DIRECCIN GENERAL DE EDUCACIN SUPERIOR TECNOLGICA

INSTITUTO TECNOLGICO DE CAMPECHE

INGENIERA INDUSTRIAL

MATERIA: ESTADISTICA INFERENCIAL 2

UNIDAD N: 3-4: DISEO DE EXPERIMENTOS DE UN FACTOR Y DISEODE BLOQUES

ACTIVIDAD N: DEFINICIONES DE LA UNIDAD CALIFICACIN: _______

OBSERVACIONES:

ALUMNO: QUETZ LARA EDDIER REMIGIO GUADALUPE

PROFESOR: ROMON AGUSTIN BOCOS PATRON

FECHA DE ENTREGA:

24-05-2012

CONTENIDO
ESTRATEGIA DE EXPERIMENTACIN ................................................................................................................. 3 EJEMPLO ........................................................................................................................................................................... 6 EL ANLISIS DE VARIANZA (ANDEVA)............................................................................................................... 7 MODELO ESTADISTICO LINEAL ............................................................................................................................. 9 DISEO EXPERIMENTAL COMPLETAMENTE ALEATORIZADO ............................................................ 10 EL MODELO DE EFECTOS FIJOS .......................................................................................................................... 10 EL MODELO DE EFECTOS ALEATORIOS ......................................................................................................... 11 LA SUMA TOTAL DE CUADRADOS...................................................................................................................... 12 LA TABLA DE ANDEVA ............................................................................................................................................ 12 EL DISEO DESBALANCEADO ............................................................................................................................. 13 FORMULAS ................................................................................................................................................................... 13 INTERVALOS DE CONFIANZA PARA LA MEDIA DEL TRATAMIENTO .......................................... 14 INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE 2 TRATAMIENTOS .......... 14 ANLISIS DE RESIDUALES Y VERIFICACION DEL MODELO. .................................................................. 15 PRUEBAS SOBRE MEDIAS DE TRATAMIENTOS INDIVIDUALES ........................................................... 16 COMPROBACIN GRAFICA DE MEDIAS ........................................................................................................... 16 MTODO DE LA DIFERENCIA SIGNIFICATIVA MNIMA DE FISHER .................................................... 18 EL MODELO DE EFECTOS ALEATORIOS .......................................................................................................... 18 DISEO DE BLOQUES COMPLETOS ALEATORIZADOS .............................................................................. 19 MODELO ........................................................................................................................................................................ 21 DISEO Y ANLISIS ESTADSTICO..................................................................................................................... 21 CUNDO ES NECESARIO HACER BLOQUES?................................................................................................ 22 -PRUEBA SOBRE MEDIAS DE TRATAMIENTO INDIVIDUAL ................................................................... 22 MTODO DE LA DIFERENCIA SIGNIFICATIVA MNIMA............................................................................ 23 ANLISIS DE RESIDUALES Y VERIFICACIN DEL MODELO ................................................................... 23 DISEO DE BLOQUES COMPLETOS ALEATORIZADOS CON FACTORES ALEATORIOS............... 25 DISEO DE CUADRADOS LATINOS .................................................................................................................... 25 BIBLIOGRAFA ............................................................................................................................................................ 27

ESTRATEGIA DE EXPERIMENTACIN
El diseo de Experimentos se realiza en los casos, en donde se pretende obtener la mxima informacin de un proceso en la forma mas rpida, econmica, simple y precisa, de acuerdo al objetivo planteado, al anlisis que se lleva a cabo y la eficiencia que se desea obtener. Los investigadores hacen experimentos en diferentes campos de la ciencias: biolgicas, de fsicas, qumicas, en la agrcolas, mdicas, en la administracin negocios, ingeniera industrial, ingeniera

mecnica, ingeniera civil etc Un experimento es una prueba o ensayo que sirve para realizar un anlisis de los datos en donde se hacen cambios deliberados en las variables de entrada de un proceso o sistema, esto da la oportunidad de observar e identificar las causas de los cambios en la respuesta o salida. Para el estudio del diseo de experimentos se hace necesario representar el proceso o sistema por medio de un diagrama como el que se muestra a continuacin:

X1 X2 Xn

VARIABLES CONTROLABLES.

ENTRADA

SALIDA

Y1, Y2, Y3, ..,Yn

Z1 Z2 Zn

VARIABLES NO CONTROLABLES

El proceso es una combinacin de recursos: materiales , econmicos , maquinaria, mtodos de trabajo , personas , condiciones de trabajo ( temperatura, PH, concentracin de soluciones qumicas , incentivos , etc..) y otros recursos que entran al sistema para ser transportados en una salida que tiene una o mas variables de respuestas observables donde X1, X2, X3.,Xn, son variables controlables , Z1, Z2, Z3.,Zn, son variables no controlables y Y1, Y2, Y3Yn , son variables de respuesta.

Existen diferentes definiciones de la palabra experimento ya que tambin se define o se conoce como la bsqueda planeada para obtener nuevos conocimientos o para comprobarlos; tal que estos resultados de experimentos previos ayudare en la toma de decisiones. Tales experimentos caen dentro de tres categoras que son: CATEGORIAS 1. Experimentos preliminares. 2. Experimentos Crtico. 3. Experimentos Demostraciones 1. EN UN EXPERIMENTO PRELIMINAR: El investigador prueba un nmero grande de tratamientos (diferentes niveles de estudio), con el objeto de obtener indicios para futuros trabajos, la mayora de los tratamientos aparecen en una sola vez. 2. EN UN EXPERIMENTO CRITICO: El investigador compara las respuestas a diferentes tratamientos usando un nmero suficiente de observaciones de las respuestas para tener seguridad razonable de detectar diferencias significativas.

3. LOS EXPERIMENTOS DEMOSTRATIVOS: Se llevan a cabo cuando los trabajadores de extensin comparan uno o ms tratamientos nuevos con un patrn previamente determinado. Existen tres principios fundamentales de Diseo de Experimentos que son: REPRODUCCIN: Este principio en la facultad que tenga el experimento original de repetirse y se pueda estimar el error puro o aleatorio ,lo que permitir determinar si las diferencias observadas son significativas o no. ALEATORIZACIN: Consiste en que todas las muestras deben ser tomadas al azar o aleatoriamente de la poblacin a investigar. Aun cuando se suponga que las muestras son independientes una de la otra y que solamente estn afectadas por el parmetro que se controla. CONTROL LOCAL: Se refiere tanto al tipo de Diseo de Experimental que se haya realizado como a las medidas que se toman para controlar el proceso experimental. El diseo experimental se puede usar para:

PARA

Mejorar el rendimiento del proceso. Reducir el tiempo de desarrollo. Disminuir el costo. Menor variabilidad del proceso. EL DISEO DE EXPERIMENTO SE RECOMIENDA LA SIGUIENTE

METODOLOGA.:

Comprensin y planteamiento del problema. Eleccin de factores y variables relevantes del problema. Seleccion de la (s) variable (s) de respuesta.

Eleccin del diseo experimental, decidir tamao muestral (numero de repeticiones), establacer el orden adecuado para los ensayos. Realizacin del experimento para recopilar datos. Anlisis de datos. Conclusiones y recomendaciones.

Experimento con un solo factor completamente aleatorizado

EJEMPLO
Un fabricante de papel para hacer bolsas para comestibles, se encuentra interesado en mejorar la resistencia a la tensin del producto. El departamento de ingeniera del producto piensa que la resistencia a la tensin es una funcin de la concentracin de madera dura en la pulpa y que el rango de las concentraciones de madera dura de inters practico est entre 5% y 20% .El equipo de ingenieros responsable del estudio decide investigar cuatro niveles de concentracin de madera dura: 5%, 10%, 15%, y 20% .Deciden hacer seis ejemplares de prueba con cada nivel de concentracin ,utilizando una planta piloto .Las 24 muestras se prueban , en orden aleatorio , con una mquina de laboratorio para probar la resistencia . Este es un ejemplo de un experimento con un solo factor completamente aleatorizado con cuatro niveles del factor. A los niveles del factor en ocasiones se les llama tratamientos y cada tratamiento tiene seis observaciones o rplicas .El papel de la aleatorizacin en este experimento es de suma importancia. Al aleatorizar el orden de las 24 corridas, se equilibra aproximadamente el efecto de cualquier variable perturbadora que puede influir en la resistencia a la tensin observada. Por ejemplo, suponer que hay un efecto de calentamiento en la mquina para probar

la tensin, es decir, entre ms tiempo est funcionando la mquina, mayor ser la resistencia a la tensin observada. Si las 24 corridas se hacen en orden ascendente de la concentracin de madera dura (es decir, se prueban primero los seis ejemplares con la concentracin de 5%, seguidas por los seis ejemplares con la concentracin de 10% podra ser causada por el efecto de calentamiento. Es importante analizar grficamente los datos de un experimento diseado. Y siempre es una buena idea hacer la interpretacin grafica de los datos. Los diagramas de caja muestran la variabilidad de las observaciones dentro de un tratamiento (nivel del factor) y la variabilidad entre los tratamientos. etc...), entonces cualquier diferencia observada en la resistencia a la tensin tambin

EL ANLISIS DE VARIANZA (ANDEVA)

El anlisis de varianza se define como una tcnica en la que la variacin total de un conjunto de datos se divide en varios componentes y cada uno de ellos se asocia a una fuente especfica de variacin, de manera que durante el anlisis sea posible encontrar la magnitud con la que contribuye cada una de estas fuentes a la variacin total. El desarrollo del anlisis de la varianza se debe principalmente a los trabajos de Sir. R.A.Fisher (1912-1962).El anlisis de varianza se aplica ampliamente en la investigacin, pues esta ntimamente relacionado con el diseo experimental estudiado por otras obras que realizaron Cochran, Cox, Devies Federer, Finney y Mendenhall. El Anlisis de la varianza se utiliza para dos propsitos fundamentales, que son: 1. Estimar y probar la hiptesis con respecto a varianzas poblacionales.

2. Estimar y probar la hiptesis con respecto a las medias de las poblaciones. En el anlisis de la varianza a las variables se les suele llamar factores y a los diferentes niveles de estudio de cada variable o factor se les llama tratamientos o categoras. El diseo de experimentos se define como : Factor (es)a la variable (es) que afectan el resultado del experimento o problema y tratamientos (niveles) de estudio de diferentes categoras que tiene cada factor, Por ejemplo: Si estamos comparando el tiempo promedio que tienen los corredores en una prueba atltica , puede ser el factor sexo que incluye dos niveles ( tratamientos ) de estudio que son hombres o mujer , si tomamos en cuenta otros factores como la edad ,estos pueden ser tres categoras ( tratamientos ) o niveles de estudio que pueden ser infantil, adolescente y adulto. Segn el nmero de factores que influyen en el experimento ste puede ser: 1. Experimento de un factor (simple o de una va). 2. Experimento de dos factores o experimento factorial. Cuando en un experimento se tiene que un solo factor (variable) afecta el resultado del experimento (problema) dicho factor puede clasificarse con efecto fijo o con efecto aleatorio. Se entiende que el experimento de un factor es de efecto fijo cuando los niveles o tratamientos de ese nico factor son escogidos a propsito, es decir son seleccionados por alguna razn especial por el investigador o experimentador.

SUPOSICIONES 1. NORMALIDAD: Se considera que los valores de cada grupo siguen una distribucin normal. 2. HOMOGENEIDAD DE LA VARIANZA: Se considera que la varianza dentro de cada poblacin debe ser igual para todas las poblaciones, esto se requiere para agrupar las varianzas dentro de los tratamientos de una sola fuente de variacin igual a la sucesin de sumas de cuadrados del error. 3. INDEPENDENCIA DE ERRORES: No se refiere a los errores, sino a la diferencia de cada valor con la media de su propio grupo (tratamiento). Suponiendo que deben ser independientes para cada valor, es decir que el error de una observacin no debe estar relacionado con el error de cualquier otra observacin.

MODELO ESTADISTICO LINEAL

{ Yij representa la observacin j-sima hecha bajo el tratamiento i-simo . Se considera inicialmente el caso en que hay un nmero igual de observaciones, n, para cada tratamiento.
DONDE:

Yij es una variable aleatoria que denota la observacin ij-sima , es un parmetro comn a todos los tratamientos llamado la media global ,i es un parmetro asociado con el tratamiento i-simo llamado el efecto del tratamiento i-simo , y ij es un componente del erros aleatorio.

10

Obsrvese que el modelo pudo haberse escrito como: Yij=i + ij

i= 1, 2,3, a j= 1, 2, 3..,n

Datos tpicos de un experimento con un solo factor. Tratamiento 1 2 A Observaciones Y11 Y21 Ya1 yan y12 . Y1n y22 y2n ya2 Totales Y1. Y2. ... Ya. Promedios 1. 2. a.

DISEO EXPERIMENTAL COMPLETAMENTE ALEATORIZADO

Se requiere que las observaciones se hagan en orden aleatorio y que el medio ambiente en que se aplican los tratamientos sea tan uniforme como sea posible, a este diseo se le llama diseo experimental completamente aleatorizado

EL MODELO DE EFECTOS FIJOS

El anlisis de un factor de efecto fijo tiene un modelo estadstico como el siguiente:

11

Donde: = Media General para todos los tratamientos. = Es la observacin i del tratamiento j con i = 1, 2, 3, , n (pruebas independientes, j = 1, 2, 3, , k tratamientos). = Es un parmetro asociado con el j-esimo del tratamiento (efecto tratamiento). En el modelo de efectos fijos usualmente definen los efectos de los tratamientos como decisiones de la media general, tal que .

EL MODELO DE EFECTOS ALEATORIOS

En muchas situaciones, el factor de inters tiene un gran numero de niveles posibles. El analista se interesa en sacar conclusiones acerca de la poblacin completa de los niveles del factor. Si el experimentador selecciona aleatoriamente a de estos niveles entre la poblacin de los niveles del factor, entonces se dice que el factor es un factor de aleatorio. Puesto que los niveles del factor que se usan realmente en el experimento se eligieron de manera aleatoria. El modelo lineal estadstico de efectos aleatorios es: { Donde los efectos de los tratamientos y los errores son variables

aleatorias independientes. Obsrvese que la estructura del modelo es idntica a la del caso de efectos fijos, pero los parmetros tienen una interpretacin diferente. Si la varianza de los efectos de los tratamientos es , entonces, por la independencia la varianza de la repuesta es:

12

( A las varianzas y

se les llama los componentes de la varianza, y al

modelo, la ecuacin del modelo lineal estadstico se le llama el modelo de componentes de la varianza o modelo de efectos aleatorios.

LA SUMA TOTAL DE CUADRADOS

En el anlisis de varianza se hace la participacin de la variabilidad total de los datos mustrales, en dos partes componentes. As, la prueba de la hiptesis se basa en una comparacin de dos estimaciones independientes de la varianza poblacional. La variabilidad total de los datos la describe la suma total de cuadrados

LA TABLA DE ANDEVA
Fuente variacin Tratamientos Error total de Suma de Grados libertad a-1 a(n-1) An-1 de Cuadrado medio Fo

cuadrados

13

EL DISEO DESBALANCEADO
En algunos experimentos con un solo, factor el nmero de observaciones que se hacen bajo cada tratamiento puede ser diferente. Se dice que el diseo es DESBALANCEADO. El anlisis de varianza descrito arriba sigue siendo vlido, aunque es necesario hacer ligeras modificaciones en las formulas de las sumas de cuadrados. Sea que se hagan bajo tratamiento , y sea Y observaciones. Las formulas para calcular la siguiente definicin. Las formulas para calcular las sumas de cuadrados para el anlisis de varianza con tamaos de las muestras son diferentes en cada tratamiento observaciones se presentan en . El nmero total de

FORMULAS

Elegir un diseo balanceado tiene dos ventajas importantes. Primera, el procedimiento de prueba es relativamente insensible a las desviaciones pequeas del supuesto de la igualdad de las varianzas si los tamaos de la muestra son iguales. Este no es el caso para tamaos de las muestras diferentes. Segunda, la potencia de la prueba se maximiza se las muestras son de tamaos iguales.

14

INTERVALOS DE CONFIANZA PARA LA MEDIA DEL TRATAMIENTO

La medida del tratamiento i-esimo se define como

Un estimador puntual de

es

entonces, si se supone que los y varianza Por tanto, si se (esta es la

errores tienen una distribucin normal, el promedio de cada tratamiento tiene una distribucin normal con media conociera intervalo de confianza. Usando , podra usarse la distribucin normal para construir un como estimador de ya que

desviacin estndar agrupada que aparece en la salida de minitab) el intervalo de confianza se basara en la distribucin Tiene una distribucin con grados de libertad. Esto lleva a la

siguiente definicin del intervalo de confianza. DEFINICIN Un intervalo de confianza del tratamiento i-esimo , es: por ciento para la media del

INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS DE 2 TRATAMIENTOS

Tambin es de inters encontrar intervalos de confianza para la diferencia de las medias de dos tratamientos, por ejemplo, puntual de es . El estimador ( )

y la varianza de este estimador es

15

Ahora bien, si se usa

para estimar

, entonces

Tiene una distribucin

con

grados de libertad. Por lo tanto, un puede basarse en la distribucin

intervalo de confianza para DEFINICIN Un intervalo de confianza del las medias de dos tratamientos

por ciento para la diferencia de es

Puesto que un intervalo de confianza incluye al cero, se concluira que no hay diferencia en la resistencia a la tensin, media de estos dos niveles de madera dura particulares.

ANLISIS DE RESIDUALES Y VERIFICACION DEL MODELO.

En el anlisis de varianza del modelo simple o de un solo factor, se supone que las observaciones siguen una distribucin normal e independiente con la misma varianza para cada tratamiento o nivel del factor. Estos supuestos deberan verificarse examinando los residuales. Un residual es la diferencia entre una observacin estadstico bajo y su valor estimado (o ajustado) en el modelo denotado como para el diseo es

estudio,

completamente aleatorizado

. Y cada residual es

decir, la diferencia entre una observacin y la media observada del tratamiento correspondiente.

16

El supuesto normalidad puede verificarse construyendo una grafica de probabilidad normal de los residuales. Para verificar el supuesto de la igualdad de las varianzas en cada nivel del factor, se grafican los residuales contra los niveles del factor y se compara la dispersin de los residuales. Tambin es conveniente graficar los residuos contra (llamada en ocasiones valor ajustado); la variabilidad de los residuales no deber depender en forma alguna del valor de El supuesto de independencia puede verificarse graficando los residuales contra el tiempo o en contra el orden de corridas en que se realizo el experimento. Un patrn en esta grafica, como secuencias de residuales positivos y negativos, puede indicar que las observaciones no son independientes. Esto sugiere que el tiempo o el orden de las corridas es importante o que las variables que cambian con el tiempo son importantes y no se han incluido en el diseo experimental.

PRUEBAS SOBRE MEDIAS DE TRATAMIENTOS INDIVIDUALES

Supngase que el anlisis nulo deber rechazarse. Esto implica, desde el luego diferencias entre medias de los tratamientos, pero sin especificar exacta mente cuales medias son diferentes. Evidentemente, en una situacin as se justifica la comparacin adicional de las medias de los tratamientos. A los procedimientos para comparar las medias de tratamientos individuales en el anlisis de la varianza por lo general se le llama mtodos de comparacin mltiple.

COMPROBACIN GRAFICA DE MEDIAS

Suponga que el factor tiene niveles y que son los promedios

observados de estos niveles de factor. Todos los promedios de los

17

tratamientos tienen desviacin estndar

, donde

es la desviacin

estndar de una observacin individual. Si todos los promedios de los tratamientos son iguales, las medias observadas . Se comportaran como si fueran un conjunto de observaciones tomadas al azar de una distribucin normal con media y desviacin estndar .

Imaginar que una distribucin normal puede deslizarse sobre un eje abajo del cual se grafican las medias de los tratamientos si todas las medias de los tratamientos son iguales, deber haber alguna posicin para esta distribucin que haga evidente que los valores . se tomaron de la misma distribucin. Si no es este el caso, entonces los valores de . que no parecen haberse sacado con esta distribucin, se asocian con tratamientos que producen respuestas medias diferentes. La nica falla en este razonamiento es que puede usarse no se conoce. Sin embargo,

del anlisis de varianza para estimas . Esto implica que en lugar de la normalidad al hacer y la normal, unidades

deber usarse una distribucin

grfica, pero dada la gran semejanza entre la distribucin trazar una curva normal que tenga aproximadamente de ancho funcionara bien en la mayora de los casos.

Este procedimiento es una tcnica de comparacin mltiple aproximada pero muy eficaz. Sin embargo, hay procedimientos de prueba con fundamentos estadsticos ms formales

18

MTODO DE LA DIFERENCIA SIGNIFICATIVA MNIMA DE FISHER

El mtodo de la LSD de Fisher compara todos los pares de medias con las hiptesis nulas de (para toda Suponiendo que una hiptesis alternativa de dos colas, el par de medias y se declarara significativamente que s | | ) utilizando el estadstico

Donde LSD, la diferencia significativa mnima, es LSD =

Si los tamaos de las muestras son diferentes en cada tratamiento, entonces la LSD se define como LSD = ( )

EL MODELO DE EFECTOS ALEATORIOS

El analista se interesa en sacar conclusiones acerca de la poblacin completa de los niveles de factor. Si el experimentador selecciona aleatoriamente de estos niveles entre la poblacin de los niveles del factor, entonces se dice que el factor es un factor aleatorio. Puesto que los niveles del factor que se usan realmente en el experimento se eligieron de manera aleatoria, las conclusiones alcanzadas sern vlidas para la poblacin completa de los niveles del factor. Se supondr que la

19

poblacin de los niveles del factor es de tamao infinito o bien lo suficientemente grande como para considerarlo infinito. El modelo lineal estadstico es { Donde los efectos de los tratamientos aleatorias independientes. es Si la y los errores de los son variables de los

varianza

efectos

tratamientos respuesta, es V =

, entonces, por la independencia la varianza de la

A las varianzas

se les llama los componentes de la varianza, y al

modelo, la ecuacin se le le llama el modelo de componentes de la varianza o modelo de efectos aleatorios.

DISEO DE BLOQUES COMPLETOS ALEATORIZADOS

Al estudiar la influencia de un factor sobre una variable cuantitativa es frecuente que aparezcan otras variables o factores que tambin influyen y que deben ser controladas. A estas variables se las denomina variables bloque, y se caracterizan por:

No son el motivo del estudio sino que aparecen de forma natural y obligada en el mismo. Se asume que no tienen interaccin con el factor en estudio.

Ejemplo. Se quieren determinar las necesidades energticas de una persona cuando anda, come o hace deporte. Supongamos que se tienen 10 personas para realizar el experimento y se considera como variable respuesta o cuantitativa, el nmero de caloras consumidas por segundo.

20

Los resultados varan segn el individuo considerado. Aqu, el factor es la actividad realizada, con 3 posibles niveles: andar, comer o hacer gimnasia. Si a cada una de las personas se le asigna una actividad distinta puede ser que la variabilidad observada entre las distintas actividades sea debida a las diferencias entre los propios individuos. Una posible solucin es que cada uno de los individuos realice las tres actividades. De este modo, la variable bloque es el tipo de persona y cada uno de los bloques es cada persona.

A cada bloque (persona) se le aplican los 3 niveles del factor por orden aleatorio: Persona 1 Persona 2 Persona 10 C A G G A C A G C

Una variable bloque no presenta interaccin con los factores en estudio. El modelo se dice que es de bloques aleatorizado completos cuando en cada bloque se presentan todos los posibles tratamientos (o un mltiplo de ese nmero) y dentro de cada bloque se asignan los tratamientos de forma aleatoria. En ocasiones no se pueden asignar todos los tratamientos sobre cada bloque, de modo que se tienen los diseos por bloques aleatorizado incompletos.

21

MODELO
Suponemos que el nmero de unidades experimentales para cada bloque coincide con el nmero de tratamientos, esto es, hay una observacin para cada cruce de los niveles del factor y del bloque. La variable respuesta Y puede depender de un primer factor de inters (A) y de la variable bloque (B). El modelo es: Yij = + i + j + ij para i = 1, . . . , a y j = 1, . . . , b, siendo:

el efecto medio global i el efecto incremental sobre la media causado por el nivel i del factor A j el efecto incremental sobre la media causado por el nivel j del bloque B ij el trmino de error.
DISEO Y ANLISIS ESTADSTICO
Los resultados de la mayora de los experimentos deben ser evaluados por un. El anlisis estadstico adecuado, aunque, en algunos casos, los resultados son tan claros que es obvio que cualquier estadstica anlisis estadstico no alterara la interpretacin. El anlisis debe reflejar el propsito del estudio. Por lo tanto, el objetivo de un anlisis exploratorio es identificar patrones en los datos sin mucho nfasis en la comprobacin de hiptesis, el objetivo de un experimento de confirmacin es probar una o una prepocos hiptesis planteadas, y los experimentos encaminados a estimar un parmetros tales como la vinculacin gentica requiere es apropiado

22

para naciones y los errores estndar. El objetivo general, sin embargo, es extraer todo el presente informacin til en los datos en un manera que se puede interpretar, teniendo en cuenta de la diversidad biolgica variabilidad y el error de medicin. Es particularmente til en la prevencin de reclamaciones injustificadas sobre el efecto de un tratamiento cuando los resultados podran ser explicados por muestreo variacin. Tenga en cuenta que es posible que un efecto como para ser significativo ticamente significativa, pero de una importancia biolgica muy poca o ninguna.

CUNDO ES NECESARIO HACER BLOQUES?

El diseo de bloque aleatorizados es una ampliacin de la prueba T pareada en situaciones en las que el factor de inters tiene mas de dos niveles., es decir, deben compararse mas de dos tratamientos. El procedimiento general de un diseo de bloques completos

aleatorizados consiste en seleccionar b bloques y correr una replica completa del experimento en cada bloque.

-PRUEBA SOBRE MEDIAS DE TRATAMIENTO INDIVIDUAL

Si los datos que deseamos analizar cumplen los supuestos necesarios establecidos para poder aplicar pruebas paramtricas, la prueba t de Student para datos independientes o el anlisis de la varianza (ANOVA) son las ms indicadas para comparar las medias de una caracterstica entre dos o ms grupos. La prueba t de Student para datos independientes se utiliza cuando deseamos comparar nica y exclusivamente las medias entre dos grupos (por ejemplo deseamos saber si la altura vara segn el

23

gnero), mientras que el ANOVA resulta conveniente cuando deseamos comparar las medias entre ms de dos grupos.

MTODO DE LA DIFERENCIA SIGNIFICATIVA MNIMA

Es la diferencia entre dos medias, basadas en la prueba t de Student, empleando el valor de la varianza del error. El valor de la LSD se encuentra referido a la distribucin de t por la siguiente relacin:

Donde (LSD) Q es la mnima diferencia significativa para un riesgo determinado; es el valor de la tabla para a y el nmero de grados de es la media de los cuadrados del error residual en libertad asociado con la media de los cuadrados del error en la tabla resumen del ANOVA; la tabla resumen del ANOVA; n es el nmero de observaciones implcito en cada media de los tratamientos. El trmino media y el factor 2 aparece es el error tpico de la, en la ecuacin

porque en esta prueba se estn comparando dos medias.

ANLISIS DE RESIDUALES Y VERIFICACIN DEL MODELO

Como en cualquier modelo estadstico hay que contrastar que se verifican las hiptesis del modelo. Esto se hace, bsicamente, por medio del anlisis de los residuos. Todo lo estudiado sobre este particular en el modelo de un

24

solo factor (diseo completamente aleatorizado) sigue siendo vlido para este modelo. Se contrastarn las hiptesis de: Normalidad de los residuos. Homocedasticidad: la varianza en los diferentes niveles de cada uno de los dos factores es constante. Independencia de los residuos. Homogeneidad de los datos, todos provienen de la misma distribucin y no hay datos atpicos No existe interaccin entre los dos factores. El concepto de interaccin se estudia con mayor detalle en la seccin siguiente. Intuitivamente y basndose en el ejemplo. que no exista interaccin entre el factor tratamiento T y el factor bloque B significa que la velocidad de impresin de una determinada impresora es mayor (o menor) de la media global independientemente de la foto que imprima (del bloque). Si existe interaccin entre T y B , el modelo de bloques completamente

aleatorizado no es adecuado y hay que tratar el factor bloque como un factor tratamiento (T ). Se tiene entonces un diseo de experimentos con dos factores (tratamiento) y el modelo matemtico es

el parmetro ( nivel j del factor T

)ij representa la interaccin del nivel i del factor T

con el

25

DISEO DE BLOQUES COMPLETOS ALEATORIZADOS CON FACTORES ALEATORIOS

DISEO DE CUADRADOS LATINOS

El diseo de cuadros latinos se usa para eliminar dos fuentes de variabilidad problemtica permitiendo analizar sistemticamente por bloques en dos direcciones. En el diseo de cuadros latinos se tiene el factor I que tiene m filas, y el factor II que tiene m columnas y el tratamiento a evaluar con m tipos de resultados identificados con las letras latinas a,b,c,d,e,m por eso se les llama cuadro latino. En este diseo tanto como las filas y las columnas son ortogonales a los tratamientos. Un cuadro latino de m x m es un arreglo cuadrado de m letras distintas las cuales aparecen una vez en cada rengln y en cada columna. Se puede tener un experimento de cuadros latinos sin repeticin, para el cual el modelo estadstico es;

Donde: Es la observaciones del i-simo rengln, j-esima columna, k-simo tratamiento. = medida general El i-simo efecto del rengln (fila) El j-simo efecto de la columna. El k-simo efecto del tratamiento.

26

El error aleatorio.

27

BIBLIOGRAFA Montgomery, D. C. (2011). Probabilidad y Estadistica. aplicadas a la Ingenieria. LIMUSA WILEY.