Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Jos´e R. Berrendero
Departamento de Matem´aticas
Universidad Autonoma de Madrid
El abeto posee una regeneraci´on natural escasa por lo que puede resultar
conveniente incrementar su producci´on de semillas mediante un
tratamiento hormonal. Se desean comparar cuatro tipos de hormonas A,
B, C y D. Las condiciones naturales de reproducci´on en ´arboles diferentes
no son las mismas. Para controlar este efecto, se han seleccionado 10
´arboles y en cada ´arbol 4 ramas similares. Cada rama recibe exactamente
uno de los 4 tratamientos. Tras aplicar los tratamientos se mide el nu´mero
de semillas producidas en cada rama.
Ejemplo
A´rbol A B C D Media
1 89 59 20 51 54.75
2 87 56 15 47 51.25
3 84 52 14 45 48.75
4 92 67 26 56 60.25
5 95 70 28 60 63.25
6 90 62 22 53 56.75
7 89 60 19 51 54.75
8 88 56 17 50 52.75
9 82 50 14 45 47.75
10 94 63 24 53 58.50
Media 89.0 59.5 19.9 51.1 54.875
Parte de la variabilidad en la respuesta hay que asignarla a las
diferencias entre los ´arboles.
¿C´omo habr´ıa que haber hecho el experimento para que s´ı fuese
apropiado el modelo unifactorial?
A veces las diferencias entre los niveles de cierto factor no son de inter
´es directo, pero se disen˜a el experimento teniendo en cuenta este
factor para reducir la variabilidad no explicada.
Factor β
1 2 ·· J Medias por filas
·
1 Y11 Y12 . . . Y1J Y¯1·
Factor α
2 Y21 Y22 . . . Y2J Y¯2·
. . . .
I YI 1 YI 2 ... YIJ Y¯I ·
Y¯ Y¯ Y¯ Y¯
Medias por columnas ·1 ·2 ·J ··
Modelo general
donde los errores aleatorios uij verifican las hip´otesis habituales, es decir,
distribuci´on normal de media 0 y varianza σ2 e independencia.
Con los datos de los abetos no es posible ajustar el modelo general porque
el nu´mero de par´ametros (41) es mayor que el nu´mero de datos (40).
Para i = 1, . . . , I y j = 1, . . . , J,
Yij = µ + αi + βj + uij ,
Σ Σ
donde i αi = j βj = 0 y las variables son independientes.
2 4 6 8 10
Árbol
Par´ametro Estimador
µ µˆ = Y¯.
αi αˆi= Y¯.i − Y¯.
βj
βˆ=j Y¯.j− Y¯.
Calcula los estimadores de los par´ametros µ y βj para j = 1, 2, 3, 4 en el
ejemplo de los abetos.
Calcula la descomposici´on Yij = Yˆij+ eij para la primera fila de datos del
ejemplo (es decir, cuando i = 1).
i .. j ¯ i j
i j ..
i i ¯..
Suma de cuadrados debida al factor β:
Σ Σ
SCE(β) = I βˆ j2 = I ¯.j− Y )
(Y 2
j j ¯..
Tabla ANOVA
Variable
dependiente:semilas Sumade
cuadr Medai
Origen ados gl cuadr F Sig.
tipo III ática
Modelo corregido 25120,700 a 12 2093,392 1137,8 ,000
27
Intersección 120450,6 1 120450,6 65468, ,000
25 25 885
arbol 886,625 9 98,514 53,546 ,000
hormona 24234,07 3 8078,025 4390,6 ,000
5 73
Error 49,675 27 1,840
Totaa.l R cuadrado =145621,0
,998 (R cuadrado corregi
40da
= ,997) 00
Total corregida 25170,37 39
5
Tabla ANOVA con SPSS (interpretaci
´on)
Calcular α = α T /m.
Comparaciones múltiples
Bonferroni
Intervalo de confianza 95%
Diferencia de Límite
(I)hormona (J)hormona medias (I-J) Error típ. Sig. Límite inferior superior
22
Medias para cada combinaci´on de
20
niveles (Y¯ji .):
Pérdida de peso
18
Dieta 1
Mujeres 12.72 17.82
16
Hombre 22.28 17.92
Dieta 2
s 14
1 2
Dieta
Modelo bifactorial con
interacciones
Vamos a escribir el modelo de manera que los par´ametros reflejen los
efectos principales de cada factor y las interacciones.
αi = µ¯. −
i µ¯.
βj = µ¯. −
j µ¯.
donde ΣI ΣJ ΣI ΣJ
αi = βj = (αβ) ij = (αβ)ij= 0
i =1 j =1 i =1 j =1
Par´ametro Estimador
µ µˆ = Y¯.
αi
αˆi = Y¯i.. − Y¯...
βj
(αβ)ij βˆj = Y¯.j. − Y¯...
Calcula la descomposici´on Yijk = Yˆijk + eijk para las 5 mujeres que siguen la
dieta 1 en el ejemplo.
(Y i ...
j
Σ Σ
SCE(α) = JK αˆ2i = JK (Y
k ¯i .. − Y ) 2
¯...
Suma de cuadrados debida ial factor α: i
Suma de cuadrados debida al factor
β: Σ Σ
SCE(β) = IK ˆ j2 = IK
β ¯.j . − Y ) 2
(Y
j j ¯...
Descomposici´on de la
variabilidad
Variable
dependiente:Peso Suma de
cuadra Media
Origen dos gl cuadrá F Sig.
tipo III tica
Modelo corregido 229,194 a 3 76,398 1,731 ,201
Intersección 6255,185 1 6255,185 141,72 ,000
6
Sexo 116,645 1 116,645 2,643 ,124
Dieta ,685 1 ,685 ,016 ,902
Sexo * Dieta 111,865 1 111,865 2,535 ,131
Error 706,172 16 44,136
Total 7190,550 20
Total
a. R
corregi
cuadrado
da = ,245
935,366
(R cuadrado corregi
19
da
= ,103)
Tabla ANOVA con SPSS (interpretaci
´on)
Modelo corregido SCE(α) + SCE(β) + SCE(αβ) =
Intersecci´on 229,194
nY¯...2 = 6255,185
sexo SCE(α) = 116,645
dieta SCE(β) = 0,685
sexo * dieta SCE(αβ) = 111,865
Error SCR
Σ Σ= Σ 2
Total 706,172
i j k Y ijk =
Total SCT = 7190,550
corregida 935,366
Coeficiente de determinaci´on:
7190,550
Contrastes sobre los efectos de los factores en la respuesta
Contraste: H0 : β1 = · · · = βJ =
Bajo H0,
SCE(β) 2
≡ χJ − 1 .
σ2
Contrastes sobre los efectos de los factores en la respuesta
Bajo H0,
SCE(β)/(J − 1)
F (β) = ≡ J − 1, IJ ( K − 1)
F SCR/[IJ(K −
1)]
. Σ
R= F (αβ) > F (I − 1)(J − 1),IJ(K − 1),α ,
donde
SCE(αβ)/[(I − 1)(J − 1)]
F (αβ) = SCR/[IJ(K − 1)]
tiene distribuci´on F ( I − 1 ) ( J − 1 ) , I J ( K − 1 ) bajo H0.
Calcula los residuos para las observaciones correspondientes al tratamiento del apartado
anterior.
¿Hay alguna diferencia entre las conclusiones obtenidas usando el modelo aditivo y usando
el modelo con interacciones?
Tabla ANOVA para el modelo
aditivo
Pruebas de los efectos inter-
sujetos
Variable dependiente: producto
Suma de
cuadr Media
Fuente ados gl cuadr F Significa
tipo III ática ción
Modelo corregido 168,000a 5 33,600 4,582 ,007
Intersección 2400,00 1 2400,00 327,27 ,000
0 0 3
cataliza 48,000 2 24,000 3,273 ,061
reactivo 120,000 3 40,000 5,455 ,008
Error 132,000 18 7,333
Total 2700,00 24
a.R cuadrado = ,560 (R cuadra0do corregida
Tot
=al,4corregi
38) da 300,000 23
Modelos con tres o m´as factores
En este disen˜o cada nivel de un factor aparece una u´nica vez con cada uno
de los niveles de los otros factores.
Disen˜o por cuadrados latinos
Disen˜o por cuadrados latinos: ejemplo
En un estudio se mide la velocidad de lectura (nu´mero de palabras le´ıdas
por minuto) bajo distintas circunstancias:
Tipo de papel: Satinado, Blanco o Color.
Taman˜o de letra: Grande, Normal o Pequen˜a.
Iluminaci´on: Natural (A), Muy fuerte (B),
Escasa (C).
Variable dependiente:Velocidad
Suma de
cuadrad Media
Origen os tipo gl cuadráti F Sig.
III ca
Modelo corregido 2329,333 a 6 388,222 89,590 ,011
Intersección 527076,000 1 527076,000 121632,92 ,000
3
Iluminacion 1938,667 2 969,333 223,692 ,004
Tamaño 268,667 2 134,333 31,000 ,031
Papel 122,000 2 61,000 14,077 ,066
Error 8,667 2 4,333
Total 529414,000 9
Total
a. corregida
R cuadrado = ,9962338,000
(R cuadrado corregida8
= ,985)