Diseño De Experimentos

Lili Bautista Arellano

Katy Pacheco Manchego

Universidad de Córdoba
Departamento de Matemáticas y Estadı́stica
Programa de Estadı́stica

20 de febrero de 2017

(Universidad de Córdoba) 20 de febrero de 2017 1 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Tabla de Contenido

1 Prueba Scheffé
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
2 Prueba de Dunnett (Comparación de Medias de Tratamientos con
un Control)
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
3 Bonferroni
Caracterı́sticas
Estadı́stico de Prueba
Ejemplo
4 Bibliografia

(Universidad de Córdoba) 20 de febrero de 2017 2 / 28

Prueba Scheffé

En muchas situaciones, los experimentadores pueden no conocer de

antemano cuales Son los contrastes que quieren comparar, o pueden
tener interés en más de a-1 posibles comparaciones. En muchos
experimentos de exploración, las comparaciones de interés solo se
descubren después del examen preliminar de los datos. Scheffè [98a ] ha
propuesto un método para encontrar todos y cada uno de los contrastes
posibles entre las medias de los tratamientos. En el método de scheffe ,
el error tipo I es a lo sumo alfa para cualquiera de las Comparaciones
posibles

(Universidad de Córdoba) 20 de febrero de 2017 3 / 28

Caracterı́sticas

• Las pruebas como Tukey, Duncan, DMS, SNK y Bonferronı́ no

pueden utilizarse para el cálculo y análisis de contrastes y la única
prueba que actualmente se conoce en la literatura capaz de
realizar dicho análisis es la de Scheffé
• Una ventaja de esta prueba es su robustez frente a la violación de
los supuestos del ANAVA, además que no necesita igual de número
de repeticiones por tratamiento.
• La Prueba de Scheffé, logra que el error Tipo I sea menor o igual a
α en cualquiera de las posibles comparaciones entre las medias,
resultando en una prueba conservadora, significando que rechaza
poco y arroja en algunos casos resultados erróneos

(Universidad de Córdoba) 20 de febrero de 2017 4 / 28

Estadı́stico de Prueba

Las hipótesis que se desean probar son:

H0 : µj = µj 0 contra H1 : µj 6= µj 0 para j 6= j 0

Para cada hipótesis se calculan las diferencias que se observan en las

medias muestrales.

|Y .j − Y .j 0 |, para j 6= j 0 .

La hipótesis nula H0 : µj = µj 0 se rechaza a un nivel de significancia α,

sı́ s  
q 1 1
|Y .j − Y .j 0 | > (t − 1) ∗ F(α,t−1,glE ) CM E +
rj rj 0

(Universidad de Córdoba) 20 de febrero de 2017 5 / 28

Ejemplo

Un Médico veterinario está interesado en probar la ganancia de peso en

libras en una determinada raza de cerdos al variar uno de los com-
ponentes de cierta dieta tradicional, en porcentajes de 15 %, 20 %, 25 %,
30 % y 35 %(llámense A, B, C, D y E, respectivamente). El Médico
veterinario toma 5 cerdos, o repeticiones, para cada nueva dieta.

(Universidad de Córdoba) 20 de febrero de 2017 6 / 28

los datos del experimento están dados en la siguiente tabla:

(Universidad de Córdoba) 20 de febrero de 2017 7 / 28

Ejemplo

Hay que tener en cuenta que se tienen 5 repeticiones, 5 tratamientos

para un total de 25 unidades experimentales.
Por otra parte el análisis de varianza para la ganancia de peso es: Las
hipótesis que se desean probar son:

H0 : µj = µj 0 contra H1 : µj 6= µj 0 para j 6= j 0

(Universidad de Córdoba) 20 de febrero de 2017 8 / 28

De la tabla de análisis de varianza podemos observar que 14,76 > F5 %
se puede decir que hay diferencias significativas entre las dietas, es
decir, al menos una de las dietas tiene un comportamiento diferente.
Dado que el estadistico F resulto significativo, procedemos a realizar la
prueba de Prueba Scheffé.
En efecto, con α = 0,05 el valor del estadı́stico es:
s   r
q 1 1 p 16,12
(5 − 1) ∗ F(0,05,5−1,20) 8, 06 + = 4 ∗ 2,866 = 6,08
5 5 5

(Universidad de Córdoba) 20 de febrero de 2017 9 / 28

Por tanto, una pareja de medias difieren significativamente si el valor
absoluto de la diferencia de promedios en los tratamientos
correspondientes es mayor que 6.08. Los cinco promedios de
tratamientos son (llamando A=1, B=2, C=3, D=4 y E=5): Y ·1 = 9· 8 ,
Y ·2 = 15· 4, Y ·3 = 17· 6,Y ·4 = 21· 6 y Y ·5 = 10· 8.
Las posibles comparaciones son 10 (t(t − 1))/2 con t = 5)

(Universidad de Córdoba) 20 de febrero de 2017 10 / 28

luego,
Comparación Y .j − Y .j 0 |Y .j − Y .j 0 | Conclusión
T1 contra T2 9,8 − 15,4 = −5,6 5,6 5,6 < 6,08N S
T1 contra T3 9,8 − 17,6 = −7,8 7,8 7,8 > 6,08∗
T1 contra T4 9,8 − 21,6 = −11,8 11,8 11,8 > 6,08∗
T1 contra T5 9,8 − 10,8 = −1,0 1,0 1,0 < 6,08N S
T2 contra T3 15,4 − 17,6 = −2,2 2,2 2,2 < 6,08N S
T2 contra T4 15,4 − 21,6 = −6,2 6,2 6,2 > 6,08∗
T2 contra T5 15,4 − 10,8 = −4,6 4,6 4,6 < 6,08N S
T3 contra T4 17,6 − 21,6 = −4,0 4,0 4,0 < 6,08N S
T3 contra T5 17,6 − 10,8 = −6,8 6,8 6,8 > 6,08∗
T4 contra T5 21,6 − 10,8 = −10,8 10,8 10,8 > 6,08∗

(Universidad de Córdoba) 20 de febrero de 2017 11 / 28

Ahora, para interpretar los resultados anterior ordenamos las medias
de los tratamiento de mayor a menor, esto es: T4 , T3 , T2 , T5 y T4 .
Entre los grupos de tratamientos (1 y 5), (1 y 2) y (2 y 5) no se
encontró diferencias significativas entonces a estos se les coloca la letra
a debajo.
Entre los tratamientos 3 y 2 no existen diferencias significativas pero
entre los tratamientos 3 con 5 y 1 existen diferencias, entonces a este se
les coloca la letra b debajo

(Universidad de Córdoba) 20 de febrero de 2017 12 / 28

Por último, el tratamiento 4 no presenta diferencias significativas con el
tratamiento 3, pero si con el resto de tratamientos, entonces al
tratamiento 4 y 3 se le coloca la letra c.
T4 T3 T2 T5 T1
c cb ab a a

(Universidad de Córdoba) 20 de febrero de 2017 13 / 28

Prueba de Dunnett

En muchos experimentos uno de los tratamientos es un control o

testı́go y el investigador puede estar interesado en comparar este
control con el resto de tratamientos, es decir llevar a cabo t − 1
comparaciones de medias de tratamientos. Un procedimiento para
llevar a cabo esto, fue desarrollado por Dunnett (1964).

(Universidad de Córdoba) 20 de febrero de 2017 14 / 28

Caracterı́sticas

El método de cálculo de la prueba de Dunnett es similar a una prueba

t y a la prueba de Scheffe.
Dunnett utiliza una única diferencia crı́tica para realizar las
comparaciones múltiples.
La prueba de Dunnett no requiere que la prueba F del análisis de
varianza sea significativa para aplicarla.

(Universidad de Córdoba) 20 de febrero de 2017 15 / 28

Estadı́stico de Prueba

Supongase que el tratamiento t es un control y se desea probar las

hipótesis
H0 : µj = µt contra H1 : µj 6= µt
para j = 1, 2, . . . , t − 1. El procedimiento de Dunnett es una
modificacion de la prueba t. Para cada hipótesis se calculan las
diferencias que se observan en las medias muestrales.

|Y .j − Y .t |, para j = 1, 2, . . . , t − 1.

La hipótesis nula H0 : µj = µt se rechaza a un nivel de significancia α,

sı́ s  
1 1
|Y .j − Y .t | > dα (t − 1, v) CM E +
rj rt
donde la constante dα (t − 1, v) se encuentra en la Tabla de Dunnett,
siendo v = glE y α el nivel de significancia asociado a las t − 1 pruebas.
(Universidad de Córdoba) 20 de febrero de 2017 16 / 28
Ejemplo

Para ilustrar la prueba de Dunnett, considérense los datos del ejemplo

anterior.Ahora se desea probar las hipótesis

H0 : µj = µt contra H1 : µj 6= µt

para j = 1, 2, . . . , t − 1. Supongase que el tratamiento 5 es el control.

Ası́ t = 5, t − 1 = 4, v = 20, rj = r = 5 y con el nivel de significancia
del 5 % de la tabla de Dunnett, d0,05 (4, 20) = 2,65 por lo tanto la
diferencia crı́tica es.
r r
2CM E 2(8,06)
d0,05 (4, 20) = (2,65) = 4,76
r 5
En consecuencia, un tratamiento debe considerarse significativamente
diferente del control si la diferencia de medias en valor absoluto es
mayor que 4,76. Las diferencias observadas

(Universidad de Córdoba) 20 de febrero de 2017 17 / 28

son mostradas en la siguiente tabla:

Comparación Y .j − Y ·5 |Y .j − Y ·5 | Conclusión
T1 contra T5 9,8 − 10,8 = −1,0 1,0 1,0 < 4,76N S
T2 contra T5 15,4 − 10,8 = −4,6 4,6 4,6 < 4,76N S
T3 contra T5 17,6 − 10,8 = −6,8 6,8 6,8 > 4,76∗
T4 contra T5 21,6 − 10,8 = −10,8 10,8 10,8 > 4,76∗

(Universidad de Córdoba) 20 de febrero de 2017 18 / 28

Conclusión
De donde concluimos que solo las diferencias Y ·3 − Y ·5 y Y ·4 − Y ·5
resultaron significativas, es decir solo los tratamientos 3 y 4 presentan
comportamiento diferentes respecto al tratamiento control.

(Universidad de Córdoba) 20 de febrero de 2017 19 / 28

Prueba de Bonferroni

Esta prueba es recomendada cuando la F del ANAVA resulta no

significativo, pero también se puede usar en caso contrario, es una
prueba medianamente conservadora, que se debe usar sólo para un
número p no muy grande de comparaciones, puesto de lo contrario se
incrementa el nivel de significancia.

(Universidad de Córdoba) 20 de febrero de 2017 20 / 28

Objetivo
El objetivo es mantener igual el nivel de significancia (α) para toda la
familia de pruebas y por lo tanto la corrección de Bonferroni somete a
α
prueba cada uno de los contrastes a un nivel de significancia de 2p . Por
ejemplo, si se realizan tres contrastes simultáneos y se desea mantener
el nivel de significancia en 0, 05; el alfa elegido para la prueba debe ser
0, 05/(2 · 3) = 0, 0083. En otras palabras el nivel de significancia de
cada contraste es ajustado de acuerdo al número de comparaciones
realizadas.

(Universidad de Córdoba) 20 de febrero de 2017 21 / 28

Caracterı́sticas
• La prueba de Bonferroni utiliza una prueba t de student para
realizar comparaciones múltiples; sin embargo a diferencia de los
otros métodos como F. Scheffé, E. Tukey S.N.K; permite controlar
la tasa de error general del estudio mediante la asignación de un
error a cada comparación igual al error general del experimento
dividido entre el número de comparaciones. De esta forma el nivel
de significancia es ajustado según el número de comparaciones
realizadas.
• La prueba permite controlar el error tipo I de los contrastes de
manera simultánea utilizando la siguiente expresión: c = t(t−1)
2 ;
donde t es el número de tratamientos a comparar, tal que para un
experimento con c comparaciones independientes entre medias, la
probabilidad de obtener al menos una comparación significativa
por efecto de azar está dada por:

αpc = 1 − (1 − αep )c
(Universidad de Córdoba) 20 de febrero de 2017 22 / 28
Estadı́stico de Prueba

Las hipótesis que se desean probar son:

H0 : µj = µj 0 contra H1 : µj 6= µj 0 para j 6= j 0

Para cada hipótesis se calculan las diferencias que se observan en las

medias muestrales.

|Y .j − Y .j 0 |, para j 6= j 0 .

La hipótesis nula H0 : µj = µ0j se rechaza a un nivel de significancia α,

sı́ s  
1 1
|Y .j − Y .j 0 | > t(α/2p,v) CM E +
rj rj 0
donde p es el número de comparaciones que se piensan llevar a cabo y
t(α/2p,glE ) es el valor tabulado de la estadı́stica de Bonferroni al nivel de
significancia α.
(Universidad de Córdoba) 20 de febrero de 2017 23 / 28
Ejemplo

Para ilustrar la prueba de Bonferroni, considérense los datos del

ejemplo anterior. Las hipótesis que se desean probar son:

H0 : µj = µ0j contra H1 : µj 6= µ0j para j 6= j 0

Las posibles comparaciones que se piensan llevar a cabo son p = 10

(t(t − 1)/2 con t = 5), con rj = r = 5, v = 20 y con el nivel de
significancia del α = 5 % el valor tabulado est,
t(α/2p,v) = t0,0025;20 = 3,1534
Por lo tanto, la diferencia crı́tica es:
r r
2CM E 2(8,06)
t(α/2p,v) = 3,1534 = 5,85
5 5
Por tanto, una pareja de medias dieren signicativamente si el valor
absoluto de la diferencia de promedios en los tratamientos
correspondientes es mayor que 5.85.
(Universidad de Córdoba) 20 de febrero de 2017 24 / 28
Ahora,

Comparación Y .j − Y .j 0 |Y .j − Y .j 0 | Conclusión
T1 contra T2 9,8 − 15,4 = −5,6 5,6 5,6 < 5,85N S
T1 contra T3 9,8 − 17,6 = −7,8 7,8 7,8 > 5,85∗
T1 contra T4 9,8 − 21,6 = −11,8 11,8 11,8 > 5,85∗
T1 contra T5 9,8 − 10,8 = −1,0 1,0 1,0 < 5,85N S
T2 contra T3 15,4 − 17,6 = −2,2 2,2 2,2 < 5,85N S
T2 contra T4 15,4 − 21,6 = −6,2 6,2 6,2 > 5,85∗
T2 contra T5 15,4 − 10,8 = −4,6 4,6 4,6 < 5,85N S
T3 contra T4 17,6 − 21,6 = −4,0 4,0 4,0 < 5,85N S
T3 contra T5 17,6 − 10,8 = −6,8 6,8 6,8 > 5,85∗
T4 contra T5 21,6 − 10,8 = −10,8 10,8 10,8 > 5,85∗

(Universidad de Córdoba) 20 de febrero de 2017 25 / 28

Notamos que, las comparaciones de los tratamientos en donde se
encontró que no hay diferencia significativa son exactamente las
mismas que se obtuvierón con la prueba de Sheffé, por ende se tienen
las mismas concluciones.

T4 T3 T2 T5 T1
c cb ab a a

(Universidad de Córdoba) 20 de febrero de 2017 26 / 28

Bibliography

Juan Carlos Correa , Estudio de potencia de pruebas de

Homogeneidad de varianza, Universidad Nacional de colombia
Juana Robles and Guillermo Martı́nez , Métodos y Diseño
estadı́stico de Experimentos , Universidad de Córdoba
Montgomery , Diseño y Análisis de Experimentos , segunda
edición , limusa wiley

(Universidad de Córdoba) 20 de febrero de 2017 27 / 28

GRACIAS!

(Universidad de Córdoba) 20 de febrero de 2017 28 / 28