ANÁLISIS Y

DISEÑO
EXPERIMENTAL
MARY C. MONTAÑO
CASTAÑEDA
QUÍMICO. M.Sc.

ELECTIVA:
OBTENCIÓN Y ANÁLISIS
DE SUSTANCIAS
BIOACTIVAS
ESTADÍSTICA DESCRIPTIVA
 ESTADÍSTICA DESCRIPTIVA

Medidas de dispersión. Sirven para ver que tan dispersos

están los datos del valor promedio

 Rango: valor máx. – valor mín.

 Varianza: S2=

 Desviación estándar (típica o patrón): S=

 Coeficiente de variación: CV=

Es una expresión de la precisión de un experimento

 HIPÓTESIS, PRUEBA DE HIPÓTESIS Y NIVEL DE
SIGNIFICANCIA
 En el experimento planteado se busca comprobar una hipótesis
Hipótesis nula (Ho): no existe el efecto de lo que se está probando
Hipótesis alternativa (H1): si existe el efecto
Siempre se
 Tipos de errores:
acepta o
Error tipo I (α): rechazar Ho siendo verdad
se rechaza
Error tipo II (β): aceptar Ho si es falsa H0

α: probabilidad de cometer el error tipo I = significancia de

una prueba (nivel de significancia)
1 – α : nivel de confianza

Este nivel se puede modificar de acuerdo al tipo de trabajo

que se ejecuta (riesgo)

Se define antes de la ejecución del experimento

 HIPÓTESIS, PRUEBA DE HIPÓTESIS Y NIVEL DE
SIGNIFICANCIA

 Cualquiera que sea el diseño experimental aplicado se debe

establecer antes el nivel de confianza → probabilidad de
que la medición efectuada se ajuste a la realidad

 Nivel de confianza de 95%= el resultado tiene un 95 % de

probabilidad de ser cierto. Estadísticamente esto se expresa
como α = 5% (Probabilidad de no ser cierto).

 Por referencias bibliográficas es más común 95% → la

hipótesis debe tener mínimo un 95% de probabilidad de ser
cierta para ser lo suficientemente confiable para
publicarla
 HIPÓTESIS, PRUEBA DE HIPÓTESIS Y NIVEL DE
SIGNIFICANCIA

 95%= de cada 100 pruebas 5 arrojan resultados

falsamente significativos.

 No hay maneras de saber cuales son los resultados

falsos…simplemente se saben que están presentes

 Para disminuir los falso significativos se puede reducir el

tamaño del grupo (↑ precisión) o hacer muchas
repeticiones.
 HIPÓTESIS, PRUEBA DE HIPÓTESIS Y NIVEL DE
SIGNIFICANCIA
 En un experimento tradicional, asumiendo k tratamientos, las
hipótesis serían:

Ho: τt = 0 para todo i (i= 1,2,3….k) → no hay diferencias en lo que

se está probando

H1: τt ≠ 0 para algún i

Para comprobar la validez o no de H0, se utilizan las pruebas o

estadísticos F* o t (student).

 Estas pruebas indican que existen diferencias entre al menos

dos tratamientos…pero no especifica donde se encuentra la
diferencia

 Para saber se hacen otras pruebas → Pruebas de comparación

de medias (Tukey, Duncan, Dunnett,…)
DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
ANOVA (ANAVA):
 Se usa para comparar más de dos tratamientos

 Para saber si hay diferencias significativas entre los

promedios de los tratamientos

 Examina la varianza de los conjuntos de mediciones e

intenta detectar diferencias estadísticamente
representativas entre los conjuntos. Ejemplo: las
respuestas medidas para dos grupos experimentales
causadas por diferentes estímulos
DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
ANOVA (ANAVA):

 El ANOVA arroja el valor calculado del estadístico F, el

cual se debe comparar con el valor tabulado de este
mismo.

 Si Fcalculado es > F tabulado hay al menos una diferencia entre los

grupos de datos que es significativa.
 DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
ANOVA (ANAVA):

Fuente de Grados de Suma de Cuadrado medio F

variación libertad (Gl) cuadrados (SC) (CM)

(Entre grupos) k– 1 SC entre SC entre/k– 1 CM entre/ CM

TRATAMIENTO dentro

(Dentro del grupo) (n – 1)k SC dentro SC dentro/(n – 1)k

ERROR

Total kn – 1 SCT

k : # de
tratamientos
n : # de
repeticiones
DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO COMPLETAMENTE ALEATORIZADO

 Es el más simple de todos los diseños

 Se puede comparar cualquier número de tratamientos
 Los tratamientos se aplican a las unidades experimentales al azar
 Cualquier número de repeticiones es posible
 Mejor estimación del error experimental que otro diseño
 Útil para experimentos de laboratorios e invernaderos → unidades
experimentales homogéneas
DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO COMPLETAMENTE ALEATORIZADO (DCA):

REPETICIONES TRATAMIENTOS

1 2 3 … j

1 Y11 Y12 Y13 Y1j

2 Y21 Y22 Y23 Y2j
3 Y31 Y32 Y33 Y3j

…
r Yr1 Yr2 Yr3 Yrj
TOTALES Y.1 Y.2 Y.3 Y.j (Y. .)
MEDIAS Y.1 Y.2 Y.3 Y.j (Y. .)

VARIANZAS S12 S2 2 S32 Sj 2

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO COMPLETAMENTE ALEATORIZADO (DCA):

 SUMA DE CUADRADOS DE TRATAMIENTOS:

r: # repeticiones

t: # tratamientos

Y.j: valor promedio de un tratamiento

Y..: valor promedio de los promedios

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO COMPLETAMENTE ALEATORIZADO (DCA):

 SUMA DE CUADRADOS TOTALES:

Yij : cada valor observado

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO COMPLETAMENTE ALEATORIZADO (DCA):

 SUMA DE CUADRADOS DEL ERROR:

SCT = SCTrat + SCError

SCError = SCT – SCTrat.

 DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO COMPLETAMENTE ALEATORIZADO (DCA):

Fuente de Grados de Suma de Cuadrado medio F

variación libertad (Gl) cuadrados (SC) (CM)

(Entre grupos) k– 1 SC entre SC entre/k– 1 CM entre/ CM

TRATAMIENTO dentro

(Dentro del grupo) (n – 1)k SC dentro SC dentro/(n – 1)k

ERROR

Total kn – 1 SCT
 DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO COMPLETAMENTE ALEATORIZADO (DCA):

F tabulado:
Por lo general a α: 5%
F (GL tratamiento ,GL error ) → GL tratamiento = horizontal
GL error = vertical

Si Fcalc es mayor que Ftab se rechaza H0, lo que indica que si hay diferencias significativas entre los
tratamientos

Si α: 1% y Fcalc es mayor que Ftab la diferencia es altamente significativa

SON MUY CONFIABLES LOS DATOS

 DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO COMPLETAMENTE ALEATORIZADO (DCA):

También se puede considerar el valor p y comparar con α

si p es menor que α → se rechaza H0.

Este valor aparece en la tabla de ANOVA.

 DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
EJERCICIO:
Para un extracto se desea determinar el LC50 sobre Artemia salina.

• 10 A. salina
en cada vial

•3
Se obtuvieron los siguientes datos:
Repeticiones

  concentraciones (ppm)

repeticio 0 5 10 20 40 60 80 100
nes
1 0 1 2 5 6 9 10 10

2 0 1 3 5 7 8 10 10

3 0 0 3 6 7 8 10 10
DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS

concentraciones (ppm)
repeticio 0 5 10 20 40 60  
nes
1 0 1 2 5 6 9  
2 0 1 3 5 7 8  
3 0 0 3 6 7 8  
totales 0 2 8 16 20 25 71
medias 0 0,667 2,667 5,333 6,667 8,333 4,733

Concentración Log Conc PROMEDIO PROBIT

(ppm)
5 0,7 0,67 3,52
10 1,0 2,67 4,39
20 1,3 5,33 5,09
40 1,6 6,67 5,44
60 1,8 8,33 5,95
 DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
Log Conc PROBIT
0,7 3,52
1,0 4,39
1,3 5,09
1,6 5,44
1,8 5,95
Probit

Log [ ]
 DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
Resumen
Estadísticas de la
regresión
Coeficiente 0,9900899
de 7
correlación
múltiple
Coeficiente 0,9802781
de 4
determinació
n R^2
R^2 0,9737041
ajustado 9
Error típico 0,1536733

Observacion 5
es
ANÁLISIS DE VARIANZA
  Grados de Suma de Promedio F Valor crítico
libertad cuadrados de los de F
cuadrados
Regresión 1 3,5214335 3,5214335 149,11546 0,0011825
5 5 2
Residuos 3 0,0708464 0,0236154
5 8
Total 4 3,59228     
  Coeficiente Error típico Estadístico Probabilida Inferior Superior Inferior Superior
s t d 95% 95% 95,0% 95,0%
Intercepció 2,1721319 0,2320002 9,3626274 0,0025806 1,4338036 2,9104603 1,4338036 2,91046034
n 8 6 6 2 2 4 2
Variable X 2,1139593 0,1731152 12,211284 0,0011825 1,5630294 2,6648893 1,5630294 2,66488934
DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS

Y= 2,114X + 2,172
El valor de LC50 se halla con la ecuación de la gráfica despejando X
(concentración)

El valor Probit para un porcentaje de mortalidad del 50% es 5.

Al reemplazar este valor (Y) en la ecuación → X = 1,337 = log [ ]

Por lo tanto [ppm] = 21,73

R² = 0,980 → Indica que el porcentaje de mortalidad está influenciado en

un 98% por el efecto de la concentración

β = 2,172 → Indica que por cada unidad que se aumente en la [ppm], la

respuesta aumenta ~ 2 unidades.
•
 DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
ANÁLISIS DE VARIANZA DE UN FACTOR

RESUMEN
Grupos Cuenta Suma Promedio Varianza
Columna 1 3 0 0 0
Columna 2 3 2 0,66666667 0,33333333
Columna 3 3 8 2,66666667 0,33333333
Columna 4 3 16 5,33333333 0,33333333
Columna 5 3 20 6,66666667 0,33333333
Columna 6 3 25 8,33333333 0,33333333

ANÁLISIS DE VARIANZA
Origen de las Suma de Grados de Promedio de F Probabilidad Valor crítico
variaciones cuadrados libertad los cuadrados para F
Entre grupos 169,611111 5 33,9222222 122,12 7,3317E-10 3,10587524
Dentro de los 3,33333333 12 0,27777778
grupos

Total 172,944444 17        
DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
Comparar los valores de F para

F calculado: 122,12
α: 5% F tabulado: F(5,12) : 3,10
F calc > Ftabul por lo tanto se rechaza H0.

Hay diferencias significativas entre los tratamientos

α: 1% F tabulado: F(5,12) : 5,06

F calc > Ftabul por lo tanto se rechaza H0.

Hay diferencias altamente significativas entre los tratamientos

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
Comparar los valores de p y α.
p : 7,3317E-10
α: 0,05 (5%)

p < α : por lo tanto se rechaza H0.

Hay diferencias significativas entre los tratamientos

p : 7,3317E-10
α: 0,01 (1%)

p < α : por lo tanto se rechaza H0.

Hay diferencias altamente significativas entre los tratamientos

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
En conclusión:

Con un nivel de confianza del 95% (o con un 99%) el LC50 es de 21,73

ppm, presentándose diferencias significativas (diferencias altamente
significativas), lo que indica un alto grado de confiabilidad
DISEÑO EN BLOQUES
COMPLETAMENTE
ALEATORIZADO
(DBCA)
 DISEÑO EN BLOQUES COMPLETAMENTE
ALEATORIZADO (BCA)
 Se utiliza cuando los unidades experimentales no son homogéneas es posible estratificarlas
en grupos más homogéneos.

 Hay un factor que no se puede controlar: Edad, especie, sexo…

 Cada bloque contiene todos los tratamientos.

 Se puede usar cualquier número de bloques

 Dentro del Bloque → lo más homogéneo

 Entre Bloques → lo más diferentes

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO EN BLOQUES COMPLETAMENTE
ALEATORIZADO (BCA):

BLOQUES TRATAMIENTOS TOTALES MEDIAS

1 2 3 … j

1 Y11 Y12 Y13 Y1j Y1. Y1.

2 Y21 Y22 Y23 Y2j Y2. Y2.

3 Y31 Y32 Y33 Y3j Y3. Y3.

r Yr1 Yr2 Yr3 Yrj Yr. Yr.

TOTALES Y.1 Y.2 Y.3 Y.j (Y. .)

MEDIAS Y.1 Y.2 Y.3 Y.j (Y. .)

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO EN BLOQUES COMPLETAMENTE
ALEATORIZADO (BCA):

 SUMA DE CUADRADOS DE TRATAMIENTOS:

r: # repeticiones

t: # tratamientos

Y.j: valor promedio de un tratamiento

Y..: valor promedio de los promedios

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO EN BLOQUES COMPLETAMENTE
ALEATORIZADO (BCA):

 SUMA DE CUADRADOS TOTALES:

Yij : cada valor observado

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO EN BLOQUES COMPLETAMENTE
ALEATORIZADO (BCA):

 SUMA DE CUADRADOS DE BLOQUES:

Yt.: promedio de cada repetición

Yt.: total de cada repetición

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO EN BLOQUES COMPLETAMENTE ALEATORIZADO (BCA):

 SUMA DE CUADRADOS DEL ERROR:

SCT = SCBloques + SCTrat + SCError

SCError = SCT – SCBloq. – SCTrat.

DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO EN BLOQUES COMPLETAMENTE
ALEATORIZADO (BCA):
Fuente de Grados de Suma de Cuadrado F
variación libertad (Gl) cuadrados (SC) medio (CM)

BLOQUES r–1 SC bloque SC bloque/r – 1 CM bloque/ CMerror

TRATAMIENTO t– 1 SC tratamiento SC tratam./t– 1 CM tratam / CM error

(Para probar H0)

ERROR (r – 1) (t – 1) SC error SC error/(n – 1)k

Total rt – 1 SCT

Aparecen dos valores calculados de F: F calculado

bloques y F calculado tratamiento
 DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO EN BLOQUES COMPLETAMENTE ALEATORIZADO (DCA):

F tabulado (tratamiento):
Por lo general a α: 5%
F (GL tratamiento , GL error ) → GL tratamiento = horizontal
GL error = vertical

Si Fcalc (tratamiento) es mayor que Ftab se rechaza H0, lo que indica que si hay diferencias significativas
entre los tratamientos

Si α: 1% y Fcalc es mayor que Ftab la diferencia es altamente significativa

SON MUY CONFIABLES LOS DATOS

 DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO EN BLOQUE COMPLETAMENTE ALEATORIZADO (DCA):

F tabulado (bloque):
Por lo general a α: 5%
F (GL bloque ,GL error ) → GL bloque = horizontal
GL error = vertical

Si Fcalc (bloque) es mayor que Ftab se rechaza H0, lo que indica que el bloqueo es adecuado, es
decir el diseño es apropiado.
DISEÑO DE EXPERIMENTOS : INTERPRETACIÓN Y
ANÁLISIS DE RESULTADOS
DISEÑO EN BLOQUES COMPLETAMENTE ALEATORIZADO (BCA):

También se pueden considerar los valores de p y comparar con α : si p es

menor que α → se rechaza H0 para tratamiento o para bloque

Estos valores aparecen en la tabla de ANOVA.

 INTERPRETACIÓN Y ANÁLISIS DE
RESULTADOS

Se escriben Se ordenan Se escoge en

los datos en por bloques y excel la
excel por opción
tratamientos “Análisis de
datos”

Se escoge Se escoge la
Tabla de como “Rango opción “ANOVA
ANOVA para de entrada” de dos factores
DBCA los datos o con una sola
valores muestra por
obtenidos grupo”
 INTERPRETACIÓN Y ANÁLISIS DE RESULTADOS
EJERCICIO:

Se desea evaluar la actividad insecticida (preliminar, 1000 ppm)ppm del extracto

primario metanólico obtenido de la esponja Ircinia felix. Se recolectaron cuatro
organismos, cada uno de ellos en un lugar diferente. Uno fue recogido en la costa
cordobesa, otro en Bolívar, otro en Atlántico y otro en Magdalena.
Será que se presenta alguna diferencia en los resultados obtenidos con
cada una de las esponjas?????.....

Se utilizará un DBCA con tres repeticiones

 INTERPRETACIÓN Y ANÁLISIS DE
RESULTADOS
Estructura de tratamientos:
I1 - C : Ircinia felix Córdoba
I2 - B : Ircinia felix Bolívar
I3 - A : Ircinia felix Atlántico
I4 - M : Ircinia felix Magdalena
bloque = repetición

BLOQUE I
I1 - C I2 - B I3 - A I4 - M
ALEATORIZACIÓN

BLOQUE II
I3 - A I1 - C I2 - B I4 - M

BLOQUE III
I2 - B I3 - A I4 - M I1 - C
 INTERPRETACIÓN Y ANÁLISIS DE
RESULTADOS
La actividad insecticida se puede medir por el porcentaje de
mortalidad de los insectos

Hipótesis a probar:

H0: μ(I1 – C) = μ(I2 – B) = μ(I3 – A) = μ(I4 – M)

H1: μi ≠ μt → Existen por lo menos dos medias diferentes

TRATAMIENTOS TOTAL
BLOQUES
BLOQUES I1 - C I2 - B I3 - A I4 - M

1 31,53 25,85 64,70 70,63 192,71

2 27,68 28,60 46,89 53,44 156,61
3 16,84 16,72 40,23 33,53 107,32
TOTAL 76,05 71,17 151,82 157,6 456,64
MEDIAS 25,35 23,72 50,61 52,53
 INTERPRETACIÓN Y ANÁLISIS DE
RESULTADOS
La tabla de ANOVA obtenida es:
Análisis de varianza de dos factores con una sola muestra por grupo

RESUMEN Cuenta Suma Promedio Varianza

Fila 1 4 192,71 48,1775 517,588092
Fila 2 4 156,61 39,1525 168,991692
Fila 3 4 107,32 26,83 142,154067

Columna 1 3 76,05 25,35 58,0207

Columna 2 3 71,17 23,7233333 38,6756333
Columna 3 3 151,82 50,6066667 160,055433
Columna 4 3 157,6 52,5333333 344,719033

ANÁLISIS DE VARIANZA
Origen de las Suma de Grados de Promedio de F Probabilidad Valor crítico
variaciones cuadrados libertad los para F
cuadrados
Filas 918,680517 2 459,340258 9,69545855 0,01319528 5,14325285
Columnas 2201,94047 3 733,980156 15,4923807 0,00312602 4,75706266
Error 284,261083 6 47,3768472

Total 3404,88207 11       

 INTERPRETACIÓN Y ANÁLISIS DE
RESULTADOS
La tabla de ANOVA obtenida es:
TRATAMIENTOS TOTAL
BLOQUES I1 - C I2 - B I3 - A I4 - M BLOQUES

1 31,53 25,85 64,70 70,63 192,71

2 27,68 28,60 46,89 53,44 156,61
3 16,84 16,72 40,23 33,53 107,32
TOTAL 76,05 71,17 151,82 157,6 456,64
MEDIAS 25,35 23,72 50,61 52,53

ANÁLISIS DE
VARIANZA
Origen de Suma de Grados de Promedio F Probabilida Valor
las cuadrados libertad de los d crítico para
bloque variaciones cuadrados F

tratamiento
Filas 918,68051 2 459,34025 9,695458 0,0131952 5,1432528
7 8 55 8 5
Columnas 2201,9404 3 733,98015 15,49238 0,0031260 4,7570626
7 6 07 2 6
Error 284,26108 6 47,376847
3 2
Total 3404,8820 11       
 INTERPRETACIÓN Y ANÁLISIS DE
RESULTADOS

 Como se puede observar para los tratamientos a un

α: 5% Fcal (15,4923) > F tab (4,7570), lo cual indica
que hay diferencias significativas (*) entre los
tratamientos, es decir, entre la posible actividad
insecticida de los extractos metanólicos obtenidos de
las esponjas Ircinia felix.
 INTERPRETACIÓN Y ANÁLISIS DE
RESULTADOS

 Para los bloques a un α: 5% Fcal (9,6954) > F tab

(5,1432), lo cual indica que el bloqueo hecho tiene
un efecto importante y fue eficiente, mejorando la
precisión en la comparación de las medias de los
tratamientos.
DISEÑO FACTORIAL O
CRUZADO

DISEÑO COMPLATAMENTE
ALEATORIZADO CON ARREGLO FACTORIAL
 DISEÑO FACTORIAL O CRUZADO
 Es la combinación de dos o más diseños simples (o
unifactoriales) → requiere la manipulación simultánea de dos o
más variables independientes (llamados factores) en un mismo
experimento

 Se simbolizan por AxB, AxBxC,...

 La disposición factorial aporta información no sólo de cada factor

(efectos principales),
principales sino de su acción combinada (efecto de
interacción o efecto secundario).
secundario

 Con la misma cantidad de sujetos requerida para experimentos

de una sola variable independiente o factor → se puede estudiar
simultáneamente la acción de dos o más variables.
 DISEÑO FACTORIAL O CRUZADO
La notación del diseño es más sencilla cuando la cantidad de niveles
por factor es igual (constante):
 Diseño factorial de dos factores a dos niveles: 2²

 Tres factores a dos niveles: 23

 En términos generales, los diseños a dos niveles y con k factores se

representan por 2k; a tres niveles, por 3k; a cuatro niveles por 4k, …

 Cuando los factores actúan a más de dos niveles: el diseño se

representa por 2 x 3, 2 x 3 x 4, …
 DISEÑO FACTORIAL (2X2)

Factor 1: Factor 2:
Concentración Temperatura

0 ppm 100 10 °C 20 °C
ppm

TRATAMIENTOS
T1 0 ppm 10 °C Los tratamientos se pueden
T2 0 ppm 20 °C repetir las veces que se
quiera
T3 100 ppm 10 °C
Supongamos: 8 repeticiones
T4 100 ppm 20 °C
 DISEÑO FACTORIAL (2X2)
 HIPÓTESIS PLANTEADAS:

Según la estructura del diseño son estimables tres efectos. Por esa razón,
se plantean tres hipótesis nulas relativas a la variable A (concentración),
variable B (temperatura) e interacción:

H0: α1 = α2
H0: ß1 = ß2
H0: (αß)11 = (αß)12 = (αß)21 = (αß)22

H1: α1 ≠ α2
H1: ß1 ≠ ß2
H1: (αß)11 ≠ (αß)12 ≠ (αß)21 ≠ (αß)22
 DISEÑO FACTORIAL (2X2)
Al evaluar la toxicidad (como # de organismos muertos) de un
extracto sobre Artemia salina y considerar dos factores
independientes, Concentración y Temperatura a dos niveles cada
uno y considerando que cada unidad experimental tiene 10
organismos, se tienen los siguientes resultados.

C1-T1 C1-T2 C2-T1 C2-T2

10 4 7 8
9 3 9 6
4 4 10 9
8 5 8 9
8 2 10 8
4 3 9 7
3 4 10 7
6 2 7 6
TOTALES 52 27 70 60 209
MEDIAS 6,5 3,375 8,75 7,5 6,53
 DISEÑO FACTORIAL (2X2)

SUMAS DE CUADRADOS
SCA

SCentre-grupos SCB
(entre tratamientos)

SCtotal SCAB

SCin(dentro
tra-grupodel
s tratamiento) SCS/AB
(dentro del tratamiento)
 DISEÑO FACTORIAL (2X2)
SUMA DE CUADRADOS
SCtotal = SCentre-grupos + SCintra-grupos

SCtotal = [(10)² + (9)² + ... + (6)²] – [(209)²/(8)(4)] = 203.97

SCentre-grupos = [(52)²/8 + (27)²/8 + ... +(60)²/8] – [(209)²/(32)] = 126.59

SCintra-grupos = [(10)² + (9)² + ... + (6)²] – [(52)²/8 + (27)²/8 + ... + (60)²/8]

= 77.38
 DISEÑO FACTORIAL (2X2)

PRIMER ANÁLISIS ANOVA

Fuente de variación SC gl CM F

Entre-grupos 126,59 (AB)-1 = 3 42,19 15,28

Intra-grupo 77,38 AB(r-1) = 28 2,76

Total 203,97 (ABr)=32

F tab3,28 (α:5%): 2,95

horizonta vertical
l
 DISEÑO FACTORIAL (2X2)

PRIMER ANÁLISIS ANOVA

Del primer análisis se concluye que hay diferencias

significativas entre los tratamientos.
 DISEÑO FACTORIAL (2X2)
SUMA DE CUADRADOS
SCentre-grupos = SC A + SC B + SC interacción AB

El cálculo de estas Sumas de Cuadrados requiere la previa

construcción de la tabla de los totales por columnas.

T1(B1) T2 (B2) TOTALES

C1(A1) 52 27 79
C2 (A2) 70 60 130
TOTALES 122 87 209
 CÁLCULO DE SUMA DE CUADRADOS

16:(r)(A)
SCA = [(79)²/16 + (130)²/16] – [(209)²/32] = 81.28
16:(r)(B)

SCB = [(122)²/16 + (87)²/16] – [(209)²/32] = 38.28 32:(r)(A)

(B)

SCAB = SCentre-grupos – SCA – SCB = 126.59 – 81.28 - 38.28

= 7.03

T1(B1) T2 (B2) TOTALES

C1(A1) 52 27 79
C2 (A2) 70 60 130
TOTALES 122 87 209
 CÁLCULO DE SUMA DE CUADRADOS
FUENTE DE SC gl CM F
VARIACIÓN
Factor A 81,28 (A-1) = 1 81,28 29,44
Factor B 38,28 (B-1) = 1 38,28 13,87
Interac AxB 7,03 (A-1)(B-1)=1 7,03 2,55
Entre-grupos 126,59 AB-1=3 42,19 15,28
Intra-grupo 77,37 AB(r-1)=28 2,76  
Total 203,97 ABr-1=31    

F tab (3,28) : 2,95 y F tab (1,28) : 4,20

(α:5%)
 DISEÑO FACTORIAL (2X2)

SEGUNDO ANÁLISIS ANOVA

Se rechaza la hipótesis nula para los efectos principales de

Concentración (A) y Temperatura (B). En cambio, se acepta la
hipótesis nula para la interacción.
MUCHAS
GRACIAS