Académique Documents
Professionnel Documents
Culture Documents
Anlisis
Grfico: 1 2 3
Tratamiento 4:
Tratamiento 5:
19 25 22 19 23
7 10 11 15 11
Salida SAS
DF
Sum of
Squares
Mean
Square
475.76000
118.94000
20
24
161.20000
636.96000
8.06000
R-Square
Y Mean
C.V.
0.746923
15.040
DF
18.87642
Type I SS
475.76000
Root
Mean Square
118.94000
F
14.76
rate,
Mean
21.600
30
B
B
B
17.600
25
15.400
20
C
C
C
10.800
35
9.800
15
DF
Sum of
Squares
Mean
Square
441.81429
147.27143
21
24
195.14571
636.96000
9.29265
R-Square
Y Mean
0.693630
15.040
C.V.
DF
Pr > F
Root
20.26852
Type I SS
Mean Square
X
3.62
X*X
36.93
X*X*X
6.99
0.0710
0.0001
33.62000
33.62000
343.21429
343.21429
64.98000
64.98000
0.0152
T for H0:
Error of
Parameter
Estimate
INTERCEPT
39.75743623
X
5.19660897
X*X
0.21604552
X*X*X
0.00287405
Pr > |T|
Estimate
Parameter=0
62.61142857
1.57
0.1302
-9.01142857
-1.73
0.0976
0.48142857
2.23
0.0369
-0.00760000
-2.64
0.0152
Std
En este 2do. paso , se vuelve a usar el Proc. GLM pero esta vez
considerando ambas variables y e x, en que y es la variable respuesta,
siendo x el porcentaje del algodn. En la instruccin Model del Proc
GLM, se declara un modelo del tercer grado y se obtiene la tabla del
Andeva y la estimacin de los parmetros.
No se debe tomar en cuenta la significacin de los componentes en la
tabla de Andeva 1.2.2, porque este paso ya se hizo en la tabla 1.2.1. El
clculo de significacin en la tabla 1.2.2. usa el error de la tabla 1.1.2
que tiene 20 g.l. En cambio la tabla 1.2.2 usa error con 21 g.l. Este
grado de libertad adicional es por el componente cuartico que
automticamente el Proc GLM suma al trmino del error en la tabla
1.2.2 ya que al no ser significativo en la tabla 1.2.1, se excluy este
trmino en la declaracin del modelo del Proc GLM para generar la
tabla 1.2.2 .
La informacin mas
importante que se consigue en
la tabla 1.2.2 es la funcin
polinmica estimada de tercer
grado, la cual es:
Y(estimada) =
62.61142857
-9.01142857*X +
0.48142857*X*X
-0.0076*X*X*X
en que Y es la resistencia y X
es el porcentaje del algodn.
Se puede maximizar esta
funcin y para hacer esto se
calcula la derivada de
Y(estimada ) con respecto X.
Luego se iguala la expresin
de la derivada a cero y se
obtiene una ecuacin
Conclusin:
La relacin ente la resistencia de la fibra sinttica y el porcentaje del
algodn se puede representar por la siguiente funcin polinmica
estimado de grado tres:
Y(estimada) = 62.61142857 -9.01142857*X + 0.48142857*X*X
-0.0076*X*X*X
41.0
17.9
23.8
19.6
39.4
37.1
42.8
21.8
59.9
41.9
36.1
21.1
46.4
43.6
35.1
43.4
37.9
69.3
63.8
50.7
70.8
57.7
51.1
46.5
Tabla 2.1.1: Anlisis de varianza para
Diseo B. A.
Mean
Source
Value
Pr > F
Model
7.14
0.0001
Error
Corrected Total
MSE
10.083
DF
Squares
Square
6529.2027
725.4670
20
29
2033.4093
8562.6120
101.6705
R-Square
Y Mean
0.762525
45.660
C.V.
Root
22.08317
Source
DF
Type I SS Mean Square
Value
Pr > F
VARIEDADES
5
4541.6840
908.3368
8.93
0.0001
BLOQUES
4
1987.5187
496.8797
4.89
0.0065
Comentarios:
El Modelo Lineal del diseo usado en este experimento es:
Mean
VARIEDAD
A
A
A
61.080
60.640
B
B
B
B
B
44.820
44.540
35.900
26.980
C
C
C
Comentarios:
DF
Sum of
Squares
Mean
Square
62501.989
10416.998
7
13
40713.725
103215.714
5816.246
R-Square
Y Mean
0.605547
949.86
C.V.
8.029030
Root
Source
Value
BLOCK
1.82
TRAT
1.74
Source
Value
BLOCK
2.14
TRAT
1.74
Pr > F
0.2303
DF
Type I SS
Mean Square
42255.048
10563.762
20246.942
10123.471
DF
Type III SS
Mean Square
49805.025
12451.256
20246.942
10123.471
0.2435
Pr > F
0.1785
0.2435
Comentarios:
Este ejemplo tiene el propsito de ilustrar el procedimiento a usar y los
aspectos computacionales cuando existe(n) dato(s) faltante(s) en un
diseo B. A. con efectos fijos.
Generalmente un diseo B. A. se planifica como un diseo balanceado
pero al perder uno o ms datos experimentales, el diseo llega a ser un
diseo no balanceado. Pueden surgir muchas complicaciones en el
anlisis estadstico y prdidas de propiedades ptimas del diseo por el
no balanceo, por ejemplo: El error estndar de promedios de
tratamientos ya no es un valor constante sino varia segn si se trata del
promedio de un tratamiento que tiene el problema de dato(s) faltante(s)
o no. Se pierde la propiedad de ortogonalidad del diseo ya que no se
cumplir la propiedad que S.C. Total = S.C. Bloques + S.C.
Tratamientos + S.C. Error experimental. En general se reduce la
potencia de la dcima del estadstico F , lo cual pudiera hacer difcil
detectar las diferencias significativas.
En cuanto al procedimiento computacional a usar, se hace necesario
usar Sumas de cuadrados, cuadrados medios y F del tipo III (Type III )
en la salida del SAS, para ambas fuentes de variacin que seran
bloques y tratamientos. En este ejemplo el valor de F para bloques es
2,14 y el valor de F para tratamientos es 1,74
Diseo Cuadrado Latino
(3.1): Cuadrado Latino:
4 Filas: 4 Columnas: 4 Tratamientos(Variedades de Trigo) ;
y = Rendimiento por parcela en Kg. ;
Ejemplo: Steel, R.G.D y Torrie, J.H.: Capitulo 8 ;
DATOS:
C 10.5 D
7.7 B 12.0 A 13.2
B 11.1 A 12.0 C 10.3 D
7.5
D
5.8 C 12.2 A 11.2 B 13.7
A 11.6 B 12.3 D
5.9 C 10.2
General Linear Models Procedure
Dependent Variable: Y
Source
Value
Pr > F
Model
21.49
0.0007
Error
Corrected Total
MSE
0.6733
Source
Value
Pr > F
FILAS
1.44
0.3219
COLUMNAS
5.00
0.0452
TRATAMIENTOS
58.03
0.0001
Sum of
Mean
DF
Squares
Square
87.680000
9.742222
6
15
2.720000
90.400000
0.453333
R-Square
Y Mean
0.969912
10.450
C.V.
Root
6.443065
DF
Type I SS
Mean Square
1.955000
0.651667
6.800000
2.266667
78.925000
26.308333
Comentarios:
*
Bloques
;
* Fecha de siembra Abono
1
2
3
4
;
*
Temprana
Abono estndar ;
*
Temprana
Areo
;
*
Temprana
Na
;
*
Temprana
K
;
* .... Despus siguen 4 lineas siguientes para fecha de
siembra tarda ....;
Datos:
28.6 36.8
29.1 29.2
28.4 27.4
29.2 28.2
30.3 32.3
32.7 30.8
32.7
30.6
26.0
27.7
31.6
31.0
32.6
29.1
29.3
32.0
30.9
33.8
30.3
32.7
33.0
31.8
33.9
29.4
32.7
31.7
DF
Sum of
Squares
Mean
Square
10
94.100000
9.410000
21
31
66.438750
160.538750
3.163750
R-Square
Y Mean
0.586151
30.806
C.V.
Root
5.773807
DF
Type I SS
Mean Square
7.306250
2.435417
32.000000
32.000000
16.401250
5.467083
38.392500
12.797500
Comentarios:
Usaremos el nivel de significacin igual a 0,05 . Observamos que el
valor de F para bloques no es significativo. Esto indica que hubo una
falla en el planeamiento del experimento y/o en la construccin o
orientacin de los bloques en el campo experimental.
Los datos utilizados en este ejemplo proviene del libro de Steel, R.G.D.
y Torrie, J.H. 4 lotes de semillas de avena fueron usados como
tratamientos principales. Hay 4 sub tratamientos que consisten en un
testigo mas tres productos qumicos que sirven para controlar una
enfermedad de plantas. Se usaron 4 bloques.
Este diseo asigna la mxima precisin de estimacin al factor
productos qumicos (Sub Tratamientos) y la mnima precisin a al
factor Lotes de semillas(Tratamiento principal).
Tabulacin de datos:
Los datos se muestran en el programa de SAS. Las primeras 4 filas de
datos corresponden a los datos de los bloques 1 - 4, para el primer nivel
del Tratamiento principal. Dentro de cada fila hay 4 datos
correspondientes a los 4 niveles de sub tratamientos.
Las prximas 4 filas de datos corresponden a los datos de los bloques 1
- 4, para el segundo nivel del Tratamiento principal. Dentro de cada
fila hay 4 datos correspondientes a los 4 niveles de sub tratamientos.
etc. y as sucesivamente hasta la tabulacin de las ltimas 4 filas
correspondientes al cuarto y ltimo nivel del Tratamiento principal.
Programa fuente SAS:
data pdivid ;
do tratprin = 1 to 4;
do bloques = 1 to 4;
do subtrat = 1 to 4;
input Y @;
output;
end;
input;
end;
end;
cards;
42.9 53.8 49.5 44.4
41.6 58.5 53.8 41.8
28.9 43.9 40.7 28.3
30.8 46.3 39.4 34.7
53.3 57.6 59.8 64.1
69.6 69.6 65.8 57.4
45.4 42.4 41.4 44.1
35.1 51.9 45.4 51.6
62.3 63.4 64.5 63.6
58.5 50.4 46.1 56.1
44.6 45.0 62.6 52.7
50.3 46.7 50.3 51.8
75.4 70.3 68.8 71.6
65.6
54.0
52.7
;
67.3
57.6
58.5
65.3
45.6
51.0
69.4
56.6
47.4
Sum of
Squares
Mean
Square
27
7066.1919
261.7108
36
731.2025
20.3112
63
7797.3944
Source
Value
Pr > F
Model
12.89
0.0001
Error
Nombrarla como Error(b)
Corrected Total
R-Square
Y Mean
4.5068
0.906225
52.809
C.V.
Root MSE
8.534077
Source
DF
Type I SS
> F
BLOQUES
3
2842.8731
0.0001
No usar esta Fila.
TRATPRIN
3
2848.0219
0.0001
No usar esta Fila.
BLOQUES*TRATPRIN
9
618.2944
0.0042
Nombrarla como Error(a)
SUBTRAT
3
170.5369
0.0539
Mean Square
F Value
947.6244
46.66
949.3406
46.74
68.6994
3.38
56.8456
2.80
Pr
TRATPRIN*SUBTRAT
0.0059
586.4656
65.1628
3.21
DF
Type I SS
Mean Square
F Value
3
2842.8731
Usar esta Fila.
3
2848.0219
Usar esta Fila.
947.6244
13.79
949.3406
13.82
Pr > F
F
13.79
13.82
2.80
3.21
Comentarios:
= 0,05.
F para bloques es significativo y esto indica que hubo justificacin en
usar bloques en el diseo para controlar la variabilidad.
Tratprin es la abreviatura para Tratamientos principales y tiene el valor
de F significativo, lo cual implica que hay diferencias significativas
entre los promedios poblacionales de los 4 lotes de semillas de avena.
La fuente de variacin Sub tratamientos no tiene el valor de F
significativo y esto seala que no existen diferencias significativas
entre los promedios poblacionales de los 4 productos qumicos.
Consideraremos el nivel de significacin
Anlisis Grfico:
En la grfica de la interaccin Tratamiento
Principal x Sub tratamiento, se observa la
presencia de una interaccin por el cambio en la
direccin de la respuesta, ya que las lneas,
correspondientes a los tratamientos principales,
muestran puntos de interseccin.
La lnea de promedios correspondiente al
Tratamiento principal nmero 4, siempre se
encuentra arriba de las otras tres lneas
restantes. Por lo tanto, el mejor
tratamiento principal, debera ser el
cuarto, sujeto a confirmacin del resultado
del Anlisis de Duncan
Anlisis de Duncan:
Ya que la interaccin Tratamiento Principal
x Sub Tratamiento es significativa, no
podemos realizar anlisis posterior sobre
los promedios de Tratamientos principales
y asimismo tampoco sobre los promedios
de Sub Tratamientos (adems este ltimo
es no significativo). Se puede hacer la
comparacin entre los 16 tratamientos
combinaciones por el Anlisis de Duncan y
el resultado de este procedimiento podr
ser usado para responder preguntas
inicialmente planteadas en el objetivo del
experimento.
Para realizar el cmputo del mtodo de
Duncan, es necesario obtener un
estimacin del error experimental, la cual
se puede hallar por el promedio ponderado
de los cuadrados medios de los dos errores
(a) y (b) en el diseo. En este ejemplo, esta
estimacin mancomunada tendr 45 g.l.
El Anlisis de Duncan revela que el mejor
tratamiento es la combinacin 42. Tambin
se ha formado otro grupo que contiene las
combinaciones de tratamientos: 14 y 11,
que tiene los promedios ms bajos para la
variable respuesta rendimiento.
Utilizando los resultados del del Anlisis de
Mean
Square
F Value
418.088
46.83
8.928
R-Square
C.V.
Root MSE
0.972858
3.074926
2.9880
Mean
97.174
Pr >
Source
F
DF
Type I SS
Mean Square
F Value
BLOQUES
3
48.410
0.1524 No usar esta Fila.
TECNICO
2
248.347
0.0001 No usar esta Fila.
BLOQUES*TECNICO
6
161.153
0.0105 Nombrarla como Error(a)
DOSIS
2
20570.056
0.0001 No usar esta Fila.
TECNICO*DOSIS
4
125.944
0.0105 No usar esta Fila.
BLOQUE*DOSIS(TECNIC)
18
226.000
0.1514 Nombrarla como Error(b)
GROSOR
3
3806.910
0.0001
TECNICO*GROSOR
6
126.486
0.0375
DOSIS*GROSOR
6
402.278
0.0001
TECNICO*DOSIS*GROSOR
12
205.889
0.0435
16.137
1.81
124.174
13.91
26.859
3.01
10285.028
1151.97
31.486
3.53
12.556
1.41
1268.970
142.13
21.081
2.36
67.046
7.51
17.157
1.92
Pr >
DF
Type I SS
Mean Square
F Value
48.40972
16.13657
0.60
248.34722
124.17361
4.62
Pr >
Pr >
Pr >
TECNICO*GROSOR
0.0375
DOSIS*GROSOR
0.0001
TECNICO*DOSIS*GROSOR
0.0435
Error(c)
Corrected Total
126.486
21.081
2.36
402.278
67.046
7.51
12
205.889
17.157
1.92
81
143
723.188
26644.660
8.928
Comentarios:
El valor de F para Tcnico no es significativo. Esto indica que los tres
Tcnicos han tenido xito en conducir el experimento de una manera
uniforme. Puesto que F para dosis es significativo, podemos concluir que
existen diferencias significativas entre las potencias de las 3 dosis que se han
probado en este experimento. La interaccin Tcnico*Dosis al no ser
significativa, asegura que las 3 dosis entre ellas mantienen las mismas
diferencias relativas del tiempo de absorcin , no importa cual es el Tcnico
quin lo prepara. Esta informacin es importante ya que esto asegura la
uniformidad en la calidad del producto elaborado.
Grosor es significativo, lo cual implica que la potencia del antibitico depende
del grosor de la pared de cpsula. La interaccin DOSIS*GROSOR es
significativa. Esto indica que el factor dosis y el factor grosor de la cpsula no
son independientes. La interaccin TECNICO*GROSOR es significativa
indicando que el nivel del factor grosor que tenga el mejor tiempo de
absorcin depende del tcnico quin ha elaborado el antibitico. La
interaccin triple Tecnico*Dosis* Grosor, por ser una interaccin de tres
factores puede ser causada de una manera compleja por la significacin de
cualesquiera de las siguientes interacciones: Tcnico por Dosis*Grosor, o
Dosis por Tcnico*Grosor o por Grosor por Tcnico*Dosis.
A continuacin se presenta la informacin necesaria para hacer el Anlisis
grfico de las 3 interacciones dobles:
Anlisis Grfico:
Sabemos que una interaccin doble es causada por una o ambas de
las siguientes raznes:
(1): Existe diferencia en la magnitud de respuesta. (Se identifica esta
situacin en la grfica cuando algunas o todas
de las lneas no son paralelas pero no existe interseccin entre
ellas.)
(2): Existe diferencia en la direccin de respuesta. (Se identifica
esta situacin en la grfica cuando algunas o todas
de las lneas intersectan entre ellas.)
Cuando todas las lneas en la grfica son paralelas, entonces
no existe interaccin.
En las 3 grficas que se presentan arriba, podemos observar que:
(1): Ninguna de las 3 grficas muestran lneas paralelas y en
consecuencia suma de cuadrados para interaccin para
cada una de los 3 interacciones ser mayor que cero.
(2): Ninguna de las 3 grficas presentan la diferencia en la direccin
de respuesta, ya que no existe interseccin
entre las lneas.
(3): Cada una de las 3 grficas muestra diferencia en la magnitud de
respuesta, siendo esta de un grado leve para la
interaccion Tcnico*Dosis la cual no alcanza significacin
para = 0,05 .