Académique Documents
Professionnel Documents
Culture Documents
anlisis de datos
Introduccin
Tipos de factores
Diseos ortogonales
Diseos anidados
Diseos ad-hoc
Diseos Factoriales
4) Tipos de diseos
Ejemplo de diseo de 2
factores:
R3
R1
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
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
4) Tipos de diseos
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
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
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
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
Residual
(Xijk Xij)2
Total
(Xijk X)2
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 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:
Xijk = + Ai +Bj + ABij + ek(ij)
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)
(b1)
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
Fuente de var.
4) Tipos de diseos
A fijo
B aleatorio
g.l.
Est. MC
Est. MC
(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
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
e2 + nk2AB
2 e
e 2
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:
Comparaciones mltiples a posteriori (p.ej. SNK)
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:
Comparaciones mltiples a posteriori (p.ej. SNK)
A*
B*
A x B ns
ANOVA
AxB*
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:
fff
ffa
faf
aff
faa
afa
aaf
aaa
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:
Hiptesis: La abundancia total de peces es menor en una zona rocosa
colonizada por C. taxifolia que en una que no lo est.
Fuente de var.
# niveles
Hbitat
Residual
Total
h=2
n=9
gl
(h 1)
h(n 1)
hn 1
1
16
17
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:
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:
Hiptesis: La abundancia total de peces es menor en una zona rocosa
colonizada por C. taxifolia que en una que no lo est.
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
Cada
nivel
de
cada
factor
ocurre
con
TODOS
los
niveles
de
los
demas
factores
Es
posible
examinar
la
interaccin
entre
ellos
4) Tipos de diseos
Diseo anidado:
Modelo estads/co:
yijk =
+ i + bj (i)+ ck(j)
k = 1,2,3,,r
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:
Hiptesis: La abundancia total de peces es menor en una zona rocosa
colonizada por C. taxifolia que en una que no lo est.
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
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
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
4) Tipos de diseos
20
Xi
15
10
5
0
0
10
tiempo
15
20
4) Tipos de diseos
4) Tipos de diseos
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
Diplodus sargus :
(1998)
C. Palos
C. Tioso
Aguilas
20,7
>
8,3
=
6,6 indiv. 250 m-2
4) Tipos de diseos
a)
3 repeticiones
b)
n = 18
n=6
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
5) Construccin de modelos
5) Construccin de modelos
Fuente de
variacin
Tipo
N de
niveles
p=2
r=3
S(P x R)
s=3
Residual
n=3
PxR
Total
gl
5) Construccin de modelos
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
5) Construccin de modelos
Fuente de variacin
Pa
Rb
P x Rab
S(P x R)c(ab)
Residualn(c(ab))
a
n
5) Construccin de modelos
5) Construccin de modelos
0
1
1
5) Construccin de modelos
Fuente de variacin
Pa
Rb
P x Rab
S(P x R)c(ab)
Residualn(c(ab))
a
n
5) Construccin de modelos
Fuente de variacin
Pa
Rb
P x Rab
S(P x R)c(ab)
Residualn(c(ab))
5) Construccin de modelos
5) Construccin de modelos
Fuente de
variacin
Pa
Rb
P x Rab
S(P x R)c(ab)
Residualn(c(ab))
Estimador de la MC
5) Construccin de modelos
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