Professional Documents
Culture Documents
CAPITULO III
DISEÑOS EXPERIMENTALES
ANALISIS DE VARIANZA
Es una técnica en el que la varianza total de un conjunto de datos se
divide en varios componentes, cada uno de los cuales tiene asociado
una fuente específica de variación, de manera que durante el análisis es
posible encontrar la magnitud con la que contribuye cada una de esas
fuentes en la variación total.
El análisis de varianza se utiliza con dos propósitos:
1) Estimar y probar la hipótesis respecto a varianzas poblacionales.
2) Estimar y probar hipótesis respecto a las medias de las poblaciones.
Para utilizar correctamente el análisis de varianza como una herramienta
de la inferencia estadística es necesario satisfacer un conjunto de
suposiciones fundamentales las mismas que son:
Métodos Estadísticos Varela/Llanos/Asnate
1) Los efectos de los tratamientos, así como los ambientales son
aditivos.
2) Los errores experimentales se distribuyen normalmente e
independientemente con una varianza común.
Tratamientos Total
1 2 3 ... k
Y11 Y12 Y13 ... Y1k
Observaciones
observaciones
nj ... ni N
i 1
Y.1 Y.2 Y.3 Yk
Medias Y. j Y.i2
Y .. k
ni
i 1
Métodos Estadísticos Varela/Llanos/Asnate
i 1 j 1 N
k Y. 2j Y..2
SCt = Suma de cuadrados entre tratamientos = n
i 1
N
j
SCE = Suma de cuadrados del error =
nj 2
k Y
y n
i 1 j 1
2
ij
.j
SCT SCt
j
TABLA Nº 02 : ANALISIS DE VARIANZA (ANVA)
Tratamientos Total
1 2 3 ... t
Y11 Y21 Y31 ... Y1t
Y12 Y22 Y32 Yt2
Y13 Y23 Y33. Yt3.
Observaciones . . .
. . . .
y1n1 y2n2 y3n3 ytn
Totales T1 T2 T3 ... Tt
Número de T Ti
observaciones n n n ... N
Medias ... tn
Y.1 Y.2 Y.3 Yt
Métodos Estadísticos Varela/Llanos/Asnate
T
Y
tn
2
a
Y Y..2
SCt =
i 1 n
i.
N
Suma de cuadrados de los
tratamientos
El modelo será:
Yij u ti ij
H 0 : τ1 τ 2 τ3 ... τ t 0 vs
H1 : τ i 0
si al menos para una i
El modelo será a efectos fijos.
Si H 0 : 2 0 vs H 1 : t2 0 modelo a efectos aleatorios
Antes de que puedan usarse los análisis precedentes de varianza para
fines de deducción estadística deberá hacerse ciertas suposiciones
respecto a las observaciones.
Métodos Estadísticos Varela/Llanos/Asnate
Las suposiciones en el ANVA son las mismas que las del análisis de
regresión:
- Aditividad
- Linealidad
- Normalidad
- Independencia
- Varianzas homogéneas
con una F
T
E
¿Por qué, entonces, hemos estado tan interesados respecto a la
distensión entre los modelos? Por dos razones:
1.- Las deducciones en los dos casos son respecto a poblaciones
enteramente diferentes.
2.- En un análisis más complejo, podrían indicarse algunos
procedimientos de prueba completamente s
Telares (Lib/min)
1 2 3 4 5
14.0 13.9 14.1 13.6 13.8
14.1 13.8 14.2 13.8 13.6
14.2 13.9 14.1 14.0 13.9
14.0 14.0 14.0 13.9 13.8
14.1 14.0 13.9 13.7 14.0
Solución
Telares (Lib/min)
1 2 3 4 5
14.0 13.9 14.1 13.6 13.8
14.1 13.8 14.2 13.8 13.6
14.2 13.9 14.1 14.0 13.9
14.0 14.0 14.0 13.9 13.8
14.1 14.0 13.9 13.7 14.0
Yi 70.4 64.6 70.3 68.0 69.1
Ni. 5 5 5 5 5
14.08 13.92 14.06 13.8 13.82
yi .
y.. = 348.4
N = 25
Y.. = 13.936
SCT =
Y .. 348.4 2
y N 2
ij (14 14.1 ... 14 )
2 2
25
2
06376
SCt =
y 2
i
Y
.
2
(70.4) 2 (69.6) 2 ... (69.1) 2 4855.3 0.3416
ni N
y 2
SCE = y 2
ij
ni
i.
SCT SCt = 0.6376 – 0.3416 = 0.296
Cuadro ANVA
Tipo de líquido
1 2 3 4
17.6 16.9 21.4 19.3
18.9 15.3 23.6 21.1
16.3 18.6 19.4 16.9
17.4 17.1 18.5 17.5
20.1 14.5 20.5 18.3
21.6 20.3 22.3 19.8
y.. = 458.2
N = 24
y.. = 19.092
Métodos Estadísticos Varela/Llanos/Asnate
SCT =
2
y 458.2 2
y N 2
ij
..
(17.6 18.9 ... 19.8 )
2 2 2
24
96.158
SCt =
y 2
i
y 2
..
(11.9 2 107.7 2 ... 112.9 2 )
8747.80 30.165
ni N 6
Maquina
A B C D E
11.95 12.18 12.16 12.25 12.10
12.00 12.11 12.15 12.30 12.04
12.25 12.08 2.10 12.02
12.10 12.02
Solución
Realizando los cálculos
Maquina
A B C D E
11.95 12.18 12.16 12.25 12.10
12.00 12.11 12.15 12.30 12.04
12.25 12.08 2.10 12.02
12.10 12.02
Yi 48.30 24.29 36.39 36.65 48.18
Ni. 4 2 3 3 4
12.075 12.145 12.3 12.217 12.045
yi .
y.. = 193.81
N = 16
y.. = 12.113
SCT =
2
y 193.812
y N 2
ij
..
(11.95 12 ... 12.02 )
2 2 2
16
0.144
SCt =
y 2
i
y
2
..48.302 24.29 2 36.39 2 36.652 48.182 193.812
0.05943
ni N 4 2 3 3 4 16
i 1
i 0 ; ij DNI (0, )
kn
Suma de cuadrados del total
1 n 2 Y..2
SCτ = Y. j kn
n j 1
Suma de cuadrados entre tratamientos
1 k 2 Y..2
SCB = Yi. kn
k i 1
Suma de cuadrados entre bloques
Distancia Sujeto
(pies) 1 2 3 4 5
4 10 6 6 6 6
6 7 6 6 1 6
8 5 3 3 2 5
10 6 4 4 2 3
Métodos Estadísticos Varela/Llanos/Asnate
Solución:
Realizando los cálculos
Distancia Sujeto
(pies) 1 2 3 4 5 yi. ni.
y i.
4 10 6 6 6 6 34 5 6.8
6 7 6 6 1 6 36 5 5.2
8 5 3 3 2 5 18 5 3.6
10 6 4 4 2 3 19 5 3.8
y.i 28 19 19 11 20 y..
n.j 4 4 4 4 4 N=20
7 4.75 4.75 2.75 5
y. j y .. =
4.85
SCT =
y 2
97 2
yij 2
N
..
(102 7 2 ... 32 )
20
84.55
SCτ =
y 2
i ..
y..2 (282 19 2 ... 20 2 )
470.45 = 36.30
ti N 4
y..2
y 2
(34 2 26 2 ... 19 2 )
.j
SCB = 470.95
ni N 5
= 503.4 – 470.45 = 32.95
SCE = SCT - SCτ - SCB
= 84.55 – 36.30 – 32.95 = 15.30
CUADRO ANVA
CUADRO ANVA
RYY
R i
2
Suma de cuadrado por renglón
m M YY
CYY
C i
2
Suma de cuadrados por columna
m M YY
EYY = Y2 – MYY – RYY – CYY - TYY Suma de cuadrados del error
experimental
CUADRO DE ANALISIS DE VARIANZA (ANVA)
Métodos Estadísticos Varela/Llanos/Asnate
σ2
Z
S R C (m 1)T 2
(m 1) 2 (m 2) 2
Recuerde que los grados de libertad asociados con el error experimental
y el total reducidos cada uno en una unidad es decir (m-1) (m-2) – 1 y
m2 – 1, respectivamente.
Métodos Estadísticos Varela/Llanos/Asnate
EFICIENCIA DEL DCL CON RESPECTO AL DCA Y DBCA
R C (m 1) E
ER
(m 1) E
C ( m 1) E
ER
mE
(Usando los renglones como bloque) si usamos las columnas como
bloque, reemplazar C por R.
Sujetos Observadores
1 2 3 4 5 6 7 8
1 A128 D108 C110 B106 E100 F102 G112 H110
2 B122 C100 D120 A128 F108 E130 H120 G110
3 D110 A 48 B110 C120 G102 H108 E108 F104
4 C 96 B 96 A 90 D106 H 96 G 90 F 98 G 98
5 E120 F128 G130 H128 A110 D132 C128 B134
6 F140 E128 H130 G130 B126 C108 D142 A140
7 G110 H108 E110 F106 D114 A110 B114 C118
8 H102 G118 F108 E110 C114 B110 A122 D110
Sujetos Observadores α = 5% yi
1 2 3 4 5 6 7 8
1 A128 D108 C110 B106 E100 F102 G112 H110 876
2 B122 C100 D120 A128 F108 E130 H120 G110 938
3 D110 A 48 B110 C120 G102 H108 E108 F104 810
4 C 96 B 96 A 90 D106 H 96 G 90 F 98 G 98 770
5 E120 F128 G130 H128 A110 D132 C128 B134 1010
6 F140 E128 H130 G130 B126 C108 D142 A140 1044
7 G110 H108 E110 F106 D114 A110 B114 C118 890
8 H102 G118 F108 E110 C114 B110 A122 D110 894
y.j 928 834 908 934 870 890 944 924 y.. =
Observ. A B C D E F G H 7232
yk 876 918 894 942 904 894 902 902
CUADRO ANVA
TERMÓMETROS
1 2 3 4
0.95 0.33 -2.15 1.05
1.06 -1.46 1.70 1.27
1.96 0.20 0.48 -2.05
Solución
Realizando los cálculos se tiene:
TERMÓMETROS
1 2 3 4
0.95 0.33 -2.15 1.05
1.06 -1.46 1.70 1.27
1.96 0.20 0.48 -2.05
muestra nj 3 3 3 3 N = 12
Sumas x.j 3.97 -0.93 0.03 0.27 X.. = 3.34
_ 1.323 -0.31 0.01 0.09 _
Promedio x . j x .. = 1.113
Métodos Estadísticos Varela/Llanos/Asnate
x 2 ..
S C total =
X ij2
N
2
= (0.95)2 + (1.06 ) + .... + (-2.5)2 - (3.34)
12
= 22.809 – 0.93 = 21.88
x 2 . j x 2 ..
S C tratam =
nj
N
= (3.97) (0.93) (0.03) (0.27) 0.93
2 2 2 2
3 3 3 3
x2 . j
S C error = X ij2
nj
= 22.809 -
(3.97) (0.93) (0.03) (0.27)
2 2 2 2
3 3 3 3
= 22-809 – 5.566 = 17.24
a) Cuadro ANVA.
b)
FUENTE SC G.L Cuadrados F calc F Teórico
Medios
Tratamiento 4.64 4 -1 = 3 1.55 0.718 F 0.95 (3) (8) =
Error 17.24 12 - 4 = 8 2.16 4.07
Total 21.88 12 - 1 = 11
2 2
(207.7) 2
2
S C total = (12.25) + (12.18) + ........ + (12.16) -
17
= 2537.6244 – 6953 = 0.019
SCtratam=
(48.87) 2 (48.92) 2 (48.92) 2 (36.63) 2 (24.36) 2 (207.7) 2
4 4 4 3 2 17
a) CUADRO ANVA
SEMILLAS
lenteja trebol girasol trigo maíz Alegría
2.25 5.13 4.97 1.45 1.29 5.78
2.46 4.17 4.86 1.60 1.69 3.99
3.02 5.67 5.08 2.03 1.49 4.15
2.04 4.21 4.08 1.52 1.62 3.41
2.53 3.89 4.27 1.56 1.34 2.90
1.86 4.01 3.77 1.68 3.29 3.32
SEMILLAS
lenteja trebol girasol trigo maíz Alegría
2.25 5.13 4.97 1.45 1.29 5.78
2.46 4.17 4.86 1.60 1.69 3.99
3.02 5.67 5.08 2.03 1.49 4.15
2.04 4.21 4.08 1.52 1.62 3.41
2.53 3.89 4.27 1.56 1.34 2.90
1.86 4.01 3.77 1.68 3.29 3.32
MUESTRA 6 6 6 6 6 6 N = 36
SUMAS 14.16 27.08 27.03 9.84 10.72 23.55 X..=112.38
PROMEDIO 2.366 4.513 4.505 1.64 1.787 2.925 _
X ..=
17.73
(112.38) 2
SC total = (2.25)2 + (2.46)2 + ........ + (3.32)2 -
36
= 418.212 – 350.813 = 67.399
S C Tratam =
(1416) 2 (27.08) 2 (27.03) 2 (9.84) 2 (10.72) 2 (23.55) 2 (112.38) 2
6 6 6 6 6 6 36
SCM
Fuente SC G.L. Fcalc
(Varianza)
Tratam. 54.32 6-1 = 5 10.864 24.917 F 0.95 (5) (30) =
Error 13.078 36-6= 30 0.436 2.53
Total 67.078 36-1 = 35
Solución:
Realizando los cálculos se tiene:
NÚMERO DE RATÓN
1 2 3 4 5 6 7 8
19 73 50 11 1 26 12 47
26 70 59 10 11 15 12 47
12 12 11 9
11
MUESTRA 2 2 2 3 3 4 3 2 N = 21
SUMAS 45 143 109 33 24 63 33 94 X .. = 544
PROMEDIO 22 71.5 54.5 11 8 15.75 11 47 _
.5 X ..=241.25
(544) 2
5 C total = (19)2 + (26)2 + ........ + (47)2 -
21
= 23808 – 14092.19
= 9715.81
5CTratam=
(45) 2 (143) 2 (109) 2 (33) 2 (24) 2 (63) 2 (33) 2 (94) 2 (544) 2
2 2 2 2 3 4 3 2 21
= 23505.75 – 14092.19
= 9413.56
5 C Tratam = 23808.23505.75
= 302.25
H 0 : u1 = u2 = u3 = ...........= uk
Métodos Estadísticos Varela/Llanos/Asnate
H 1 : No todas las u; son iguales
Rechazamos Ho
Si existe diferencia significativa entre los ratones)
LOTE TRATAMIENTOS
50ºF 55ºF 60ºF 70ºF
1 8 5 7 10
2 14 10 3 5
3 12 8 6 5
4 9 8 5 7
5 12 9 4 8
Solución:
Realizando los cálculos se tiene
n=5
N = nk = (5) (4) = 20
Métodos Estadísticos Varela/Llanos/Asnate
N = 20
x 2 . j X 2 ..
5 C tratam =
n N
(55) (40) 2 (25) 2 (35) 2 (155) 2
2
=
5 20
= 1295 – 1201.25
= 93.75
x 2 . i X 2 ..
5 C bloques =
K N
=
(30) 2 (32) 2 (31) 2 (29) 2 (33) 2
1201.25
4
= 1203.75 - 1201.25 = 2.50
X 2 ..
5 C total = X i2j
N
2 2 2
= (8) (14) ........ (8) 1201.25
Rechazamos Ho
Los efectos de la temperatura son significativamente diferentes
Aceptamos Ho, es decir los termómetros son iguales.
b) 1 y 3 son diferentes
MEDICAMENTOS
HOSPITALES A1 A2 A3 A4
B1 10 11 12 10
B2 19 9 18 7
B3 11 8 23 5
Medias
MEDICAMENTOS Sumas _
HOSPITALES Xi xi.
A1 A2 A3 A4 X .. = 207.7
B1 10 11 12 10 43 10.75
B2 19 9 18 7 53 13.25
B3 11 8 23 5 47 11.75
Sumas X . j 40 28 53 22 X .. = 143 -
_ 13.333 9.333 17.667 7.33 -- _
Medias x i .j x .. = 1.917
n=3
(40) 2 (28) 2 (53) 2 (22) 2 (143) 2
SC tratam =
3 12
= 1892.33 – 1704 – 083
= 188.25
Métodos Estadísticos Varela/Llanos/Asnate
(43) (53) (47) (22) 2
2 2 2
SC bloques = 1704.083
4
= 1716.75 – 1704.083 = 12.667
(143) 2
SCtotal = (10)2 + (19)2 + ....... + (5)2 -
12
= 2019 – 1704.083 = 314.917
MÉTODOS DE EXTRACCIÓN
Condiciones De
Conservación A B C D
1 1.35 1.13 1.06 0.98
2 1.40 1.13 1.26 1.22
3 1.49 1.46 1.40 1.35
Métodos Estadísticos Varela/Llanos/Asnate
Medias
MÉTODOS DE _
Condiciones De EXTRACCIÓN Sumas
Conservación Xi xi.
A B C D X .. = 207.7
1 1.35 1.13 1.06 0.98 4.52 1.13
2 1.40 1.13 1.26 1.22 5.010 1.253
3 1.49 1.46 1.40 1.35 5.70 1.425
Sumas X . j 4.24 3.72 3.72 3.55 X .. = 5.23 -
_ 1.413 1.24 1.24 1.183 -- _
Medias x i .j x .. = 1.267
n=3
N = NK = 12
SC Tratam =
(4.24) (3.72) (3.72) (3.55) (15.23)
2 2 2 2 2
3 12
= 19.419 – 19.329 = 0.10
MÉTODOS DE EXTRACCIÓN
OPERADORES A B C
Solución
N = (3) (5) = 15
MÉTODOS DE Medias
EXTRACCIÓN _
Sumas xi.
OPERADO Xi
RES A B C X .. = 207.7
1 96.5 96.5 97.1 290.1 96.7
2 97.4 96.1 96.4 289.9 96.633
3 96.0 97.9 95.6 289.5 96.5
4 97.8 96.3 95.7 289.8 96.6
5 97.2 96.8 97.3 291.3 97.1
Sumas X . j 484.9 483.6 482.1 X ..=1450.6 --
Aceptamos Ho
No existe diferencia significativa entre los tipos de llave
b) No hay medidas que son significativamente diferentes entre sí.
MACROMOLÉCULA NO IÓNICA
CONSERVA
DORES Myrj Pluronic Tween Peg
52 F - 68 80 4000
Solución
Medias
MACROMOLÉCULA NO IÓNICA _
CONSERVA xi.
DORES Sumas
Myrj 52 Pluronic Tween Peg Xi
F - 68 80 4000
N = (3) (4) = 12
TIEMPO DE
CONSERVADORES ALMACENAMIENTO
0 días 1 sem. 2 sem. 6 sem.
Ninguno 4.80 4.78 4.60 4.30
Ácido benzoico 4.72 4.70 4.48 4.47
Propil parabeno 4.79 4.60 4.65 4.35
Metilparabeno 4.79 4.70 4.70 4.25
Clorobutanol 4.80 4.78 4.62 4.34
Cloruro de 4.79 4.75 4.70 4.32
benzalconio
Métodos Estadísticos Varela/Llanos/Asnate
TIEMPO DE Medias
“BLOQUES” ALMACENAMIENTO _
Sumas xi.
0 días 1 sem. 2 sem. 6 sem.
Xi
CONSERVADO
RES
Ninguno 4.80 4.78 4.60 4.30 18.48 4.62
Ácido benzoico 4.72 4.70 4.48 4.47 18.37 4.59
Propil parabeno 4.79 4.60 4.65 4.35 18.39 4.598
Metilparabeno 4.79 4.70 4.70 4.25 18.44 4.61
Clorobutanol 4.80 4.78 4.62 4.34 18.54 4.635
Cloruro de 4.79 4.75 4.70 4.32 18.56 4.64
benzalconio
Sumas X . j 28.69 28.31 27.75 26.03 X ..= 110.78 --
_ 4.782 4.718 4.625 4.338 -- _
Medias x .j x .. = 4.616
n=6
N = (6) (4) = 24
(28.69) 2 (28.31) 2 (27.75) 2 (26.03) 2 (110.78) 2
SCtratam=
6 24
= 512.033 – 511.342
= 0.691
(18.48)2 (18.37)2 (18.39)2 (18.44)2 (18.54)2 (18.56)2
SCbloques= 511.342
4
= 511.350 – 511.342 = 0.008
SCM
Fuente SC G.L. (Varianzas F.calc
)
Tratamientos 0.691 4-1 = 3 0.2303 43
Bloques 0.008 6-1 = 5 0.0016
Error 0.08 (3)(5) = 15 0.0053
Total 0.779 N-1 = 23
VITAMINA
FAMILIA
A B C
“BLOQUES” VITAMINA
FAMILIA Medias
Sumas _
A B C Xi
xi.
1 11.2 9.3 10.4 30.9 10.3
2 9.7 12.0 11.5 33.2 11.067
3 8.2 9.4 8.9 26.5 8.833
4 9.1 10.1 7.9 27.1 9.033
5 11.0 10.3 10.8 32.1 10.7
6 7.3 9.1 8.4 24.8 8.26
7 8.2 8.5 10.1 26.8 8.933
Sumas X . j 64.7 68.7 68 X ..= --
201.4
_ 9.243 9.814 9.714 -- _
Medias x .j x .. = 9.59
n=7
N = 21
3 21
= 1952.467 – 1931.522
= 20.945
SC total = (11.2)2 + (9.7)2 + ........ + (10.1)2 – 1931.522
= 1964.36 – 1931.522 = 32.838
SC error = 32.838 – 20.945 – 1.304 = 10.589
Métodos Estadísticos Varela/Llanos/Asnate
CUADRO ANVA
_ 105 109 -- _
Medias x .j x .. = 107
n=10
N = (10) (2) = 20
= 229059 – 228980 = 79
SC total = (105)2 + (101)2 + ........ + (108)2 – 228980
= 229154 – 228980 = 174
SC error = 174 – 79 – 80 = 15
Métodos Estadísticos Varela/Llanos/Asnate
Solución
OBSERVA SUJETO
DOR ni xi
1 2 3 4 5
I=3
FILAS (A)
(1841) 2 (1802) 2 (1839) 2 (5482) 2
SCA =
10 10 10 30
= 1001840.6 – 1001744.133 = 96.467
COLUMNAS (B)
SCB =
(1138) 2 (1009) 2 (1070) 2 (1219) 2 (1046) 2
1001744.133
6 6 6 6 6
= 1006350.333 – 1001744.133
= 4606.2
INTERACCIÓN (A, B)
SCAB = 4721.867 – 96.467 – 4606.2 = 19.2
SUB TOTAL
Métodos Estadísticos Varela/Llanos/Asnate
SCSUB TOTAL =
(383) 2 (342) 2 (358) 2 (410) 2 (353) 2 (5482) 2
.....
2 2 2 2 2 2
= 1006466 – 1001744.133 = 4721.867
ERROR
SCerror = 4747.867.867 – 4721.867 = 26
TOTAL
SCtotal = 1006492 – 1001744.133 = 4747.867
CUADRO ANVA = 0.05
Rechaza Ho
H1 : Existe diferencia entre los observadores (FACTOR FIJO)
Rechaza Ho
H1 : Existe diferencia entre los sujetos (FACTOR
ALEATORIO)
Acepta Ho
Ho : No hay efecto de interacción
Solución:
HÁBITOS PRUEBA
DE ni xi
FUMAR Bicicleta Banda Caminata
esfuerzo
No 12.8 16.2 22.6
fumadores 13.5 18.1 19.3
11.2 17.8 18.9
nij 3 3 3 9
xij. 37.5 52.1 60.8 150.4
Fumadores 10.9 15.5 20.1
moderados 11.1 13.8 21
9.8 16.2 15.9
nij 3 3 3 9
xij. 31.8 45.5 57 134.3
Grandes 8.7 14.7 16.2
fumadores 9.2 13.2 16.1
7.5 8.1 17.8
nij 3 3 3 9
xij. 25.4 3.6 50.1 111.5
n.j 9 9 9 N = 27
x.j. 94.7 133.6 167.9 x... = 396.2
Métodos Estadísticos Varela/Llanos/Asnate
I=3
FILAS (A)
(150.4) 2 (134.3) 2 (111.5) 2 (396.2) 2
SCA =
9 9 9 27
= 5898.767 – 5813.868 = 84.899
COLUMNAS (B)
(94.7) 2 (133.6) 2 (167.9) 2
SCB = 5813.868
9 9 9
= 6111.94 – 5813.868 = 298.072
= 4606.2
INTERACCIÓN (A B)
SCAB = 385.785 – 84.899 – 298.072 = 2.814
SUB TOTAL
SCSUB TOTAL =
2
(37.5) (52.1) 2 (60.8) 2 (31.8) 2 (50.1) 2
..... 5813.868
3 3 3 3 3
= 6199.653 – 5813.868
= 385.785
ERROR
SCerror = 445.032 – 385.785 = 59.247
TOTAL
SCtotal = (12.8)2 + (113.5)2 + . . . . + (17.8)2 – 5813.868
= 6258.9 – 5813.868
= 445.032
Métodos Estadísticos Varela/Llanos/Asnate
Rechaza Ho
H1 : Las pruebas son significativamente diferentes.
Rechaza Ho
H1 : Las pruebas son significativamente diferentes
Acepta Ho
Ho : Si existe efecto de interacción
VALORES HUMEDAD
CODIFICADOS ni
10% 50% xi
TEMPERATURA
23 24
24 24
-29ºC
25 25
24 26
nij 4 4
8
xij. 96 99 195
26 24
25 25
21ºC
26 26
26 26
nij 4 4
8
xij. 103 101 204
25 27
26 26
71ºC
26 28
28 28
nij 4 4
8
xij. 105 109 211
n.j 12 12
N = 24
x.j. 304 309 x... = 613
I=3
FILAS (A)
(195) 2 (204) 2 (214) 2 (613) 2
SCA =
8 8 8 24
= 15679.625 – 15657.042
= 22.583
COLUMNAS (B)
(304) 2 (309) 2
SCB = 15657.042
12 12
= 15658.083 – 15657.042 = 1.041
Métodos Estadísticos Varela/Llanos/Asnate
INTERACCIÓN
SCAB = 26.808 – 22.583 – 1.041
= 2.584
SUB TOTAL
SCSUB TOTAL =
2 2
(96) (99) (103) 2 (101) 2 (105) 2 (109) 2
15657.042
4 4 4 4 4 4
= 15683.25 – 15657.042
= 26.208
ERROR
SCerror = 41.958 – 26.208 = 15.75
TOTAL
SCtotal = (23)2 + (24)2 + ....... + (28)2 – 15657.042
= 15699 – 15657.042
= 41.958
CUADRO ANVA = 0.05
SCM
Fuente SC G.L. F.calc F teórico
Varianzas
Filas 22.583 3-1= 2 11.292 12.905 F0.95 (2) (18) = 3.555
Columna 1.041 2-1= 1 1.041 1.19 F0.95 (1) ( 18) = 4.414
Interacción 2.584 (2)(1) = 2 1.292 1.477 F0.95 (2) (18) = 3.555
Subtotal 26.208 3(2)-1 = 5 --
Error 15.75 24-6 =18 0.875
Total 41.958 N-1 = 23 --
Rechaza Ho
H1 : Existe diferencia significativa entre las temperaturas
Rechaza Ho
Ho : No existe diferencia entre las humedades
Acepta Ho
Ho : No existe efecto de interacción
Métodos Estadísticos Varela/Llanos/Asnate
17. Se probaron cinco variedades de duraznos y cuatro fertilizantes. De
cada parcela experimental se seleccionaron al azar 3 cuadros y se
anotaron sus cosechas como sigue:
Solución:
PRUEBA
FERTILIZANTES
1 2 3 4 5
1 57 26 39 23 48
46 38 329 36 35
28 20 43 18 48
2 67 44 57 74 61
72 68 61 47 60
66 64 61 69 75
3 95 92 91 98 78
90 89 82 85 89
89 99 98 85 95
4 92 96 98 99 99
88 95 93 90 98
99 99 98 98 99
Métodos Estadísticos Varela/Llanos/Asnate
PRUEBA
xi ..
ni .
FERTILI 1 2 3 4 5
ZANTES
57 26 39 23 48
1 46 38 329 36 35
28 20 43 18 48
nij 3 3 3 3 3 15
xij. 131 84 121 77 131 544
67 44 57 74 61
2 72 68 61 47 60
66 64 61 69 75
nij 3 3 3 3 3 15
xij. 205 176 179 190 196 946
95 92 91 98 78
3 90 89 82 85 89
89 99 98 85 95
nij 3 3 3 3 3 15
xij. 274 280 271 268 262 1355
92 96 98 99 99
4 88 95 93 90 98
99 99 98 98 99
nij 3 3 3 3 3 15
xij. 279 290 287 287 296 1441
n.j 12 12 12 12 12 N = 60
x.j. 889 830 822 822 885 x... = 4286
a)Construya una tabla de ANDEVA
b)Pruebe la hipótesis de iguales medias de variedad.
c)Pruebe la hipótesis de iguales medias de fertilizantes.
d)¿A qué conclusiones llega Ud. como resultado de éste
experimento?
Solución:
FILAS (A)
(544) 2 (946) 2 (1355) 2 (1441) 2 (4286) 2
SCA =
15 15 15 15 60
= 340223.867 – 306163.267
= 34060.6
Métodos Estadísticos Varela/Llanos/Asnate
COLUMNAS (B)
SCB =
(889) 2 (830) 2 (860) 2 (822) 2 (885) 2
306163.267
12 12 12 12 12
= 306477.5 – 306163.267
= 314.233
INTERACCIÓN (A B)
SCAB = 35282.733 – 34060.6 – 314.233 = 907.9
SUB TOTAL
SCSUB TOTAL =
(57) 2 (46) 2 (99) 2
..... 306163.267
3 3 3
= 341446 – 306163.267
= 35282.733
TOTAL
SCtotal = (57)2 + (46)2 + . . . . + (99)2 – 306163.267
= 343854 – 306163.267
= 37690.733
CUADRO ANVA
= 0.05
Modelo
Fuente SC G.L. Varianzas F teórico
Fijo
Filas (A) 34060.6 4-1 =3 11353.533 188.597 F0.95 (3) (40) = 2.84
Columnas (B) 314.233 5-1 =4 78.558 1.305 F0.95 (4) ( 40) = 2.61
Interacción (AB) 907.9 (3)(4) = 12 75.658 1.257 F0.95 (12) (40) = 2
Subtotal 35282.733 20-1 = 19 --
Error 2408 60-20 = 40 60.20
Total 37690.733 60-1 = 59
Métodos Estadísticos Varela/Llanos/Asnate
PROBLEMAS PROPUESTOS
PROBLEMA 01 : “ Cada cual con su juego”
PROBLEMA 02:
Un fabricante de papel utilizado para fabricar bolsas para caramelos,
está interesado en mejorar la resistencia a la tensión del producto. El
grupo de ingeniería del producto piensa que la resistencia a la tensión es
una función de la concentración de madera dura en la pulpa, y que el
rango de interés práctico de las concentraciones de madera dura está
entre 5 y 20%. El equipo de ingenieros responsable del estudio decide
investigar cuatro niveles de concentración de madera dura: 5, 10, 15 y
20”. Para ello, decide fabricar seis especímenes de prueba para cada
nivel de concentración, utilizando una planta piloto. Los 24
especímenes se someten a prueba en un probador de tensión de
laboratorio, en un orden aleatorio. Los datos de este experimento
aparecen en la tabla siguiente:
Tabla Resistencia del papel a la tensión (psi).
PROBLEMA 03 :
En Design and Analysis of Experiments, tercera edicación (John Wiley,
1991),D.C. Montgomery describe un experimento de un solo factor
donde se utiliza un modelo de efectos aleatorios, en el que una
compañía textil produce una tela en varios telares. La compañía tiene
interés en la variabilidad de la resistencia a la tensión de un telar a
otro. Para investigar esta variabilidad, un ingeniero de producción
selecciona al azar cuatro telares y determina la resistencia da la tensión
de las muestras de tela domadas aleatoriamente de cada telar. Los datos
obtenidos aparecen en la tabla siguiente:
Métodos Estadísticos Varela/Llanos/Asnate
Telar Observaciones Total Prome
1 2 3 4 dio
1 98 97 99 96 390 97.5
2 91 90 93 92 366 91.5
3 96 95 97 95 383 95.8
4 95 96 99 98 388 97.0
1527 95.45
PROBLEMA 04 :
Supóngase que en un experimento industrial un ingeniero está
interesado en cómo varía la absorción media de humedad en el concreto
de entre cinco diferentes mezclas de concreto. Las mezclas varían en el
porcentaje en peso de un cierto ingrediente importante. se exponen a la
humedad durante 48 horas. Se decide probar 6 para cada mezcla, lo que
requiere la prueba de un total de 30 muestras. Los datos se registran en
la tabla siguiente.
Absorción de humedad en mezclas de concreto
Mezcla (% de peso)
1 2 3 4 5
551 595 639 417 563
457 580 615 449 631
450 508 5.11 517 522
731 583 573 438 613
499 633 648 415 656
632 517 677 555 679
Total 320 3416 3663 2791 3664 16,854
Media 553.33 569.33 610.50 465.17 610.67 561.80
PROBLEMA 05 :
Parte del estudio “Serum Inorganic Phosphorus Levels in Children with
Seizure disorders Taking Anticonvulsant Drugs”, que se llevó a cabo en
la Virginia Polytechnic Institute and State University en 1982, se diseñó
para medir los niveles de actividad de fosfatasa alcalina de suero
(unidades Bessey – Lowry) en niños que padecían ataques convulsivos
y quienes habían recibido terapia anticonvulsionante bajo el cuidado de
un especialista privado. Se encontraron cuarenta y cinco sujetos para el
estudio y se clasificaron en cuatro grupos de acuerdo con la medicina
que se les proporcionó.
PROBLEMA 06 :
Parte del estudio “Serum Inorganic Phosphorus Levels in Children with
Seizure disorders Taking Anticonvulsant Drugs”, que se llevó a cabo en
la Virginia Polytechnic Institute and State University en 1982, se diseñó
para medir los niveles de actividad de fosfatasa alcalina de suero
(unidades Bessey – Lowry) en niños que padecían ataques convulsivos
y quienes habían recibido terapia anticonvulsionante bajo el cuidado de
un especialista privado. Se encontraron cuarenta y cinco sujetos para el
estudio y se clasificaron en cuatro grupos de acuerdo con la medicina
que se les proporcionó.
Detergente A: 77 81 71 76 80
Detergente B: 72 58 74 66 70
Detergente C: 76 85 82 80 77
PROBLEMA 08 :
Un laboratorista quiere comparar la fuerza de ruptura de tres clases de
cuerda y originalmente había planificado repetir cada determinación seis
veces. No obstante al no contar con el tiempo suficiente, debe basar su
análisis en los resultados siguientes (en onzas);
Cuerda 1: 18.0 16.4 15.7 19.6 16.5
18.2
Cuerda 2: 21.1 17.8 18.6 20.8 17.9
19.0
Cuerda 3: 16.5 17.8 16.1
Muestra de tela
Promedios
Totales por
Sustancia por
tratamiento
tratamiento
1 2 3 4 5
Respuesta: Puesto que f0 = 75.13 > f0.01,3,12 = 5.95 (el valor P es 4.79 x
10-8), se concluye que existe una diferencia significativa en las
sustancias químicas en cuanto al efecto que tienen sobre la resistencia
promedio de la tela.
PROBLEMA 10:
En un número reciente de la revista Fortune se relata el intento de un
importante empresa de electrónica para establecer un sistema que diera
a los empleados la oportunidad de calificar el rendimiento de sus
supervisores y otro personal directivo. Supongamos que se eligen al
azar a cinco empleados y se les pide que califiquen a cuatro de sus
directivos conforme a una escala de 10 a 50. los resultados podrían ser
los de la tabla siguiente:
Métodos Estadísticos Varela/Llanos/Asnate
Directivo (tratamiento)
Empleados 1 2 3 4 Xi
1 31 35 46 38 37.50
2 29 32 45 36 35.50
3 13 17 35 20 21.25
4 28 38 52 39 39.25
5 14 20 40 20 23.50
Xi 23 28.4 43.6 30.6
X 31.4
PROBLEMA 11 :
En un experimento se quieren comparar las capacidades de
reproducción de frecuencias bajas de 4 recubrimientos de cinta
magnética, y se van a efectuar 5 observaciones de cada uno. El
experimento podría realizarse en un DCA, simplemente obteniendo las
20 mediciones con la misma máquina reproductora y aleatorizando el
orden de las 20 observaciones. Nótese que aquí una unidad
experimental está definida por el orden de la observación. A pesar de lo
anterior el experimentador decir que es conveniente probar los
tratamientos bajo condiciones más diversas, y se propone utilizar 5
diferentes grabadoras para el experimento, utilizando cada grabadora
como un bloque en el que se probarán los 4 tratamientos
(recubrimientos). El propósito del experimento no es comparar las
grabadoras, las cuales han sido escogidas precisamente porque son de
diferentes calidades, sino comparar los 4 recubrimientos. En este caso
usar 4 grabadoras (bloques) distintas tiene el único propósito de que las
conclusiones del experimento sean válidas bajo diversas condiciones. Se
supone que el uso de varias grabadoras no introducirá mayor error en el
diseño porque las frecuencias se compararán exclusivamente dentro de
cada bloque. Una vez realizadas las 20 observaciones se obtiene los
Métodos Estadísticos Varela/Llanos/Asnate
siguientes resultados. Las respuestas son las frecuencias mínimas
reproducidas (en Hertz).
PROBLEMA 12 :
En un campo agrícola experimental se van a comparar 3 variedades de
maíz, con 6 repeticiones para cada variedad, o sea que se tienen 18
unidades experimentales (parcelas de igual tamaño y forma en este
caso). Una opción es realizar el experimento con aleatorización
irrestricta, pero el investigador sabe que la fertilidad del suelo en el
terreno disponible es tan variable que los resultados de un experimento
con aleatorización irrestricta pueden contaminarse por esa variabilidad.
En cambio su conocimiento del terreno le permite formar bloques de 3
unidades experimentales adyacentes dentro de los cuales la fertilidad del
suelo es más homogénea y, por lo tanto, decide realizar un experimento
en bloques aleatorizados completos. En este caso t = 3 y b = 6.
Antes de continuar con el problema vale al pena mencionar que
experimentos como el descrito son los más frecuentes en las ciencias
agrícolas. De hecho la idea de bloqie se originó en esta área
experimental, con la lógica de que unidades de terreno cercanas deben
Métodos Estadísticos Varela/Llanos/Asnate
tener una fertilidad similar, dando un criterio válido para el
agrupamiento. Esta idea no sólo es razonable, sino que es un excelente
problema de creatividad científica. Desafortunadamente, planear
experimentos con bloques se ha vuelto tan rutinario en la investigación
agrícola que el investigador raras veces se detiene a pensar si el criterio
de agrupación reduce la variabilidad en grado suficiente para compensar
la pérdida de grados de libertad en el C. M. ERROR. Nótese que con un
DCA. En el ejemplo que estamos examinando, se tendrían 15 grados de
libertad para el error, mientras que en el DBAC sólo se tienen 10. el
mensaje que queremos enviar es que realizar experimentos en bloques
no es necesariamente mejor que hacerlos con aleatorización irrestricta.
Pero dejando de lado la digresión anterior, supongamos que el
experimento descrito se realizó en bloques aleatorizados completos. En
la siguiente tabla se presenta los resultados de cálculos parciales
necesarios para obtener las S.C. Los números en la tabla son
rendimientos en Kg x Ha.
Tratamiento Bloque (grupo de 3 unidades con fertilidad Yi. Yi. 2
(variedad) similar) Y i.
1 2 3 4 5 6
1 2.3 2.9 3.1 3.4 3.0 2.0 16.7 2.78 278.89
2 2.1 2.7 3.5 3.6 2.9 2.5 17.3 2.88 299.29
3 1.9 3.1 3.6 3.5 3.1 2.4 17.6 2.93 309.76
2
Respuesta: F0 con F10 ,0.10 = 2.9245. Puesto que F0 < 2.9245, la
conclusión es que con un nivel de significancia de 0.10 las 3 variedades
de maíz tienen el mismo rendimiento.
PROBLEMA 13:
Para el ensamble de un artículo en particular se están considerando
cuatro máquinas diferentes, M1, M2, M3 y M4. Se decide que deben
Métodos Estadísticos Varela/Llanos/Asnate
utilizarse seis operadores diferentes en un experimento de bloques
aleatorizado para comparar las máquinas. Las máquinas se asignan a
cada operador en un orden aleatorio. La operación de las máquinas
requiere determinada destreza física y se anticipa que habrá una
diferencia entre los operarios en cuanto a la velocidad con la cual
operarán la maquinaria. Se registraron los siguientes tiempos, en
segundos, para el ensamble del producto determinado.
Operador 1 M2 M4 M3 M1
39.8 41.3 40.2 42.5
Operador 2 M3 M1 M2 M4
40.5 39.3 40.1 42.2
Operador 3 M2 M1 M4 M3
40.5 39.6 43.5 41.3
Operador 4 M4 M2 M1 M3
44.2 42.3 39.9 43.4
Operador 5 M1 M3 M2 M4
42.9 44.9 42.5 45.9
Operador 6 M2 M4 M3 M1
43.1 42.3 45.1 43.6
PROBLEMA 14:
En relación con los datos, específicamente,
GPA GPA GPA
Bajo típico Alto
Escuela A 71 92 89
Escuela B
Escuela C 44 51 85
Escuela D 64 72
50
67 81 86
Pruebe en el nivel de significancia 0.05 si las diferencias entre las
medias obtenidas para las cuatro escuelas (tratamientos) son
significativas y también si las diferencias entre las medias obtenidas
para los tres niveles de GPA (bloques) son significativas.
Respuesta: F = 6.21 es mayor que 4.76, se debe rechazar l hipótesis
nula; en el caso de los bloques, puesto que F = 9.28 excede de 5.14, se
debe rechazar la hipótesis nula. En otras palabras, concluimos que la
lectura de comprensión promedio de los estudiantes de octavo grado no
es la misma para las cuatro escuelas y también que no es la misma para
los tres niveles de GPA.