ESTADÍSTICA APLICADA A LA ECONOMÍA Y LOS NEGOCIOS I

DISEÑOS EXPERIMENTALES III

PROF. FERNANDO ROSAS VILLENA

 COMPARACIONES ESPECIFICAS DE TRATAMIENTOS

• Se utiliza cuando el resultado de la hipótesis de comparación

general de tratamientos resulta significativa, es decir, cuando se
rechaza la hipótesis planteada.

• En estas circunstancias, resulta útil realizar comparaciones

específicas de tratamientos, por pares ó entre grupos.

• Las principales pruebas de comparación son:

– Prueba de t
– Prueba de Diferencias Límites de Significación (DLS)
– Prueba de Tukey
– Prueba de Dunnet
– Prueba de Contrastes Ortogonales
 PRUEBA “t”

• Es una prueba para comparaciones planeadas con

anterioridad.

Supuestos:

– La prueba F del ANVA sea significativa

– Los ij son variables aleatorias independientes y los ij ~
N(0,σ2)
Procedimiento:
Hipótesis:

Caso A: Caso B: Caso C:

H0: i - j = k H0: i - j = k H0: i - j = k
H1: i - j > k H1: i - j < k H1: i - j  k

Estadístico de Prueba:

(Yi   Y j  )  k
tc   t(glEE)
sd

1 1
sd  CME   
r r 
 i j 
 EJEMPLO: 1
Se realizó un experimento para evaluar el efecto de la adición de
compuestos vitamínicos al alimento balanceado en la ganancia de
pesos en cerdos. Tres diferentes compuestos fueron evaluados (A, B y
C) y un control (D = sin la adición del complejo vitamínico. El aumento
de peso tras una semana en una muestra de 22 cerdos se da a
continuación:

Compuesto
Vitamínico
Aumento de peso tras una semana en lb. Yi . Yi .
A 10.
11.1 10.8 10.2 11.4 10.7 65.1 10.85
9
B 11.
11.5 10.8 10.6 11.2 10.9 66.0 11.00
0
C 10.
10.1 11.2 10.2 10.4 52.5 10.50
6
D 9.2 9.8 10.1 9.7 10.4 49.2 9.84
Y..
10.582
a) Uno de los objetivos del experimento es evaluar si el aumento de peso
logrado con el compuesto vitamínico B supera al logrado con D en más
de una libra.

Solución:

H0: B - D = 1
H1: B - D > 1

(YB  YD )  k (11  9.84)  1

tc    0.6598
1 1 1 1
CME    0.1604  
 rB rD   6 5

t(0.95, 18) = 1.734

No se rechaza la HP
 PRUEBA DLS

• Es una forma abreviada de la prueba t para el caso

bilateral.

Supuestos:

– La prueba F del ANVA sea significativa

– Los ij son variables aleatorias independientes y
los ij ~ N(0,σ2)
Procedimiento:

• Forma simplificada de la prueba t para el caso bilateral

Hipótesis:
H0: i = j
H1: i  j

Diferencia Límite Significativa:

1 1
DLS = t(1-/2, glEE) sd sd sd  CME   
r r 
 i j 

Regla de Decisión:
La hipótesis nula se rechaza con un nivel de significación  si

Yi   Y j  > DLS Se rechaza Hp

Yi   Y j  < DLS Se acepta Hp

b) Utilizando los datos el Ejemplo Nº 1, comparar los tratamientos A y B.

Solución:

H0: A = B
H1: A  B
1 1 1 1
DLS = t(0.975, 18) CME    = 2.101 0.1604   = 0.4858
 rA rB  6 6

Como Y A  YB  DLS = 0.4858

No se rechaza Hp.
 PRUEBA DE TUKEY

• Esta prueba es más eficiente y en general más rigurosa que las

pruebas de: t, DLS y Contrastes Ortogonales cuando utiliza la
prueba t. No se necesita que las comparaciones sean previamente
planeadas.

Supuestos:

– La prueba F del ANVA no es necesario que sea significativa

– Los ij son variables aleatorias independientes y los ij ~ N(0,σ2)
Procedimiento:
Hipótesis:
H0: i = j
H1: i  j

Diferencia Límite Significativa:

CME  1 1 
ALS(T) = AES(T) Sd sd    
2  ri rj 
AES(T) se obtiene con  = nivel de
significación y p=número de tratamientos del
experimento y los grados de libertad del error
experimental

Regla de Decisión:
Yi   Y j  Se rechaza Hp
> ALS(T)
Yi   Y j 
Se acepta Hp
< ALS(T)
c) Comparar tratamientos utilizando la prueba de Tukey
Solución:
H0: A = B H0: A = C H0: A = D
H1: A  B H1: A  C H1: A  D
H0: B = C H0: B = D H0: C = D
H1: B  C H1: B  D H1: C  D

El valor de tabla con  = 5%, p = 4 tratamientos y 18 grados de libertad

para el error experimental es AES(T) = 4.00.
Número
Tratamientos de CME  1 1 
comparados repeticion
Yi  Y j  
2  ri r j  ALS(T) Significancia
es
AyB 6y6 0.15 0.1675 0.6540 n.s.
AyC 6y5 0.35 0.1715 0.6859 n.s.
AyD 6y5 1.01 0.1715 0.6859 *
ByC 6y5 0.50 0.1715 0.6859 n.s.
ByD 6y5 1.16 0.1715 0.6859 *
CyD 5y5 0.66 0.1791 0.7164 n.s
 GRAFICO DE LÍNEAS

1. Ordenar los tratamientos en función a su promedio (ascendente o descendente)

y luego unir con líneas los tratamientos que resultaron no significativos

D C A B
9.84 10.50 10.85 11.00
 PRUEBA DE DUNNETT

• Se utiliza cuando se quiere comparar a cada uno de los

tratamientos contra un tratamiento considerado como testigo o
control.

• Un tratamiento es considerado control o testigo cuando su

efectividad es conocida.

Supuestos:

– La prueba F del ANVA sea significativa

– Los ij son variables aleatorias independientes y los ij ~ N(0,σ2)
Procedimiento:
Hipótesis:
H0: T = i
H1: T  i

Diferencia Límite Significativa:

 1 1
ALS(Dn) = t(Dn) Sd sd  CME   
 rT ri 

t(Dn) se obtiene con  = nivel de significación y p=número

de tratamientos del experimento sin incluir el control y los
grados de libertad del error experimental

Regla de Decisión:
La hipótesis nula se rechaza con un nivel de significación  si

Yi   Y j  > ALS(Dn) Se rechaza Hp

Yi   Y j  < ALS(Dn) No se rechaza Hp

d) Comparar tratamientos utilizando la prueba de Dunnett

Solución:

H0: D = A H0: D = B H0: D = C

H1: D  A H1: D  B H1: D  C

El valor de tabla con  = 5%, p = 3 tratamientos sin considerar el control

y 18 grados de libertad para el error experimental es t(Dn) = 2.56.

Tratamientos Número de
 1 1 ALS(Dn) Significancia
comparados repeticiones YT   Yi CME   
 rT ri 

DyA 5y6 1.01 0.2425 0.6208 *

DyB 5y6 1.16 0.2425 0.6208 *

DyC 5y5 0.66 0.2533 0.6484 *

 DBCA - PRUEBAS DE COMPARACIÓN

Prueba “t” y DLS Sdif =  2CME / r

Prueba de Tukey Sdif =  CME / r

Dunnett Sdif =  2CME / r

ESTADÍSTICA APLICADA A LA ECONOMÍA Y LOS NEGOCIOS I

DISEÑO BLOQUE COMPLETAMENTE AL AZAR

PROF. FERNANDO ROSAS VILLENA

 DISEÑO BLOQUE COMPLETAMENTE AL AZAR
Diseño experimental utilizado para comparar tratamientos cuando las unidades
experimentales son heterogéneas a juicio del investigador, y la variabilidad de las
unidades experimentales se controla mediante la conformación de grupos de
unidades experimentales relativamente homogéneas denominados bloques. El
proceso se denomina bloqueo ó bloquización, el cual permite reducir y controlar la
varianza del error experimental y lograr una mayor precisión en la comparación de
los tratamientos.

El número de unidades experimentales por bloque debe ser igual al número de

tratamientos que se están estudiando.

Fuente de variabilidad Bloque 1 T3 T4 T1 T2

que se controla, además
de los tratamientos Bloque 2 T4 T3 T2 T1
Bloque 3 T4 T2 T3 T1

Ejemplo 1: Gradientes de fertilidad (3) cuando se comparan 4 variedades de papa

Ejemplo 2: Jueces (3) cuando se degustan 4 marcas de vino tinto
MODELO ADITIVO LINEAL (POBLACIONAL)

Yij =  + i + j + ij i = 1, 2, ... ,t ; j = 1, 2, ...,r

Yij = Valor de la observación sujeta al i-ésimo tratamiento y j-ésimo bloque

 = Efecto de la media general

i = Efecto del i-ésimo tratamiento

j = Efecto del j-ésimo bloque

ij = Efecto aleatorio del error experimental

MODELO ADITIVO LINEAL (MUESTRAL)

^ ^ ^ ^
Yij =  + i + j + ij i = 1, 2, ... ,t ; j = 1, 2, ...,r
ASUNCIONES
• Las observaciones se ajustan a una distribución normal y son independientes
• Existe homogeneidad de variancias de tratamientos
• No existe interacción entre bloques y tratamientos
• Los ij  NI(0, 2 ) ; i  NI(0, 2 ) ; j  NI(0, 2 )

RESTRICCIONES
^ ^

 I = 0   I  0 ;  J = 0   J  0

VENTAJAS
• El control de una fuente adicional de variabilidad permite aumentar la
precisión del experimento

DESVENTAJAS
• Si existe interacción entre los bloques y tratamientos el error experimental se
incrementa
 ESTIMACION DE EFECTOS

Se utiliza el método de los Mínimos Cuadrados para estimar los efectos de µ ,

i , j minimizando (se deriva la función se iguala a cero y se despejan los
efectos) la siguiente expresión:

Q =   2 ij =   ( Yij -  - i - j )2

^ _ ^ _ _ _
 = Y.. ;  ij = Yij - Yi. - Y.j + Y..

^ _ _
i = Yi.-Y..

^ _ _
j = Y.j - Y..
 CUADRO DE ANALISIS DE VARIANCIA

F.V. G.L. S.C. C.M. FCAL

Tratos. t–1 SC T CM T CMT / CME

Bloques r–1 SC B CM B CMB / CME

E. Exp. (t-1)(r-1) SC E CM E

Total rt - 1 SC Total
Tratamientos Bloques

Hp : 1 = 2 = 3 = ... = t Hp : 1 = 2 = 3 = ... = r
Ha: Algún i es diferente Ha : Algún J es diferente
de los demás de los demás

NIVEL DE SIGNIFICACION

PRUEBA ESTADISTICA

Tratamientos Bloques
F = CMT / CME ~ F (GLT, GLE) F = CMB / CME ~ F (GLB, GLE)

REGIONES CRÍTICAS

CONCLUSION
Si FCAL  F TAB , no se rechaza Hp
Si FCAL > F TAB , se rechaza Hp
EJEMPLO 1:

Se desea conducir un experimento que además de estudiar el efecto de tres tipos

de tratamiento de semilla de soya más un testigo (semilla no tratada) controle la
heterogeneidad de las unidades experimentales debido a la presencia de 4
gradientes de fertilidad en el suelo. Se sembró en cada unidad experimental 100
semillas elegidas al azar. Los resultados obtenidos corresponden al número de
plantas resultantes:

Tratamiento Bloques Total

1 2 3 4 Tratos.

Testigo 92 90 88 86 356
A 98 94 93 91 376
B 99 90 91 89 366
C 91 93 97 95 376
Total Bloques 377 367 369 361 1474
TC = Y2../rt = (92+90+...+95)2 / 4x4 = 14742 / 16 = 135792.25

SC Total =   Y2ij – TC = (922+902+...+952) – 135792.25

SC Total = 163.75

SC T =  Y2i. / r – TC = (3562+3762+...+3762) / 4 – 135792.25

SC T = 68.75

SC B =  Y2.j / t – TC = (3772+3672+...+3612) / 4 – 135792.25

SC B = 32.75

SC E = SC Total – SC T – SC B = 163.75 – 68.75 – 32.75

SC E = 62.25
 CUADRO DE ANALISIS DE VARIANCIA
F.V. G.L. S.C. C.M. FCAL
Tratos. 3 68.75 22.9167 3.313
Bloques 3 32.75 10.9167 1.578
E. Exp. 9 62.25 6.9167
Total 15 163.75

Tratamientos Bloques
Hp : 1 = 2 = 3 = ... = t Hp : 1 = 2 = 3 = ... = r
Ha: Algún i es diferente de los demás Ha : Algún J es diferente de los demás
 
Hp : 2i = 0 Hp : 2j = 0
Ha : 2i > 0 Ha : 2j > 0

 = 0.05
Tratamientos Bloques

Fcal = CMT / CME =3.313 Fcal = CMB / CME =1.578

F(0.95, 3, 9) = 3.86 F(0.95, 3, 9) = 3.86

Tratamientos
Como FCAL = 3.313  F TAB = 3.86 , entonces, no se rechaza Hp, es decir, para
un nivel de significación de 0.05 las evidencias muestrales indican que es
probable que los tres tipos de tratamiento de semillas de soya más el testigo
tengan similar número promedio de plantas resultantes

Bloques
Como FCAL = 1.578  F TAB = 3.86, entonces, no se rechaza Hp
EJEMPLO 2:

Una de las razones que impide el incremento de nuevas áreas del cultivo de
tomate (Lycopersicum Sculentum), es la escasez de agua en muchas zonas de
nuestra costa. Con la finalidad de encontrar un riego adecuado se utilizaron las
siguientes frecuencias de riego: c/7 días, c/14 días, c/21 días y c/28 días.
Además, debido a que el terreno experimental presentaba una pendiente
pronunciada se establecieron 4 bloques. A continuación se presenta el cuadro de
resultados del efecto de la frecuencia de riego expresado en número de plantas.

Bloques Frecuencia de Riego

7 14 21 28
I 70 73 72 72
II 68 72 75 70
III 66 68 69 76
IV 66 73 79 74

a) Probar las hipótesis que correspondan al estudio

b) Realice la prueba de Tukey y resuma sus resultados en un diagrama de
barras
 F.V. G.L. S.C. C.M. FCAL
Tratos. 3 93.1875 31.0625 3.4487
Bloques 3 21.6875 7.2292 0.8026
E. Exp. 9 81.0625 9.0069
Total 15 195.9375

Tratamientos Bloques

Hp : 1 = 2 = 3 = ... = t Hp : 1 = 2 = 3 = ... = r
Ha: Algún i es diferente de los demás Ha : Algún J es diferente de los demás

 = 0.05
Tratamientos Bloques

Fcal = CMT / CME =3.4487 Fcal = CMB / CME =0.8026

F(0.95, 3, 9) = 3.86 F(0.95, 3, 9) = 3.86

Tratamientos
Como FCAL = 3.4487  F TAB = 3.86 , entonces, no se rechaza Hp, es decir, para
un nivel de significación de 0.05 las evidencias muestrales indican que es
probable que las cuatro frecuencias de riego tengan similar efecto promedio en el
número de plantas resultantes

Bloques
Como FCAL = 0.8026  F TAB = 3.86, entonces, no se rechaza Hp
EJERCICIO 1:

En una empresa ensambladora de unidades centrales de procesos (CPU’s),

desea probar cuatro tipos de métodos de ensamblaje A, B, C y D, para
identificar el método más rápido. Para el estudio se eligen al azar cuatro
operadores que tienen el mismo tiempo de servicio pero diferente nivel de
experticia en el trabajo. Los resultados del tiempo de ensamblaje (horas) se
presentan a continuación:

Operador Método de Ensamble

A B C D
1 6 12 9 13
2 10 11 12 14
3 8 13 7 10
4 7 11 8 11
 EJERCICIO 2:
1. Una de las razones que impide el incremento de nuevas áreas del cultivo de tomate
(Lycopersicum Sculentum), es la escasez de agua en muchas zonas de nuestra costa. Con la
finalidad de encontrar un riego adecuado se utilizaron las siguientes frecuencias de riego: Riego
c/7 días, Riego c/14 días, Riego c/21 días, Riego c/28 días. Además, el terreno experimental
presentaba pendientes pronunciadas. A continuación se presenta el cuadro de resultados del
efecto de la frecuencia de riego expresado en número de plantas.

DIAS

7 14 21 28 Total

Pendiente 1 70 73 72 72 287
Pendiente 2 68 72 75 70 285
Pendiente 3 66 68 69 76 279
Pendiente 5 66 73 79 74 292

Total 270 286 295 292 1143

Promedio 67.50 71.50 73.75 73.00

a) Efectúe el análisis de variancia y pruebe las hipótesis respectivas con un nivel de

significación de 0.05. Dé sus conclusiones en términos del enunciado del problema
EJERCICIO 3:

2. Se hace un estudio sobre la efectividad de tres marcas de spray para matar moscas. Para ello
cada spray se aplica a 100 moscas y se cuenta el número de moscas muertas. Se hacen seis
repeticiones y los resultados obtenidos se muestran en la siguiente tabla
Número de repetición
Marca de spray 1 2 3 4 5 6
1 72 65 67 75 62 73
2 55 59 68 70 53 50
3 64 74 61 58 51 69

(a) En base a la información proporcionada defina la variable respuesta, el factor, los

tratamientos, unidad experimental y observaciones.

(b) Presente el modelo aditivo lineal y explique sus componentes de acuerdo al enunciado del
problema.
(c) Estime e interprete los efectos de la media, del segundo tratamiento y del error experimental
en la segunda repetición del segundo tratamiento.

(d) ¿Se puede afirmar que se está cumpliendo el supuesto de homogeneidad de variancias?