DISEÑO EXPERIMENTAL

Diseños Unifactoriales
Apéndice 3

ESTUDIANTES:

José Daza
Cod. 1.082.924.110

Karime Stephania Malkun Herrera

Cod. 1.065.807.818

Tomas Espinoza
Cod.

Yuris López Lemus

Cod. 1.067.724.353

Grupo: 30156_10

Tutora:

Carolina Bedoya Serna

Universidad Nacional Abierta y A Distancia UNAD

Escuela de Ciencias Básicas Tecnología e Ingeniería
Programa de Ingeniería de Alimentos
Valledupar - Cesar
2019
 INTRODUCCIÓN

En el siguiente trabajo estudiaremos los elementos de inferencia estadística, por media del cual

obtendremos análisis de varianza, y plantearemos hipótesis que podremos verificar y respaldar

mediantes desarrollos matemáticos, con el fin de escoger el de monos error y poder garantizar

experimentos fructíferos.

De igual manera queda reflejada la teoría en experimentos reales en los cuales se plantearon los

principios estudiados y se pudo dar la mejor solución respaldada con la teoría de la unidad.
 JUSTIFICACIÓN

El desarrollo del siguiente trabajo fue realizado bajo los parámetros de la universidad, donde se

propone el desarrollo de problemas llevados a la realidad y por medio del cual experimentamos

resultados satisfactorios en pro de aprovechar recursos que sostengan la industria alimentaria y

también en conseguir mejores resultados, para hacer de la misma una industria sostenible y

prometedora.
 COMPARACIÓN DE 4 FÓRMULAS DE ENGORDE EN TILAPIAS

1. El equipo de desarrollo e innovación que lo componen zootecnistas e ingenieros de

alimentos de una empresa de cultivo de tilapia evalúa el efecto de cuatro fórmulas de

engorde (F1, F2, F3, F4), sobre el peso final de las tilapias (entendiendo que a mayor

peso en las tilapias la fórmula de engorde realizada es más eficiente). En primera

instancia, la estrategia experimental es aplicar cuatro veces las cuatro fórmulas de

engorde en orden completamente al aleatorio (las 16 pruebas al azar). Los pesos (kg)

obtenidos de las tilapias en la investigación se muestran en la Tabla 1.

FÓRMULAS DE ENGORDE

F1 F2 F3 F4

2,66 3,2 3,01 3,52

2,52 3,42 3,13 3,71

2,74 3,47 3,25 3,78

2,9 3,64 3,38 3,79

TABLA 1. CONCENTRADO INICIAL DE DATOS EJERCICIO 1.

a. Formule el interrogante del problema de investigación.

RTA/ ¿Existen diferencias entre los pesos de los individuos del cultivo de tilapia

al aplicar cada una de las 4 fórmulas de engorde?

b. Formule las hipótesis correspondientes (igualdad y alterna).

RTA/

Planteamos hipótesis nula

𝐻0 = 𝜇𝑓1 = 𝜇𝑓2 = 𝜇𝑓3 = 𝜇𝑓4 = 0

Hipótesis alterna

𝐻1 = 𝜇𝑓𝑖 ≠ 0 𝑝𝑎𝑟𝑎 𝑎𝑙𝑔𝑢𝑛 𝑖

c. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla

ANOVA,  = 0.05.

FORMULAS DE ENGORDE

𝑭𝟏 𝑭𝟐 𝑭𝟑 𝑭𝟒

Observaciones 2,66 3,2 3,01 3,52

2,52 3,42 3,13 3,71

2,74 3,47 3,25 3,78

2,9 3,64 3,38 3,79

Total (𝒚𝒊 ) 10,82 13,73 12,77 14.8

Numero de datos

en cada formulas
4 4 4 4

Medida muestral 2,70 3,43 3,19 3,7

̅𝒊)
(𝒀

Desviaciones

respecto a la
-0,73 0 -0,24 0,27
media global

(𝝉̂𝒊 )

TABLA 2. CONCENTRADO DE VALORES CON SUMATORIAS.

OPERACIONES BASICAS

𝟒 𝟒

∑ ∑ 𝒀𝟐𝒊𝒋 = 2,662 + 2,522 + 2,742 + 2,92 + 3,22 + 3,422 + 3,472 + 3,642 + 3,012
𝒊=𝟏 𝒋=𝟏

+ 3,132 + 3,252 + 3,382 + 3,522 + 3,712 + 3,782 + 3,792 = 172.2214

𝟒 𝟒

∑ ∑ 𝒀𝟐𝒊𝒋 = 2,66 + 2,52 + 2,74 + 2,9 + 3,2 + 3,42 + 3,47 + 3,64 + 3,01 + 3,13
𝒊=𝟏 𝒋=𝟏

+ 3,25 + 3,38 + 3,52 + 3,71 + 3,78 + 3,79 = 52,12

 4

𝑁𝑖 = ∑ 𝑛𝑖 = 16
𝑖=1

𝑌_ 52,12
̅̅̅
𝑌_ = = = 3,25
𝑁 16

𝜏̂1 = ̅̅̅
𝑌𝐼 .− 𝑌̅..

𝜏̂1 = 2,70 − 3,43 = −0,73

𝜏̂1 = 3,43 − 3,43 = 0

𝜏̂1 = 3,19 − 3,43 = −0,24

𝜏̂1 = 3,7 − 3,43 = 0,27

Total de datos.

4 4
𝑌_2
𝑆𝐶𝑇 = ∑ ∑ 𝑌𝑖𝑗2 −
𝑁
𝑖=𝑗 𝑖=𝑗

52,122
172,2214 −
16

172,2214 − 169,7809 = 2.4405

Diferencias entre las fórmulas de engorde.

 4
𝑌_2 𝑌_2
𝑆𝐶𝑇𝑅𝐴𝑇 =∑ −
𝑛𝑖 𝑁
𝑖=𝑗

10,822 + 13,732 + 12,772 + 14,82 52,122

𝑆𝐶𝑇𝑅𝐴𝑇 = =
4 16

𝑆𝐶𝑇𝑅𝐴𝑇 = 171,9245 − 169,7809 = 2.1436

Dentro de las fórmulas de engorde.

𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑇𝑅𝐴𝑇

𝑆𝐶𝐸 = 2,4405 − 2,1436

𝑆𝐶𝐸 = 0,2969

Tratamiento de error.

𝑆𝐶𝑇𝑅𝐴𝑇
𝐶𝑀𝑇𝑅𝐴𝑇 =
𝐾−1

2,1436
𝐶𝑀𝑇𝑅𝐴𝑇 = = 0,71
3

𝑆𝐶𝐸
𝐶𝑀𝐸 =
𝑁−𝐾

0,2969
𝐶𝑀𝐸 =
16 − 4

0,2969
𝐶𝑀𝐸 =
12
 𝐶𝑀𝐸 = 0.0247

Estadístico de prueba

𝐶𝑀𝑇𝑅𝐴𝑇
𝐹0 =
𝐶𝑀𝐸

0,71
𝐹0 =
0,0247

𝐹0 = 28,75

TABLA ANOVA

FV SC GL CM 𝑭𝑶 VALOR-P

Tratamientos 2,4405 3 0,71 28,75 0,00001

Error 0,2969 12 0,0247

Total 2,7374 15

TABLA 3. RESULTADOS ANOVA DEL EJERCICIO 1.

d. Realizar la validación de la ANOVA por medio de un programa estadístico (diferente

a Excel), adjuntar pantallazo.

El programa que se usó para este procedimiento fue el programa Minitab, como se muestra

en las figuras 1,2 y 3.

FIGURA 1. DATOS EN HOJA DE CÁLCULO.

FIGURA 2. RESULTADOS ANOVA.
 FIGURA 3. GRÁFICA.

e. A partir de los criterios del resultado del valor – P y FO (son dos criterios diferentes),

que se puede concluir con respecto a las hipótesis planteadas?.

Solución

Para 𝐹0.05,3,12 = 3.49

Entonces tenemos

𝐹0 = 28,75 > 3.49

Se puede concluir que se rechaza 𝐻° al 95% de confianza, es decir, que al menos una de las

formulas de engorde produce resultados diferentes.

f. ¿Describa cual es la función y para qué es utilizado el método Tukey, después del

análisis de varianza de los resultados? Dentro del concepto responda si es necesario

utilizar este método si aceptamos o rechazamos la hipótesis de igualdad.

Solución

El método Tukey sirve para probar todas las diferencias entre medias de tratamientos de

una experiencia. Este método sirve para comparar las medias de los tratamientos dos a dos

ósea para evaluar la hipótesis alterna y de igualdad.

Funciones:

Calcula el valor crítico de todas las comparaciones por pares.

Obtiene el error estándar de cada promedio.

Obtener el 𝑇𝛼.

Calcular la diferencia de las medias.

Utilizados:

Probar todas las diferencias entre medias de tratamientos de una experiencia.

Exige que el número de repeticiones sea constante en todos los tratamientos.

Este método sirve para comparar las medias de los tratamientos, dos a dos, para

evaluar la hipótesis.

El método Tukey sirve para comparar las diferencias entre las medias muestrales

con el valor crítico.

Se utiliza este método cuando se ha rechazado la hipótesis.

 2. A partir de la lectura del capítulo 4 del libro análisis y diseños de experimentos,

aplique los conceptos del diseño en cuadro latino (DCL) y análisis de varianza

para el siguiente enunciado.

En un centro de investigación de agricultura se requiere estudiar el efecto de distintos tipos

de semilla en el rendimiento del maíz y se considera que en dicho rendimiento también

pueden influir los tipos de abonos empleados. Así, el factor de interés es el origen de la

semilla (A, B, C y D) y se controla dos factores de bloques el tipo de semilla y el tipo de

abono en función de la variable de respuesta.

Tipo Tipo de semilla

de
1 2 3 4
abono

1 C=73 D=78 A=68 B=90

2 B=79 C=79 D=67 A=80

3 A=65 B=81 C=65 D=66

4 D=92 A=80 B=89 C=92

TABLA 4. CONCENTRADO INICIAL DE DATOS EJERCICIO 2.

g. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla

ANOVA  = 0.05.

Solución:
Necesitamos la suma de los cuadrados para el análisis de la varianza.

4 4
𝑌−2
𝑆𝐶𝑇 = ∑ ∑ 𝑌𝑖𝑗 =
𝑁
𝑖=1 𝑗=1

4 4

𝑆𝐶𝑇 = ∑ ∑ 𝑌𝑖𝑗
𝑖=1 𝑖=1

= 73 + 79 + 65 + 92 + 78 + 79 + 81 + 80 + 68 + 67 + 65 + 89 + 90

+ 80 + 66 + 92 = 1244

𝑌_2 = (1244)2

Reemplazo

𝑆𝐶𝑇 = 732 + 792 + 652 + 922 + 782 + 792 + 812 + 802 + 682 + 672 + 652 + 892

(1244)2
+ 902 + 802 + 662 + 922 −
16

(1244)2
𝑆𝐶𝑇 = 98124 −
16

𝑆𝐶𝑇 = 98124 − 96721

𝑆𝐶𝑇 = 1403

Suma de cuadrados de renglones 𝑭𝒋

4
𝑌2
𝑆𝐶𝐵1 = ∑ 𝑌𝑖2 −
𝑘2
𝑖=1
𝑆𝐶𝐵1

(73 + 78 + 68 + 90)2 + (79 + 79 + 67 + 80)2 + (65 + 81 + 65 + 66)2 + (92 + 80 + 89 + 92)2

=
4

(1244)2
−
42

389844 1547536
𝑆𝐶𝐵1 = −
4 16

𝑆𝐶𝐵1 = 97461 − 96721

𝑆𝐶𝐵1 = 740

Suma de cuadrados de columna 𝑪𝟏

4
𝑌2
𝑆𝐶𝐵2 = ∑ 𝑌𝑖2 −
𝑘2
𝑖=1

𝑆𝐶𝐵2

(73 + 79 + 65 + 92)2 + (78 + 79 + 81 + 80)2 + (68 + 67 + 65 + 89)2 + (90 + 80 + 66 + 92)2

=
4

(1244)2
−
42

(3092 + 3182 + 2892 + 3282 ) (1244)2

𝑆𝐶𝐵2 = −
4 16

387710 1547536
𝑆𝐶𝐵2 = −
4 16

𝑆𝐶𝐵2 = 96927 − 96721

 𝑆𝐶𝐵2 = 206

Suma de cuadrados de tratamientos A, B, C Y D.

4
𝑌 2 𝑌_2
𝑆𝐶𝑇𝑅𝐴𝑇 =∑ −
𝑘 𝑁
𝑖=1

𝑆𝐶𝑇𝑅𝐴𝑇

(68 + 80 + 65 + 80)2 + (90 + 79 + 81 + 89)2 + (73 + 79 + 65 + 92)2 + (78 + 67 + 66 + 92)2

=
4

(1244)2
−
16

(2932 + 3392 + 3092 + 3032 ) (1244)2

𝑆𝐶𝑇𝑅𝐴𝑇 = −
4 16

388060 1547536
𝑆𝐶𝑇𝑅𝐴𝑇 = −
4 16

𝑆𝐶𝑇𝑅𝐴𝑇 = 97015 − 96721

𝑆𝐶𝑇𝑅𝐴𝑇 = 294

Suma de cuadrados del error 𝑺𝑪𝑬

𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑇𝑅𝐴𝑇 − 𝑆𝐶𝐵1 − 𝑆𝐶𝐵2

𝑆𝐶𝐸 = 1403 − 294 − 740 − 206

𝑆𝐶𝐸 = 163
Cuadrados medios de tratamientos, del error, fila y columna

𝑆𝐶𝑇𝑅𝐴𝑇
𝐶𝑀𝑇𝑅𝐴𝑇 =
𝑘−1

294
𝐶𝑀𝑇𝑅𝐴𝑇 = = 98
3

𝑆𝐶𝐸
𝐶𝑀𝐸 =
(𝑘 − 2)(𝑘 − 1)

163
𝐶𝑀𝐸 =
(4 − 2)(4 − 1)

163
𝐶𝑀𝐸 = = 27,167
6

𝑆𝐶𝐵1
𝐶𝑀𝐵1 =
𝑘−1

740
𝐶𝑀𝐵1 = = 246,667
4−1

𝑆𝐶𝐵2
𝐶𝑀𝐵2 =
𝐾−1

206
𝐶𝑀𝐵2 = = 68,667
4−1

𝐶𝑀𝑇𝑅𝐴𝑇 98
𝐹0 = = = 3,607
𝐶𝑀𝐸 27,167

𝐶𝑀𝐵1 246,667
𝐹0 = = = 9,080
𝐶𝑀𝐸 27,167

𝐶𝑀𝐵2 68,667
𝐹0 = = = 2,257
𝐶𝑀𝐸 27,167
 ANOVA

Fuente de Suma de Grados de Cuadrado

𝑭𝟎 Valor -p
variabilidad cuadrados libertad medio

Origen
294 3 98 3,61
semilla

Abono 740 3 246,667 9.08

Semillas 206 3 68,667 2.53

Error 163 6 27,167

total 1403 15

TABLA 5. RESULTADOS ANOVA DEL EJERCICIO 2.

h. A partir de los criterios del resultado del valor – P y FO (son dos criterios diferentes),

¿qué se puede concluir con respecto a las hipótesis planteadas?

Solución

Realizando el ejercicio con el valor critico de alfa 0,005 es 𝐹0.05,3,6 = 4.76

El origen de la semilla y el tipo de abono no se adaptan a la hipótesis nula, es decir, es igual

o no tienen efectos sobre la respuesta. Y el tipo de semilla rechaza la hipótesis nula, es

decir, estadísticamente el tipo de semilla si tiene efectos sobre el tratamiento.

En la tabla se observa que el tipo de abono, al igual que el origen de la semilla, no generan

diferencias entre el rendimiento del maíz. Y así se puede concluir que el tipo de semilla si

presenta al menos una diferencia respecto al rendimiento del maíz

 REFERENCIAS BIBLIOGRAFICAS

 Tablas F (2019, 14, 04). Recuperado de:

http://www.uaaan.mx/~jmelbos/tablas/distf.pdf

 Montes F. (2014). Análisis de la varianza ANOVA. Recuperado de:

https://www.uv.es/montes/biomecanica2004/anova

 Gutiérrez,H. (2012).Análisis y diseño de experimentos.(3a. ed.) McGraw-Hill

Interamericana. Recuperado de

http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=375&pg=

 Balzarini, M. (2013). Estadística y biometría: ilustraciones del uso e Infostat en

problemas de agronomía. Editorial Brujas (pp 259 – 287). Recuperado de

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=108900

15&ppg=102