Diseños Experimentales Todo

UNA PUNO DISEOS EXPERIMENTALES
Ing. Ronald Mamani Mayta Pgina | 1

DISEO COMPLETAMENTE AL AZAR (DCA, DIA)

El Diseo Completamente al Azar, es aquel en el cual los tratamientos son asignados en
forma aleatoria a las unidades experimentales, o viceversa, sin ninguna restriccin; por
lo tanto, se considera que es un diseo eficiente cuando las unidades experimentales de
las que se dispone son muy homogneas, es decir la mayora de los factores actan por
igual entre las unidades experimentales. Debido a su simplicidad, el Diseo
Completamente al Azar es usado frecuentemente utilizado en los experimentos de
laboratorio donde casi todos los factores estn controlados.
La homogeneidad de las unidades experimentales puede controlarse ejerciendo un
control local apropiado (seleccionando, por ejemplo, sujetos, animales o plantas de una
misma edad, raza, variedad o especie). Pero debe tenerse presente que todo material
biolgico, por homogneo que sea, presenta una cierta fluctuacin, cuyos factores no se
conocen y son, por lo tanto, incontrolables.

CARACTERSTICAS:
Los tratamientos se distribuyen en forma aleatoria en todas las unidades
experimentales, y el nmero de repeticiones o unidades por tratamiento puede ser
igual o diferente.
Este diseo es til cuando las unidades experimentales presentan una variabilidad
uniformemente repartida.
El diseo completamente al azar proporciona el mximo nmero de grados de
libertad para la estimacin del error experimental; adems no requiere estimar datos
faltantes, es decir, el diseo puede analizarse con diferente nmero de repeticiones
por tratamiento.

ARREGLO DE CAMPO:
Supongamos que se desea evaluar cuatro variedades de una protena en un lote
homogneo, con cuatro repeticiones. Al sortear aleatoriamente las cuatro variedades (A,
B, C y D), cada una tiene la misma posibilidad de ocupar cualquiera de las unidades
experimentales en que se divide el lote, por ejemplo:
C B D A
A B C D
D A B C
D C A B

Ejemplo
Suponga que tenemos 4 dietas diferentes que queremos comparar. Las dietas estn
etiquetadas A, B, C y D.
Estamos interesados en estudiar si las dietas afectan la tasa de coagulacin en conejos. La
tasa de coagulacin es el tiempo en segundos que tarda una cortada en dejar de sangrar.
Tenemos 16 conejos para el experimento, por lo que usaremos 4 en cada dieta.
Los conejos estn en una jaula grande hasta que se inicie el experimento, momento en
que se transferirn a otras jaulas.

Cmo asignamos los conejos a los cuatro grupos tratamiento?

MTODO 1:
Supongamos que los conejos se atrapan "al azar". Atrapamos cuatro conejos y los
asignamos a la dieta A. Atrapamos otros cuatro y los asignamos a la dieta B y as
sucesivamente.
Dado que los conejos fueron "atrapados al azar", esto producir un diseo
completamente al azar.

MTODO 2:
Atrape a todos los conejos y etiqutelos del 1 al 16. Seleccione cuatro nmeros aleatorios
(sin reemplazo) del 1 al 16 y ponga los conejos con esa etiqueta en una jaula que recibir
la dieta A.
Entonces, seleccione otros cuatro nmeros aleatorios y ponga los conejos
correspondientes en otra jaula que recibir la dieta B.
As sucesivamente hasta tener cuatro jaulas con cuatro conejos en cada una.

MTODO 3:
En una urna ponga las letras A, B, C y D en pedazos de papel separados. Atrape un conejo,
saque un pedazo de papel al azar de la urna y asigne el conejo a la dieta que indique el
papel. No reemplace el papel. Atrape el segundo conejo y seleccione al azar otro pedazo
de papel de la urna de los tres que quedan.
Asigne el conejo a la dieta correspondiente. Contine hasta que los primeros cuatro
conejos sean asignados a una de las cuatro dietas. De esta manera, todos los conejos
lentos tienen diferentes dietas.
Coloque otra vez los cuatro pedazos de papel en la urna y repita el procedimiento hasta
que los 16 conejos estn asignados a una dieta.

MODELO ESTADSTICO LINEAL
El modelo estadstico o aditivo lineal es una expresin algebraica que condensa todos los
factores presentes en la investigacin. Resulta til para sintetizar qu factores son
independientes o dependientes, cules son fijos o aleatorios, cules son cruzados o
anidados.
En este diseo el valor de cada unidad experimental Yij se aplica segn el siguiente Modelo
Estadstico Lineal:
= +

Donde:
Yij = Es la respuesta (variable de inters o variable medida), es decir es una observacin
en la j-sima unidad experimental, sujeto al i-simo tratamiento.
ti = Es el efecto del i-simo tratamiento.
= Es el efecto de la media general del experimento o constante comn.
cij = Es el error aleatorio asociado a la respuesta Yij, efecto verdadero de la j-sima unidad
experimental (replica), sujeta al i-simo tratamiento (error experimental)

ESQUEMA O REPRESENTACIN SIMBLICA DEL DISEO

Observaciones
(j)
Tratamiento (i)
Total
1 2 3 . . . T
1
Y11 Y21 Y31
. . .
Yt1 Y.1
2
Y12 Y22 Y32
. . .
Yt2 Y.2
3
Y13 Y23 Y33
. . .
Yt3 Y.3
. . . . . . . . . . . . . . . . . . . . .
r
Y1r Y2r Y3r
. . .
Ytr Y.r
Total (t)
Y1. Y2. Y3.
. . .
Yt. Y..
Medias
1.

2.

3.

. . .
..

VENTAJAS
a) Es simple de planificar.
b) El nmero de repeticiones puede variar de tratamiento a tratamiento.
c) Existe ms grados de libertad para estimar el error experimental.
d) Es flexible en cuanto al nmero de repeticiones y tratamientos.
e) Es til cuando la unidad experimental tiene una variabilidad uniforme repartida
f) Cuando se pierde alguna parcela experimental se puede considerar que se tiene
diferente nmero de repeticiones por tratamiento.
g) El error experimental puede obtenerse separadamente para cada tratamiento para
comprobar la suposicin de Homogeneidad del error.

DESVENTAJAS
a) Es ms apropiado para pequeo nmero de tratamientos y para un material
experimental homogneo y uniformemente distribuido.
b) No se puede controlar el Error Experimental por lo tanto, no es un Diseo muy
preciso.
c) Cuando se tiene diferente nmero de repeticiones por tratamiento, es necesario
calcular un Error estndar para cada pareja de medias si se quiere comparar sus
diferencias.

ANLISIS DE VARIANZA
Es una tcnica matemtica que nos permite descomponer una Fuente de Variacin Total
en sus componentes atribuibles a fuentes de variacin conocida.

El cuadro de anlisis de varianza (ANVA) es un arreglo dado por las fuentes de variacin,
seguido de los grados de libertad, de las sumas de cuadrados, de los cuadrados medios de
cada componente, as como del valor F y su probabilidad de significacin ( valor P).

DISEO COMPLETAMENTE AL AZAR CON IGUAL NMERO DE OBSERVACIONES POR
TRATAMIENTO

TABLA ANVA: Frmulas
F. de V. G.L. S.C. C.M.
C.M.E.
Modelo I Modelo II
Tratamientos t-1
.
2
=1
..
2
.
1

2
+

2
1
=1

2
+
2

Error
Experimental
t(r-1)
.
2
=1
=1
=1

( 1)

2

2

Total tr-1
..
2
=1
=1

=

..
. 100
=

..
2
..
=

MODELO DE EFECTOS FIJOS, ALEATORIOS O MIXTOS

Como se observa el efecto del tratamiento puede ser fijo, aleatorio o mixto.

a) MODELO I: Llamado modelo de Efectos fijos o modelo de anlisis de varianza. Este
modelo supone que los tratamientos de una determinada subpoblacin son una
cantidad fija, una variable no aleatoria.
Cuando los factores son fijos, el investigador ha escogido los factores en forma no
aleatoria y slo est interesado en ellos.
En este caso el investigador asume que ti=0, lo cual refleja la decisin del
investigador, de que nicamente est interesado en los t tratamientos presentes en el
experimentos. La mayor parte de los experimentos de investigacin comparativa
pertenecen a este modelo.

b) MODELO II: Llamado modelo de efectos aleatorios o modelo de componentes de
varianza. Los tratamientos considerados dentro de un experimento se asumen como
una muestra al azar extrada desde una poblacin de tratamientos.
Cuando los factores son aleatorios, el investigador, selecciona al azar los de inters de
varios que dispone y los asigna a las unidades experimentales.

En este caso el investigador asume que ti tratamientos estn distribuidos normal e
independientemente con media cero y varianza conocida, lo cual se acostumbra
abreviar as: DNI(0,o
2
), lo cual refleja la decisin del investigador de que slo est
interesado en una poblacin de tratamientos, de los cuales nicamente una muestra
al azar (los t tratamientos) estn presentes en el experimento.

c) MODELO MIXTO: Hace referencia a aquellos casos en los cuales el investigador
considera tantos factores fijos como aleatorios en el mismo experimento.

PROCEDIMIENTO PARA LA PRUEBA DE HIPTESIS
1) Planteamiento de Hiptesis
H0: ti=0 (los i tratamientos tienen el mismo efecto sobre la variable en estudio)
H1: ti=0 (No todos los tratamientos tienen el mismo efecto sobre la variable en
estudio)

2) Nivel de Significancia
=0.05 (5%) =0.01 (1%)

3) Estadstico de Prueba
=

.

4) Regla de Decisin
Si
2
,
1
se acepta la hiptesis nula (H0)
Si
>
2
,0.05
1
se rechaza la hiptesis nula (H0), representndose por un asterisco
(*), lo cual significa que la prueba es significativa.
Si
>
2
,0.01
1
se rechaza la hiptesis nula (H0), representndose por dos
asteriscos (**), lo cual significa que la prueba es altamente significativa.

5) Conclusin
De acuerdo al enunciado

EJEMPLO: Se desea probar la hiptesis de que las notas de estadstica en pruebas
objetivas cortas, dependen de la hora de realizacin de la prueba. Para ello se han
escogido, al azar, cinco alumnos del turno matutino, vespertino y nocturno. Las pruebas
arrojaron los siguientes resultados:
MATUTINO VESPERTINO NOCTURNO
16 10 15
17 11 08
18 12 09
19 13 13
20 14 14

Se pide realizar el procedimiento para la prueba de hiptesis.

Solucin:
El esquema de la matriz de datos a ser procesada es:
OBSERVACIONES
TURNO
TOTAL MATUTINO
(1)
VESPERTINO
(2)
NOCTURNO
(3)
1 16 11 15 41
2 17 12 08 36
3 18 13 09 39
4 19 14 13 45
5 20 15 14 48
TOTAL 90 65 59 209
Promedio 18 13 11.8 45.8

H0: ti=0
H1: ti=0 para al menos una i

Es decir:
H0: no existe diferencia significativa entre los tratamientos
H1: existe diferencia significativa entre los tratamientos

Respecto al problema planteado
H0: los rendimientos no difieren por turno
H1: los rendimientos difieren por turno

2) Nivel de Significancia.
=0.05

Los clculos necesarios son:
Grados de libertad de tratamientos (turnos) : t-1 = 3-1 = 2
Grados de libertad del error experimental : t(r-1) = 3(5-1) = 12
Grados de libertad del total : tr-1 = (3) (5)-1 = 14

Factor de correccin:
=

..
2
=
(214)
2
(3)(5)
=
45796
15
= 3053.07

Suma de cuadrados de tratamientos (turnos)
.
2
=1
..
2
=
90
2
+65
2
+59
2
5
3053.07 = 108.13

Suma de cuadrados del total
..
2
=1
= 16
2
+17
2
+18
2
++14
2
3053.07 = 166.93
=1

Suma de cuadrados del error
= 166.93 108.13 = 58.8

La tabla ANVA es:
F. de V. G.L. S.C. C.M. Fc
Turnos 2 108.13 54.06
11.03
Error 12 58.80 4.90
Total 14 166.93

=

.
=
54.06
4.90
= 11.03

4) Regla de Decisin
Como
= 11.03 >
12,0.95
2
= 3.89 se rechaza la hiptesis nula (H0) y se acepta la
hiptesis alterna (H1), es decir la prueba es significativa.

5) Conclusin
Existe diferencia significativa entre los rendimientos por turno, es decir las notas de
estadstica en pruebas objetivas cortas dependen de la hora de realizacin de la
prueba.

EJEMPLO 2: Se desea probar la hiptesis de que los tiempos de activado de veinte bateras
trmicas, dependen de 4 tratamientos. Para ello se han escogido, cinco bateras asignadas
al azar a cada tratamiento. Los resultados son:
1 2 3 4
73 74 68 71
73 74 69 71
75 74 69 72
75 74 69 72
75 75 70 73
Realizar el procedimiento para la prueba de hiptesis.

EJEMPLO 3: Disminucin del crecimiento en bacterias de carne almacenada
La vida en estante de carne almacenada es el tiempo en que el corte empacado se
mantiene bien, nutritivo y vendible.
El empaque estndar con aire del medio ambiente tiene una vida de 48 horas. Despus se
deteriora por contaminacin bacterial, degradacin del color y encogimiento.
El empaque al vaco detiene el crecimiento bacterial, sin embargo, se pierde calidad.
Estudios recientes sugieren que al controlar ciertos gases de la atmsfera se alarga la vida
en estante.

Hiptesis de investigacin: Algunas formas de gases controlados pueden mejorar la
efectividad del empacamiento para carne.

Diseo de tratamientos:
1. Aire ambiental con envoltura plstica
2. Empacado al vaco
3. Mezcla de gases:
1% CO (monxido de carbono)
40% O2 (oxgeno)
59% N (nitrgeno)
4. 100% CO2 (bixido de carbono)

Diseo experimental: Completamente al azar.
Tres bistecs de res, aproximadamente del mismo tamao (75 grs.) se asignaron
aleatoriamente a cada tratamiento. Cada bistec se empaca separadamente con su
condicin asignada.

Variable de respuesta: Se mide el nmero de bacterias psichnotropicas en la carne
despus de 9 das de almacenamiento a 4 C.
Estas bacterias se encuentran en la superficie de la carne y aparecen cuando la carne se
ech a perder.
La medicin fue el logaritmo del nmero de bacterias por cm
2
, los datos obtenidos fueron:
Observaciones
Tratamientos
1 2 3 4
1 7.66 5.26 7.41 3.51
2 6.98 5.44 7.33 2.91
3 7.80 5.80 7.04 3.66

Pregunta de investigacin: Hay ms crecimiento bacterial con algunos mtodos de
empacado que con otros?

Pregunta estadstica: Cul modelo describe mejor los resultados del experimento?

DISEO COMPLETAMENTE AL AZAR CON DIFERENTE NMERO DE OBSERVACIONES
POR TRATAMIENTO

En este diseo el valor de cada unidad experimental Yij se aplica segn el siguiente Modelo
Estadstico Lineal:
= +

Donde:
Yij = Es la respuesta (variable de inters o variable medida), es decir es una observacin
en la j-sima unidad experimental, sujeto al i-simo tratamiento.
= Es la media general o poblacional.
Si = Es el efecto del i-simo tratamiento.
cij = Es el error aleatorio asociado a la respuesta Yij, efecto verdadero de la j-sima unidad
experimental (replica), sujeta al i-simo tratamiento (error experimental)

TABLA ANVA: Frmulas
F. de V. G.L. S.C. C.M.
Fc
Tratamientos t-1
.
2
=1

.
1

Error Experimental (
1)
=1

.
2
=1
=1
=1

( 1)

Total
=1

=1
=1

=

..
. 100

..
=
Frmulas de Clculo

a) Trmino o Factor de Correccin:

b) Suma de Cuadrados del Total:
=1
=1

c) Suma de Cuadrados de Tratamientos:
.
2
=1

=
= =
|
|
.
|
\
|
=
t
i
i
t
i
r
j
ij
r
Y
TC
i
1
2
1 1
d) Suma de Cuadrados del Error Experimental:

El procedimiento para la prueba de hiptesis es similar al caso anterior solo cambia en el
Cuadro ANVA.

EJEMPLO 4: En un centro experimental, se apareo 9 pares de ovinos de raza corriedale
con diferentes hembras de la misma raza aleatoriamente, obtenindose pesos de cras al
nacimiento (Kg.), realizar la prueba de hiptesis respectiva con los datos que se presentan
a continuacin.

Observaciones
PADRES
1 2 3 4 5 6 7 8 9
1 3.6 3.5 3.0 3.0 3.3 4.3 4.1 3.0 3.6
2 3.0 4.2 3.6 3.2 2.8 1.9 3.2 3.2 3.6
3 3.1 3.4 4.2 2.2 4.0 3.1 3.4 3.9 3.8
4 4.0 3.0 2.2 4.1 3.0 3.4 3.2 4.0
5 4.0 4.4 3.4 3.8 3.2 3.9 3.7
6 3.8 3.8 3.5 3.0 4.0 2.4
7 3.8 2.2 3.0 4.0 4.1 2.8
8 4.3 4.2 3.7 3.6 3.6
9 3.8 3.5 3.8
10 3.4 4.2
11 3.8 4.2
12 3.9 3.9
13 3.3
14 3.6
15 3.2

H0: ti=0

Es decir:
H0: no existe diferencia significativa entre los tratamientos
H1: existe diferencia significativa entre los tratamientos

Respecto al problema planteado
H0: los pesos de las cras al nacimiento no difieren por padre (tratamiento)
H1: los pesos de las cras al nacimiento difieren por padre (tratamiento)

2) Nivel de Significancia
=0.05

Ser
a una distribucin F con n1 y n2 grados de libertad

4) Regla de Decisin

Si
se acepta la hiptesis nula con 1- % de confianza y se rechaza la

hipostasis alterna con un % de significancia.
Si
>
se rechaza la hiptesis nula con un % de significancia y se acepta la

hipostasis alterna con un 1-% de confianza.

5) Clculos
El esquema de la matriz de datos a ser procesada, para los clculos es:
Observaciones
PADRES
1 2 3 4 5 6 7 8 9
1 3.6 3.5 3.0 3.0 3.3 4.3 4.1 3.0 3.6
2 3.0 4.2 3.6 3.2 2.8 1.9 3.2 3.2 3.6
3 3.1 3.4 4.2 2.2 4.0 3.1 3.4 3.9 3.8
4 4.0 3.0 2.2 4.1 3.0 3.4 3.2 4.0
5 4.0 4.4 3.4 3.8 3.2 3.9 3.7
6 3.8 3.8 3.5 3.0 4.0 2.4
7 3.8 2.2 3.0 4.0 4.1 2.8
8 4.3 4.2 3.7 3.6 3.6
9 3.8 3.5 3.8
10 3.4 4.2
11 3.8 4.2
12 3.9 3.9
13 3.3
14 3.6
15 3.2
TOTAL 33.4 24.5 16.4 8.4 28.7 12.3 28 43.5 53.7
ri 9 7 5 3 8 4 8 12 15

Grados de libertad de tratamientos (padres) : t-1 = 9-1 = 8

Grados de libertad del error experimental:
(
1)
=1
= 62
Grados de libertad del total:
=1
= 70
=
(248.90)
2
71
= 872.55

Suma de cuadrados de tratamientos (padres)
=
33.4
2
9
+
24.5
2
7
++
53.7
2
15
872.55 = 3.18

=1
= 3.6
2
+3.0
2
+3.1
2
+ +3.2
2
872.55 = 21.44
=1

= 21.44 3.18 = 18.26

La tabla ANVA es:
Padres 8 3.18 0.397
1.35
Error 62 18.26 0.295
Total 70 21.44

=

.
=
0.397
0.295
= 1.35

6) Conclusin
Como
= 1.35
62,0.95
8
= 2.09 se acepta la hiptesis nula (H0) y se rechaza la
hiptesis alterna (H1), es decir no existen evidencias estadsticas significativas
entre los diferentes tratamientos o padres que se sometieron al estudio. La
prueba no es significativa.

7) Interpretacin
No existe diferencia significativa entre los tratamientos (padres) que se sometieron
al estudio, es decir los pesos vivos al nacimiento no dependen del padre por lo tanto
se puede tomar cualquiera de los padres para las siguientes generaciones.

EJEMPLO 5: En un experimento se van a comparar los % de carbohidratos en cuatro
marcas de pan, para lo cual se van a hacer 18 determinaciones: 5 en la marca A, 3 en la B,
4 en la C y 6 en la D.
En este caso, cada marca de pan es un tratamiento (t = 4) y se tienen n1 = 5, n2 = 3, n3 = 4,
n4 = 6. Para obtener las respuestas se tomarn muestras aleatorias de los tamaos
especificados de cada marca y se harn determinaciones de los porcentajes mediante un
procedimiento (hasta donde sea posible) idntico en las 18 unidades experimentales.
Las observaciones se muestran a continuacin:
Tratamiento (Marca)
A B C D
63 60 59 70
68 65 66 69
71 61 58 62
70 59 71
69 70
66

Realice la prueba de hiptesis para la significancia o no de los tratamientos.

DISEO COMPLETAMENTE AL AZAR CON IGUAL NMERO DE SUBUNIDADES
EXPERIMENTALES POR UNIDAD EXPERIMENTAL
Este diseo puede ser usado cuando se demandan unidades experimentales muy grandes,
debido a ello es posible dividirla en subunidades y ser estudiadas a partir de muestras
pequeas, tambin puede ser usado cuando se presentan experimentos donde es muy
tedioso tomar toda la unidad experimental, siempre que sea necesario se puede sacar
subunidades de cada unidad.

CARACTERSTICAS
Se debe tener claro que en este tipo de diseos existen dos tipos de anlisis uno referente
a las unidades y otro referente a las subunidades, generando las fuentes de variabilidad
que contribuyen a formar la varianza para las comparaciones entre los promedios de los
tratamientos, estas son:

La variabilidad entre las subunidades de una misma unidad experimental. El
cuadrado medio de esta variabilidad se denomina error de muestreo.

La variabilidad entre las unidades experimentales de un mismo tratamiento. El
cuadrado medio de esta variabilidad se denomina error experimental.

ANLISIS ESTADSTICO
Teniendo en cuanta t niveles de un factor (tratamientos), r repeticiones y m submuestras
por repeticin Yijk (i=1, 2, 3, , t; j=1, 2, 3, , r: k=1, 2, 3, , s) se considera como la
observacin de una unidad experimental perteneciente a una poblacin cuya media es
ijk. Entonces se generar tres poblaciones, las cuales se distribuirn normalmente.

El modelo estadstico apropiado estar dado por:
= +t
+o

i=1, 2, 3, , t
j=1, 2, 3, , r
k=1, 2, 3, , s

Donde:
Yijk = Es la variable respuesta de la k-sima muestra (subunidad) de la j-sima unidad
experimental, sujeto al i-simo tratamiento.
= Es la media general poblacional o constante comn.
ti = Es el verdadero efecto del i-simo tratamiento.
cij = Es el efecto verdadero de la j-sima unidad experimental sujeta al i-simo
tratamiento.
oij = Es el verdadero efecto aleatorio del error muestral en la k-sima subunidad, de la j-
sima unidad experimental, sujeta al i-simo tratamiento.

TABLA DE ANVA
Tratamientos
(entre grupos)
t-1
..
2
=1

...
2
.
1

Error experimental
(unidades dentro
de grupos)
t(r-1)
.
2
=1
..
2
=1
=1

( 1)

Error de muestreo tr(s-1)
.
2
=1
=1
=1
=1

( 1)

Total trs-1

...
2
=1
=1
=1

EJEMPLO 6: Los datos que se muestran a continuacin se refieren a producciones
parciales de forraje de maz en verde, tomadas como muestras ante la imposibilidad de
medir la produccin total de cada unidad experimental. Los tratamientos consisten en
cantidades diferentes de estircol incorporado al suelo como mejorador.

Dosis I II III IV
0
24 19 18 23
23 21 19 22
21 24 22 20
2 TM/ha
24 21 23 19
19 22 18 21
23 24 22 23
4 TM/ha
25 31 28 34
28 24 32 33
30 32 36 29
6 TM/ha
56 62 61 62
65 60 60 60
58 59 64 61


Solucin:
El esquema de la matriz de datos a ser procesada es:
Dosis I II III IV Yi..
0
24 19 18 23
23 21 19 22
21 24 22 20
Y1j. Y11.=68 Y12.=64 Y13.=59 Y14.=65 Y1..=256
2 TM/ha
24 21 23 19
19 22 18 21
23 24 22 23
Y2j. Y21.=66 Y22.=67 Y23.=63 Y24.=63 Y2..=259
4 TM/ha
25 31 28 34
28 24 32 33
30 32 36 29
Y3j. Y31.=83 Y32.=87 Y33.=96 Y34.=96 Y3..=362
6 TM/ha
56 62 61 62
65 60 60 60
58 59 64 61
Y4j. Y41.=179 Y42.=181 Y43.=185 Y44.=183 Y4..=728
Y=1605

H0: ti=0

=0.01

Ser
a una distribucin F con (t-1) y t(r-1) grados de libertad

4) Regla de Decisin

Si

Si
>

hipostasis alterna con un 1-% de confianza.

5) Clculos
Grados de libertad Entre grupos (tratamientos) : t-1 = 4 - 1 = 3
Grados de libertad de las unid. Dentro de grupos : t(r-1) = 4(4 - 1) = 12
Grados de libertad del error de muestreo : tr(s-1) = (4)(4)(3 - 1) = 32
Grados de libertad del total : trs 1= (4)(4)(3) 1 = 47

=

...
2
=
(1605)
2
(4)(4)(3)
=
2576025
48
= 53667.188

Suma de cuadrados de tratamientos
..
2
4
=1

...
2
=
256
2
+259
2
+362
2
+ 728
2
(4)(3)
53667.188 = 12469.895

Suma de cuadrados del error experimental
.
2
..
2
4
=1
4
=1
=
68
2
+64
2
+59
2
+ +63
2
3
66137.086 = 67.917
4
=1

2
3
=1
= 24
2
+23
2
+
4
=1
4
=1
+61
2
+53667.188 = 12765.812

= 12765.812 (12469.895 +67.917) = 228

La tabla ANVA es:
Tratamientos 3 12469.895 4156.632 734.4
0.79 Error Experimental 12 67.917 5.660
Error de muestreo 32 228.000 7.125
Total 47 12765.812

6) Conclusin
Para tratamientos

Como
= 734.4 >
3,12,0.95
= 3.49 se rechaza la hiptesis nula (H0) es decir se
rechaza la hiptesis de igualdad de tratamientos y se acepta la hiptesis alterna
(H1), es decir la prueba es significativa.

7) Interpretacin
Existe diferencia significativa entre los tratamientos, es decir entre las diferentes
cantidades de estircol aplicadas al suelo.

EJEMPLO 7: Analice los resultados que se muestran a continuacin:
Planta i Hoja j Determinaciones Yijk
1
1 3.28 6.37
2 3.52 7.00
3 2.88 5.68
2
1 2.46 4.90
2 1.87 3.79
3 2.19 4.38
3
1 2.77 5.43
2 3.74 7.18
3 2.55 5.10
4
1 3.78 7.65
2 4.07 8.19
3 3.31 6.62
Realice el procedimiento completo para la prueba de hiptesis.

DISEO COMPLETAMENTE AL AZAR CON DIFERENTE NMERO DE SUBUNIDADES
EXPERIMENTALES POR UNIDAD EXPERIMENTAL

El Modelo Estadstico Lineal es similar al caso anterior solo cambia en la Tabla ANVA.
Tratamientos t-1 TC
r
Y
t
i
r
j
ij
r
j
r
k
ijk
i
i
ij
|
|
.
|
\
|
=
=
= =
1
` 1
2
1 1

Error experimental (
1)
=1

= = =
=
= = =
|
|
.
|
\
|
|
|
.
|
\
|
t
i
r
j
t
i
r
j
ij
r
j
r
k
ijk
ij
r
k
ijk
i
i
i ij ij
r
Y
r
Y
1 1 1
1
2
1 1
2
1

Error de muestreo (
=1
1)
=1

= = = = =
=
|
|
.
|
\
|
t
i
r
j
r
k
t
i
r
j ij
r
k
ijk
ijk
i
ij
i
ij
r
Y
Y
1 1 1 1 1
2
` 1
2

Total
=1
=1

= = =

t
i
r
j
r
k
ijk
i ij
TC Y
1 1 1
2

( )
..
2
1 1
2
1 1 1
n
Y
r
Y
TC
t
i
r
j
ij
t
i
r
j
r
k
ijk
i
i
ij
=
|
|
.
|
\
|
=
= =
= = =

EJEMPLO: En el Centro Experimental Chuquibambilla de la Universidad Nacional del
Altiplano, se evaluaron los pesos de destete (Kg) en ovinos criollos de la progenie de 8
hembra, las cuales fueron apareadas a 3 padres. Cada padre fue apareado al azar con
diferente nmero de madres, de los cuales cada madre tiene diferente nmero de cras.
Con la informacin obtenida se estimaron los componentes de varianza para esta
caracterstica.
Padres P1 P2 P3
Madres M602 M270 M694 M268 M278 M246 M249 M603
1 15 16 17 22 22 15 16 25
2 17 15 19 15 19 17 17 16
3 14 13 18 19 18 18 20 16
4 13 24 20 15 22 18 20
5 15 17 20 15
6 17 18
Solucin: El esquema de la matriz de datos a ser procesada es:
Padres
P1 P2 P3
Madres Madres Madres
Cras M602 M270 M694 M268 M278 M246 M249 M603
1 15 16 17 22 22 15 16 25
2 17 15 19 15 19 17 17 16
3 14 13 18 19 18 18 20 16
4 13 24 20 15 22 18 20
5 15 17 20 15
6 17 18
Yij. Y11.=74 Y12.=44 Y13.=78 Y21.=93 Y22.=74 Y31.=109 Y32.=71 Y33.=110 Y=653
rij r11=5 r12=3 r13=4 r21=5 r22=4 r31=6 r32=4 r33=6 r..=37
Yi.. Y1..=196 Y2..=167 Y3..=290

H0: ti=0

=0.05

Ser
a una distribucin F con n1 y n2 grados de libertad

4) Regla de Decisin

Si

Si
>

hipostasis alterna con un 1-% de confianza.o

5) Clculos
G. L. de los tratamientos : t-1 = 3 - 1 = 2
G. L. del error experimental: ( ) ( ) ( ) ( )
=
= + + =
3
1
5 1 3 1 2 1 3 1
i
i
r
G. L. del error de muestreo:
= =
= + + + + + + + =
3
1 1
29 ) 1 6 ( ) 1 4 ( ) 1 6 ( ) 1 4 ( ) 1 5 ( ) 1 4 ( ) 1 3 ( ) 1 5 ( ) 1 (
i
r
j
ij
i
r
G. L. del total:
= =
= = + + + + + + + =
3
1 1
36 1 37 1 ) 6 4 6 4 5 4 3 5 ( 1
i
r
j
ij
i
r

( )
56757 . 11524
37
) 653 (
2
..
2
3
1 1
2
3
1 1 1
= = =
|
|
.
|
\
|
=
= =
= = =
n
Y
r
Y
TC
i
r
j
ij
i
r
j
r
k
ijk
i
i
ij

Para la suma de cuadrados de tratamientos calculamos:
3611 . 11556
16
) 290 (
9
) 167 (
12
) 196 (
2 2 2 3
1
` 1
2
1 1
= + + =
|
|
.
|
\
|
=
=
= =
i
r
j
ij
r
j
r
k
ijk
i
i
ij
r
Y

793544 . 31 56757 . 11524 36111 . 11556
3
1
` 1
2
1 1
= =
|
|
.
|
\
|
=
=
=
= =
TC
r
Y
SC
i
r
j
ij
r
j
r
k
ijk
trat
i
i ij

Para la suma de cuadrados del error experimental

= =
=
= + + + + + + + =
|
|
.
|
\
|
3
1 1
2 2 2 2 2 2 2 2
2
1
41667 . 11617
6
110
4
71
6
109
4
74
5
93
4
78
3
44
5
74
i
r
j ij
r
k
ijk
i
ij
r
Y

05556 . 61 36111 . 11556 41667 . 11617
3
1 1
3
1
1
2
1 1
2
1
= =
|
|
.
|
\
|
|
|
.
|
\
|
=

= = =
=
= = =
i
r
j i
r
j
ij
r
j
r
k
ijk
ij
r
k
ijk
ee
i
i
i ij ij
r
Y
r
Y
SC

Para la suma de cuadrados del error de muestreo
11823 18 15 14 17 15
2 2 2 2 2
3
1 1 1
2
= + + + + + =
= = =

i
r
j
r
k
ijk
i
ij
Y

58333 . 205 41667 . 11617 11823
3
1 1 1
3
1 1
2
` 1
2
= =
|
|
.
|
\
|
=

= = = = =
=
i
r
j
r
k i
r
j ij
r
k
ijk
ijk em
i
ij
i
ij
r
Y
Y SC

= = =
= = =
t
i
r
j
r
k
ijk total
i ij
TC Y SC
1 1 1
2
43243 . 298 56757 . 11524 11823

La tabla ANVA es:
Entre padres 2 31.793544 15.89677 1.302
1.723 Entre madres/padres 5 61.05556 12.21111
Progenie/madre/padre 29 205.58333 7.08908
Total 36 298.43243

6) Conclusin
Para tratamientos (entre padres)

Como
= 1.30 >
2,5,0.95
= 5.79 se acepta la hiptesis nula (H0) es decir acepta la
hiptesis de igualdad de tratamientos al 95% de nivel de confianza.

7) Interpretacin
No existen evidencias estadsticas significativas, es decir aceptamos la hiptesis de
que los tratamientos (padres) son similares o no demuestran ser diferentes.

EJEMPLO 8: Considere un ejemplo para investigar la conversin fermentativa del azcar
a cido lctico. Deseamos comparar la capacidad de dos microorganismos para efectuar
esta conversin. Una cantidad de substracto es preparada y dividida en dos porciones
desiguales. Cada porcin es dividida en un nmero de subporciones de 100 ml. (unidades
experimentales) como sigue: N 1, 4 unidades; N 2, 3 unidades. Cada una de las unidades
de 100 ml. Es inoculada como uno u otro de los dos microorganismos, 4 unidades fueron
inoculadas con el microorganismo N 1 y 3 unidades con el microorganismo N 2. La
fermentacin se deja proceder por 24 horas, y despus cada unidad experimental
(subporcin de 100 ml.) es examinada respecto a la cantidad de azcar residual,
expresada en mg. por 5 c.c., para determinar la cantidad de cambio producida por cada
microorganismo. El azcar previamente presentado ser convertido y aparece como
cido lctico. Posteriormente varios nmeros de determinaciones son hechos en cada
muestra. Los datos se registran en la siguiente tabla.
Determinaciones
Microorganismo N 1 Microorganismo N 2
Muestra N Muestra N
1 2 3 4 1 2 3
1 5.6 5.0 5.4 5.3 7.6 7.4 7.5
2 5.7 5.0 5.4 5.5 7.6 7.0 7.6
3 5.1 5.4 7.8 7.2 7.5
4 5.5 7.4
5 5.4

Se pide realizar el procedimiento para la prueba de hiptesis de significancia o no de los
tratamientos.

DISEO EN BLOQUE COMPLETO AL AZAR (DBCA)
Este diseo es uno de los ms ampliamente conocidos y difundidos de los diseos
experimentales, tambin se conoce como Diseo Bloque Completamente Aleatorizado, y
se caracteriza porque los tratamientos se distribuyen en forma aleatoria, a un grupo de
unidades experimentales denominado bloque, la finalidad es que las unidades
experimentales dentro de un bloque sean lo ms homogneas posibles, es decir el nmero
de unidades experimentales en cada bloque debe ser igual al nmero de tratamientos que
se quiere estudiar.
Los bloques pueden estar formados por reas homogneas de un terreno, grupo de
animales que puedan manipularse en forma uniforme (misma raza, misma edad, mismo
peso, etc.)
En resumen, en este diseo de bloques completos al azar los tratamientos son
aleatoriamente asignados a las unidades experimentales (homogneos) dentro de cada
estrato o subgrupo o bloque. De esta forma, el proceso de aleatorizacin de los
tratamientos ha sido restringido a las unidades dentro de cada bloque. Desde el punto de
vista de la variabilidad de los datos, se han introducido una variabilidad artificial por
estudiar distintos tratamientos.
La variabilidad natural existente entre las unidades experimentales puede ser
subdividida por el hecho de haber agrupado las unidades experimentales en grupos
heterogneos (bloques) pero conformados por unidades homogneas. As, parte de lo que
es la variabilidad natural de las unidades puede ser atribuida a algo ahora conocido
(bloques) y otra parte seguir siendo variabilidad natural de las unidades
experimentales.
Es interesante notar que la restriccin impuesta la aleatorizacin sorteo implica que cada
estrato o bloque corresponde con una repeticin completa de los tratamientos.
Los bloques o repeticiones pueden ser das, observadores, animales, corrales, pacientes,
colegios, clones, laboratorios, estufas, cmaras de crecimiento, etc. As este diseo podra
ser usado para controlar una fuente de variacin en el material experimental y no
solamente la variacin entre bloques en un campo.

En la figura siguiente, se observa que las unidades no son completamente iguales, son
heterogneas, tal como se simboliza mediante formas diferentes.

Figura 1: Principio de formacin de bloques

Primero se ordena las unidades experimentales de acuerdo a sus caractersticas, de forma
que todas las unidades iguales formen un grupo (bloque) en el ejemplo cada bloque
comprende 4 unidades homogneas Fig 1 (b). Y finalmente los 4 tratamientos (indicados
mediante 1, 2, 3, 4), se asignan al azar a las 4 unidades de cada bloque Fig. 1(c). La
evidente heterogeneidad de las unidades est controlada por el proceso de la formacin
de bloques. Obsrvese el balance que existe en este diseo. Cada observacin se clasifica
de acuerdo con el bloque que contiene la unidad experimental y al tratamiento aplicado,
dando lugar a una clasificacin de dos vas. Cada tratamiento aparece un nmero igual de
veces, generalmente una vez, en cada bloque y cada bloque contiene todos los
tratamientos. Bloques y tratamientos son ortogonales entre s. Esta propiedad es la que
lleva a los sencillos clculos aritmticos que entran en el anlisis de los datos resultantes.
Este diseo se usa con mayor frecuencia que cualquier otro y si da precisin satisfactoria,
no hay objeto de usar otro diferente.

VENTAJAS:
1) Precisin: Este diseo ha resultado ms preciso que el diseo completamente al azar,
para la mayora de los tratamientos experimentales. La eliminacin de la suma de
cuadrados de bloques desde la suma de cuadrados del error usualmente resulta en un
decrecimiento en el cuadro medio del error a pesar de la prdida de grados libres para
estimar este error. Permite ganar mayor precisin en el experimento, principalmente
cuando existe diferencias significativas entre bloques.

Flexibilidad: No existe una restriccin en relacin al nmero de tratamientos y de
repeticiones, sin embargo, el aumento en el nmero de tratamientos conlleva a la
prdida de la homogeneidad dentro de bloques.

2) Es un diseo bastante usado por su adaptabilidad, recomendndose generalmente
ms de tres bloques y por lo menos dos tratamientos por bloque.
3) Es factible realizar el anlisis experimental, cuando por alguna causa se hubiera
perdido algn bloque. Adems si el resultado de una unidad experimental no se
llegara a registrar (prdida de la unidad experimental), existen tcnicas estadsticas
simples para poder estimar el resultado.

DESVENTAJAS:
1) La desventaja de este diseo es que no es adecuado a gran nmero de tratamientos y
para los casos en que el bloque contenga considerable variabilidad.
2) Cuando existe prdida de muchas unidades experimentales, el anlisis estadstico se
complica seriamente y muchas veces no es posible analizarlo.
3) No es recomendable utilizar este diseo cuando se verifica que existe interaccin
entre bloques y tratamientos.

ESQUEMA DEL DISEO BLOQUE COMPLETO AL AZAR.

Tabla de valores de la muestra para DBCA.
Tratamientos
(i)
Repeticiones (j) Total
Yi. 1 2 3 . . . j . . . r
1
Y11 Y12 Y13
. . .
Y1j
. . .
Y1r Y1.
2
Y21 Y22 Y23
. . .
Y2j
. . .
Y2r Y2.
3
Y31 Y32 Y33
. . .
Y3j
. . .
Y3r Y3.
. . . . . . . . . . . . . . . . . . . . . . . . . . .
i
Yi1 Yi2 Yi3
. . .
Yij
. . .
Yir Yi.
. . . . . . . . . . . . . . . . . . . . . . . . . . .
t
Yt1 Yt2 Yt3
. . .
Ytj
. . .
Ytr Yt.
Total Y.j
Y.1 Y.2 Y.3
. . .
Y.j
. . .
Y.r Y..

MODELO ADITIVO LINEAL

El modelo estadstico lineal aditivo para un DBCA es el siguiente:
= +

i=1, 2, 3, , t (t tratamientos)
j=1, 2, 3, , r (r bloques)

Donde:
Yij = Variable de respuesta observada en la unidad experimental ubicada en el j-simo
bloque que recibe el tratamiento "i"
= Constante comn para toda la observacin o media de la poblacin.
ti = Es el efecto del i-simo tratamiento.
|j = Es el efecto del j-simo bloque.

cij = Trmino que representa el error de su respectiva Yij que se considera como la
variable aleatoria distribuida en forma normal e independiente con media cero y varianza
constante, es:
~ (0,
2
).

HIPTESIS Modelo I Modelo II
Respecto a los tratamientos
0
:
= 0
1
:
0
:
2
= 0
1
:
2
0
Respecto a los bloques
0
:
= 0
1
:
0
:
2
= 0
1
:
2
0

ANLISIS DE VARIANZA
De acuerdo al modelo estadstico lineal el anlisis de varianza tiene 3 fuentes de
variacin: Tratamientos, bloques y error experimental que juntos constituyen la
variabilidad total.

TABLA DE ANVA
F. de V. G.L.
S.C.
C.M. Fc
Definicin Operacional
Bloques r-1 (
..
)
2
=1

.
2
=1

Tratamientos t-1 (
..
)
2
=1

.
2
=1

=

.
1

Error
Experimental
(t-1)(r-1) (
.
+
..
)
2
=1
=1

.
2
.
2
=1
=1
=1
=1

( 1)( 1)

Total tr-1 (
..
)
2
=1
=1

=1
=1

=

..
2
(
.

)
=

..
. 100


Diseños Experimentales Todo

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Diseños Experimentales Todo

Uploaded by

Copyright:

Available Formats

UNA PUNO DISEOS EXPERIMENTALES

Ing. Ronald Mamani Mayta Pgina | 1

= 166.93 108.13 = 58.8

a una distribucin F con n1 y n2 grados de libertad

se acepta la hiptesis nula con 1- % de confianza y se rechaza la

se rechaza la hiptesis nula con un % de significancia y se acepta la

= 21.44 3.18 = 18.26

a una distribucin F con (t-1) y t(r-1) grados de libertad

se acepta la hiptesis nula con 1- % de confianza y se rechaza la

se rechaza la hiptesis nula con un % de significancia y se acepta la

= 12765.812 (12469.895 +67.917) = 228

a una distribucin F con n1 y n2 grados de libertad

se acepta la hiptesis nula con 1- % de confianza y se rechaza la

se rechaza la hiptesis nula con un % de significancia y se acepta la

You might also like