Dise Factoriales

Introduccin al diseo experimental y al
anlisis de datos
Construccin de diseos factoriales
Introduccin
Tipos de factores
Diseos ortogonales
Diseos anidados
Diseos ad-hoc
Jose Jacobo Zubcoff

Dept. of Marine Science and Applied Biology
III) ANLISIS DE LA VARIANZA
Diseos Factoriales
Se puede examinar ms de un factor simultneamente (ANOVA de 2

factores, de 3 factores, etc.)
Por qu un nico anlisis para dos factores, en vez de dos anlisis

separados?
eficacia
disminuir la probabilidad de cometer un error Tipo I
mayor informacin (efecto combinado de los factores)
4) Tipos de diseos
Ejemplo de diseo de 2
factores:
R3
R1
Hiptesis 1: la abundancia total

de los peces litorales
mediterrneos responde a la
proteccin pesquera en las
reservas marinas
R2
Hiptesis 2: pueden haber
diferencias regionales de
abundancia, achacables a
variaciones puramente
espaciales (debidas a otros
factores adems de la
proteccin)
4) Tipos de diseos
Tenemos dos factores experimentales:

nivel de proteccin P
regin R
R1
NP
R3 R1
R2
R2
p=2
R3
r=3
rplicas
n=3
R1
R2
R3
NP
DISEO ORTOGONAL
4) Tipos de diseos
Diseo ortogonal
Buscamos explorar ms de un factor experimental simultneamente y
en combinacin
Cada nivel de un factor est presente en el experimento en
combinacin con cada nivel del otro factor (ortogonalidad)
Debemos asegurar la ortogonalidad con el fin de investigar las
interacciones entre factores
R1
R2
R3
P
NP
NP
4) Tipos de diseos
Diseos Factoriales
Comparaciones entre los trat. -> afectados por las
condiciones en las que ocurren.
Los efectos de un factor deben tener en cuenta los
efectos de otros factores. (mas real)
Mas de un factor a la vez -> Diseo Factorial
Son experimentos mas eficientes->Cada observacin
proporciona informacin sobre todos los factores
Las respuestas de un factor en diferentes niveles de otro
Interaccin-> ocurre cuando su actuacin no es
independiente.
4) Tipos de diseos
Anlisis para 2 factores

Efectos de un factor:
Es un cambio en la respuesta medida ocasionado por un
cambio en el nivel de ese factor
Efectos Simples: comparaciones entre niveles de un

factor (contrastes)
Efectos principales: de un factor son comparaciones

entre los niveles de un factor promediados para todos
los niveles de otro factor
Efectos de Interaccin: son las diferencias entre

efectos simples
4) Tipos de diseos
Ejemplo para Diseo factorial 2 x 2
B
A
B1
B2
Medias del
Factor A
A1
68
60
64.0
A2
65
97
81.0
Medias del
Factor B
66.5
78.5
4) Tipos de diseos
Ejemplo para Diseo factorial 2 x 2

Efectos Simples: (para factor A)
21 - 11 = 65 68 = -3
l2 = 22 - 12 = 97 60 = 37
l1
B1
B2
Medias del
Factor A
A1
68
60
64.0
A2
65
97
81.0
Medias del
Factor B
66.5
78.5
Efectos principales: (promedio de los dos efectos)
l3
2. - 1. = 81 64 = 17
Efectos de Interaccin:
l4
l - l1 = 37 (-3) = 40
= 2
97
B1
B2
68
65
60
A1
A2
4) Tipos de diseos
Diseo ortogonal
Hiptesis nula:
H01: 1 = 2 = = i = = a
2
H02: 1 = 2 = = j = = b
1
H03: las diferencias entre niveles del factor A son

independientes de las diferencias entre niveles del factor B
En nuestro ejemplo:
H01: 1 = 2 = 3
H02: 1 = 2
H03: las diferencias entre niveles del factor P son
independientes de las diferencias entre niveles del factor R
4) Tipos de diseos
Diseo ortogonal
Modelo lineal:
Xijk = + Ai +Bj + ABij + ek(ij)
Fuente de variacin
SC
(Xi X)2
(Xj X)2
AB
(Xij X)2- (Xi X)2- (Xj X)2
Residual
(Xijk Xij)2
Total
(Xijk X)2
4) Tipos de diseos
Diseo ortogonal
Modelo lineal:
Fuente de variacin
SC
(Xi X)2
(Xj X)2
AB
(Xij Xi Xj X)2
Residual
(Xijk Xij)2
Total
(Xijk X)2
g.l.
[ab a (b 1)] =
(ab a b + 1) =
(a 1)(b 1)
4) Tipos de diseos
Diseo ortogonal
Modelo lineal:
Fuente de variacin
SC
g.l.
(Xi X)2
(a1)
(Xj X)2
(b1)
AB
(Xij Xi Xj X)2
Residual
(Xijk Xij)2
ab(n1)
Total
(Xijk X)2
abn1
(a1) (b1)
4) Tipos de diseos
Diseo ortogonal
Fuente de variacin
g.l.
Est. SC
(a1)
(a-1)e2 + bn (ABiAB)2 + bn (AiA)2
(b1)
(b-1)e2 + an (ABiAB)2 + an (BiB)2
AB
Residual
Total
(a1) (b1)
ab(n1)
abn1
e2 + interaccin
e 2
4) Tipos de diseos
Diseo ortogonal
Importancia de definir si los factores considerados son fijos o
aleatorios:
El 2 trmino del estimador de la SC es 0 cuando el factor es fijo,
puesto que
ABij = 0
En cambio, cuando uno de los factores (p.ej. B) es aleatorio, los
valores Bj constituyen una muestra de todos los posibles valores, y el
sumatorio de las interacciones ser 0
En nuestro ejemplo?
Nivel de proteccin: FIJO
Regin: ALEATORIO

Diseo ortogonal:
Fuente de var.
4) Tipos de diseos
A fijo
B aleatorio
g.l.
Est. MC
Est. MC
(a1)
2e + n2AB + bn (AiA)2 / (a1)
e2 + n2AB + bnk2A
(b1)
2e + an2B
e2 + an2B
(a1) (b1)
2e + n2AB
e2 + n2AB
2 e
2 e
AB
Residual
Total
ab(n1)
abn1

Diseo ortogonal:
Fuente de var.
A fijo
B fijo
g.l.
Est. MC
(a1)
2e + bn (AiA)2 / (a1)
(b1)
2e + an (BiB)2 / (b1)
AB
Residual
Total
(a1) (b1)
ab(n1)
abn1
4) Tipos de diseos
Est. MC
e2 + bnk2A
e2 + ank2B
2e + n [var. Interacc.] / (a-1)(b1)
e2 + nk2AB
2 e
e 2

Diseo ortogonal:
Fuente de var.
g.l.
A aleatorio
B aleatorio
Est. MC
(a1)
e2 + n2AB + bn2A
(b1)
e2 + n2AB + an2B
AB
Residual
Total
(a1) (b1)
ab(n1)
abn1
e2 + n2AB
2 e
4) Tipos de diseos
4) Tipos de diseos
Diseo ortogonal:
Fuente de var.
g.l.
Est. MC
A
B
AB
Residual
Total
(a1)
(b1)
(a1) (b1)
ab(n1)
abn1
e2 + n2AB + bnk2A
e2 + an2B
e2 + n2AB
2 e
A
B
AB
Residual
Total
(a1)
(b1)
(a1) (b1)
ab(n1)
abn1
e2 + bnk2A
e2 + ank2B
e2 + nk2AB
e 2
A
B
AB
Residual
Total
(a1)
(b1)
(a1) (b1)
ab(n1)
abn1
e2 + n2AB + bn2A
e2 + n2AB + an2B
e2 + n2AB
2 e
A fijo
B aleatorio
A fijo
B fijo
A aleatorio
B aleatorio
(distancia entre g.l.)
4) Tipos de diseos
Diseo ortogonal:
Comparaciones mltiples a posteriori (p.ej. SNK)
1) P
ns
R
**
PxR ns
Rango
Medias X1
Comparaciones
test SNK
X2
X3
2-1
D=QxET
3
2
3-1
fijo o aleatorio?
3-2
ET = (MCDEN / an)
R1
1) P
**
R
ns
PxR **
R2
P1
R3
P1
R1
P2
R2
R3
ET = (MCRES / n)
P2
4) Tipos de diseos
Diseo ortogonal:
Problema de la multiplicidad de tests (p.ej. 5): se incrementa el error Tipo I
Solucin: correccin de Bonferroni
B = 0,05 / 5 = 0,01
4) Tipos de diseos
Diseo ortogonal:
A*
SNK para A (bn casos)
B*
SNK para B (an casos)
A x B ns
ANOVA
AxB*
SNK para todas las

combinaciones de A y B
STOP
4) Tipos de diseos
Diseo ortogonal:
No hay lmites matemticos a la adicin de factores ortogonales; ej:
Xijkl = + Ai + Bj + Ck + ABij + ACik + BCjk + ABCijk + el(ijk)
8 combinaciones de tipos de factores:
Los lmites estn en
fff
ffa
faf
aff
faa
afa
aaf
aaa
imaginar las hiptesis subyacentes

interpretar las interacciones
4) Tipos de diseos
Diseo anidado
Ejemplo:
Hiptesis: La abundancia total de peces es menor en una zona rocosa
colonizada por C. taxifolia que en una que no lo est.
4) Tipos de diseos
Diseo anidado
Ejemplo:
Fuente de var.
# niveles
Hbitat
Residual
Total
h=2
n=9
gl
(h 1)
h(n 1)
hn 1
1
16
17
Qu ocurre si rechazo H0? Y si la acepto?

Problema: pseudo-replicacin (Hurlbert 1984):
poner a prueba estadstica los efectos de un tratamiento con un trmino
de error experimental inapropiado para la hiptesis considerada
4) Tipos de diseos
Diseo anidado
Ejemplo:
4) Tipos de diseos
Diseo anidado
Ejemplo:
4) Tipos de diseos
Diseo anidado
Ejemplo:
Hbitat H
Sitio S
S1
S2
NC
S3 S4
S5
h=2
S6
s= 3
rplicas
n=3
4) Tipos de diseos
Diseo anidado:
Un grupo de tratamientos experimentales tiene niveles o
representaciones diferentes en cada uno de los niveles de los dems
tratamientos
Los factores anidados son siempre aleatorios
Los diseos anidados han de estar equilibrados (mismo n para cada
nivel jerarquizado, mismo n de niveles jerarquizados en cada nivel
superior)
4) Tipos de diseos
Los diseos factoriales /enen dos caracters/cas notables:
Cada nivel de cada factor ocurre con TODOS los niveles de los demas factores
Es posible examinar la interaccin entre ellos
Diseos anidados o jerrquicos

Los niveles de un factor (B) no sern idenCcos en todos los niveles de otro factor (A)
Los niveles del factor (B) estan ANIDADOS dentro de los niveles del factor (A)
Las varianzas incluyen la heterogeneidad de los niveles inferiores junto con la suya
especca
4) Tipos de diseos
Diseo anidado:
Modelo estads/co:
Los otros factores pueden ser jos o aleatorios pero el

anidado es aleatorio

yijk =
+ i + bj (i)+ ck(j)
i -sima {la} i = 1,2,3,,a

j -sima {columna} j = 1,2,3,,b
repe/cin
k = 1,2,3,,r
b es el efecto del factor (B) anidado en (A)

c es el efecto del factor (C) anidado en (B)
Se supone que son aleatorios e independientes los efectos a,b,c
Tabla de ANOVA
Diseo anidado:
4) Tipos de diseos
Diseo anidado:
4) Tipos de diseos
Diseo anidado:
4) Tipos de diseos
Diseo anidado:
4) Tipos de diseos
Diseo anidado:
4) Tipos de diseos
Diseo anidado:
4) Tipos de diseos
Diseo anidado:
4) Tipos de diseos
4) Tipos de diseos
Diseo anidado
Modelo lineal:
Xijk = + Ai +B(A)j(i) + ek(j(i))
Fuente de variacin
SC
g.l.
(Xi X)2
(a1)
B(A)
(Xj(i) Xi)2
a(b1)
Residual
(Xijk Xj(i))2
ab(n1)
Total
(Xijk X)2
abn1
4) Tipos de diseos
Diseo anidado
Ejemplo:
Fuente de var.
Hbitat
Sitio (Hbitat)
Residual
Total
# niveles
h=2
s=3
n=3
gl
(h 1)
h(s 1)
hs(n 1)
hn 1
1
4
12
17

Diseo anidado
Hiptesis nula:
H0: 1 = 2 = = i = = a (= )
H0: A1 = A2 = = Aj = = Ab (= 0)
4) Tipos de diseos
4) Tipos de diseos
Diseo anidado
H1
s1
B1(1)
B1(1)
s2
s3
A1
1
Hi
A1
Ai
Ai
s1
sj
Bj(i)
Bj(i)
sb
pooling (p > 0,25)
4) Tipos de diseos
Diseo anidado: el caso de las pautas temporales
20
Xi
15
10
5
0
0
10
tiempo
15
20
4) Tipos de diseos
20
Xi
15
10
5
0
0
10
tiempo
15
20
4) Tipos de diseos
20
Xi
15
10
5
0
0
10
tiempo
15
20
4) Tipos de diseos
20
Xi
15
10
5
0
0
10
tiempo
15
20

Diseos mixtos: parcialmente anidados
Ejemplo:
4) Tipos de diseos
4) Tipos de diseos
Diseos mixtos: parcialmente anidados

Ejemplo:
Xijkl = + Pi + Rj + Pi Rj + Sk (Pi Rj) + Zl(Sk(Pi Rj)) + Tijklm
Fuente de
variacin
Tipo
N de
niveles
p=2
r=3
S(P x R)
s=3
Z(S(P x R))
z=3
Residual
n=3
PxR
Total
4) Tipos de diseos
Comparacin de planes de muestreo:

Snchez-Jerez, P., Garca-Charton, J.A., Bayle-Sempere, J. , Prez-Ruzafa, A. & Ramos-Espl, A.A.
Estimating the effect of Marine Protected Areas on abundance of fish populations by random visual
counts: considerations about the sampling designs and spatial replication. Cybium (en rev.)
Diplodus sargus :
(1998)
C. Palos
C. Tioso
Aguilas
20,7
>
8,3
=
6,6 indiv. 250 m-2
Simulacin por bootstrapping (distribucin de Poisson, n = 1000 permutaciones)

Anlisis de la varianza
4) Tipos de diseos
4 planes de muestreo (a igualdad de esfuerzo) 2 tipos de diseo :

ANOVA de 1 factor ( Localidad , sin replicacin espacial) :
a)
3 repeticiones
b)
n = 18
n=6
ANOVA de 2 factores ( Localidad , con replicacin espacial un

factor aleatorio Sitios anidado en Localidad ) :
c)
3 sitios
n = 6/sitio
d)
6 sitios
n = 3/sitio
50
Design a
40
30
20
10
50
Design b
ns
40
30
20
Col 2
10
Control1
MPA
Control2
Control1
ns
Design d
Abundance (num.ind./250 m2) of D. sargus
Design c
Abundance (num. ind./250 m2) of D. sargus
4) Tipos de diseos
60
50
40
30
20
10
Control1
MPA
Control2
80
MPA
Control2
70
60
50
40
30
20
10
0
Control1
MPA
Control2
5) Construccin de modelos
Construccin de modelos a partir de principios generales

1. Definir los modelos, hiptesis e hiptesis nulas
2. Definir las poblaciones y variables a muestrear
3. Determinar cules son los factores relevantes (a partir de las hiptesis)
4. Definir si los factores son fijos o aleatorios
5. Definir el nivel de replicacin, de modo que:
(a) Sean posibles las generalizaciones
(b) se asegure que no hay pseudo-replicacin
6. Organizar los controles
7. Calcular los gl, los estimadores de las MC y los contrastes apropiados
para el clculo de las F
8. [Determinar la potencia del anlisis y optimizar el muestreo]
9. Si es necesario, re-disear el experimento

Ejemplo:
Xijkl = + Pi + Rj + Pi Rj + Sk (Pi Rj) + Tijkl
Clculo de los gl:
Cada factor ortogonal: n de niveles 1
Cada factor anidado: producto de
n de niveles del factor anidado 1
n de combinaciones de tratamientos en los cuales ese factor
est anidado
Cada interaccin: producto del n de gl de cada trmino de la
interaccin
Residual: producto del n de niveles de cada factor en el experimento
por el n de rplicas 1
Total: producto del n de niveles de cada factor (incluyendo rplicas) 1

Ejemplo:
Fuente de
variacin
Tipo
N de
niveles
p=2
r=3
S(P x R)
s=3
Residual
n=3
PxR
Total
gl

Ejemplo:
Fuente de
variacin
Tipo
N de
niveles
p=2
(p -1)
r=3
(r -1)
(p -1)(r -1)
PxR
gl
S(P x R)
s=3
pr(s 1)
12
Residual
n=3
prs(n 1)
36
prsn 1
63
Total

Estimas de MC y contraste para el clculo de las F
Fuente de variacin
Pa
Rb
P x Rab
S(P x R)c(ab)
Residualn(c(ab))
a
n

1. Si el subndice situado en la columna se encuentra en la fila:
(a) El subndice no est entre parntesis (no incluye componentes
anidados):
- factor fijo
0
- factor aleatorio 1
(b) El subndice est entre parntesis (incluye componentes
anidados):
1
2. Si el subndice situado en la columna no se encuentra en la fila:
el subndice (n de niveles del factor)

1. Si el subndice situado en la columna se encuentra en la fila:
(a) FIJO
- NO ANIDADO
- ANIDADO
(b) ALEATORIO
0
1
1
2. Si el subndice situado en la columna no se encuentra en la fila:

el subndice (n de niveles del factor)

Fuente de variacin
Pa
Rb
P x Rab
S(P x R)c(ab)
Residualn(c(ab))
a
n

f
Fuente de variacin
Pa
Rb
P x Rab
S(P x R)c(ab)
Residualn(c(ab))

1. Identificar en la fila todos los componentes de variacin de ese
factor
2. Multiplicar cada componente por el producto de todas las entradas
de la fila, omitiendo las columnas que contienen el(los) subndice(s)
de esa fila
3. Para el residual el multiplicador es 1

Fuente de
variacin
Pa
Rb
P x Rab
S(P x R)c(ab)
Residualn(c(ab))
Estimador de la MC

Fuente de
variacin
Estimador de la MC
Pa
2e + n2c(ab) + bcn2a
Rb
2e + n2c(ab) + acn2b
P x Rab
2e + n2c(ab) + cn2ab
S(P x R)c(ab)
2e + n2c(ab)
Residualn(c(ab))
2 e

Dise Factoriales

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Dise Factoriales

Transféré par

Droits d'auteur :

Formats disponibles

Introduccin al diseo experimental y al

Construccin de diseos factoriales

Jose Jacobo Zubcoff

III) ANLISIS DE LA VARIANZA

Se puede examinar ms de un factor simultneamente (ANOVA de 2

Por qu un nico anlisis para dos factores, en vez de dos anlisis

III) ANLISIS DE LA VARIANZA

Hiptesis 1: la abundancia total

III) ANLISIS DE LA VARIANZA

Tenemos dos factores experimentales:

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

Anlisis para 2 factores

Efectos Simples: comparaciones entre niveles de un

Efectos principales: de un factor son comparaciones

Efectos de Interaccin: son las diferencias entre

III) ANLISIS DE LA VARIANZA

Ejemplo para Diseo factorial 2 x 2

III) ANLISIS DE LA VARIANZA

Ejemplo para Diseo factorial 2 x 2

Efectos principales: (promedio de los dos efectos)

III) ANLISIS DE LA VARIANZA

H03: las diferencias entre niveles del factor A son

III) ANLISIS DE LA VARIANZA

(Xij X)2- (Xi X)2- (Xj X)2

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

(a-1)e2 + bn (ABiAB)2 + bn (AiA)2

(b-1)e2 + an (ABiAB)2 + an (BiB)2

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

2e + n2AB + bn (AiA)2 / (a1)

III) ANLISIS DE LA VARIANZA

2e + n [var. Interacc.] / (a-1)(b1)

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

SNK para A (bn casos)

SNK para B (an casos)

SNK para todas las

III) ANLISIS DE LA VARIANZA

Los lmites estn en

imaginar las hiptesis subyacentes

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

Qu ocurre si rechazo H0? Y si la acepto?

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

Los diseos factoriales /enen dos caracters/cas notables:

Diseos anidados o jerrquicos

III) ANLISIS DE LA VARIANZA

Los otros factores pueden ser jos o aleatorios pero el

i -sima {la} i = 1,2,3,,a

b es el efecto del factor (B) anidado en (A)

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA

III) ANLISIS DE LA VARIANZA