Académique Documents
Professionnel Documents
Culture Documents
Ejemplo
Mtodo 1
Mtodo 1
No es necesariamente cierto.
Los primeros cuatro conejos atrapados pueden ser los ms
lentos y dbiles, aquellos menos capaces de escapar. Esto
puede sesgar los resultados.
Si los resultados del experimento dan desventaja a la dieta A,
no habr forma de determinar si los resultados son a
consecuencia de la dieta A o del hecho de haber asignado los
conejos ms dbiles a esa dieta por nuestro "proceso de
aleatorizacin".
Mtodo 2
Mtodo 2
No hay repeticiones.
El diseo es un diseo completamente al azar pero no tiene
repeticiones.
Hay 16 conejos, pero los conejos en cada jaula no son
independientes. Si un conejo come mucho, los otros en la
jaula tienen menos para comer.
La unidad experimental es la menor unidad de material
experimental a la cual se le aplica un tratamiento en forma
independiente. En este caso, las jaulas son las unidades
experimentales. Para un diseo completamente al azar con
repeticiones, cada conejo debe estar en su propia jaula.
Mtodo 3
Mtodo 3
Mtodo 4
A
B
C
D
A
B
C
D
A
B
C
D
Mtodo 4
Mtodo 5
5
6
7
8
9
10
11
12
13
14
15
16
Mtodo 5
5
6
7B
8
9
10
11
12
13
14
15
16
Mtodo 5
5A
6B
7B
8A
9B
10 D
11 A
12 C
13 D
14 C
15 D
16 B
Cmo aleatorizar?
Se obtiene una permutacin aleatoria de los nmeros 1 a 12. Para esto se
toma una secuencia de nmeros de 2 dgitos de una tabla de nmeros
aleatorios y se les asigna el rango que les corresponda.
Por ejemplo:
# aleatorio
rango
trat
u.e.
trat
52
6
1
1
1
56
7
1
2
3
20
1
1
3
2
99
12
2
4
4
44
5
2
5
2
34
3
2
6
1
62
10
3
7
1
60
9
3
8
4
31
2
3
9
3
57
8
4
10
3
40
4
4
11
4
78
11
4
12
2
bistec
6
7
1
12
5
3
10
9
2
8
4
11
trata
miento
1
1
1
2
2
2
3
3
3
4
4
4
obser
vacin
1
2
3
1
2
3
1
2
3
1
2
3
log
(conteo/cm2 )
7.66
6.98
7.80
5.26
5.44
5.80
7.41
7.33
7.04
3.51
2.91
3.66
yij
Modelo
y11
y12
y13
y21
y22
y23
y31
y32
y33
y41
y42
y43
1 + 11
1 + 12
1 + 13
2 + 21
2 + 22
2 + 23
3 + 31
3 + 32
3 + 33
4 + 41
4 + 42
4 + 43
El modelo:
yij = i + ij
lo llamaremos modelo completo ya que incluye una media
separada para cada una de las poblaciones definidas por los
tratamientos.
Si no hay diferencia entre las medias de las poblaciones, es
decir,
1 = 2 = 3 = 4 =
se genera el modelo reducido
yij = + ij
que establece que las observaciones provienen de la misma
poblacin con media .
yij = + ij
yij = i + ij
yij
ij
SSEc
= i + ij i = 1, . . . , t j = 1, . . . , r
= yij i
=
r
t X
X
i=1 j=1
2ij =
r
t X
X
i=1 j=1
(yij i )
Para una i:
r
X
2
(yij i )
i j=1
= 2
igualando a cero
r
X
2
(yij
i ) = 0
r
X
j=1
(yij i )
j=1
r
X
j=1
yij ri
= 0
Pr
j=1
yij
= yi.
Por lo tanto,
i = yi
i = 1, . . . , t
Entonces,
SSEc
t X
r
X
i=1 j=1
t X
r
X
i=1 j=1
(yij
i )
(yij yi. )
t
r
X
X
2
=
(yij yi. )
i=1
j=1
)
ij
i.
j=1
Si2 =
r1
i = yi.
Pr
2
)
(y
ij
i.
j=1
comercial
7.66
6.98
7.80
7.48
0.3848
vaco
5.26
5.44
5.80
5.50
0.1512
mezcla
7.41
7.33
7.04
7.26
0.0758
CO2
3.51
2.91
3.66
3.36
0.3150
SSEc
0.9268
=
= 0.11585
t(r 1)
4(2)
yij
ij
= + ij
= yij
SSEr
t X
r
X
2ij =
i=1 j=1
i=1 j=1
t X
r
X
XX
2
(yij )
i=1 j=1
= 2
igualando a cero
t X
r
X
i=1 j=1
(yij )
t X
r
X
i=1 j=1
t X
r
X
(yij )
yij
i=1 j=1
rt = y..
y..
=
= y..
rt
Diseo de experimentos p. 32/112
Entonces,
SSEr =
t X
r
X
i=1 j=1
(yij
) =
t X
r
X
i=1 j=1
(yij y.. )
Para el ejemplo,
70.80
= 5.90
= y.. =
12
Tratamiento
Comercial
Vaco
Mezcla
CO2
Observado
y
7.66
6.98
7.80
5.26
5.44
5.80
7.41
7.33
7.04
3.51
2.91
3.66
Modelo reducido
yij = + ij
Estimado Diferencia
(yij
)
5.90
1.76
5.90
1.08
5.90
1.90
5.90
-0.64
5.90
-0.46
5.90
-0.10
5.90
1.51
5.90
1.43
5.90
1.14
5.90
-2.39
5.90
-2.99
5.90
-2.24
SSEr = 33.7996
Modelo completo
yij = i + ij
Estimado Diferencia
i
(yij
i )
7.48
0.18
7.48
-0.50
7.48
0.32
5.50
-0.24
5.50
-0.06
5.50
0.30
7.26
0.15
7.26
0.07
7.26
-0.22
3.36
0.15
3.36
-0.45
3.36
0.30
SSEc = 0.9268
Diseo de experimentos p. 34/112
yij = i + ij
yij = + ij
Diferencia:
SSEr SSEc
XX
i
haciendo lgebra
=
XX
i
P P
SSEc = i j (yij yi. )2 = 0.9268
P P
SSEr = i j (yij y.. )2 = 33.7996
2
(yij y.. )
2
XX
(
yi. y.. ) = r
(yij yi. )2
(
yi. y.. )2
(yij y.. )2
desviacin de la
observacin ij
con respecto a
la media general
= SSt + SSEc
XX
XX
2
=
(
yi. y.. ) +
(yij yi. )2
i
desviacin de la
media del grupo
con respecto a
la media general
desviacin de la
observacin ij
con respecto a
la media de su grupo
Diseo de experimentos p. 36/112
XX
i
(yij y.. )
XX
i
2
XX
i
XX
i
[(yij yi. ) + (
yi. y.. )]
(yij yi. ) +
XX
i
(yij yi. )(
yi. y.. ) =
=
XX
i
(
yi. y.. )2
(yij yi. )(
yi. y.. )
X
i
X
i
(
yi. y.. )
X
j
(yij yi. )
(
yi. y.. )(yi. r
yi. ) = 0
ANOVA
F.V.
Tratamientos
Error
Total
g.l.
t1
nt
n1
SS
SSt
SSE
SStotal
CM
CMt = SSt /t 1
CM E = SSE/n t =
2
= 2
t
E (CMt )
1 X
2
= +
r(i
)2 ;
t 1 i=1
i /t
Si suponemos ij N ID(0, 2 ) i = 1, . . . , t
en el modelo completo yij = i + ij
j = 1, . . . , r
n1
2
2
P P
2
(y
)
SSE
ij
i.
i
j
2
=
nt
2
2
Cuando
SSt
2
H0 : 1 = 2 = . . . = t es cierta
P
2
r(
y
)
i.
..
2
i
=
t1
2
F0 > Ft1,nt
Diseo de experimentos p. 41/112
ANOVA
F.V.
Tratamientos
g.l.
t1
SS
SSt
CM
CMt =
Error
nt
SSE
CM E =
Total
n1
SStotal
SSt
t
X
i=1
SSE
SSt
t1
CMt
CM E
SSE
nt
E(CM )
2 + t2
2
r (
yi. y.. )
r
t X
X
i=1 j=1
SStotal
t X
r
X
i=1 j=1
(yij yi. )
(yij y.. )
g.l.
3
8
11
SS
32.8728
0.9268
33.7996
CM
10.958
0.1159
F
94.55
Pr > F
0.000
2
y21
y22
y23
.
.
.
y2n2
y2.
y2.
tratamientos
3
... t
y31
... yt1
y32
... yt2
y33
... yt3
.
... .
.
... .
.
... .
y3n3 ... ytnt
y3.
... yt.
y3.
... yt.
totales
medias
n
yi.
yi.
y..
=
=
=
=
t
X
i=1
ni
X
ni
yij i = 1, . . . , t total tratamiento i
j=1
Pni
j=1
yij
ni
ni
t X
X
i=1 j=1
y..
i = 1, . . . , t media tratamiento i
yij =
t
X
i=1
y..
media general
n
Modelo de efectos
Modelo de efectos
Modelo de efectos
Modelo de efectos
ni
t X
X
2ij
i=1 j=1
i
XX
(yij i )2
i=1 j=1
ni
t
XX
(yij i )2
i i=1 j=1
ni
t X
X
i=1 j=1
= 2
= 2
(yij i )2
ni
t X
X
i=1 j=1
ni
X
j=1
(yij i )
(yij i )
i = 1, . . . , t
Modelo de efectos
Igualando a cero:
ni
t X
X
yij
= n
+
i=1 j=1
n1
X
t
X
ni i
i=1
y1j
= n1
+ n1 1
n2
X
y2j
= n2
+ n2 2
nt
X
ytj
j=1
j=1
...
...
= nt
+ nt t
j=1
Modelo de efectos
= y..
i = yi. y.. i = 1, . . . , t
b)
=0
= 0
i = yi. i = 1, . . . , t
c)
1 = 0
= y1.
i = yi. y1. i = 2, . . . , t
Diseo de experimentos p. 56/112
Modelo de efectos
F.V.
g.l.
SS
CM
t1
SSt
CMt =
Error
nt
SSE
CM E =
Total
n1
SStotal
SSt =
i=1
SSE =
ni (
yi. y.. )
ni
t X
X
i=1 j=1
SStotal =
ni
t X
X
i=1 j=1
(yij yi. )
(yij y.. )
CMt
CM E
SSt
t1
Tratamientos
t
X
E(CM )
SSE
nt
ni (i
)2
t1
y..2
ni
n
i.
ni
t X
X
ni
t X
X
i=1 j=1
i=1 j=1
t
X
y2
i=1
t
X
i=1
2
yij
2
yij
t
X
y2
i.
i=1
ni
y..2
ni
Diseo de experimentos p. 58/112
Intervalos de confianza
i = yi.
Sy2i.
S
=
ni
con S = CM E =
Syi. =
CM E
ni
yij N i ,
entonces
yi. N i , /ni
yi. i
tnt
Syi.
Por lo tanto, un intervalo del (1 )100% de confianza para i
es
1/2
yi. tnt (Syi. )
Diseo de experimentos p. 59/112
Contrastes
i = yi.
Comercial
7.48
Al vaco
5.50
CO,O2,N
7.26
CO2
3.36
Contrastes
t
X
ki i = k1 1 + k2 2 + . . . + kt t
i=1
donde
Pt
i=1
ki = 0.
Contrastes
1
(3 + 4 )
2
Contrastes
t
X
ki i
es
C =
t
X
Si suponemos que
yij N i ,
yi. N i , /ni
Por lo tanto,
C =
t
X
i=1
ki yi. N
t
X
i=1
ki yi.
i=1
i=1
i=1
entonces
ki
i =
t
X
ki i ,
t
X
i=1
ki
ni
Contrastes
Ya que:
E
t
X
ki yi.
i=1
t
X
i=1
ki yi.
t
X
ki E (
yi. ) =
t
X
ki i
i=1
i=1
t
2
2
X
k
i
2
2
2
=
=
k
k
V
(
y
)
=
i.
i
i
|{z}
ni
n
i=1 i
i=1
i=1
m.indep
t
X
t
X
t
t
2
2
X
X
k
k
i
i
2
= CM E
V C =
n
n
i=1 i
i=1 i
Contrastes
Entonces,
Pt
Pt
i. i=1 ki i
i=1 ki y
q
tg.l.error
Pt
CM E i=1 ki2 /ni
De aqu un intervalo del 100(1 )% de confianza para el
contraste C es:
v
u
t
X
u
1/2
ki2 /ni
C tg.l.error tCM E
i=1
Contrastes
Adems,
Si H0 :
Pt
i=1
C C
q P
N (0, 1)
t
2 i=1 ki2 /ni
Sea
Pt
2
2 /n
k
i
i
i=1
SSc = Pt
21
C 2
2 /n
k
i
i=1 i
entonces
Pt
2
Contrastes
ni
=0
Contrastes
C1
C2
C3
k1
1
0
0
k2
-1/3
1
0
k3
-1/3
-1/2
1
k4
-1/3
-1/2
-1
ANOVA
g.l.
3
1
1
1
8
11
SS
32.8728
10.01
0.07
22.82
0.9268
33.7996
CM
10.958
10.01
0.07
22.82
0.1159
F
94.55
86.29
0.62
196.94
Pr > F
0.000
0.000
0.453
0.000
Se rechaza H0 : 1 = 2 = 3 = 4
Se rechaza H01 : 1 = 31 (2 + 3 + 4 )
No se rechaza H02 : 2 = 21 (3 + 4 )
Se rechaza H03 : 3 = 4
SSC1 =
1
r
2
C1
P4
i=1
ki2
(2.11)2
12 +3(1/3)2
3
4.4521
= 10.01
0.4444
Diseo de experimentos p. 69/112
Otro ejemplo
Otro ejemplo
Tratamiento (marca)
A
B
C
63
60
59
68
65
66
71
61
58
70
59
69
ni
yi.
yi.
5
341
68.2
3
186
62.0
4
242
60.5
D
70
69
62
71
70
66
6
408
68.0
Otro ejemplo
Comparaciones mltiples
= j
6= j i 6= j
Comparaciones mltiples
tc tni +nj 2
1/2
tc tni +nj 2
|
y yj. |
1/2
qi.
> tni +nj 2
sp n1i + n1j
|
yi. yj. | >
1/2
tni +nj 2
sp
1
1
+
ni
nj
Diseo de experimentos p. 74/112
Comparaciones mltiples
1
1
1/2
+
|
yi. yj. | > DM S = tglerror CM E
ni
nj
se rechaza H0 : i = j .
CM E es el cuadrado medio del error que es una estimacin
ponderada de la varianza basada en t estimaciones de la
varianza.
El utilizar este procedimiento no es conveniente por que el
nivel de significancia global, es decir, para el conjunto de todas
las pruebas, resulta muy superior al nivel de significancia ()
planeado.
Diseo de experimentos p. 75/112
Comparaciones mltiples
Comparaciones mltiples
Comparaciones mltiples
Comparaciones mltiples
1 (1 c )n
de aqu
1 (1 E )1/n
Comparaciones mltiples
# de pruebas
indep. n
1
2
3
4
5
10
E cuando
c = 0.05
0.05
0.098
0.143
0.185
0.226
0.401
c cuando
E = 0.05
0.05
0.025
0.017
0.013
0.010
0.005
Bonferroni
E nc
Tukey
DM SH = qt,glerror
si ni = r i
r
s
1
CM E 1
+
DM SH = qt,glerror
2
ni
nj
Si |
yi. yj. | > DM SH se rechaza H0 : i = j .
q1 ,2 se obtiene de las "tablas de rangos estudentizados".
Tukey
Comercial
7.48
Al vaco
5.50
CO,O2,N
7.26
CO2
3.36
0.116
= (4.53)(0.197) = 0.891
3
|
y1. y2. |
|
y1. y3. |
|
y1. y4. |
|
y2. y3. |
|
y2. y4. |
|
y3. y4. |
=
=
=
=
=
=
1.98
0.22
4.12
1.76
2.14
3.90
Diseo de experimentos p. 83/112
Student-Newman-Keuls (SNK)
kp = qp,f
Syi. p = 2, 3, . . . , t
donde qp,f
es el percentil 1 de la distribucin del rango
estudentizado para el nmero p de medias
q involucradas en la
CM E
r
Student-Newman-Keuls (SNK)
yi.
Comercial
7.48
Al vaco
5.50
CO,O2,N
7.26
CO2
3.36
Medias ordenadas:
y4. = 3.36 y2. = 5.50 y3. = 7.26 y1. = 7.48
|
y4. y1. |
|
y4. y3. |
|
y4. y2. |
|
y2. y1. |
|
y2. y3. |
|
y3. y1. |
=
=
=
=
=
=
4.12 > k4
3.90 > k3
2.14 > k2
1.98 > k3
1.76 > k2
0.22 < K2 (N.S.)
Duncan
i=1
1
ni
Duncan
Rp = rp,f
Syi. p = 2, 3, . . . , t
Duncan
yi.
Comercial
7.48
Al vaco
5.50
CO,O2,N
7.26
CO2
3.36
Medias ordenadas:
y4. = 3.36 y2. = 5.50 y3. = 7.26 y1. = 7.48
|
y4. y1. |
|
y4. y3. |
|
y4. y2. |
|
y2. y1. |
|
y2. y3. |
|
y3. y1. |
=
=
=
=
=
=
4.12 > R4
3.90 > R3
2.14 > R2
1.98 > R3
1.76 > R2
0.22 < R2 (N.S.)
Dunnett
= t
6
=
t i = 1, 2, . . . , t 1
r
H0 : i = t se rechaza si
CM E
|
yi. yt. | > D = d (t 1, glerror)
r
con d (k, ) es el percentil 1 de las tablas de Dunnett.
Para el ejemplo de la carne empacada, el tratamiento 1 es el
control.
Comercial Al vaco CO,O2,N CO2
yi. 7.48
5.50
7.26
3.36
Diseo de experimentos p. 89/112
Dunnett
d0.05,3,8 = 2.42
!
r
CM E
= 0.477
D = 2.42
r
|
y2. y1. | = 1.98 > D
|
y3. y1. | = 0.22 < D(N.S.)
|
y4. y1. | = 4.12 > D
Scheff
t
X
ki i estimado con C =
t
X
ki yi.
i=1
i=1
E
(t 1)Ft1,g.l.error
Diseo de experimentos p. 91/112
Anlisis de residuales
Tenemos el modelo
yij = i + ij
Suposiciones:
yij = + i + ij
2
ij N ID 0,
errores normales
independientes
varianza constante
Anlisis de residuales
Residuales
eij
yij
eij
= yij yij
= \
+ i =
i = yi.
= yij yi.
Prueba de Bartlett
H0 :
Ha :
12 = 22 = . . . = t2
no H0
Estadstica de Prueba:
"
#
X
1
2
(n t)ln(
)
(ni 1)ln(
i2 )
U=
C
i
X (ni 1)
2
X (yij yi. )2
donde
=
=
n
t
ni 1
i
j
!
X
1
1
1
C =1+
3(t 1)
ni 1 n t
i
2
i2
Prueba de Levene
Se calcula
dij = |yij yi. |
i = 1, . . . , t j = 1, . . . , ni
Prueba de Welch
2
Sean Wi = ni /
i y = i Wi yi. / i Wi y
=
X (1 Wi /W. )2
i
donde W. =
ni 1
Wi .
Prueba de Welch
Entonces
Fc =
1+
(
yi.
y )2
i Wi
t1
2(t 2)/(t2
1)
Transformaciones
La transformacin x = y + a, a es la adecuada.
Transformaciones
es la adecuada.
La transformacin x = sin
Las transformaciones del tipo potencia alteran la simetra o
asimetra de las distribuciones de las observaciones.
Si suponemos que la desviacin estndar de y es proporcional
a alguna potencia de la media, es decir,
y
Una transformacin de las observaciones, del estilo:
x = yp
Transformaciones
Da una relacin
x p+1
Transformaciones
Ejemplo
Grupo 2
Grupo 3
Grupo 4
(sin droga)
(droga 1)
(droga 2)
(dos drogas)
1
8
9
9
4
1
1
12
10
13
13
12
10
12
4
11
7
8
10
12
5
13
14
14
17
11
14
13
14
Ejemplo
ej2_1_messy.sav
ej2_1_messy.jmp
ej2_1_messy.txt
comercial
7.66
6.98
7.80
vaco
5.26
5.44
5.80
mezcla
7.41
7.33
7.04
CO2
3.51
2.91
3.66
i = 1, 2, 3, 4
j = 1, 2, 3
x1j =
1
0
x2j =
1
0
x3j =
1
0
entonces 0 = 4 = + 4
Por lo tanto,
0
1
2
3
=
=
=
=
4
1 4
2 4
3 4
x1
x2
x3
7.66
6.98
7.80
5.26
5.44
5.80
7.41
7.33
7.04
3.51
2.91
3.66
0
Diseo de experimentos p. 111/112