Académique Documents
Professionnel Documents
Culture Documents
CAPTULO 1
. METODOLOGA DE LA INVESTIGACIN 13
De6n.iciones .................................. 13
CAPITULO 2
CAPITULO 3
ANLISIS DE VARIANZA 33
Supuestos Bsicosen el Anlisis de Varianza ........................................ 33
Supuesto de Normalidad ................................................................. 35
Prueba de Ji Cuadrado de Bondad de Ajuste 36
Prueba de Wtlk y Shapiro .................................................................. 37
Supuesto de Aditividad .................................................................... 39
Homogeneidad de Varianzas .............................................................. 41
Pruebas Grfica;.deHomogeneidad de Varianzas ............................. 42
Seleccin de una Transformaci6n Estabilizadora de Varianzas 45
Ejemplo del Uso de Transformaciones Estabilizadoras
de la Varianz:a ............................................................................ 46
Pruebas Analticas de Homogeneidad de Varianzas 50
Prueba de Barlett ........................................................................... 50
Prueba de Cochran ~.............................................. 57
Prueba de Pearson y Hanley ............................................................... 57
-CAPITULO 4
CAPITULO S
Introduccin ...................................................................................... 91
D1SpOslcon
. ., Experim en tal ............................. ................. 9~L
Ventajas y desventajas del Diseo experimental en Bloques al azar 93
Modelo Lineal en el Diseo en Bloques al Azar 93
EfeCto del tratamiento y bloques fijos ............................................ 94
Esperanza y Varianza de y 96
Efecto del tratamiento y bloques aleatorios ................................... 98
Ejemplo Ilustrativo ....................... :.................................................. 106
~iseo en Bloq~es al azar c~n SubmuestreO 112
Ejemplo Ilustrativo 115
CAPITULO 6
CAPITULO 7
CAPITULO 9
Regla 1 221
Regla 2 ............................................................................................... 221
Ejemplos ........................................................................................... 224
CAPITULO 10
Introducci6n 227
Sistemas Confundidos 227
Experimentos Factoriales 23 _ _ .................... __ .._ _ .._ 229
Composici6n de los Bloques bajo determinado esquema
de confusin 230
Teorema de Fisher ............................................................................ 231
Confusi6n Parcial 236
Esquema de Confusi6n Parcial para un Factorial Z' 237
'Ejemplo Ilustrativo de un Factorial con Confusi6n Parcial 239
Ejemplo Ilustrativo de un Experimento Factorial Confundido 23 _ .._._. 244
Confusi6n para el Diseo Factorial P _ _ 251
Mtodo d Kempthome 253
Pactorial Se.S P''dondep es un nmero primo 264
CAPITULO 11
CAPITULO 12
CAPITULOt3
.ANEXOS ~ 389
ACERCA DEL AUTOR
Margarita Coba
Capitulol
METODOLOGA DE LA INVESTIGACIN
DEFINICIONES
-
Ciencia: Es un creciente cuerpo de ideas organizadas en un sistema de
conocimientos caracterizado como racional, sistemtico,exacto,verificable y falible.
Mtodos de Inv~igaci6n: I .
pasos:
- Recolecci6n de los h~chos por observacin o experimentaci~~. .
- Fornulaci6rl de ls hiptesis que expliquen los ~os e~'~
trminos de causas y efectos. . f;',
,
- Deducciones de la hiptesis, l'
14
Di5effo y Anli5i5 de Experimento5 I
, '
!~.J
. (~.~(p6~~I~ (~=r
! J
_(31 P~~i6n
I
I
.. (41 Obufyicl_ posterio
~:~;
.:~;~,.' bajo eoadlclontllltUraltl
_._. _. -_ _ _.-._ _
{,....;:: y compiracl6n con (1)
.. .. .. __ .. _ ..,.
16
Di!5eo y An41i!5i!5de Experimento!5 I
121HrL II
!
_______
i ~Al:eptar
1
__
..
Rechazar
_~_-J
(3) Prediccin J
!
Disefto del experimento
.!
(4) Observaciones experimentales i
(b.!B~~~~~~!9 cOnd{ci0I1t!~.c~~_~~~das)
;
_;J
Nuevos Problemas
que explica otra persona, sino que es la recompensa de los propios esfuerzos, se
adquiere cuando a la investigacin y a la experimentacin se le ha dedicado mucho
tiempo, siguiendo un sistema ordenado y un buen mtodo, especialmente
cultivando el hbito de distinguir entre las cosas que tienen importancia y las que
no la tienen. Se podra aadir la imaginacin proyectada hacia la bsqueda de
causas y efectos.
"
20
Captulo 2
, .
DISEO DE EXPERIMENTOS
DEFINICION
Es muy frecuente que se coleccionen datos que aporten poc '_'o nada a la
solucin d problemas planteados. Por lo tanto, es necesario planificar los
experimentos con antelacin de manera que la informacin que se recolect est
acorde con los objetivos, fines y alcances de la investigacin y mediante la
informacin que se genere se pueda llegar con precisin a definir la aceptacin o
rechazo de la hiptesis de trabajo.
Aleatorizacin
Replicacin
Control Local
21
Dr. Franklin Chacin
22
Di5eo y Anli5i5 de Experimento5 2
DEFINICIONES BSICAS
EnQmic4.
En experimentos sobre rendimiento de cierto proceso qumico, los
tratamientos pueden ser:
Diferentes temperaturas en la cual se ejecuta el proceso.
Cantidad de reactivo usado.
Pureza de los reactivos usados.
23
Oro Franklin Chacln
.EnAgronoma:
Cantidad de mezcla de determinado fertilizante.
Cantidad de determinados nutrientes o combinaciones de cantidades
de nutrientes utilizados.
Diferentes variedades o lnea de cultivo.
Distintas densidades ~iembra.
Profundidad de siembra:
En Zoota:ma:
Diferentes raciones alimenticias dadas al animal.
Sexo y raza de los animales.
Cantidad de leche o concentrado suministrado a becerros, novillos.
EnPsic%gfay Sociologa:
Edad. .' ~
Sexo.
Altura de los individuos.
Nivel educativo, entre o os.
24
Diseo y Anlisis de Experlment0!3 2
s
C.V.= X
. ' \:
(,:
~ f ~, '",;
):j:._-;~~l.l-:.JI/ ;~r;;t:
...
:t/. i _ :.;~~i~~_~~'.~.
25
Oro Franklin Chacin
40
30
C.V.
20
10
Existen una serie de mtodos que nos permiten determinar tamao y forma
de la parcela ptima, tomando en cuenta la heterogeneidad, costos y nmero de
repeticiones. Estos mtodos son:
::>7
Dr. Frankln Chacn
REP.I
IFM6 OBREGON IARICHUNA I
I ARICHUNA r REPll
FM6 OBREGON
REPID
IOBREGON FM6 I ARICHUNA
No siempre los tratamientos van colocados en los bloques consecutivamente,
como muchos experimentadores tienden a creer. Cuando el nmero de trata-
mientos es grande puede ser conveniente tratar de buscar, en lo posible, una
forma cuadrada como la siguiente:
T3 1'8 TI T6
T5 T4 T2 17
La escogencia del tamao del bloque puede variar dependiendo del tipo de
investigaci6n. El bloque en el campo puede ser colocado de manera tal que pueda
tener cualquier nmero de tratamientos, sin embargo debe tomarse en cuenta que el
error estn.dar por parcela aumenta sucesivamente con el incremento en el tamao
del bloque. Algunos autores piensan que en el sentido prctico en experimentos de
campo, el nmero de tratamientos por bloques debe estar ntre 2 y 20 mximo; las
cifras mayores existen cuando hay gran uniformidad en el suelo.
Existen otros diseos como los diseos de Bloques Incompletos en los que
la idea esencial es reducir el nmero de tratamientos por bloque de tal manera de
llevarlos al tamao adecuado.
28
D5eo ,y Anl5i5 de Expermento5 2
hacerlo abultada el error experimental y esto podra provocar que los efectos de
los tratamientos no puedan ser claramente medidos. Uno de estos efectos, que
debe ser tomado en cuenta, es el Efecto de Competencia y Bordura.
29
Dr: Franklin Chactn
30
Oi!3t:o y Anli!3i!3 dt: Expt:rimt:nto 2
ANliSIS DE VARIANZA
33
Oro Franklin Chacin
34
Oi!38o y Anli!3i!3 de Experimento!3 3
Supuesto de normalidad
35
Oro Franklin Checln
2 -E)2
Zca/cu/aif E
(3.1)
S2 = -f? LO;
;=]
36
Oi~o ,y Anli6i6 de Experlment06 8
b = a"_I+I(Y,,_I+1 -~)
i~1
37
Or. Frsndtn Chscln. (
1
y. Y.
I I
1 11,2 11,2 0,5473 13,3 7,2791
2 14,5 13,2 0,3325 9,3 3,0923
3 17,2 14,5 0,2347 6,7 1,5725
4 17,8 14,8 0,1586 5,2 0,8248
5 19,3 16,9 0,0922 2,4 . 0,2213
6 24,5 17,2 0,0303 0,6 0,0182
7 17,8 -0,6
8
.21,2
16,9
14,8
19,3
20,0
-2,4
-5,2
9
10 20,0 21,1 -6,7
11 13,2 22,5 -9,3
12
Total
22,5 24,5 -13,3
b - 13,0082
CALCULO S
V=(t -1
Y;)/12=17,7583
".
= (y; - V) = 171,3885
12 . 2
S2
-1
b2 (13,0082)2
WCGIc =. S2 = 171,3885
. = 0,9873
W,ab = 0,979 con n = 12 Y a= 0,05
38
Oi!5eo y Anl/!5/!5 de Experlment0!5 :5
Conclusi6n: Como el W-calculado > W-tabulado, se descarta Hoen favor
de Ha, por lo tanto se asume que existen evidencias suficientes para suponer la no
violacin del supuesto de normalidad. '
Esta prueba puede ser llevada a cabo a travs del uso de la computadora y
los paquetes estadsticos ms comunmente usados, entre ellos el SAS o el Statistix.
En estos casos adems de obtener el valor del estadistico correspondiente se tie-
ne la probabilidad de significancia que al compararla con el a seleccionado per-
mitirconc1uir si se rechaza o no la hiptesis nula. Usualmente tambin'se presenta
un grfico en el cual si se observa la presencia de una recta es indicativo de nor-
malidad. Es de notar que usualmente un acercamiento a la normalidad es consi-
derado suficiente para el cumplimiento del supuesto.
Supuesto de aditividad
Prueba de Turkey
39
I
Or. Frariklin Checin
TRT/
BLOQ 1 2 3 4 5 ~J
YJ - y. = di
'"
"
F'
;} . ;
,
Los clculos seran;' :.
, ;
"L.J d I
2
= 3 111 , ,"L.J e~ = 48129-1
I ,
P = cF . 1,7X2,306 +'4,0375xH,242:~4;9875x2,S89+"
1,7Sx2,386 + 1,OxO;0804 - 44;6905 ,'. .,,' -.1
40
p2 ,' 446905' , ,
SCNoAditividad = (c~)(d~) = 3,11l~48,1291 = 13,775
'4V
F.deV. G.deL., '~
S.C
C.M. F P
"
rl.
41
Or. Franklin Chacin
Pruebas Grficas:
Observaciones
%de algodn 1 2 3 4 S Y.
l.
15 7 7 15 11 9 49
20 12 17 12 18 18 77
25 14 18 18 19 19 88
30 19 25 22 19 23 108
35 7 10 11 15 11 54
376= Y ..
:~
.,
4
2
X
*
.1
.2
...
~1 X * * A3
X4
~ +-----I----~
...
1','
A
_--I--..:;.;::-....--+-==-----1
25,\'*56
l ...
1
5
*0. 15 20
3
*
Figura 3.1. Grfico de residuales contra valores fijos.
43
Dr. Franklin Chacin
44
Diseo'y Anlisis de Experimentos 3
(3.2)
(3.4)
45
Or. Franklin Chacin
Relaciones entre
Uy y J-l a A=l-a Transformacin Notas
O"y oc constante
ay oc J-l112
o
1/2
1
1/2
- No hay
Raz cuadrada Datos de Poisson
ay a: J-l o Logaritmo
a y oc J-l 312 3/2 1/2
Raz cuadrada recproca
ay oc J-l2 2 1
Recproco
a a
O"y OC J-l = a J-l (3.5)
Por lo tanto un grfico de logO'ycontra logu, debera ser una recta con
~endiente a. Como no se conoce ay y J-l se puede sustituir estimaciones
razonables de ellas y usar la pendiente de la lnea ajustada como una estimacin de
<x.. Se puede usar la desviacin estndar Si y el promedio Yi. del tratamiento
,. ,=', .
i-esrmo para estimar O"y y J-l.
46
Diseo y Anlisis de Experimentos 3
Mtodos de
estimacin Observaciones y.
l.
47
Dr. Frenkltn Chacin
:=-
J
...
1
O
:;: .
.2.3
+1
1 )(4
'i 0.71
*5
1
a:
2 .~ 6
-4
1.2
1 +
0.8
r
...
0.8
D.4
0.2
+
.0.6 0.5 1.5 2 2.5 3
.0.2
.0.4
.0.6
Ln iL
48
Diseo'y Anlisis de Experimentoe 3
La pendiente de la lnea recta que pasa por estos puntos se cona para ~ y
de acuerdo con la tabla 3.5, esto implica que la transformacin de raz cuadrada
puede ser apropiada. El anlisis de la varianza para datos transformados Y"
.JY es presentada en la tabla 3.8 y su grfico de residuales en la figura 3.4.
Tabla 3.8. Anlisis de la varianza para los datos de descarga mxima transformada
y* ... .JY
0.6
+
0.4
0.2
O
W
.0.2
~
.0.4
x
.0.6
.0.8
v;
Estos residuales estn mucho ms dispersos que en la figura 3.2, por lo que
se concluye que la transformaci6n de raz cuadrada ha sido til. Notar que en la
T-abla 3.8 se han reducido los grados de libertad en uno para tomar en cuenta el
uso de los datos para estimar el parmetro a de la transformaci6n.
49
Dr. Franklin Chacin
50
Oieeov Anlisis de Experimentos 3
2 2
r; > Xa;a-I (3.11)
51
Dr. Franklin Chacin
Ejemplo 1
Dadas cinco varianzas: S12 = 11,2; S22 = 9,8; S32 = 4,3; S42 = 6,8 ;
S 52 = 8,2 provenientes de muestras de tamao 5 todas ellas, entonces:
Z2 = 2,3025(0,45/1,10) = 0,93
Z;
El2 valor tabulado corresponde a ' ON, = 9,49. Como A-c .y2 es menor
Ejemplo 2
.
Sitenemos estimaciones SI2 cadauna con un nmero de grados de libertad
f (igual nmero de observaciones fueron usadas para cada estimaci6n) el criterio
de prueba es:
e = 1 + (a - 1) / 3 af
5?
Diseo'y Anlisis de Experimentos 3
Tabla 3.9. Clculo de la Prueba de Barlett cuando todas las estimaciones tienen
cinco grados de libertad.
Factores S/ logS/
1 178 2,2504
2 60 1,7781
3 98 1,9912
4 68 1,8325
Total 404 7,8522
8 2
= 100,9 log82 = 2,0038
M = 2,3026(5)[4(2,0038)
s
-7,8522] = 1,88
e = 1 + [(a+l) / 3 a f] = 1 + 5 /3 (4) 5 = 1,083
1'2 = 1,88/1,083 = 1,74
53
Dr. Frsnklin Chacin
Camada SC g.del. CM
(muestra) f. S.2 f. S.2 lag Si2 fi lag Si 2 1/f.
1 1 1 1 1
~=13,79/37
( ti.logS2 )=37(-0,4286)=-15,8582
M...2,3026(-15,8582-(-23,6595)] = 17,96
e = 1+[1/3(4)10,7080-1/37]= 1,057
z; = MI e ..17,96/1,057 = 16,99
54
Diseo'y Anlisis de Experimentos 3
Ejemplo 4
56
Diseo .YAnlisis de ExperimentoE? 3
g = max S 2
I
/ S;
i=1
. (3.15),
(3.16)
e
donde ga est dada en las tablas B y .conun nivel de significancia a igual a
0,05 0,01. Las tablas tienen enteros con n, el nmero de observaciones por
grupo y k el nmero de varianzas que han sido consideradas.
(3.17)
57
Dr. Frsnklin Chacin
donde log, Si2 se aproxima a una distribucin normal con media log, (j2 y
varianza 2/(v-1), puntos percentiles para S~S~n pueden ser calculados
aproximadamente para los puntos correspondientes a los percentiles de los rangos
en pruebas normales. Las tablas D y E se calculan para puntos correspondientes
a los extremos de los porcentaje 5% y 1% superiores.
Una aplicacin del Fmax propuesto por Pearson y Hartley para los datos
de la tabla 3.9 ser:
-, 58
Captulo 4
_ f
Introduccin
59
Dr. Frankln Chacin
(4.1)
L
;=(
Ti = O (4.3)
-~
(4.4)
Ho: T.
1
= O (4.5)
Anlisis de Varianza
61
Dr. Franklin Chacin
Tabla 4.1. Ordenamiento de los datos con las medias de tratamiento para el
Anlisis de Varianza.
Yi2 Y.IJ Y. M
YiI L ~i.
Yu Yt2 Ylj y ~ ~L
Cada observacin puede ser tomada de cada tratamiento, se nota que puede
haber un nmero infinito de datos tomados de cada tratamiento. La esperanza
matemtica de cada tratamiento es:
E(Ylj) = ~I = ~ + 'tI
E(Y2j) = ~2=~+'t2
(4.6)
E(Y.) = ~, = ~ + 't,
~
62
Diseo ,y Anlisis de Experimentos 4
Tabla 4.2. Muestra para el ANA VAR con un solo criterio de clasificacin.
Tratamiento Observaciones
1 2 ... n. 1
Total Media n.
1
Yu Ya y. LYIj ~l n 1.
Y.
(4.8)
I
n=
;=\
(4.9)
63
Dr. Franklin Chacin
Y.. = L
i=l
n.1 Y. 1
/ n (4.10)
L L
i=l i=)
(Y. -Y ..
1)
)2=L L i=l j=l
(Y. -Y .. )2
l.
+L L
i=l j=l
(Y..- y.)2
1) l.
I ni
+2 L L
i=l j=l
(Y. - Y.. ) (Y..- Y.)
l. 1) l.
L L
i=l I=)
(Y. - Y.. ) (Y..-
l. 1)
Y. ) - L
i=l
(Y L - Y.. ) [L j=l
(Y.-
')
Y.)]
l. (4.12)
la parte que se encuentra entre los corchetes es igual a cero ya que representa la
suma de todas las observaciones con respecto a la media dentro de cada
tratamiento. Por consiguiente:
64
Oi5eo y Anli!3i!3 de Experimento!3 4
L L
I
i=)
\'l..- y..)2 - se TOTAL dividido porlos grados de libenad (n - 1)(4.14)
.
luego uno slo de los tres trminos de la ecuacin anterior puede usarse como
estimador insesgado de la varianza poblacional. Por ejemplo, si se divide el trmino
del lado izquierdo de la ecuacin por los grados de libertad (n-1) se producira
un estimador insesgado de la varianza poblacional.
65
, Di: Frankln Checln
(Y..- y.)2
1) _1.
;=1
(ni - 1) "" n - t
66
Diseo .Y Anlisis de Experimentos 4
.
Tratamiento t - 1 L
I i=1
n.(Y-.
1 l.
_y .. )2
L
i=1
Y.2/ni1
- Y.. 2/n
Error L
I
i=1
(ni - 1) ti:
i=1 j=1
I ni I
= L L
i=1 j=1
Y..2_
1)
L
i=1
Y.2 / n.
l. 1
TtU L i=1
n.1 - 1
ti:
i=1 j=1
Y..2_ Y .. 2
1)
/ n
67
Or. Franklin Chacin
(4.16)
SC1RAT = Li=l
ni (Yi. -Y.y
Y.l.
=L Y../n=L
j=l 1) j=l
ni
ni
Tambin:
t ni
Y .. = L i=l j=l
Y.1) I nt= tI
i=l j=l
(J.l + r + E ij ) I nt
Y .. = J.l + Li=l
t
ti:
i=l j=l
(4.18)
68
Diseo.,yAnlisis de Experimentos ,4
(Y. -Y .. )2 = ( ti - L
;=1
ti /t )2 + I / n2( L j=1
&ij -L L
;=1 I=t
productos cruzados (4.19)
se TRA T = L;=1
n (~. -ti!.) 2 = n L ;=1
(1: i - L
;=1
1:i / t )2 +
n;
(L
j=1
E ij / t )2 + n productos cruzados
(4.20)
I I I ni
E(SC TRAT) = n E [ L
;=1
(Ti - L;=1
ti /t )2] + I/n E[ L (L
;=1 j=1
ti:
;=1 j=1
(4.21)
I I
L
;=1
Ti = L
;=1
(Jl i - Jl ) O
69
Or. Franklin Chacin
,
as;
I I
E(CMTRAT) = n L
;=1
t/ /(t-1)+[n(t -l)/n (t-1) ]a 2
=nL
;=1
,2 /(t-1)+ a2
(4.22)
SCERROR= L L
;=1 i=v
(Y.-Y.)2
1) l.
y-
1)
~.l.
E 1).. L j=1
E ..
1)
/n
tI
;=1 i=)
(Yj - ~j=L L
I
;=1 j=1
n
( Ej - L
j=1
E/n)
1)
2
70
Oieeo y Anli5i5 de Experimento5 4
E(SCERROR) = E
;=1 j=1
(E .. -
1)
j=1
E/n)2
(n-l)cr
.
2= t (n-l)cr2 E
(4.23)
;=1
71
o\:)
~ :'l
:ll
~
::3
.~
Tabla 4.4. ANAVAR aumentado con las esperanzas de los cuadrados medios para el dlseflo Completamente Aleatorlzado ~
9
~
F. de V G. de l. Suma de cuadrados Cuadrados Medios Modelo Fijo Modelo Aleatorio (')
:l-
t t
Trat I - 1
=1
n(V
o o.
_Y .. )2 SCTRAT/t-1 n
=1
t; 2 I ( 1-1) + 02, n 02. + 02.
t ni
t ni
..
Diseo'y Anlisis de Experimentos 4
Yj = !l + Ej
I
2) Como E( Ej) = 01' se tiene que E(Yj) = !l.. Por lo tanto todas
las observaciones para el i-simo tratamiento tienen la misma esperanza
!l.
3) Corno u, es una contante s~ tiene que a2(y if)-= a2( E) = a2 por lo
tanto lasobservaciones tienen ~ misma varianza, para cualquiertratamiento.
4) Como cada E est distribuido normalmente Y. tiene la misma
u u
distribucin. Esto es debido a que Y. es una funcin lineal de E...
u - . u
5) Los errores se asumen independientes; esto es, el trmino del error en
una salida no tiene efecto en el trmino 'de error de otro resultado, Si los
errores son independientes as; tambin son las observaciones Yjj.:.
6) En virtud de estos aspectos en el modelo planteado se puede establecer
que: Y. estn independientemente distribuidos N(J.l., 0-2)
1)" .. d
73
Oro Franklin Chacin
Por ejemplo en el caso de dos tratamientos con dos observaciones cada uno, Y,
X, ~ Y E se definen como sigue:
YI 1 O O &11
p~[:l
Y2 1 O O &12
1;\ O 1 O &2\
y= X= &=
1;2 O 1 O &22
1;\ O O 1 &3\
1;2 O O 1 &32
Y IJ..=II.+E
rl
..
IJ
74
Oieeo y Anttete de Experimentos 4
,
75
Or. Franklin Chacin
EJEMPLO ILUSTRATIVO
k .4 .nmero de variedades.
Ellas son: l.-Marketer; 2.-AsWey; 3.- Pixie; 4.- Poisett
r .8 = nmero de observaciones por variedad
n 32 nmero total de observaciones.
76
Diseo .Y Anlisis de Experimentos 4
Modelo 1 Modelo II
I
L
;=\
't.I = O 't i ~ NID (O, 0'2
r
)
3. Hiptesis:
Modelo 1 Modelo TI
Ha: 't. =
I
O Ho: 0'2 =0
,
4. Esquema del Anlisis de Varianza:
77
Pr. Fr~nklin Chacin
I I
Total rt - 1 ti: v:
;=1 I=t
1)
-F.C.
I 11;
F.C.= Y//rt=(M..)2/n
;=1 l=)
Suma de Cuadrados
SumadeOuiradosde Tratamieruo:
78
Diseo y Anlisis de Exper(mentos 4
OiadradoMa:liodeTratamiento:
CuadradoMediodelErrorExperimental:
Gradosde 0w1r(f(;/a
, Iuentede Suma de #
Prueba de Hiptesis
~>.;2/
I
Ft = .:.;;=:.:..1 __
(t-l) +
-:-- __
0-;
0-2
s
79
Dr.:Franklin ,Chacin
Fcal = 0,662 es menor que cualesquiera de los dos Ftab a los distintos niveles de
significacin considerados.
Interpretacin:
...
80
Diseo .YAnlisis de Experimentos 4
EJERCICIOS
81
Dr. Franklin Chacin
(4.25)
82
Diseo y Anlisis de Experimentos 4
11.- Supuestos
Modelo 1 Modelo 11
I
L
i=l
T.I = O
8..
,~
IJ..
NID(0,a2) E
111.- Hiptesis
Modelo 1 Modelo 11
Tratamiento:
Ha: 't. =
I
O Ho: a2 =0
1
Ha: 't.:f. O
I
Ha: a2 :f.O
1
Error.
Ho: a2 E
=0 Ho: a2 E
=0
Ha: a2 E
*O Ha: a2 *0E
1V.- Prueba de F
83
Dr. Franklin Chacin
Ejemplo Ilustrativo
Este ensayo fue realizado en los campos experimentales del CENIAP para
evaluar el efecto de la fertilizacin sobre la produccin de follaje en el cultivo de
maz. El rea fo1iar se midi en base al peso seco. El diseo experimental que se
utiliz en el ensayo fue el de bloques al azar, tomando muestras de dos plantas
dentro de cada unidad experimental, ya que la medicin del rea fo1iar por este
mtodo es muy laboriosa para hacerlo en todas las plantas y se consideraba que
dos plantas representaran una muestra apropiada de la poblacin en cada unidad
experimental. Sin embargo, para fines de ejercicio, el ensayo ser analizado como
unDzSeO CompletamenteAleatorizo4o con Submuestreo:
s.1)
= efecto del Error Experimental
Ojk = efecto del error de muestre o
r = nmero de repeticiones por tratamiento
m = nmero de muestras por unidad experimental
84
Diseo'y Anlisis de Experimentos 4
II.- Supuestos
III.- Hiptesis
85
Dr. Franklin Chacin
TOTAL
183899,65 167587,17 171661,02 171685,89 694833,73
86
Diseo'y Anlisis de Experimentos 4
Anlisis de Varianza
Entre Ir- 1 L L
;=1 }=l
Y.'/m-
~ F.C.
Unidad
Experi- - 43 - 77608543
mental
Trata- I -1 L ;=1
y L'/ rm - F.C. SCTRAT/I-l d +mcr'e+ CMTRAT/CMEE
miento I
Experi-
TOlal n - 1-87 tt
;=1 i=v k=l
Y;>' -F.C-169006871
SC(EUE) = L L
;=1 i=)
Y.
'l,
2/ m - F.C.
87
Dr. Frankln Chacn
SCTRAT =
i=l
y2/rm
1..
- F.C
SCTOTAL =
i=l j=l k=l
Y.k2 - F.C.
q
88
Diseo .Y Anlisis de Experimentos 4
Prueba de Hiptesis
Para Tratamiento:
Coeficiente de Variacin
~CMEM .J2077234,73
CV(M)= _ xl00 = 789584 xlOO = 18%
Ygeneral ,
~CMEE .J1229977,27
CV(EUE) = _ xlOO = 9 68 xl00 = 7%
YUE 157 1,
Interpretacin de Resultados
89
Or. Franklin Chacin
90
CaptuloS
Introduccin
Para que el experimento sea eficiente, deber cada bloqueo ser lo mas
uniforme, ya que el error se mide con base en la variabilidad aleatoria dentro
del bloque.
El diseo permite realizar un anlisis de varianza para datos que pueden ser
clasificados bajo dos criterios. La disposicin en bloques ~ azar es recomendable
en la prctica, cuando se hacen comparaciones en las que el nmero de tratamientos
van desde 4 hasta 24. Puede ser muy til en ensayos de campo, umbrculos,
gana deri
ena, econOffila,entre otros.
I
91
pr. Franklin Chacin
error sean mayores de 10, aunque esto depende de la homogeneidad del material
I experimental.
Disposicin Experimental
92
Diseo y Anlisis de Experimentos 5
PJ
es el efecto o desviaciones debidas al j-simo bloque.
E ij es el efecto del componente aleatorio en la j-sima observacin del
. ,. .
l-eSlIDO tratarruento.
93
Dr. Franklin Chacin
Prueba de hiptesis
94
Diseo'y Anlisis de Experimentos 5
Br ~i.
't 2 ~ 21 ~ 22 . ~ 2r ~ 2.
~II ~t2
~.I ~.2
~ = ---------
~= L i=l
~ i. It (5.2)
o de la siguiente manera:
~=
r
~= L j=l
~ . Ir
.)
(5.3)
95
Oro Frankln Chacin
En sntesis, si:
Yij = .t + 1:i + ~j + S ij
L
i=l
1:.I =0
j=l
(5.4)
Esperanza y Varianza de Y
(5.5)
Diseo y Anlisis de Experimentos 5
V(Y..)
1)
= V(IIr + 't.1 + A.
1-') + E 1)..)
V(Y..)
IJ
= E("r + 't.+,""J A+E IJ..)2_ [E("t'" + 't.+I""J A.+E IJ..)]2
=E( E .. )2
1)
=0' 2 (5.6)
e
y calculando la sumatoria:
r r
L
j=1
Jl. - r Jl = r r. +
~ 1
L
j=1
~j
se divide por r
L
j=1
Jlij / r - Il = 't i
Si 't i = O implica Il i. = Il
Ho: 't. =
1
O vs. Ha: 't.:I; O
1
97
Or. Franklin Chacin
La sub-poblacin
.
se supone distribuida normal con media Il u.. y varianza al
. Cuando se seleccionan las muestras, se van a tener sub-poblaciones n muestrales
distribuidas normalmente.
Hiptesis Estadstica:
Ho: ~ 1. =~ 2. = ~ 1. =~
H a: ~i. * ~j. i * J'
La media sera expresada como:
Il = tt
;=1 j=1
e ij = Yij - ~ ij
Yij =~ ij + g ij
98
Diseo y Anlisis de Experimentos 5
Por consiguiente:
NID
t. ,.., (O. (12 )
1 t
E .. ,..,NID (O, a2 )
IJ E
Hiptesis Estadsticas:
Ho: a2t = O
Ha: a\ *O
99
Dr. Franklin Chacin
Anlisis de Varianza:
Notacin:
Y ..
J
= yIJ = total de la repeticin j.
i=l
Y l.
yIJ = total del tratamiento i.
j=l
100
Diseo .Y Anlisis de Experimentos 5
Y.. =
;=1
Y. =
l.
=
j=1
Y.
.)
1.7 .. =
I
;=1
Y./t
l.
=t j=l
y./r=t
-J i=l
t l=)
Y ../tr
1)
y.
.)
= 5lJ..J - ~ ..
I r
t:
l.
= O
l=)
y..J = O (5.7)
;=1
101
Dr. Frankln Chacin
donde
Q= ~ J
(Y'.J. -IYI .. - 't. -
t.
y).J 2
Q=~~ J
E .. 2
')
conjunto de ecuaciones que pueden ser resueltas, con las restricciones mencionadas
en la ecuacin 5.7 , quedando entonces, expresiones de la forma:
102
Diseo .Y Anlisis de Experimentos 5
y .. =t t ;=1 j=1
Y ../tr
1)
;=1
YiI - t ~ .. - ty , = O
Yr
j=1 )
- r Y .. - r 't 1 = O
2 I
valor s , es un mirumo.
1)
Y. - Y..
1)
= (Y. - y..) + (Y-J. - Y .. ) + (Y.. - y. -y + Y .. )
l. 1) l. .
.)
103
Or. Franklin Chacin
i j
(f.. -
IJ
fil. F= t t
j=1
(fil - fiJ.. f
l.
+r:t;=IJ;
(M - ~ F +
j
(Y. -
IJ
filo -
l.
r I I r
=t
j=1
y.2J + r ~2+
;=1 1 ;=1 j=1
(5.8)
Anlisis de Varianza
El esquema de ANA VAR para este diseo aumentado con sus respectivas
Esperanzas de los cuadrados medios sera mostrado en la tabla 5.2.
104
Diseo y Anlisis de Experimentos 5
Modelo 1 Modelo II
P - J
NID (O, a2
~
) P - J
NID (O, a2
~
)
107
Or. Frankln Chacin
3. Hiptesis:
Modelo 1 Modelo II
Pttra Tratamientos
Ho: T. =
I
O Ho: 0-2 = O
Ha: 't.::f;
I
O Ha: 0-2 ::f; O
ParaBloques
Ho: d =0 Ho: 0-2 = O
Jl Jl
Ha: 0- 2 ::f; O
Jl
Suma de Cuadrados
Suma de CuadradosdeBloques:
108
Tabla 5.2. ANAVAR aumentado con las Esperanzas de los Cuadrados Medios.
I I
r \:J
Bloq r- I
Y.2/t
.J
- F.C. SCBLOQ 1 (r - 1) t cr2J3 + a2e t cr2J3 + cr2,
~.
j=1 ~!
Total rt - 1 Y/ - F.C. ~
;=1
~
I r ~
donde F.C=( Y;j )2/rt
::I.
;=1 j=1
~
~
~ (n
Or. Franklin Chacin
E( Y ij 2) = E [ t...t + L ri + ry j + LE. j ] 2
E( Y /) = t...t 2 + e e 2+ t e 2+ te 2 (5.9)
II t E
EJEMPLO ILUSTRATIVO
Poblacin
plantas/ha Trat 1 II III IV Total Y
106
Diseo y Anlisis de Experimentos 5
109
Dr. Franklin Chacin
Prueba de Hiptesis
Para tratamiento:
Para Bloque:
Interpretacin:
110
Diseo'y Anlisis de Experimentos 5
EJERCICIOS
-RealiceelANA VAR.
111
Dr. Frsnklln Chacin
(5.10)
~j = efecto de bloque
E..=
1)
efecto del error experimental
O"k= Q
efecto del error de muestreo
Il Supuestos
Modelo I Modelo 11
;=1
7.=0
1
112
Tabla 5.4. Anlisis de Varianza para un diseo en bloques al azar con submucstrco
Trata- 1-1
t
;_1
y ;..'/ rm - F.e.
SCTRAT / (t - 1) ci6 +m ci, + CMTRAT/
,
miento = 37019293 CMEE
mrLT,'/(t-l)
= 10 = 3701929,30 -I
= 3,28
= 3 =6800606 = 2266868,7
-2,01
llI.- Hiptesis:
Modelo 1 ModeloII
Tratamiento:
Ho: t. =
I
O Ho: cr2 =0
Ha:t.:f:. O
I
Bloque:
114
Diseo'y Anlisis de Experimentos 5
SCEE+SCEM
CMEE( conjunto) = (t-1)(r-l) + tr(m-1)
(5 11)
.
Ejemplo Ilustrativo
Se analizaron los mismos datos que se utilizaron en el ejercicio del Diseo
Completamente Aleatorizado con Submuestreo, (el cual solo se hizo con fines
didctico s) , pero ahora es a travs del Diseo en Bloques al Azar que fue el
diseo que realmente se us en el montaje del experimento.
II.- Supuestos
I
T =
1
O s IJ.. - NID (O, a2 )
115
Dr. Frsnklin Chacin
ID.- Hiptesis
Ha: 't.;f:.
, O Ha: 0'2 ;f:. O
&
Tabla 5.4. Anlisis de Varianza para un diseo en bloques al azar con submucstreo
Trata- t - l
L y L'/rm
"I
- F.e.
SCTRA TI (t - 1) cr6 +mcr,+ CMTRATI
miento = 37019293 CMEE
mr 1:,'/(t-1)
=10 = 3701929,30 ,~I
= 3,28
- Ee. SCIlLOQ 1 (r - 1)
o' + 1110', + CMIlLOQ 1
Bloques r - 1
L
i=!
y .'/tm
CMEE
tm ~' I(r-I)
r-!
= 3 =6800606 = 2266868,7
= 2,01
Y,;' 1 m
Error (t-I)(r-I) al j-I SCEE/(t-I)(r- 1) cr\ + 111 cr{ CMEE 1
Experi- r.c, - SCTRAT CMEM
mental = 30 SCRLOQ = 11262g8,13
= 0.54
= 33788644
rt-(m-I)
Error de SCTotal - SCTRAT- SCEM 1 rt (m - 1) crt;
Muestrco =44 SCIlLOQ- SCEE
= 2077234.73
= 913<)8328
Total rtm - 1
;-1
-I
t
,-,
YI)l ~
- Ee.
= 87
= 169006871
116
Diseo y Anlisis de Experimentos 5
Suma de Cuadrados
F. C. = t
;=1
j=1
t
k=1
Yjk 2/ trrn = (694833,73)2/ 88 = 5486294457
SCTRAT =
;=1
Y. 2/rro - F.C
L.
SCBLOQ = j=1
y .2ltro
.,.
- F.C
SCBLOQ = 6800606
SCEE =
j=1 j=1
y ..2/ m - F.C-SCTRAT -SCBLOQ
i].
SCEE = 33788644
117
Df: Frankln Chacn
SCTOTAL =
;=1 I=) k=1
Y..k2 - F.C.
1)
SCEM = 91398328
Prueba de Hiptesis
Para Tratamiento:
Para Bloque:
118
Dteeo v Anlisis de Experimentos 6
Coeficiente de Variacin
.JCMEM .J2077234,73
CV(M)= xl00= 89 84 xl00= 18%
X general 7 5,
.JCMEE .J1126288,13
CV(UE)= X x100= 15791,68 xl00=7%
UE
Interpretacin de Resultados
119
Captulo 7
COMPARACIONES DE MEDIAS.
PRUEBAS DE RANGO MLTIPLE
TEORA BSICA Y APLICACIONES
Introduccin
137
Dr. Franklin Chacin
con media .tI Y varianzas ni al2 respectivamente, donde las ni son constantes
conocidas, siendo .tI Y al2 desconocidas. Se supone que los datos permiten la
estimacin de a I2 a travs de sI2, donde sI2 estn distribuidas respectivamente
como X 2 a 2/ f siendo f los grados de libertad de X 2. Se supone adems que
I I I [ t
todas las Sl2 estn independientemente distribuidas para cada uno de los Y".
~., 138
.'
Diseo'y Anlisis de Experimentos 7
De acuerdo a su naturaleza
Son aquellas cuya aplicacin est "restringida" a las situaciones en las que las
comparaciones a realizar son planificadas previamente. En una comparacin
planeada, se les da nombres a los tratamientos de antemano; no es necesario
esperar los resultados, por ejemplo para saber cual tratamiento est asociado con
la mayor respuesta (Steel y Torrie, 1990).
139
Dr. Frankln Chacn
Son aquellas pruebas que se aplican en situaciones en las que se conoce poco
con respecto a la naturaleza de los tratamientos y se vacila en proponer
comparaciones con sentido. Estas tcnicas son muy utilizadas para comparar
todos los posibles pares de medias.
Prueba de Scheff
Prueba de Student Newman y Keuls (S.N.K.)
Procedimiento W de Tukey
Prueba de Amplitudes Mltiples de Duncan
Prueba t de razn bayesiana de Waller-Duncan
Prueba de Gabriel
Prueba de Bonferroni
140
Diseo y Anlisis de Experimentos 7
Prueba de Scheff
Prueba de Student Newman y Keuls (S.N.K.)
Procedimiento W de T ukey
Prueba de Amplitudes Mltiples de Duncan
Prueba t de razn k-bayesiana de Waller-Duncan
Prueba de Gabriel
Prueba de Bonferroni
141
Dr. Franklin Chacin
Contrastes
142
Diseo'y Anlisis de Experimentos 7
(Le. Y.)'
scc = 1"
n L.,C;
2 (7.2)
;
donde n es el nmero de observaciones por tratamiento. Cuando el nmero de
observaciones en cada tratamiento es diferente la comparacin de las medias
reqwere que:
Q
niC =O (7.3)
;=1
se tiene que:
(7.4)
Tal como fue mencionado, los y pueden ser totales medias de tratamientos,
los primeros son mas convenientes para las pruebas, los ltimos para la estimacin
de intervalos de confianza.
143
Dr. Frankln Chacin
j=1
n.
1
C.D.
1 1
= O (7.6)
3.- Redzcanse los coeficientes a los enteros mas pequeos posibles. Por
ejemplo, en la comparacin de un grupo de dos tratamientos con un grupo de
cuatro, en virtud de la regla 2, se tienen los siguientes coeficientes;
+4,+4,-2,-2,-2,-2 pero estos pueden reducirse a +2,+2,-1,-1,-1,-1.
145
Dr. Franklin Chacn
t = rnds / Sd
o"~
1~
Diseo y Anlisis de Experimentos 7
respectivamente.
Todas las diferencias entre las medias son comparadas con el rnds calculado.
Si la diferencia excede el mds, se dice que las medias provienen de poblaciones
con medias distintas.
En conexin con estas pruebas de medias, Fisher estableci que los a-l
grados de libertad provenientes de los a. tratamientos pueden ser particionados
en a-l comparaciones ortogonales, cada una con un grado de libertad, y que es
posible obtener una estimacin de la varianza del error para cada comparacin
con un grado de libertad en un nmero de diseos de experimentos.
La dificultad aqu estriba en que las varianzas de los errores usualmente est
asociada con pocos grados de libertad; en consecuencia, la varianza combinada,
con un mayor nmero de grados de libertad, es usada siempre que sea posible.
Tambin, mas de a-1 comparaciones ortogonales es usualmente lo deseado.
147
Dr. Franklin Chacin
(7.14)
n = nmero de tratamientos
f = grados de libertad asociados con el error experimental
Q = ..fi tU;f
Ellos aseveran que puede demostrarse que con tres tratamientos el valor
observado de t para la mxima diferencia ser mayor que el valor tabulado al
nivel del 5% en el 13% de las veces; con seis tratamientos la cifra es del40%j con
diez tratamientos es del 60% y con veinte tratamientos 90%.
Por lo tanto, la prueba rnds para comparar las diferencias entre la mas alta y
la mas baja de las medias, no puede ser usada para ms de dos tratamientos en el
expenmento.
ili8
.'
Diseo'y Anlisis de Experimentos 7
149
Dr. Franklin Chacin
WJ = q U.J Si
15er.
Diseo'y Anlisis de Experimentos 7
Prueba de Tukey
Ya que solo se hacen comparaciones por pares, el valor crtico es menor que
el exigido por Scheff. El procedimiento consiste en el clculo de un valor crtico
mediante la ecuacin:
151
Dr. Franklin Chacin
(7.19)
(7.20)
152
In
n so ~ [2~2r
y su desviacin estndar es:
(7.21)
Diseo .YAnlisis de Experimentos 7
cuando hay solo dos medias a comparar se puede utilizar el estadstico "t" de
Student, donde:
(7.22)
153
Dr. Franklin Chacin
Por supuesto para obtener el t de Dunnett (dut) se busca con los grados de
libertad asociados a la interaccin. Es de notar que se parte del supuesto de que
los grupos tienen la misma varianza. En algunos casos ste supuesto puede ser
bastante razonable; pero sin embargo la varianza del grupo control podra ser
significativamente mas pequea que la de los tratamientos, en estas circunstancias
las varianzas de los tratamientos y del control pueden ser calculados en forma
separada, en este caso el estadstico t apropiado sera:
XI-XO
t = [2
SI So 2]1/2 (7.24)
-+-
tu no
donde:
s/2 = varianza de los tratamientos
So 2 = varianza del control
El valor del estadstico t de Dunnett (dut) se busca con los grados de libertad
ponderados de las varianzas invo1ucradas. El valor dut que se encuentra tabulado
se ajusta por la desigualdad de las varianzas a travs de la frmula: (Dunnett,
1964)
2
n.. So
1---2 (7.25)
no.s/
Los mtodos para determinar los valores tabulados de t fueron los mismos
para calcular los valores de dos colas de una sola cola. Todos los clculos
fueron hechos por computadora (los programas fueron hechos por Dunnett en
una LPG30 usando subrutinas para la distribucin normal escritos por R.A.Lamn).
1f54;
Diseo'y Anlisis de Experimentos 7
Prueba de Gabriel
155
Dr. Franklin Chacin
Descripcindelaprueba S1P
Se asume que los siguientes datos estn disponibles para k poblaciones: XI,
XX' ... s, sozn edias no%:rales e independientemente distribuidas con varianzas
(]"
, (]"
, ... , O" .
.respecnvamente, .
SIend o nI, n2 , ... , nk conocl.das
m
peroni a 2 es desconoci id o;m. se tiene tam bi . doo in
ien S2 un estima i d epen dilente e
insesgado de (]"2 con no grados de libertad.
~:156
Oleoo y Anlisis de Experimentos 7
La tabla que se deduce para ser utilizada contienen valores t de riesgo mnimo
para k= 100. Estos son los nicos valores presentados all. La tabla se consulta
con base en el valor para el contraste F de tratamiento por lo cual se calcula el
valor de b, de acuerdo a la expresin:
b=I~1 F-l
(7.30)
grados de libertad del error. Este valor crtico el cual se presenta en tablas y
luego se sustituye en la expresin.
rnds t sd (7.31)
donde rnds es el valor con el cual van a ser comparadas todas las diferencias de
medias.
Es conveniente hacer notar que la prueba F global que se usa como regla de
decisin para el anlisis de la varianza cuando se analizan las k poblaciones. La
probabilidad de que simultneamente ningn conjunto de poblaciones es
significativamente no homogneo es de al menos t-e. En otras palabras, la
probabilidad de que sea cometido error tipo 1es como mximo u.
Todos los clculos realizados por Gabriel para la realizacin de esta prueba
e incluso un ejemplo numrico es proporcionado en el artculo "T esting
homogeneity of all sets of means"de Gabriel, pero no sern incluidos en este
trabajo. Sin embargo, es importante notar que el autor sugiere en este artculo que
el uso conjunto de la prueba de Scheff y STP es deseable debido a la similaridad
de los procedimientos utilizados en ambos.
Ejemplo Ilustrativo
Se presenta un ejemplo ilustrativo, al cual se le aplica todas las pruebas de
comparaciones de medias consideradas en el presente captulo.
,
157
Dr. Frankln Chacin
1 0,0 55 47 46 53
2 62,5 47 51 40 44
3 500,0 49 44 46 51
4 1000,0 36 41 40 38
Contrastes Ortogonales
Por lo tanto:
CI=-YI-Y2+Y3+Y4
C2 = - y 1 + Y 2 - Y 3+ Y 4
C3=+YI-Y2-Y3+Y4
~. 158
Diseo'y Anlisis de Experimentos 7
c/
j='
(CMEE) 1/2 n,
159
Dr. Franklin Chacin
Fuente g de 1. SC F
fl3 '*
+ u flI + fl2
fl2 '*
+ fl4 flI + fl3
flI + u = fl2 + fl3
~: 160
Diseo'y Anlisis de Experimentos 7
Prueba de Scheff
Sau = Scu.J(a-l)Fa.a-,.N- a
S au = 2.64.J3(3,49) = 8.54
Como C, < Sall no se rechaza la hiptesis nula. Ello indica que los
tratamientos 1 y 3 no son estadstica mente diferentes. De igual forma pueden
efectuarse las restantes comparaciones. Una vez obtenidos estos contrastes se
concluy que no existe diferencia entre los tratamientos 1,2 Y3. Sin embargo la
dosis de BPC= 1000 (tratamiento 4) si produce un efecto significativamente
diferente del resto disminuyendo significativamente el tiempo de recuperacin de
los ratones.
161
Dr. Franklin Chacn
162
Diseo y Anlisis de Experimentos 7
q 0,05(2,12) = 3,08
q 0,05(3,12) = 3.77
q 0,05(4,12) = 4,20
W2 = 3,08(1,868) = 5.75
W3 = 3,77(1,868) = 7,04
W4 = 4,20(1,868) = 7,84
Prueba de Duncan
CME]1I2 [13.9583]1/2
Sy = [ -n- = 4 = 1.868
163
Dr. Franklin Chacin
[0,05(2,12) = 3,08
[0,05(3,12) = 3,23
[0,05(4,12) = 3,33
Luego se calcula V; donde V = [a(p,f) Sy;
V2 = 3,08(1,868) = 5.75
V3 = 3,23(1,868) = 6,04
V4 = 3,33(1,868) = 6,22
De forma similar al procedimiento descrito para la prueba anterior se
comparan las diferencias entre las medias con su respectivo valor crtico 01) para
formar los grupos homogneos.
Prueba de Tukey
T = qa(a, f) Sy;
Ts = 4.20(1.,868) = 7,8456
~:164
Oteeo v Anlisis de Experimentos 7
1-3 2,75
1-2 4,75
1-4 11,50 >7,8456*
2-3 2,00
2-4 6,75
3-4 8,75 >7,8556':-
Prueba de Dunnett
d[a,(a-I),fl~CMEE(Yn + in)
Iy
Es de notar que 4 - Y 11 = 11,50 es mayor que el valor crtico, por lo tanto
j14 y j./I son estadsticamente diferentes. De igual manera, se analizan el resto de
los pares de medias que se comparan con el controL
165
Dr. Franklin Chacin
Prueba de Waller-Duncan
Cuyo valor F ser tomado para buscar los valores en la tabla titulada "Valores
de t de riesgo promedio mnimo Duncan-Waller".
q = 3 (g.Ltrat)
f = 12 (g.1.error)
En la tabla se obtienen
F=6 t = 2,22
F = 6,89 t =?
F = 10 t = 2,125
~~166
Diseo .Y Anlisis de Experimentos 7
1-2
1-3
1-4
2-3
2-4
3-4
1 A A A A A A
3 A A A A A A
2 BA A A A BA A
4 B B B B B B
Se puede concluir que invariablemente en todas las pruebas f.11 = f.12 = f.13 ;
e igualmente f.11 ::f:. f.14. us f.14.
167
Captulo 8
EXPERIMENTOS FACTORIALES
Introduccin
Se puede estudiar el efecto de cada factor por separado cuando los otros se
mantienen a niveles constantes, pero este procedimiento de factor nico no dara
informacin sobre la dependencia del efecto del factor sobre los niveles de los
otros factores; mediante el segundo procedimiento; es decir, los experimentos
factoriales, es posible conocer si cada factor ejerce un efecto independiente del
resto de los factores variables o si su efecto est relacionado a los cambios de
niveles de otros factores.
169
Dr. Franklin Chacin
170
Diseo .Y Anlisis de Experimentos 8
171
Dr. Frankln Chacn
(aobo)
(a.b,)
(albo)
(a.b.)
(8.1)
(8.2)
172
Diseo y Anlisis de Experimentos 8
De manera que una estimacin del efecto de A sera dada por el promedio
de los efectos simples; y se denomina efecto principal de A.
1
A ="2(a,b,-aob,+a,bo-aobo) (8.5)
1
A = "2(al- ao)(b, + bo)
1
B = "2(a,b,- albo + aob,- aobo) (8.6)
1
B = "2(al + ao)(b,- bo)
BA={ (a,b,-a,bo)-(aob,-aobo) }
1
BA = 2"(al- ao)(b,- b ,')
(8.8)
173
Dr. Franklin Chacin
No Interaccin
Factor B
Niveles bo b b I - bo
Factor A ao 30 32 2
a 36 38 2
a - ao 6 6
Factor B
Niveles bo b b - bo
Factor A ao 10 12 2
a 13 lS 2
a l - ao 3 3
Con Interaccin
Factor B
Niveles bo b b I - bo
Factor A ao 30 32 2
a 36 44 8
a I - ao 6 12
174
Diseo y Anlisis de Experimentos 8
Factor B
Niveles bo b, b - bo
Factor A ao 30 32 2
a 36 26 10
a - ao 6 -6
45 16
40 14
~~I
35 12
/a,
30 10
a, al b, b.
No hay interaccin No hay interaccin
45 45
.:
40 40
35 35
30 30
b,
a, l, a, al
Hay interaccin Hay interaccin
(cambio de magnitud) (cambio de direccin)
175
Dr. Frankln Chacin
A = [1- 1
+ - (a) - - (b) - - ( 1)
(ab)
1- 1_]
(8.11)
222 2
donde (ab), a, ..., son los promedios de rendimientos sobre r repeticiones. El
error estndar estimado de A ser:
1 1 1 1
(si Fr + + 4" + 4") = si Fr cuando n = r (8.12)
[JI] +1 +1 +1 +1 (l) l
[A] -1 +1 -1 +1
[B]
= -1 -1 +1
(a)
+1 (b)
J
[AB] +1 -1 -1 +] (ab)
Tratamiento 1 II
1 (aoboco) (1)
2 (a, boco) a
3 (aoboco) b
4 (a, b.c ,') ab
5 (aoboc,) e
6 (a,boc,) ac
7 (a.b.c.) bc
8 (a, b.c.) abc
177
Dr. Franklin Chacin
(8.15)
Interaccin AB al nivel e,
= }i[ (a, b,c,- a.b.c.) - (a, boc,- aoboc,)] (8.17)
El promedio de estos dos efectos se toma como una estimacin de AB, as:
AB=l.4{[ (al b ICo- ao b.c ,') - (a Iboco - ao bocJ 1+[ (al b.c, - ao b.c,) - (a Iboco - aobocJ])
(8.18)
o tambin;
(8.19)
178
Diseo'y Anlisis de Experimentos 8
(8.20)
o tambin:
(8.21)
(8.23)
ABC=[ (al-I)(b)-l)(c)-l) ]=[(abc)-(bc)-(ab)+(b)-(ac)+(c)+(a)-(l
(8.24)
para los efectos que no aparecen en la explicacin las expresiones seran:
1 (8.28)
BC=[ (al+l)(bl-I)(el-I)]
179
Dr. Franklin Chacin
[p] +1 +1 +1 +1 +1 +1 + 1 + 1 (1)
[A] -1 +1 -1 -1 +1 +1 -1 +1 (a)
[B] -1 -1 +1 -1 +1 -1 +1 + 1 (b)
[e] -1 -1 -1 +1 -1 +1 +1 + 1 (e)
[AB] +1 -1 -1 +1 +1 -1 -1 +1 (ab)
[Ae] +1 -1 +1 -1 -1 +1 -1 + 1 (ae)
[Be] +1 +1 -1 -1 -1 -1 +1 + 1 (be)
[ABe] -1 +1 +1 +1 -1 -1 -1 +1 (abe)
donde los Ti vienen dados por los smbolos (1), (a), (b), ...
180
Diseo .Y Anlisis de Experimentos 8
1
A = 2k-1 (a-1)(b+ l)(c+ l)(d+ l)(e+ 1)... (8.32)
1
B = 2k-1 (a-1)(b-l)(c+ l)(d+ l)(e+ 1)... (8.33)
1
AB = 2 k-I (a-1)(b- l)(c+ l)(d+ 1)(e+ 1)... (8.34)
1
ABCD = 2k-1 (a-l)(b-l)(c-l)(d-l)(e+ 1)... (8.35)
(1) d e de f
a ad ae ade af
b bd be bde bf
ab abd abe abde
e cd ce cde
ac acd ace acde
bc bcd bce bcde
abc abcd abce abcde
Nmero
Efectos Principales k
181
Dr. Franklin Chacin
f
donde [X representa el efecto total. La varianza de cualquier efecto medio
ser igual a:
(8.37)
182
Diseo y Anlisis de Experimentos 8
183
Dr. Frankln Chacn
En las nociones bsicas en relacin con factores con dos (2) niveles, se vio
el anlisisfactorial en trminos de efectos principales e interacciones. La simplicidad
de este anlisis surge por el hecho mismo de que cada factor ocurre a dos (2)
niveles, yel efecto de cualquiera de los factores no sera mas que la diferencia
entre el rendimiento promedio del factor a su ms alto nivel y el rendimiento
promedio del factor a su ms bajo nivel. Cada factor a ms de dos niveles da
lugar a diferentes enfoques de anlisisde acuerdo con el objetivo de la investigacin.
Si en un experimento factorial entran uno o ms factores cuantitativos, un anlisis
interesante y conveniente es el de estudiar la forma de la curva de respuesta; es
decir, si el factor representa cantidades crecientes X de alguna sustancia, es de
inters, por ejemplo, examinar si la respuesta Y a los crecientes niveles X del
factor, es de naturaleza lineal, cuadrtica, etc.
184
Diseo y Anlisis de Experimentos 8
a.
012
Niveles del factor
Seobserva de la figura que hay dos respuestasa una cantidad unitaria del factor:
Definiendo:
-. Efecto Lineal del factor A:
Al = a2 -a o (8.38)
-. Efecto Cuadrtico del factor A
N=a-2a+a
2 , o (8.39)
Como se ve, el efecto principal del factor A est asociado a dos grados de
libertad, lo que indica que es posible realizar dos comparaciones mutuamente
185
Dr. Franklin Chacin
Sean dos factores Ay B cada uno a tres niveles: (a, .a a.) Y(bo' b b2),
respectivamente.
EFECTO G. DE L.
A 2
B 2
AB 4
186
Diseo y Anlisis de Experimentos 8
Efecto G. de Libertad
A 2
Efecto lineal N 1
Efecto cuadrtico N 1
B 2
Efecto lineal Bl 1
Efecto cuadrtico B2 1
AB 4
Efecto linealxlineal NBl 1
Efecto linealxcuadrtico NB2 1
Efecto cuadrticoxlineal NBl 1
Efecto cuadrticoxcuadrtico NB2 1
Total 8
Supongase una tabla 3x3 en la que aparece los nueve (9) totales de
rendimiento de las comb-inaciones de tratamientos de los factores A y B a tres (3)
niveles cada uno.
187
Dr. Franklin Chacin
Factor B
ba bJ b2 Total
ao (ao b) (ao b) (ao b) [ao]
Factor A a (a b) (a b.) (a b.) [al]
a2 (a, b) (a, b.) (a, b.) [a2]
Total [b o ] [b] [b2]
J,
cada smbolo (ao b (ao b.), ... dentro de la tabla equivale al total de rendimiento
para la combinacin indicada por los subndices. Los totales marginales para los
niveles de A se indican como a o ,a I , a 2 ; e igualmente para los totales marginales
de B. El componente A (efecto lineal de A) puede estimarse separadamente a
cada nivel de B. Cada uno de estos componentes los llamaremos efectos lineales
simples de A; as:
(8.40)
(8.42)
189
Dr. Frank/in Chacin
en forma similar,
2
A'B =(a2 -aO)[(b2 -b,)-(b,-bo)]
2
A 'B = (a, - aO)b2 - 2(a2 - ao)b, + (a2 - ao)bo (8.45)
A' B2 = A' (2) - 2A' (1) + A' (O)
o tambin
2
A'B =[(b2 -b,)-(b,-bo)]a2 -[(b2 -b,)-(b,-bo)]ao
2 2
A'B =B (2)-B2(0)
(8.46)
de igual forma;
2
A B' = [[(a2 -a,)-(a, -aO)]b2 -[(a2 -a,)-(al -ao)]bo]
=A2(2)-A2(0)
o tambin
2 I
AB = (b , - bO)a2 - 2(b2 - bo)a, + (b2 - bo)ao
= B' (2) - 2B' (1) + BI(O) (8.47)
= A2(2)-A2(1 )_[A2(1)-A2(0)]
= A2(2)-2A2(1)+A2(0)
..'.190
Diseo y Anlisis de Experimentos 8
lo que indica que es la comparacin del promedio de las pendientes de las rectas
de regresin de A a los niveles 2 y O de B contra la pendiente de la recta de A al
nivel b, de B.
191
Dr. Franklin Chacin
Figura 8.3.1 Figura 8.3.2
Efecto lineal de A
la interaccin AIS
a cada nivel de B
a. al " a. a, a,
No hay interaccion
8.32a Componente Al a' 8.32b Componente A' 8'
Figura 8.3.3
Figura 8.3.4
Efectos cuadrticos
la interaccin A'8
cada nivel de B
b,
" a,
Mtodo 1
Se calcula directamente utilizando las expresiones algebraicas para los efectos, as:
Al a2 - ao
=
2
A = a2-2a+ao
donde a o' a ,a 2 son totales marginales en la tabla 3x3.
Mtodo 2
Se forma una tabla 3x3 con los totales de tratamientos en el cuerpo de la
tabla y los totales marginales de A y de B.
Factor B
bo b, b, Total Lineal N Cuadrtico N
[-~}[-I 1]
NBl O
O =[ ~
-1 O
O
-~1
[-~}[I-2 1] = [-1~
2
NB2 O
-2 ~1
= [-1
O
[-:+-1 O 1] 2 O -11
-2
NBl -1 O 1
1 -2
NB2
[-+1 -2 1] = [ -2
1 -2
4
-~1
Si se quiere calcular, por ejemplo, NBl; la matriz NBl dice que todos los
productos sern nulos menos los de los extremos, as:
194
Diseo .Y Anlisis de Experimentos 8
(8.51)
Mtodo 3
El otro mtodo es formar una matriz completa, escribiendo en una columna
las combinaciones de tratamientos y luego en las columnas siguientes los coeficientes
de las respectivas comparaciones.
.,
Totalde Componentes en regreswn
Tratamientos Al Al Bl Bl AIBI AIBl A1Bl A1Bl
T = a.b, -1 1 -1 1 1 -1 -1 1
00
T = aob -1 1 O -2 O 2 O -2
01
T = aob2 -1 1 1 1 -1 -1 1 1
02
T = albo O -2 -1 1 O O 2 -2
10
T =ab O -2 O -2 O O O 4
11
T =ab2 O -2 1 1 O O -2 -2
12
T20 =a 2 b o 1 1 -1 1 -1 1 -1 1
T =a?b 1 1 O -2 O -2 O -2
21 -
T = a.b, 1 1 1 1 1 1 1 1
22
195
Dr. Franklin Chacin
Otra forma de escribir la matriz es la siguiente:
[A 1] aobo
-1 -1 -1 O O O 1 1 1
[A 2]
1 1 1 -2 -2 -2 1 1 1
aobl
[BI] -1 O 1 -1 O 1 -1 O 1
aOb2
albo
[B2
] 1 -2 1 1 -2 1 1 -2 1
[A1B1] 1 O -1 O O O -1 O 1
albl
a.b,
[A1B 2
]
-1 2 -1 O O O 1 -2 1
a2bo
[A B1]
2
-1 O 1 2 O -2 -1 O 1
a2bl
1 -2 1 -2 4 -2 1 -2 1
[A B
2 2
] a2b2
G. de L.
Efecto lineal de A: A l 1
Efecto cuadrtico de A: A 2 1
Efecto total de B: B 2
Interaccin AB 4
G. de L.
Efecto total de B 2
Efecto lineal de A a b o de B 1
Efecto lineal de A a b I de B 1
Efecto lineal de A a b, de B 1
Efecto cuadrtico de A a b o de B 1
Efecto cuadrtico de A a b I de B 1
Efecto cuadrtico de A a b, de B 1
196
Oieeo y Anlisis de Experimentos 8
EXPERIMENTOS FACTORIALES 2k
TRATAMIENTOS
(1) a b ab e ae be abe
10 16 27 23 16 16 25 28
18 19 17 18 25 16 23 24
8 16 16 28 22 19 30 20
36 51 60 69 63 51 78 72
197
Dr. Franklin Chacin
Modelo LinealAditiw
Yijkl = observacin l-esima del i-simo nivel del factor A, j-simo nivel
del factor B y k-simo nivel del factor C.
Jl = media general
ai = efecto del i-simo nivel del factor A
/J = efecto del j-simo nivel del factor B
(ajJ) ij = efecto de la interaccin de primer orden del i-simo nivel del
factor A con el j-simo nivel del factor B
(ar) ik = efecto de la interaccin de primer orden del i-simo nivel del
factor A con el k-simo nivel del factor e
(jJr) jk = efecto de la interaccin de primer orden del j-simo nivel del
factor B con el k-simo nivel del factor e
(aPr) ijk = efecto de la interaccin de segundo orden del i-simo nivel
del factor A j-simo nivel del factor B con el k-simo nivel del factor e
C;jkl = error experimental
Supuestos delModelo:
Modelo 1 (fijo)
198
Diseo y Anlisis de Experimentos 8
a b
II(ajl)ij
;=1 j=1
=
a e
I I
;=1 k =I
(ar)k =0
b e
I I
j=1 k=1
(flr) jk =
a b e
III
;=1 j=1 k=1
(aflr)ijk =
C;jk- NID (O, CT;)
Modelo 11(Aleatorio)
a - NID(O,CT~)
/l - NID(O,CT~)
rk - NID(O, CT:)
(ajl)ij - NID(O,(J~fJ)
(ar)k - NID(O,(J~/)
199
Dr. Frankln Chacn
Hiptesis:
Modelo 1
Ho: a = O I
Ho: (afJ)ij= O Ho: (ajJY)ijk =O
Ha: ai-:f::-O Ha: (afJ)ij-:f::- O Ha: (ajJY)ijk -:f::-O
Modelo II
Ho'.
2
0- a =O Ho: O-~fJ = O Ho: O-~fJr =O
Ha: o-~ -:f::- O Ha: O-~fJ -:f::- O Ha: O-~fJr -:f::- O
Ho: O-~r =O
Ha: O-~r -:f::- O
,.'.200
Tabla 8.2. Esquema de Analisis de Varianza Para el Experimento Factorial 23
LO, d~ V. G. J~ L. Su,"u dr Cuadrados Esperanzas d.: 10.t Cuadrados M,'Jim Esperanzas d,. tos Cuodrudos MC'dlu.J
(Modelo 1) (M"dd" 11)
a .1.2 2 :!
A .1 L(ai/rbc-F.C. a;+bcrLa2/(a-l) ac+rarrJly+rcaa
,-1 ,-1 + rb a,~ + rbc a~
h h., ., ,
Il b1 L(b/lrac-F.C. a;+acrL{J]I(b-l) a;+ra~/lr+rca~(1
j-I j-I + ra a~ + rac a~
a b e ~.
~
Dr. Franklin Chacin
DesarrollodelEjemplo
Sumas de Cuadrados
bo bl Total
ao 99 138 237
al 102 141 243
Total 201 279 480
eo el Total
ao 96 141 237
al 120 123 243
Total 216 264 480
eo el Total
bo 87 114 201
bl 129 150 279
Total 216 264 480
202
Diseo y Anlisis de Experimentos 8
Suma de Cuadrados de B
2012 + 2792 4802
SCB = - -- = 9853.5 - 9600 = 253.5
3x2x2 24
Suma de Cuadrados de C
2162 + 264 2 4802
SCC = - -- = 9696 - 9600 = 96
3x2x2 24
SumadeCuadradosAB
Suma de CuadradosA C
Suma de CuadradosBC
Suma de CuadradosABC
362 +512+ ... +782 + 722 4802
SCABC = 3 - -1.5- 24 253.5 - 96 - 0-735-1.5 = 6.0
203
Dr. Frankln Chacn
204
Diseo y Anlisis de Experimentos 8
Anlisis de Varianza
205
Dr. Frank/in Chacin
F.de V. G. de L. CM F
Trar 7 61.71
A 1 1.50
B 1 253.50
C 1 96.00
AB 1 0.00 0.00
AC 1 73.50 12.25':":'
BC 1 1.50 0.25
ABC 1 6.00 0.32
EE 16 18.25
Total 23
Contrastesortogonalesytotalesdetratamiento
36 51 60 69 63 51 78 72
(1) a b e ab ac be abc
J1 +1 +1 +1 +1 +1 +1 +1 +1
A -1 +1 -1 -1 +1 +1 -1 +1 a
B -1 -1 +1 -1 +1 -1 +1 +1 b
C -1 -1 -1 +1 -1 +1 +1 +1 e
AB +1 -1 -1 +1 +1 -1 -1 +1 ab
AC +1 -1 +1 -1 -1 +1 -1 +1 ac
BC +1 +1 -1 -1 -1 -1 +1 +1 be
A&:: -1 +1 +1 +1 -1 -1 -1 +1 abc
206
Diseo y Anlisis de Experimentos 8
(-36-51+60-69+63-51+78+72)2 722
SCB= =-=253.5
8x3 24
207
Dr. Franklin Chacin
Interpretacin
Modelo Fijo
Modelo Aleatorio
EJERCICIOS
209
Dr. Frank/in Chacin
EXPERIMENTOS FACTORIALES 3K
1M TAMlENTOS
a2 al ao
Bloques b, bl bo b2 bl bo b2 b bo Total
1 52 28 56 66 36 20 56 42 22 378
II 48 44 48 54 24 38 34 16 36 342
III 60 48 40 56 62 32 52 36 28 414
IV 40 48 16 48 46 22 34 26 26 306
Total 200 168 160 224 168 112 176 120 112 1440
Modelo LinealAditiw
4-10
Diseo y Anlisis de Experimentos 8
Supuestos deLModeLo:
ModeLo 1 (fijo)
a b
(a,8)ij =
i=1 i=1
2
Yk - NlD(O, (J"r)
Modelo 11{Aleatorio)
a - NID(O, (J"~)
Yk - NID(O, (J":)
211
Dr. Franklin Chacin
Hiptesis:
Modelo!
Ha: a,1
=O Ha: (ajJ)ij= O
ModeloIl
212
Diseo y Anlisis de Experimentos 8
r y2
Bloques r-l I
hl
ab
ook
- F.C. SCBloq/(r-1)
y?
_IJo -F.C.
Tratamientos t-I SCTrat/(t-1)
r
y2
A a-l
I_ioo
a
-F.C. SCAI(a-1)
i=1 br
b y2
B b-1
I_oJ- -F.C.
SCB/(b-1)
j=1 ar
a b y2
AB (a-I) (b-1) _IJo
;=1 r
-FoC.-SCA-SCB
je l
SCAB/(a-1)(b1)
a b e
III
i=1 je l k =I
Yi~k - FoC.
Total abr-l
F.C.= (GranTotal)2 / abr
213
f\)
\:J
::: Tabla 8.4. Esperanzas de los Cuadrados Medios para el Faetorial 32 para el caso de los Modelos Tipo l. 11. III :>
E(CM) Modelo I Denomi E(CM) Modelo 11 Dcnomi 11
nador nador ~
zs
'
E
a 2 + ab o.'r a(2 +aba; ~
Bloque CMEE CMEE ~.
2
a2+ 2 , ,
A e rb~
L.J a-'- CMEE CMAB
;:1 a-l o; + ra;(J + rba; ~
\)
, b {32 ~.
B a; +raL -L CMEE 2 2 2 CMAI3
a( + raafl + raafl
i=) b-l
, h
AS
a;+r (a{3)~ CMEE CMEE
a,2+ ra~fl
;=1 j=1 (a- 1 )(b -1)
2
a2(
aE
Error
a
, , ~ a2
A a; + ra~fl + rb L.J --'- CMAB CMEE
a-l 1:;:1
a; + rba~
Error(a)
, , 2 '
AS a; + ra~/j CMEE a, +ra';/l CMEE
Errortb) 0'2
r ae2
Diseo y Anlisis de Experimentos 8
Suma de Cuadrados
b2 b bo Total
200 168 160 528
224 168 112 504
176 120 112 408
600 456 384 1440
215
Dr. Franklin Chacin
b2 b bo B B2
a2 1 O -1 1 -2 1
a 1 O -1 1 -2 1
ao 1 O -1 1 -2 1
~ AB AB2
1 1 1 1 O -1 1 -2 1
O O O O O O O O O
-1 -1 -1 -1 O 1 -1 2 -1
~ ~B ~B2
1 1 1 1 O -1 1 -2 1
-2 -2 -2 -2 O 2 -2 4 -2 '~
1 1 1 1 O -1 1 -2 1
216
Diseo .Y Anlisis de Experimentos 8
SCA B =
[(200 + 112) - (176 + 160) r= (-24)2
= 36
)) [12+12+(-1)2+(-1)2]x4 16
217
Dr. Frank/n Chacn
Interpretacin
-;;. 218
Diseo y Anlisis de Experimentos 8
-. No e.iiste interaccin enr .:-los dos factores, cada uno actua independien-
temente del otro factor.
EJERCICIOS
219
Dr. Frankln Chacn
220
Captulo 9
_"i
a '1" 2
(9.1)
i=1 a-l
a) Una fila por cada componente del modelo (Cuadrado Medio) y una
columna por cada subndice, sobre cada subndice escribir el nmero de niveles
del factor asociado con el sub ndice y si el factor es fijo escribir una F o si es
aleatorio escribir una R. Las repeticiones o replicaciones son siempre consideradas
como aleatorias.
221
Dr. Frank/n Chacn
F F R
Factor a b r
k
t: I
~j
("[~)ij
E ij (k)
1 1 1
F F R
Factor a b r
k
TI O
~j
O
("[~)ij O O
E ij(k) 1 1 1
F F R
Factor a b r
J k
'; O b r
~j
a O r
('tp) ;j O O r
E i j Ik}
1 1 1
ECM(A) = d+br
i=1
't;2/(a-l) (9.2)
223
Dr. Franklin Chacin
EJEMPLOS
F F R
Factor a b r ECM
J k
a
o b a' + br Ii;1
1:, '/ (a-I)
P j
a o a' + ar I
i='
p// (b-I)
a b
erA)
1-' 'J. o o 0-2+ r I I
i;1 j;1
(T~)'J '1 (a-I) (b-I)
a'
R R R
Factor a b r ECM
k
P j
a 1 r a' + r a'
tP
+ ar a'
P
Cij(k) 1 1 1 cr
224
Diseo y Anlisis de Experimentos 9
F R R
Factor a b r ECM
k
a
T; O b r d + ro'
,~
+ br 1;'/ (a-I)
;=1
13j
a 1 r a' + ar 0"'
~
E;j(k
1 1 1 d
combinaciones posibles) por repeticiones. Utilice las reglas dadas para las ECM
y discuta la prueba de la hiptesis nula.
225
Dr. Franklin Chacin
Note que en los modelos mixtos las interacciones que contienen factores
fijos y aleatorios tendrn adems los coeficientes dados por las reglas estudiadas
para las varianzas, el coeficiente del factor fijo. Por ejemplo, en el caso planteado,
la interaccin AC, BC y ABC tendrn como ECM:
a
2
ECM ~C) = 0-2 + br -- O" (9.4)
en
a- 1
b
2
ECM(BC) = 0"2 + ar -- O" (9.5)
b -1
a b
2
ECM(ABC) = 0"2 + r -- --- O" (9.6)
a- 1 b _1 a ~t
226
Captulo 10
Introduccin
SISTEMAS CONFUNDIDOS
Una desventaja de estos dos mtodos es que ellos slo sirven para factoriales
2k. Un mtodo ms general se atribuye a Kemptorne y se explicar ms adelante
en detalle.
228
Diseo y Anlisis de Experimentos 10
EXPERIMENTOS FACTORIALES 23
Rplica I Rplica r
Bloque 1 Bloque 2 Bloque 1 Bloque 2
ac a (1) c
(1) c ac b
ab abc be abc
bc b ab a
ANAVAR
F.deV. G.deL.
Bloques 2r-l
A 1
B 1
AB 1
C 1
AC 1
BC 1
Error 6(r-l)
Total 8r-l
cr2 /2 r (10.1)
229
Dr. Franklin Chacin
(10.2)
Fisher enunci un teorema que establece las caractersticas que debe llenar
un experimento factorial de la familia 2k, para que ninguna de las interacciones
confundidas comprenda menos de tres factores.
Teorema de Fisher
Ejemplo:
231
Dr. Frankln Chacn
Ejemplo:
Ejemplo:
pk (1)
22,45 21,23
np nk
28,49 25,85 98.02
Bloque 2
n k
28,12 20,64
npk p
22,14 20,05 90,95
232
Diseo y Anlisis de Experimentos 10
RepII
Bloque 3
n k
27,12 25,17
npk p
26,54 25,40 104,23
Bloque 4
np nk
23,59
f----
22,59
(1) pk
23,36 22,14 91,68
RepIII
Bloque 5
p n
28,49 31,52
npk k
25,31 24,95 110,27
Bloque 6
nk pk
25,95 24,13
np (1)
26,76 25,40 102,24
233
Dr. Franklin Chacin
Totales de Tratamiento
(1) 69,99
n 86,76
p 73,94
np 78,84
k 70,76
nk 74,39
pk 68,72
npk 73,99
G 597,39
IR2
SCR = -8-- C=
(188,97)2 +(195,91)2 +(212,51)2
8 -14.869,78 = 36,5773
SC(BDR)
B R
= ----
2 2
= 339961
48'
(3057)2
SC(N) = '
3x23
= 38 , 9385
(-641)2
SC(P) = '
3x23
= 1, 7120
(-1023)2
SC(NP) = '
3x23
= 4 , 3605
(-2167)2
SC(K) = '
3x23
= 195662
,
(-12 77)2
SC(NK) = '
3x23
= 6 , 7947
(1 53) 2
SC(PK) = ' = 00975
3x23 ,
235
Dr. Franklin Chacin
ANAVAR
F.deV. G. deL. SC CM Fc
Bloques 5 70,5734
Rep. 2 36,5773
BDR 3 33,9385
N 1 38,9385 38,9385 12,25':-~-
P 1 1,7120 1,7120 <1
NP 1 4,3605 4,3605 1,37
K 1 19,5662 19,5662 6,16~-
NK 1 6,7949 6,7949 2,14
PK 1 0,0975 0,0975 <1
Error
Intrabloque 12 38,1439 3,1787
Total 23 180,1867
CONFUSION PARCIAL
236
' .
Diseo .YAnlisis de Experimentos 10
e
Clc..
be.- 237
~1o(,
Dr. Frankln Chacn
F.de V. G. de L.
Bloques 8r - 1
A 1
B 1
C 1
AB a partir de repeticiones Tipos n, III YIV r
AC a partir de repeticiones Tipos 1, III Y IV r
BC a partir de repeticiones Tipos 1, Il Y IV r
ABC a partir de repeticiones Tipos 1, Il YIII r
Error 24r - 7
Total
-- 32r - 1
.238
' ..
Diseo y Anlisis de Experimentos 10
REPETICION 1 A confundido
Bloque 1 (1,7) (1) b
I Bloque II (2,8) ab a
REPETICION II B confundido
, Bloque 1 (3,10) ab b
Bloque II (4,9) (1) a
c\ REPETICION
Bloque 1 (5,11)
Bloque II (6,12)
III AB confundido
(1) ab
a b
A confundido
Bloque
b (1)
1 50 58
2 ab a
58 41 B2 =99
Repetici 1 R = 207
239
Dr. Franklin Chacin
B confundido
Bloque
3 ab b
82 76 B)= 158
4 (1) a
60 8 B4 =68
Repeticin II R = 226
AB confundido
Bloque
5 (1) ab
31 7 Bs =38
6 b a
32 99 B6= 131
A confundido
Bloque
7 (1) b
26 86 B7= 112
8 ab a
55 38 B8=93
Repeticin 1 R = 205
240
Diseo y Anlisis de Experimentos 10
B confundido
Bloque
9 (1) a
69 51 B9=120
10 b ab
41 56 BlQ=97
Repeticin II R = 217
AB confundido
Bloque
11 (1) ab
83 37 B1\= 120
12 a b
61 69 B12=130
241
'r: Frank/in Chacin
~R2
~ 207 2 +...+250 2
1.- SCRep = - C= - C = 896,83
4 4
2.- SC(BDR) = __
B 2
i -
R
--
2
Para calcular los efectos medios y las contribuciones a las sumas de cuadrados
.,ByAB
REp3:inesTIy m
Repeticiones 1YIII
Repeticiones 1YII
Por lo tanto;
SC(A) = A2+A2
o I _
(A +A y= 225
o
8 16
SC(B) =
B2+B2
o _\
fB +B
o I
)2= 115 57
8 16 '
2'1-3
Dr. Franklin Chacin
F.de V. G. de L. SC CM Fc
Rep. 5 896,83
BDR 6 4455,00
A (2/3 1 225,00 225,00 <1
B de 1 115,57 115,57 <1
AB inf.) 1 333,07 333,07 <1
Error
Intrabloque 9 6714,36 746,07
Total 23 12739,83
Yykl = observacin l-sima del i-simo nivel del factor A, j-simo nivel
del factor B y k-simo nivel del factor C.
j.1 = media general
a = efecto del i-sirno nivel del factor A
I
Modelo 1 (fijo)
i=1
b
/3=0
j=1
k= l
a b
(ajJ)ij =O
i=1 i=!
a e
i=1 k=1
(aY)ik =0
b e
i=!
ke I
(jJY)jk =O
245
Dr. Franklin Chacin
Modelo II (Aleatorio)
Hiptesis:
Modelo 1
Ho: (J"2
a
=O HO:(J"~f =O Ho: (J"; = O
Ha: (J"~ *O Ha: (J"afJ *O Ha: (J"p *O
Ho: (J"1 = O Ho: (J";r =O
Ha: (J"fJ *O Ha: (J";fJ *O
Ho: (J"; = O
Ha: (J"r *O
Diseo .Y Anlisis de Experimentos 10
2 repeticiones
Repeticiones r-1 Bloques r-1 = 5 1 interaccin ABC
2 EE de ABC
247
Dr. Franklin Chacin
Los clculos para los efectos principales e interacciones se realizan igual que
los experimentos factoriales no confundidos. Los Cuadrados Medios o varianzas
tambin se calculan en su forma convencional.
ANAVARCONFUNDlliNDOABC
Se rechaza la hiptesis nula Ha: /3 = O con una probabilidad del 1%, por
lo tanto existe efecto independiente de P.
249
Dr. Franklin Chacin
EJERCICIOS
250
Diseo'y Anlisis de Experimentos 10
Introduccin
251
Dr. Franklin Chacin
ANAVAR
F.deV. G. de L.
A 2
1
1
B 2
1
1
AB 4
ALBL 1
ALBC 1
A~L 1
A~c 1
ABC 8
ALBLCL 1
ALBLCC 1
ALBcCL 1
ALBCCC 1
A~LCL 1
A~LCC 1
A~CCL 1
A~cCc 1
252
Diseo y Anlisis de Experimentos 10
F.de V. G. deL.
Bloques r- 1
Tratamientos 3 3 - 1 2e:-
A -2
B 2
AB, ~
AB2 2
e 2
AC -------- 2
AC 2
BC 2
BC2 2
ABC_ - - 2
ABO 2
AB20 2
Error 8(r - 1)[~ _
Total 33 r - 1
(10.6)
donde:
a = exponente del i-simo factor de una combinacin de tratamientos que ser
confundida.
X = nivel i-simo en una combinacin particular de tratamientos.
253
Dr. Franklin Chacin
Contraste de definicin
(10.7)
(0,0)
: L = 1(0) + 2(0) = mod 3
(0,1) : L = 1(0) + 2(1) = 2 mod 3
(0,2) : L = 1(0) + 2(2) = 1 mod 3
(1,0) : L = 1(1) + 2(0) = 1 mod 3
(1,1)
: L = 1(1) + 2(1) = mod 3
(1,2) : L = 1(1) + 2(2) = 2 mod 3
(2,0) : L = 1(2) + 2(0) = 2 mod 3
(2,1) : L = 1(2) + 2(1) = 1 mod 3
(2,2)
: L = 1(2) + 2(2) = mod 3
1
1
1 2
O
1 1
2
2 2 2 1
2
"254
Diseo y Anlisis de Experimentos 10
(10.8)
(10.9)
255
Dr. Franklin Chacin
Contrastes de definicin
L2 = XI +2X2 +2X4 donde XpX2,X4 pueden tomar valores (O, 1,2) (10.11)
256
Diseo .Y Anlisis de Experimentos 10
2 2 2
(ABODG)(BCPPG) = AWODPPO = AB DE F d(mod3)
(ABODG)(BCPPG)2 = AB3C4DE4PG3 = ACDEF (mod 3)
Bloque Bloque
257
Dr. Franklin Checin
Bloque Bloque
258
Diseo .Y Anlisis de Experimentos 10
Repeticiones Totales
(1,0) 84 59 4 32 179 88 91
(1,1) 28 41 65 46 180 93 87
(2,1) 23 46 3 9 81 26 55
259
,-
SCB10ques =
B~
- C=
942+ ...+2092
- C = 9864
3 3
Esta suma requiere de la obtencin de los totales (A)o' (A) l' (A)2
260
Diseo .YAnlisis de Experimentos 10
SC(AB) =
(AB)~ + (AB)~ + (AB)~ [(AB)o + (AB) [ + (AB)2
3x 2 - -"-------'--9-x-2'----~c-
r
2992 + 4092 + 2202 (299 + 409 + 220)2
SC(AB) = 6 - 18 = 3003
261
Dr. Franklin Chacin
F.de V. G. de L. se CM Fc
262
Diseo y Anlisis de Experimentos 10
a
O 1 2 SUMA
O 164 179 175 518
b 1 263 180 81 524
2 143 249 195 587
SUMA 570 608 451 1629
T 2
F.deV. G. de L. se CM Fc
263
Dr. Franklin Chacin
donde la suma toma algunos de los valores /-lo' /-11' f-i2 ' ... , /-1(5-1) .
La interaccin entre los tres (3) primeros factores tiene (s - 1)3 grados de
libertad, que se pueden dividir en (s _1)2 componentes ortogonales dados por:
/-Ix 1 + /-1X2 + /-1X3 = /-lo' /-11' f-i2 ' ... , /-1(5-1) (10.13)
Si (Xl' X2) son las combinaciones de tratamientos para el facrorial f', se tiene:
:;.264
Diseo'y Anlisis de Experimentos 10
Se tiene entonces:
2 (, )(, )( , )( , ) 6 ( , )( , )( , )( , ) 10 ( , )( , )( , )( , )
3 (,)(,)(,)(,) 7 ( , )(, )( ,)(, ) 11 ( , )(, )( , )(, )
4 (, )(, )( , )(, ) 8 (, )( , )( , )(, ) 12 (, )( , )( , )(, )
AB confundido AB2 confundido ABJ confundido
265
Dr. Franklin Chacin
/-Lo /-Lo /-L, /-L2 /-L3 /-Lo /-Lo /-Lo /-Lo /-Lo
266
Diseo y Anlisis de Experimentos 10
Bloque Repeticion 1
Bloque Repeticion TI
267
Dr. Franklin Chacin
Bloque Repeticion ID
ANAVAR
F.de V. G. deL.
Repeticiones 3r -1
Bloques dentro
de repeticiones 9r
A Informacin Completa 3
B Informacin Completa 3
AB 2/3 de informacin 3
AB2 2/3 de informacin 3
AB3 2/3 de informacin 3
Error 36r - 15
Total 48r - 1
268
Diseo .YAnlisis de Experimentos 10
Bloque Repeticin 1
AB confundido R = 656
16 29 8 60 B = 113
Bloque Repeticin II
269
Dr. Franklin Chacin
G = R + R2 + RJ = 2477
24772
Fe = 2 = 127823,52
4 .3
SCTotal = 162 + 292 + ...+602 - Fe
2 2 2
656 + 1014 + 807
SCRep = - Fe = 4037,79
16 B2 R
1
2
270
Diseo .Y Anlisis de Experimentos 10
Ao = suma sobre todas las repeticiones para las cuales ~XI = ~o; es decir para los
tratamientos (0,0), (O,l ),(0,2) Y(0,3) que son: 8 + 29 + 30 + ...+ 61 + 60 = 636
BI = suma sobre todas las repeticiones para las cuales ~X2 = ~l; es decir para los
tratamientos: (0,1), (1,1), (2,1), Y(3,1) que son: 8 + 37 + 82 + 51 +..+ 80 = 524
(AB)= suma sobre las repeticiones II y III para las cuales ~XI + ~1~X2 = ~;es decir, los
tratamientos: (0,2), (1,3), (2,0) Y(3, 1) en la repeticin II y 1II, que son: 74 + 61 + 60 + ...+
80=430
As se llega a:
~I
A, B., (AB) (AB2) (AB3)
271
Dr. Franklin Chacin
" A2 6362 + 6402 + 5182 + 4832
SCA= L., i - F = - F = 1252,23
12 e 12 e
6
SCB=---F
B~ =
6442+5242+6892+6502
-F = 101756
12 e 12 e'
65
2
4692 +3942 +4302 +5282 1821
----------- = 123384
8 32'
F.de V. G. de L. se CM Fe
BDR 9 6122,94
Total 47 40663,18
273
Captulo 11
Introduccin
275
Dr. Franklin Chacin
276
Diseo y Anlisis de Experimentos 11
Anlisis
Tratamientos: p xq = 4x 3 = 12
Repeticin: r = 3
b2 b2 bl bl bl be be bl b2 b2 be bl
be be b2 b2 b2 b2 bl b bl be b2 be
2
bl bl be be be bl b2 be be bl b, b2
Anlisis de Varianza
F.deV G. de L.
Repeticiones r-1 = 2
A P-1 = 3
Error (a) (r - 1)(P - 1) = 6
Total Unidad Principal pr - 1 = 11
B q -1 = 2
AxB (p - 1)(q - 1) = 6
Error (b) p(r - 1)(q - 1) = 16
Total Subunidades pr(q - 1) = 24
Total pqr - 1 = 35
277
Dr. Frankln Chacn
Debido a que los niveles del factor a son comparados en tres replicaciones
de un bloque aleatorio, el cuadrado medio de la interaccin de la repeticin por
el efecto A, es el error apropiado para comparar el efecto A y se denota error (a).
En igual forma, el error (b) se compone de las siguientes interacciones: (RxB) y
(RxAxB), la primera es la interaccin de primer orden de la repeticin por el
efecto B y la segunda es la interaccin de segundo orden de la repeticin por el
efecto A y por el efecto B, este es el error apropiado para comparar la interaccin
de primer orden de los efectos (AxB) y en algunas instancias para comparar el
efecto B.
donde:
p = nmero de tratamientos de parcelas principales
q = nmero de tratamientos de parcelas secundarias
r = nmero de repeticiones
E(a) = cuadrado medio del error de (a)
E(b) = cuadrado medio del error de (b)
278
Diseo y Anlisis de Experimentos 11
En las Tablas 11.1, 11.2, Y 11.3se muestran los esquemas de ANA VAR para
diferentes arreglos de unidades experimentales.
F.deV G. de L.
A p-1
Error (a) p(r - 1)
Total Unidad Principal pr - 1
B q-1
AB (p - l)(q - 1)
Error (b) p(r - l)(q - 1)
Total Subunidades pr(q - 1)
Total pqr - 1
F.deV G. de L.
Repeticiones r-1
A P-1
Error (a) (r - 1)(P - 1)
Total Unidad Principal pr - 1
B q-1
AxB (p - l)(q - 1)
Error (b) p(r - l)(q - 1)
Total Subunidades pr(q - 1)
Total pqr - 1
279
Dr. Frank/in Chacin
Tabla 11.3. Esquema de ANA VAR para un Diseo en Parcelas divididas en un diseo
cuadrado latino con p == lado del cuadrado
F.deV G. de L.
Hileras p-1
Columnas P-1
A P-1
Error (a) (P-1) (P-2)
Total Unidad Principal p2 _ 1
B q-1
AB (p - l)(q - 1)
Error (b) p(p - l)(q - 1)
Total Subunidades p2(q _ 1)
Total p2q _ 1
E(a) es generalmente mayor que E(b); esto es debido a que las observaciones
en sub unidades de la misma unidad principal tienden a ser positivamente
correlacionadas y en esta forma reaccionan en forma ms parecida que las
sub unidades principales diferentes. En caso de ocurrir que E(a) sea menor que
E(b) lo propio es considerar aE(a) y E(b) como estimaciones de la misma varianza
d y consecuentemente las sumas de cuadrados deben sumarse y dividirse por los
grados de libertad a fin de obtener una estimacin de d .En caso de que E(a) sea
significativamente mayor que E(b) debera ser considerado seriamente la difcil
posibilidad de una correlacin intraclase negativa.
280
Diseo'y Anlisis de Experimentos 11
Dos medias de A ,
a., -a. pEca)
rq
Dos medias de B b., -b.,
PE(b)
rp
Dos medias de B al
mismo nivel de A
Dos medias de A
al mismo nivel de B a.bt-a b 2(~-I)E(b) + E(a)
, 1 t
rq
Dos medias de A
a diferentes niveles de B 2(q-l) E(b)+ E(a)
281
Dr. Franklin Chacin
F.deV G. de L.
C u- 1
AC (p - l)(u - 1)
BC (q - l)(u - 1)
ABC (p - l)(q - l)(u - 1)
Error (c) pq(u - l)(r - 1)
Unidades Terciarias pqr(u - 1)
Total pqru - 1
Moddo Lineal.Aduiui
(11.4)
donde:
282
Diseo y Anlisis de Experimentos 11
283
~ \J
{.. Tabla 11.4 Valores promedios de los Cuadros Medios para un modelo de parcelas dividiodas en un diseo en bloques aleatorios :>
s.s~
:.;
~
E(CM) Modelo l Dcnomi [(Ovl) Modelo 11 Dcnorni 9
nador nador ~
\')
J , 1 1 "'! '"'1 ~.
o ; + q o; + pqa~ o; + q 0,i + pq a,~
Rcplicacioncs C\1E(:1) C\IE{:I)
r
(XC
I ., .. ., ....
.A. e;, + q (),~, + rq L
'"' C\1E(:1) C\I[(;I)
p-l o; + q a,; + r a,~:1+ rq a,;
1,1
, , , ,
1: rror: a) o; + q (),~
a; + q 0,i
a,2 + rp fJJ~ , , ,
1\ ("1\11:([1)
t
,~I q- 1
CvlE(b) a,~+ r (J(~( + rp (Jj
1
"'1 1 I(
(T,~ + rI I __(rx!3)~k ,
:\11 CMUb) CivlF(h)
a," + r aL~/!
,-1<,1 <p-l)(q-l)
,
al: a" 1"
Errortb)
Cont. Tahla 11.4
r '
p? + rp LCC _l-
, , ,
A _
ae2' + qa: t> + r--a-I n{1 _ 1 CMAB o; + qai + rq(J ~ CMEE
P ;-1 P
Errorta) a2 + q o: (J,'+q()l ~
f ~
\SI
\\)
~I
\:)
13 a;+rpaJ CMEE ~ If CMAB
(J" + r-q-a~ + rn" .i:s.:
f 1 il[J t' I ~
q- k=1 q- ~
~,
:::::-:
\B CMEE \SI
, p , CMEE , q ,
a- + r --a- \Si'
a; + r--a; I q_ 1 u[J
p-I ~
, , Q1
Error(b)
a; o;
3,
~
~
<:i
\SI
~ -...
\Jl -...
Dr. Franklin Chacin
F. de V. G. de L. Suma de Cuadrados CM
r y2
_ ...-F.e.
Repeticiones r-I
L
;=1 pq
SCHloq/(r-l)
r q y2
-F.e.
A 1'-1
LL
j e t k"1
_-_J.
rq
SCN(p-l)
Ly2 IJ.
Error(a) (r-I)(Jl- 1) _ij __ F.C. - SC(R)- SCCA) SCE(a)/(r -1)(1' - 1)
q
Unidades
Ly2 IJ.
Principales pr - 1 _iJ_ --F.C.
q
q y2
B 4-1 L-_
.=1rp
- F.C. SCU/(q-I)
r q
y~.
AA (p-I)(q-I)
LL
j=1 k e l
_.- - F.C. - SCA- SCB
r
SCAB/(Jl-I)(q -1)
286
Diseo'y Anlisis de Experimentos 11
P
SCA /(p - 1)
r y2
-F.C.
Columnasf C) p- 1
L
;=1
_.J.
P
SC(C) l(p - 1)
r y2
F.C.
Hilcms(H) p- 1
L
;=1
--...d -
P
SC(H) I(p - 1)
Error(a) (p - 1)(p - 2)
L Y,j~- F.C. - SC(A)- SC(C)- SC(H) SCE(a)/(r -1 Xp - 1)
'j.'
Parcelas
LY,j: - F.C.
Principales p'- 1 j.k:
Total p'q - l
LY,j~ - F.C.
.j.k
287
Dr. Frank/in Chacin
Ejemplo Ilustrativo
Semilla
REPETICION 1
288
Diseo'y Anlisis de Experimentos 11
REPETICION Il
REPETICION III
289
Dr. Franklin Chacin
Trata-
rruentos VARIEDADES Total
ao a a2 a) a4 as a6 ~
b 35 55 38 30 49 24 44 59 334
b2 37 43 79 42 31 89 66 94 481
b) 25 34 34 29 35 51 30 36 274
Total 296 322 346 252 263 338 279 333 2429
Suma de Cuadrados
Suma de Cuadrados A x B
Anlisis de Varianza
Vease Tabla 11.9 a continuacin.
291
Dr. Franklin Chacin
DISCUSION
Si se asume que el efecto variedad es un efecto fijo, porque son las nicas
variedades de inters al investigador (modelo 1)el error(a) es el trmino correcto
para hacer la comparacin.
10258,09
F = = 82 ' 2 ** F(3,21,0.01) = 4,87
124,77
Una terrera situacin puede presentarse si se asume que las ocho variedades
constituyen una muestra aleatoria de variedades, pero los diferentes tratamientos
de semilla seran recomendados por variedad, ya que se plantea la interaccin
variedad por semilla. En este caso el CME(b) es el correcto denominador para
la prueba de F.
292
Diseo y Anlisis de Experimentos 11
Introduccin
Es una variante del diseo parcelas divididas, por cuanto la repeticin del
bloque completo, es dividido en forma reticular en parcelas o franjas en sentido
vertical y horizontal, cuya ubicacin en un eje de coordenadas semejaran dos
bloques al azur superpuestos y en la interseccin de ambas franjas quedan la
subunidad con el tratamiento respectivo.
Ejemplo:
Tratamientos:
aOb aObl
ab . a b,
al b, al b,
a) b, a) b,
293
Dr. Franklin Chacin
Aleatorizacin:
REPETICION 1
al ao al a2
bl
bo aobo
b2
REPETICION II
a2 al al ao
b2
bl
bo aobo
'REPETICION III
al aJ ao a2
bo aobo
b2
bl
294
Diseo y Anlisis de Experimentos 11
(11.7)
donde:
i= 1, ... , a
j = 1, oo., b
k= I,oo.,r
295
I;::J
~ :>
<3l
~
Tahla 1l. ID Valores promedios de los Cuadrados Medios para UII modelo de parcelas en franja. ~
:::;
~
~.
E(CM) Modelo 1 [(CM) Modelo"
2 9
~
a" + ba~ + ab o '
[ ) (> ae + ba2 + ab o p' \)
Rcpl icaciones ~.
a al
.., ., 1 ')
A a: + ba~ + rb L _i
i=1 a= I
a; + b a i + r a a/i + rb a,;
Error( a)
a[2 + ba,~ a; +bo-;
h ./
_J
{r ., .., .., 1
13 a~ + ra I a; + r a,;{j + a a; + a r a (3
j=1
b-}
Error(b) 1 "
o? + a o.' cr+aO"-
r r
"h (af3)~
AB "
a; + rLL (a-l)(b- 1) a;" + ra~/
i ~I ]=1
2
,
al:
a-l:
Error(c)
Continuacin de la Tabla 11.10
E(CM) Modelo 111 E(CM) Modelo 111
A ti jo 13 aleatorio A aleatorio B fijo
Bloque
02 e + bcr3v + aba;
(j "
a:e + ba~ + ab o '
.,
, , a, ~ n-'
A a; + ba,i + r--a~{J + rb L.., -'- 02, + baj + rba~
a-l ,_1 a-l
AB 1 a 1 1 b , ~
a; + r --a;{3 o; + r b- I a,;/3 Q1
a- I
~
Erren e)
, , ~.
a; o; ::l
~
~
~ ~
'-l -...
-...
Dr. Franklin Chacin
Tublu 11.11.- ES{!UI:.I/A DE A.\'.;I.ISIS 1Jt: VARIA.VL DI,'/'ARCFUS /JII'/VIIJAS EN 8LOQUFS AILA lORIUS
Unidades Y;\
Principatc, ra- I _,.k___ F.C. SCE(,,~'(a-l}(r- 1)
b
h y!
U b-I ~-F.C.
SCIl;(h-l)
j_1 ra
Errortb) (r-IXb-l) Y!k SCE(b'(h-l}(r - 1)
~ - F.C. - SC(R) - SCB
j.k a <,
a b y2
AU (a-I }(b-I)
-')
r
-F.C.-SCA-SCf Se"lIl(a-1 )(b-I)
i=l j=1
1'01.1 rab - 1
298
Diseo'y Anlisis de Experimentos 11
Ejemplo Ilustrativo
al a2 al a4 y}: al a2 al a4 YI<
bl 2.4 2.1 2.2 2.0 8.7 2.0 1.9 2.2 2.1 8.2
B b, 2.7 2.6 2.7 2.8 10.8 2.6 2.5 2.5 2.4 10.0
bl 1.6 1.5 lA 1.7 6.2 1.2 13 1.2 1.1 4.8
Y.k 6.7 6.2 6.3 6.5 25.7 5.8 5.7 5.9 5.6 23.0
Repeticin 1 Repeticin II
al a2 al a4 y
~
404 4.0 404 4.1 16.9 bl
5.3 5.1 5.2 5.2 20.8 b2 B
2.8 2.8 2.6 2.8 11.0 b3
12.5 11.9 12.2 12.1 Y, ..
Clculos
Suma de Cuadrados
2572 +2302
SCR =' , - F.C.= 99,12 - 98,82 = 0,30
4x3
299
Dr. Franklin Chacin
Suma de Cuadrados de Variedades
Suma de Cuadrados A x B
4,42 + ...+2,82
SCAB =
2 -F
. C .-SCA - SCB = 105 "'"
00 - 98 82 - O03 - 6 09 = O06
SCE( e) = 6,69 - (99,19 - 98,82) - (105,26 - 98,82 - 0,30) - 0,06 = 6,69 - 0,37 - 6,14 - 0,06 = 0,12
Anlisis de Yarianza
300
Diseo y Anlisis de Experimentos 11
Tabla 11.12. Esquema de analisis de varianza de parcelas en franjas con
dos repeticiones
FuentedeV. G.deL. se CM F
301
Captulo 12
ANLISIS DE REGRESIN
DEFINICION DE REGRESIN
Sea (YI, XI )'(Y2 'X2 ),(Y), Xl)'''' ,(Yn' X n) una muestra aleatoria bivariada de tamao n
Se plantea describir la relacin fundamental entre X y Y a travs del modelo
poblacional:
(12.1)
DISTRIBUCIN PROBABILISTICA DE y. 1
Esperanza Matemtica de Y
Varianza de Y. 1
En resumen:
E _ (0,cr2)
2 (12.2)
Y - (~o + ~,Xi ,cr )
304
Diseo y Anlisis de Experimentos 12
A A
I = IE (Yi - ~ o - ~ 1 X ) 2
i=l i=l
Esta expresin se puede minimizar por varios mtodos, uno de los cuales
consiste en diferenciar con respecto a ~ o Y ~ 1 ' igualar a cero y resolver por
~ o Y ~ 1 Se genera entonces el siguiente sistema de ecuaciones, las cuales son
llamadas ECU ACIONES NORMALES.
n n
I
i=l
Yi = n~o
+~II x, i=l
(12.3)
n n n
I
i=l
XYi = ~oI x, +~II
i=l i=l
X~
, (Xi - X)(Y- y)
p = (Xi - X)2
(12.4)
o en forma equivalente
b _' _ nXY - XY
=SPXY
- p - nX~ - (X)2
SCX
305
Dr. Frankln Chacn
YI = ~ o + ~IXI + El
Y2 = + ~IX2
~O + E2
y en forma general
y = X~+~
esto es
YI XI
Y2 X2
= (::) +
Yn Xn
donde
E = y -X~
E'E = (Y -X~)'(Y -X~) = Y'Y -2WX'Y +WX'X~
aE'E
- = -2X' Y + 2X' X~ =O
a~
luego
A
X'X~ = X'Y
P = (X' X) -1 (X' Y) (12.5)
306
Diseo y Anlisis de Experimentos 12
X;
i~l i~l
X;
i~1 i~1
n
'TI X)-l = __ i-_-l -rr-r _
( /\. n :;
n I X; -( I XJ2
(X' Y) = (~, X,
n n n
i~1
X; -Xi
i~1
Yi
i=1
n n
-Xi n XY I I
~" = r~o
" = boJ = i=l
----n-----n-----
~I = b, n X; -( XJ2 (12.6)
i=t i=l
307
Dr. Franklin Chacin
DISTRIBUCIN PROBABILISTICA DE ~,
Esperanza de (~,); b,
b = (X - X)('i - Y)
, (Xi - X)2
E b = E{(X - X)(Y -
( ,) (Xi - X)2
y)} = E{(X - X)Y}
(Xi - X)2
(X - X)
Supongamos e = '" 2
(Xi - X)
E(b,) = E(eY) = E(e,Y, +e2y2++enYJ
Etb.) =
E( e,Y, +e2y2++enyn)
Erb,) = e,E(Y,) + e2E(Y2)++enE(Yn)
E(b,) = e, (~o + ~,X,) + e2(~o + ~,X2)+' +en (~o + ~,Xn)
E(b,)
~
= ~Oei ~
+~,eix
"'e. =
e: (X; -X)2 =o
i;' ;;, I (Xi - X)
n
E(b,) = ~,eiXi
;;,
308
Diseo y Anlisis de Experimentos 12
Varianza de P l
V(b,) = V(cy)
i=!
V(b,) = V( C1Y1+C2Y2++CnYn)
V(b,) = C~V(YI)+C~V(Y2)+,+C~V(Yn)
V(b l ) = C2lcr2 + C22cr2 +: +C2cr2 n
V(b,) = C~(J2
;I
309
Dr. Franklin Chacin
Varianza de ~ o
2 2
V(b )=n(J +X2~
022
n (Jx
1 5(2
V(bO) = (J2(_+ ~ - 2)
n (Xi -X)
DISTRIBUCIN PROBABILISTICA DE y
Esperanza de y
Y=bo+b,X
E(Y) = E(bo) + XE(b,)
E(Y) = ~o + ~,X
Ec\') = E(Y)
Varianza de y
A 2
V(Y) = V(bo) + X V(b,)
-2 2
A 21 X 2(J
V(y)=(J (-+-2 )+X-2
n (Jx (Jx
A 1 X2 + X2
V (Y) = (J 2 ( - + 2 ')
n (Jx
A 1 (X - X)2
V (Y) = (J 2 ( _ + 1 )
n (Xi - X)2
310
Diseo'y Anlisis de Experimentos 12
En resumen:
PRUEBAS DE HIPTESIS
Ho:~, = O -
Ha.B, =F O
311
Dr. Franklin Chacin
312
Diseo y Anlisis de Experimentos 12
Intervalos de Confianza
313
Dr. Franklin Chacin
ANLISIS DE LA VARlANZA
Divisin de la Varianza
ANAVAR
Ho: p, = O
Ha: p, *- O
Si Fe > Ft (1, n-2, a) se rechaza Ha. Esta es la misma hiptesis que se prob
anteriormente usando el estadstico t de Student.
314
Diseo .Y Anlisis de Experimentos 12
EN FORMA MATRICIAL
Y=X~+~
A A
Y=X~
E(~) = I~
Se conoce que:
~. X~
[ - X
-n t Xi]
(X' X)-' = ~n' n
n X~ -( xy
i=! i=1
375
Dr. Franklin Chacin
En resumen:
~
E(~)=~
V@) = (X' X) -1 el
~ ~
E(Y) = E(Xf3) = Xf3
V(\) = V(x3) = X* V@) = X' (X'X) -1 xel X* es una forrm cuadratica de X
Por erde,
VcYJ = X' u (X/X) -1 X, el esto es, en cada u fila hay una estirracion
F.deV G. de L. S.e.
Regresin 1 px/Y ~ny2
Residual n-2 y/y -~X/y
Total n- 1 Y/Y_ny2
Donde Fe =
CMREG PX/ Y - ny2
= -'------;:---
CMRES y/ Y - ~X/ Y
Si Fe > Ftab( 1, n - 2) Se rechaza Ha ~ Si Hay Regresion Lineal Simple.
316
Diseo'y Anlisis de Experimentos 12
BONDAD DE AJUSTE
Los valores que toma estn siempre en un intervalo ; Rl:; 1 ya que Os-SCEs-
SCTotal.Demaneraidealsedeseatenerun R2 = 1, en cuyo caso SCE = Oy toda
la variacin presente en las observaciones puede explicarse por la presencia lineal
de X en la ecuacin de regresin. De manera que, entre ms cercano se encuentre
R2 a uno, mayor es el grado de asociacin lineal que existe entre X e Y.
317
Dr. Franklin Chacin
L,
"'''' L, (Yij - -Y .. ) 2 = L, L,
"'''' (Y, - -Y, .) 2 + L,
"'''' L, (Y,
- .- -Y .. ) 2
i=1 H i=1 j=1 i=1 i=!
ERRORTOTAL=ERROR + ERROR
EXPERIMENTAL DEL TRATAMIENTO
n r n r n r
L,
"'''' L, (Yij - Y~ i) 2 = "''''L, L, (Yij - - Yi) 2 + L,
"'''' L, (Y
- i- Y;)
~ 2
i=1 i=! i=1 je l i=1 j=1
318
Diseo'y Anlisis de Experimentos 12
L, L,
~~
(Yij - Y, .)
A 2
= L, L, (Yij
~~
-
-
Y.)
2 ~~
+ L, -
L, (Y .- Y;)
A 2
Y ..
1)
X 1
Yu J\
Y12 J\
Y\3 J\
Y21 x,
Y22 x,
Y2J
x,
~ - 2
SCEP, = L, (Yij - Y1 .) con ri - 1 grados de libertad
j=1
319
Dr. Frank/in Chacin
ANAVAR
Regresin 1 (Y.-Y..)
~ - 2 CMREG F=CMREG/CMEP
Residual:
Falta de Ajuste Diferencia (Y.-Y)
- ~2 CM:FA F=CMFAlCMEP
320
Diseo'y Anlisis de Experimentos 12
a.- Descripcin
b.- Prediccin y estimacin
c.- Extrapolacin
d.- Estimacin de parmetros
e.- Control
f.- Construccin del modelo.
321
Dr. Franklin Chacin
Observaciones Y x, x, x, ..., Xp
1 Y XlI ~ x, '.') Xpl
2 Y2 Xu x, ~2
..., Xp1
3 Y3 X13 ~ ~3
..., Xp3
n y ..., X pn
n ~n
Las relaciones entre la variable Y con las variables XI' X2, X3, , Xp se
formula por el modelo lineal general de regresin de la siguiente forma:
y = X~ + E (12.7)
y vector
= (nx1) de respuesta.
X = matriz (nxp) de variables independientes
~ = vector (px1) de constantes desconocidas
E = vector (nxl) aleatorio de errores supuestos.
donde: E(E) = O Y
(12.8)
323
Dr. Franklin Chacin
Las constantes ~ o , ~ I , ... '~p son los coeficientes de regresin, los cuales
en su expresin clsica son interpretados como el incremento en la variable Y que
se corresponde a una unidad de incremento en X. cuando las otras variables se
mantienen constantes.
donde las ecuaciones normales para los estimadores mnimos cuadrados seran:
Este sistema tiene solucin nica si y solo si la matriz X 'X tiene inversa.
x.,
A
X2n Xpn Yn
~p
324
Diseo y Anlisis de Experimentos 12
CII Cl2
C21 C22
(X' xr' = C= i, j = 1, 2, ... , P
e
IJ
(12.13)
(12.14)
222
Y=[3 +[3 X +[3 X +[3 X +[3 X +[3 X +[3 X +[3 X X +[3 X X +[3 X X +E
o 1 1 2 2 3 3 11 1 22 2 33 3 12 1 2 13 1 3 23 2 3
(12.15)
326
Diseo'y Anlisis de Experimentos 12
i = 1,2,3, ... ,n
El
E2
E=
Ep
y = X~ + E (12.16)
327
Dr. Frankln Chacin
donde:
Yn Pk x; X
2n x.,
El modelo de la ecuacin (12.16) se refiere al modelo lineal general. El
lector puede realmente observar que el modelo lineal general es fcilmente aplicable
a modelos polinorniales, mayores a los de primer orden. Por ejemplo, supngase
que el modelo asumido es un modelo cuadrtico en dos variables, esto es, la
respuesta en el i-simo tratamiento envuelve los niveles (X'i , X2i) es dada por
la siguiente expresin:
(12.17)
donde i = 1,2, ... , n > 6. La matriz X y el vector P pueden ser escritos as:
Po
1 XII X2, X~, X;, (XII" X2,) p,
1 X'2 X22 X~2 X;2 (X'2 .X22) P2
X= P=
PII
(X'n .X2n) P22
P'2
328
Diseo'y Anlisis de Experimentos 12
L"\'2,
=~ Ei =E E
i=!
entonces:
L = Y'Y - (XP)'Y - Y' X~ + (X]i)' Xp
= Y' Y - pt X' Y - Y' Xp + pt X' Xp (12.19)
=Y'Y -2ptX'Y +ptX'Xp
A
Para encontrar p:
aL
- = -2X' Y + 2(X' X)P
ap
igualando a cero:
A
(12.21)
Las ecuaciones dadas por (12.20) son llamadas ecuaciones normales para
la estimacin de 0. Para el modelo de regresin de primer orden de la ecuacin
(12.16) estas ecuaciones son:
329
Dr. Franklin Chacin
~O Yi
n Xli X2i Xki A (12022)
~I XliYi
X~i XliX2iOOOXliXki A
~2 = X2Yi
X;i X2iXki 'i-
X~i A
~k XkiYi
~ = (X'Xrl X'Y
E(~) =A Et (X' X)- [ X' (X~ + E) }]
1
E(~) = ~ + E[ (X' Xr X' E ]
Si la E( E ) = O para i = 1, 2, 000, n
E[ (X' xr ' X' E ] =O
EW) = ~
Esto implica que cada uno de los elementos de ~ son estimadores insesgados
de ~o
330
Diseo'y Anlisis de Experimentos 12
(12.23)
Po -1
A n Xli X2i Xki
PI
A X~i XliX2i .. XliXki
COY P2 a2
X;i X2iXki
A
X~i
Pk
PRUEBA DE HIPTESIS
EN EL MODELO DE REGRESIN
b.- Los Yi son funciones lineales de los E.' de modo que tambin se distribuyen
normalmente. I
331
Dr. Franklin Chacin
c.-f3 - N(~,(J2(X/X)-I)
Total n y'y
y la siguiente transformacin:
332
Diseo y Anlisis de Experimentos 12
Si se realiza la estimacin;
- 1
Po n O O O I Y
PI (12.24)
Sil S 12 S Ik SIY
COy P 2 Sn Sn
Pk S kk S kY
Los trminos seran SiYseran productos entre los X, y los Y, por ejemplo;
paraXyY
n
Y i
~ = ....:..i=....:.'__ =y
o n
~ ~
para los estimadores ~ ,P2' ... , P~
-1 Sy
Sk
S2Y
S2k
Skk
SkY
333
Dr. Franklin Chacin
-2
Regresin debido a ~o 1 nY
334
Diseo y Anlisis de Experimentos 12
ESTIMADOR DE cr2
~
SC Re sidual = y' Y - W X' y
,
=Y'Y-[(X'X)-'X'Y] X'Y
= Y'Y - Y'X(X'Xr'X'Y
=Y'[In -X(X'Xr'X']Y
Se nota que SCResidual es una forma cuadrtica de los Y I S cuya matriz sera:
Y=X~+e
E(Y' PY) = E(e' Pe)
E(e' PE) = cr Traza
2
P
335
Dr. Franklin Chacin
y resulta
SCResidual
CMRes = -----
n-p
CM Re esion
Fealc = .
CM Residual
p = k +1
k = N de Variables Independientes
Ftab = Fk,n_p
336
Diseo'y Anlisis de Experimentos 12
Una ecuacin de regresin puede ser usada para describir procesos que
forman parte de un sistema complejo e interactuante. El propsito de la ecuacin
puede ser puramente descriptivo, a objeto de explicar la naturaleza de esta
interaccin compleja. En este sentido se presentan dos necesidades antagnicas a
saber: una es explicar la mayor cantidad de variacin como sea posible, esto
sugiere la inclusin de un nmero elevado de variables en el modelo, la otra
posicin es adherirse al principio del menor nmero de variables, el cual sugiere
que se deben tratar de entender en forma fcil la descripcin de los procesos con
tan pocas variables como sea posible.
Las ecuaciones de regresin pueden ser usadas para prediccin, por ejemplo,
se podra estar interesado en predecir el valor de una futura observacin o estimar
la respuesta media que se corresponde con una determinada observacin.
Control
La posicin conciliadora entre las dos, parece ser la que ha dado mejores
resultados y es la que muchos autores han llamado "la mejor ecuacin de regresin"
o "la ecuacin mas adecuada". A este respecto Hocking (1976), seala que cuando
se trata de determinar la ecuacin ms apropiada, basada en un subconjunto de
variables, se deben tener en cuenta tres aspectos:
'-
SCRp
R2=--
p SCT
2 _ [(n-1)(1-R~)l
Ra d~ -l- n_ p
SCEp
CME =--
p n- p
4.- El cuadrado del error total o estadstico e p
de Mallows.
SCEp
C =--+(2p-n)
p 2 cr
J = (n+p)CME
p n p
339
Dr. Franklin Chacin
Pr essp = G, p
D-p2 G
p
340
Diseo'y Anlisis de Experimentos 12
Muestra Y XI X,
1 21,80 2,69 24,00
2 26,07 2,03 35,80
3 19,77 2,72 20,83
4 28,09 2,80 31,00
5 38,84 3,73 29,00
6 29,60 2,99 57,(fJ
7 32,42 0,66 8,73
8 31,01 0,98 13,68
9 24,64 i,42 29,30
10 28,45 3,62 29,43
Jl 29,03 3,29 40,20
12 24,29 2,36 35,80
13 8,13 1,26 i7,OO
14 i2,1 i 1,55 15,20
15 16,96 2,55 20,40
16 18,20 2,11 27,40
17 11,30 1,20 15,03
18 17,32 1,97 27,70
19 33,88 2,14 52,80
20 33,50 2,05 35,10
341
Dr. Franklin Chacin
3.- Hiptesis
3.1 Anavar
~ 2 =O _
Ho: ~J
Ha: ~i *- O
3.2 Pruebas de t
b. -~
t = --'---'--'-
Sb,
342
Diseo'y Anlisis de Experimentos 12
Covfb ,, bl)
V(bl)
Covtb., b2)
2
1- [1 2
343
Dr. Franklin Chacin
SPyx=SCx
I I
~I+SPXX I 2
~2
4.2.2.b Determinantes
SP~
SP~
B' C'
b '=- b '=-
1 A' 2 A'
344
Diseo'y Anlisis de Experimentos 12
48,7158
rYI = 1329,709 X 14,1063 = 0,3557
r - 924,262 = 04661
Y.2 - 1329,709 X 2957,058 '
109,5244
r1.2 = 14,1063 X 2957,058 = 0,5363
A .J1329,7095 .J1329,7095
y = 24,2705 + 0,15 1063 (X, - 2,21) + 0,39 J (X2 - 28,31)
. 14, ,,2957,058
345
Dr. Frankln Chacn
-------
C' (14,1063 X 924,262) -(109,5244 X 48,7158)
b =-= =02615
2 A' (14,1063 X 2957,058) - (109,5244)2 ,
346
Diseo'y Anlisis de Experimentos 12
5.2.4 AVAR
Total 19 1329,709
2 309,689
R = = O 2328
1329,709 '
1:>1
t =-
I sb,
sb I = .J'"C-M-RE-S-x-C-
II
SceX2) SceX2)
CII = = 2
D SceXI).SceX2)-(SPXIX2)
2957,058
CII = 14,1063 X 2957,058-109,52442 = 0,0995
sb, = .J60,00 x 0,0995 = 2,4433
1,4545
ti = 24433
, = 0,59 n.s.
347
Dr. Franklin Chacin
5.3.2 Para b,
b2
t =-
2 sb 2
6. Interpretacin
De acuerdo a los resultados del ejemplo, no existe una relacin lineal mltiple
entre la capacidad de intercambio catinico y lasvariables independientes contenido
de carbn y % de arcilla. Los especialistas en suelo indican que estas variables
estn asociadas, sin embargo, en este ejemplo, no se evidenci esa asociacin
debido quizs a los siguientes motivos: 1) el tamao de la muestra es bajo n = 20,
2) La relacin funcional no es lineal sino de cualquier otro tipo, polinomial,
cuadrtico, exponencial, logartmico, entre otros. 3) No se tomaron en cuenta
otras variables independientes que pueden influir para aumentar la determinacin
del modelo.
348
Diseo y Anlisis de Experimentos 12
XI Y x, x,
Distanciamiento Rendimiento Nmero de Nmero Granos
2
(cm) Granos(Tonlha) Mazorcas/m por mazorca
349
Dr. Franklin Chacin
Y, = variable dependiente
Xli ,X2i ,X3i = variables independientes
~o = int ercepto
~ I,~ 2 ,~ 3 = coeficientes de regresion de las respectivas
variables independientes
Ei = efecto aleatorio.
X ji son fijos
E(Ei) = O
V(Ei) = 0'2
Y esta distribuido (~o + ~IXli + ~2X2i + ~3X3i ,0'2)
3.1ANAVAR
Ha: ~I = ~2 = ~3 = O
Ha: ~i ;r O
350
Diseo y Anlisis de Experimentos 12
3.2 Pruebas de t
bo
Ho.B =O t =-
o S
bo
Ha:po "* O
bl
HO:PI =O t =-
I S
b,
Ha:PI "* O
b2
HO:P2 =O t2 =-
Sb2
Ha:P2 "* O
b3
HO:P3 =O t =-
3 S
b)
Ha:P3 "* O
3.3 Matriz Varanza-Covarianza
S2
bo
[
S = (X' Xrl&2 =
l
4.- Modelo de estimacin
351
Dr. Franklin Chacin
~
y= X~+E
v, 1 x, X2n X3n
~O El l
~I
~= E=
~2 ~2 J
~3 En
y= X~+E
E = Y -X~
E' E = (Y - X~)' (Y - X~)
GE' E A
-= -2X'Y +2X'X~ =O
G~
X' X~ = X' Y Ecuacioncs Normales
Diseo y Anlisis de Experimentos 12
siendo la ecuacin (12.25) la que permitir estimar los coeficientes del modelo.
353
Dr. Franklin Chacin
5.2.- Pruebas de t.
bo b, b2 b3
to =- t, =- t2 =- t
. 3
=-
b
sbo sb, sb2 s 3
S2 = (X' Xr' 6-2 = (X' xi' CM Residual
Si ti ~ tt-I,n-k-I Se rechaza Ho
Si ti < tt-l,n-k-' N o se rechaza Ho
SC Re gresion
R=---=---
SCTotal
2 SC Re gresion
R = xlOO
SCTotal
354
Diseo'y Anlisis de Experimentos 12
------------------------
7.-Desarrollo del ejemplo:
r1
,56
20 20,3 206
Y~
12,00
lIO,4O xJ 20
20
21,0
19,0
215
180
2,~0
3,00 l: 100
100
1,3
1,8
650
670
7,173
A - 0,088
~=
0,253
0,006
F.de v. G. deL. se CM F
Total 20
355
Dr. Franklin Chacin
7.2.b.- Pruebas de t.
7,173
t - - 3 68 *
o - 1,9497 - ,
- 0,08774
ti = 0,00673 = -13,04 * *
0,2526
t - -335*
2 - 007546
, - ,
0,00568
t - - 2 34 *
3 - 000242
, - ,
2 SC Re gresion
R = xIOO=98%
SCTotal
.- Esquema de Anavar.
.-Prueba de hiptesis .
.- Interpretacin.
357
Captulo 13
Introduccin
359
Dr. Frank/in Chacin
entre estas dos pesadas sera la respuesta de los animales a la aplicacin de las
distintas raciones puede deberse a un efecto real de los tratamientos (Y) o
sencillamente el peso final poda estar afectado por el peso inicial (X).
* Completamente aleatorizado.
* Bloques al azar
360
Diseo y Anlisis de Experimentos 13
361
Dr. Franklin Chacin
SELECCIONES DE ALGODN
Parcela A B C D E
X Y X Y X Y X Y X Y
1 30 80 42 77 30 80 38 90 38 87
2 64 73 56 74 32 66 26 76 16 75
3 54 70 60 75 28 79 34 87 36 72
4 48 79 46 86 32 90 12 96 16 91
5 gg 71 64 77 56 72 32 89 2H 90
6 40 74 32 73 28 76 42 80 32 73
Totales 324 447 300 462 206 463 184 618 166 488
362
Diseo .Y Anlisis de Experimentos 13
Primer Paso:
(1180x2378)
SPTotal=[(30x80)+(64x73)+ ...+(32x73)]- 30 =-1679
363
Dr. Frankln Chacn
519/4 129,75
Fy = 1183/25 = 4732
, = 2,74(n.s.)
3391/4 847,75
F = = = 4 80*
x 4412/25 176,49 '
El anlisis sin ajuste por covariable indica que no hay diferencias entre las
medias de rendimientos de las selecciones (no se rechaza Ho), pero si hay diferencias
entre las medias correspondientes a los porcentajes de infestacin; es decir, el
comportamiento de las selecciones con relacin al ataque del hongo es diferente
(se rechaza Ho).
Segundo paso:
(SPXYEt (-683)2
SCReg = = = 105 73
SCXE 4412 '
364
Diseo .Y Anlisis de Experimentos 13
Tercer Paso:
F.de V. G. de L. S. de C. C.M. F
(SPXYtotal)2 (-1697)2
SC(T + E)' = SCYtotal- SCXtotl = 1702 - 7803 = 1333
365
Dr. Frank/in Chacin
En este caso no hay diferencias vlidas entre tratamientos, igual que cuando
se hizo el anlisis sin ajuste por covarianza; suponiendo que si hubo diferencias; se
necesita hacer los correspondientes ajustes de medias de tratamientos.
Y- j3 (X- X .. ) = jl+ r + c
.... - --
Y = Y- b(X- X .. )
SPXYE -'683
b = SCX = 4412 = -0,1548
E
366
Diseo .YAnlisis de Experimentos 13
Q,tinto xw:
Sd = I[
.-~~~--------------~
1 1 (XI-X2)2]
CME -+ -+-'------"--
ni n2 SCXE
Donde CME = varianza del Error Experimental en la prueba de significacin
I
367
Dr. Frank/in Chacin
Variedades
II III IV Totales
X y X Y X Y X Y X Y
Totales 162 1166 151 1181 165 1222 154 1225 632 4794
X: .. = 632/ 24 = 26,33
Primer Paso:
(632x4794)
SPTotal = [(28x202)+ ...+(24x204)]- 24 = 1405
1
SPRep = -[(162x 1166)+ ...+(154 x 1225)] - F.C.= 8,50
6
368
Diseo y Anlisis de Experimentos 13
9440/5 1888
F = = = 324*
y 8752,33/15 583,49 '
45,83/5 9,17
F = = -- = l.20n.s.
x 113,83/15 7,59
El anlisis sin ajuste por covariable indica que hay diferencias entre las medias
de rendimientos de las selecciones (se rechaza Ho), pero no hay diferencias entre
las medias correspondientes a nmero de plantas (no se rechaza Ho).
369
Dr. Franklin Chacin
Segundo paso:
F.de V. G. de L. S. de C. C.M. F
En este caso si hay influencia notable del nmero de plantas (X) sobre el
rendimiento (Y), es decir hay regresin de Y sobre X, por lo tanto se requiere
. .
ajustar tratarruentos.
Tercerl'aso:
F.deV. G. de L. S. de C. C.M. F
, 5,83':':
Tratamientos 5 3253,92 650,70
,
Error 14 1334,07 95,29
(T + E)' 19 4587,99
370
Diseo y Anlisis de Experimentos 13
(SPXY )2 (147650)2
SC(T E)' = SCY - T+E = 1824233 - ' = 4587 99
+ T+E SCX ' 15966 '
~E '
~ - -
Y = Y- b(X - X .. )
Ajustes de medias
371
Dr. Frank/in Chacin
x = 26,33
b = _S_PX_Y",-E 917,25
SCXE 113,83 = 8,05
Quintopaso:
1 1 (28,00-27,75)2]
Sd = 9529 [ - + - + = 5 64
, 6 6 11383
, '
219,30-189,60
1:c= = 5 27 * *
5,64 '
I,ab = 2,62 Y 2,98
372
Diseo .Y Anlisis de Experimentos 13
Lnea A B e D E F Total
X 15 16 18 14 15 17 96
Y 8,6 7,5 6,7 6,5 8,2 4,7 42,2
Lnea B e o E F A
X 16 15 16 19 21 14 101
Y 7,6 8,2 8,3 4,6 5,2 6,5 40,4
Linea e D E F A B
X 15 16 16 19 15 17 98
Y 5,7 9,6 7,1 4,8 7,5 7,5 42,2
Lnea D E F A B e
x 18 18 20 18 22 17 113
Y 8,3 5,3 10,0 6,8 7,8 6,6 44,8
Linea E F A B e D
x 15 18 19 16 16 15 99
Y 8,3 7,9 5,4 9,3 4,8 8,0 43,7
Lnea F A B e o E
X 18 20 19 17 17 15 106
Y 5,7 8,7 8,1 6,1 7,2 7,4 43,2
TOTALESDE TRATAMIENTOS
Linea A B e D E F
X 102 98 102 100 !O! 112
Y 42,5 49,3 42,5 45,7 45,4 31,1
373
Dr. Franklin Chacin
PrimerPaso:
SPEE = SPTotal- SPRep- SPTrat = -10 175 - 4708 - 3358 - (-25208) = 6967
374
Diseo .YAnlisis de Experimentos 13
32413/5 6482,60
F - - - 4 48**
y - 28939/20 - 1446,95 - ,
19917/5 3983,40
F, = 67677/20 = 338385
, = 1,18(n.s.)
F;ab = 2,71 Y 4,10.
El anlisis sin ajuste por covariable indica que hay diferencias entre las medias
de los tratamientos (se rechaza Ho), pero no hay diferencias entre las medias
correspondientes a nmero de plantas (no se rechaza Ho).
Segundo paso:
SCReg =
(SPXYE r =
(69672)
= 717 22
SCXE 67677 '
-. Suma de cuadrados para desviaciones desde la regresin
En este caso no hay influencia notable del nmero de plantas (X) sobre el
rendimiento (Y); es decir, no hay regresin de Y sobre X, por lo tanto no se
requiere ajustar tratamientos. En consecuencia el resto del anlisis se hace con los
rendimientos iniciales (sin ajustar).
375
Dr. Franklin Chacin
Tercer Paso:
" - --
Y = Y- b(X- X ..)
2 (X X)2 ]
Sd = CME' -+ 1- 2
[r SCXE
376
Diseo y Anlisis de Experimentos 13
En este caso se debe emplear un mtodo que permita estimar un valor que
reemplace a la observacin faltante y despus proceder con el anlisis usual. El
procedimiento de estimacin de la observacin faltante, comnmente usado por
los estadsticos consiste en asignar aquel valor de la observacin faltante que reduzca
la suma de cuadrados del error experimental cuando se efecta el anlisis de
varianza. Desde el punto de vista matemtico este resulta ser un problema que se
resuelve mediante el clculo diferencial representando como OFa la observacin
faltante, calculando la expresin algebraica de la suma de cuadrados del error
experimental, derivando esta ecuacin con respecto a OFe igualando a cero
para obtener una solucin.
rr- bB-S
OF=---- (13.1)
(t-l)(b-l)
377
Dr. Franklin Chacin
t = nmero de tratamientos.
b = nmero de bloques.
T = suma de observaciones con el mismo tratamiento como la
observacin faltante.
B = suma de observaciones con el mismo bloque como la observacin
faltante.
S = suma de todas las observaciones reales.
[B - (t -l)OFr
Correccion por sesgo = Se = ( ) (13.2)
t t- 1
SCTrat' = SCTrat-Se
378
Diseo .YAnlisis MExperimentos 13
re.-
g2:'
F.de V. G. d~-'L. SC i)lCM F
, ,
Trar t-1 SCTrar CMtrat ;>:ltCMTtrat' /CMEE
Bloque b-1 SCBloq CMBloq
EE (t-I) (bf'l)-l SCEE :51 CMEE f~
Total SCTotal ) .
bn- 2 ;1 . - .<
)h n'l'
sI
5D j
,1
''10, -=-1
Estimacin de la parcela fultcrnte
tT+bB-S 6(116)+4(146)-821
OF = =. = 30 6
(t-l)(b-l) 5x3 '
379
.. ]2' ['146 -:-5x~O,6~2 .
( B. - tB--lt)OF r
Sin mbargo hay otros cambios que son necesarios, ante todo se deben
reducir los grados de .libertad asociados con el error experimental como con el
total, en el nmero de observaciones estimadas. Tambin debe reducirse la Suma
de CUadrados de Tratamiento en una cantidad especificada a fin de corregir por
los sesgos incorporados por el procedimiento. Si se tienen dos observaciones
faltantes (no eneLmismo bloque) la correccin necesaria para-los sesgos viene
dada por:
. . [B' -(t-l)OF,r+IBL'-(t-ljOF'lj2
Corrocion por sesgo.st.S, =, _ . J
t(t -1-) .
380' ,
Diseo y Anlisis de Experimentos 13
donde
Para usar el anlisis de covarianza para estimar datos faltantes se supone una
variable X relacionada con otra Y, los valores de X son ceros para todos los
valores presentes y -1 para el faltan te, para la variable Y se coloca O en. el par de
datos faltante y se colocan los valores reales en los dems casos. Las sumas de
productos y las sumas de cuadrados se calculan de la forma convencional y
finalmente trabajando con los datos del Error Experimental se calcula el coeficiente
b, ignorando el signo de la suma de productos; este valor representa el valor
estimado del dato faltante.
381
Dr. Franklin Chacin
REPETICIONES
Trata- 1 II III IV V
rruentos X Y X Y X Y X Y Totales
A O 6 O 7 -1 O O 9 -1 22
B O 2 O 5 O 4 O 5 O 12
C O 8 O 7 O 9 O 6 O 30
D O 3 O 7 O 5 O 5 O 20
O 19 O 26 -1 18 O 25 -1 84
382
Diseo y Anlisis de Experimentos 13
REPETICIONES
Trata- 1 II III IV V
mientos X Y X Y X Y X Y X Y
383
REFERENCIAS BIBLIOGRAFICAS
385
Dr. Frank/in Chacin
Gabriel, K.R. 1964. "A Procedure for Testing the Homogeneity of all Sets of
Means in Analysis ofVariance". Biometrics, Vol. 3, pp 459.
Pearson, E.s.; H. O. Hartley. 1966. "Biometrika Tables for Statisticians". Val 1.3a
Ed., Cambridge University Press, Cambridge.
386
Referencia Bibliogrfica
387
Anexos
Tabla A: Valores del estadstico de Wilk y shapiro
k\n 2 3 4 5 6 7 8 9 10 11 17 37 145 X
2 O.99KI 0.9710 0.9392 0.9057 0.8772 085H 0.8332 0.811Y 0.8010 0.7880 0.7341 0.6602 O.IKI3 O.lOOQ
3 O.966Y 0.87OY 0.7977 O.74S7 0.7071 0.6771 0.6130 0.6])3 0.6167 0.6021 0.5466 0.4748 0.4031 O.33D
0.9065 0.7679 0.6841 0.6287 0.1891 05598 0.5365 05175 0.1017 0.4884 0.4366 0.3720 0.3OY3 0.2\00
I 0.8412 0.6838 0.5981 0.54'1 0.1065 0.'783 0.'56< 0.4387 0.4241 0.4118 0.3641 0.3066 0.2113 0.20'J()
6 0.7808 0.6161 O.l32 1 0.'803 0.4447 0.4184 0.3980 0.3817 0.3682 0.3l68 0.313l 0.2612 0.2119 0.1667
7 0.7271 0.5612 0.4800 0.4307 0.3974 0..3726 0.3l3l 0.338. 0.32l9 0.31l4 0.27l6 0.2278 0.18]) 0.1429
8 0.6798 0.lll7 0.4377 0.3910 0.3l9l 0..3362 0.318l 0.3043 0.2926 0.2829 0.2462 0.2022 0.1616 0.1250
9 0.638l 0.477l 0.4027 0.358' 0.3286 0.3067 0.2901 0.2768 0.26l9 0.2l68 0.2226 0.1820 0.0446 0.1111
10 0.6020 0.44l0 0.37)3 0.])11 0.302Y 0.2823 0.2666 0.2l41 0.2439 0.23l3 0.2032 0.165l 0.1308 0.1000
12 0.l410 0.3924 0.3264 0.2880 0.2624 0.243Y 0.2299 0.2187 0.2098 0.2020 0.1737 0.1403 0.1100 0.0833
15 0.4709 0.3346 0.2758 0.2419 0.2195 0.2034 0.1911 0.181l 0.1736 0.1671 0.1429 0.1144 0.0889 0.0667
20 0.38Y4 0.270l 0.220l O.IYlI 0.1735 0.1602 0.1501 0.1422 0.1Jl7 0.1303 0.1108 0.0879 0.067l O.O\o(
24 0.3434 0.23l' 0.1907 0.1656 0.1493 0.1374 0.1286 0.1216 0.1160 0.1113 0.09'2 0.0743 0.Ol67 0.0417
30 0.2929 0.1980 0.ll93 0.1l77 0.12)7 0.1137 0.1061 0.1002 0.O9l8 0.0921 0.0771 0.0604 0.O4l7 0.03D
40 0.2370 0.ll76 0.12l9 0.1082 0.QY68 0.0887 0.0827 0.780 O.O74l 0.0713 0.Ol9l 0.0462 0.0347 002S0
..
60 0.1737 0.1131 0.089l 0.0765 0.0682 0.0623 0.0583 0.0552 0.Ol20 0.0497 0.041 I 0.0316 0.023. O.Ulb7
120 0.0998 0.0632 0.0495 0.0419 0.0371 0.0337 0.OJ12 0.0292 0.0279 0.0266 0.0218 0.016l 0.0120 0.0083
O O O O O O O O O O O O O
Tabla C: Valores del estadstico para la Prueba de Cochran a un nivel de significacin JcI 1%
k\ n 2 3 4 5 6 7 8 9 10 11 17 37 145 xl
2 0.999 0.9950 0.979' 0.9586 0.9)73 O.YI72 0.8988 0.8823 0.8674 0.8l39 0.7949 0.7067 0.6062 o.scoo
3 0.9933 0.9'23 0.8831 0.833l 0.79)) 0.7606 0.7)3l 0.7117 0.6912 0.67'3 0.6Ol9 0.lll3 0.4230 0.3333
4 0.9676 0.8643 0.781' 0.7212 0.6761 0.6410 0.6129 0.l897 0.l702 0.ll36 0.488' 0.40l7 O.32ll o.zsoo
5 0.9279 0.788l 0.6957 0.6329' 0.1875 0.1531 0.1259 O.lO)7 0.'85' 0.4697 0.4OY4 o.nn 0.2644 0.2M
6 0.8828 0.7218 0.6258 0.5635 O.ll9l 0.4866 0.4608 0.4401 0.'229 0.408' 0.3529 0.28l8 0.2229 0.1667
7 0.8376 0.664' 0.568l O.lO80 0.46l9 0.4347 0.4105 0.3YII 0.3751 0.3616 0.3105 0.2.94 0.1929 0.1429
8 0.7945 0.6142 0.5209 0.,627 0.4226 0 ..3932 0.3704 0.3l22 0.337) 0.32'8 0.2779 0.2214 0.1700 0.12l0
9 0.7544 0.5727 0.4810 0.4251 0.3870 0.3592 0.3378 0.3207 0.3067 0.29l0 0.251' 0.1992 0.1521 01111
10 0.7175 0.5358 0.4469 0.393' 0.3872 0.3308 0.3106 0.2Y45 0.2813 0.2704 0.2297 0.1811 0.1376 0.1000
12 0.6528 0.4751 0.3919 0.3428 0.J09Y 0.2861 0.2680 0.2l25 0.2'19 0.2320 0.IY61 0.153l 0.lIl7 0.08])
Il 0.1747 0.4069 0.3317 0.2882 0.2593 0.2386 0.2228 0.2104 0.2002 0.1918 0.1612 0.1251 0.0934 0.0667
20 0.4799 0.3297 0.2654 0.2288 0.2048 0.1877 0.1748 0.16<6 0.1567 o.iso: 0.12'8 O.OY60 0.0709 0.0100
24 0.4247 0.2871 0.2295 0.1970 0.17l9 0.1608 0.149l 0.1406 0.1))8 0.1283 0.1060 0.0810 0.Ol95 0.0417
30 0.3632 0.2412 0.1913 0.1635 0.l4l4 0.1327 0.JlJ2 0.1117 0.1100 0.IOl4 0.0867 0.O6l8 0.0480 0.0)))
40 0.2940 0.1915 0.1508 0.1281 o.uss 0.1033 0.O9l7 0.0898 O.08lJ 0.0816 0.0868 0.OlO3 0.0363 0.0250
..
60 0.2151 0.1371 0.1069 0.0902 0.0796 0.0722 0.0668 0.0625 O.Ol94 0.0567 0.0461 0.0344 0.0245 0.0167
120 0.1225 0.0759 0.0585 0.048Y 0.0429 0.0387 0.0357 0.0334 0.0316 0.0302 0.0242 0.0178 0.0125 O.ooID
O O O O O O O O O O O O O
Tabla D: Valores del estadstico de Pearson y Hanley a un nivel de significacin del 5%
~ 2 3 4 5 6 7 8 9 10 II 12
2 39.0 87.5 142 202 266 333 403 475 550 626 704
3 15.4 27.8 39.2 50.7 62.0 72.9 83.5 93.9 104 114 124
4 9.60 15.5 20.6 25.2 29.5 33.6 37.5 41.1 44.6 14.0 51.4
5 7.15 10.8 13.7 16.3 18.5 20.8 22.9 24.7 26.5 28.2 29.9
6 5.82 8.38 10.4 12.1 13.7 15.0 16.3 17.5 18.6 19.7 20.7
7 4.99 6.94 8.44 9.17 10.8 11.8 12.7 13.5 14.3 15.1 15.8
8 4.43 6.00 7.18 8.12 9.03 9.78 10.5 11.1 11.7 12.2 12.7
9 4.03 5.34 6.31 7.11 7.80 8.41 8.95 9.45 9.91 10.3 10.7
10 3.72 4.85 5.67 6.34 6.92 7.42 7.87 8.28 8.66 9.01 9.34
12 3.28 4.16 4.79 5.30 5.72 6.09 6.42 S.72 7.00 7.25 7.48
15 2.86 3.54 4.01 4.37 4.68 4.95 5.19 5.40 5.59 5.77 5.93
20 2.46 2.95 3.29 3.54 3.76 3.94 4.10 4.24 4.37 4.49 4.59
30 2.07 2.40 2.61 2.78 2.91 3.02 3.12 3.21 3.29 3.36 3.39
60 1.67 1.85 1.96 2.04 2.11 2.17 2.22 2.26 2.30 2.33 2.36
00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00 1.00
~ 2 3 4 5 6 7 8 9 10 11 12
2 199 448 729 1036 1362 1705 2063 2432 2813 3204 3605
3 47.5 85 120 151 184 21(6) 24(9) 28(1) 31(0) 33(7) 36(1)
4 23.2 37 49 59 69 79 89 97 106 113 120
5 14.9 23 28 33 38 42 46 50 54 57 60
12 4.91 6.1 6.9 7.6 8.2 8.7 9.1 9.5 9.9 10.2 10.6
15 4.07 4.9 5.5 6.0 6.4 6.7 7.1 7.3 7.5 7.8 8.0
20 3.32 3.8 4.3 4.6 4.9 5.1 5.3 5.5 5.6 5.8 5.9
30 2.63 3.0 3.3 3.4 3.6 3.7 3.8 3.9 4.0 4.1 4.2
60 1.96 2.2 2.3 2.4 2.4 2.5 2.5 2.6 2.6 2.7 2.7
00 1.00 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
Tabla F: Puntos porcentuales superiores de la amplitud studenuzada qa = (Y _ - f..
)/S )
p; nmero de medias de tratamiento
s/del error ,O
.OS 3.64 4.60 5.22 S.61 6.03 6.33 6.58 6.80 6.99
"
7.17
.01 S.70 6.91 1.80 8.42 8.91 9.32 9.61 9.91 10.24 10.48
.05 ).46 4.34 4.90 5.3' 5.63 5.89 6.'2 6.32 6.49 6.65
.0' 5.24 6.33 7.03 1.56 1.91 8.32 8.6' 8.81 9.10 9.30
.05 ).34 4.16 4.68 5.06 5.36 5.6' 5.82 6.00 6.16 6.30
.01 4.95 S.92 6.54 1.0' 1.)7 1.68 7.94 8.17 8.31 8.55
.05 3.26 4.04 4.53 4.89 5.11 5.40 5.60 5.11 5.92 6.05
.01 4.74 5.63 6.20 6.63 6.96 7.24 7.47 1.68 1.81 g.03
.05 3.20 3.95 4.442 4.76 5.02 5.24 S.43 5.60 5.74 8.87
.0' 4.60 5.43 5.96 6.35 6.66 6.9' 7.13 1.32 7.49 7.65
10 .05 3.'5 3.88 4.33 4.6!i 4.91 5.'2 5.30 5.46 5.60 5.12
.01 4.48 S.21 5.77 6.14 6.43 6.61 6.81 7.05 7.21 7.36
12 .05 3.08 ),77 4.20 4.51 4.n 4.95 5.12 5.21 S.4O S.SI
.01 4.32 5.04 S.50 5.84 6.10 6.32 6.5' 6.67 6.8' 6.94
u .05 3.06 3.73 4.15 4.45 4.69 4.8K 5.05 5.19 S.32 5.43
.0' 4.26 4.96 5.40 1.13 5.98 6.'9 6.31 6.53 6.61 6.19
'4 .05 3.03 ).10 4.11 4.41 4.64 4.83 4.99 S.1l 5.25 5.36
.0' 4.21 4.89 5.32 5.63 5.88 6.08 6.26 6.41 6.54 6.66
15 .05 3.01 ).67 4.08 .c.31 4.60 4.78 4.94 5.08 5.20 5.31
.0' 4.17 4.83 S.25 S.56 5.80 5.99 6.16 6.31 6.44 6.55
'6 .05 3.00 ].65 4.05 4.33 4.56 4.74 4.90 5.03 s.is 5.26
.Q 4.13 4.78 5.19 5.49 5.72 5.92 6.08 6.22 6.35 6.46
11 .05 2.98 3.63 4.02 4.30 4.52 4.71 4.86 4.99 5.11 5.21
.01 4.10 4.74 5.14 5.43 5.66 5.85 6.0' 6.15 6.21 6.38
18 .05 2.97 3.61 4.00 4.28 4.49 4.67 4.82 4.96 l.01 .5.17
.0' 4.01 4.10 5.09 5.38 5.60 .5.19 .5.94 6.08 6.20 6.3'
19 .05 2.96 3.59 3.98 4.25 4.47 4.65 4.19 4.92 5.04 S.14
.01 4.0S 4.67 5.05 5.33 5.55 5.13 5.89 6.02 6.14 6.25
20 .05 2.95 3.58 3.96 4.23 4.4S 4.62 4.77 4.90 5.0' 5.1'
.0' 4.02 4.64 5.02 S.29 5.5' 5.69 l.84 5.Y1 6.09 6.'9
24 .05 2.92 3.53 3.90 4.11 4.31 4.S4 4.68 4.81 4.92 .5.01
.0' 3.96 4.54 4.91 S.11 5.37 5.54 5.69 S.81 5.92 6.02
30 .05 2.89 3.49 3.84 4.10 4.30 4.46 4.60 4.72 4.83 4.92
.0' 3.89 4.4S 4.80 5.05 S.24 5.40 5.54 5.65 5.16 S.8S
40 .05 2.86 3.44 3.19 4.04 4.23 4.39 4.54 4.63 4.74 'U2
.0' 3.82 4.37 4.70 4.93 S.Jl S.21 5.39 5.50 5.60 5.69
60 .05 2.83 3.40 3.14 3.98 4.16 4.31 4.44 4.SS 4.6S 4.13
.01 3.16 4.28 4.60 4.82 4.99 5.'3 5.25 5.36 5.45 5.53
'20 .os 2.80 3.l6 3.69 3.92 4.10 4.24 4.36 4.48 4.56 4.64
.01 3.10 4.20 4.50 4.71 4.81 5.01 5.12 5.21 5.30 5.38
.05 2.11 3.31 3.63 3.86 4.U3 4.11 4.29 4.39 4.41 4.S5
.0' 3.64 4.12 4.40 4.60 4.76 4.88 4.99 5.08 5.16 5.23
Tabla H: Tabla de t para comparaciones de dos colas entre p tratamientos y un control
para un coeficiente de confianza conjunto de p = 0.95 YP = 0.01
sldd error 10 ]]
.0' 3.64 '.60 5.22 5.67 6.03 6.)) 6.511 6.80 6.99 7.17
.01 S.70 6.97 7.80 8.42 8.9' 9.32 9.67 9.97 10.24 10.48
.0' ).'6 -4.34 '.90 5.31 '.63 '.89 6.'2 6.)2 6.49 6.6'
.0' 5.24 6.)) 7.03 1.56 7.97 8.32 8.61 8.87 9.10 9.)0
.0' 3.34 4.16 4.68 '.06 '.36 '.6' ,.82 6.00 6.16 6.30
.01 4.9,5 '.92 6.54 7.01 7.37 7.68 1.94 8.17 8.37 8.SS
.0' ).26 '.04 4.53 4.89 '.17 '.40 '.60 5.77 '.92 6.0'
.01 4.74 '.6) 6.20 6.63 6.96 7.'4 1.47 7.68 7.87 11.03
.0' 3,20 ).9' 4.442 4.76 '.02 5.24 5.43 '.60 5.74 8.87
.01 4.60 ,.4) '.96 6.35 6.66 6.9' 7.13 7.32 7.49 7.65
10 .0' ::uS ).88 4.33 4.65 4.91 '.12 '.30 5.46 '.60 s.n
.01 4.48 '.27 s:n 6.14 6.43 6.67 6.87 7.05 7.21 7.36
]] .0' 3.11 3.82 4.26 4.57 4.82 '.03 '.20 '.35 5.49 5.61
.01 4,39 5.14 '.62 '.97 6.2' 6.48 6.67 6.1S4 6.99 7.13
12 .0' 3.08 3,17 4.20 4.51 4.75 4.95 '.12 5.27 '.40 5.51
.0' 4.32 '.04 '.'0 '.84 6.10 6.32 6.51 6.67 6.81 6.94
Il .0' 3.06 3,73 4.15 4.45 4.69 4.!lIS '.0' '.19 '.32 5.4)
.01 4.26 4.96 '.40 7.73 '.98 6.19 6.37 6.53 6.67 6.79
14 .0' 3.03 3.70 4.11 4.41 '.64 4.83 '.99 5.13 '.2' '.36
.01 4.21 4.89 '.32 '.63 '.88 6.08 6.26 6.41 6.54 6.66
.0' 3.01 4.08 4,)7 4.60 4.18 4.94 '.08 '.20 '.31
" .01 4.17
3.67
4.83 5.2' '.56 '.80 '.99 6.16 6.)1 6.44 6.SS
'6 .0' ).00 3.6' 4.05 4,33 4.56 4.14 4.90 '.03 5.15 '.26
.0' 4.13 4.n 5.19 5.49 5.72 '.92 6.08 6.22 6,35 6.46
17 .0' 2.98 3.63 4.02 4.30 ".S2 4.71 4.86 4.99 5.11 5.21
.0' 4.10 4.1<1 5.14 5.4] '.66 '.8' 6.01 6.15 6.27 6.38
'S .0' 2.97 ].61 4.00 4.28 4.49 4.67 4.82 4.96 '.07 j.l7
.01 4.07 4.70 '.09 5.38 '.60 S.79 S.94 6.08 6.20 6.31
'9 .0' 2.96 3.59 ).98 '.25 4.47 '.6' . 79 4.92 '.04 S.14
.0' 4.0' 4.61 '.0' '.)3 '.SS '.73 '.89 6.02 6.14 6.25
20 .0' 2.9' 3.58 l.96 4.23 4.4,5 4.62 4.11 4.90 S.OI ,5.11
.01 4.02 4.64 '.02 '.29 S.SI '.69 '.84 5.Y7 6.09 6.19
24 .0' 2.92 3.'3 3.'10 4.17 4.37 4.,54 '.68 4.81 4.92 S.OI
.01 ).96 4.54 4.91 '.17 '.)7 '.54 '.69 S.81 '.92 6.02
30 .0' 2.89 3.49 3.84 4.10 '.30 4.46 4.60 4.72 4.83 4.92
.0' 3.89 4.4,5 4.80 ,:O, S.24 S.40 '.54 '.6' '.76 5.85
40 .0' 2.86 3.44 3.79 4.04 4.23 4.39 4.54 4.63 4.74 4.ij2
.01 3.82 4.37 4.70 4.93 s.u 5.27 5.39 '.'0 5.60 S.69
60 .0' 2.83 3.40 3.74 3.98 4.16 4.31 4.44 4.S5 4.65 4.73
.01 3.76 4.28 4.60 4.82 '.99 '.13 '.25 '.36 5.45 '.53
120 .0' 2.80 3.J6 3.69 3.92 4.10 4.24 4.36 4,48 4.56 '.64
.01 3.70 '.20 4.SO 4.71 4.87 '.01 5.12 5.21 '.30 '.3S
.0' 2.77 l.3' 3.63 3.86 4.U3 4.17 4.29 4.39 4.47 4.55
.01 3.64 4.12 '.40 4.60 4.76 4.8ij 4.99 '.OS '.16 5.23
Tabla H: Tabla de t para comparaciones de dos colas entre p tratamientos y un control
para un coeficiente de confianza conjunto de p = 0.95 YP = 0.01
P = nmero de medias de tratamiento, sin incluir el control
gldel p 2 3 4 5 6 7 8 9
error
5 .95 2.57 3.03 3.39 3.66 3.88 4.06 4.22 4.36 4.49
.99 4.03 4.63 5.09 5.44 5.73 5.97 6.18 6.36 6.53
6 .95 2.45 2.86 3.18 3.41 3.60 3.75 3.88 4.00 4.11
.99 3.71 4.22 4.60 4.88 5.11 5.30 5.47 5.61 5.74
7 .95 2.36 2.75 3.04 3.24 3.41 3.54 3.66 3.76 3.86
.99 3.50 3.95 4.28 4.52 4.71 4.87 5.01 5.13 5.24
8 .95 2.31 2.67 2.94 3.13 3.28 3.40 3.51 3.60 3.68
.99 3.36 3.77 4.06 4.27 4.44 4.58 4.70 4.81 4.90
9 .95 2.26 2.61 ~.86 3.04 3.18 3.29 3.39 3.48 3.55
.99 3.25 3.63 3.90 4.09 4.24 '1.37 4.48 4.57 4.65
10 .95 2.23 2.57 2.81 2.97 3.11 3.21 3.31 3.39 3.46
.99 3.17 3.53 3.78 3.95 4.10 4.21 4.31 4.40 4.47
I1 .95 2.20 2.53 2.76 2.92 3.05 3.15 3.24 3.31 3.38
.99 3.11 3.45 3.68 3.85 3.98 4.09 4.18 4.26 4.33
12 .95 2.18 2.50 2.72 2.88 3.00 3.10 3.18 3.25 3.32
.99 3.05 3.39 3.61 3.76 3.89 3.99 4.08 4.15 4.22
13 .95 2.16 2.48 2.69 2.84 2.96 3.06 3.14 3.21 3.27
.99 3.01 3.33 3.54 3.69 3.81 3.91 3.99 4.06 4.13
14 .95 2.14 2.46 2.67 2.81 2.93 3.02 3.10 3.17 3.23
.99 2.98 3.29 3.49 3.64 3.75 3.84 3.92 3.99 4.05
15 .95 2.13 2.44 2.64 2.79 2.90 2.99 3.07 3.13 3.19
.99 2.95 3.25 3.45 3.59 3.70 3.79 3.86 3.93 3.99
16 .95 2.12 2.42 2.63 2.77 2.88 2.96 3.04 3.10 3.16
.99 2.92 3.22 3.41 3.55 3.65 3.74 3.82 3.88 3.93
17 .95 2.11 2.41 2.61 2.75 2.85 2.94 3.01 3.08 3.13
.99 2.90 3.19 3.38 3.51 3.62 3.70 3.77 3.83 3.89
18 .95 2.10 2.40 2.59 2.73 2.84 2.92 2.99 3.05 3.11
.99 2.88 3.17 3.35 3.48 3.58 3.67 3.74 3.80 3.85
19 .95 2.09 2.39 2.58 2.72 2.82 2.90 2.97 3.04 3.09
.99 2.86 3.15 3.33 3.46 3.55 3.64 3.70 3.76 3.81
20 .95 2.09 2.38 2.57 2.70 2.81 2.89 2.96 3.02 3.07
.99 2.85 3.13 3.31 3.43 3.53 3.61 3.67 3.73 3.78
24 .95 2.06 2.35 2.53 2.66 2.76 2.84 2.91 2.96 3.01
.99 2.80 3.07 3.24 3.36 3.45 3.52 3.58 3.64 3.69
30 .95 2.04 2.32 2.50 2.62 2.72 2.79 2.86 2.91 2.96
.99 2.75 3.01 3.17 3.28 3.37 3.44 3.50 3.55 3.59
40 .95 2.02 2.29 2.47 2.58 2.67 2.75 2.81 2.86 2.90
.99 2.70 2.95 3.10 3.21 3.29 3.36 3.41 3.46 3.50
60 .95 2.00 2.27 2.43 2.55 2.63 2.70 2.76 2.81 2.85
.99 2.66 2.90 3.04 3.14 3.22 3.28 3.33 3.38 3.42
120 .95 1.98 2.24 2.40 2.51 2.59 2.66 2.71 2.76 2.80
.99 2.62 2.84 2.98 3.08 3.15 3.21 3.25 3.30 3.33
.95 1.96 2.21 2.37 2.47 2.55 2.62 2.67 2.71 2.75
.99 2.58 2.79 2.92 3.01 3.08 3.14 3.18 3.22 3.25
Tabla 1: Tabla de t para comparaciones de una cola entre p medias de lral<lmiento y un control para un
coeficiente de confi= de p = 0.95, p = 0.99
,/ del error p
.YS 1.02 1.44 2.68 2.8S 2.98 3.!le 3.16 3.lA 3.30
.99 3.17 3.90 4.2t 4.0 4.60 4.7l 4.lS 7.94 5.03
.9S 1.94 1.34 2.56 1.71 2.83 2.92 3.00 3.07 3.12
.99 3.14 l.61 l.88 4.07 4.21 433 4.43 4..11 4..l9
.9S 1.89 1.27 2.48 1.62 2.73 2.81 2.89 1.9S 3.01
.99 3.00 3.41 3.66 3.83 3.96 4.07 4.1S 423 4.30
.9S 1.16 1.22 2.41 1.S5 2.66 2.74 2.81 U7 2.92
.99 1.90 3.29 l..ll 3.67 l.79 3.18 3.96 4.ol 4.09
.95 1.13 1.18 2.37 l..lO 1.60 1.68 2.75 2.8t 2.16
.99 1.82 3.19 3.40 3..1S 3.66 3.7S 3.81 3.89 3.94
10 .9S 1.81 2.IS 2.34 2.47 2..l6 2.64 2.70 2.76 2.81
.99 2.76 l.1I 3.31 lAS 3..l6 3.64 ].71 l.78 3.8l
11 .9S 1.80 2.13 2.31 1.44 2..1l 1.60 2.67 2.72 2.TI
.99 2.12 l.06 3.15 3.38 l.48 3..l6 3.63 3.69 3."
11 .9S 1.78 2.11 2.29 1.41 2.50 1..18 1.64 1.69 2.74
.99 1.68 l.OI 3.19 3.32 l.41 3..lO 3..l6 3.61 3.67
13 .9S I.TI 2.09 2.27 2.39 2.48 2.5S 2.61 1.66 2.71
.99 2.6S 2.97 3.tS 3.17 3.37 3.44 3..11 l..l6 3.61
l' .9S 1.76 2.08 2.1S 2.l7 2.46 2..13 2.59 1.64 1.69
.99 1.61 1.98 3.11 3.23 l.31 3.40 3.46 l..ll 3.56
IS .9S 1.7S 2.07 2.24 2.36 1.44 2..11 2.S7 1.62 1.67
.9'1 1.60 1.91 l.08 3.20 l.29 l36 3.41 l.47 3.S2
16 .9S 1.7S 2.06 2.1l 2.34 1.43 2.50 1..l6 1.61 1.6S
.99 1.S8 2.88 3.0S 3.17 l.26 333 3.39 3.44 3.4K
17 .9S 1.7. 2.0S 2.22 2.33 1.42 2.49 2.54 2.59 2.64
.99 2.H 1.36 l.O3 3.1. 3.23 3.lO ].36 3.4t 3.'S
18 .9S 1.73 2.04 2.21 2.32 2.'1 2.48 2.53 2.58 1.62
.99 1.SS 2.84 ).01 3.12 3.11 3,27 3.3l 3.38 3.42
19 .95 1.13 2.0) 2.20 2.ll 2.40 1..7 2.S2 2..17 1.61
.99 2.S4 2.8) 2.99 3.10 ).lX 32S 331 336 3.40
20 .95 1.72 1.0) 2.19 2.30 239 2.46 2.51 2..l6 1.60
.99 1.S) 2.81 1.97 ).08 3.17 3.2) 3.19 3.l4 3.38
14 .9S 1.71 1.01 2.t7 2.18 1.36 l.') 2.48 1.S3 1.57
.99 2.49 1.TI 1.91 3.03 3.11 3.17 3.22 ).27 3.31
30 .9S 1.20 1.99 2.15 2.1S 2.33 2.40 2.45 1.50 1.54
.99 2.46 2.12 1.87 2.97 3.05 3.11 3.t6 3.11 3.2'
40 .95 1.68 1.97 2.13 2.23 1.31 1.37 2.41 1.47 2..11
.99 2.42 1.68 l.1Il 2.92 2.99 3.OS 3.10 3.14 3.18
60 .9S 1.67 1.95 2.10 2.11 1.18 1.lS 2.39 2.44 1.48
.9'1 139 1.64 2.78 1.87 1.94 3.00 ).04 3.08 3.11
120 .9S 1.66 1.93 2.08 1.18 1.16 231 2.37 1.41 2.4S
.99 2.36 1.60 1.13 2.81 1.89 2.94 1.99 3.03 3.06
.9S 1.64 1.92 1.06 1.16 2.23 1.29 1.34 238 1.41
.99 2.)) 2.S6 2.68 1.77 1.84 2.89 1.9) 2.97 ).00
Tabla F: Puntos porcentuales superiores de 1, amplitud studentizada q. = (Y_ - Y)/ S,) (continuaci6n)
a ,/ del <m><
12 13 14 Il 16 11 IS 19 20
1.32 7.47 1.60 1.TI 1.83 1.93 8.03 8.12 S.ll .Ol
10.10 10.89 11.08 11.24 11.'0 Il..ll 11.68 11.81 11.93 .01
l.46 l.ll l.64 l.11 l.19 s.ss 5.91 l.91 6.03 .05 l.
6.11 6.81 6.96 7.0l 1.17 1.20 1.21 1.)) 1.39 .01
l.40 l.'9 l..l8 s.ss l.11 5.19 5.85 l.90 5.96 .05 15
6.66 6.16 6.84 6.93 1.00 7.07 7.14 1.20 1.26 .01
5.35 5.44 l.ll 5.l9 5.66 l.11 l.79 l.8. 5.90 .05 16
5.56 6.66 6.14 6.82 6.90 6.91 7.03 7.09 1.ll .QI
l.20 l.28 l.36 s.o l.49 l.ll l.61 l.66 l.11 .os 20
6.29 6.31 6.'5 6.l2 6.l9 6.6l 6.71 6.76 6.82 .01
5.10 l.18 l.25 l.32 l.33 5.44 l.50 5.54 5.59 .os 2'
6.11 6.19 6.26 6.)3 6.39 6.'l 6.l1 6.l6 6.61 .01
l.OO l.08 s.rs l.21 l.27 s.n l.38 5.43 l.48 .os JO
l.93 6.01 6.08 6.1-4 6.20 6.26 6.31 6.36 6.41 .01
4.91 4.911 5.0l l.1I l.16 l.l2 l.27 l.31 l.36 .05 '0
l.77 l.84 5.90 5.96 6.02 6.07 6.12 6.17 6.21 .01
4.81 4.88 4.94 5.00 l.O6 l.11 l.16 l.20 l.24 .Ol 60
l.60 l.67 l.13 l.79 l.8. l.89 5.93 l.98 6.02 .01
4.72 4.78 4.84 '.90 4.95 l.OO S.O~ lW 5.13 .05 120
5.44 l.ll l..l6 5.61 l.66 5.11 l.7l l.19 l.83 .01
Tabla G Amplitudes studentizadas significativas para 5y l por ciento de la nueva prueba de
amplitud mltiple
2 .05 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09 6.09
.01 14.0 14.0 14.0 14.0 14.0 14.0 14.0 14.0 14.0 14.0 14.0 14.0 14.0 14.0
.05 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50 4.50
.01 8.26 8.3 8.6 8.7 8.8 8.9 8.9 9.0 9.0 9.0 9.1 9.2 9.3 9.3
4 .05 3.93 4.01 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02 4.02
.01 6.51 6.8 6.9 7.0 7.1 7.1 7.2 7.2 7.3 7.3 7.4 7.4 7.5 7.5
5 .05 3.64 3.74 3.79 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83 3.83
.01 5.70 5.96 6.11 6.18 6.26 6.33 6.40 6.44 6.5 6.6 6.6 6.7 6.7 6.8
6 .05 3.46 3.58 3.64 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68 3.68
.01 5.24 5.51 5.65 5.73 5.81 5.88 5.95 -6.00 6.0 6.1 6.2 6.2 6.3 6.3
7 .05 3.35 3.47 3.54 3.58 3.60 3.61 3.61 3.61 3.61 3.61 3.61 3.61 3.61 3.61
.01 4.95 5.22 5.37 5.45 5.53 5.61 5.69 5.73 5.8 5.8 5.9 5.9 6.0 6.0
.05 3.26 3.39 3.47 3.52 3.55 3.56 3.56 3.56 3.56 3.56 3.56 3.56 3.56 3.56
.01 4.74 5.00 5.14 5.23 5.32 3.40 5.47 5.51 5.5 5.6 5.7 5.7 5.8 5.8
.05 3.20 3.34 3.41 3.47 3.50 3.52 3.52 3.52 3.52 3.52 3.52 3.52 3.52 3.52
.01 4.60 4.86 4.99 5.08 5.17 5.25 5.32 5.36 5.4 5.5 5.5 5.6 5.7 5.7
10 .05 3.15 3.30 337 3.43 3.46 3.47 3.47 3.47 3.47 3.47 3.47 3.47 3.47 3.48
.01 4.48 4.73 4.88 4.96 5.06 5.19 5.20 5.24 5.28 5.36 5.42 5.48 5.54 5.55
11 .05 3.11 3.27 3.35 3.39 3.43 3.44 3.45 3.46 4.46 3.46 3.46 3.46 3.47 3.48
.01 4.39 4.63 n 4.86 4.94 5.01 5.06 5.12 5.15 5.24 5.28 5.34 5.38 5.39
12 .05 3.08 3.23 3.33 3.36 3.40 3.42 3.44 3.44 3.46 3.46 3.46 3.46 3.47 3.48
.01 4.32 4.55 4.68 4.76 4.81 4.92 4.96 5.02 5.07 5.13 5.17 5.22 5.24 5.26
13 .05 3.06 2.21 3.30 3.35 3.38 3.41 3.42 3.44 3.45 3.45 3.46 3.46 3.47 3.47
.01 4.26 4.48 4.62 4.69 4.74 4.84 4.88 4.94 4.98 5.04 5.08 5.13 5.14 5.15
14 .05 3.03 3.18 3.27 3.33 3.37 3.39 3.41 3.42 3.44 3.45 3.46 3.46 3.47 3.47
.01 4.21 4.42 455 4.63 4.70 4.78 4.83 4.87 4.91 4.96 5.00 5.04 5.06 5.07
15 .05 3.01 3.16 3.25 3.31 3.36 3.38 3.40 3.42 3.43 3.44 3.45 3.46 3.47 3.47
.01 4.17 4.37 4.50 4.58 4.64 4.72 4.77 4.81 4.84 4.90 4.94 4.97 4.99 5.00