Académique Documents
Professionnel Documents
Culture Documents
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Bucaramanga
2013
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
INDICE DE CONTENIDO
INTRODUCCIN ..................................................................................................... 5
UNIDAD 1. BIOMETRIA......................................................................................... 9
CAPITULO 1: LA BIOESTADSTICA EN LA INVESTIGACIN PECUARIA......... 9
LECCIN 1: HISTORIA DE LA BIOESTADSTICA ............................................................ 9
LECCIN 2: USOS E IMPORTANCIA DE LA BIOMETRA EN EL SECTOR AGROPECUARIO ... 10
LECCIN 3: MTODO CIENTFICO ........................................................................... 11
LECCIN 4: CONCEPTOS ....................................................................................... 12
LECCIN 5: INVESTIGACIN CIENTFICA................................................................... 16
CAPITULO 2: ESTADSTICA DESCRIPTIVA ...................................................... 17
LECCIN 6: MEDIDAS DE TENDENCIA CENTRAL ........................................................ 17
LECCIN 7: DISTRIBUCIN DE FRECUENCIAS .......................................................... 33
LECCIN 8: GRFICAS .......................................................................................... 46
LECCIN 9: PRINCIPIOS DE PROBABILIDAD .............................................................. 51
LECCIN 10: MUESTREO ....................................................................................... 55
CAPITULO 3: INFERENCIA ESTADSTICA ........................................................ 67
LECCIN 11: INFERENCIA PUNTUAL ........................................................................ 67
LECCIN 12: PRUEBAS DE HIPTESIS ..................................................................... 82
LECCIN 13: COMPARACIN DE DOS MEDIAS MUESTRALES ...................................... 91
LECCIN 14: ANLISIS DE VARIANZA....................................................................... 98
LECCIN 15: ANLISIS DE COVARIANZA ................................................................ 100
UNIDAD 2. DISEO DE EXPERIMENTOS........................................................ 102
CAPITULO 4: DISEO DE EXPERIMENTOS .................................................... 102
LECCIN 16: EL EXPERIMENTO Y SUS ELEMENTOS................................................. 102
LECCIN 17: ORIENTACIONES GENERALES EN LA EXPERIMENTACION
AGRICOLA ...................................................................................................... 105
LECCIN 18: DISEO EXPERIMENTAL. .................................................................. 107
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
INTRODUCCIN
En el mundo se est tomando conciencia que todas las producciones, sin importar
su naturaleza y en especial las de principios biolgicos o ambientales deben ser
analizadas numricamente, no solo para determinar el estado de desarrollo, sino
las proyecciones o correcciones que se puedan hacer tanto para lograr beneficios
econmicos como sociales o ambientales. La bioestadstica como rama de la
estadstica, es una herramienta que se puede usar de manera sencilla sin
necesidad de profundizar en ella, ni de dedicar toda una carrera profesional al
estudio de esta, no queriendo decir que no se deben conocer algunos principios y
procedimientos bsicos.
Por lo anterior, las profesiones relacionadas con el campo como Zootecnistas,
Mdicos Veterinarios, Ingenieros Agrnomos, Ingenieros Agrcolas, Forestales,
Ambientales y muchas otras, para cumplir satisfactoriamente con las tareas
profesionales, implica el uso de mtodos estadsticos que adems de hacerlo ms
eficiente, le facilitan el trabajo. La mayor ventaja que puede tener un profesional
del campo que estudie y maneje la estadstica como herramienta para el anlisis
de variables biolgicas es que lo hace nico en el entendimiento de la relacin que
tiene estas dos ciencias y de la forma de explicarse una con la otra.
Este modulo, pretende de forma resumida y con algunos ejemplos aplicados
presentar a los profesionales del campo la informacin que ensea y facilita el uso
de la bioestadstica como herramienta til. Es preciso aclarar que el modulo trata
de dejar el componente matemtico complicado de un lado y nicamente
presenta los modelos listos para reemplazar y hacer el clculo que interesa al
profesional del campo; sin profundizar en el origen de estos modelos. La
estructura del mdulo se divide en dos unidades; la primera se titula Bioestadstica
y la segunda Diseo Experimental.
La unidad de Bioestadstica comprende desde los conceptos fundamentales, el
manejo y presentacin de datos, principios de probabilidades, muestreo e
inferencia estadstica. Todos los captulos anteriormente mencionados son de gran
relevancia y su importancia aumenta cuando se empieza a entender su uso, tal es
el caso de las probabilidades que son de gran ayuda para los procesos de
mejoramiento gentico.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Denominacin de Leccin 1
BIOMETRIA
La unidad de Bioestadstica comprende
desde los conceptos fundamentales, el
manejo y presentacin de datos, principios
de probabilidades, muestreo e inferencia
estadstica.
Todos
los
captulos
anteriormente mencionados son de gran
relevancia y su importancia aumenta cuando
se empieza a entender su uso, tal es el caso
de las probabilidades que son de gran
ayuda para los procesos de mejoramiento
gentico..
1. Dar a conocer la historia, usos y
conceptos de la bioestadstica.
2. Ensear las principales formas de tomar,
resumir y presentar un conjunto de datos en
forma numrica o grfica.
3. Estudiar los principios bsicos de
probabilidades y la aplicabilidad de en reas
relacionados con variables biolgicas o
ambientales.
4. Estudiar las principales distribuciones de
probabilidades y el uso dentro de la
inferencia.
La Bioestadstica en la investigacin
pecuaria
Historia de la bioestadstica
Denominacin de Leccin 2
usos
Nombre de la Unidad
Introduccin
Intencionalidades Formativas
Denominacin de captulo 1
e importancia de la biometra en el
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
sector agropecuario
Denominacin de Leccin 3
Mtodo Cientfico
Denominacin de Leccin 4
Conceptos
Denominacin de Leccin 5
Investigacin cientfica
Denominacin de captulo 2
Denominacin de Leccin 6
Estadstica Descriptiva
Medidas de tendencia central
Denominacin de Leccin 7
Distribucin de Frecuencias
Denominacin de Leccin 8
Grficas
Denominacin de Leccin 9
Distribucin estndar
Denominacin de Leccin 10
Muestreo
Denominacin de captulo 3
Denominacin de Leccin 11
Inferencia estadstica
Interferencia puntual
Denominacin de Leccin 12
Pruebas de hiptesis
Denominacin de Leccin 13
denominacin de leccin 14
Anlisis de varianza
denominacin de leccin 15
Anlisis de Covarianza
UNIDAD 2
Nombre de la Unidad
Introduccin
DISEO DE EXPERIMENTOS
Esta unidad muestra en sus captulos los diseos
ms usados en los procesos de investigacin
biolgica y da las pautas para el anlisis de datos.
Conocimiento destacado en las personas que se
dedican a los procesos investigativos, tanto as,
que para entender la mayora de la literatura
cientfica es imprescindible haberlo estudiado. Es
preciso resaltar que la importancia de la
Bioestadstica o Biometra depende del uso y
buena aplicacin que se le d a los conceptos
matemticos que implican, es as como, cuando
se cometen equivocaciones en la aplicacin, se
pretende justificar que el error de los resultados
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Denominacin de captulo 4
Denominacin de Leccin 16
Denominacin de Leccin 17
La replicacin
Denominacin de Leccin 18
La aleatorizacin
Denominacin de Leccin 19
Modelo estadstico
Denominacin de Leccin 20
Transformacin de datos
Denominacin de captulo 5
Denominacin de Leccin 21
Denominacin de Leccin 22
Denominacin de Leccin 23
Experimentos factoriales
Denominacin de Leccin 24
Denominacin de Leccin 25
Denominacin de captulo 6
Anlisis estadstico
Denominacin de Leccin 26
Denominacin de Leccin 27
Prueba de Tukey
Denominacin de Leccin 28
Denominacin de Leccin 29
Denominacin de Leccin 30
Intencionalidades Formativas
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNIDAD 1. BIOMETRIA
CAPITULO 1: La Bioestadstica en la investigacin pecuaria
Leccin 1: Historia de la bioestadstica
La estadstica que muchos creen como algo nuevo, es tan antigua como la misma
humanidad, ya que hay vestigios de su inicio antes de Cristo, como en China
donde el emperador Yao (2.238 a.c) dispuso la realizacin de un censo en su
imperio. Algo similar ocurri en la poca del Rey Herodes, relacionado con un
empadronamiento cuando naci Cristo.
La Estadstica como disciplina tuvo su inicio en Alemania a mediados del siglo
XVII, en el reinado de Godofredo de Achenwall (1719-1772), cuando utiliz la
palabra Estadstica y la separ de la Sociologa.
En Amrica precolombina se haba desarrollado notablemente la estadstica,
especialmente en Mxico y Per. La estadstica del imperio de los incas era tan
completa como la actual, aunque ese pueblo no usaba la escritura, empleaba para
sus cmputos un sistema de cordones de variados colores, armados y
combinados para conservar en ellos las cuentas extensas y complicadas;
conocan as la poblacin distribuida por localidades, sexos y condicin civil,
averiguaban el nmero de nacimientos y muertes, conocan el nmero de hombre
aptos para la guerra y la cantidad de provisiones con que contaban. En general
conocan muchos aspectos sobre su Imperio (Surez 1999).
La palabra Estadstica para algunos proviene de la palabra Status, cuyo
significado es Estado. Para otros se deriva del vocablo Griego Statera que
significa balanza, o quiz la ms confiable, proviene de la palabra Alemana Stara
que significa Estado, encargado de hacer Estadstica. (Martnez 2005).
En los tiempos modernos, donde la Estadstica tiene funciones importantes dentro
de otras ramas, no slo en lo social, en los censos o en la organizacin de
cualquier Estado, si no que hace parte fundamental de los procesos de
investigacin, se ha denominado la BIOESTADISTICA como la ciencia encargada
de analizar datos relacionados directamente con variables biolgicas, su
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
otras ms relacionadas con la naturaleza del hombre, los animales, las plantas,
microorganismos y en general con el medio ambiente.
Planeamiento o preparacin.
2.
Recoleccin.
3.
Crtica y codificacin.
4.
Procesamiento.
5.
Anlisis e interpretacin.
6.
Publicacin.
El objeto de la investigacin
b.
La finalidad
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
c.
La fuente de informacin
d.
Los procedimientos
e.
El material
f.
El costo y financiacin.
Claridad. Toda investigacin en todos sus pormenores, debe ser clara y conocida
por todos los que en ella vayan a intervenir. La claridad est ligada directamente
con la comprensin. La estadstica en el periodo de investigacin, en el de
elaboracin en la presentacin y anlisis, debe ser entendida por todo el mundo:
investigador(es), lectores, quienes vayan a utilizar los resultados, etc.
Sencillez. En el proyecto en las instrucciones, en la finalidad, en los objetivos, en
la toma de datos, en los cuadros de exposicin, en los comentarios literarios de
anlisis, en las operaciones de clculo, en los grficos, en todo. La sencillez es un
mtodo para brindar claridad.
Utilidad. Toda estadstica que se inicie debe tener alguna aplicacin prctica de
inters. De otro modo nos hallaremos ante una acumulacin molesta de datos que
perjudicarn por muchos motivos, a la informacin realmente aprovechable.
Leccin 4: Conceptos
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
tomado de forma aleatoria. Los valores que resultan de los procesos de medicin
suelen conocerse como observaciones o simplemente como medidas. Todos los
procesos investigativos en variables biolgicas deben garantizar que las
observaciones o mediciones que se hayan tomado en individuos, zonas, lotes,
plantas, etc., sean el producto de una seleccin aleatoria.
Variable nominal. Se obtiene cuando se definen las categoras y se cuenta el
nmero de observaciones que quedan en cada una. Las variables nominales
comprenden las categoras como sexo (macho, hembra), color, raza, tamao
(grande, mediano, pequeo). Ninguna de las caractersticas anteriores es
numrica por naturaleza, sin embargo cuando se aplican ya sea en una poblacin
o en una muestra, es posible asignar a cada individuo una categora.
Variables jerrquicas. Constan de valores relativos asignados para denotar orden:
primero, segundo, tercero y as sucesivamente.
POBLACIN. Llamada tambin universo, se define como el mayor grupo de
elementos por los cuales se tiene un cierto inters en un momento dado. Las
caractersticas primordiales de una poblacin son: su naturaleza, su magnitud, el
espacio y el tiempo.
Si se lleva a cabo una medicin de alguna variable sobre cada uno de los
elementos de una poblacin, se obtiene una poblacin de valores definida como el
mayor grupo de valores de una variable aleatoria, por los cuales se tiene un cierto
inters en un momento dado. (Daniel, 1990).
Las poblaciones pueden ser finitas o infinitas. Si una poblacin de valores consta
de un nmero fijo de estos valores, se dice que la poblacin es finita. Por otra
parte si una poblacin consta de una sucesin sin fin de valores, dicha poblacin
es infinita. Por ejemplo: si se desea hacer un estudio sobre la poblacin bovina de
un pas, se sabe por censo o registros, un nmero determinado de la poblacin y
se convierte en una poblacin finita. Por el contrario, si se desea estudiar la
presencia de un hongo en las mazorcas que se producen en un cultivo de maz,
no se sabe el nmero determinado de mazorcas producidas y por tanto es una
poblacin infinita, o mejor an, si el estudio pretende determinar la presencia de
hongo en una bodega de granos, no se sabe cuntos granos estn almacenados
en la bodega.
MUESTRA. Una muestra puede definirse como una parte de una poblacin. La
muestra es un subconjunto de la poblacin. Cuando la poblacin es relativamente
pequea, es posible estudiar a todos los individuos que la integran, pero cuando la
muestra corresponde o representa a una poblacin grande o infinita, normalmente
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Esta ltima forma de definir las unidades experimentales puede provocar un error
si los individuos que la conforman no son lo suficientemente homogneos y
causan diferencia con otras unidades experimentales grupales.
HIPTESIS. Es un supuesto que se asume tentativamente para representar un
resultado que se pretende probar.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Medias
descriptivas
Poblacin
Muestra
Parmetros
Estimadores
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Debe ser descriptiva de los datos en forma que su significancia sea fcil de
entender.
No debe ser una abstraccin matemtica, que nicamente pueda ser
entendida por personas muy versadas en esta ciencia, ya que una de las
funciones de la estadstica es simplificar los datos y no hacerlos ms
complejos.
Debe ser fcil de calcular.
Debe ser calculada con todos los elementos del grupo de datos.
Debe depender de todo el grupo de datos, de tal manera que si se altera uno
de estos, consecuentemente se altera el valor obtenido.
A pesar de que cada uno de los valores del grupo de datos, debe tener
influencia sobre la medida obtenida, sta debe ser de tal calidad que no vea
influenciada en gran medida por el cambio de algunos pocos datos.
Debe ser de uso fcil para clculos matemticos posteriores.
De otra forma, dependiendo su naturaleza y funcin, las medidas descriptivas se
pueden clasificar en:
Medidas de tendencia central
Medidas de dispersin
Medidas de forma
Medidas de posicin
Notacin Sigma.
Antes de iniciar la presentacin de las medidas descriptivas, se debe estar en
capacidad de de entender el uso del smbolo matemtico (sigma); el cual es uno
de los smbolos ms frecuentes en las frmulas estadsticas.
(sigma); significa sumatoria, es decir; que se debe sumar el grupo de datos con
el que se cuenta.
n
Si se tiene la notacin:
yi = y
+ y2 + ... + yn ; donde:
i =1
Es el operador de la suma.
yi
Es el ndice de la suma
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
1
Designa el nmero lmite inferior de donde se debe iniciar la suma de los
datos.
n
Designa el nmero lmite superior de donde se debe iniciar la suma de los
datos
n
yi
i =1
yi = y
+ y2 + y3 + y4 + y5
i =1
yi = y
5
2
i
i =1
yi = 1 + 2 + 3 + 4 + 5 = 15
i =1
2 + y3 + y4 + y5
i=2
yi = 2 + 3 + 4 + 5 = 9
i=2
= y 12 + y 22 + y 23 + y42 + y 25
2
2
i
= 12 + 2 2 + 32 + 4 2 + 52 = 55
i =1
5
2
yi = (1 + 2 + 3 + 4 + 5) = (15) 2 = 225
i =1
5
2
yi = ( y1 + y2 + y3 + y4 + y5 )
i =1
( yi 3) = (1 3) + (2 3) + (3 3) + (4 3) + (5 3)
i =1
( yi 3)
= (1 3) 2 + (2 3) 2 + (3 3) 2 + (4 3) 2 + (5 3) 2
i =1
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Media Aritmtica.
Media Ponderada.
Media Geomtrica.
Mediana.
Moda.
Media Aritmtica: es la medida de tendencia centrada ms utilizada, la ms
conocida y sencilla de calcular. Generalmente se le denomina media , promedio
media para datos no agrupados y se define como la suma de un conjunto de
datos u observaciones, dividido entre el nmero total de observaciones que
conforman el grupo sumado. Si corresponde a la media de una poblacin se
denomina con el smbolo , mientras que para una muestra se simboliza x ; por
lo que la frmula sera:
n
xi
i =1
i =1
x1 + x2 + x3 + ... + xn
n
2 + 5 + 7 + 6 + 4 + 8 32
=
= 5.33
6
6
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Diferencias
al
cuadrado
D2
6,48
0,30
2,12
6,02
2,39
0,30
0,21
6,48
6,02
2,12
0,30
32,73
**suma
algebraica
de
las
diferencias
ala
cuadrado
diferencias
con
otro
valor
Xi 3
0
2
4
5
1
2
3
0
5
4
2
28,00
Diferencias
ala
cuadrado
D2
0
4
16
25
1
4
9
0
25
16
4
104,00
**suma de
suma de
las
las
diferencias
diferencia
(con
el
con
el
valor 3) al
valor 3
cuadrado
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
xn
i i
x1n1 + x2 n2 + ... + xn nn
n1 + n2 + ...nn
xn
i i
) 16353
x=
= 109.02
150
wn
n
i i
i
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Produccin
(Kg)
ni
1.200
2.500
3.450
6.420
13.570
)
xw =
wn
n
i i
i
wi x ni
3.600.000
7.000.000
8.625.000
11.556.000
30.781.000
n w
i
30.781.000
)
xw =
= 2.268,31 Kg de mango.
13.570
Esto indica que en promedio, el kilogramo de mango a esos precios (de acuerdo a
las clasificaciones) se vender a 2.268,31 pesos.
La mediana: es el valor que se ubica en el centro de un conjunto de datos,
cuando las observaciones est organizadas de forma ascendente o descendente
(por magnitud). De otra forma, se podra definir como el valor de la variable que
supera a no ms de la mitad de las observaciones y al mismo tiempo es superada
por no ms de la mitad de las observaciones.
Propiedades de la mediana:
Es el punto central de los datos cuando son ordenados por magnitud.
Se dan en las mismas unidades en que fue medida la variable.
No est influencia por valores repetidos.
Ventajas de la mediana:
Es un concepto claro y fcil de entender por su simple empleo matemtico.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Para un conjunto de elementos donde se tienen 8 datos, 4, 5, 7, 9, 10, 11, 12, 14;
la mediana estara ubicada en:
8 1 9
Me = Y + = = 4,5 Indicando que la mediana se ubicara entre el 4 y 5
2 2 2
dato.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Amplitud.
Varianza
Desviacin estndar.
Coeficiente de varianza.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Dato menor = 85
R = 129 85
R = 44
La utilidad del recorrido es limitada. El hecho de que slo tome en cuenta dos
valores, hace que sea una medida pobre en cuanto a dispersin. La ventaja
principal de utilizarla es su sencillez de clculo.
Varianza. Cuando los valores de un conjunto de observaciones estn muy
prximas a su media, la dispersin es menor que cuando estn distribuidos sobre
un amplio recorrido. La varianza se define como la media aritmtica de los
cuadrados de las diferencias (desviaciones) entre los valores que toman la
variable y su media aritmtica. De otra forma es la suma de cuadrados de las
desviaciones de las observaciones con respecto a su media, dividida por el
nmero de observaciones.
Si se observan las dos definiciones anteriores, aunque indican lo mismo, en la
primera lectura, no son muy claras; por lo que es preciso saber como se calcula
para facilitar su comprensin.
Su smbolo es S2 en una muestra y 2 (sigma al cuadrado) para una poblacin.
Para calcularla, se resta la media a cada uno de los valores, se elevan al cuadrado
las diferencias. Estas diferencias se suman para dividirla entre el tamao de la
muestras (menos 1) o de la poblacin. De esta forma la ecuacin es:
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
( xI X ) 2
S2 =
n 1
Procedimiento de clculo.
Diferencias
Xi
3
6
7
8
2
6
-2,3
6,0
7,0
8,0
2,0
6,0
32
i =1
5,3
Promedio
Diferencias
al
cuadrado
d2
5,4
36,0
49,0
64,0
4,0
36,0
194,4
Suma de
d2
( xI X ) 2
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Entonces; S 2 =
( xI X ) 2
S2 =
n 1
194,4
6 1
S 2 = 5,46
n
n xi xi
i =1
S 2 = i =1
n(n 1)
n
.
Propiedades de la varianza.
s=
( xI X ) 2
en forma resumida s = S 2
n 1
( xI X ) 2
N
en forma resumida = 2
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
s = S2
s = 5,46
s = 2,33
s
(100)
X
s
(100)
X
CV =
5,46
(100)
5,33
CV = 1,025
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
s
(100)
X
Lote A: CV =
2950
(100)
14.450
CV = 20,41%
Lote B: CV =
3.120
(100)
18.750
CV = 16,64%
Medidas de posicin
Deciles, Cuartiles y Percentiles. Cuanto la distribucin contiene un nmero alto
de intervalos o marcas de clase y se quiere obtener un promedio de una parte de
ella, se puede dividir la distribucin en cuatro, diez o cien partes. En el primer caso
se denominan Cuartiles, en el segundo se denomina Deciles y en el tercero
Percentiles.
Cuartil. Se denomina a la medida central que divide la distribucin en cuatro
partes iguales, mostrando el comportamiento promedio de la cuarta parte de la
poblacin o muestra analizada; medida que es anloga a la mediana, variando
simplemente los puntos de referencia. El cuartil se simboliza con la letra Q i el
subndice i que determina el orden, a que pertenece.
Q1.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Q1 =
1(n + 1)
n
4 N k 1
Q1 = L1 +
C
n
k
Q2.
Q1 =
2n
4 N k 1
Q2 = L1 +
C
nk
Q3.
2(n + 1)
n
Q1 =
3(n + 1)
n
3n
4 N k 1
Q3 = L1 +
C
nk
Ejemplo para datos no agrupados. Si se tiene los siguientes valores 16, 10, 4, 8,
12, 10, 8, 20, 4, 13, 12, 22, 16, 26, 20, calcular el primero, segundo y tercer cuartil.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
1(n + 1)
n
Q1 =
1(15 + 1)
4
Q1 =
16
4
Q1 = 4
El primer cuartil est ubicado en el cuarto lugar y por tanto corresponde al valor 8.
Q2 =
1(n + 1)
n
Q2 =
2(15 + 1)
4
Q2 =
32
4
Q2 = 8
El segundo cuartil est ubicado en el octavo lugar y por tanto corresponde al valor
12
Q3 =
1(n + 1)
n
Q3 = 12
Q3 =
3(15 + 1)
4
Q3 =
48
4
Estadgrafo de forma
Con estos estadgrafos se pretende determinar si una distribucin es simtrica o
asimtrica. Si la distribucin es simtrica se dice que corresponde a una
distribucin normal cuya curva representativa es la campana de Gauss.
Cuando una distribucin es normal, la media aritmtica, la mediana y la moda son
iguales. Cuando la media aritmtica es menor que la mediana y sta, a su vez,
menor que la moda, la distribucin es sesgada a la izquierda o asimtrica
negativa. Si la media aritmtica es mayor que la mediana y sta es mayor que la
moda, decimos que la distribucin es sesgada a la derecha o asimtrica positiva.
Para calcular el grado de asimetra denominado sesgo, se utiliza el coeficiente de
Pearson (S) con cualquiera de las siguientes ecuaciones:
S=
media mod a
desviacin tpica
S=
3(media - mediana)
desviacin tpica
S=
S=
X Mo
s
X Me
s
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Dato menor = 40
R = 94 40
R = 50
2. Estimacin del nmero de clases (m). Para elaborar una tabla de frecuencias,
se establece cierto nmero de clases (denotada con la letra m) en los valores
observados. Dicho nmero por lo general vara entre 5 y 15 a mayor nmero de
datos, debe disponerse de mayor nmero de clases. Se debe tener en cuenta que
si el nmero de clases es muy pequeo, se podra estar encubriendo
caractersticas importantes de los datos debidos al agrupamiento; si se tienen
demasiadas clases, pueden aparecer clases vacas y la informacin no se resume
de forma clara.
Existen dos formas de obtener el nmero de clases a utilizar en un cuadro de
frecuencias; partiendo ambos de la cantidad de datos con que se cuenta (en el
caso de ser una muestra n o en el caso de ser una poblacin N).
a. Sabiendo que se recomienda tener un nmero de clases entre 5 y 15, el
investigador puede definir de acuerdo al nmero de datos que tenga,
cuantas clases puede manejar.
b. Si se quiere ser ms preciso, se puede utilizar la formula Sturges, la cual
dice que m=1+3,322(log n); donde m es el nmero de intervalos de clase.
En la mayora de los casos, la aplicacin de esta frmula da nmero
decimales, por lo que es necesario aproximar para tomar un nmero entero
de clases. Por ejemplo, si la frmula da que debe tomar 7,8 clases se
aproximara a 8 clases.
Por ejemplo. Si se ha tomado el dimetro en la base de 758 rboles de un
bosque que se compona de 14.250 rboles, el nmero de clases quedara
as:
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
m=1+3,322(log n)
m=1+3,322(log 758)
m=1+3,322(2,8796)
m=1+9,5662
m=10,5662
m=11 clases.
Para justificar cualquiera de los dos mtodos siendo ms usado el primero, es
preciso que la decisin sea tomada por una persona que conozca muy bien los
datos y el uso que se les va a dar.
3. Estimacin del ancho de cada clase (amplitud de intervalo, C). Es el valor que
va a tener como amplitud en cada una de las clases que se han establecido. Es
recomendable estimar un solo valor de amplitud para todas las clases que se
pretendan manejar en la tabla de frecuencias, esto le da ms confiabilidad y
presentacin al resumen de datos que se pretende hacer. El ancho de la clase se
obtiene dividiendo el rango entre el nmero de clases.
Ejemplo. Si el rango de un conjunto de datos es 176, y se pretende que en la
tabla de frecuencias se presenten 8 clases, entonces, el ancho de cada clase
corresponde a:
C=
R
;
m
C=
176
;
8
C = 22
Esto implica que cada una de las 8 clases tendr un ancho o amplitud de 12
unidades.
En muchos casos al efectuar la divisin anterior, se obtienen nmero decimales,
por lo que se aconsejan dos decisiones:
a. Cambiar nmero de clases por uno que permita obtener valores enteros.
b. Aproximar el ancho de clase a un valor por encima del valor que se obtiene
para evitar que en momento de agrupar los datos se queden datos sin
representar.
Ejemplo: si se tiene un rango de 425 y se pretende dividir en 6 clases, el
ancho de las clases quedara as:
C=
R
;
m
C=
425
;
6
C = 70,8
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
R
;
m
C=
254
;
9
C = 28,22
25
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Dato mayor
125
Rango
100
Nmero de clases 5
Ancho de clase
20
limites
(C)
(xi-1 xi)
25
45
45
65
65
85
85
105
105
125
limites
(C)
(xi-1 xi)
25
45
45.1 -
65
65.1 -
85
85.1 -
105
105.1 -
125
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
b. Que los lmites en cada una de las clases se clasifique como intervalos cerrados
[ ] o intervalo abierto ( ), o sus combinaciones [ ) ( ] , esto implica que cada en
cada intervalo se coloque el signo respectivo. En el caso de ser un intervalo
cerrado en el lmite inferior [ indica que si se tiene el nmero igual al lmite inferior,
este se ubica en dicho intervalo; pero si el intervalo es abierto ( , no se tiene en
cuenta.
Los lmites serian:
Clase
limites
(C)
(xi-1 xi)
[25
45)
[45
65)
[65
85)
[85
105)
[105 -
125]
Se puede observar que en la ltima clase, el lmite superior estn como intervalos
cerrado, ya que se est seguro que no existen datos por encima de este dato.
5. Marcas de clase. Corresponden al punto central en cada una de las clases que
se han tomado. Se obtiene sumando en cada clase el lmite inferior y el superior
para luego dividirlo en dos.
Con los datos anteriores se tenda como ejemplo:
EJEMPLO DE MARCAS DE CLASE.
Clase
limites
marcas de clase
(C)
(xi-1 xi)
Xi
25
45
35 = ((25+45)/2)
45
65
55
65
85
75
85
105
95
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
105
125
115
= n1 + n2 + n3 + ... + nm = n
i =1
ni
n
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
n
= h1 + h2 + h3 + ... + hm = 1
i =1
91
104
113
125
101
114
105
101
88
126
118
100
111
125
119
91
106
120
129
120
109
104
112
101
113
100
106
105
121
93
89
124
96
105
95
91
106
93
88
89
100
115
98
108
99
120
101
108
118
118
113
114
109
91
104
109
110
113
119
106
106
97
104
105
122
112
124
108
121
96
97
99
101
116
102
127
121
116
100
95
89
103
115
113
129
91
85
108
103
108
98
108
114
102
96
99
108
114
121
107
122
100
116
111
109
104
113
118
110
129
124
105
93
115
120
97
112
94
113
114
106
105
115
98
112
103
92
125
107
115
118
128
92
85
108
114
125
121
122
117
109
128
88
119
119
116
113
122
126
1.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
El examen de los datos revela que los puntajes, ms bajos y ms altos son 85 y
129 kilos, respectivamente. Entonces, el intervalo inferior de clase debe empezar
desde 85 y el intervalo mayor debe tener un lmite no menor a 129.
ato mayor = 129
Dato menor = 85
R = 129 85
R = 44
2.
3.
4.
R
;
m
C=
44
= 4,88 ;
9
C=5
LMITES DE CONFIANZA
Clase
limites
(C)
(xi-1 xi)
[85
90)
[90
95)
[95
100)
[100 -
105)
[105 -
110)
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
5.
[110 -
115)
[115 -
120)
[120 -
125)
[125 -
130]
Marcas de clase.
6.
Clase
limites
marcas de clase
(C)
(xi-1 xi)
Xi
[85
90)
87,5
[90
95)
92,5
[95
100)
97,5
[100 -
105)
102,5
[105 -
110)
107,5
[110 -
115)
112,5
[115 -
120)
117,5
[120 -
125)
122,5
[125 -
130]
127,5
Frecuencias absolutas.
Clase
limites
marcas de clase
frecuencias absolutas
(C)
(xi-1 xi)
Xi
ni
[85
90)
87,5
[90
95)
92,5
11
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
[95
100)
97,5
14
[100 -
105)
102,5
20
[105 -
110)
107,5
27
[110 -
115)
112,5
22
[115 -
120)
117,5
19
[120 -
125)
122,5
16
[125 -
130]
127,5
12
n
= n1 + n2 + n3 + ... + nm = n
i =1
n = 150
7.
Frecuencias
absolutas
(C)
(xi-1 xi)
Xi
ni
Ni
[85
90)
87,5
[90
95)
92,5
11
20
[95
100) 97,5
14
34
[100 -
105) 102,5
20
54
[105 -
110) 107,5
27
81
[110 -
115) 112,5
22
103
[115 -
120) 117,5
19
122
[120 -
125) 122,5
16
138
[125 -
130] 127,5
12
150
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
8.
FRECUENCIAS RELATIVAS
Clase limites
Frecuencias
marcas
Frecuencias Frecuencias
de clase
absolutas
abs. Acumuladas
Relativas
(C)
(xi-1 xi)
Xi
ni
[85
[90
[95
Ni
90)
87,5
0,06
95)
92,5
11
20
0,0733
100) 97,5
14
34
0,0933
[100 -
105) 102,5
20
54
0,1333
[105 -
110) 107,5
27
81
0,18
[110 -
115) 112,5
22
103
0,1466
[115 -
120) 117,5
19
122
0,1266
[120 -
125) 122,5
16
138
0,1066
[125 -
130] 127,5
12
150
0,08
hi
= h1 + h2 + h3 + ... + hm = 1
i =1
9.
de clase
absolutas
Relat. acum.
(C)
(xi-1 xi)
[85-90)
0,06
Xi
ni
875
Ni
9
hi
Hi
0,06
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
[90-95)
0,1333
92,5
11
20
0,0733
[95 -100)
0,2266
97,5
14
34
0,0933
[100-105)
0,3599
102,5
20
54
0,1333
[105-110)
107,5
27
81
0,18
[110-115)
0,6865
112,5
22
103
0,1466
[115-120)
0,8131
117,5
19
122
0,1266
[120-125)
0,9197
122,5
16
138
0,1066
[125-130]
127,5
12
150
0,08
0,5399
Con esta ltima tabla se puede iniciar un anlisis que permita determinar lo
siguiente:
Se podra decir que el 22,66% de lo cerdo (34) estn con un peso inferior a
99,9 kilos.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Leccin 8: Grficas
El histograma.
Es un tipo especial de grfica de barras para representar distribuciones de
frecuencias absolutas o relativas. Tiene las siguientes caractersticas:
Los valores de la variable que se est considerando se representan en el eje
horizontal (eje x o independiente). Las frecuencias absolutas o relativas se
representan en el eje vertical (eje y o dependiente).
Cada intervalo de clase tomado en la distribucin de frecuencias implica una
seccin sobre el eje horizontal.
Por encima de cada intervalo de clase sobre el eje horizontal se levanta una
barra rectangular, de modo que su altura corresponde con la frecuencia
correspondiente.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
cantidad de cerdos
30
25
20
15
10
5
0
85
90
95
100
105
110
115
120
125
130
UNAD
Ambiente
porcentaje de cerdos
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
0,2
0,18
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
85
85
90 90 95
100
95
105
100
Serie1
125 130120
115
125
130
UNAD
Ambiente
cantidad de cerdos
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
30
25
20
15
10
5
0
87,5
92,5
97,5
102,5
107,5
112,5
117,5
122,5
127,5
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Ojiva:
Es una representacin grfica para las frecuencias absolutas o relativas
acumuladas de una variable continua. Para ello se determinan los puntos de
interseccin entre cada valor de la variable y su respectiva frecuencia; luego se
unen los trazos rectilneos. Prcticamente es un polgono de frecuencias, con la
diferencia de ser aplicado a una tabla de frecuencias acumuladas.
Ejemplo.
Grfica 5. Ojiva de frecuencias absolutas acumuladas para el peso de cerdos
inscritos en una feria.
Diagrama circular, de pastel o torta: en este tipo de grficas los datos viene
sustituidos por superficies de reas proporcionales al nmero a representar. Las
grficas son particularmente tiles para visualizar las diferencias en frecuencias
entre algunas teoras del nivel nominal. Como ejemplo se puede tomar la siguiente
tabla donde se catalogan los cerdos segn el peso.
limites
frecuencias absolutas
(C)
(xi-1 xi)
ni
Livianos
[110 -
Semi-livianos
115)
[115 -
22
120)
19
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Pesados
[120 -
125)
16
Muy pesado
[125 -
130]
12
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
S = {V , N }
Si en el caso anterior se toman tres semillas, el espacio muestral ser:
S = {1,2,3,4,5,6,7,8}
Si con el caso anterior de los conejos, se pretende estimar el porcentaje de
conejos enfermos:
S = {X / 0 X 100}
Si se pretende estimar el peso de uno de los conejos enfermos
S = {X / X > 0}
Eventos o sucesos. Es un conjunto de un espacio muestral. Ejemplo. El hecho
de que se encuentren tres o ms conejos enfermos en el espacio muestral donde
se determinan el nmero de conejos enfermos de los ocho que tiene el conjunto.
S = {1,2,3,4,5,6,7,8}
A = {3,4,5,6,7,8}
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Semilla viable
E2
Semilla no viable
VVV
E5
VNN
E2
NVV
E6
NVN
E3
VNV
E7
NNV
E4
VVN
E8
NNN
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
m
N
m
.
n
55
= 0,68.
80
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Este punto de vista sostiene que la probabilidad mide la confianza que tiene un
determinado individuo en la veracidad de una proposicin particular.
Probabilidad bajo un concepto axiomtico. Este concepto fue formalizado por el
ruso A.N. Kolmogorov. La base de este concepto de probabilidad, se considera
desde el cumplimiento de tres axiomas relacionados con la teora de conjuntos:
1. Todos los eventos deben tener una probabilidad mayor o igual a cero, lo
cual es un argumento razonable en vista de la dificultad de obtener una
probabilidad negativa. Dicha probabilidad del evento tampoco puede ser
mayor a 1.
P ( E ) = O
0 P( E ) 1
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
De esta forma, se definen las medidas de una poblacin como parmetros y las de
una muestra como estimadores, teniendo para cada una y de acuerdo al tipo de
medida una simbologa.
SMBOLOS DE PARMETROS ESTIMADORES
MEDIDA
POBLACIN
(Parmetros)
V. continua V. Binomial
TAMAO
N
N
PROMEDIO
P
DESVIACIN
VARIANZA
2
2
MUESTRA
(Estimadores)
V. continua V. Binomial
n
N
p
X Y
s
s
2
s2
s
Muestreo probabilstico.
Existen condiciones que deben cumplirse para poder hablar de una muestra
probabilstica. Ellas son:
1. poder definir el conjunto total de muestras posibles que pueden seleccionarse
de una poblacin de acuerdo con el procedimiento muestral.
2. Conocer para cada una de las muestras posibles la probabilidad de que sea
seleccionada ((s)).
3. el procedimiento utilizado debe dar a cada elemento de la poblacin una
probabilidad de seleccin diferente de 0.
4. la seleccin, debe ser aleatoria, esto es, el mecanismo de probabilidad
diseado para la seleccin, de tal manera que cada multar posible tenga la
probabilidad de seleccin asignada previamente ((s)).
Muestreo no probabilistico.
Una muestras probabilstica es una muestra que es extrada de una poblacin, de
tal manera que todo miembro de esta ltima tenga una probabilidad conocida de
estar dentro de la muestra.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
aleatorio en la tabla. Esto puede hacerse de varias formas; una de las cuales es
quitar la vista de la pgina, mientras que se toca con la punta de un lpiz. El punto
de partida aleatorio es el dgito ms prximo al punto donde el lpiz toc la pgina.
Supngase que, siguiendo este procedimiento, se lleg a un punto de partida
aleatorio en la interseccin de rengln 15 con la columna 20. El dgito en este
punto es 3. Dado el nmero N de valores, slo se puede elegir este nmero en
aleatorios (de 1 a N); en ocasiones es necesario elegir nmero de dos, tres o ms
dgitos. Para el caso de tres dgitos se buscaran nmeros de 0001 a N que no
sera mayor a 999. El primer valor aleatorio inicia en el punto de partida,
seleccionndose para la muestra los que correspondan de 001 a N, recorriendo la
columna hacia abajo. Cuando se termia la columna de seleccin y no se ha
completado el tamao de la muestra, se puede continuar en la siguiente columna
de abajo hacia arriba o de arriba hacia abajo; hasta completar el n, en esta caso
15.
La varianza muestral de la media. Cuando el muestreo es con reemplazo o la
poblacin muestreada es muy grande, la varianza de promedios o error estndar
est dad por:
sx =
s2
n
sx =
s2
n
1
n N
Pq
n
1
n
N
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
X
~N
sx
Si se desea cierta precisin en la estimacin de , de tal modo que X = E sea
el mximo error de muestreo permisible, entonces utilizando un nivel de
confiabilidad de 1-, se plantea:
E
E
= t / 2
= t / 2
s
sx
n
s 2 t / 2
por lo cual: n =
E2
n0
n
1+ 0
N
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
s 2 (t / 2 ) 2
E2
n1 =
5,32 2 (2) 2
0,5 2
n1 =
28,3024(4)
0,25
n1 =
113,2096
0,25
n1 = 452,83 453
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
n=
5,32 2 (2,24) 2
0,5 2
n=
28,3024(5,01)
0,25
n =
142 , 01
0 , 25
n = 568,04 568
n0
n
1+ 0
N
n=
568
568
1+
10000
n = 537,507 538
De esta forma, para que la muestra sea confiable en una poblacin de 10000
rboles, es necesario tomar una muestra de 538 rboles.
Otra expresin para estimar el tamao del a muestra puede obtenerse cuando se
fija la precisin de P (probabilidad de xito) deseada como un proporcin de la
media y se utiliza el coeficiente de variacin en lugar de la varianza.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
P=
E = PX
X
CV =
s = CVX
n=
42,5%
0,2
T0,05/2 =
Entonces:
n=
n=
n=
n=
(CV )2 t 2
p2
(0,425)2 2 2
0,2 2
(0,1806 )4
0,04
0,7225
0,04
n = 18,06 19
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
n=
n0
n
1+ 0
N
n=
18,06
18,06
1+
30000
n = 18,05 19
Z 2 / 2 p q
E2
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
POBLACIN
Parmetros
Media Aritmtica
Varianza
2
Desviacin Tpica
Tamao
N
MUESTRA
Estimadores
X
s2
s
n
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Esquemticamente sera:
N
n1 X 1
n2 X 2
n3 X 3
.
.
.
nn X n
X
Xn
N
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
[ ] = 2!4!2! = 122 = 6
4
2
a,c
a,d
b,c
b,d
c,d
x
=
n 1
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
P (L1 A L2 ) = 1 -
Donde:
L1 y L2
1-
Es el coeficiente de confianza.
~ N(0,1)
Si se indica como z/2 el valor de la tabla Z tal que el rea de la derecha z/2 es
igual a /2, entonces P(Z< -z/2) = /2 por la simetra de la curva.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
L2 = X + X z / 2 = X +
z / 2
z / 2
Con las ecuaciones L1 y L2 se han obtienido los intervalos con una confianza de 1 para el parmetro. Los estadsticos L1 y L2 se denominan intervalos de
confianza inferior y superior.
Ejemplo. En un cultivo de sorgo (Sorgum bicolor) se quiere promediar la altura
alcanzada por las plantas cuando el fruto se encuentra en estado de leche. Del
cultivo, se ha tomado una muestra aleatoria de 250 plantas de la cuales se tiene
que el promedio de altura en centmetros fue de 135, con un desviacin estndar
de 15 centmetros. Como el tamao de la muestra se pude catalogar como
grande, se usa la distribucin Z para calcular los intervalos de confianza e inferir
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
entre cuanto est el promedio de altura de todo el cultivo con una confiabilidad del
95%, es decir 1- =. 1-0.95= 0.05.
L1 = X
L2 = X +
z / 2
z / 2
Como es claro que la confiabilidad es del 95% y el error del 5%, para cumplir con
el /2, el error se debe dividir en dos colas, lo que quiere decir que el error en
cada punta o cola de la grfica de la distribucin estndar es de 0,025 o lo mismos
que 2,5%.
X
= 135
= 15
= 0.05/2 =0.025
1-
= 0,95
= 250
L1 = X
L2 = X +
z / 2
L1 = 135
15
z / 2
L2 = 135 +
15
250
250
1,96
1,96
L1 = 133,14
L2 = 136,85
Con este resultado, se estima que la altura promedio de todo el cultivo de sorgo
est entre 133,4 y 136,85 centmetros, con un coeficiente de confianza de 0.95.
Este coeficiente de confianza explica que al repetirse el muestreo se espera que el
95% de los intervalos obtenidos en esta forma contengan a .
De esta forma se pude resumir que la ecuacin para hallar lmites de confianza
cuando se tienen muestras grandes corresponde a:
LC = X
z / 2
Se debe notar que uno de los principales factores que afecta la amplitud de los
lmites es la variabilidad de los datos expresada en la desviacin estndar, la cual,
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Coeficiente de
Confianza
(1-)
Porcentaj Probabilida
e
d
90
0,90
a una cola
Porcentaj Probabilida
e
d
10
0,10
a dos colas
Porcentaj Probabilida
e
d
5
0,05
95
0,95
0,05
2,5
0,025
99
0,99
0,01
0,5
0,005
z/2
1,6
4
1,9
6
2,5
8
Para aclarar de donde salen los valores de z/2; se estima que en la distribucin
normal, para que se incluyan el 90% de los datos de una muestra o poblacin, se
le debe restar o sumar 1,64 desviaciones estndar y crear un intervalo. Si el
requerimiento es tener el 95% de los datos, al promedio se le debe sumar y restar
1,96 desviaciones estndar y si se quiere tener el 99% de los datos dentro de un
intervalo, se debe sumar y restar 2,58 desviaciones estndar.
De forma resumida, para obtener intervalos estrechos o cortos se deben cumplir
uno ms de las siguientes condiciones.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
(X
=
X)
n 1
(X
=
X)
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Cada valor de z puede elevarse al cuadrado para obtener z2. Cuando se estudia la
distribucin muestral de z2, se encuentra que sigue una distribucin 2 con un
grado de libertad. Es decir:
2
2
(1)
x
2
=
=z
x1 x 2
2
2
= z1 + z 2
+
(22 ) =
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
k 2
1 !
2
1
k/2
u ( k / 2) 1 e (u / 2)
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
PERCENTILES
DE
LA
DISTRIBUCIN
JI-CUADRADO
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
En esta grfica se observa que las formas para k = 1 y k = 2 son bastante distintas
a la forma cuando k>2. Tambin se observa que la distribucin toma valores
desde cero hasta el infinito. No puede tomar valores negativos ya que es la suma
de los valores de z elevados al cuadrado.
INTERVALOS DE CONFIANZA si se ha obtenido una muestra aleatoria de
tamao n a partir de una poblacin normal, es posible determinar que:
(n 1) s 2
~ 2 ( n 1)
2 y 22 tales que:
1
p ( 12 2 22 ) = 1
2 = 2
1
22 = 2
(1
)( n 1)
)( n 1)
Por lo cual
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
(n 1) s 2
p 12
22 = 1
2
(n 1) s 2
(n 1) s 2
2
p
2
12
2
= 1
De donde:
L1 =
L2 =
(n 1) s 2
22
(n 1) s 2
12
n = 10
= 0,10
2 = 2
1
22 = 2
( 1
)( n 1)
)( n 1)
2 = 2 0,95( 9)
2 = 3,32
22 = 2 0,05(9 )
22 = 16,92
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
(n 1) s 2
2
2
(n 1) s 2
12
9 7,82
= 4,15
16,92
9 7,82
L2 =
= 21,20
3,32
L1 =
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
De esta forma, se puede aclarar que los investigadores tratan con dos tipos de
hiptesis: la hiptesis de investigacin y la hiptesis estadstica. La hiptesis de
investigacin es la conjetura o suposicin que motiva la investigacin. Puede ser
el resultado de aos de observacin por parte del investigador. Un Mdico
Veterinario por ejemplo, puede haber notado que ciertos equinos respondieron
ms rpidamente a un tratamiento para clico. Los proyectos de investigacin
suelen resultar del deseo de los profesionales para determinar si sus teoras o sus
sospechas pueden ser apoyadas o no cuando se someten a los rigores de la
investigacin cientfica.
Las hiptesis de investigacin conducen directamente a hiptesis estadsticas. Las
hiptesis estadsticas se establecen de tal forma que pueden ser evaluadas a
travs de tcnicas estadsticas apropiadas. En este mdulo las hiptesis que se
estudiarn sern de este tipo.
Es importante, sin decir que es camisa de fuerza, tener en cuenta algunos pasos o
aspectos para poder aplicar pruebas de hiptesis estadsticas.
1. Datos. Debe comprenderse la naturaleza de los datos que forman la base
de los procedimientos de prueba, ya que estos determinan la particularidad
que debe utilizarse.
2. Suposiciones. Un procedimiento general se modifica, dependiendo las
suposiciones. Se ha visto que stas incluyen, entre otras, suposiciones de
la normalidad de la distribucin de la poblacin, igualdad de varianzas e
independencia de las muestras.
3. Hiptesis. En la prueba de hiptesis se trabaja con dos supuestos o
hiptesis estadsticas que deben enunciarse explcitamente. La primera es
la hiptesis que debe probarse, por lo comn conocida como hiptesis
nula y que se designa con el smbolo Ho. Esta hiptesis se conoce por
algunos autores como hiptesis de no diferencia, ya que es una proposicin
de conformidad con (o no diferencia respecto de) condiciones verdaderas
en la poblacin de inters. En general, la hiptesis nula se establece con el
propsito expreso de ser rechazada. En consecuencia, el complemento de
la conclusin que el investigador desea alcanzar se convierte en el
enunciado de la hiptesis nula. En el proceso de la prueba, la hiptesis nula
se rechaza, o bien, no se rechaza. Si la hiptesis nula no se rechaza, se
dir que los datos sobre los cuales se basa la prueba no proporcionan
evidencia suficiente que provoque el rechazo. Si el procedimiento del
aprueba conduce al rechazo, se concluye que los datos disponibles no son
compatibles con la hiptesis nula, pero son apoyo de alguna otra hiptesis.
Esta otra hiptesis se conoce como hiptesis alternativa y puede
designarse con el smbolo Ha.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Donde:
Es la estadstica relevante.
Es el supuesto
Es el error estndar de la X
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
o bien:
Ho:
= 0
HA:
Ho:
= 0
HA:
HA:
< 0
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
X 0
SX
z=
X 0
= 0
HA:
> 0
= 0
HA:
< 0
t =
X
SX
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
R = t / t t (n 1)
Si t R entonces se rechaza Ho
Si t R entonces se acepta Ho
Ejemplo. El contenido de protena cruda (PC) del pasto estrella morado (Cynodon
nlefluencis) es de 8% en prefloracin. Por procesos de fertilizacin en el suelo de
acuerdo los requerimientos se supone que aumenta el nivel de protena
comparado con el cultivo tradicional. Se toman aleatoriamente 15 muestras y se
determina el contenido de PC para cada una. De los valores encontrados se tiene
que el promedio nuevo de protena es de 12%, con una varianza de 48.
X = 12%
s 2 = 48
Se desea saber si el contenido de protena cruda (PC) s ha cambiado o no; por
tanto las hiptesis a plantear son:
Ho:
= 0
HA:
> 0
Se puede notar que se usa la prueba unilateral a la derecha por que se pretende
probar si el nuevo valor promedio encontrado de protena cruda (PC) es mayor
que el obtenido bajo condiciones normales o no.
Para calcular el valor estadstico t, primero se debe obtener el valor de error
estndar de la media
sx =
tc =
sx .
s2
48
=
= 1,78
n
15
X 0 12 8
=
= 2.24
SX
1.78
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Es importante tener en cuenta que en la tabla se busca a una sola cola (unilateral);
para el ejemplo del 0.05 como , se busca al 95% de confiabilidad.
Para facilitar la interpretacin de la parte superior de la tabla t se puede tener en
cuenta el siguiente cuadro.
FORMAS DE SIMBOLIZAR LAS COLUMNAS EN LA TABLA T.
Formas de simbolizar las columnas en la tabla t
Una cola (Unilateral)
Dos colas (Bilateral)
Confia
P**
P**
b*
%
P**
%
%
%
err error Confiabili confiabili err error confiabili
or ( )
dad
dad
or ( )
dad
90
10 0,1
90
0,90
5,0 0,05 95
95
5
0,05 95
0,95
2,5 0,025 97,5
99
1
0,01 99
0,99
0,5 0,005 99,5
*
Confiabilidad
**
P**
confiabili
dad
0,95
0,975
0,995
Probabilidad
En vista de que |tc| > t0.05(14), entonces se rechaza Ho con un nivel de significancia
del 0.05 y se puede afirmar que con un nivel de confiabilidad del 95%, el nivel de
protena de pasto estrella morado (Cynodon nlefluencis) fertilizado de acuerdo a
los requerimientos del suelo es mayor que cuando se tiene como un cultivo
convencional sin fertilizacin.
PRUEBA DE DOS COLAS. Tambin llamada bilateral, es aquella en la cual la
zona de rechazo se divide en los dos extremos de la distribucin (cola de la
derecha y cola de la izquierda). Se utiliza esta prueba de hiptesis cuando no se
tiene referencia de un dato mayor o menor del promedio obtenido en el estudio; es
decir, cuando en la hiptesis alterna se plantea que el promedio de la poblacin es
diferente al obtenido (sin saber si es mayor o menor).
Ho:
= 0
HA:
X 0
SX
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
z=
X 0
Es importante tener en cuenta que, en este caso, como se tienen dos posibles
respuestas simbolizadas en la hiptesis al decir que es diferente sin saber si es
mayor o menor que el parmetro de comparacin, se debe trabajar la distribucin
de forma bilateral; donde el nivel de significancia es divido en dos partes (/2)
que indican la porcin de rechazo en la distribucin de los datos; tal como se
muestra en la siguiente grfica.
Grfica. Regin de aceptacin y rechazos en una prueba a dos colas
R1 = {t / t t / 2}
En este caso la regin crtica R est formada por dos partes: R1 y R2,
donde;
R1 = {t / t t / 2}
Ejemplo. El historial de una finca ganadera muestra que los animales que se
encuentran en ceba tienen como promedio de ganancia de peso 930 g/da/animal.
Para evaluar un lote que est en esta etapa de produccin y saber si se encuentra
dentro de los parmetros de produccin de la finca, se hace un muestreo aleatorio
de 15 animales, obtenindose los siguiente valores como ganancia diaria de peso:
740, 890, 910, 915, 1000, 980, 960, 870, 856, 798, 979, 863, 982, 791, 916.
Las hiptesis a probar son:
Ho:
= 930
HA:
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Para hacer los clculos con la distribucin t se deben hallar los valores de
promedio y error estndar de la media
sx .
X = 896,67
s 2 = 6112,09
t=
tc =
X 0
SX
donde;
sx =
s2
16112,09
=
= 20,18 entonces;
n
15
X 0 896,67 930
=
= 1,65
SX
20,18
H A : 1 2 0
H 0 : 1 2 0,
H A : 1 2 < 0
H 0 : 1 2 0,
H A : 1 2 > 0
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
H A : 1 2 0
H A : 1 2
4. Estadstico
Z=
(x1 x2 ) (1 2 )
12
n1
22
n2
1,1
= 2,82
0,39
Zcrtico = 1,96
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
2,82 >
1,96;
Una vez halladas las varianzas, se puede proceder como en el caso anterior,
utilizando el valor hallado para reemplazar en la ecuacin de la distribucin Z.
Comparacin cuando el muestreo es a partir de una poblacin que no se comporta
aproximadamente a la distribucin normal.
Cuando el muestreo se realiza a partir de una poblacin que no presenta
distribucin normal, pueden utilizarse los resultados del teorema central de lmite
si el tamao de la muestra es grande. Esto indica que, si la muestra es grande, se
puede utilizar el teorema normal.
Z=
(x1 x2 ) (1 2 )
12
n1
22
n2
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Muestras apareadas.
Tienen igual nmero de elementos entre las dos muestras.
Una muestra depende de la otra, es decir, se analiza el mismo grupo con el
efecto de dos tratamientos. Cuando se habla de dependencia, no se refiere a
variables dependientes e independientes en modelos lineales; esto hace
referencia a que una muestra fue tomada despus de terminar de aplicar la
anterior y en los mismos ejemplares, terreno, etc.
Muestras no apareadas.
Puede contener igual o diferente nmero de datos entre las dos muestras.
Siempre se refiere a la aplicacin de tratamientos o medidas en dos grupos
diferentes.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Ha: i j
Pasos Para Realizar Prueba De Medias Apareadas
1. Identificar los tipos de muestra.
2. Clculos estadsticos
Calcular la media para cada uno de los grupos Y i
y Yj
Calcular diferencias d = y i y j
Calcular diferencias al cuadrado d2
Hallar sumatoria de d y d2
Hallar promedios para d (d )
tc =
( d i )
t= (n-1)gl
n
n(n 1)
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Rebrotadas Diferencias
(yj)
(d) Yi Yj
96
9
90
-1
92
-14
98
22
94
21
90
24
96
6
93
-6
97
-2
94
2
96
9
89
-10
91
-3
90
2
92
11
96
10
98
14
95
2
94
8
n
yi = 1885
yj = 1781
d i = 104
Yi = 99,21
Y j = 93,74
d i = 5,47
1= n
1= n
1= n
d2
81
1
196
484
441
576
36
36
4
4
81
100
9
4
121
100
196
4
64
n
2
i
= 2538
1= n
d i2 = 133,58
Ha: i j:
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
tc =
d
tc =
tc =
( d i ) 2
t (n-1gl)
n
n(n 1)
5,47
t0.05(18)=2.10
104 2
2538
19
19(19 1)
5,47
10816
19
19(19 1)
2538
tc =
tc =
tc =
5,47
1968,73
342
5,47
5,756
5,47
2,39
tc = 2,27
>
6. Anlisis y Conclusiones.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
El anlisis de varianza fue ideado por Sir Ronald Fisher en 1925. Esta tcnica
estadstica ha resultado de gran aplicacin en aquellas investigaciones que tienen
como propsito analizar los efectos de uno
o ms factores sobre el
comportamiento de una cierta caracterstica. En sus inicios se aplico bsicamente
en el campo de la experimentacin biolgica, y muy especialmente en la
agricultura; pero hoy en da es utilizada con xito en diferentes ramas del trabajo
experimental. Puede considerarse adems, que esta tcnica ha contribuido al
desarrollo de algunos mtodos estadsticos, entre ellos, en los llamados mtodos
de regresin, y que una de sus ms frecuentes aplicaciones se encuentra en el
propio diseo de experimentos.
Su aplicacin en el diseo de experimentos se debe a que el anlisis de varianza
es considerado como una de las tcnicas ms tiles para aumentar la sensibilidad
de dicho diseo, ya que a travs de l se puede suprimir las variables que
intervienen en un fenmeno dado y que no son de la importancia experimental.
El anlisis de varianza, es esencialmente un procedimiento aritmtico que
descompone una suma total de cuadrados en componentes asociados con
fuentes de variacin reconocida. Se ha usado con provecho en todos los
campos de la investigacin en los que los datos se miden cuantitativamente.
Aditividad.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Qu es un experimento?
Experimento, tiene dos acepciones, una general y una particular. La regla general
se refiere a "tomar una accin" y despus observar las consecuencias. Se
requiere la manipulacin intencional de una accin para analizar sus posibles
efectos y la aceptacin particular (sentido cientfico). "Un estudio de investigacin
en el que se manipulan deliberadamente una o ms variables independientes
(supuestas efectos), dentro de una situacin de control para el investigador".
Cul es el primer requisito de un experimento puro?
El primer requisito es la manipulacin intencional de una o ms variables
independientes. La variable independiente es considerada como supuesta causa
en una relacin entre variables; es la condicin antecedente, y al efecto provocado
por dicha causa se le denomina variable dependiente (consecuente). El
investigador no puede incluir en su estudio a dos o ms variables independientes.
Un experimento se lleva a cabo para analizar si una o ms variables
independientes afectan a una o ms variables dependientes y por qu lo hacen.
En un autntico experimento, la variable independiente resulta de inters para el
investigador por ser la variable hipottica, que ser una de las causas que
producen el efecto supuesto. Para obtener respuesta de esta relacin causal
supuesta, el investigador manipula la variable independiente y observa si la
dependiente vara o no. Manipular es hacer variar o dar distintos valores a la
variable independiente.
La variable dependiente se mide, no se manipula. Se mide para ver el efecto de
que la manipulacin de la variable independiente tiene de ella.
La manipulacin o variacin de una variable independiente puede realizarse en
dos o ms grados. El nivel mnimo de manipulacin es dos: presencia-ausencia de
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Experimento aleatorio.
La investigacin en las ciencias agropecuarias se caracteriza en parte porque se
puede repetir bajo las mismas condiciones siguiendo un procedimiento estndar.
En el caso de la aplicacin de un insumo (nutrimento, fungicida, fitohormona, etc.)
a una especie vegetal. De la nica forma como un investigador puede obtener
informacin de tal accin es inmediata la ejecucin de un EXPERIMENTO. Cada
experimento termina con un resultado, pero la caracterstica de estos
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Establecer el problema.
2-
3-
4Examinar los posibles resultados y revisar las razones del problema, para
asegurarse de que el experimento le provee de la informacin adecuada a sus
interrogantes.
5Considerar los resultados desde el punto de vista de los procedimientos
estadsticos que serian aplicados, para asegurarse de las condiciones necesarias
para que estos sean validos.
6-
Realizar el experimento.
7-
con
otras
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
La unidad experimental puede ser un animal (vaca, novilla, pollo, rbol, muestra
de agua, muestra de suelo, etc.) o grupo de las anteriores especies, una parcela,
plantas de maz, frjol, naranja, etc. Al seleccionar un conjunto de tratamientos es
importante definirlos clara y precisamente con cada uno de ellos y considerarlos
uno con respecto a los dems y as dar una respuesta eficiente a los objetivos de
experimentacin.
Error experimental
En general una caracterstica de las unidades experimentales usadas en
investigaciones agropecuarias, es la variacin existente en las unidades cuando
se ejecutan las medidas pertinentes. La variabilidad de las unidades
experimentales en las ciencias agropecuarias es el producto de su misma
constitucin: son seres vivos y en ellos su condicin natural es la variabilidad,
dinmicos en su expresin, los resultados finales de un experimento son inciertos,
se requiere de la probabilidad para medir su incertidumbre y en consecuencia de
modelarlos a travs de los as llamados experimentos aleatorios. A esta
variabilidad Cochran y Cox (1952) la denominaron variabilidad inherente o propia
del material experimental. La incertidumbre del resultado final o variabilidad propia
de las unidades experimentales, se conoce estadsticamente como
error
experimental. Tambin se interpreta como error experimental al hecho por el cual
las unidades experimentales no producen los mismos resultados aun as estn
tratadas igualmente y manejadas bajo las mismas condiciones experimentales.
Existe otra variabilidad en la experimentacin agropecuaria y es la resultante de
no conducir tcnica o adecuadamente el experimento, son los errores de
medicin, de atencin, de la falla en la tcnica experimental de campo o
laboratorio que ocurre al desarrollo de un experimento. Es de vital importancia
hacer todos los esfuerzos posibles para reducir el error experimental, para mejorar
as la eficiencia de la investigacin y asegurar el xito de la misma. Esto se puede
obtener si se considera:
1Tomar material experimental en el cual la variabilidad que lo caracteriza sea
mnimo.
2-
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Replicacin y su funcin
Cuando un tratamiento se aplica ms de una vez, se dice que el tratamiento se ha
replicado.
Las funciones de la replicacin son:
1-
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Diseo experimental.
2.
3.
1.
El uso del diseo experimental como un medio de reducir el error
experimental ha sido ampliamente investigado desde los aos veinte del ao
actual. Esta es una materia de alta discusin y solo se presenta y solo se
presentan principios bsicos. Para ver Cochran y Cox, Federer y Kempthorne.
El control del error por medio del diseo consiste en planear de tal forma que la
variacin natural en las unidades experimentales no contribuyan a falsear la
diferencia debido a tratamientos cuando, por ejemplo, las unidades experimentales
se agrupan en bloques (un bloque que posea todos los tratamientos), de tal forma
que la variacin entre las unidades del bloque sea menor que entre bloques, la
precisin del error experimental incrementa. Tales bloques se denominan
replicaciones. El error experimental se basa el la variacin de las variacin de las
unidades dentro del bloque, puesto que la variacin entre bloques puede ser
eliminada.
Cuando el nmero de tratamientos se aumenta, el nmero de unidades por bloque
se incrementa.
Ciertos diseos permiten dividir los bloques en sub-bloques los cuales poseen una
porcin total de tratamientos. Tales diseos se denominan diseos de bloques
incompletos donde la precisin de ciertas comparaciones se incrementa a
expensas de otras
2.
Uso de informacin adicional. En muchos experimentos la precisin se
puede aumentar mediante el uso de una tcnica estadstica llamada covarianza.
Unos de los principales ejemplos de covarianza es el peso inicial de los animales,
la edad de los animales y el nmero de partes al inicio del ensayo.
3.
Tamao y forma de la unidad experimental. El tamao ptimo de una
parcela en la experimentacin de un cultivo particular depende de factores como la
forma de la variabilidad del suelo y el costo de los procedimientos experimentales,
los cuales son determinados por los tratamientos, se debe agregar que existe
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Seleccin de tratamientos
En casi la totalidad de las investigaciones agropecuarias y ambientales (variables
biolgicas), los tratamientos son los entes que van a solucionar los limitantes
tecnolgicos planteados en el estudio; son hasta cierto punto la hiptesis o
supuestos del problema. En consecuencia, son muy importantes en el concepto de
la investigacin; se requiere un serio anlisis para su seleccin, debe dedicarse un
buen tiempo de reflexin, revisin bibliogrfica, para tener antecedentes de los
mismos y as hacer una buena decisin de aquellos que hagan parte de la
experimentacin final. El investigador debe plantearse una pregunta como: es
necesario testigo?, Cul?, el del productor convencional?, el comercial?, se
adiciona o sustrae A o B tratamientos, se resuelven las hiptesis planteadas?, o
hacen ms complejos los interrogantes?.
La consulta al estadstico, en esta etapa de la experimentacin, es de fundamental
importancia y de gran ayuda para el investigador.
La seleccin de tratamientos es substancial para la precisin y conclusiones a
llegar; en general, es el investigador quien mejor conoce sus tratamientos, este
conocimiento es el que ayuda a menudo a decidir sobre la cantidad de dosis de un
tratamiento particular.
Tcnica experimental de campo
Una tcnica cuidadosa en la conduccin fsica del ensayo es bsica para las
conclusiones y recomendaciones finales del mismo. Es la responsabilidad del
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Aleatorizacin
La principal funcin de la aleatorizacin es la de proporcionar estimadores
insesgados para los promedios y la validez de las pruebas de hiptesis. La
aleatorizacin es una de las nuevas caractersticas de los modernos diseos
experimentales. La idea y estructuracin de la misma se debe a Fisher.
Generalmente envuelve procedimientos como el lanzamiento de una moneda, o el
uso de tablas de nmeros aleatorios y se define como el procedimiento mediante
el cual se asignan los tratamientos a las unidades experimentales segn el diseo
empleado.
Hay que tener en cuenta que cada tratamiento debe tener igual oportunidad de ser
asignado a cualquier unidad experimental, sea ella favorable o no. Cochran y Cox
sealan: la aleatorizacin es anloga a un seguro, en el sentido de que es una
precaucin contra eventualidades que pueden o no ocurrir y que pueden ser o no
serias si ocurren.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
2.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Ventajas
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Desventajas
=1,2,..,r repeticiones y
= 1,2, Vt tratamientos.
j-simo.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Ho.
T = T. (igualdad)
Hiptesis alterna
Ha
T T (desigualdad)
se rechaza Ho
Si Fc < Ft ()
se rechaza Ha
Anlisis de varianza.
1-
FV
Tratamientos
Entre, factor A
GL
SC
t-1
i =1
yi
y 2 ...
r
tr
CM
FC
SCttos
t 1
CMttos
CMee
0,05 0,01
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Error
experimental
n-t
SCtotal
tratamientos
Total
n1
y 2 ...
Yij
n
i =1 j =1
r
SC
SCee
(n t )
Arreglo de campo.
2.
Planteamiento de Hiptesis.
3.
4.
Regla de decisin.
5.
Comparacin.
6.
Conclusin.
7.
8.
Cuadro de promedios.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
9.
Grficas.
10.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
del animal puede utilizarse como factor para formar bloques. Las camadas pueden
utilizarse tambin como bloques, caso en el cual un animal de cada camada recibe
un tratamiento. En experimentos en los que intervienen seres humanos, si se
desean eliminar las diferencias que resultan de la edad, pueden agruparse
entonces los individuos de acuerdo con su edad, de modo que una persona de
cada edad reciba cada tratamiento. El diseo en bloques completos aleatorizados
puede utilizarse tambin convenientemente cuando un experimento debe llevarse
a cabo en ms de un laboratorio (bloque), fincas, zonas, o cuando se requieren
varios das (bloques) para concluirlo.
Se pueden resumir las caractersticas en:
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Ventajas
Algunas de las ventajas del diseo en bloques completos aleatorizados
comprenden el hecho de que es fcil de comprender y sencillo de calcular.
Adems, ciertas complicaciones que pueden surgir en el curso de un experimento
se resuelven fcilmente cuando se utiliza este diseo.
Desventajas
La principal desventaja de los bloques completos al azar es que cuando la
variacin entre unidades experimentales dentro de un bloque es grande, resulta un
trmino de error considerable. Esto ocurre frecuentemente cuando el nmero de
tratamientos es grande; as puede no ser posible asegurar grupos de unidades
suficientemente uniformes para los bloques. En tal situacin, se dispone de otros
diseos para controlar una mayor proporcin de la variacin.
Modelo estadstico.
Cuando se decide utilizar un diseo de bloques al azar el experimentador piensa
que cada medicin ser el resultado del efecto del tratamiento donde se
encuentre, del efecto del bloque al que pertenece y de cierto error que se espera
sea aleatorio. Si actuara otro tipo de efecto o factor adicional a estos tres, dicho
efecto se carga en el error, el cual deja de ser aleatorio y como consecuencia
puede enmascarar el efecto del factor de inters al realizar el ANAVA.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
=1,2,..,n repeticiones
= 1,2Vk tratamientos.
Yij
i
= Representa el efecto del bloque, que refleja el hecho de que la unidad
experimental cay en el i-simo bloque
j
= Representa el efecto del tratamiento, que refleja el hecho de que la unida
experimental recibi el j-simo tratamiento.
ij
= Es un componente residual que representa todas las fuentes de variacin
que no sean los tratamientos ni los bloques.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
se rechaza Ho
Si Fc < Ft ()
se rechaza Ha
Anlisis de varianza.
1-
FV
GL
SC
Tratamientos,
factor A
t-1
i =1
Bloques,
factor B
Error
Experimental
b-1
(t-1)(b-1)
n-1
Total
yi
y 2 ...
b
tb
yj
i =1
y 2 ...
tb
SCTSCttos
SCbloques.
r
Yij
i =1 j =1
CM
FC
SCttos
t 1
CMttos
CMEE
SCbloques
t 1
CMbloques
CMEE
0,05 0,01
SCEE
(n t )
y 2 ...
n
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Notacin y definiciones
Los sistemas de notacin que se usan en experimentos factoriales son similares,
pero presentan diferencias suficientes como para que el lector tenga que
comprobar con cuidado cuando utilice nuevas referencias. Se sigue una notacin
parecida en muchos aspectos a la sugerida por Yates (1933). Las tres letras
maysculas se usan para designar factores,
Arreglos Factoriales
A los diseos completamente aleatorios, bloques completos al azar, cuadrados
latinos, cuadrados grecolatinos, e hipergrecolatinos se pueden utilizar para
estudiar el efecto de un solo factor y eliminar el efecto de otros factores externos.
A un experimento, con la caracterstica anterior, se lo denominamos experimento
unifactorial. Cuando nos interesa estudiar el efecto simultaneo de dos o ms
factores, con diferentes niveles, a los cuatro diseos anteriores debemos
agregarle lo que se denomina arreglo factorial o simplemente factorial.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
2.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
b = nmero de bloques.
B = suma de las observaciones presentes en el bloque donde falta la observacin.
t = nmero de tratamientos.
T = suma de las observaciones presentes en el tratamiento donde falta la
observacin.
G = suma del total de las observaciones presentes en el cuadro de concentracin
donde faltan la observacin.
Una vez calculado el dato, se sustituye en el cuadro de concentracin para
analizar los datos, reduciendo en uno los grados de libertad del error y del total al
efectuar el anlisis de varianza.
Cuando son dos las observaciones que faltan, estas pueden ser del mismo
tratamiento, del mismo bloque o de diferente bloque y diferente tratamiento.
Cuando faltan dos observaciones del mismo tratamiento:
En este caso se debe definir si los dos datos corresponden a un solo tratamiento,
a un solo bloque o a un tratamiento y un bloque diferentes. Los datos faltantes se
catalogan como x1 y x2; para lo cual:
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
2.
Si el estudio F es significativo al 5%, lleve a cabo las comparaciones
planeadas que quiera, usando la metodologa de los contrastes ortogonales o el
mtodo de Diferencia Mnima Significativa. Si se tiene igual nmero de
repeticiones por tratamiento, puede usarse el mtodo de Duncan.o Tukey.
3.
Si el estadstico F para igualdad de medias no es significante, el
experimentador an podr considerar las comparaciones planeadas pero deber
usar el mtodo de t-multivariado o el mtodo de Bonferoni. En este caso no debe
hacerse ningn tipo de seleccin post-hoc o comparaciones sugeridas de los
resultados. En realidad, dado que la prueba F no es significante para igualdad de
medias, la prueba de comparacin mltiple no producir ninguna diferencia
significativa.
a (a 1)
2
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
CMEE
r
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
COMPARACIN
DIFERENCIA (D)
DECISIN
TUKEY
RESULTADO
A vs B
*, **
X1 X2 = d
>, <
valor W
A vs C
X1 X3 = d
>, <
valor W
A vs D
X1 X4 = d
>, <
valor W
B vs C
X2 X3 = d
>, <
valor W
B vs D
X2 X4 = d
>, <
valor W
C vs D
X3 X4 = d
>, <
NS
valor W
X2
X3
X4
0
0
0
c. Con letras.
d. con grficas y letras.
6. Comparacin de medias en forma decreciente.
Medias
Xn
Xn
Xn
Xn
Xn
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
% relativo
El ltimo valor o menor, se toma como 100% y luego se saca por regla de tres el
valor en % para los dems.
Ejemplo. Un zootecnista tiene como estudio comparar la ganancia de peso de
terneros destetos hasta el sacrificio suplementando con diferentes fuentes
nitrogenadas que faciliten la formacin de protena bacteriana.
Como se sabe que entre el destete y sacrificio la edad del animal implica
fisiolgicamente cambios en la eficiencia digestiva el zootecnista decide hacer
grupos
de animales por edades y poderlos comparar adems de los
tratamientos.
Ganancia de peso (g/dia/animal) de terneros Suplementados con NNP, del
destete al sacrificio
EDAD
MESES
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Grado
s
de Suma de Promedio de
Origen de las liberta cuadrado los
variaciones
d
s
cuadrados
F
Edad
Tratamiento
s
Error
Total
14069,8
3
12
19
79363,6
1079,4
94512,8
Probabilida
d
Valor crtico
para F
39,104502
3,2591600
5
8,598E-07 5
3517,45
26454,533
3
294,10265 1,708E-11 3,4902996
89,95
TESTIGO
634
a (a 1)
2
ncompraciones =
4(4 1)
=6
2
1. Gallinaza-amoniaco
4.Amonicao-urea
2. Gallinaza-urea
5.Amoniaco-testigo
3. Gallinaza-testigo
3. Clculo del valor terico.
6. Urea-testigo
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
w = T s x
sx =
CMEE
r
sx =
89,95
5
w = T sx
sx = 4,24
T0,05 = 3,80
w = (3,80)(4,24)
w = 16,11
COMPARACION
Gallinaza-amoniaco
Gallinaza-urea
Gallinaza-testigo
Amoniaco-urea
Amoniaco-testigo
Urea-testigo
DIFERENCIA
12,4
29,4
157,4
17
145
128
DECISION
<
>
>
>
>
>
W
16,11
16,11
16,11
16,11
16,11
16,11
RESULTADO
NS
*
*
*
*
*
5. Representacin de resultados.
a. Cuadro de diferencias de medias.
Promedios Gallinaza
Gallinaza
0
Amoniaco
12,4 NS
Urea
29,7*
Testigo
157,4*
b. Con lneas.
Amoniaco
0
17*
145*
Urea
0
128*
Testigo
Gallinaza
Amoniaco
Urea
Testigo
791,4
779
762
634
Gallinaza
Amoniaco
Urea
Testigo
c. Con letras.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
791,4
779
762
634
791,4 a
779 a
762 b
700
634 c
600
500
400
300
200
100
0
GALLINAZA
AMONIACO
UREA
TESTIGO
Amonaco
779
122,87%
Urea
762
120,19%
Testigo
634
100%
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Sx =
CME
r
2. Con los grados de libertad del error se consultan las tablas de Amplitudes
Estudiantizadas Significativas de Duncan A.E.S. escogiendo el nivel de
significancia deseado ( = 0,05 0,01) y se buscan los valores de hilera
correspondiente hasta un "p" (grado de separacin entre los promedios que se
comparan) igual al nmero de tratamientos.
P2: tDuncan, P3: tDuncan, P4: tDuncan, V Pn: tDuncan,
Estos valores son multiplicados por el error estndar de los promedios S x con el
fin de obtener los valores de amplitudes lmites de significacin de Duncan
A.L.S.; tal como se presenta en la siguiente tabla.
Valores de A,E.S. y A.L.S. para efectuar la prueba de Duncan.
Valores de P.
A.E.S.
A.L.S. = A.E.S x S x
2
tDuncan
Duncan
3
tDuncan
Duncan
4
tDuncan
Duncan
A.L.S. con P = 3.
A.L.S. con P = 4.
y as sucesivamente.
son
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
DIFERENCIA (D)
DESICIN
A vs B
*, **
X1 X2 = d
>, <
valor DUNCAN
A vs C
X1 X3 = d
>, <
valor DUNCAN
A vs D
X1 X4 = d
>, <
valor DUNCAN
B vs C
X2 X3 = d
>, <
valor DUNCAN
B vs D
X2 X4 = d
>, <
valor DUNCAN
C vs D
X3 X4 = d
A.L.S.
RESULTADO
>, <
NS
valor DUNCAN
Para indicar todas las comparaciones entre los promedios se puede utilizar una
notacin resumida a base de lneas o letras, as:
a. Utilizando lneas. Los promedios ordenados por magnitud se subrayan con
lneas as: Los promedios que no sean significativamente diferentes se subrayan
con una lnea comn; los promedios que difieren no aparecen unidos. Para el
ejemplo anterior, la notacin queda en la siguiente forma:
Tratamientos
A
Promedios
prom 1.
prom 2.
prom 3.
prom 4.
_________________________
x.
A
prom 1.
B
Prom 2.
C
prom 3.
D
prom
4.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
a
a
A
b
El uso de letras para resumir las comparaciones tiene la ventaja de que los
tratamientos pueden presentarse en el orden que interese al investigador, en
cambio para "la notacin con lneas se requiere ordenar los promedios por
magnitud.
C. cuadro de diferencias de medias.
Promedios X1 X2 X3 X4
X4
0
X3
0
X2
0
X1
0
Comparacin de medias en forma decreciente.
Medias
% relativo
Xn
Xn
Xn
Xn
Xn
TRATAMIENTOS
A
B
C
D
E
F
G
75,18
63,75 60,18 64,18
92,1 67,68 80,0
Los valores de A.L.S. obtenidos en la prueba de Duncan con = 0.05
fueron:
P
A.L.S.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
_________
ab
bc
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Ecuacin:
y = a + bx
Donde:
y = valor esperado
a = intercepto entre la lnea proyectada en el eje y
b
=
pendiente
x = cualquier valor sobre el eje x
Grafica:
de
la
lnea
proyectada
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
El anlisis de varianza nos permite conocer las diferencias, si las hay, entre dos o
ms tratamientos y as estaremos en capacidad de seleccionar la mejor
metodologa bajo estudio. Si no hay diferencia entre los tratamientos la tcnica
estatifica nos est indicando que es indiferente utilizar cualquiera de ellos.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Peso del
Cuerpo
X
Consumo de
Alimento
X = X- 4.0
4.6
5.1
4.8
4.4
5.9
4.7
5.1
5.2
4.9
5.1
0.6
1.1
0.8
0.4
1.9
0.7
1.1
1.2
0.9
1.1
Y = Y- 80
87.1
93.1
89.8
91.4
99.5
92.1
95.5
99.3
93.4
94.4
7.1
13.1
9.8
11.4
19.5
12.1
15.5
19.3
13.4
14.4
(Y- Y)2
Steel
Torrie,
Vemos que hay una relacin bastante definida entre las dos variables. Como
observamos antes, de los datos de la tabla 6.1 podemos obtener diagrama de
dispersin, recta de mnimos cuadrados, coeficientes de regresin, e
determinacin, y tambin realizar una anlisis de varianza a la regresin.
Para Nuestro caso la recta de regresin, de mejor ajuste o de mnimos
cuadrados para el ejemplo anterior es: Y= 55.26 +7.69 X, que significa que para
aumentar una libra de peso, el consumo de alimento debe ser de 7.69 libras de
alimento.
Las fuentes de variacin que afectan una variable no siempre son controlables
mediante un plan experimental. Cuando el plan no puede efectuar el control, es
posible medir algunas caractersticas de la fuente de variacin. Por ejemplo, la
cantidad de alimento consumido por las gallinas es una variable de importancia
econmica. Sera de esperar que se viera afectada por otras variables
medibles, tales como el peso del cuerpo y el nmero y peso de los huevos
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
puestos. Para los datos de la tabla anterior, el peso del cuerpo fcilmente
explica la mayor variabilidad en el alimento consumido. La importancia
econmica es obvia.
Ahora usamos la tabla anterior para ilustrar el control estadstico de una fuente de
variabilidad mediante el uso de una observacin concomitante. La
desviacin estndar de Y antes de la variacin en X es (Y-Y)2 /(n-1)
=135.604/9 =3.88 lbs. Hemos visto que luego de ajustarla es Sy.x = 2.37 lbs.
La parte de la suma de cuadrados de Y atribuible a la variacin en X la da la
ecuacin siguiente:
Reduccin en SC = SC (regresin = SC (Y/X) = [ (X - X) (Y-Y)]2 =
(11.812)2
(X-X)2
1.536
= 90.386
Para nuestro ejemplo, tiene un grado de libertad. Tambin podemos observar que
la proporcin de la suma de cuadrados de Y atribuible a la variacin en Y es
[ (X X) (Y- Y)]2 / (X X)2 = 90.386
ciento)
(Y Y)2
135.604
= 0.67 (o 67 por
gl
Sc simblica
1[(XX)(YY)] /(XX)
2
Ejemplo
gl Sc CM
1
90.836
90.836
F
16.22**
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
n1
(YY)2
8
9
44.768
135.604
5.60
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
FUENTES BIBLIOGRAFICAS
American Association for the Advancement of Science.
ciencia.
La naturaleza
http://www.project2061.org/esp/publications/sfaa/online/chap1.htm.
Junio 2005.
de la
Accesado
Box, G.E.P., Hunter, W.G.S., y Hunter, J.S. 1993. Estadstica para investigadores:
Introduccin al diseo de experimentos, anlisis de datos y construccin de
modelos. Edit. Reverte, Espaa. 422 p.
Bunge, M. La ciencia, su mtodo, y su filosofa. Ediciones Siglo XX. Buenos Aires.
1972.
Cabria, S. (1994). Filosofa de la estadstica. Servicio de Publicaciones de la
Universidad de Valencia
Chou, Ya-Lun. Anlisis estadstico. Edit. Mc Graw Hill, Mxico. 1992. 808 p.
Clarke, G and Kempson, R. E. 1997. Introduction to the design and analysis of
experiments, Arnod, London.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Experimental
para Zootecnistas
Agrcolas.
UNAD
Ambiente
UNIVERSIDAD
NACIONAL
ABIERTA
Y
A
DISTANCIA
Escuela
de
Ciencias
Agrcolas,
Pecuarias
y
del
Medio
Contenido didctico del curso BIOMETRIA Y DISEO DE EXPERIMENTOS
Munch, L. y ngeles,
Mexico.1993. 166 p.
Ed.
Trillas,
UNAD
Ambiente