conocido , Nro de veces que se realiza el exp.

p, puede ser conocido o desconocido, si es desconocido entonces: debe ser

Estimado utilizando la muestra a partir del valor esperadode la distribución
Binomial :

p=
𝐸(𝑋) σ𝑘𝑖=1 𝑥𝑖 𝜃𝑖
𝑟 𝐸 𝑋 =
𝑛
 Ajuste a la Distribución Binomial

Las probabilidades teóricas (𝜋i ) que seran utilizadas para calcular las
frecuencias esperadas deben ser estimadas a partir de la distribucion
binomial:
𝑟 𝑥
𝑃(𝑋 = 𝑥) = 𝑝 (1 − 𝑝𝑟−𝑥 ) 𝑥 = (1,2,3, … … , 𝑟)
𝑥
𝑟, 𝑝 𝑠𝑜𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
El valor de r siempre es conocido , Nro de veces que se realiza el exp.

p, puede ser conocido o desconocido, si es desconocido entonces: debe ser

Estimado utilizando la muestra a partir del valor esperadode la distribución
Binomial :

p=
𝐸(𝑋) σ𝑘𝑖=1 𝑥𝑖 𝜃𝑖
𝑟 𝐸 𝑋 =
𝑛
 Ajuste a la Distribución Binomial

Las probabilidades teóricas (𝜋i ) que seran utilizadas para calcular las
frecuencias esperadas deben ser estimadas a partir de la distribucion
binomial:
𝑟 𝑥
𝑃(𝑋 = 𝑥) = 𝑝 (1 − 𝑝𝑟−𝑥 ) 𝑥 = (1,2,3, … … , 𝑟)
𝑥
𝑟, 𝑝 𝑠𝑜𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
El valor de r siempre es conocido , Nro de veces que se realiza el exp.

p, puede ser conocido o desconocido, si es desconocido entonces: debe ser

Estimado utilizando la muestra a partir del valor esperadode la distribución
Binomial :

p=
𝐸(𝑋) σ𝑘𝑖=1 𝑥𝑖 𝜃𝑖
𝑟 𝐸 𝑋 =
𝑛
 Ajuste a la Distribución Binomial

Las probabilidades teóricas (𝜋i ) que seran utilizadas para calcular las
frecuencias esperadas deben ser estimadas a partir de la distribucion
binomial:
𝑟 𝑥
𝑃(𝑋 = 𝑥) = 𝑝 (1 − 𝑝𝑟−𝑥 ) 𝑥 = (1,2,3, … … , 𝑟)
𝑥
𝑟, 𝑝 𝑠𝑜𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
El valor de r siempre es conocido , Nro de veces que se realiza el exp.

p, puede ser conocido o desconocido, si es desconocido entonces: debe ser

Estimado utilizando la muestra a partir del valor esperadode la distribución
Binomial :

p=
𝐸(𝑋) σ𝑘𝑖=1 𝑥𝑖 𝜃𝑖
𝑟 𝐸 𝑋 =
𝑛
 Ajuste a la Distribución Poisson

En esta prueba las probabilidades teóricas (𝜋i ) que seran utilizadas para
calcular las frecuencias esperadas deben ser estimadas a partir de la
distribucion Poisson:
𝑒 −𝜆 𝜆𝑥
𝑃(𝑋 = 𝑥) = 𝑥 = (1,2,3, … …
𝑥!
El valor de 𝜆 siempre puede ser conocido o desconocido.

Cuando se desea estimar 𝜆 a partir de la muestra

entonces m=1, con lo cual los Grados de libertad
en el valor critico = K-1-1, caso contrario cuando 𝜆
es conocido entonces m=0 : k-1
 Ajuste a la Distribución de Poisson
LAS FRECUENCIAS ESPERADAS DEBEN SER ESTIMADAS A PARTIR
DE UNA DISTRIBUCION DE POISSON.

PROCEDIMIENTO
I. Planteamiento de la hipótesis.
Ho: Los datos provenientes de la variable “x” se ajustan a una distr.
Poisson
H1: Los datos provenientes de la variable “x” se no ajustan a una
distr. Poisson

II. Nivel de significación ( alfa α )

2
𝑘 (Ο𝑖 −ℯ𝑖 )
III. Prueba estadística 𝑥𝑐2 = σ𝑖=1 =𝑥 2
𝑘−𝑚−1
ℯ 𝑖

IV. Desarrollo de la prueba

No se rechaza Ho, si:
III. Prueba estadística
𝑥 2 𝑐𝑎𝑙 ≤ 𝑥 2 𝑐𝑟𝑖𝑡

Se rechaza Ho, si:

𝑥 2 𝑐𝑎𝑙 ≥ 𝑥 2 𝑐𝑟𝑖𝑡
2
𝑥𝐶𝑟𝑖𝑡 =𝑥𝑇𝑎𝑏
2 2
= 𝑥(1−𝑎𝑙𝑓𝑎,𝑘−𝑚−1)
 PRUEBAS CON TABLAS DE CONTINGENCIA

Es un cuadro de doble entrada en el cual se recoge la frecuencia conjunta de

una o varias muestras aleatorias.
CARACTERISTICA A
Total
CARACTERISTICA B a1 a2 . . ac
b1 011 012 01c n1.
b2 o21 022 02c n2.
. . .
. . .
. . .
bf 0f1 0f2 …. 0fc nr.
TOTAL n.1 n.2 n.c n..
𝑐 𝑓 𝑓 𝑐
Donde:
i=1,2,…. .f "filas" 𝑛𝑖. = ෍ 𝑂𝑖𝑗 𝑛.𝑗 = ෍ 𝑂𝑖𝑗 𝑛𝑖𝑗 = ෍ ෍ 𝑂𝑖𝑗
j=1,2,……c "Columnas"
𝑗=1 𝑖=1 𝑖=1 𝑗=1

Frecuencias esperadas
𝒏𝒊. 𝒏.𝒇 𝒏𝒊. 𝒏.𝒇
𝒆𝒊𝒇 = 𝒏.. 𝝅𝒊𝒇 → 𝒆𝒊𝒇 = 𝒏.. 𝝅𝒊. 𝝅.𝒇 → 𝒆𝒊𝒇 = 𝒏.. → 𝒆𝒊𝒇 =
𝒏.. 𝒏.. 𝒏..

PRUEBA ESTADISTICA 𝑓 (Ο𝑖𝑗 −ℯ𝑖𝑗 )2

𝑥𝑐2 = 𝑐
σ𝑖=1 σ𝑗=1 =𝑥(2 𝑓−1)(𝑐−1 )
ℯ𝑖𝑗
 PRUEBA DE INDEPENDENCIA

Estas pruebas se aplican cuando los datos de una

muestra aleatoria son clasificados de acuerdo a dos
características (variables), y lo que se desea es probar si
las características utilizadas como criterios de
clasificación son independientes entre si o si existe una
relación entre ellas.
 PRUEBA DE INDEPENDENCIA

I. Planteamiento de la hipótesis.

Ho: Los características A y B son independientes ( no están

relacionadas) entre si.

H1: Los características A y B NO son independientes ( SI están

relacionadas) entre si.

II. Nivel de significación ( alfa α )

2
(Ο −ℯ )
III. Prueba estadística 𝑥𝑐2 = σ𝑓𝑖=1 σ𝑐𝑗=1 𝑖𝑗 𝑖𝑗 =𝑥(2 𝑓−1)(𝑐−1 )
ℯ𝑖𝑗
IV. Desarrollo de la prueba
No se rechaza Ho, si:
V. Prueba estadística
𝑥 2 𝑐𝑎𝑙 ≤ 𝑥 2 𝑐𝑟𝑖𝑡

Se rechaza Ho, si:

VI. Conclusiones 𝑥 2 𝑐𝑎𝑙 ≥ 𝑥 2 𝑐𝑟𝑖𝑡
2
𝑥𝐶𝑟𝑖𝑡 =𝑥𝑇𝑎𝑏
2 2
= 𝑥(1−𝑎𝑙𝑓𝑎,(𝑓−1)(𝑐−1)