Académique Documents
Professionnel Documents
Culture Documents
Mayo 2009
Un Experimento
Es la Muestra en base a la cual se estimarn los parmetros Poblacionales, y se tomarn decisiones con respecto a la comparacin de las poblaciones en estudio. Cada experimento es una pregunta que se hace a la naturaleza, por lo tanto, para que las respuestas no sean confusas o contradictorias, es necesario que el mismo sea:
Razones
Por lo general, un experimento es realizado por una o varias de las razones siguientes: Identificar las principales causas de variacin en la respuesta Encontrar las condiciones que permitan alcanzar un valor ideal en la respuesta Comparar las respuestas a diferentes niveles de factores controlados por el investigador Construir modelos que permitan obtener predicciones de la respuesta.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 3
Definiciones Bsicas
Variable Respuesta: es la variable en estudio, aquella cuyos cambios se desean estudiar. Es la variable dependiente. Factor: es la variable independiente. Es la variable que manipula el investigador, para estudiar sus efectos sobre la variable dependiente. Nivel Del Factor: es cada una de las categoras, valores o formas especficas del factor. Factor Cualitativo: sus niveles se clasifican por atributos cualitativos. Factor Cuantitativo: sus niveles son escala. cantidad numrica en una
Factores Observacionales: El investigador registra los datos pero no interfiere en el proceso que observa. Factores Experimentales: El investigador completamente la situacin experimental. intenta controlar
Experimento Unifactorial: es aquel en el se estudia un solo factor. Experimento Multifactorial: es aquel en el que se estudia simultneamente ms de un factor. Tratamientos: Conjunto de condiciones experimentales que sern impuestas a una unidad experimental en un diseo elegido. En experimentos unifactoriales, un tratamiento corresponde a un nivel de factor. En experimentos multifactoriales, un tratamiento corresponde a la combinacin de niveles de factores. Unidad Experimental: es la parte ms pequea de material experimental expuesta al tratamiento, independientemente de otras unidades.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 5
Error Experimental: Describe la variacin entre las unidades experimentales tratadas de forma idntica e independiente. Orgenes del error experimental: Variacin natural entre unidades experimentales Variabilidad en la medicin de la respuesta Imposibilidad de reproducir idnticas condiciones del tratamiento de una unidad a otra Interaccin de tratamientos con unidad experimental Cualquier factor externo Tratamiento Control: Un control al que no tratamiento revelar las condiciones en que experimento. Mediciones: Son los valores de la variable obtenidos de las unidades experimentales aplicacin de tratamientos. se le aplica se realiza el dependiente, luego de la
6
iv) Las medidas o evaluaciones que se hacen a las unidades experimentales luego de aplicar los tratamientos.
10
11
12
Cuando el investigador tiene control sobre el material experimental aplicando slo los niveles de los factores que le interesan en el modelo, es de efectos fijos. Cuando se investiga un factor pero no se tiene control sobre tratamientos, por ejemplo en los estudios por muestreo, dnde los niveles que se aplican son una muestra extrada al azar de una poblacin de niveles, los modelos son de efectos aleatorios.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 12
Yij ! Q .. X . j I ij
A.j
i= 1,..,k y j=1,..,n
13
Cules son los supuestos y cules los elementos bsicos del modelo I de ANVA?
Los Supuestos de Validez del modelo ANVA son:
Observaciones Independientes. Datos distribuidos Normalmente (Q ; Variancias Homogneas.
2).
14
15
16
Introduccin
En el caso de un nico Factor (Experimento Unifactorial) y a Efectos Fijos ( Modelo I) El modelo de Anlisis de la Varianza
Yij ! Q .. X . j I ij
En donde: Yij es la variable aleatoria que que mide la respuesta del sujeto experimentado en el -simo individuo que recibi el j-simo tratamiento; Q.. Es el promedio general; X.j El efecto del j-simo tratamiento, y; Iij Es la cantidad de variacin no explicada por el Factor, tambin se conocer como Error del Experimento, Variacin Residual.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 17
Anova Un Criterio
Determina si la discrepancia entre las medias entre los tratamientos es mayor de lo que debera esperarse de las variaciones que ocurren dentro de los tratamientos. Divide la Variacin Total de los datos de la muestra en dos componentes.
19
Supuestos Anova
1. Observaciones se distribuyen Normal e Independiente y con la misma varianza para cada tratamiento 2.
Yij ! Q .. X . j I ij
3.
I ij ~ N (0, W 2 )
20
Modelos E Hipotesis
Modelo a efectos fijos H0 : X1 = X2 ..= Xk= 0 H1 : Xi { 0 al menos para una i Modelo a efectos aleatorios H0 : X = 0 H1 : X 0
21
22
Tabla Anlisis
Rep Trat
1
YA1 YB1 YC1
2
YA2 YB2 YC2
3
YA3 YB3 YC3
4
YA4 YB4 YC4
5
YA5 YB5 YC5
Promedi o
A B C
23
Anova A Un Criterio
Identidad de la suma de cuadrados
k j!1 n k 2 k j!1 n
i !1
(y ij y..) 2 ! n
j!1
(y.j y.. )
t !1
(y ij y.j ) 2
j!1
X2 j
CM trat
SCtrat ! k 1
CM error
SCEE ! k (n 1)
24
25
Anova Un Criterio
Fo F ((k-1) y k(n-1)) (kk(n Si Fo > F ((k-1) y k(n-1)) Rechazo la (kk(nHipotesis Nula
26
28
29
Curvas de Respuesta
Si los niveles del factor son equidistantes y si Y=f(x, x2, x3,,xp) es un polinomio en X, puede demostrarse que el puede ser escrito como:
Y=
0
P0(x) +
1P1(x)
+... + pPp(x) +
donde Pi es un polinomio de grado i, tales que Pi(x)y Pj(x)son ortogonales. Si se tienen k tratamientos, se pueden tener efectos polinomiales hasta de orden k-1
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 30
Curvas de Respuesta
Las sumas de cuadrados para los (k-1)efectos polinomiales del factor forman una particin de la suma de cuadrados de los tratamientoscada uno con un grado de libertad y su significacin estadstica, puede ser comprobada comparando sus sumas de cuadrados con el cuadrado medio del error.El grado del polinomio lo determina el grado mas alto que para el cual ste sea estadsticamente significativo. Se desea ajustar el polinomio de menor grado posible que describa adecuadamente a los datos. Y= Pi+
31
32
Polinomios Ortogonales
donde: d es la distancia entre los niveles de x k es el nmero total de niveles y j son constantes tales que los polinomios tienen valores enteros. Existen tablas que muestran los Pi(x) y los i Los estimadores para los coeficientes de regresin j se obtienen mediante el mtodo de mnimos cuadrados
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 33
34
Ventajas Y Desventajas
La mayor ventaja de experimentar bajo un esquema Completamente al Azar, esto es, sin restricciones, es la simpleza del anlisis y el recurso que significa aplicarlo cuando no hay otra posibilidad de anlisis. Es el paso consecutivo en uso de la regresin lineal en el anlisis de modelos lineales. Se presta por igual a estudios mediante tcnicas de muestreo o en experimentos planificados.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 35
Ventajas Y Desventajas
Cuando ocurren accidentes en la operacin del experimento como la prdida de una cantidad de unidades experimentales que no pueda contrarrestarse mediante tcnicas de extrapolacin, el Modelo Completo al Azar permite el anlisis con las unidades remanentes sin importar que haya diferente nmero por tratamiento. La facilidad de clculo y manejo no compensan la baja precisin del diseo. Esto significa que es el modelo experimental menos eficiente. O dicho de otra manera: el diseo que mayor variacin presenta. Prefirindose otros con mayor precisin en el anlisis.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 36
Aleatorizacion
Puede hacerse utilizando una tabla de nmeros al azar, por cartas, tirando un dado, o por cualquier otra operacin que sirva para el mismo propsito. Como ilustracin vamos a considerar un experimento que involucra 3 tratamientos: A, B y C cada uno replicado 4 veces. La aleatorizacin y disposicin de las unidades experimentales se lleva a cabo de la siguiente manera: Se determina en nmero total de UE. Para nuestro ejemplo 3x4=12. Se asigna una nmero a cada UE en una manera conveniente por ejemplo consecutivamente del 1 al 12.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 37
38
Nmero al azar 149 361 180 018 427 243 494 704 549 157 571 226 Secuencia 1 2 3 4 5 6 7 8 9 10 11 12
4 paso: Asignar los tratamientos a las UE. Usar el rango como nmeros de UE y la secuencia con la cual se obtuvieron los nmeros aleatorios para referirse a los tratamientos. Por ejemplo el tratamiento A : al 2,7,4,1, el tratamiento B, al 8,6,9,12, etc. 1 A 2 A 3 C 4 A
5 9
C B
6 10
B C
7 11
A C
8 12
B B
39
Cuestionario Se trata de un experimento uni o multifactorial? Cules son los factores? Cules son los tratamientos? Cul es la variable respuesta? Cul es la unidad experimental? Cuntas replicaciones haramos? Cuntos animales necesitamos? Cmo haramos el diseo? En el caso de utilizar bloquizacin indicar y justificar. En el caso de utilizar tratamiento testigo indicar y justificar.
41
42
44
Se
pretende reducir el efecto de la variabilidad proveniente de causas propias del experimento pero independiente del efecto que se desea estudiar.
Para
los fines del anlisis de varianza el bloqueo introduce un efecto adicional ficticio, cuyo objetivo es separar del error experimental, alguna fuente de variabilidad conocida.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales
45
Ejemplo: Para el ensamble de un artculo se considera comparar 4 mquinas diferentes. Como la operacin de las mquinas requiere cierta destreza se anticipa que habr una diferencia entre los operarios en cuanto a la velocidad con la cual operen la maquinaria. Se decide que se requerirn 6 operarios diferentes en un experimento de bloques aleatorizado para comparar las mquinas. Entonces, el factor de inters es uno slo, pero se crea otro factor para controlar la variabilidad extraa y excluirla as del error experimental. Aleatorizacin: debemos asignar cada tratamiento, M1, M2, M3, y M4 a cada bloque. Operario 1 Bloque 2 Bloque 3 Bloque 4 Bloque 5 Bloque 6 84 76 5 75 22 16 45 27 2 M2 M4 M3 M1 31 70 86 M3 M1 M2 M4 25 98 85 M2 M1 M4 M3 51 10 78 M4 M2 M1 M3 79 36 95 M1 M3 M2 M4 44 29 14 M2 M4 M3 M1
49
Ventajas
Puede proveer resultados ms precisos que un DCA del mismo tamao si los agrupamientos son efectivos. Sirve para cualquier n de tratamientos y replicaciones. Los tratamientos no necesitan tener tamaos de muestras iguales.(Bloque Incompleto) El anlisis no se complica si se debe descartar, por alguna causa, un tratamiento o algn bloque. Se puede introducir, deliberadamente, variabilidad en las unidades experimentales para ampliar el rango de validez de los resultados sin sacrificar la precisin de los resultados.
Desventajas
Las observaciones faltantes dentro de un bloque requiere clculos ms complejos. Los grados de libertad para el error experimental no son tantos como en el DCA. Se requieran ms presunciones para el modelo: no interaccin entre tratamientos y bloques, varianza constante de bloque a bloque.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 50
Si las mquinas no difieren en cuanto a la velocidad de ensamblado de la pieza, tendran igual velocidad promedio y las curvas se superpondran exactamente. H0 : 1= 2 = 3= 4 H0 = 1= 2= 3= 4=0
Pero si las mquinas difieren en cuanto a la velocidad de ensamblado de la pieza, pensaramos que las muestras provienen de poblaciones diferentes, e
H1: algn promedio es distinto de los restantes
4
51
+ eij
eij es la variable aleatoria del error con distribucin normal, con media = 0 y varianza 2 N (0 ; 2 ) e independiente.
Anlisis de Modelos Estadsticos y su aplicacin a Estudios Experimentales y Observacionales 52
Cuando el modelo es aditivo quiere decir que la diferencia en respuestas medias entre dos operarios es la misma para todas las mquinas.
42
38
Tratamiento
53
40,775 41,475
i j
43,775 254,225
Yij
2
Factor de Correccin =
1 Suma de Cuadrados Tratamientos = Ti.2 Fc b i 1 2 Suma de Cuadrados de Bloques = T. j Fc t j 2 Yij Fc Suma de Cuadrados Total =
i j
b.t