Escolar Documentos
Profissional Documentos
Cultura Documentos
esperar que den igual resultado, el fracaso de obtener igual resultado en estas
condiciones se conoce como error experimental.
La palabra Error Experimental tiene para el Estadstico un significado mucho ms
general que en una situacin particular y reflejar:
1.
2.
3.
4.
5.
Errores de experimentacin
Errores de observacin
Errores de medicin
La variacin del material experimental
Los efectos combinados de todos los factores extraos que pudieran influir
en las caractersticas en estudio.
2.
3.
1.4
LA VARIANZA
Parmetro:
Estadstica:
(x
=
=
)2
( xi x ) 2
n 1
x
=
2
i
x
=
2
i
( x ) 2 / n
n 1
E (s 2 ) = 2
La varianza de la distribucin en el muestreo de la varianza muestral es:
Var ( s 2 ) =
2 4
n 1
es ( s ) = Var ( s 2 ) =
2 4
n 1
E(s 2 ) = 2
La varianza de la distribucin en el muestreo de la varianza muestral es:
Var ( s ) =
1
(n 3) 2
4
2
n
(n 1)
es( s) = Var ( s 2 )
1.5
LA DESVIACION TIPICA
= 2
s = s2
E ( s) =
y su error estndar:
es( s) =
2 ((n 2) / 2)!
n 1 ((n 3) / 2)!
2n
E (s)
El error estndar de la desviacin tpica muestral es aproximadamente igual a :
es ( s) =
en el que:
1.6
r2 =
2n
(r2 / 2) + 1
4
22
ANALISIS DE VARIANZA
(x
en donde:
ij
) 2 = n j ( j ) 2 + ( xij j ) 2
(Xij - )2
= Suma de cuadrados total
= SCT
2
nj (j - ) = Suma de cuadrados entre Tratamientos = SCE
(Xij - j)2 = Suma de cuadrados Residual = Error
= SCR
de donde:
SCT = SCE + SCR.
Si en el experimento intervienen de manera controlada dos o ms factores, entonces
la variacin total o suma de cuadrados total se particiona en la suma de cuadrados
para cada factor y la suma de cuadrados del error o residual.
En general, las suposiciones bsicas del anlisis de varianza son las mismas
asociadas con el anlisis de regresin:
Aditividad
Linealidad
Normalidad
Independencia
Varianzas homogneas
CAPITULO II
DISEO A UN CRITERIO DE CLASIFICACION
En este diseo, el experimento se realiza con la participacin de un solo factor o
variable independiente que est siendo controlado, asumiendo y verificando que los
restantes factores se mantienen en iguales condiciones para todas las unidades de
experimentacin en cada realizacin del experimento.
El factor se presenta dividido en categoras de variable o niveles de valor de la
variable, a las cuales conoceremos con el nombre de tratamientos, de forma que a
una unidad experimental se le aplicar un solo tratamiento; suele ser comn que uno
de los tratamientos implique la no aplicacin del factor, o que el factor tiene en ste
tratamiento su nivel mnimo, cero; en este caso, al tratamiento as asignado se le
denomina "testigo" y servir de elemento base para medir el efecto de los restantes
niveles del factor en la variable respuesta.
Este es un modelo en el cual los tratamientos, sometidos a experimentacin, son
asignados completamente al azar a las unidades experimentales o viceversa.
X ij = + j + ij
en el que:
Xij = Valor de la variable respuesta correspondiente a la isima
observacin del j-simo tratamiento, el que se considera
normalmente distribuido alrededor del promedio del tratamiento
j .
= Es el promedio general o promedio poblacional
j = Es el efecto del j-simo tratamiento
ij = Es el error o valor residual de la i-sima observacin del j-simo
tratamiento, que se considera es independiente de observacin
a observacin y est normalmente distribuido con valor esperado
2
2
igual a cero y varianza igual a , (0, ).
10
TRATAMIENTO
T2
?
Tj
X12
..
X1j
X22
J
X2j
Xi2
J
Xij
OBSERV.
1
2
i
:
n
T1
X11
X21
Xi1
Xn1
Xn2
...
TOTALES
# OBSER
MEDIAS
X1
n1
1
X2
n2
2
?
J
J
?.
J.
J.
J.
Ta
X1a
X2a
Xia
Xnj
....
Xna
Xj
nj
j
?.
J.
J.
Xa
na
a
X
n
En esta representacin, el tratamiento se generaliza como Tj y el nmero de los jsimos tratamientos incluidos en el experimento va de 1 hasta a, siendo a el nmero
total de tratamientos. Una observacin o medida de la variable respuesta en una
unidad experimental se generaliza por Xij y el nmero de las i-simas observaciones o
repeticiones del experimento en cada tratamiento va de 1 hasta n, generalizndose el
nmero de repeticiones en cada tratamiento por nj.
X j = X ij
j =
ij
nj
X =Xj
n = nj
(x
en donde:
ij
) 2 = n j ( j ) 2 + ( x ij j ) 2
ij
ij
de donde:
Variacin total = Variacin entre tratamientos + Variacin Residual
SCT
=
SCE
+
SCR
En la igualdad, la variacin est expresada como la suma de cuadrados y nos indica
que la variacin total en la variable respuesta (SCT), se descompone en una variacin
explicada por el efecto que producen los tratamientos en la variable respuesta,
variacin entre tratamientos (SCE); y, en la variacin debida al error experimental o
11
12
( X )
SCT = X
2
ij
ij
( X )
SCE =
SCR =
ij
nj
( X )
ij
( X )
2
ij
ij
FC =
( x ij ) 2
n
SCT = x ij2 FC
x 2j
SCE = FC
nj
SCR = SCT SCE
Realizados los clculos, en cualquiera de las formulaciones propuestas, se procede a
resumir los resultados en el cuadro de Anlisis de Varianza cuyo contenido y
representacin es el siguiente:
CUADRO DE ANALISIS DE VARIANZA
FUENTE DE
VARIACION
Tratamientos
Residual (Error)
Total
GRADOS DE
LIBERTAD
SUMA DE
CUADRADOS
CUADRADO MEDIO
ESTADISTICA DE
PRUEBA
a-1
n-a
n-1
SCE
SCR
SCT
CME = SCE / (a - 1)
CMR = SCR / (n -a)
Fc = CME / CMR
13
j - = 0
j - 0
14
Fc =
CME
CMR
3. Criterio de Decisin
El criterio de decisin para la aceptacin o el rechazo de la hiptesis planteada en el
problema es:
Rechazar la H0 si : Fc F , v1, v 2
en el que v1, corresponde a los grados de libertar del numerador, grados de libertad de
tratamientos (a - 1); y, v2, corresponde a los grados de libertad en el denominador,
grados de libertad del error (n - a). El valor tabular de F se lo obtiene directamente de
tablas pre calculadas, las mismas que se encuentran en las tablas del Anexo de
cualquiera de los textos de bibliografa presentados para el curso.
4. Ejecucin de clculos
Con los datos que el problema proporciona deben calcularse todas las sumas de
cuadrados, los cuadrados medio y el valor de la estadstica de prueba conforme se
present en el cuadro de anlisis de varianza.
5. Decisin
El proceso de prueba no termina si el estadstico no toma una decisin sobre la
aceptacin o rechazo de la hiptesis nula planteada y si no responde al interrogante
que plantea el problema. Con la decisin concluye el proceso de prueba y del anlisis
de varianza.
Conviene observar la mecnica de aplicacin del procedimiento y del clculo del
Cuadro de Anlisis de Varianza, con el desarrollo del siguiente ejercicio.
EJEMPLO:
Una empresa fabricante de vehculos desea probar el rendimiento de un determinado
modelo de automvil con tres tipos diferentes de gasolina; con cada tipo de gasolina
se realizan cuatro pruebas, en cada prueba se carga en el motor 3 galones de
gasolina y un conductor realiza el mismo recorrido hasta que el automvil se pare.
Los datos que se presentan a continuacin corresponden al kilometraje recorrido por
el automvil en cada prueba.
PRUEBA
1
2
3
4
15
Con el 95% de seguridad, puede el fabricante afirmar que esa clase de automvil
tiene un rendimiento exactamente igual con los tres tipos de gasolina?
SOLUCION:
Para iniciar la resolucin del problema planteado, es conveniente identificar las
caractersticas ms importantes del problema, plantear las hiptesis que
correspondan, especificar la estadstica de prueba, formular el criterio de decisin y
aplicar las frmulas al procesamiento de los datos.
Caractersticas del problema:
FACTOR:
TRATAMIENTO:
UNIDAD EXPERIMENTAL:
VARIABLE RESPUESTA:
NIVEL DE SIGNIFICACION:
MODELO:
Combustible
Clase de gasolina: A, B y C.
Automvil
Kilometraje recorrido
0,05
X ij = + j + ij
Fc =
Estadstica de Prueba:
Criterio de Decisin:
CME
CMR
Rechazar la H0 si : Fc F , v1, v 2
Clculos:
16
Xj =
nj =
j =
A
47
39
43
42
171
GASOLINAS
B
46
42
45
45
178
4
42.75
4
44.50
C
51
50
56
58
215
A
0
64
16
25
105
( x
ij
B
1
25
4
4
34
4
53.75
C
16
9
81
121
227
(x
A
18.0625
14.0625
0.0625
0.5625
32.75
Xij = 564
ij
B
C
2.25 7.5625
6.25 14.0625
0.25 5.0625
0.25 18.0625
9
44.75
= 47.00
GRADOS DE
LIBERTAD
3-1 = 2
12 - 3 = 9
12 - 1 = 11
SUMA DE
CUADRADOS
SCE = 279.5
SCR = 86.5
SCT = 366.0
CUADRADO
MEDIO
CME =139.75
CMR = 9.611
ESTADISTICA DE
PRUEBA
Fc = 14.5406
17
condiciones del problema, se tiene un nivel de significacin del 5%, con 2 grados de
libertad en el numerador, en correspondencia con el CME, y 9 grados de libertad en el
denominador, en correspondencia con el CMR, que visto en tablas corresponde a:
F, v1, v2 = F0.05, 2, 9 = 4.256
Decisin:
El criterio de decisin propuesto indica que se rechazar la H0 si se cumple: Fc F,
v1, v2; reemplazando valores tenemos que 14.54 4.256.
Dado que la desigualdad se cumple, rechazo la H0 y concluyo que no es verdadera la
afirmacin del fabricante, el vehculo tiene un rendimiento diferencial significativo
respecto del tipo de gasolina que se utilice.
Slo cuando se tomado una decisin sobre el problema planteado, podemos decir que
el anlisis estadstico ha concluido.
A iguales resultados, decisin y conclusin llegaremos aplicando la formulacin de
clculo alternativa. En el siguiente cuadro se observa el desarrollo del proceso de
clculo mediante la aplicacin de las siguientes formulaciones de clculo:
X2ij - ( Xij )2 / n
( Xij )2/ nj - ( Xij )2/ n
X2ij - ( Xij )2/ nj
SCT =
SCE =
SCR =
GASOLINAS
Xj =
A
47
39
43
42
171
B
46
42
45
45
178
C
51
50
56
58
215
nj =
Xij =
4
564
SCT =
SCT =
X
-
ij
2
ij
C
2,601
2,500
3,136
3,364
11,601
26,874
( Xij ) / n
2
SCT =
SCE =
SCE =
A
2,209
1,521
1,849
1,764
7,343
X ij
B
2,116
1,764
2,025
2,025
7,930
SCE =
SCR =
SCR =
SCR =
X ij - (Xij) / ni
2
2
2
26,874 - (171 /4 + 178 /4 + 215 /4) =
26,874 - 26,787.5 = 86.5
SCT =
366 =
366 =
SCE +
SCR
279.50 + 86.5
366.00
18
Los clculos presentados, sirven para aplicar una forma abreviada de clculo como se
presenta a continuacin:
FC
FC
FC
SCT = x2ij - FC
SCT = 26,874 - 26,508 =
SCT = 366
SCE = (x2j / nj) - FC = x2j/nj - FC
SCE = 26,787.5 - 26,508 =
SCE = 279.50
SCR = SCT - SCE =
SCR = 366 - 279.5 =
SCR = 86.5
Conforme lo refiere el Dr. Luis Romo Saltos en su texto "Mtodos de Experimentacin
Cientfica", el aplicar las frmulas abreviadas de clculo, tiene ventajas dado que es
un procedimiento ms rpido y susceptible a menores errores porque utiliza un menor
nmero de cifras para calcular los cuadrados.
De forma similar, podemos aprovechar el sofware instalado en los utilitarios de mayor
uso como la hoja electrnica EXCEL de Windows. En ste programa se puede
encontrar un mdulo de aplicacin para anlisis estadstico de datos, en el que se
incluye el Anlisis de Varianza; aplicado el sofware a los datos del problema, los
resultados que proporciona el sistema son los siguientes:
Anlisis de varianza de un factor
RESUMEN
Grupos
GASOLINA A
GASOLINA B
GASOLINA C
Cuenta
4
4
4
Suma
171
178
215
Promedio
42.75
44.50
53.75
Suma de
Cuadrados
279.5
86.5
Grados de
Libertad
2
9
Cuadrado
Medio
139.75
9.611
366
11
Varianza
10.92
3.00
14.92
ANLISIS DE VARIANZA
Fuente de
Variacin
Entre grupos
Dentro de grupos
Total
Fc
Probabilidad
Ft
14.54
0.00152
4.256
Como puede observarse, los resultados son exactamente los mismos que los
obtenidos con los procesos de clculo anteriores; as, el valor calculado de la
estadstica de prueba Fc = 14,540, es exactamente igual al obtenido en el clculo
anterior; el valor tabular de la estadstica de prueba Fc = 4,256, es el mismo que en
los clculos anteriores.
19
HOSPITAL 2
HOSPITAL 3
18
24
22
28
24
14
14
22
24
SOLUCION:
Caractersticas del problema:
FACTOR:
TRATAMIENTO:
UNIDAD EXPERIMENTAL:
VARIABLE RESPUESTA:
NIVEL DE SIGNIFICACION:
Modelos:
Hospitales pblicos
Hospital 1, 2 y 3.
Da laborable de la semana pasada
Nmero de intervenciones quirrgicas a pacientes
no hospitalizados.
0,05
X ij = + j + ij
Formulacin de la Hiptesis:
H0 : j = 0
HA : j 0
20
H0
HA
Estadstica de Prueba:
Fc =
CME
CMR
Criterio de Decisin:
Rechazar la H0 si : Fc F, v1, v2
Clculos:
CALCULO DE LA SUMA DE CUADRADOS
HOSPITALES
SUMA
nj
Xij =
H1
14
20
16
18
20
88
5
278
H2
18
24
22
28
92
4
FC =
(Xij )2 /n
FC =
H3
24
14
14
22
24
98
5
H1
196
400
256
324
400
1,576
X2ij
H2
324
576
484
784
2,168
2
Xij =
H3
576
196
196
484
576
2,028
5,772
SCT = Xij2 - FC
SCT = 5,772 - 5,520,29 = 251.71
SCT =
251,71
SCE = (Xj2 /nj) - FC
SCE = (882 /5 + 922 /4 + 982 /5) - 5,520,29
SCE =
SCR =
SCR =
SCR =
SCT - SCE
251,71 - 65,31 = 186,40
186,40
21
Ntese que con respecto al clculo del ejemplo anterior, la nica diferencia est en el
clculo de la Suma de Cuadrados de Tratamientos, SCE; para la situacin presente, el
denominador para la suma de cada tratamiento corresponde al nmero de
observaciones del tratamiento.
Con los resultados obtenidos elaboramos el cuadro de Anlisis de Varianza.
CUADRO DE ANALISIS DE VARIANZA
FUENTE DE
VARIACION
Hospitales
GRADOS DE
LIBERTAD
3-1 = 2
SUMA DE
CUADRADOS
65.31
CUADRADO
MEDIO
32.655
Residual (Error)
Total
14 - 3 = 11
14 - 1 = 13
186.4
251.71
16.945
ESTADISTICA
DE PRUEBA
Fc = 1.927
Cuenta
5
4
5
Suma
88
92
98
Promedio
17.60
23.00
19.60
Varianza
6.80
17.33
26.80
ANLISIS DE VARIANZA
Fuente de
Variacin
Entre grupos
Dentro de grupos
Total
Suma de
Grados de
Cuadrado
Cuadrados
Libertad
Medio
65.314
2
32.6571
186.4
11
16.9455
251.714
Fc
1.927
Probabilidad
0.1916
Ft
3.982
13
22
X ij = + j + ij
i = 1,2 J n
j = 1,2 J a
Residual (Error)
23
X ij = + A j + ij
i = 1, 2 J n
j = 1, 2 J.a
en donde:
Aj
ij
Residual (Error)
24
Adicionalmente a las pruebas citadas, existe otra de mayor versatilidad porque permite
la comparacin entre pares de tratamientos y/o entre subconjuntos de tratamientos,
sin las limitaciones y restricciones de aplicacin que los mtodos anteriores exigen,
ste mtodo es conocido como Funcin Lineal, el mismo que ser examinado con
algn detenimiento.
2.5.1 DIFERENCIA MINIMA SIGNIFICATIVA.
La Diferencia Mnima Significativa, denotada por DMS, es probablemente la prueba
ms utilizada para la comparacin entre pares de medias de tratamientos por su fcil
clculo. El procedimiento parte del hecho de que en el Anlisis de Varianza se
rechaz la Hiptesis nula y que consecuentemente la prueba F dio un valor
significativo; y que, los tratamientos a compararse tienen igual nmero de
repeticiones, esto es:
Fc
n1 = n2 = r
12 = 22 = 2 =
DMS = t / 2,v * x1 x 2
DMS = t / 2 ,v 2 / r
DMS = t / 2,v
2
CMR
r
en el que v = 2r 2
DMS = t / 2,v
2
CMR
r
El criterio de Decisin:
Se rechaza la hiptesis nula si: x i x j DMS
Si la diferencia observada entre dos promedios, i j, es mayor o igual a la DMS,
entonces rechazamos la hiptesis nula y concluimos que existe una diferencia
significativa entre los dos tratamientos sometidos a prueba.
Habindose calculado la DMS, se puede observar en una matriz de diferencias de
promedios aquellas que son significativas y las que no lo son. De forma que se
rechazar la Hiptesis nula:
Si
Dij DMS
25
Dij
SI
x1
x2
D12
x3
D13
x4
D14
xj
D1j
x1
x2
D23
D24
D2j
x3
D34
D3j
xi
DMS
Dij
La comparacin que se realiza a travs de la funcin lineal puede incluir todas las
medias de los tratamientos o slo una parte de stas. A manera de ejemplo, si el
experimento tiene 3 tratamientos, entonces podramos estar interesados en realizar
pruebas para verificar si ciertas comparaciones entre los tratamientos son
significativas. Las posibles comparaciones que puede realizar el investigador con las
hiptesis nulas y los correspondientes coeficientes ortogonales, son los siguientes:
HIPOTESIS NULA
COEFICIENTE ORTOGONAL
1
(1 - 2) = 0
-1
(1 - 3) = 0
-1
(2 - 3) = 0
-1
A DOCIMAR
26
(1 + 2)/2 - 3 = 0
-2
(1 + 3)/2 - 2 = 0
-2
(2 + 3)/2 - 1 = 0
-2
El clculo del error estndar de la funcin lineal depende de si los tratamientos tienen
o no igual nmero de repeticiones por tratamiento.
Si todos los tratamientos tienen igual nmero de repeticiones r, el error estndar de
la funcin lineal es igual a:
en donde:
L = /r * j2
L = /r * (12 + 22 + j2 + ... + a2)
= CMR
en donde:
= CMR
27
T1
37
26
39
23
48
50
TRATAMIENTO DE FERTILIZANTE
T2
T3
T4
67
95
102
68
95
96
57
91
102
74
105
103
61
78
99
68
85
117
T5
123
93
112
120
113
124
Fertilizante
Esquemas de fertilizacin, T1 al T5.
Parcela
Produccin de cebada medida en Klg.
0,05.
Modelo I, de efectos fijos.
X ij = + j + ij
Formulacin de la Hiptesis:
H0 : j = 0
HA : j 0
H0
Clculos:
28
F1
37
26
39
23
48
50
223
FC =
FC =
TRATAMIENTO DE
FERTILIZANTE
F3
F3
F4
67
95
102
68
95
96
57
91
102
74
105 103
61
78
99
68
85
117
395 549 619
Xij
Xij
F5
123
93
112
120
113
124
685
2471
F1
1369
676
1521
529
2304
2500
8899
F3
4489
4624
3249
5476
3721
4624
26183
F3
9025
9025
8281
11025
6084
7225
50665
F4
F5
10404 15129
9216
8649
10404 12544
10609 14400
9801 12769
13689 15376
64123 78867
228737
Xij2
(Xij )2 /n
(2471)2 /30 = 203528.03
SCT = Xij2 - FC
SCT = 228737 203528.03 =
25208.97
SCT = 25208.97
SCE = (Xj 2 /nj) - FC
SCE = (2232/6 + 3952/6 + 5492/6 + 6192/6 + 6852/6) 203528.03
SCE = 226590.17 203528.03 = 23062.13
SCR = SCT - SCE
SCR = 25208.97 23062.13
SCR = 2146.84
GRADOS
SUMA DE
CUADRADO
LIBERTAD CUADRADOS
MEDIO
Fertilizante
23,062.13
5765.53
Residual
(Error)
Total
25
2,146.84
85.87
29
25,208.97
Fc
67.14
CUADRADO
MEDIO
ESPERADO
85.873 + (6/4)
j2
29
T1
T2
28,67
T3
54,33
25,67
T4
66,00
37,33
11,67
T5
77,00
48,33
22,67
11,00
30
Siendo los i coeficientes ortogonales, se requiere que su sumatoria sea igual a cero;
para tal efecto tomamos de referencia la formulacin de la hiptesis nula planteada de
manera que si 1 = 4 entonces los restantes j sern iguales a 1, se verifica que j
=0, reemplazando en la funcin lineal tenemos:
L = 4(37.17) + (-1)65.83 + (-1)91.5 + (-1)103.17 +(-1)114.17
L = -225.69
El error estndar de la funcin:
L
L
L
L
de donde:
=
=
=
=
/r * j2
/r * (12 + 22 + 32 + ... + a2)
9.267/6 * (42 + (-1)2 + (-1)2 + (-1)2 + (-1)2 )
16.919
tc = L / L
tc = -225.69 / 16.919 = -13.357
31
=
=
=
=
/r * j2
/r * (12 + 22 + 32 + ... + a2)
9.267/6 * (02 + (1)2 + (1)2 + (-1)2 + (-1)2 )
7.566
tc = L / L
tc = -60.01 / 7.566 = -7.932
32
CAPITULO III
DISEO A DOS CRITERIOS DE CLASIFICACION
Conocido tambin como Modelo de dos vas o como Diseo en Bloque Completo
Azarizado, es aquel en el que el diseo experimental mantiene bajo control a dos
factores, cada uno con sus propios niveles de factor o categoras de variable, uno de
stos factores es denominado como Tratamientos y el segundo Bloques, de
manera que:
1. Las unidades experimentales se distribuyen bloques o estratifican en grupos de
manera que en cada grupo o bloque las unidades experimentales sean iguales o
relativamente homogneas y que el nmero de unidades experimentales sea igual
al nmero de tratamientos por investigar, o un mltiplo de stos; y,
2. Los tratamientos se asignan al azar a las unidades experimentales dentro de cada
bloque, de forma que aleatoriamente se determina un tratamiento a una unidad
experimental en cada bloque.
De acuerdo a lo especificado, una unidad experimental pertenece a un bloque o
agrupacin y es sometida a un solo tratamiento de investigacin.
4.1
CON
UNA
33
El efecto del i-simo tratamiento est dado por la diferencia entre su promedio y el
promedio general, esto es: - i , diferencia que est representada por i ; de
similar manera, el efecto del j-simo bloque est dado por la diferencia entre su
promedio y el promedio general, esto es: - j , diferencia que es representada por
j . Lo que se probar es si los efectos de los tratamiento y de los bloques son
estadsticamente significativos
Al igual que en el modelo de una va, ste modelo supone: aditividad, linealidad,
normalidad, independencia y varianzas homogneas.
Se acepta adems que para cada tratamiento j = 0 y que para cada bloque i = 0;
por lo tanto: j = i = 0.
La representacin simblica de datos de ste diseo es la siguiente:
B L O Q U E
TRATAMIENTO
B1
B2
Bj
...
Bb
Xi
T1
X11
X21
Xi1
...
Xa1
X 1
X12
X22
Xi2
...
Xa2
X 2
X1j
X2j
Xij
...
Xaj
Xj
...
...
...
...
...
...
X1b
X2b
Xib
...
Xab
X b
X1
X2
Xi
...
Xa
X
T2
Ti
?
Ta
Xj
=
=
=
=
=
( xij) /ab
x2ij - FC
(x2i / b) - FC
2
(x j / a) - FC
SCT SCE SCB
34
Ntese que el total marginal de cada tratamiento es utilizado para calcular la suma de
cuadrados para tratamientos, SCE, luego de ser elevado al cuadrado y dividido su
resultado por el nmero de bloques, b; y que el total marginal de cada bloque, elevado
al cuadrado y dividido para el nmero de tratamientos, a, se utiliza para estimar la
suma cuadrado de bloques, SCB.
Realizados los clculos, se procede a resumir los resultados en el cuadro de Anlisis
de Varianza cuyo contenido y representacin es el siguiente:
GRADOS DE
SUMA DE
CUADRADO MEDIO
LIBERTAD CUADRADOS
a-1
SCE
CME = SCE / (a - 1)
b-1
SCB
CMB = SCB / (b-1)
(a-1) (b-1)
SCR
CMR = SCR/(a-1)(b-1)
n-1
SCT
ESTADISTICA DE
PRUEBA
Fc = CME / CMR
Fc = CMB / CMR
CUADRADO MEDIO
ESPERADO
2 + b i / (a-1)
2 + a j / (b-1)
2
35
1. Formulacin de la Hiptesis:
Se realizarn dos pruebas, la primera que verifique si los tratamientos son
significativamente diferentes y la segunda comprobando si los bloques son
significativamente diferentes:
H0 : i = 0
HA : i 0
y
H0 : j = 0
HA : j 0
para tratamientos
para bloques
3. Criterio de Decisin
El criterio de decisin para la aceptacin o el rechazo de la hiptesis planteada en el
problema es:
Rechazar la H0 si :
Fc F, v1, v2
El criterio de decisin planteado es vlido tanto para tratamientos como para bloques.
4. Ejecucin de clculos
Con los datos que el problema proporciona deben calcularse las sumas de cuadrados,
los cuadrados medios y el valor de la estadstica de prueba conforme se present en
el cuadro de anlisis de varianza.
5. Decisin
El proceso de prueba termina cuando el investigador toma una decisin sobre la
aceptacin o rechazo de la hiptesis nula planteada y responde al interrogante que
plantea el problema. Con la decisin concluye el proceso de prueba y del anlisis de
varianza.
EJEMPLO:
En cierto experimento, se consider probar cuatro procedimientos diferentes para la
produccin de cierto producto. Se decidi utilizar seis operadores para comprobar la
bondad de los procedimientos de produccin, para esto cada operador deba trabajar
con cada uno de los procedimientos; la operacionalizacin de los procedimientos de
produccin requiere cierta destreza manual y se anticipa que habr una diferencia en
la velocidad con que los operadores manejen los procedimientos; para evitar cualquier
sesgo los procedimientos son asignados a cada operador al azar y slo por un da de
8 horas de trabajo. Al trmino de cada da, se contabiliz el nmero de unidades
producidas por el operador, los siguientes datos corresponden al nmero de unidades
producidas por da:
36
1
43
40
40
41
164
2
39
40
41
42
162
OPERADOR
3
4
40
40
41
42
41
43
44
44
166
169
5
43
43
45
46
177
6
44
43
45
42
174
TOTAL
249
249
255
259
1012
Probar para un nivel de significacin del 5%, que no existe una diferencia significativa
entre los procedimientos de produccin; y que, la diferencia en el promedio de
produccin de los operadores se debe nicamente al azar.
SOLUCION:
Caractersticas del problema:
FACTORES:
Procedimiento de produccin; y, Operadores
TRATAMIENTOS:
Procedimientos de produccin A, B, C y D.
BLOQUES:
Operador 1 al operador 6
UNIDAD EXPERIMENTAL:
Da de 8 horas de trabajo.
VARIABLE RESPUESTA: Nmero de unidades producidas
NIVEL DE SIGNIFICACION 0.05
MODELO:
Modelo I de Efectos Fijos
Xij = + i + j + ij
1. Formulacin de la Hiptesis:
H0 :
i = 0
HA :
i 0
H0 :
j = 0
HA :
j 0
para tratamientos
para bloques
Fc F, v1, v2
4. Ejecucin de clculos
37
PROCED.
PRODUCC.
A
B
C
D
TOTAL
1
1849
1600
1600
1681
6730
Xij2
3
1600
1681
1681
1936
6898
2
1521
1600
1681
1764
6566
4
1600
1764
1849
1936
7149
5
1849
1849
2025
2116
7839
6TOTAL
1936 10355
1849 10343
2025 10861
1764 11197
7574 42756
GRADOS DE
LIBERTAD
3
5
15
23
SUMA DE
CUADRADOS
12,00
42,83
28,50
83.33
CUADRADO
MEDIO
4,00
8,57
1,90
Fc
2,105
4,509
RESUMEN
A
B
C
D
OP 1
OP 2
OP 3
OP 4
OP 5
OP 6
Cuenta
6
6
6
6
Suma
Promedio Varianza
249
41.50
4.30
249
41.50
1.90
255
42.50
4.70
259
43.17
3.37
4
4
4
4
4
4
164
162
166
169
177
174
41.00
40.50
41.50
42.25
44.25
43.50
2.00
1.67
3.00
2.92
2.25
1.67
38
ANLISIS DE
VARIANZA
Fuente de Suma de Grados de Cuadrado
Variacin Cuadrados Libertad
Medio
Filas
12.00
3
4.00
Columnas
42.83
5
8.57
Error
28.50
15
1.90
Total
83.33
Fc
Probabilida
d
2.105
0.14247
4.509
0.01042
Ft
3.287
2.901
23
No se cumple la desigualdad, por lo tanto, acepto la hiptesis nula y concluyo que los
procedimientos de produccin no son significativamente diferentes, o lo que es lo
mismo, stos son igualmente efectivos.
Aplicado el criterio de decisin para bloques, que representan a los operarios, se
propone:
rechazar la H0 si :
Fc F0.05, 5, 15
4,509 2,901
se cumple.
39
utilizando la Funcin Lineal, cuyo procedimiento utiliza los totales de los tratamientos y
su finalidad es particionar la SCE, as como realizar comparaciones entre
tratamientos. En tal virtud, se enunciarn varias reglas que deben ser observadas.
Cualquier combinacin lineal de la forma:
L = 1T1 + 2T2 + jTi + .... aTa
Es una comparacin entre lo totales de tratamientos, sujeta a la restriccin de que:
i = 0
2
2
Entonces la relacin:
L / (r i )
Es parte de la suma de cuadrados de tratamientos asociado con 1 grado de libertad,
en la que:
i = Coeficiente ortogonal correspondiente al i-simo tratamiento.
Ti = Total del i-simo tratamiento.
r = Nmero de observaciones en uno cualquiera de los tratamientos
Ntese que el subndice i vara desde 1 hasta a nmero de tratamientos; y que,
ste ha reemplazado al subndice j del captulo anterior porque hemos representado
a los tratamientos en sentido de filas. Adems, en un diseo de bloques el nmero de
unidades experimentales es igual para cada tratamiento, por lo tanto r siempre
tendr el mismo valor para todos los tratamientos.
Para que dos o ms funciones lineales formen parte independiente o sean
componentes independientes de la suma de cuadrados de tratamientos, es
indispensable que stas sean mutuamente ortogonales.
Dos funciones lineales:
L1 = 11T1 + 12T2 + 1iTi + .... 1aTa
L2 = 21T1 + 22T2 + 2iTi + .... 2aTa
son mutuamente ortogonales si:
1121 + 1222 + 1323 + ... + 1i2i + ... + 1a2a = 0
1i2i = 0
o lo que es lo mismo:
L12
r 1i2
+ . L22
r 2i2
+ . L32 + . La-12 .
r 3i2
r a-1i2
40
Entonces la relacin:
En donde:
ri1i2i = 0
41
EJEMPLO:
Se van a probar seis raciones de alimentacin respecto de sus diferencias en el
engorde de novillos. Se dispone de 24 novillos para la experimentacin, que se
distribuyen en cuatro bloques, 6 novillos por bloque, clasificados en base a su peso al
inicio del experimento de engorde, los 6 novillos ms pesados se agruparon en un
bloque, en otro se agruparon los siguientes 6 novillos ms pesados y as
sucesivamente. Las raciones de alimentacin, denotadas por A, B, C, D, E, F y G,
fueron asignados aleatoriamente a los novillos dentro de cada bloque, de la siguiente
manera:
Bloque 1
Bloque 2
Bloque 3
Bloque 4
B
A
E
F
F
E
A
D
A
D
C
E
C
F
B
A
E
C
D
B
D
B
F
C
El incremento diario promedio del peso de cada novillo, expresado en kilogramos, fue
registrado con los siguientes resultados:
RACION
A
B
C
D
E
F
TOTAL
B1
1,5
1,4
0,9
2,3
2,7
3,6
12,4
BLOQUE
B2
B3
0,9
0,5
2,3
3,2
1,4
1,4
1,8
2,3
2,3
2,3
3,2
4,5
11,9
14,2
B4
0,9
1,9
2,3
2,3
3,6
4,1
15,1
TOTAL
3,8
8,8
6.0
8,7
10,9
15,4
53,6
Todos los novillos tuvieron como base de la racin la misma cantidad de pasto fresco
al que se aadieron determinados componentes, conforme se detalla:
RACION
A
B
C
D
E
F
COMPONENTES DE LA RACION
Solo pasto
Pasto + complemento alimenticio
Pasto + vitamina
Pasto + complemento alimenticio + vitamina
Pasto + 1.5 complemento alimenticio
Pasto + 1.5 complemento alimenticio + vitamina
Se desea verificar, para una significancia del 0.05, si existe una diferencia significativa
en la ganancia de peso de los novillos:
1. Debido a las raciones alimenticias.
2. Debido a las categoras de peso de los novillos al inicio del experimento.
3. Entre slo pasto y las restantes raciones alimenticias
4. Entre las raciones que incluyen complemento alimenticio + vitamina vs. Las que
incluyen slo complemento alimenticio.
42
NIVEL DE SIGNIFICACION
MODELO:
i = 0
HA :
i 0
H0 :
j = 0
HA :
j 0
para tratamientos
para bloques
Fc F, v1, v2
4. Ejecucin de clculos
X2ij
RACION
A
B
C
D
E
F
TOTAL
B1
2,25
1,96
0,81
5,29
7,29
12,96
30,56
B2
0,81
5,29
1,96
3,24
5,29
10,24
26,83
B3
0,25
10,24
1,96
5,29
5,29
20,25
43,28
B4
0,81
3,61
5,29
5,29
12,96
16,81
44,77
TOTAL
4,12
21,1
10,02
19,11
30,83
60,26
145,44
FC = 2872,96 / 24
43
FC = 119,71
SCT = 145,44 - 119,71
SCT = 25,73
SCE = (559,54/4) - 119,71
SCE = 20,18
SCB = (725,02/6) - 119,71
SCB = 1,13
SCR = 25,73 - 20,18 - 1,13
SCR = 4,42
Con los resultados obtenidos elaboramos el cuadro de Anlisis de Varianza
Grados de
Libertad
5
3
15
23
Suma de
Cuadrados
20,18
1,13
4,42
25,73
Cuadrado
Medio
4,04
0,38
0,29
Fc
Cuadrado medio
esperado
13,680
1,277
0.29 + 4 i / (5-1)
0.29 + 6 j / (4-1)
0.29
Ntese que se han reemplazo los valores para la determinacin del cuadrado medio
esperado de tratamientos y de bloques; en stos, el efecto de los i-simos
tratamientos sumados en todos los casos es igual a 0.29 + 4 i / (5-1). De similar
manera, el efecto de los j-simos bloques sumados en todos los bloques es igual a
0.29 + 6 j / (4-1).
Con el procesamiento de la informacin en el Excel, tenemos los siguientes
resultados:
Anlisis de varianza de dos factores con una sola muestra por grupo
RESUMEN
A
B
C
D
E
F
B1
B2
B3
B4
Cuenta
4
4
4
4
4
4
Suma
Promedio Varianza
3.8
0.950
0.170
8.8
2.200
0.580
6
1.500
0.340
8.7
2.175
0.063
10.9
2.725
0.376
15.4
3.850
0.323
6
6
6
6
12.4
11.9
14.2
15.1
2.067
1.983
2.367
2.517
0.987
0.646
1.935
1.354
44
ANLISIS DE VARIANZA
Fuente de
Suma de
Variacin
Cuadrados
Filas
20.178
Columnas
1.130
Error
4.425
Total
25.733
Grados de
Libertad
5
3
15
Cuadrado
Medio
4.036
0.377
0.295
Fc
Probabilidad
Ft
13.680
1.277
3.88E-05
0.318186
2.901
3.287
23
A - (B + C + D + E + F)/5 = 0
A - (B + C + D + E + F)/5 0
45
El valor 7.905 es una particin de la SCE con un grado de libertad, que explica el 39%
de la variacin en los tratamientos. Adems, se observar que r = 4 corresponde al
nmero de bloques o repeticiones y que cada tratamiento tiene igual nmero r = 4; se
verifica que la suma de los coeficientes ortogonales empleados en la funcin es igual
a cero; y que el valor de 30 corresponde a la suma de los cuadrados de los
coeficientes ortogonales empleados en la funcin lineal.
Para resolver el numeral 4 del problema, esto es para probar que no existe
diferencia significativa entre las raciones que incluyen complemento alimenticio +
vitamina con aquellas que incluyen slo complemento alimenticio, formulamos una
segunda particin que deber probar la hiptesis:
H0 : (D + F ) - (C + E) = 0
HA : (D + F ) - (C + E) 0
La funcin lineal a ser aplicada es:
L2 = AYA + BYB + CYC + DYD + EYE + FYF
L2 = 0(3.8) + 0(8.8) + (-1)6 + 1(8.7) + (-1)10.9 + 1(15.4)
L2 = 7.2
Su contribucin a la suma de cuadrados:
L12 / (r 1i2 )
(7.2)2 / 4(4) = 3.24
Este valor es una particin de la SCE con un grado de libertad; al igual que en caso
anterior r = 4 y se confirma que la suma de los coeficientes ortogonales empleados en
la funcin es igual a cero.
Debemos notar que las dos funciones lineales utilizadas son mutuamente ortogonales,
toda vez que se verifica que la suma de la multiplicacin de los coeficientes de la
primera y segunda funcin, es igual a cero:
1i2i = 0
1A2A + 1B2B + 1C2C + 1D2D + 1E2E + 1F2F = 0
5(0) + (-1)0 + (-1)(-1) + (-1)1 + (-1)(-1) + (-1)1 = 0
Consecuentemente, las dos funciones lineales planteadas son componentes
independientes de la suma de cuadrados de los tratamientos, con un grado de libertad
cada una.
Numeral 5 del problema, para verificar que no existe diferencia significativa entre la
racin que incluye complemento alimenticio ms vitamina vs. La que incluye 1.5 veces
complemento alimenticio ms vitamina, plantearemos otra funcin lineal que nos
permita realizar la comparacin entre estos tratamientos y que pruebe la hiptesis:
H0 :
HA :
D - F = 0
D - F 0
46
L12 / (r 1i2 )
2
(-6.7) / 4(2) = 5.611
B1 - B4 = 0
B1 - B4 0
L12 / (r 1i2 )
(-2.7)2 / 6(2) = 0.6075
GRADOS DE
SUMA DE
CUADRADO
LIBERTAD CUADRADOS
MEDIO
5
1
1
1
3
1
15
23
20.18
7.91
3.24
5.61
1.13
0.61
4.42
25.73
4.04
7.91
3.24
5.61
0.38
0.61
0.29
Fc
Ft
13.68
26.83
11.00
19.04
1.28
2.06
2.90
4.54
4.54
4.54
3.29
4.54
47
El factor Racin explica el 78.4% de la Variacin Total, el factor Bloque explica el 4.4%
y el error experimental comprende el 17.2% de la variacin total. Al explorar con
mayor profundidad en la variacin del factor racin, est fue dividida en tres
comparaciones mutuamente ortogonales que son componentes independientes que
explican el 83.1% de la variacin detectada en el factor, logrando mayor profundidad
de anlisis en los datos. Ntese adems, que el factor bloques puede tambin ser
explicado mediante la particin de sus componentes, en el problema se obtuvo uno de
stos que explica el 54% de la variacin del factor.
En lo que tiene relacin con la racin alimenticia de los novillos, todas las fuentes de
variacin tienen valor calculado de F superior al valor tabular, por tanto las
comparaciones sometidas a prueba tienen diferencia significativa. Podemos afirmar
con el 95% de seguridad que la racin de slo pasto produce un incremento de peso
significativamente menor al que producen raciones alimenticias que contienen pasto
ms otros elementos. De igual manera se puede afirmar que las dietas que contienen
pasto + complemento alimenticio + vitamina, producen mayor incremento en el peso
de los novillos que aquellas dietas que contienen slo pasto + complemento
alimenticio. Adems, se comprob que las raciones de pasto + complemento
alimenticio + vitamina, incrementan significativamente el peso si al complemento
alimenticio se dosifica con el 50% adicional de la dosis normal.
En cuanto a los bloques vemos que el valor calculado de F del factor bloques y su
particin es inferior al valor tabular, por tanto se concluye que no existe diferencia
significativa del incremento de peso de los novillos debido a la categora del peso del
novillo al ingreso en el experimento; esto se ratifica cuando al comparar los resultados
de los novillos ms pesados B1 con los menos pesados B4, existen diferencias que no
son estadsticamente significativas.
48
Este resultado nos indica que el diseo de bloques utilizado para el anlisis es
superior a si se hubiera utilizado un diseo de una sola va para el anlisis de los
tratamientos, la mejora es del 26.2%.
j = j = Iij = 0.
Lo que implica que para cualquier tratamiento, los bloques no tienen efecto debido a
que los efectos parciales de los bloques en el tratamiento se compensan; de igual
manera, el efecto de la interaccin es nula en cada tratamiento. De forma anloga,
para cada bloque, los tratamientos no tienen efectos porque los efectos parciales de
los tratamientos se compensan al igual que los de interaccin. La representacin
simblica de datos de ste diseo es la siguiente:
49
TRATAMIENTO
T1
T2
....
Ti
....
Ta
Repeticin
B1
B2
BLOQUE
...
Bj
1
2
X111
X112
X11
X121
X122
X12
X211
X212
X21
1
2
1
2
1
2
Bb
X1j1
X1j2
X1j
X1b1
X1b2
X1b
X1
X221
X222
X22
X2j1
X2j2
X2j
X2b1
X2b2
X2b
X2
Xi11
Xi12
Xi1
Xi21
Xi22
Xi2
Xij1
Xij2
Xij
Xib1
Xib2
Xib
Xi
Xa11
Xa12
Xa1
Xa21
Xa22
Xa2
Xaj1
Xaj2
Xaj
Xab1
Xab2
Xab
Xa
X1
X2
Xj
Xb
...
=
=
=
=
=
=
( xijk)2/abc
x2ijk - FC
2
(x i / bc) - FC
(x2j / ac) - FC
((x2ij / c) FC) (A + B)
SCT (A+B+C)
=
=
=
=
A
B
C
D
GRADOS DE
SUMA DE
CUADRADO MEDIO
LIBERTAD CUADRADOS
a-1
SCE
CME = SCE / (a - 1)
b-1
SCB
CMB = SCB / (b-1)
(a-1) (b-1)
SCI
CMI = SCI /(a-1)(b-1)
a*b (c-1)
SCR
CMR = SCR/ab(c-1)
n1
SCT
ESTADISTICA DE
PRUEBA
Fc = CME / CMR
Fc = CMB / CMR
Fc = CMI / CMR
Los Cuadrados Medios esperados para el Modelo I, o de efectos fijos, son los
siguientes:
50
FUENTE DE
VARIACION
Tratamientos
Bloques
Interaccin
Residual (Error)
TOTAL
CUADRADO MEDIO
ESPERADO
2
2
2
+ c ab + cb a
2
2
2
+ c ab + ca b
2
2
+ c ab
2
Fc F, v1, v2
EJEMPLO:
51
REP.
O1
M1
M2
M3
M4
1
2
1
2
1
2
1
2
SUMA
OPERARIO
O2
42.5
39.6
39.3
39.9
81.8
79.5
O3
Suma
42.9
41.6
84.5
245.8
39.8
40.1
79.9
40.5
42.3
82.8
42.5
43.1
85.6
248.3
42.2
43.5
85.7
42.3
43.4
85.7
44.9
45.1
90
261.4
43.3
43.2
86.5
43.5
44.2
87.7
45.9
42.3
88.2
262.4
333.9
335.7
348.3
1017.9
Mquinas y Operarios
Mquina M1, M2, M3 y M4
Operario O1, O2 y O3
Da de Trabajo
Tiempo que toma la produccin de un artculo
2
0.05
Modelo I, de efectos fijos
Xijk = + i + j + Iij + ijk
i = 0
HA :
i 0
H0 :
j = 0
HA :
j 0
52
H0 :
Iij = 0
HA : Iij 0
para tratamientos
para bloques
para la interaccin
3. Criterio de Decisin
Rechazar la H0 si :
Fc F, v1, v2
4. Ejecucin de clculos:
MQ.
REP.
M1
O1
X ij
O2
O3
1,806.25
1,568.16
1,840.41
1,544.49
1,592.01
1,730.56
3,350.74
3,160.17
3,570.97
1,584.04
1,640.25
1,806.25
1,608.01
1,789.29
1,857.61
3,192.05
3,429.54
3,663.86
1,780.84
1,789.29
2,016.01
1,892.25
1,883.56
2,034.01
3,673.09
3,672.85
4,050.02
1,874.89
1,892.25
2,106.81
1,866.24
1,953.64
1,789.29
3,741.13
3,845.89
3,896.10
11,483.12
13,957.01
14,108.45
15,180.95
43,246.41
Suma
M2
10,081.88
1
2
M3
10,285.45
1
2
M4
11,395.96
1
2
SUMA
n = a*b*c = 4 * 3 * 2 = 24
FC = (1017,9)2 / 24 = 43.171,68
SCT = 43246,41 - 43.171,68 = 74,73
53
GRADOS DE
LIBERTAD
SUMA DE
CUADRADOS
CUADRADO
MEDIO
Maquinaria
Operarios
Interaccin
Residual
3
2
6
12
37.36
15.39
5.92
16.06
12.45
7.70
0.99
1.34
TOTAL
23
74.73
Fc
Ft
9.307
5.751
0.738
3.49
3.89
3.00
5. Decisin:
El criterio de decisin establece que si el valor calculado de la estadstica F es igual o
mayor al valor tabulado de F, entonces se rechazar la hiptesis nula. Con los
resultados expuestos en el cuadro anterior y aplicado este procedimiento,
examinemos las decisiones que debemos tomar.
En general,
Fc F, v1, v2
9.307
5.751
0.738
54
O1
O2
O3
Total
2
81.8
40.90
5.12
2
79.5
39.75
0.05
2
84.5
42.25
0.85
6
245.8
40.97
2.45
2
79.9
39.95
0.04
2
82.8
41.40
1.62
2
85.6
42.80
0.18
6
248.3
41.38
1.99
2
85.7
42.85
0.845
2
85.7
42.85
0.605
2
90
45
0.02
6
261.4
43.57
1.53
Cuenta
Suma
Promedio
Varianza
2
86.5
43.25
0.005
2
87.7
43.85
0.245
2
88.2
44.1
6.48
6
262.4
43.73
1.50
Total
Cuenta
Suma
Promedio
Varianza
8
333.9
41.74
2.98
8
335.7
41.96
3.09
8
348.3
43.54
2.41
M2
Cuenta
Suma
Promedio
Varianza
M3
Cuenta
Suma
Promedio
Varianza
M4
Los resultados del anlisis presentan informacin bsica del nmero de elementos
considerados en el clculo, la suma, promedio y varianza de cada nivel de la variable
considerada. Los resultados del anlisis de varianza se presentan a continuacin:
ANLISIS DE VARIANZA
Fuente de
Suma de Grados de
Variacin
Cuadrados Libertad
Muestra
37.36
3
Columnas
15.39
2
Interaccin
5.92
6
Dentro del grupo
16.06
12
Total
74.73
Cuadrado
Medio
12.45
7.70
0.99
1.34
Fc
Probabilidad
Ft
9.31
5.75
0.74
.0019
.0177
.6294
3.49
3.89
3.00
23
55
4.5
DATOS FALTANTES
(aT + bB - S)
(a 1)(b 1)
en donde:
Xij = Observacin faltante a estimar.
a = Nmero de tratamientos
T = Total del tratamiento en el que existe un dato faltante.
b = Nmero de bloques
B = Total del bloque en el que existe el dato faltante.
S = Sumatoria de todas las observaciones.
56
CAPITULO IV
DISEO CUADRADO LATINO
Este diseo permite controlar los tratamientos de experimentacin con dos factores
adicionales ubicados uno en filas y otro en columnas; difiere de los diseos antes
descritos porque controla dos fuentes de variacin de las cuales el investigador tiene
algn conocimiento lo que le permite ganar eficiencia, aumentar la precisin del
anlisis y explicar con mayor profundidad la variacin en la variable respuesta.
Se lo utiliza con mucha frecuencia en experimentos agrcolas e industriales porque le
permite al investigador delimitar los efectos relativos a varios tratamientos cuando se
imponen controles de doble va a las unidades de experimentacin.
En este diseo, el nmero de tratamientos k determina el nmero de filas y de
columnas, consecuentemente el nmero de ensayos es K2 y cada tratamiento debe
hallarse una sola vez en cada fila y en cada columna. Los tratamientos se denotarn
por letras latinas maysculas: A, B, C, ....
Para elaborar un cuadrado latino se anotar un arreglo sistemtico de letras y se
reacomodarn filas y columnas en forma aleatoria, luego se asignan aleatoriamente
tratamientos a las letras, as por ejemplo:
CUADRADOS LATINOS
4X4
3X3
FILA
1
2
3
COLUMNA
1
2
3
A
B
C
B
C
A
C
A
B
FILA
1
2
3
4
1
A
B
C
D
COLUMNA
2
3
B
C
C
D
D
A
A
B
4
D
A
B
C
57
en el que:
Xijk = Valor de la variable respuesta correspondiente al isimo nivel del
factor fila, al j-simo nivel del factor columna y al k-simo
tratamiento.
= Es el promedio general o promedio poblacional
i = Es el efecto del i-simo nivel del factor fila
j = Es el efecto del j-simo nivel del factor columna.
k = Es el efecto del k-simo tratamiento.
ijk = Es el error o valor residual del k-simo tratamiento, del i-simo
factor fila y del j-simo factor columna, que se considera es
independiente de observacin a observacin y est normalmente
distribuido con valor esperado igual a cero y varianza igual a 2 ,
2
(0, ).
Para
j = j = k = 0.
La suposicin aditividad del modelo implica que los tres factores: tratamientos, filas y
columnas son aditivos; y, se infiere que la media de tratamientos Xk es una estimatriz
imparcial de + k , en la que los efectos de filas y de columnas se cancelan debido a
la simetra del diseo. Las dems caractersticas del modelo a dos criterios son
similares.
Las formulaciones de clculo para las sumas de cuadrados son las siguientes:
FC
SCT
SCF
SCC
SCE
SCR
=
=
=
=
=
=
( xijk)2/a2
x2ijk - FC
2
(x i / a) - FC = A
(x2j / a) - FC = B
(x2k / a) - FC = C
SCT (A + B+ C) = D
GRADOS DE
LIBERTAD
a-1
a-1
a-1
(a-1) (a-2)
2
a -1
SUMA DE
CUADRADOS
SCE
SCF
SCC
SCR
SCT
CUADRADO MEDIO
CME = SCE / (a -1)
CMF = SCF / (a-1)
CMC = SCC / (a-1)
CMR = SCR/(a-1)(a-2)
ESTADISTICA DE
PRUEBA
Fc = CME / CMR
Fc = CMF / CMR
Fc = CMC / CMR
El anlisis de varianza del cuadrado latino permite aislar las variaciones debidas al
factor fila, las variaciones del factor columna y aquellas debidas a los tratamientos; en
consecuencia disminuye la variacin del error experimental y la prueba resulta ms
sensible para detectar cualquier diferencia significativa.
La principal restriccin en la utilidad del cuadrado latino es que el nmero de
repeticiones es igual al nmero de tratamientos.
58
H0 : i = 0
HA : i 0
H0 : j = 0
HA : j 0
H0 : k = 0
HA : k 0
2. Estadstica de prueba
La estadstica de prueba que se utilizar es:
Fc = CMF / CMR
Fc = CMC / CMR
Fc = CME / CMR
para filas
para columnas
para tratamientos
3. Criterio de Decisin
El criterio de decisin para la aceptacin o el rechazo de las hiptesis planteadas en el
problema es:
Rechazar la H0 si :
Fc F, v1, v2
59
EJEMPLO:
Se realiz un experimento para estudiar el efecto de cinco raciones de alimentacin
(A, B, C, D, E), con diferencias en el contenido protenico, aplicadas a cinco vacas
diferentes en las que se midi el promedio diario de produccin de leche durante cinco
perodos de produccin de leche. Los siguientes datos muestran la produccin
promedio diaria en kilogramos, registrados durante el ao pasado.
PERIODOS DE
PRODUCCION
1
B
33.1
C
34.4
D
30.7
E
28.7
E
28.7
A
28.8
A
31.4
TOTAL
B
22.3
28.9
22.3
152.8
136.5
TRATAMIENTO3 A
B
123.2
VACAS
4
D
26.4
34.6
A
24.9
28.8
B
20.0
31.9
C
18.7
31.0
E
15.8
30.9
105.8
C
141.9
TOTAL
33.9
162.4
28.0
141.1
22.7
132.1
21.3
124.7
19.0
116.9
124.9
677.2
B
C
D
A
157.2
D
133.1
5
E
E
129.1
TOTAL
149.9
677.2
Probar para un nivel de significacin del 1%, si la produccin promedio diaria de leche
es significativamente diferente debido a la dieta alimenticia, a las vacas o al perodo
de produccin.
DESARROLLO:
Caractersticas del problema:
FACTORES:
TRATAMIENTO:
FACTOR FILA:
FACTOR COLUMNA:
VARIABLE RESPUESTA:
UNIDAD EXPERIMENTAL:
NIVEL DE SIGNIFICACION
MODELO
Ntese que los tratamientos han sido sumados independientemente de fila y de columna y se presentan
como totales al final del cuadro.
60
1. Formulacin de la Hiptesis:
H0 :
i = 0
HA :
i 0
H0 :
j = 0
HA :
j 0
H0 :
k = 0
HA :
k 0
3. Criterio de Decisin
Fc F, v1, v2
Rechazar la H0 si :
4. Ejecucin de clculos
FC = (677,2)2 / 25 = 18.343,99
GRADOS
LIBERTAD
SUMA DE
CUADRADOS
CUADRADO
MEDIO
Alimentacin
Perodos
Vacas
Residual
Total
4
4
4
12
24
89.27
245.82
353.12
21.34
709.55
22.32
61.46
88.28
1.78
Fc
12.55
34.56
49.64
61
5. Decisin:
Conforme se estableci como criterio de decisin, se rechazar la Hiptesis nula si el
valor calculado de la estadstica de prueba fuera superior o igual al valor tabulado de
la misma, esto es:
si :
Fc F, v1, v2
Fc 5,41
Como puede observarse, las tres hiptesis nulas planteadas son rechazadas y
concluimos que: El promedio diario de produccin de leche es significativamente
diferente debido a la dieta alimenticia; debido al perodo de produccin de la vaca y
debido a la vaca.
CMF
CMC
CMR
a
=
=
=
=
Sustituyendo los valores con los resultados del ejemplo desarrollado tenemos que la
eficiencia relativa es igual a:
61,46 + 88,28 + (5 1) * 1,78
(5 + 1) * 1,78
= 14,687
lo que significa que el diseo cuadrado latino mejor el anlisis, lo hizo ms eficiente
en un 1.368,7%, con respecto a si el diseo hubiese sido a un criterio de clasificacin.
Si lo que interesa es obtener la eficiencia del diseo cuadrado latino en comparacin a
un diseo en bloques, o diseo a dos criterios de clasificacin, sta es igual a:
CMC + (a 1)CMR
a*CMR
Reemplazando valores tenemos:
que significa que el diseo empleado fue ms eficiente que un diseo en bloques en
un 971,9%.
62
la informacin perdida, pero realiza una estimacin ms adecuada con los datos con
que se cuenta, la frmula de clculo para la estimacin del valor es:
a (F + C + T) - 2S
(a 1) (a 2)
en donde:
a
F
C
T
S
=
=
=
=
=
Nmero de tratamientos
Suma de la fila del dato faltante
Suma de la columna del dato faltante
Suma del tratamiento del dato faltante
Suma total de todas las observaciones.
63
CAPITULO V
DISEO FACTORIAL
Uno de los adelantos notables de la metodologa de la experimentacin consiste en
combinar las variantes independientes, subdividas, a propsito, en niveles, de tal
modo que el plan factorial resultante permita determinar cuantitativamente los efectos
que tienen en la variable dependiente, las variables independientes o factores por s
4
mismos y en todas las combinaciones
En pocas pasadas se aconsejaba que se estudiara cada factor a la vez, dedicndole
un experimento por separado a cada factor; ms tarde Fisher indic que se obtenan
ventajas de importancia si se combinaban varios factores en un mismo experimento
factorial, siendo sta altamente eficaz porque cada observacin proporciona
informacin sobre todos los factores comprendidos en el experimento y determina las
relaciones entre los efectos de los diferentes factores.
En un experimento factorial se investigan simultneamente los efectos de cierto
nmero de factores con igual o diferente nmero de niveles por factor. Los
tratamientos del experimento corresponden a las combinaciones que puedan formarse
entre los distintos niveles de cada factor.
Por ejemplo, si el factor A interviene con dos niveles: a1 y a2; y el factor B interviene
con niveles b1 y b2, entonces el nmero de tratamientos del experimento es cuatro,
formado por las combinaciones: a1b1, a1b2, a2b1 y a2b2; si el factor B tuviese tres
niveles, entonces el nmero de tratamientos del experimento ser de seis: a1b1, a1b2,
a1b3, a2b1, a2b2 y a2b3.
Un experimento factorial es aquel que se realiza con dos o ms factores y los ensayos
del experimento se realizan en todas las combinaciones de los niveles de los factores.
Los conceptos estadsticos presentados en los captulos precedentes son vlidos para
el diseo factorial y en particular se continuar con el uso del anlisis de varianza
como herramienta bsica para el anlisis estadstico de datos.
Entre las principales ventajas de la utilizacin del diseo factorial est en que este
significar un ahorro considerable de tiempo y material dedicado a los experimentos;
permite detectar e identificar los efectos simples y principales, as como aquellos
debidos a una combinacin particular de niveles de los factores, proporcionando
informacin sobre los efectos de los factores y sobre sus relaciones entre s.
Cochran y Cox, sugieren que es recomendable utilizar la experimentacin factorial en:
1. Trabajos de exploracin, en los que el objeto es determinar rpidamente los
efectos de cada uno de cierto nmero de factores dentro de un intervalo
especfico.
2. En investigaciones de las interacciones entre los efectos de varios factores;
frecuentemente la informacin se obtiene mejor probando todas las
combinaciones.
3. En experimentos diseados para poder llegar a recomendaciones que deben
aplicarse a una gran variedad de condiciones similares a las encontradas en la
poblacin en la cual se van a aplicar dichas recomendaciones.
Luis Romo Saltos, Mtodos de Experimentacin Cientfica, captulo XI, pgina 261.
64
FACTOR B
b1
b2
FACTOR A
a1
a2
a1b1
a2b1
a1b2
a1b2
Si a1 representa el nivel inferior del factor A y a2 el nivel superior del factor, entonces la
diferencia (a2 - a1) proporciona una medida del cambio del factor A. De similar
manera, si b1 representa el nivel inferior del factor B y b2 el nivel superior del factor,
entonces la diferencia (b2 - b1) proporciona una medida del cambio del factor B.
Supongamos que se realiza una sola medicin de la variable respuesta para cada
combinacin aibj , entonces la diferencia:
a2b1 - a1b1 =
a2b2 - a1b2 =
que se conocen como efectos simples o efectos parciales de a en cada nivel del factor
b. El efecto principal se mide promediando los efectos del factor en todos los niveles
del restante factor:
( (a2b1 - a1b1) + (a2b1 - a1b2) ) / 2 =
(a2b2 + a2b1 - a1b2 - a1b1) / 2
=
De similar manera:
a1b2 - a1b1 =
a2b2 - a2b1 =
65
son los efectos simples o efectos parciales de b en cada nivel del factor a. El efecto
principal se mide promediando los efectos del factor en todos los niveles del restante
factor:
( (a1b2 - a1b1) + (a2b2 - a2b1) ) / 2 =
(a2b2 + a1b2 - a2b1 - a1b1) / 2
=
Este diseo es aquel en el que intervienen dos factores a dos niveles cada factor; en
2
la expresin 2 , la base corresponde el nmero de niveles por factor y el exponente
al nmero de factores.
Los factores son A y B, cada uno a dos niveles: a1 y a2 para el factor A; y, b1 y b2 para
el factor B. El nmero de tratamientos posibles es igual al nmero de niveles del
factor A por el nmero de niveles del factor B, esto es: 2 x 2 = 4 tratamientos
especficos: a1b1, a1b2, a2b1 y a2b2.
En los que a1 representa el nivel inferior del factor A y a2 el nivel superior del factor, b1
representa el nivel inferior del factor B y b2 el nivel superior del factor. Cada
tratamiento puede tener una o ms repeticiones.
Una notacin ms compacta y estndar en el trabajo estadstico es aquella que
reemplaza la presencia del nivel superior con la letra latina minscula del factor, por
ejemplo, si en el tratamiento est presente el nivel a2 entonces se anotar
nicamente a, si est presente el nivel b2 se anotar nicamente b; si en el
tratamiento est presente el nivel inferior del factor, se omite escribir la letra del factor,
por ejemplo si el tratamiento es y a1b2 se escribir nicamente b. De esta forma los
tratamientos a considerar, sern expresados por:
66
NOTACION ANTERIOR
a1b1
a1b2
a2b1
a2b2
NOTACION
COMPACTA
(1)
b
a
ab
Ntese que el tratamiento que considera los niveles inferiores de los dos factores se
expresan como (1). Si los indicados son tratamientos, entonces, la suma de
cuadrados de tratamientos puede ser particionada para obtener los efectos principales
de cada factor as como su interaccin, examinemos su procedimiento con la nueva
notacin:
Los efectos simples del factor A para cada nivel del factor B son:
a - (1)
ab - b
El efecto principal de A se mide promediando los efectos simples del factor en todos
los niveles factor B:
( (a - (1)) + (a - b) ) / 2 =
(ab + a - b - (1)) / 2
=
El efecto principal de B se mide promediando los efectos simples del factor en todos
los niveles del factor A:
( (b - (1)) + (ab - a) ) / 2 =
(ab + b2 - a - (1)) / 2
=
67
TRATAMIENTO
a1 b1 = (1)
a2 b1 = a
a1 b2 = b
a2 b2 = ab
Sumatoria
Divisor para el efecto principal
Efecto principal
Divisor Suma de cuadrados
Contribucin suma de Cuadrados
Una forma sencilla y til para establecer los signos de los coeficientes ortogonales
consiste en que para obtener el efecto principal de un factor, los coeficientes sern
positivos si el tratamiento tiene el nivel superior del factor y ser negativo si tiene el
nivel inferior del factor. Por ejemplo, si deseamos encontrar el efecto principal del
factor A tenemos que los signos de los coeficientes sern:
FACTOR
A
a1 b1
(1)
-1
a2 b1
a
+1
a 1 b2
b
-1
a2 b2
ab
+1
68
FACTOR
a1 b1
(1)
-1
-1
+1
A
B
AB
a2 b1
a
+1
-1
-1
a 1 b2
b
-1
+1
-1
a2 b2
ab
+1
+1
+1
i = 1, 2
a nmero niveles del factor A
j = 1, 2
b nmero niveles del factor B.
k = 1, 2, ... r, nmero de replicaciones
j = j = ij = 0.
2 + br i2 / (a-1)
2
2
+ ar j / (b-1)
2
+ r ij2 / (a-1)(b-1)
2
=
=
=
=
=
69
GRADOS DE
LIBERTAD
ab - 1
A
B
AB
a-1
b-1
(a-1)(b-1)
SCA
SCB
SCAB
Residual (Error)
(n - ab)
n1
SCR
SCT
CMR = SCR/(ab-1)(c-1)
TOTAL
SUMA DE
CUADRADO MEDIO
CUADRADOS
SCE
CME = SCE / (ab - 1)
ESTADISTICA DE
PRUEBA
Fc = CME / CMR
Fc = CMA / CMR
Fc = CMB / CMR
Fc = CMAB / CMR
En el cuadro de Anlisis de Varianza que antecede, los grados de libertad y las sumas
de cuadrados de los factores A, B y a su interaccin AB, son iguales a los grados de
libertad y a la suma de cuadrados de Tratamientos, respectivamente:
(a 1) + (b 1) + ((a-1)(b-1)) = ab 1 grados de libertad; y,
70
EJEMPLO:
Se ha definido la fatiga de corrosin en los metales como la accin simultnea del
esfuerzo cclico y del ataque qumico en una estructura de metal. Una tcnica
ampliamente utilizada para minimizar el dao de la fatiga de corrosin en el aluminio
involucra la aplicacin de un recubrimiento protector. El estudio realizado por el
Departamento de Ingeniera Mecnica de Virginia Polytechnic Institute and State
University en 1.979 se utilizaron dos diferentes niveles de humedad:
Bajo: 20 25% de humedad relativa
Alto: 86 91% de humedad relativa
Y dos tipos de recubrimiento de la superficie:
Sin recubrimiento: No cubierto
Anodizado: Recubrimiento xido andico de cido sulfrico.
Se registraron lo datos de fatiga de corrosin, expresados en miles de ciclos de
fracaso, como sigue:
RECUBRIMIENT
HUMEDAD
BAJA
ALTA
Sin recubrimiento
361
466
1069
469
937
1357
1344
1027
663
1216
1097
1011
Anodizado
114
1236
533
1032
92
211
78
387
130
466
107
327
r1 = Sin recubrimiento
r2 = Anodizado
Humedad Relativa (H) a dos niveles:
h1 = Baja
h2 = Alta
TRATAMIENTOS:
Cuatro tratamientos de la combinacin de niveles:
r1h1
r1h2
r2h1 r2h2.
VARIABLE RESPUESTA: Fatiga de corrosin expresado en miles de ciclos de
fracaso.
UNIDAD EXPERIMENTAL: Planchas de aluminio.
NIVEL DE SIGNIFICACION 0.05
MODELO:
Xijk = + i + j + ij + ijk
71
Formulacin de Hiptesis:
H0 :
i = 0
HA :
i 0
H0 :
j = 0
HA :
j 0
H0 :
ij = 0
HA :
ij 0
Estadstica de prueba:
Fc = CMA
CMR
Criterio de Decisin:
Clculos:
Ntese que de acuerdo con el modelo propuesto i representa el efecto del primer
factor, R recubrimiento; j representa el efecto del segundo factor, H humedad
relativa; ij representa el efecto de la interaccin RH; y, k representa el efecto de las
replicaciones. Por otro lado, se observa que el experimento cuenta con seis
replicaciones en cada tratamiento, para facilitar el proceso de clculo podemos
reordenar los datos del experimento y proceder de la siguiente manera:
TRATAMIENTO
r1h1 =
r1h2 =
r2h1 =
r2h2 =
(1)
h
r
rh
P1
P2
361
1344
114
78
469
1216
1032
466
REPLICACIONES
P3
P4
466
1027
1236
387
937
1097
92
107
P5
P6
1069
663
533
130
1357
1011
211
327
72
RESUMEN
(1)
h
r
rh
Cuenta
6
6
6
6
P1
P2
P3
P4
P5
P6
4
4
4
4
4
4
Error
Total
Varianza
162.380.70
53.491.87
243.373.87
27.156.57
474.25
795.75
779.00
558.25
598.75
726.50
352.028.25
149.308.25
173.995.33
284.906.25
149.770.92
301.270.33
1897.0
3183.0
3116.0
2233.0
2395.0
2906.0
ANLISIS DE VARIANZA
FV
SC
Tratamientos
2.143.794,83
R
H
RH
Suma
Promedio
4659.0
776.50
6358.0
1.059.67
3218.0
536.33
1495.0
249.17
GL
3
CM
714.598,28
1.655.850,67
24,00
487.920,17
1
1
1
1.655.850,67
24,00
487.920,17
2.432.015,00
4.575.809,83
20
23
121.600,75
Fc
Probabilidad
5,877
0,0048
13,617
0,000
4,012
0,0015
0,9889
0,0589
Ft
3,098
4,351
4,351
4,351
Del que se puede concluir que los tratamientos son significativamente diferentes y que
las replicaciones no tienen un efecto significativo diferencial. Procedemos a calcular la
significacin del efecto principal de cada factor y su interaccin.
EFECTO FACTORIAL
R
H
RH
-1
-1
1
-1
1
-1
1
-1
-1
1
1
1
73
TRATAMIENTO
EFECTO FACTORIAL
R
RH
-1
(4.659,00)
(4.659,00)
4.659,00
(6.358,00)
6.358,00
(6.358,00)
3.218,00
(3.218,00)
(3.218,00)
rh
1.495,00
1.495,00
1.495,00
SUMA
(6.304,00)
12
(525)
(24,00)
12
(2)
(3.422,00)
12
(285)
24
24
24
1.655.850,67
24,00
487.920,17
2.143.794,83
74
75
Otra forma de obtener el mismo resultado es utilizar, la suma del efecto factorial
6.304 y dividirlo para el Divisor para el Efecto Principal 12
que nos indica que, cuando el metal no tiene recubrimiento, el cambio de la humedad
relativa baja a la humedad relativa alta, produce un incremento en la fatiga de
corrosin del metal de 283,17 miles de ciclos de fracaso.
Si examinamos el efecto del cambio de la humedad relativa, medido en metales con
recubrimiento anodizado, encontramos que:
(r2h2 - r2h1) / 6 = (rh - r) =
(1.495 - 3.218) / 6 = -287,17
76
Dado que la respuesta del factor es diferencial entre los niveles del otro factor, la
interaccin tiene una magnitud, que debe ser comprobada si sta es o no significativa
en el cambio de la variable respuesta. La mejor manera de probar si la interaccin es
significativa, si esta sospecha es o no verdadera, es mediante una prueba de hiptesis
que docime: H0 : ij = 0, propuesta como tercera hiptesis, realizada la prueba se
decidi que la magnitud de interaccin encontrada no es significativa al nivel del 5%,
por lo tanto se acept la hiptesis nula planteada.
3
El diseo factorial dos al cubo es aquel en el que intervienen tres factores a dos
3
niveles por cada factor; en la expresin 2 , la base corresponde el nmero de niveles
por factor y el exponente al nmero de factores.
Los factores son A, B y C, cada uno a dos niveles: a1 y a2 para el factor A; b1 y b2 para
el factor B; y, c1 y c2 para el factor C. El nmero de tratamientos posibles es igual 23,
que corresponde al producto del nmero de niveles de A por el nmero de niveles de
B y de C, esto es: 2 x 2 x 2 = 8 tratamientos especficos: a1b1c1, a1b1c2, a1b2c1, a1b2c2,
a2b1c1, a2b1c2, a2b2c1, a2b2c2,
Expresando los tratamientos en la notacin utilizada, tenemos que:
NOTACION ANTERIOR
a1b1c1
a1b1c2
a1b2c1
a1b2c2
a2b1c1
a2b1c2
a2b2c1
a2b2c2
NUEVA NOTACION
(1)
c
b
bc
a
ac
ab
abc
TRATAMIENTOS
a1b1c1
a2b1c1
(1)
a
a1b2c1
a2b2c1
a1b1c2
a2b1c2
b
ab
c
ac
a1b2c2
a2b2c2
SUMA
bc
abc
AB
AC
BC
ABC
-1
1
-1
-1
-1
1
1
-1
-1
-1
-1
-1
1
-1
1
1
1
-1
-1
1
1
1
-1
1
-1
1
-1
-1
1
1
1
-1
-1
-1
1
1
1
-1
-1
1
-1
-1
-1
-1
1
-1
1
-1
-1
1
(A)
4r
1
(B)
4r
1
(AB)
4r
1
(C)
4r
1
(AC)
4r
1
(BC)
4r
1
(ABC)
4r
(A)/4r
(B)/4r
(AB)/4r
(C)/4r
(AC)/4r
(BC)/4r
(ABC)/4r
8r
2
(A) /8r
8r
2
(B) /8r
8r
2
(AB) /8r
8r
2
(C) /8r
8r
2
(AC) /8r
8r
2
(BC) /8r
8r
2
(ABC) /8r
77
i= j = c =
k = 1, 2, ... r
1, 2
Las hiptesis que se prueban corresponden a la dcima para cada factor e interaccin
y a las replicaciones, esto es:
H0 : i = 0
HA : i 0
H0 : j = 0
HA : j 0
H0 : c = 0
HA : c 0
H0 : ic = 0
HA : ic 0
H0 : jc = 0
HA : jc 0
H0 : ijc = 0
HA : ijc 0
H0 : ij = 0
HA : ij 0
78
Como era de esperarse, existen 7 formulaciones de hiptesis que deben ser probadas
a un nivel de significacin determinado; cada hiptesis corresponde a un factor
determinado o a la interaccin entre stos y la ltima formulacin desea probar la
significacin de las replicaciones del experimento. Las pruebas de las interacciones
son importantes para verificar si los factores son mutuamente independientes; si la
interaccin est presente, debemos tener cuidado con el anlisis de los efectos
principales, slo aquellos que son significativos tienen sentido en su anlisis, aquellos
efectos principales no significativos en presencia de interaccin podran muy bien ser
el resultado del encubrimiento y plantear la necesidad de observar la influencia de
cada factor para niveles fijos de otro factor.
La estadstica de prueba que se utiliza es la F, calculada como el cuociente entre el
cuadrado medio del factor divido para el cuadrado medio residual; y, el criterio de
decisin es rechazar la hiptesis nula si el valor calculado de la estadstica de prueba
es igual o mayor que el valor tabular de la estadstica de prueba: Fc F, v1, v2 .
El cuadro que resume el anlisis de varianza para un diseo factorial de 23 con r
replicaciones por tratamiento es:
GRADOS DE
LIBERTAD
abc - 1
SUMA DE
CUADRADOS
SCE
A
B
C
AB
AC
BC
ABC
a-1
b-1
c-1
(a-1)(b-1)
(a-1)(c-1)
(b-1)(c-1)
(a-1)(b-1)(c-1)
SCA
SCB
SCC
SCAB
SCAC
SCBC
SCABC
Residual (Error)
TOTAL
(abc 1) (r-1)
n1
SCR
SCT
CUADRADO MEDIO
CME = SCE / (ab - 1)
ESTADISTICA DE
PRUEBA
Fc = CME / CMR
Fc = CMA / CMR
Fc = CMB / CMR
Fc = CMC / CMR
Fc = CMAB / CMR
Fc = CMAC / CMR
Fc = CMBC / CMR
Fc = CMABC / CMR
CMR = SCR/(ab-1)(c-1)
De igual manera se verifica que las sumas de cuadrados de los factores y sus
interacciones son mutuamente ortogonales y por tanto son componentes
independientes de la suma de cuadrados de tratamientos de forma que:
SCA + SCB + SCC + SCAB + SCAC + SCBC + SCABC = SCE.
EJEMPLO:
Se realiz un experimento para determinar el efecto de suplementos alimenticios a
una racin de maz para alimentar cerdos. Los factores bajo control fueron: Lisina (L)
a dos niveles: 0% y 0.6%; Protena (P) administrada con Harina de soya y medida en
cantidades adicionales para proveer 12% y 14% de protena; y, Sexo (S) del cerdo,
macho o hembra. Al experimento se incorporaron 40 cerdos, 20 machos y 20
hembras, asignndose aleatoriamente 5 cerdos para cada tratamiento. El aumento
diario promedio del peso de los cerdos expresado en kilos, se presenta en el siguiente
cuadro:
79
Lisina
0
FACTOR
Protena
12
14
0.6
Sexo
M
H
M
H
1
1.11
1.03
1.52
1.48
REPETICIONES
2
3
4
0.97
1.09
0.99
0.97
0.99
0.99
1.45
1.27
1.22
1.22
1.53
1.19
5
0.85
0.99
1.67
1.16
M
H
M
H
1.22
0.87
1.38
1.09
1.13
1.00
1.08
1.09
1.34
1.00
1.46
1.24
12
14
1.34
1.16
1.40
1.47
1.41
1.29
1.21
1.43
j = 0
HA :
j 0
H0 :
ij = 0
HA :
ij 0
80
Las restantes hiptesis tienen similar contexto de redaccin, por tanto se presentar la
formulacin con la indicacin del factor o interaccin que est docimndose.
Para el sexo:
H0 : c = 0
HA : c 0
CML
CMR
CMP
CMR
Criterio de Decisin:
CMS
CMR
CMLS
CMR
CMPS
CMR
SMLPS
CMR
CMT
CMR
Cuenta
5
5
5
5
5
5
5
5
R1
R2
R3
R4
R5
8
8
8
8
8
ANLISIS DE VARIANZA
FV
SC
Tratamientos
0,93647
Error
0,68888
Total
1,62535
Suma Promedio
5.01
1.002
4.97
0.994
1.426
7.13
6.58
1.316
6.44
1.288
5.32
1.064
1.306
6.53
6.32
1.264
9.7
8.91
10.25
9.73
9.71
GL
7
32
39
1.2125
1.11375
1.28125
1.21625
1.21375
CM
0,134
0,020
Varianza
0.01092
0.00048
0.03393
0.03053
0.01247
0.02653
0.02458
0.03278
0.0529
0.0257
0.0358
0.0273
0.0737
Fc
Probabilidad
6,527
0,000
Ft
2,313
81
Procede, encontrar mayor explicacin sobre las causas que originan la variacin
significativa de los tratamientos; para lo cual debe examinarse el efecto de cada factor
y de cada interaccin en la variable respuesta a travs de su contribucin a la suma
de cuadrados de tratamientos. Se determinarn, entonces, los multiplicadores
ortogonales para cada caso y su contribucin a la SCE, con igual procedimiento de
clculo que el empleado anteriormente, cuyos resultados se expresan seguidamente.
L
-1
-1
-1
-1
1
1
1
1
P
-1
-1
1
1
-1
-1
1
1
EFECTO FACTORIAL
S
LP
LS
-1
1
1
1
1
-1
-1
-1
1
1
-1
-1
-1
-1
-1
1
-1
1
-1
1
-1
1
1
1
PS
1
-1
-1
1
1
-1
-1
1
LPS
-1
1
1
-1
1
-1
-1
1
L
-5.01
-4.97
-7.13
-6.58
6.44
5.32
6.53
6.32
0.92
20
0.046
40
P
-5.01
-4.97
7.13
6.58
-6.44
-5.32
6.53
6.32
4.82
20
0.241
40
EFECTO FACTORIAL
S
LP
LS
-5.01
5.01
5.01
4.97
4.97
-4.97
-7.13
-7.13
7.13
6.58
-6.58
-6.58
-6.44
-6.44
-6.44
5.32
-5.32
5.32
-6.53
6.53
-6.53
6.32
6.32
6.32
-1.92
-2.64
-0.74
20
-0.096
40
20
-0.132
40
20
-0.037
40
PS
5.01
-4.97
-7.13
6.58
6.44
-5.32
-6.53
6.32
0.4
20
0.02
40
LPS
-5.01
4.97
7.13
-6.58
6.44
-5.32
-6.53
6.32
1.42
20
0.071
40
82
GL
7
CM
0,134
0,02116
0,58081
0,09216
0,17424
0,01369
0,004
0,05041
1
1
1
1
1
1
1
0,021
0,581
0,092
0,174
0,014
0,004
0,050
0,68888
1,62535
32
39
0,020
Probabilidad
Fc
6,527
0,000
1,032
28,336
4,496
8,501
0,668
0,195
2,459
0,317
0,000
0,042
0,006
0,420
0,662
0,127
Ft
2,313
4,149
4,149
4,149
4,149
4,149
4,149
4,149
83
(7.13 5.01) / 5
(6.53 6.44) / 5
(6.58 4.97) / 5
(6.32 5.32) / 5
= 0.424
= 0.018
= 0.322
= 0.200
0.964
0.964 / 4 = 0.241
En este caso, el resultado del clculo del efecto principal nos indica que el factor
Protena tiene un efecto positivo en la dieta del cerdo; al incrementarse un 2% (del
12% al 14%) el peso del cerdo se incrementa en 0.241 kilogramos en promedio, valor
significativo al 5%; ntese que el aporte de la protena con los restantes factores es
positivo y muy significativo el aporte de este factor con el sexo que representa el 33%
del aporte total de la protena.
En Sexo:
Por s misma: s (1)
Con lisina:
ls l
Con protena: ps p
Con lisina y protena:
Sumatoria:
Efecto principal:
=
(4.97 5.01) / 5 = -0.008
=
(5.32 6.44) / 5 = -0.224
=
(6.58 7.13) / 5 = -0.110
lps lp =
(6.32 6.53) / 5 = -0.042
-0.384
-0.384 / 4 = -0.096
84
2.
3.
4.
C1
9.98
13.71
11.76
12.85
-0.04
-0.55
-1.12
-0.21
COLUMNA
C2
23.69
24.61
-0.59
-1.33
3.73
1.09
-0.51
0.91
C3
48.3
-1.92
4.82
0.4
0.92
-0.74
-2.64
1.42
85
NOTACION
(1)
d
c
cd
b
bd
bc
bcd
a
ad
ac
acd
ab
abd
abc
abcd
86
TRATAMIENTO
(1)
d
c
cd
b
bd
bc
bcd
a
ad
ac
acd
ab
abd
abc
abcd
AB
AC
AD
BC
BD
CD
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
-1
-1
1
1
1
-1
1
-1
1
-1
1
-1
-1
1
-1
1
-1
1
-1
1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
-1
-1
1
1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
-1
1
-1
1
1
-1
1
-1
1
-1
1
-1
-1
1
-1
1
-1
1
1
-1
-1
1
1
-1
1
-1
-1
1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
-1
1
1
-1
1
-1
-1
1
1
-1
-1
1
-1
1
1
-1
-1
1
1
-1
1
-1
-1
1
En todos los casos el divisor para el efecto principal es 8r, en el que el nmero 8
representa el nmero de comparaciones simples que deben efectuarse en cada factor
y r corresponde al nmero de tratamientos; el efecto principal del factor A, por
ejemplo, se obtiene multiplicando el total de cada tratamiento por el coeficiente
ortogonal de la columna A y su suma (A) la dividimos para 8r.
El divisor para la contribucin a la suma de cuadrados, es 16r en donde el nmero
16 corresponde a la sumatoria del cuadrado de los coeficientes ortogonales i2; y,
r al nmero de replicaciones del experimento; la contribucin a la suma de
cuadrados, se la calcula elevando al cuadrado la suma (A) y dividindola para 16r.
El modelo matemtico, es lineal y aditivo conforme se presenta:
Xijk = + i + j + ij + c + ic + jc + ijc + m + im + jm + ijm +
cm + icm + jcm + jjcm + ijcmk
en el que:
Xij = Valor de la variable respuesta correspondiente.
i= j = c = m =
1, 2
87
TRATAMIENTO
(1)
a
b
ab
c
ac
bc
abc
d
ad
bd
abd
cd
acd
bcd
abcd
Total
REPETICIONES
R1
R2
30.3
28.6
28.5
31.4
24.5
25.6
25.9
27.2
24.8
23.4
26.9
23.8
24.8
27.8
22.2
24.9
31.7
33.5
24.6
26.2
27.6
30.6
26.3
27.8
29.9
27.7
26.8
24.2
26.4
24.9
26.9
29.3
428.1
436.9
Total
58.9
59.9
50.1
53.1
48.2
50.7
52.6
47.1
65.2
50.8
58.2
54.1
57.6
51
51.3
56.2
865
Ntese que los tratamientos estn expresados con la notacin simplificada; y que en
adelante se omitir todo el procedimiento inicial de la solucin del problema para
presentar directamente los resultados del procesamiento.
88
Anlisis de varianza
RESUMEN Cuenta
(1)
2
a
2
b
2
ab
2
c
2
ac
2
bc
2
abc
2
d
2
ad
2
bd
2
abd
2
cd
2
acd
2
bcd
2
abcd
2
R1
R2
16
16
Suma
58.9
59.9
50.1
53.1
48.2
50.7
52.6
47.1
65.2
50.8
58.2
54.1
57.6
51
51.3
56.2
Promedio Varianza
29.45
1.445
29.95
4.205
25.05
0.605
26.55
0.845
24.1
0.98
25.35
4.805
26.3
4.5
23.55
3.645
32.6
1.62
1.28
25.4
29.1
4.5
27.05
1.125
28.8
2.42
3.38
25.5
25.65
1.125
28.1
2.88
428.1
436.9
26.756
27.306
5.993
8.346
GL
15
CM
11.877
Fc
4.828
11.52
12.005
39.605
17.701
7.801
3.001
14.045
11.281
3.125
3.92
2.42
24.151
17.701
5.951
3.92
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
11,52
12.005
39.605
17.701
7.801
3.001
14.045
11.281
3.125
3,92
2,42
24.151
17.701
5.951
3,92
4,683
4.880
16.100
7.196
3.171
1.220
5.709
4.586
1.270
1,593
0,984
9.817
7.196
2.419
1,593
Error
39,36
16
2,460
Total
217.509
31
ANLISIS DE VARIANZA
FV
SC
Tratamientos 178.149
A
B
C
D
AB
AC
AD
BC
BD
CD
ABC
ABD
ACD
BCD
ABCD
Ft
Probabilidad
2,352
0,000
4,494
4,494
4,494
4,494
4,494
4,494
4,494
4,494
4,494
4,494
4,494
4,494
4,494
4,494
4,494
0,046
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,225
0,336
0,000
0,000
0,000
0,225
89
METODO DE YATES
CALCULO DEL EFECTO PRINCIPAL Y LA CONTRIBUCION A LA SUMA DE CUADRADOS
TRATAMIENTO
NOMBRE
TOTAL
(1)
58.9
a
59.9
b
50.1
ab
53.1
c
48.2
ac
50.7
bc
52.6
abc
47.1
d
65.2
ad
50.8
bd
58.2
abd
54.1
cd
57.6
acd
51
bcd
51.3
abcd
56.2
C1
118.8
103.2
98.9
99.7
116
112.3
108.6
107.5
1
3
2.5
-5.5
-14.4
-4.1
-6.6
4.9
COLUMNA
C2
C3
222
420.6
198.6
444.4
228.3
1
216.1
-20.2
4
-14.8
-3
-4.8
-18.5
-6
-1.7
21.8
-15.6
-23.4
0.8
-12.2
-3.7
-7
-1.1
16.8
2
16.4
-8
2.6
10.3
-10
11.5
1.2
C4
865
-19.2
-19.6
15.8
-35.6
9.8
19
-8.8
23.8
-21.2
10
27.8
11.2
23.8
-13.8
11.2
EFECTO
PRINCIPAL
-1.200
-1.225
0.988
-2.225
0.613
1.188
-0.550
1.488
-1.325
0.625
1.738
0.700
1.488
-0.863
0.7
CONTRIB.
SUM. CUAD.
11.52
12.005
7.801
39.605
3.001
11.281
2.420
17.701
14.045
3.125
24.151
3.920
17.701
5.951
3.920
90
Es aquel en el que intervienen tres factores, el factor A con a niveles y el factor B con
b niveles y el factor C con c niveles; el nmero de tratamientos es igual a a x b x c; si
tenemos r replicaciones en el experimento, entonces el nmero de observaciones y
unidades experimentales es de a x b x c x r, en el que stas se asignan
aleatoriamente a cada tratamiento.
El modelo supone lineal y aditividad de lo efectos, se probarn hiptesis para cada
factor e interaccin entre los factores y el efecto de las replicaciones.
El
procedimiento de clculo y de elaboracin y conformacin del cuadro de anlisis de
varianza se explica a continuacin con el desarrollo de un ejemplo:
EJEMPLO
Se realiz un experimento para determinar el efecto de suplementos alimenticios a
una racin de maz para alimentar cerdos. Los factores bajo control fueron: Lisina (L)
a cuatro niveles: 0, 0.05, 0.10 y 0.15; Meteonina (M) con tres niveles: al 0, 0.025 y
0.050; y, Protena (P) a dos niveles, administrada con Harina de soya y medida en
cantidades adicionales para proveer 12% y 14% de protena; se utilizaron solamente
machos en dos repeticiones por cada tratamiento.
El nmero de tratamientos es 4 x 3 x 2 = 24 y el nmero de observaciones y unidades
experimentales es de 4 x 3 x 2 x 2 = 48. Para facilitar la descripcin de los
tratamientos, los niveles para cada factor sern denotados por:
Lisina (L), con niveles: b1 = 0; b2 = 0.05; b3 = 0.010 y b4 = 0.15
Meteionina (M), con niveles: m1 = 0; m2 = 0.025; m3 = 0.050
Protena (P), con niveles: p1 = 12% y p2 =14%
El aumento diario promedio del peso de los cerdos expresado en kilos, se presenta en
el siguiente cuadro:
91
REPLICACION
LISINA
METIONINA
PROTEINA
R1
R2
TOTAL
12
14
12
14
b1m1p1
b1m1p2
b1m2p1
b1m2p2
1.11
1.52
1.09
1.27
0.97
1.45
0.99
1.22
2.08
2.97
2.08
2.49
12
14
12
b1m3p1
b1m3p2
b2m1p1
0.85
1.67
1.3
1.21
1.24
1
2.06
2.91
2.3
14
12
14
12
b2m1p2
b2m2p1
b2m2p2
b2m3p1
1.55
1.03
1.24
1.12
1.53
1.21
1.34
0.96
3.08
2.24
2.58
2.08
14
12
14
12
b2m3p2
b3m1p1
b3m1p2
b3m2p1
1.76
1.22
1.38
1.34
1.27
1.13
1.08
1.41
3.03
2.35
2.46
2.75
14
12
14
b3m2p2
b3m3p1
b3m3p2
1.4
1.34
1.46
1.21
1.19
1.39
2.61
2.53
2.85
12
14
12
14
b4m1p1
b4m1p2
b4m2p1
b4m2p2
1.19
0.8
1.36
1.42
1.03
1.29
1.16
1.39
2.22
2.09
2.52
2.81
12
14
b4m3p1
b4m3p2
1.46
1.62
31.5
1.03
1.27
28.97
2.49
2.89
60.47
0.025
0.05
0.05
0
0.025
0.05
0.1
0
0.025
0.05
0.15
0
0.025
0.05
TRATAMIENTO
TOTAL
GL
23
24
Total
47
20.409
CM
0,056
0,032
Fc
1,740
Ft
Probabilidad
1,993
0,092
FC = (60.47)2 / 48 = 76.1796
3. Para obtener la suma de cuadrados de cada factor, frmese para cada par de
factores un cuadro de dos vas, sumando las observaciones que correspondan
para cada combinacin de los niveles de cada factor i,j
92
METIONINA
0
0.025
0.05
TOTAL
0
5.05
4.57
4.97
14.59
LISINA
0.05
0.1
5.38
4.81
4.82
5.36
5.11
5.38
15.31
15.55
0.15
4.31
5.33
5.38
15.02
TOTAL
19.55
20.08
20.84
60.47
93
PROTEINA
12
14
TOTAL
0
6.22
8.37
14.59
LISINA
0.05
0.1
6.62
7.63
8.69
7.92
15.31
15.55
0.15
7.23
7.79
15.02
TOTAL
27.7
32.77
60.47
Total tabla LP: (6.222 + 6.622 + 7.632 + ... + 7.792) / 6 - 76.1796 = 0.8181
2
2
2
2
Lisina (L): (14.59 + 15.31 + 15.55 + 15.02 ) /12 - 76.1796 = 0.0427
2
2
Protena (P): ( 27.7 + 32.77 ) / 24 76.1796 = 0.5355
Interaccin LP: 0.8181 (0.0427 + 0.5355) = 0.2399
El divisor 6 para el total del cuadro corresponde al nmero de observaciones
originales que contiene cada valor Xij del cuadro. El divisor 24 para protena
corresponde a las 24 observaciones originales que contiene cada total marginal del
factor.
TABLA RESUMEN METIONINA PROTEINA (MP)
PROTEINA
12
14
TOTAL
0
8.95
10.6
19.55
METIONINA
0.025
9.59
10.49
20.08
0.05
9.16
11.68
20.84
TOTAL
27.7
32.77
60.47
94
ANLISIS DE VARIANZA
FV
SC
Tratamiento
12.756
L
M
P
LM
LP
MP
LMP
GL
23
CM
0,056
Fc
1,740
0,446
0,825
16,793
1,329
2,508
1,287
0,358
0,0427
0,0526
0,5355
0,2543
0,2399
0,0821
0,0685
3
2
1
6
3
2
6
0,014
0,026
0,536
0,042
0,080
0,041
0,011
Error
0,7653
24
0,032
Total
20.409
47
Ft
Probabilidad
1,993
0,092
3,009
3,403
4,260
2,508
3,009
3,403
2,508
0,722
0,450
0,000
0,283
0,083
0,294
0,898
95