Escolar Documentos
Profissional Documentos
Cultura Documentos
HIDALGO
EJERCICIOS PRÁCTICOS
DISEÑOS EXPERIMENTALES
PRESENTAN:
Diego Armando Quevedo Luquin 18011030
Eli Samuel Cano Bautista 18011794
Citlaly Arteaga Martin 18011097
Sofía Evelin Beltrán González 18011390
Noé Maya Fernández
Josefina Denis Hernández Pintado
1
COMPETENCIA: Investiga, analiza y aplica análisis de varianza y diseños
experimentales para la solución de problemas diversos dentro de la cadena
alimentaria.
INTRODUCCIÓN
Los modelos de ANOVA (Analysis of variance) son técnicas de Análisis Multivariante
de dependencia, que se utilizan para analizar datos procedentes de diseños con
una o más variables independientes cualitativas (medidas en escalas nominales u
ordinales) y una variable dependiente cuantitativa (medida con una escala de
intervalo o de razón). En este contexto, las variables independientes se suelen
denominar factores (y sus diferentes estados posibles o valores son niveles o
tratamientos) y la variable dependiente se conoce como respuesta.
Los modelos ANOVA permiten, básicamente, comparar los valores medios que
toma la variable dependiente en J poblaciones en las que los niveles de factores
son distintos, con la finalidad de determinar si existen diferencias significativas
según dichos niveles o si, por el contrario, la respuesta en cada población es
independiente de los niveles de factores. Se trata, por tanto, de un contraste
paramétrico que extiende al caso de J poblaciones el contraste de la igualdad de
medias entre dos poblaciones independientes.
Algunos ejemplos de aplicación de estos modelos podrían ser los siguientes:
Análisis de la duración media de varios tipos de lámparas.
La variable dependiente indicaría la duración de una lámpara y el factor
podría ser la potencia de la lámpara. Las poblaciones estarían formadas por
lámparas con la misma potencia y habría tantas poblaciones como potencias
distintas (éstas serían los niveles del factor considerado). Se trataría de
contrastar la igualdad de las duraciones medias de las lámparas de cada
población, para determinar si la potencia influye o no en dicha duración
media.
2
diferencias en las producciones medias de las parcelas según el tipo de suelo
y el tipo de fertilizante utilizado.
3
Índice
Introducción 2-3
Índice 4
Problemática 5-12
Prueba de hipótesis 13
Conclusión 14
Referencias bibliográficas 14
4
PLANTEAMIENTO DEL PROBLEMA
VARIABLES
Los datos fueron proporcionados en los cuales se identifican:
Variable dependiente:
Tiempo de cocción en min.
Variable independiente:
Remojo
Numero de muestras analizar:
28
5
ANOVA Simple - Tiempo de cocción en min. por REMOJO
Variable dependiente: Tiempo de cocción en min.
Factor: REMOJO
Número de observaciones: 28
Número de niveles: 4
El StatAdvisor
Este procedimiento ejecuta un análisis de varianza de un factor para Tiempo de
cocción en min. Construye varias pruebas y gráficas para comparar los valores
medios de Tiempo de cocción en min. para los 4 diferentes niveles de REMOJO.
La prueba-F en la tabla ANOVA determinará si hay diferencias significativas entre
las medias. Si las hay, las Pruebas de Rangos Múltiples le dirán cuáles medias son
significativamente diferentes de otras. Si le preocupa la presencia de valores
atípicos, puede elegir la Prueba de Kruskal-Wallis la cual compara las medianas en
lugar de las medias. Las diferentes gráficas le ayudarán a juzgar la significancia
práctica de los resultados, así como le permitirán buscar posibles violaciones de los
supuestos subyacentes en el análisis de varianza.
El StatAdvisor
Esta tabla muestra diferentes estadísticos de Tiempo de cocción en min. para cada
uno de los 4 niveles de REMOJO. La intención principal del análisis de varianza de
un factor es la de comparar las medias de los diferentes niveles, enlistados aquí
bajo la columna de Promedio. Selecciones Gráfica de Medias de la lista de
Opciones Gráficas para mostrar gráficamente las medias.
6
Tabla ANOVA para Tiempo de cocción en min. por REMOJO
Fuente Suma de Gl Cuadrado Razón-F Valor-P
Cuadrados Medio
Entre 95041.2 3 31680.4 1558.97 0.0000
grupos
Intra 487.714 24 20.3214
grupos
Total 95529.0 27
(Corr.)
El StatAdvisor
La tabla ANOVA descompone la varianza de Tiempo de cocción en min. en
dos componentes: un componente entre-grupos y un componente dentro-de-
grupos. La razón-F, que en este caso es igual a 1558.97, es el cociente entre
el estimado entre-grupos y el estimado dentro-de-grupos. Puesto que el
valor-P de la prueba-F es menor que 0.05, existe una diferencia
estadísticamente significativa entre la media de Tiempo de cocción en min.
entre un nivel de REMOJO y otro, con un nivel del 95.0% de confianza. Para
determinar cuáles medias son significativamente diferentes de otras,
seleccione Pruebas de Múltiples Rangos, de la lista de Opciones Tabulares.
7
El StatAdvisor
Esta tabla muestra la media de Tiempo de cocción en min. para cada nivel
de REMOJO. También muestra el error estándar de cada media, el cual es
una medida de la variabilidad de su muestreo. El error estándar es el
resultado de dividir la desviación estándar mancomunada entre el número de
observaciones en cada nivel. La tabla también muestra un intervalo
alrededor de cada media. Los intervalos mostrados actualmente están
basados en el procedimiento de la diferencia mínima significativa (LSD) de
Fisher. Están construidos de tal manera que, si dos medias son iguales, sus
intervalos se traslaparán un 95.0% de las veces. Puede ver gráficamente los
intervalos seleccionando Gráfica de Medias de la lista de Opciones Gráficas.
En las Pruebas de Rangos Múltiples, estos intervalos se usan para
determinar cuáles medias son significativamente diferentes de otras.
8
El StatAdvisor
Esta tabla aplica un procedimiento de comparación multiple para determinar
cuáles medias son significativamente diferentes de otras. La mitad inferior
de la salida muestra las diferencias estimadas entre cada par de medias. El
asterisco que se encuentra al lado de los 6 pares indica que estos pares
muestran diferencias estadísticamente significativas con un nivel del 95.0%
de confianza. En la parte superior de la página, se han identificado 4 grupos
homogéneos según la alineación de las X's en columnas. No existen
diferencias estadísticamente significativas entre aquellos niveles que
compartan una misma columna de X's. El método empleado actualmente
para discriminar entre las medias es el procedimiento de diferencia mínima
significativa (LSD) de Fisher. Con este método hay un riesgo del 5.0% al
decir que cada par de medias es significativamente diferente, cuando la
diferencia real es igual a 0.
Verificación de Varianza
Prueba Valor-P
Levene 0.15294 0.926771
's 3
El StatAdvisor
El estadístico mostrado en esta tabla evalúa la hipótesis de que la desviación
estándar de Tiempo de cocción en min. dentro de cada uno de los 4 niveles de
REMOJO es la misma. De particular interés es el valor-P. Puesto que el valor-P es
mayor o igual que 0.05, no existe una diferencia estadísticamente significativa entre
las desviaciones estándar, con un nivel del 95.0% de confianza.
La tabla también muestra una comparación de las desviaciones típicas para cada
par de muestras. P-valores por debajo de 0.05, de los cuales hay 0, indican una
9
diferencia estadísticamente significativa entre las dos sigmas al 5% de nivel de
significación.
Dispersión por Código de Nivel
200
160
120
80
40
0
1 2 3 4
REMOJO
3 2 4 1
REMOJO P = 0.0000
Residuos
-150 -50 50 150 250 350
240
Tiempo de cocción en min.
200
160
120
80
40
0
1 2 3 4
REMOJO
10
Gráfico ANOM para Tiempo de cocción en min.
Con 95% Límites de Decisión
210
LDS=112.45
LC=108.54
180 LDI=104.63
150
Media
120
90
60
1 2 3 4
REMOJO
Gráfico de Medianas
210
Tiempo de cocción en min.
180
150
120
90
60
1 2 3 4
REMOJO
PRUEBAS DE HIPOTESIS
H0: μA = μB, C, D
HA: μA ≠ μB, C, D
RESULTADOS Y ANÁLISIS DE RESULTADOS
La prueba-F en la tabla ANOVA determina si hay diferencias significativas entre las
medias. Si las hay, las Pruebas de Rangos Múltiples dirán cuáles medias son
significativamente diferentes de otras. Si la presencia de valores atípicos, puede
elegir la Prueba de Kruskal-Wallis la cual compara las medianas en lugar de las
medias. Las diferentes gráficas le ayudarán a juzgar la significancia práctica de los
resultados, así como le permitirán buscar posibles violaciones de los supuestos
subyacentes en el análisis de varianza.
11
CONCLUSIONES
Las aplicaciones nos son de gran ayuda para evitar errores en la producción de
distintos productos, en el caso de ANOVA nos ayuda con el diseño de nuevos
proyectos, para determinar el margen de error, la media logarítmica, etc., además
de que nos permitirá crear un análisis concreto del producto que deseamos
desarrollar, dejándonos ver de esta, manera que podemos corregir o mejorar para
evitar en lo más mínimo los posibles errores que puedan suceder dentro de nuestro
diseño experimental.
CUESTIONARIO
♦ ¿De qué manera el experimentador debe aleatorizar los experimentos y el
material experimental?
Tener un conjunto (población) y dividir en pequeños subconjuntos
♦ Dé ejemplos de factores que deben estar fijos durante las pruebas
experimentales, para que no afecten los resultados y las conclusiones
12
♦ Formule la prueba hipótesis de que las medias de los tratamientos son
iguales.
H0: μA ≠ μB, C, D
♦ Obtenga el diagrama de caja y el gráfico de medias, después interprételos.
Medias y 95.0% de Fisher LSD
240
Tiempo de cocción en min.
200
160
120
80
40
0
1 2 3 4
REMOJO
13
piense en los posibles efectos colaterales que podría causar el mejor
tratamiento.
210
LDS=112.45
LC=108.54
180 LDI=104.63
150
Media
120
90
60
1 2 3 4
REMOJO
REFERENCIAS BIBLIOGRÁFICAS
Spiegel, M., Schiller, J. y Srinivasan, R. (2001). Teoría y problemas de
probabilidad y estadística. Bogotá: McGraw-Hill Interamericana.
Tejedor, F. (1999). Análisis de varianza. Madrid Salamanca: La Muralla
Hespérides.
Sokal, R.R., Rohlf, F.J. 1995. Biometry. Freeman and co., New York
Underwood, A.J. 1981. Techniques of analysis of variance in experimental
marine biology and ecology. Oceanogr. Mar. Biol. Ann. Rev., 19: 513-605.
14