Diseo y Anlisis de experimentos

Dr. Andrs Aguirre Cruz

1

Diseo de Bloques completos y aleatorizados

Fue creado al rededor de 1925

R. A. Fisher.
Bsqueda.
Mtodos para el mejoramiento
de experimentos.
Campo Agrcola.

Diseo de Bloques completos y aleatorizados

Es un diseo en el que las unidades experimentales a

las que se aplican los tratamientos son subdivididas
en grupos homogneos llamados bloques.

Bloque 1
Bloque 2

Objetivo
El objetivo al utilizar el diseo por bloques
completos y aleatorizados es aislar y
eliminar del termino de error la variacin
atribuible a los bloques, y asegurar que las
del tratamiento estn libres de los efectos
del bloque.

Diseo de Bloques completos y aleatorizados

Eficacia del diseC )

- Capacidad de conseguir bloques homogneos de
unidades de experimentacin.

capacidan
- Conocimiento de los investigador acerca del material
experimental.

Diseo se utiliza con efican

- El cuadrado medio del error en la tabla ANOVA se reduce,
aumenta la R. V.
- Mejora la probabilidad de rechazar la H0 .
5

Ventajas

a) La principal es la fcil comprensin

del diseo.
b) Algunas complicaciones son fciles
de controlar cuando se utiliza este
diseo.

Despliegue de los datos

Tabla de valores aleatorios para el diseo por bloques
completos y aleatorizados.
Tratamientos

. ..

Total

Bloques 1

X 11

x12

x .13

x 1k

r ..

X.

x21

x22

x2s

X2k

T2.

X~.

X31

x32

X33

xsk

Ts.

-X3.

X
'111

xn2

xn3

xni.

T n

x,,.

T.1

T 2 .

T.s

T.k

T ..

X.

X.2

X.3

. Total
Media

..
.

...

";

" X. k

Media

X
7

Diseo de Bloques completos y aleatorizados

(DBCA)

La tcnica para analizar los datos de un

DBCA se llama ''Anlisis de Variancia
Bilateral ''(AVB).

Los pasos para la prueba de hiptesis

1)
2)
3)
4)
5)
6)
7)
8)
9)

Datos.
Supuestos.
Hiptesis.
Distribucin de la estadstica de prueba.
Regla de decisin.
Calculo de la estadstica de prueba.
Decisin estadstica.
Conclusin.
Valor de p.
9

1)

Datos

Identificar los tratamientos, los bloques y

unidades de experimentacin, los datos
pueden presentarse por conveniencia como;
Tratamientos
Bloques 1
l

. x 11

.. :

x 12

X.u

k
.

Total

x11

T 1

Media

x1

3 .

..
n

X n1 ,

Xni:

x,..

...

";)

X_,
.....:

Tk
Media

- ..J
X

x2

-X.21

...

..

T.
,.

x.

T..

10

2) Supuestos
El modelo para el diseo por BCA se
fundamenta en las siguientes supos1c1ones:

X ..
JJ

+RPi. +t1-+ev..

i = 1,2, ...,n; j == 1, 2, ... ,k

Xij = Valor

representativo de toda la poblacin.

= Constante desconocida.
p= Efecto de bloque que refleja el hecho de que la unidad de experimentacin cae en el i-simo bloque.
i = Efecto de un tratamiento que refleja el hecho de que la unidad de experimentaci6n recibe el j-simo
tratamiento.

eij = Componente residual que representa

toda las fuentes de variacin que no son tratamientos ni bloques.

11

3)

Hiptesis

Se puede probar

H 0 : 'ti = O,

j = l, 2, ...

Contra la alternativa

HA: no todas las 'tJ. = O

12

4)

Distribucin de la Estadstica de prueba

La estadstica de prueba es R. V.

SCentre

R.V. = cuadrado ~edio entre los grupos

cuadrado medio derttro de los grupos

sedentro
13

4)

Distribucin de la Estadstica de prueba

Si las dos estimaciones son aproximadamente iguales.

SCentre = Scdentro

R.V.

Apoya la hiptesis de que las 1 =

Por ora parte si:

SCentre > Scdentro

R.V. > 1

Igual o considerablemente mayor

14

4)

Distribucin de la Estadstica de prueba

Se pude decir que cuando H es verdadera.

Existe muy poca probabilidad de que
R.V.

15

4)

Distribucin de la Estadstica de prueba

Cuando H 0 es verdadera se cumplen

una
las supociones R.V. sigue
distribucion R

- 16

5)

Regla de decisin

La hiptesis nula (HJ se rechaza.

Si el valor calculado para la estadstica de
prueba R.V. es mayor o igual al valor crtico
de Fe.

17

6)

Calculo de la estadstica de prueba.

La suma total de los cuadrados para el diseo por

BCA, puede dividirse en tres componentes, cada uno
atribuible

los

tratamientos (SCtrat), bloques

(Csb1oq) y error (SCresidua0

se

lo tal

se

bloq

.se

trat

se

residual

18

Formul as para cada parmetro de la ecuacin

sctotal

L L <xij - x.. ~

j=l i=l
k

scbloq

1'

= LL<xi..- x..)
2

j=l i =l
k

sclrat

1l

= L L <x.j- x..) 2
j=l i=l

scresidual

= sctolal

scbloq -

sctrat

19

Grados de libertad

cto tal

se

bloq

+ .setrat +

se

residual

Los grados de libertad adecuados para

cada componente en la ecuacin son:
total
kn = 1 =

bloques
(n .- 1) +

(error ) residual

tratamientos
(k + 1)

(n - . l )(k - 1)

20

Grados de libertad
Los grados de libertad residuales, al igual
que la scresiduales' pueden calcularse mediante
una resta de la siguiente manera:

( kn - 1) - (n - 1) - ( k - 1) = kn - 1 - n + 1.- k + 1
= n(k -1) -l (k -l) = (n -l)(k -1)

21

Tabla ANOVA para el diseo bloques

completos y aleatorizados

se

Fuente

g.l.

CM

R.V.

Tratamien tos SCirat

Bloques
SCbioq ti .
Residuales
SCttsidual n- I )(k-_1)
. ..
;

Total

se

toca!

. kn- -I

!Para obtener el valor Fe se toman estos dos parmetros

22

7)

Decisin estadstica

Es posible demostrar que, cuando el modelo de

efectos fijos se aplica y H 0 de no efectos del
tratamiento (-r = O) es verdadero tanto el:
CMerror' CMtratamientos Y CMresidual)

Son estimaciones para la variabilidad comn de cr 2

Por lo tanto, cuando Ho es verdadera
23

7)

Decisin estadstica

CM tra /CMresLdual
.
Sigue una distribucion normal F con K-1
grados de libertad en el numerador y (n-1) x
(k-1) grados de libertad en el denominador.
La razon de la variancia calculada, por lo
tanto, se compara contra el valor critico de F.
24

8)

Conclusin

Si la hiptesis nula (H0) se rechaza se

concluye que la hiptesis alternativa
(Ha) es verdadera.
Si no se rechaza H 0, se concluye que H 0
puede ser verdadera.

25

9) Valor de p.
El p-valor es una medida directa de lo verosmil
que resulta obtener una muestra como la actual si
H 0 es cierta.
Valores pequeos indican que es muy infrecuente.
Valores altos que es frecuente.
El p-valor se emplea para indicar cun poco
contradice la muestra actual H.
26

9) Valor de p.
El p-valor tiene la ventaja de permitir que
cualquiera decida qu hiptesis acepta basndose
en su propio nivel de riesgo a .
La decisin se har de acuerdo a la regla
siguiente:
si pv < a, aceptar H
si pv > a, aceptar H 0
27

Un fisioterapeuta tiene como propsito comparar tres

mtodos para poder ensear a sus pacientes a utilizar
un mecanismo protsico. El considero que el
porcentaje de aprendizaje seria diferente en pacientes
con diferentes edades y por esta razn decidi disear
un experimento en el que la edad fuera tomada en
cuenta.

28

Escogi al azar a tres pacientes por grupo para formar

cinco grupos de edades (menos de 20, de 20-29, 30-39,
40-49 y 50-y ms) para que participaran en el
experimento, y a cada uno de los pacientes en cada
grupo de edades se le asigno al azar un mtodo de
enseanza. Los mtodos de instruccin forman tres
tratamientos, y los cinco grupos de edad son los
bloques. Los datos obtenidos se muestran en la
siguiente tabla:

29

30

Tiempo (en das) necesario para

aprender a utilizar cierto aparato protsico
Mtodo de e nseanza

Grupo de edad

Total

Menor de 20
20 a 29
30 a 39
..
40 a49
50 y ms

7
8
9
10
11

9
9
9
9
12

10
10
12
12

26
27
30
31
37

14

31

Tiempo (en das) necesario para

aprender a utilizar cierto aparato protsico
Mtodo de e nseanza
Grupo de edad

Total

Media

Menor de 20
20 a 29
30 a 39
..
40 a 49
50 y m~s

7
9
10
11

9
9
9
9
12

10
10
12
12
14

26
27
30
31
37

8.67
9.00
10.00
10.33
12.33

Total

45

48

58

151

Media

9.0

9.6

11.6

10.07
32

Los pasos a seguir

1) Datos.

2) Supuestos.
3) Hiptesis.
4) Distribucin de la estadstica de prueba.
5) Regla de decisin.
6) Calculo de la estadstica de prueba.
7) Decisin estadstica.
8) Conclusin.
9) Valor dep.

33

 CAPITULO 8 ANALISIS DE LA V ARIANCIA

DANIELS PAG. 34

34

Calculo dele estadstico de prueba

sc01~ 1 = (7 - 10.07)2

+ (8- 10.07)2 + ... + (14 - 10.07)2 = 46.9335

scbloq = 3 [(8.67 - 10.07) 2 + (9.00 - 10.07) 2 + ... + (12.33 - 10.07) 2] = 24.855
scuat = 5 [(9- 10.07)2 + (9.6- 10.07)2 + (1.1.6-10.07) 2 ] = 18.5335
sc~idual

= 46.9335 -

24.855 - 18.5335

= 3.545

Los grados de libertad en total son = (3)(5)- 1 = 14, bloqu es

= 5 - 1 = 4, t ratamientos = 3 - 1 = 2, y el (error) residual = (5 -

35

TABIA 3.3.4
ejemplo 8.3.1
Fuente

Tabla ANOVA para et

se

Tratamientos
Bloques
Residuales

18.5335
24.855
3.545

Total

46.9335

g.l.

CM

2 .. 9.26675
4
6.21375
8
.443125

R.V.

20.91

14
36

1)(3 - 1) = 8. Los resultados de los clculos pueden desplegarse en

una tabla ANOVA como la que se muestra en la tabla 8.3.4.
Decisin estadstica. Puesto que la razn de la variancia, 2 O. 91, es
mayor que 4.46, se rechaza la hiptesis nula de que no hay efectos
del tratamiento bajo la suposicin de que una R.V. tan grande refleja
que el cuadrado medio de las dos muestras no son estimaciones de la
misma cantidad. La otra nica explicacin para esa R.V. tan grande
sera que la hiptesi~ nula es realmente verdadera, y que se observ
u.n conjunto de resultados inusuales. Se descarta la segunda explicacin en favor de la primera.

Conclusin. Se concluye que no todos los efectos de los tratamien.:.

tos son iguales a cero, o equivalentes, es decir que no todos los tratamientos son iguales.
Valor de p.

Para esta prueba p < .005.

37

ROW

1
2
3
4
5

Cl

C2

C3

1
2
3
1
2
3
1
2
3
1
2
3
1
2
3

6
7

10
9

1
1
1
2
2
2
3

12
10

4
4
5
5
5

10
11
12
13
' 14
15
FIGURA 8.3.1

10
8
9

12
11
12
14

.. .

Hoja de trabajo de MINITAB para los datos de la figura 8.3.2.

38

Caja de dilogo:

Comandos de la sesin:

Stat ANOVA > Twoway

MTB > TWOl~AY Cl

SUBC > MEANS C2

C2 C3
C3.

Teclear CI e n Response. Teclear C2 en Row factor y

verificar Display meaos. Teclear CJ en Column facto_r y
verificar Display means. Clic OK.
Resultados:

. '

Anlisis de la varlancia bilateral

Analysis of variance . for

Sou.rce
OF
SS
24 . 933
C2
1
C3
2
18.. 533
3 .467
Error
8
Total
14
46 933

Cl
MS
6.233
9 . 267

o .4 33

Individual 95t Cl
C2
l
2
3
4

Mean

8.67
9.00
10.00

10 .33
12 . 33

---+---------+----------+---------+-(----------)
(----------)
(---- - --- )

(- -------)

(----------)
---+---------+----------+---------+-9 .00

10.50

12 . 00

13 .so

Individual 95t CI
C2

Mean

l
2

9 . 00
9.60

:i

11.60

---+---------+----------+---------+--

(------- -- - )

(----------)

(--------)

-- -+- -------~ --- -------+---- -----+--

9.00

10.00

11 .00

12.00

39