Alex Jiménez, Natasha Martínez Paralelo 2

DESARROLLO DE UN MODELO PARA NIVELES DE HEMOGLOBINA EN

MUESTRAS ALEATORIAS DE TRUCHA MARRÓN

muestras y las poblaciones sean normales

La experimentación puede ser analizada
(Reyes, 2014). Así mismo, ANOVA usa el
mediante un solo factor o con “a” niveles y
test de Fisher para aceptar o rechazar la
teniendo una aleatoriedad para evitar
hipótesis nula, es decir mientras más grande el
variabilidad (Ruiz, 2012). Además, se emplea
valor mayor relación entre sus variables
el uso de análisis de varianza con un factor
dependientes e independientes. Por ende, se
(ANOVA) para contrastar la hipótesis nula
trabaja con un 95% de confianza porque F
(medias iguales), la cual determina la
trabaja con probabilidad (Monk, 2017).
comparación del resultado de los “a”
tratamientos con respecto a una variable de
El presente trabajo tuvo como objetivo
interés (Montgomery, 2004).
conocer si los niveles de hemoglobina (gr per
100ml) en 10 truchas marrones elegidas al
En adición, para poder que dicho análisis
azar en cada canal. Dichos datos fueron
pueda cumplir su comportamiento debe existir
tomados después de 35 días de ingerir
homoscedasticidad dentro de sus poblaciones
alimentos con sulfamerazina.
estudiadas, sean independientes la cantidad de

MÉTODOS

Se utilizó los datos recolectados de los cuatro RESULTADOS

canales para crear un dataframe con el fin de
ver la dispersión de los mismos mediante Boxplot
diagrama de cajas y un gráfico de dispersión.
Figura#1 Boxplot de hemoglobina en los diferentes canales
Se trabajó en un lenguaje de programación
estadístico llamado RStudio con el fin de
encontrar de forma veraz y eficiente los
valores requeridos. Primeramente, se crea un
Boxplot para ver donde están concentrado las
muestras y así mismo que tanto están
dispersas entre sí. Por otro lado, se analiza la
varianza de un solo factor para determinar el
rechazo o aceptación de la hipótesis nula, la
cual es que las medias sean las mismas en el
modelo. Por ende, se crea un modelo de
regresión de un solo factor aleatorio que arroja
estimaciones. También, se realizaron prueba
de Tukey para ver si todos los tratamientos
dentro del experimento sean iguales y la de
Barret para probar la homogeneidad de los
datos de hemoglobina recogidas en el paso del
tiempo en cada canal codificado.
Alex Jiménez, Natasha Martínez Paralelo 2

Figura#2 Grafico de dispersión de las muestras de truchas en

nivel de hemoglobina
Tabla#2 Tabla ANOVA

Df Sum sq Mean Sq F value Pr(>F)

Canales 3 26.80 8.934 5.696 0.00268

Residuales 36 56.47 1.569

Tabla#3 Tabla de Tukey a 95% de confianza

Diff Lwr Upr P adj

CAN-2-CAN-1 2.13 0.62148556 3.6385144 0.0028743
CAN-3-CAN-1 1.83 0.32148556 3.3385144 0.0122308
CAN-4-CAN-1 1.49 -0.01851444 2.9985144 0.0539172
CAN-3-CAN-2 -0.30 -1.80851444 1.2085144 0.9497752
CAN-4-CAN-3 -0.64 -2.14851444 0.8685144 0.6660242
CAN4-CAN-3 -0.34 -1.84851444 1.1685144 0.9291864

Tabla#1 Supuestos de los residuos Figura#4 Gráfica de Tukey 95% de confianza

Hemoglobina Y.estimado Error estimado

6.7 7.20 -0.50
7.8 7.20 0.60
5.5 7.20 -1.70
8.4 7.20 1.20
7.0 7.20 -0.20
7.8 7.20 0.60
8.6 7.20 1.40
7.4 7.20 0.20
5.8 7.20 -1.40
7.0 7.20 -0.20
9.9 9.33 0.57
8.4 9.33 -0.93
10.4 9.33 1.07
9.3 9.33 -0.03
10.7 9.33 1.37

Figura#3 Gráfica de los residuos

ANÁLISIS DE RESULTADOS
En la Figura1 de detalla un Boxplot con las
variables de Hemoglobina y los canales
correspondientes, dando una dispersión de
datos. En primer lugar, en el canal 1 se
evidencia un rango intercuartil de menor
tamaño comparado a los otros canales
evidenciando la poca dispersión de datos. Por
otro lado, el canal 2 tiene un gran rango
intercuartil, pero en este caso una mayor
posibilidad de que no exista datos aberrantes
en su alrededor. Así mismo, el canal tres los
datos están aún más dispersos y llegando casi
llegando al límite de datos aberrantes. Por
Alex Jiménez, Natasha Martínez Paralelo 2

último, el canal 4 sus valores no están tan 1599/anova-homogeneous-variance-what-to-

dispersos y tampoco corre riesgo de caer en look-for-in-a-boxplot
los aberrantes. En sí, se da a entender que la
Montgomery, D. (2004). Capítulo 3:
dispersión de datos no es grande por la
Experimentos con un solo facto: el análisis de
simetría dentro de cada Boxplot o diagrama de
varianza. En Diseño y Análisis de
caja.
Experimentos (págs. 60-71). México: Limusa.
El gráfico de dispersión se asemeja al de cajas
Reyes, L. (7 de Mayo de 2014). Prueba de
porque se utiliza el mismo principio, viendo
Tukey para experimentos desbalanceados.
cuanto afecta una variable a otra dando una
Obtenido de Estadística, Matemática y
correlación teniendo barras de errores. Por
Computacióm:
ende, no existe en el canal 3 mucho error en
http://reyesestadistica.blogspot.com/2014/05/
sus muestras y en el canal 2 es donde más
prueba-de-tukey-para-experimentos.html
existe. Esta incertidumbre es media tanto en el
canal 1 y 4. Ruiz, A. (23 de Febrero de 2012).
Conexionismo. Obtenido de
Prueba de Hipótesis
http://www.conexionismo.com/leer_articulo.
𝐻0 : {𝜏1 = 𝜏2 = 𝜏3 = 𝜏4 } php?ref=analisis_de_varianza_de_un_factor_
para_muestras_independientes-8570i38c
Ha: {Al menos un par de efectos de
sulfamerazina difieren}
En la Tabla#2 se evidencia los resultados de la
prueba de ANOVA dando un valor p mediante
el análisis de Fischer de 0.00268 el cual es
menor a 0.05. Por ende, se rechaza la hipótesis
nula. Y hay suficiente evidencia estadística
que al menos un par de efectos de
sulfamerazina difieren.
Método de Tukey
Método de Barret

CONCLUSIONES

BIBLIOGRAFÍA

Monk, G. (7 de Septiembre de 2017).

ANOVA - Homogeneous variance, what to
look for in a boxplot. Obtenido de Cross
Validated:
https://stats.stackexchange.com/questions/30