Bioestadística: Test de Hipótesis Nivel EXPERIMENTAL o EXPLICATIVO Por Bioq. José Luis Soto Velásquez (4-4)

Nivel de Investigación
4
Aplicativo
Predictivo
Explicativo
Explicativo o
Relacional
Descriptivo Experimental
Exploratorio
Dr. José Luis Soto Velásquez

investigacionjls@gmail.com
ESTADÍSTICA
Niveles de Investigación
Explica el comportamiento de una variable en función de otra(s); por ser

estudios de causa-efecto requieren control y debe cumplir otros criterios de
causalidad. Son estudios EXPERIMENTALES.
04 Explicativo
Causalidad
El control estadístico es multivariado a fin de descartar
asociaciones aleatorias, casuales o espurias entre la
variable independiente y dependiente.
Propósito investigativo: Causas, Determinantes,

Desencadenantes, Influencia, Demostración, Comprobación,
Efecto, Efectividad, Eficiencia, Evidenciación.
4 Explicativo
Mejorar
Aplicativo
Predecir
Predictivo
Explicativo Causalidad
Relacional Bivariado
Descriptivo Univariado
Exploratorio
4 Explicativo
Según la
INTERVENCIÓN
del investigador
Aplicativo
Estudios con
Predictivo intervención
Explicativo
Relacional Estudios sin

intervención
Descriptivo
Exploratorio
4 Explicativo
Según la
INTERVENCIÓN
del investigador
Aplicativo
Predictivo Experimentales
Explicativo
Relacional Observacionales
Descriptivo
Exploratorio
Muestreo en el Nivel Explicativo
Calibrar
...
Predecir
Comprobar
Estudios con intervención Muestreo no probabilístico
(Experimentales) Demostrar (según criterio: discrecional o de juicio)
Estudios sin intervención Evidenciar Muestreo probabilístico

(Observacionales)
Medir
...
Identificar
Estudio según la intervención del investigador
Es en el Nivel Explicativo donde encontramos estudios tanto Experimentales
como Estudios Observacionales, según la intervención del investigador.
Comparación (Antes - Después)
Aplicativo
Predictivo Antes Con Intervención Después
Explicativo
Estudio Experimental
Relacional
Descriptivo
Exploratorio Antes Sin Intervención Después
Estudio Observacional
En un estudio experimental el investigador manipula y controla la variable

independiente para observar su efecto en la variable dependiente.
Aplicación de los
Diseños experimentales
• Industria • Medicina
• Agricultura • Ecología
• Mercadotecnia • Educación
• Ciencias sociales • Ciencias del comportamiento
4 Explicativo
Manipulación
Aplicativo
Intervención a
Predictivo propósito del
Diseños estudio
Experimentales Explicativo
Relacional Control
Control interno
Descriptivo y/o control
externo
Exploratorio
Pertenecen al Nivel Explicativo. Los diseños experimentales se caracterizan por:
La Manipulación.- el cual es una intervención a propósito del estudio

El Control.- el cual puede ser con un Control Interno y/o Control Externo
En el Nivel Explicativo si corresponde el uso de los términos Variable Independiente y

Variable Dependiente.
En un diseño experimental, por lo menos se encuentra una Variable Independiente y

otra Variable Dependiente.
V. Independiente.- es el factor fijo (variable

categórica), es la causa.
V. Dependiente.- es una variable aleatoria,

generalmente es numérica, es el efecto.
Experimento Verdadero (puro)
Población
Grupo de estudio Grupo control
Antes Antes
Si Manipulación No
Después Después
Diferencia Diferencia
Control interno o Control externo

autocontrol
Cuasi - Experimento
Población
Grupo de estudio No hay Grupo

control
Antes
Si Manipulación
Después
Diferencia
Control interno o
autocontrol
Variables del diseño experimental
Variable Categórica
• Con tratamiento
• Sin tratamiento
Factor Fijo Variable aleatoria
V. Independiente Unidad V. Dependiente

Tratamiento Experimental Respuesta
Causa
Efecto
Las variables independientes Las variables dependientes
Fijas Numéricas
Categóricas Aleatorias
Aleatorias Categóricas
Numéricas Aleatorias Fijas Categóricas
Variable Aleatoria: Cuando los valores que vamos a encontrar en el desarrollo del estudio no son
conocidos antes de su ejecución.
Variable fija: Cuando los valores finales son conocidas antes de la ejecución del estudio.
Control Fijo o Factor Fijo

Controlable
Bloque

Causa
Covariable Efecto
Variable aleatoria
(Factor aleatorio)
incontrolable
Definiciones
Unidad Experimental
Es la entidad que sufre variaciones debido a la intervención del investigador.
Es la entidad física o el sujeto

expuesto al tratamiento
Es el material o lugar sobre el cual se independientemente de otras
aplican los tratamientos bajo estudio. El unidades. La unidad
efecto de los tratamientos se mide en la Unidad experimental, una vez
unidad experimental. Experimental expuesta al tratamiento,
constituye una sola réplica del
tratamiento.
Representa el conjunto de material al cual se aplica un tratamiento en un solo ensayo. La unidad

puede ser un alumno en el laboratorio, una parcela,, un lote de semillas, una porción de masa, lotes
de material, trabajadores, máquinas, etc.. Entonces la unidad experimental es el material
experimental unitario que recibe la aplicación de un tratamiento, es el elemento donde se realiza la
medición.

Controlable
Bloque

Causa
Covariable Efecto
Variable aleatoria
(Factor aleatorio)
incontrolable
Definiciones
Variables Independiente (Tratamiento)
Los dos grupos (Estudio y Control) corresponden a las categorías (Con tratamiento y Sin tratamiento)
de las Variable independientes, la cual se plantea como causa, se trata de un factor manipulado, en
diseños experimentales Factor: Significa Variable categórica y Fijo: Significa que la distribución de la
variable se conoce antes de recolectar los datos.
Un Factor es un grupo específico de tratamientos; las

Factor Fijo diversas categorías de un factor se denominan niveles
del factor. Un factor cuantitativo tiene niveles asociados
V. Independiente con puntos ordenados en alguna escala de medición.
Tratamiento Los niveles de un factor cualitativo representan distintas
Causa
categorías o clasificaciones, que no se pueden
acomodar conforme alguna magnitud.
Factor Fijo: Son las variables independientes manipuladas.
Tratamiento: La variable tratamiento puede ser única y se la denomina unifactorial (existe una variable
manipulada), pero también puede ser múltiple y se la denomina Multifactorial (existe varias variables
manipuladas).
Definiciones
Tratamientos
Viene a ser el conjunto de condiciones experimentales que el investigador
impone a las unidades experimentales.
Elemento, sujeto o ensayo de estudio en cantidad o calidad. Es cualquier

variable cuyo efecto se desea medir.
Se usa el término tratamiento, para denominar los diferentes procesos cuyos
efectos van a ser medidos y comparados. Un tratamiento es un conjunto
particular de condiciones experimentales que deben imponerse a una unidad
experimental.
Son el conjunto de circunstancias creados para el experimento, en respuesta

a la hipótesis de investigación y son el centro de la misma. Entre los
ejemplos de tratamientos se encuentran dietas de animales, producción de
variedades de cultivos, temperaturas, tipos de suelo y cantidades de
nutrientes. En un estudio comparativo se usan dos o más tratamientos y se
comparan sus efectos en el sujeto de estudio.

Controlable
Bloque

Causa
Covariable Efecto
Variable aleatoria
(Factor aleatorio)
incontrolable
Definiciones
Variable aleatoria (Covariable)
Factor aleatorio (Variable categórica) y Covariable (Variable numérica): Son

condiciones no previstas que aparecen durante el transcurso del estudio, son las
variables independientes no manipuladas (esto no corresponde a un experimento), lo
ideal es que no se debe permitir que condiciones aleatorias que no podemos controlar,
perturben la demostración de la causalidad (Es un control aleatorio).
Covariable
Variable aleatoria
(Factor aleatorio)
incontrolable

Controlable
Bloque

Causa
Covariable Efecto
Variable aleatoria
(Factor aleatorio)
incontrolable
Definiciones
Control Fijo (Bloque)

Controlable
Bloque
Bloques (Factor fijo): Son variables independientes categóricas en donde existen
características de las unidades de estudio que, no siendo manipuladas, que no se
pueden cambiar, ni modificar (Ej. Edad y sexo), el investigador no modifica estas dos
condiciones, pero pueden influir sobre la variable respuesta, se las utiliza como bloques
y se los distribuye desde antes de ejecutar el estudio (Es un control fijo).
Se puede contar con un solo bloque denominado: Con un factor bloque.
Se puede contar con varios bloques: Si el número de niveles en cada bloque es el

mismo se realiza los diseños cuadrados, pero cuando se tienen varios bloques y no
están presentes todas las combinaciones de sus niveles, se está ante los bloques
incompletos.

Controlable
Bloque

Causa
Covariable Efecto
Variable aleatoria
(Factor aleatorio)
incontrolable
Definiciones
Variable Dependiente (Respuesta)
La variable dependiente (Variable Respuesta) corresponde al efecto, es una

variable aleatoria y por lo general es numérica.
Variable aleatoria
Es el material o lugar sobre el cual se aplican los V. Dependiente

tratamientos bajo estudio. El efecto de los Respuesta
tratamientos se mide en la unidad experimental.
Efecto
Cuando se trabaja con:

1 Variable dependiente: se denomina UNIVARIANTE (Inter-sujeto)
2 o más Variables dependiente: se denomina MULTIVARIANTE (Inter-sujeto)
Cuando se estudia la variable en varias ocasiones: se denomina MEDIDAS
REPETIDAS (Intra-sujetos)

Controlable
Bloque

Causa
Covariable Efecto
Variable aleatoria
(Factor aleatorio)
incontrolable
Control Fijo
Bloque
Variables
Independientes
Tratamiento Unidad Respuesta

Experimental
Causa Efecto
Covariable
Variable aleatoria
incontrolable
Control Fijo
Variables no
Bloque
manipuladas

Experimental
Causa Efecto
Variables
Covariable
manipuladas
Variable aleatoria
incontrolable
Control Fijo
Bloque
Control fijo

Experimental
Causa Efecto
Covariable
Control aleatorio
Variable aleatoria
incontrolable
Control Fijo
Bloque
Control fijo
no manipulado

Experimental
Causa Efecto
Factor fijo
manipulado
Control Fijo
Bloque
- Con un factor bloques
- Con varios bloques

Experimental
Causa Efecto
- Unifactoriales
- Multifactoriales
4 Explicativo
Variable Un factor Más de un factor

independiente →
Categorías o niveles → Dos… Más de dos… Dos o más
… Grupos t de Student para ANOVA con un factor ANOVA con un factor

- Una medida muestras independientes intersujetos intersujetos
- Intersujetos
… Medidas repetidas t de Student para ANOVA con un factor ANOVA con un factor
- Un grupo muestras relacionadas Intrasujetos Intrasujetos
- Intrasujetos
4 Explicativo

independiente →

- Intersujetos
- Intrasujetos
t de Student para Muestras independientes
Un factor o una variable dicotómica … Comparar dos Grupos

Dicotómica
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Un factor o una variable dicotómica … Comparar dos Grupos

Carpeta: 20, Archivo SPSS: DHb vs Ulcera-Experim.
Planteamiento: Después de comprobar, sobre una muestra de 70 pacientes, que un tratamiento para la
artrosis suponía una disminución de Hemoglobina, se sospecha, al observar que 28 de ellos tenían
úlcera, que ésta puede ser la razón de la disminución y no el tratamiento. ¿La disminución de
Hemoglobina es la misma independientemente de la existencia o no de úlcera?

Dicotómica
1 Úlcera
Causa
Unidad
Experimental
Dismin. Hb
Efecto
1
Factor fijo: Ulcera
• Si
• No
Un factor o una variable dicotómica Carpeta: 20

Archivo SPSS: DHb vs Ulcera-Experim.
Planteamiento: Después de comprobar, sobre una muestra de 70 pacientes, que un tratamiento para la
artrosis suponía una disminución de Hemoglobina, se sospecha, al observar que 28 de ellos tenían
úlcera, que ésta puede ser la razón de la disminución y no el tratamiento. ¿La disminución de
Hemoglobina es la misma independientemente de la existencia o no de úlcera?
Interpretación: No se puede aceptar que la disminución de Hemoglobina sea la misma (P-valor: 0,000),
independientemente de la existencia o no de úlcera. En concreto, la media de la disminución en el grupo
de pacientes con úlcera (Media = 1,0110) es mayor que la media de la disminución en el grupo de
pacientes sin úlcera (Media = -0,0111). Es posible entonces que la disminución global de hemoglobina al
final del tratamiento sea debida a la disminución en los pacientes con úlcera.
4 Explicativo

independiente →

- Intersujetos
- Intrasujetos
t de Student para Muestras relacionadas
Un factor antes - después … Comparar Medidas repetidas
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Planteamiento: Se ha evaluado el Colesterol antes y después en un grupo de pacientes,
los cuales son sometidos a un tratamiento saludable durante 1 año ¿El tratamiento
saludable habrá podido disminuir los niveles de Colesterol?
Comparación (Antes - Después)
Antes Con Intervención Después

Colesterol Colesterol
inicial final
Estudio Experimental
t de Student para Muestras relacionadas
Un factor antes - después Carpeta: 21

Archivo SPSS: Peso, calorías y colesterol
Planteamiento: Se ha evaluado el Colesterol antes y después en un grupo de pacientes,
los cuales son sometidos a un tratamiento saludable durante 1 año ¿El tratamiento
saludable habrá podido disminuir los niveles de Colesterol?
Interpretación: Según el presente estudio, se pudo demostrar que el tratamiento saludable aplicado a
los pacientes durante un año, logra disminuir (P: 0,000) los niveles de colesterol, ya que los niveles de
colesterol antes de iniciar el tratamiento era en promedio de 222,95 mg/dl, el cual disminuyo hasta 203,00
mg/dl al terminar el tratamiento, logrando demostrar la efectividad del tratamiento saludable.
Experimento Verdadero (puro)
Población
Grupo experimental Grupo control
O1 Antes Antes O3
Si Manipulación No
X
O2 Después Después O4
Diferencia Diferencia
Control interno o Control externo

autocontrol
Grupo O1 X O2
Experimental
Grupo O3 O4
control
t de Student
Grupo O1 X O2
Experimental
Grupo O3 O4
control
Comprobar Comprobar la Comprobar si Comprobar si Concluir con

supuesto de igualdad de existe existe base en los
Normalidad varianza de diferencias en diferencias en resultados
de los datos los datos el ANTES el DESPUÉS obtenidos
1 2 3 4 5
t de Student
Grupo O1 X O2
Experimental
Grupo O3 O4
control
1.- Comprobar supuesto de Normalidad de los datos

• Para verificar el supuesto de Normalidad se utiliza la prueba de
Kolmogorov-Smirnov, esta prueba permite contrastar la hipótesis que los
datos muestrales presentan una distribución Normal.
• Se usa para variables cuantitativas (numéricas)
H1: La distribución de los datos es diferente a una distribución normal

H0: La distribución de los datos es igual a una distribución normal
1.- Comprobar supuesto de Normalidad de
los datos
1.- Comprobar supuesto de Normalidad de
los datos
Interpretación: P-valor > 0,05: Acepta H0

La distribución de los datos es igual a una distribución normal
t de Student
Grupo O1 X O2
Experimental
Grupo O3 O4
control
2.- Comprobar la igualdad de varianza de los datos

• Se utiliza la prueba de Levene para la igualdad de las varianzas.
• Si el P-valor es > 0,05: Varianzas iguales (Acepta H0)
• Si el P-valor es < 0,05: Varianzas diferentes (Acepta H1)
H1: Si existe diferencia significativa entre las varianzas de las dos poblaciones
H0: No existe diferencia significativa entre las varianzas de las dos poblaciones
2.- Comprobar la igualdad de varianza de
los datos
2.- Comprobar la igualdad de varianza de
los datos
Interpretación: el P-valor es > 0,05: Varianzas iguales (Acepta H0)

No existe diferencia significativa entre las varianzas de las dos poblaciones, quiere
decir que las varianzas de ambos grupos son iguales.
t de Student para muestra independiente
Antes
Grupo O1 X O2
Experimental
Grupo O3 O4
control
3.- Comprobar si existe diferencias en el ANTES

• Se utiliza la prueba de “t de Student para muestras independientes” con
la finalidad de comparar las medias del grupo Experimental y del grupo
Control.
H1: Existe diferencia significativa entre las medias del grupo Experimental y del grupo control
H0: No existe diferencia significativa entre las medias del grupo Experimental y del grupo control
3.- Comprobar si existe diferencias en el
ANTES
ANTES
Interpretación: el P-valor es > 0,05: Acepta H0

No existe diferencia significativa entre las medias del ANTES del grupo Experimental y del
grupo control. En este caso la media del grupo Experimental es significativamente igual que la
media del grupo Control.
Después
Grupo O1 X O2
Experimental
Grupo O3 O4
control
4.- Comprobar si existe diferencias en el DESPUÉS

• Se utiliza la prueba de “t de Student para muestras independientes” con
la finalidad de comparar las medias en el DESPUÉS del grupo
Experimental y del grupo Control.
H1: Existe diferencia significativa entre las medias del después del GE y del GC
H0: No existe diferencia significativa entre las medias del después del GE y del GC
DESPUÉS
DESPUÉS
Interpretación: el P-valor es < 0,05: Acepta H1

Existe diferencia significativa entre las medias del DESPUÉS del grupo Experimental y del
grupo control. En este caso la media del grupo Control es significativamente mayor que la
media del grupo Experimental.
Grupo O1 X O2
Experimental
Grupo O3 O4
control
5.- Concluir con base en los resultados obtenidos

Interpretación: A partir del análisis estadístico de los datos aplicado prueba t
Student, se puede observar que al iniciar el proceso la media del grupo
control era significativamente igual que la media del grupo experimental, y
posteriormente se observó una mejora en la media del grupo experimental,
llegando a ser estadísticamente diferente a la media del grupo control.
Ejemplo
Efectividad de la lecitina de
soya
Tabla N° 23.- Distribución del Grupo experimental y del Grupo control según el “Colesterol total
mg/dl Pre y Post complementación con Lecitina de soya” en los oficiales de 30 a 60 años de la unidad
operativa de Transito de la Ciudad de Santa Cruz de la Sierra, febrero a julio del 2018.
Colesterol Total mg/dl Colesterol Total mg/dl
(PRE) (POST)
Estadísticos
Grupo Grupo Grupo Grupo
Experimental Control Experimental Control
Media = 249,9 237,60 216,20 251,08
Error Estándar = 11,3 11,615 8,296 11,186
IC 95% Límite inferior = 227,9 215,0 200,0 229,3
IC 95% Límite superior = 271,8 260,2 232,4 272,9
P-Valor = 0,451 0,016
Fuente.- Elaboración propia, 2018.
Tabla N° 23.- Distribución del Grupo experimental y del Grupo control por Barras de error agrupadas
según el Colesterol total mg/dl Pre y Post complementación con Lecitina de soya”
Interpretación: Según la tabla n° 23, esta pudo evidenciar que la población de
estudio antes de iniciar la complementación, no presentaban diferencias
significativas (P: 0,451) (P>0,05) en los valores de Colesterol total mg/dl, siendo
los valores, elevados para el grupo experimental (media: 249,9) con Riesgo Alto,
como para el grupo control (Media: 237,6) con Riesgo Moderado.
Una vez terminada la complementación con Lecitina de soya al grupo

experimental, se pudo demostrar que los valores de Colesterol total, fueron
diferentes (P: 0,016) (P<0,05) en comparación al grupo control, logrando
disminuir con una diferencia de -33,7 mg/dl (media: 216,2) en el grupo
experimental, evidenciando de esta manera el efecto hipolipemiante de la Lecitina
de soya sobre los valores del Colesterol total, sin embargo, el grupo control
incremento los valores de colesterol total en 13,48 mg/dl (media: 251,08) en
comparación de antes de iniciar la complementación.
Análisis adicionales
Depende de la curiosidad del
investigador
Comprobar si existen diferencias en el
ANTES y DESPUÉS del Grupo Experimental
t de Student para muestras relacionadas
Antes Después
Grupo O1 X O2
Experimental
Grupo O3 O4
control
H1: Existe diferencia significativa entre las medias del ANTES y DESPUÉS del grupo
Experimental.
H0: No existe diferencia significativa entre las medias del ANTES y DESPUÉS del grupo
Experimental.

Existe diferencia significativa entre las medias del ANTES y DESPUÉS del grupo
Experimental. En este caso la media del DESPUÉS es significativamente menor que la media
del ANTES.
ANTES y DESPUÉS del Grupo Control
Antes Después
Grupo O1 X O2
Experimental
Grupo O3 O4
control
H1: Existe diferencia significativa entre las medias del ANTES y DESPUÉS del grupo
Control.
H0: No existe diferencia significativa entre las medias del ANTES y DESPUÉS del grupo
Control.

Existe diferencia significativa entre las medias del ANTES y DESPUÉS del grupo Control. En
este caso la media del DESPUÉS es significativamente mayor que la media del ANTES.
4 Explicativo

independiente →

- Intersujetos
- Intrasujetos
Análisis de la Varianza (ANOVA)
con un Factor Intersujetos
Un factor o una variable politómica … Comparar Mas de Dos Grupos
• “Es una Herramienta estadística que analiza la varianza de un Factor

para una variable dependiente cuantitativa”.
• Objetivo: contrastar la hipótesis de que varias medias (más de 2) son

iguales (Ho) o son diferentes (H1).
• Esta técnica es una extensión de la prueba T Student

- Corrige el error que se deriva de las comparaciones de medias de
varios grupos o varias repeticiones, para evitar aumentar la
probabilidad de error de tipo I.
• Las hipótesis que se formulan son:

- H1 (hipótesis alternativa o de diferencia): las medias de las
muestras son significativamente distintas.
- Ho (hipótesis nula o de igualdad): las medias de las muestras son
iguales.
• Cumplimiento de supuestos:
- NORMALIDAD
 Se comprueba con Kolmogorov o Shapiro-Wilks.
- HOMOGENEIDAD DE VARIANZAS
 La varianza de una muestra debe ser similar a la varianza de
la otra muestra.
 Se comprueba con el Test de levene
- INDEPENDENCIA
 Puntuaciones distintas porque vienen de personas distintas
• ¿Qué ocurre si no se cumple…?
- El supuesto de Normalidad: La ANOVA es robusta

 Alternativas:
• Eliminar los valores extremos
• Transformar los datos
• Usar la prueba no paramétrica de Kruskal-Wallis con las
post-hoc de U de Mann-Whitney y ajustar los errores (tasa
de error de 0,05/número total de contraste)
- El supuesto de independencia
 Alternativas:
• ANOVA de medidas repetidas
• ¿Qué ocurre si no se cumple…?
- El supuesto HOMOCEDASTICIDAD
 Alternativas al ratio F:
• Brown-Forsythe F
• Welch F
- “Ambos ajustan F teniendo en cuenta los grados de libertad, lo que

elimina los problemas de no cumplimiento de homogeneidad de
varianzas”
- “Ambos controlan el error de tipo I”
- “Welch tiene mayor potencia (i.e. detecta mejor el efecto cuando
este existe) a menos que la media sea muy grande y tenga una
varianza muy grande”
El cumplimiento del supuesto de HOMOCEDASTICIDAD

determina la prueba Post-hoc
• Pruebas Post-hoc
- Deben controlar el error tipo I cuando se realizan múltiples comparaciones.
Asumiendo varianzas iguales:

- El estadístico “Diferencia menos significativa” (DMS) no controla el error
tipo I
- Bonferroni y Tukey son de las más usadas:
 Bonferroni: más potente cuando el número de comparaciones es
pequeño
 Tukey: más potente cuando el número de comparaciones es más
grande. Mejor cuando el tamaño de las muestras de los diferentes
grupos es similar y hay homogeneidad de varianza entre grupos.
- Gabriel: cuando los tamaños muestrales son distintos en los diferentes
grupos.
No asumiendo varianzas iguales:

- Games-Howell: cuando las varianzas no son iguales y los tamaños
muestrales son distintos.
Pruebas Post-hoc
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Planteamiento: Se han evaluado a las 5 marcas de gelatinas (MIKI, KRIS, GELINUTRA,
BONAIRE, AROMA) más famosas en la ciudad de Santa Cruz de la Sierra, ¿Existirá
diferencia entre el tiempo de cuajado (minutos) en las diferentes marcas de gelatina
comercializada en la ciudad de Santa Cruz de la Sierra? Nivel de significancia 5%.
Factor: Marcas de Gelatinas (V.I.):
A = MIKI
B = KRIS
C = AROMA
D = BONAIRE
E = GELINUTRA
V.D.: Tiempo de cuajado (minutos)

Tabla N° 1.- Distribución de la prueba de ANOVA (Análisis de la Varianza) del

tiempo de cuajado de las cinco marcas de gelatina.
ANOVA
Tiempo de cuajado (minutos)
Suma de Media
cuadrados gl cuadrática F Sig.
Entre grupos 6270,000 4 1567,500 58,708 ,000

Dentro de grupos 667,500 25 26,700
Total 6937,500 29
Tabla N° 2.- Distribución de las comparaciones múltiples del tiempo de cuajado
(minutos) entre las diferentes marcas de gelatinas
Intervalo de confianza al
Diferencia 95%
(I) Marcas de (J) Marcas de de medias Desv. Límite Límite
gelatinas gelatinas (I-J) Error Sig. inferior superior
Miki Kriss 7,500 2,983 ,119 -1,26 16,26

Aroma 42,500* 2,983 ,000 33,74 51,26
Bonaire 17,500* 2,983 ,000 8,74 26,26
Gelinutra 12,500* 2,983 ,003 3,74 21,26

Kriss Miki -7,500 2,983 ,119 -16,26 1,26
Aroma 35,000* 2,983 ,000 26,24 43,76
Bonaire 10,000* 2,983 ,020 1,24 18,76
Gelinutra 5,000 2,983 ,466 -3,76 13,76
Aroma Miki -42,500* 2,983 ,000 -51,26 -33,74
Kriss -35,000* 2,983 ,000 -43,76 -26,24
Bonaire -25,000* 2,983 ,000 -33,76 -16,24
Gelinutra -30,000* 2,983 ,000 -38,76 -21,24
Bonaire Miki -17,500* 2,983 ,000 -26,26 -8,74
Kriss -10,000* 2,983 ,020 -18,76 -1,24
Aroma 25,000* 2,983 ,000 16,24 33,76
Gelinutra -5,000 2,983 ,466 -13,76 3,76
Gelinutra Miki -12,500* 2,983 ,003 -21,26 -3,74
Kriss -5,000 2,983 ,466 -13,76 3,76
Aroma 30,000* 2,983 ,000 21,24 38,76
Bonaire 5,000 2,983 ,466 -3,76 13,76

Tabla N° 3.- Distribución del tiempo de cuajado (minutos) de las cinco marcas de
gelatinas según subconjuntos homogéneos.
Subconjunto para alfa = 0.05
Marcas de gelatinas N 1 2 3 4
Aroma 6 73,00
Bonaire 6 98,00
Gelinutra 6 103,00 103,00
Kriss 6 108,00 108,00
Miki 6 115,50
Sig. (P-Valor) 1,000 ,466 ,466 ,119
Interpretación de los resultados:
• Tabla 1: “Según la prueba de ANOVA se pudo demostrar que existe diferencias

significativas (P: 0,000) en el tiempo de cuajado de las diferentes marcas de gelatina”.
• Tabla 2: “En cuanto a las comparaciones entre pares existe diferencias significativas
entre el tiempo de cuajado entre las marcas Miki y Aroma (P: 0,000), también entre la
marca Miki y Bonaire (P:0,000), Miki y Gelinutra (P:0,003), también se demostró
diferencias significativas al comparar el tiempo de cuajado entre la marca de gelatina
Kriss con Aromas (P: 0,000), Kriss con Bonaire (P: 0,020), como también entre la marca
Aroma y Bonaire (P: 0,000) y Aroma y Gelinutra (P: 0,000); Lo cual quiere decir que
cada vez que el consumidor compre la combinación de estas dos marcas de gelatinas,
el tiempo de cuajado va ser distinto”.
• Tabla 3: En el estudio de comparación entre marcas de gelatinas que si tienen igual

tiempo de cuajado (minutos), se formaron cuatro grupos, como ser entre la marca
Bonaire y Gelinutra (P: 0,466), entre la marca Gelinutra y Kriss (P: 0,466) y la marca
Kriss y Miki (P: 0,119), sin embargo, la marca Aroma no se pudo demostrar que su
tiempo de cuajado sea igual al de las otras marcas de gelatina.
Planteamiento: Se ha evaluado el Peso (Kilogramos) a niños de 1 a 11 años en cuatro

comunidades guaraníes de la provincia Cordillera del Dpto. de Santa Cruz. ¿Existe
diferencia de Peso en los niños de 1 a 11 años según las comunidades evaluadas? Nivel de
significancia 5%.
1 Comunidades
Causa
Unidad
Experimental
Peso
Efecto
1
Factor fijo: Comunidades guaraníes (V.I.): Carpeta: 24
Archivo SPSS: Peso en Comunidades 1 a 11 años
1 = Cruce
2 = Eity
3 = Itapicoe
4 = Ivamirapinta
Variable aleatoria: Peso de los niños (kilogramos)

V.D.

significancia 5%.

significancia 5%.
Diferencia de
Comunidad medias Error típico Sig. (P-valor)
*
Cruce Eity 5,6941 1,2522 0,000
Itapicoe 1,9256 1,4589 0,552
Ivamirapinta 4,7480* 1,3263 0,003
Eity Cruce * 1,2522 0,000
-5,6941
*
Itapicoe -3,7685 1,3272 0,026
Ivamirapinta -,9461 1,1799 0,853
Itapicoe Cruce -1,9256 1,4589 0,552
Eity 3,7685* 1,3272 0,026
Ivamirapinta 2,8224 1,3973 0,185
Ivamirapinta Cruce * 1,3263 0,003
-4,7480
Eity ,9461 1,1799 0,853
Itapicoe -2,8224 1,3973 0,185
*. La diferencia de medias es significativa al nivel 0.05.


significancia 5%.
Realizar los subconjuntos homogéneos
HSD de Tukey
Subconjunto para alfa = 0.05
Comunidad N 1 2 3
Eity 58 17,845
Ivamirapinta 44 18,791 18,791
Itapicoe 30 21,613 21,613
Cruce 36 23,539
Sig. (P-valor) 0,892 0,149 0,469
• Tabla 1: “Según la prueba de ANOVA se pudo demostrar que existe diferencias

significativas (P: 0,000) en el Peso (Kg) de los niños de cada una de las comunidades
guaraníes”.
• Tabla 2: “En cuanto a las comparaciones entre pares existe diferencias significativas
entre el Peso de los niños entre la comunidad de El Cruce y de Eity (P: 0,000), también
hay diferencia significativa en los Pesos de los niños que viven en la Comunidad de El
Cruce y de Ivamirapinta (P: 0,003), así también hay diferencia en los pesos de los niños
entre la comunidad de Eity y la comunidad de Itapicoe (P: 0,026)”.
• Tabla 3: En el estudio de comparación entre comunidades que tienen igual Peso (Kg),
se formaron tres grupos, como ser entre la comunidad de Eity e Ivamirapinta (P: 0,892),
entre la comunidad de Ivamirapinta y Itapicoe (P: 0,149) y las comunidades de Itapicoe y
Cruce (P: 0,469).
4 Explicativo

independiente →

- Intersujetos
- Intrasujetos
con un Factor Intra-sujetos
Un factor con > dos medidas repetidas … Modelo lineal general:

Medidas repetidas
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Planteamiento: Se desea evaluar la eficacia de un programa de dieta y ejercicios para bajar
de peso (Antes, a la mitad y al final). ¿El peso al final del programa de dieta y ejercicios es
menor al peso a la mitad y al peso basal? Nivel de significancia 5%.
1 Peso (A,M,F)
Causa
Unidad
Experimental
Eficacia dieta
Efecto
1
Carpeta: 32
Archivo SPSS: Peso inicial, mitad y final
Un factor con > dos medidas repetidas … Modelo lineal general: Medidas repetidas
P < 0,05 → H1: Diferencia E.S. En las varianzas de pares de medias

Incumplimiento supuesto de esfericidad
Ante esta situación los coeficiente de Épsilon están corrigiendo este error
12,8% del comportamiento de la variable dependiente es por efecto de la perdida

de peso en los diferentes meses del tratamiento de la dieta y ejercicios.
Si bien la potencia observada es el máximo nivel de confiabilidad que podemos alcanzar en nuestra prueba, y cuando
los datos cumplen el supuesto de esfericidad, se asume la primera fila de “Esfericidad asumida” cuyo valor máximo es
1,000, pero cuando no se cumple el supuesto de esfericidad, se utiliza la mayor potencia observada, pero la potencia
más utilizada por ser conservadora es la de Greenhouse-Geisser, cuyo valor es de 0,419 y su P-valor: 0,091.
Antes de especificar el resultado de ANOVA, se puede reportar el incumplimiento del

supuesto de esfericidad.
• “El test de esfericidad de Mauschly indica que el supuesto de esfericidad no se cumple

para el efecto de la condición de la eficacia de la dieta y ejercicio para bajar de Peso (P-
valor: 0,000), por tanto los grados de libertad se han corregido con la estimación de
esfericidad de Greenhouse-Geisser (Ԑ = 0,628).
• “En la evaluación del programa de dieta y ejercicios de 1 año de duración, este no es

muy efectivo para reducir el peso de los participantes por lo que no existe diferencia
significativa (P-valor: 0,091) en la disminución del peso desde el inicio, la mitad y al final
del tratamiento.
• En cuanto a las comparaciones por pares, no existe diferencias estadísticamente

significativas entre el peso al iniciar la dieta y el peso a la mitad de la dieta (P: 1,000), sin
embargo sí existe diferencia significativa entre el peso al iniciar la dieta y el peso al
finalizar la dieta (P:0,033).
Un factor con > dos medidas repetidas … Modelo lineal general:

Medidas repetidas
Planteamiento: En un experimento en condiciones de Laboratorio, se quiso probar el efecto

de 4 tratamientos más un testigo que retarden la pérdida de peso (gramos) de la papaya de
exportación de los valles cruceños. Para el efecto, se tomaron medidas de peso en gramos
cada 3 días durante 2 semanas. (tiempo que permanece en el tránsito hacia puerto
destino). Use la prueba de correlación de Bonferronni para controlar el error tipo I. Nivel de
significancia 5%. Carpeta: 32
Archivo SPSS: Papaya de exportación
Tratamientos Días después de la aplicación del tratamiento
3 6 9 12 15
1 250 242 225 215 205
2 252 225 205 190 183
3 251 235 217 203 195
4 250 242 238 230 225
(5) Testigo 255 210 200 185 164
P < 0,05 → H1: Diferencia E.S. En las varianzas de pares de medias

Incumplimiento supuesto de esfericidad
Ante esta situación los coeficiente de Épsilon están corrigiendo este error
El 86,7% del comportamiento de la variable dependiente es por efecto, de la

perdida de peso de los días.
Si bien la potencia observada es el máximo nivel de confiabilidad que podemos alcanzar en nuestra prueba, y cuando
los datos cumplen el supuesto de esfericidad, se asume la primera fila de “Esfericidad asumida” cuyo valor máximo es
1,000, pero cuando no se cumple el supuesto de esfericidad, se utiliza la mayor potencia observada, siendo la potencia
más utilizada por ser conservadora la de Greenhouse-Geisser, cuyo valor es de 0,985 y su P-valor: 0,004.
Antes de especificar el resultado de ANOVA, se puede reportar el incumplimiento del

supuesto de esfericidad.
• “El test de esfericidad de Mauschly indica que el supuesto de esfericidad no se cumple

para probar el efecto de 4 tratamientos más un testigo que retarden la pérdida de peso
de la papaya de exportación de los valles cruceños (P-valor: 0,033), por tanto los grados
de libertad se han corregido con la estimación de esfericidad de Greenhouse-Geisser (Ԑ
= 0,302).
• “Existe diferencias estadísticamente significativa entre la perdida de peso con respecto a

los días transcurridos. (P: 0,004).
• En cuanto a las comparaciones por pares, no existe diferencias estadísticamente

significativas entre los días 1, 4 y 5 (P > 0,05), sin embargo los días 2 y 3 sí existe
diferencia significativa entre los días, específicamente en los días 2 y 4 (P: 0,027), los
días 2 y 5 (P: 0,020), como también hay diferencias en los días 3 y 4 (P: 0,010) y los
días 3 y 5 (P: 0,038).
• En cuanto a las comparaciones por pares de días, no existe diferencias

estadísticamente significativas entre los 3, 12 y 15 días (P > 0,05), sin embargo entre los
6 y 9 días, sí existe diferencia significativa, también existe diferencia significativa entre
los 6 y 12 días (P: 0,027), como también hay diferencias significativas entre los 6 y 15
días (P: 0,020), entre los 9 y 12 días (P: 0,010) y entre los 9 y 15 días (P: 0,038).
• Se pudo comprobar como incide el efecto del tiempo sobre la perdida del peso del fruto,
el cual es importante, es decir que si no se coloca un tratamiento que haga efecto sobre
esta variable, vamos a tener perdidas, es decir que cuando llegue al lugar de destino,
vamos a tener perdida de peso en las papayas, que esta causando el tiempo (días)
sobre el fruto, va ser que perdamos dinero.
1.- Análisis de la Varianza
con un factor de Efectos fijos intersujetos
Un factor o una variable categórica … Grupos (Univariante)
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Planteamiento: Se desea comparar los resultados de tres fármacos distintos A, B y C,

utilizados para reducir la presión arterial sistólica (P.A.S.). ¿La disminución en la PAS
será distinta independientemente cual sea el fármaco administrado?
1 Fármacos A, B, C
Causa
Unidad
Experimental
P.A.S.
Efecto
1
Carpeta N° 34
Planteamiento: Se desea comparar los resultados de tres fármacos distintos A, B y C,
utilizados para reducir la presión arterial sistólica (P.A.S.). ¿La disminución en la PAS
será distinta independientemente cual sea el fármaco administrado?
Carpeta N° 34
Ha: La disminución en la PAS es distinta independientemente cual sea el fármaco administrado

Ho: La disminución en la PAS es la misma independientemente cual sea el fármaco administrado
Respuesta.- No se puede rechazar la Ho, o sea, aceptamos la Ho.

Con dos o más factores de Efectos fijos intersujetos
Dos factores o dos variables categóricas … Grupos (Univariante)
2 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Carpeta N° 35

Se ha detectado que tres fármacos distintas A, B y C, utilizados para reducir la Presión Arterial Sistólica
PAS, proporciona distintos resultados. Se sospecha que es debido, más que a los fármacos en sí, a que,
en cada uno de los tres grupos sobre los que se observó el resultado de cada fármaco, los pacientes
presentaban distintas características, en particular, distintas edades. En consecuencia, se decidió realizar
un nuevo estudio para analizar el efecto de la edad en los resultados.
El p-valor de la primera hipótesis

(Sig., en la línea fármaco), es mayor
que 0,05, mientras que los p-valores
(Sig., EDAD y fármaco*Edad) son
menores que 0,05. La primera Ho no
puede ser rechazada, las otras dos
sí pueden serlo.
Ho Fármaco: La disminución en la PAS es la misma en las diferentes subpoblaciones debido al efecto de

los fármacos.
Ha Edad: La disminución en la PAS es distinta en las diferentes subpoblaciones debido al efecto de la
edad.
Ha Fármaco-Edad: La disminución en la PAS es distinta en las diferentes subpoblaciones debido a la
interacción Edad y Fármacos.
Conclusión.- La disminución de la presión arterial sistólica sea diferente en las distintas subpoblaciones es
debido, por un lado, al efecto de la EDAD y, por otro, al efecto de la interacción de la EDAD y FÁRMACOS.
3.- Análisis de la Varianza con dos o más factores de
Efectos aleatorios intersujetos
Carpeta N° 36
2 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Se ha detectado que una dieta utilizada para reducir la PAS, siendo administrado a pacientes con
características semejantes, proporciona distintos resultados. Se sospecha que es debido, más que a los
fármacos en sí, a que las dosis aplicadas fueron distintas. El estudio fue realizado en pacientes de cuatro
médicos distintos y cada uno de ellos eligió la dosis que considero adecuada en función del PESO de los
pacientes. En consecuencia, se decidió realizar un nuevo estudio para analizar el efecto de las distintas
dosis en pacientes con distinto peso. Para ello se seleccionaron, por un lado, cuatro dosis distintos, y por
otro, dos intervalos de peso en los que todos los médicos estaban de acuerdo en que administrarían
dosis distintas.
3.- Análisis de la Varianza con dos o más factores de
Efectos aleatorios intersujetos
Ho: El comportamiento de la
variable PAS es independiente de
la dosis aplicada, independiente
del peso e independiente de la
interacción entre ambos aspectos.
El p-valor de la primera hipótesis (Sig., en la línea DOSIS), es menor que 0,05, mientras que los p-valores
(Sig., PESO y DOSIS*PESO) son mayores a 0,05. La primera Ho puede ser rechazada, las otras dos no
pueden serlo.
Conclusión.- Los distintos resultados en la disminución de la PAS dependen exclusivamente de las dosis
administradas.
Modelos con factores de efectos mixto
Un factor fijo o un factor aleatorio … Grupos (Univariante)
2 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1

Se ha detectado que tres fármacos distintos, A, B y C, utilizados para reducir la PAS, que proporcionan
distintos resultados. Se sospecha que es debido, más que a los fármacos en sí, a que en cada uno de los
grupos a los que se administró cada una de los fármacos, los pacientes presentaban distintas
características, particular, distintos pesos. En consecuencia, se decidió realizar un nuevo estudio para
analizar el efecto de los tres fármacos según peso. Para ello, se seleccionaron dos intervalos de peso en
los que se sospechaba, en función de los resultados del primer análisis, que el efecto de cualquier
fármaco podría ser distinto.
Carpeta N° 37
Ho: El comportamiento de la
variable PAS es independiente al
fármaco aplicado, independiente
del peso e independiente de la
interacción de los dos aspectos.
El p-valor de la tercera hipótesis (Sig., en la línea FÁRMACO*PESO), es menor que 0,05, mientras que los
p-valores de la primera y segunda (Sig., FÁRMACO y PESO) son mayores a 0,05. La tercera Ho puede ser
rechazada, las otras dos no pueden serlo.
Conclusión.- Los distintos resultados en la disminución de la PAS dependen del distinto comportamiento
que presentan los tres fármacos según el peso de los pacientes.
5.- Diseño completamente aleatorizado DCA
Una variable categórica … Grupos (Univariante)
1 Tratamiento
Causa
Unidad
Experimental
Respuesta
Efecto
1
DCA
Prueba de Hipótesis de varias medias

• Qué hacer cuando se desean comparar más de dos medias?
• Hay alguna técnica para comparar varias variables simultáneamente?
• Es posible resolver más de una hipótesis a la vez?
• Se puede analizar varios factores simultáneamente?

• Se puede comparar uno o más grupos de medias
• Se planteará una H0 que implica igualdad de medias
• La Ha dirá que no todas las medias son iguales (exista alguna diferencia)
• Cálculos algo complejos son auxiliados por múltiples programas
computacionales
• En que se basa esta técnica?
El ANOVA de Una-Vía
• Descomposición de la variación total en componentes básicos
Variación Variación debido al Variación debido al

Total = Factor Nivel + Ruido Experimental
SCT SFC SCE

Suma de los Cuadrados Totales Suma de los Cuadrados de los Factores Suma de los Cuadrados de los Errores
Suma Total Factor de la Suma de Error de la Suma de

de los los Cuadrados entre los Cuadrados dentro
Cuadrados Grupos de los Grupos
Tratamientos
Ejemplo: Carpeta N° 38
• Se registra el número de helados producidos por cada uno de los tres
turnos durante una semana. ¿Hay alguna diferencia en la producción de
cada turno?
K (Tratamientos)
TURNO A TURNO B TURNO C

54 45 51
45 46 54
48 49 51
n 47 53 57
58 50 56
45 47 53
46 46 52
N° unidades experimentales: nxk

Ejemplo:
1. H0: Las medias de las muestras son todas iguales

2. Ha: No todas las medias son iguales
3. Asigne el nivel de significancia: α = 0,05
4. La ANOVA de una-vía somete a prueba las diferencia entre las medias de
3 o más (un factor a 3 o más niveles).
5. Supuestos:
K (Tratamientos)
ANOVA
• Muestras aleatorias de
• Datos normales una-vía
(Un criterio de
• Varianza constante 54 45 51 ordenamiento)
45 46 54
48 49 51
n 47 53 57
N° unidades 58 50 56
experimentales: n x k Los
45 47 53 Tratamientos se
organizan en
46 46 52 vertical
H0: μ1 = μ2 = μ3

54 45 51
45 46 54 SPSS
48 49 51
47 53 57
58 50 56
45 47 53
46 46 52
…a) ANOVA de un factor


Pruebas post ho
Subconjuntos homogéneos
…b) Grupos (Univariantes)


Pruebas post ho
• Dado que el P-valor = 0,026 < 0,05 para la variación entre grupos, existe una
diferencia significativa entre las salidas o producciones o en las respuestas
(Outputs) de los tres turnos.
• La media de los turnos demuestra que el turno C es el más productivo.
• En la diferencias entre los diferentes turnos, el turno A y el turno B tienen

producciones iguales (P: 0,863), mientras que entre el turno B y turno C existe
una diferencia de producción (P: 0,029), siendo el turno C (Media: 53,43) el
más productivo.
• En una de las practicas de Tecnología farmacéutica, se formaron 5 grupos
de estudiantes, para elaborar la mayor cantidad de Alcohol gel antiséptico.
¿Varia la elaboración de Alcohol gel antiséptico según los grupos?
GRUPO 1 GRUPO 2 GRUPO 3 GRUPO 4 GRUPO 5

12 15 12 20 28
14 14 20 29 28
14 16 28 20 28
11 14 30 19 20
15 15 29 19
16 27 28
16 20
14
14
GRUPO 1 GRUPO 2 GRUPO 3 GRUPO 4 GRUPO 5

12 15 12 20 28
14 14 20 29 28
14 16 28 20 28
11 14 30 19 20
15 15 29 19
16 27 28 SPSS
16 20
14
14


Pruebas post ho
Gráfico de las medias



Pruebas post ho
Gráfico de las medias

• Dado que el P-valor = 0,000 < 0,05 para la variación entre grupos, existe una
diferencia significativa en la elaboración de los alcohol gel antisépticos en los 5
grupos.
• La media de los grupos demuestra que el grupo 5 es el más productivo en la

elaboración de los alcohol gel antisépticos .
• En la comparación entre pares de los diferentes grupos, en los grupos 1 y 2

estos están elaborando igual cantidad barras energéticas, mientras que los
grupos 3, 4 y 5 constituyen otro grupo totalmente separado que elaboran
mayor cantidad de alcohol gel antisépticos , siendo el grupo 5 el de mayor
elaboración.
Una variable categórica … Grupos (Univariante)
Carpeta N° 38
Planteamiento: Se realiza un estudio en personas adictas al café, mayores de 40 años para

evaluar el efecto de esta práctica en la concentración de calcio en sangre. Los niveles de
referencia de calcio entre 8,5-10,5(mg/100 mL).
• De 5 a 10 tasas al día 5,4 7,2 4,8 5,3 5,1

• De 11 a 15 tasas al día 4,4 4,6 5,2 6,4 6,7 4,1
• Más de 15 tasas al día 4,0 5,3 7,2 6,4 7,7
A que conclusión puede llegar. Explique.

Nivel de significancia 5%.


Pruebas post ho



Pruebas post ho
Una variable categórica

6.- Diseño de bloques completos aleatorizados DBCA
El ANOVA de Doble-Vía
Dos variables categóricas … Grupos (Univariante)

Factor Fijo
Controlable
Bloque
Un bloque
1 Tratamiento
Causa
Unidad
Experimental
Respuesta
Efecto
1
DBCA
Cuando usarla?
• Cuando se tiene dos Xs (variables diferentes) con una Y

• Es una extensión de la ANOVA de 1 Vía
Porque usarla?
• No se dispone de datos históricos

• Se necesita correr un experimento para observar todas las posibles
combinaciones de las dos Xs
• Experimentos diseñados con dos factores, cada uno a niveles fijos.
• Muestra los resultados en una tabla

− Factor fila
− Factor columna
• La respuesta es continua:
 H0 Factor fila: Las medias de las filas son iguales
 Ha Factor fila: Las medias de las filas no son iguales
 H0 Factor columna: Las medias por columnas son iguales

 Ha Factor columna: Las medias de las columnas no son iguales
• Elija el nivel de significancia α = 0,05

• Descomposición de la variación total en componentes básicos
Bloques Tratamientos Variación
Variación Variación debido Variación debido debido al
Total = al Factor Fila + al Factor columna + Ruido
Experimental
SCT SSF SSC SCE
Suma Total Suma de los Suma de los Suma de los

de los Cuadrados de las filas Cuadrados de las Cuadrados de los
Cuadrados columnas Errores
Supuestos:
• Los datos son aproximadamente normales.

• Si las mediciones no se repiten: no hay interacción entre los factores de fila y
los factores de columna. Use la diferencia entre los valores replicados para
determinar interacciones.
• Un producto se puede fabricar bajo temperatura alta, media o baja y con

materias prima de uno de los 4 proveedores, ¿Influyen estos dos factores
(temperatura y proveedor) en la resistencia del producto final?.
• Diseñe un experimento para cotejar cada nivel de temperatura con la
materia prima de cada proveedor.
Temperatura
Alta Media Baja
Proveedor
A 42,0 56,0 60,5

B 63,0 72,5 91,5
C 36,5 56,5 70,5
D 67,0 73,0 96,0
K (Tratamientos)
ANOVA
de
Temperatura Una-vías
(Un criterio de
ordenamiento)
Alta Media Baja
Proveedor
Bloques
A 42,0 56,0 60,5

B 63,0 72,5 91,5
C 36,5 56,5 70,5 Los
Tratamientos se
D 67,0 73,0 96,0 organizan en
columnas
ANOVA
Los Bloques se
de
organizan en
Una-vías
(Un criterio de filas
ordenamiento)
Columnas H0: μ1 = μ2 = μ3
Filas H0: μ1 = μ2 = μ3
Temperatura
Alta Media Baja SPSS
Proveedor
A 42,0 56,0 60,5

B 63,0 72,5 91,5
C 36,5 56,5 70,5
D 67,0 73,0 96,0
…Grupos (Univariantes)
Medias marginales estimadas
Pruebas post hoc
Temperaturas (Tratamientos)
H0: μ1 = μ2 = μ3 = μ4 = μ5
H0: La resistencia del producto es la misma trabajada a Temperatura alta, media o baja
Proveedores (Bloques)
H0: μ1 = μ2 = μ3 = μ4
H0: La resistencia del producto es el mismo si el material proviene del proveedor A, B, C o D
• Dado que el P-valor = 0,001 < 0,05 para la variación entre proveedores, existe
una diferencia significativa donde no se logra la misma resistencia del producto
con diferentes proveedores.
• Dado que el P-valor = 0,001 < 0,05 para la variación entre temperaturas, existe
una diferencia significativa donde no se logra la misma resistencia del producto
a diferente temperatura.
• El proveedor A y C proveen material similar en cuanto a su resistencia, al igual

que los proveedores B y D, pero por separados; lo que significa que los
proveedores B y D nos proveerán material que me va a generar mayor
resistencia del producto y serian los proveedores de mejor elección.
• La temperatura alta produce una resistencia baja, en cambio la temperatura

baja esta produciendo la más alta resistencia y la temperatura media produce
una media resistencia.
• Si se pretenden piezas con mucho mayor resistencia se deberá escoger la de

temperatura baja (método de producción) y los mejores proveedores a escoger
serían B o D, ellos nos proporcionarían piezas de mucho mayor resistencia o
dureza.
• Se realiza un experimento para comparar la efectividad de cuatro

compuestos químicos (A, B, C y D) en producir resistencia a la humedad
en cierto producto textil en el laboratorio de control de calidad. Una tira de
tela seleccionada al azar de un cierto rollo, se corto en 4 piezas y las
piezas se asignaron al azar a los cuatro tratamientos A, B, C y D.
• Este proceso se repitió tres veces produciendo así un diseño en bloques

aleatorizados.
• ¿Presentan los datos pruebas que indique que hay diferencias entre las
penetraciones medias de humedad en los materiales tratados con los
cuatros compuestos químicos?
• ¿Hay evidencia que la introducción de bloques aumento la cantidad de

información o precisión en el experimento?
Carpeta N° 39
C D B
9,9 13,4 12,7
A B D Compuestos químicos
10,1 12,9 12,9 A B C D
Repeticiones
RI 10,1 11,4 9,9 12,1
B A C
11,4 12,2 11,4 R II 12,2 12,9 12,3 13,4
R III 11,9 12,7 11,4 12,9

D C A
11,1 12,3 11,9
DCA ANOVA de Una-Vía
Error = 7,707
DBCA ANOVA de Doble-Vía
Error = 7,707
Desglosado en:
7,172 Repeticiones
0,535 Error
• El análisis DBCA (dos-vías) le extrae algunos efectos al error, por tanto el error
se disminuye y el experimento tiene una mayor precisión.
• En el experimento DCA cuyo P-valor: 0,225 nos dice que las medias son
iguales para los cuatro tratamientos.
• En cambio con el experimento DBCA el P:002 < 0,05, entonces se puede

afirmar que las resistencias medias a la penetración de humedad no es la
misma, hay alguna tela que impermeabiliza mejor que otra.
• Respecto a la fila de repeticiones el P:0,000 < 0,05, esto quiere decir que la
introducción de las repeticiones como bloque es mucho más provechosa,
porque redujo el error e hizo que el experimento sea mucho más significativo,
cuando antes (DCA) no lo fue.
• El experimento será mucho más preciso cuando se disminuya el error, y una

manera de disminuir el error es hacer un análisis de dos vías (DBCA), donde
antes se hizo un análisis de una sola vía (DCA).
Dos variables categóricas … Grupos (Univariante)

Carpeta N° 39
Planteamiento: Se evalúa la eficacia de sulfato ferroso a 4 diferentes concentraciones 2;
2,5; 3; y 4 mg/kg/día para combatir la anemia en personas con desnutrición. Dada la
variabilidad de pesos y sexos, se decidió agrupar en bloque de personas por pesos lo más
semejantes posibles. Se les dio el tratamiento durante 4 meses y se procedió a determinar
su volumen sanguíneo dando los siguientes resultados:
T1 T2 T3 T4
I 4,1 6,5 4,1 4,9
II 4,1 5,3 4,0 6,2
III 6,5 6,9 4,5 4,8
IV 4,3 6,8 4,3 4,2
V 6,0 6,5 4,1 6,9
A que conclusión puede llegar. Explique.

Nivel de significancia 5%.
7.- Diseño experimental con dos bloques
Control Fijo
Controlable
Bloque
Dos bloques
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
7.- Diseño experimental con dos bloques
Diseño con dos boques filas x columnas
2x2 2x3 2x4 2x5
3x2 3x3 3x4 3x5

7.- Diseños cuadrados
Diseño cuadrados Niveles de filas = Niveles de columna
2x2 2x3 2x4 2x5
3x2 3x3 3x4 3x5

7.- Diseño cuadrados
Diseño cuadrados Falta agregar el factor manipulado
2x2 3x3 4x4 5x5
Luego multiplicar por los niveles del factor manipulado
23 = 8 33 = 27 43 = 64 53 = 125
2x2
2 Bloques + 1 Factor manipulado = 3
2(1 bloque de 2 niveles)x 2 (1 bloque de 2 niveles) x 2 (Dos niveles del Factor Manipulado) = 8 (N° de Grupos)
23 = 8
N° de niveles
en cada factor 2 bloques = Tabla de 2 x 2 x 2 = 8 grupos
8 grupos x 2 replicas = 16 Unidades experimentales

2x2 3x3 4x4 5x5
23 = 8 33 = 27 43 = 64 53 = 125
2 bloques = Tabla de 3x3x3(factor manipulado) = 27 grupos

2x2 3x3 4x4 5x5
23 = 8 33 = 27 43 = 64 53 = 125

2x2 3x3 4x4 5x5
23 = 8 33 = 27 43 = 64 53 = 125

7.- Diseño cuadrados incompletos o
Diseños de Bloques incompletos
Diseño cuadrados incompletos
2x2 3x3 4x4 5x5
Luego multiplicar por los niveles del tratamiento
23-1 = 4 33-1 = 9 43-1 = 16 53-1 = 25

Grupos

2x2 3x3 4x4 5x5
23-1 = 4 33-1 = 9 43-1 = 16 53-1 = 25

Grupos

2x2 3x3 4x4 5x5
23-1 = 4 33-1 = 9 43-1 = 16 53-1 = 25

Grupos

7.- Diseño de bloques incompletos
Tres variables categóricas … Grupos (Univariante)

Factor Fijo
Controlable
Bloque
Dos bloques
1 Tratamiento
Causa
Unidad
Experimental
Respuesta
Efecto
1
DCL
7.- Diseño cuadrados latino DCL
Lo que hace el arreglo LATINO es

Un diseño cuadrado latino tiene:
convertir una figura 3D en 2D.
- Un factor manipulado (Tratamiento)
- Dos factores no manipulados (Bloques)
Con tres factores en total, se puede

construir una figura 3D
2x2 3x3 4x4 5x5
- El número de los niveles de los bloques y el tratamiento es el mismo

- El número de replicas o repeticiones es igual al número de niveles
- Es aleatorio siempre que no se repitan grupos en filas y columnas
• Se tienen 16 pacientes (Unidades experimentales) con asma que

continuamente presentan crisis asmática que les dificulta respirar porque
se les cierra las vías respiratorias, utilizan un medicamento inhalador
llamado broncodilatador (El problema de los broncodilatadores es que
actúan sobre los receptores betas del corazón provocando el incremento
de la frecuencia cardiaca). Cuanto de incremento produce este
medicamento en la frecuencia cardiaca.
• 10 a 20 años
Factor Fijo Método de aleatorización en un croquis
• 20 a 30 años
Edad Controlable Edad en años
• 30 a 40 años
• 40 a 50 años De 10 a 20 De 20 a 30 De 30 a 40 De 40 a 50
2 Santa Cruz de la Sierra 1 2 3 4
Bloque
• Santa Cruz de la Sierra Tarija 5 6 7 8
Ciudad • Tarija Cochabamba 9 10 11 12
• Cochabamba
La Paz 13 14 15 16
• La Paz

Causa Efecto
1 Broncodilatador
• Salbutamol
Unidad
Experimental
Elevación F.C.
Incremento
1
• Fenoterol (diferencia antes-después)
• Terbutalina
• Salmeterol
4x4
64 4 256
grupos
x = Unidades
replicas
experimentales
43 = 64
4x4
16 1 16
grupos
x = Unidades
replica
experimentales
43-1 = 16
• 10 a 20 años
• 10 a 20 años Factor Fijo
• 20 a 30 años Ciudad Edad Broncodilatador
• 20 a 30 años Controlable Edad • 30 a 40 años
Edad • 30 a 40 años
• 40 a 50 años
• 40 a 50 años
Bloque
• Santa Cruz de la Sierra
• Santa Cruz de la Sierra
Ciudad • Tarija
Ciudad • Tarija • Cochabamba
• Cochabamba
• La Paz
• La Paz

Variable aleatoria
Causa Efecto
tal
1 Efecto
Broncodilatador
Elevación F.C.
• Salbutamol
1 Unidad
Experimental
Elevación F.C.
Incremento
1
•Incremento
Fenoterol (diferencia antes-después)
(diferencia antes-después)
• Terbutalina
• Salmeterol
4x4
43-1 = 16
16 1 16
grupos
x = Unidades
replica
experimentales
Broncodilatador
Ciudad Edad Salbutamol Fenoterol Terbutalina Salmeterol
De 10 a 20 25
Santa Cruz de la De 20 a 30 9
Sierra
De 30 a 40 11
(416 msnm)
De 40 a 50 9
De 10 a 20 17
Tarija De 20 a 30 15
(1874 msnm) De 30 a 40 18
De 40 a 50 12
De 10 a 20 26
Cochabamba De 20 a 30 21
(2558 msnm) De 30 a 40 14
De 40 a 50 19
De 10 a 20 29
La Paz De 20 a 30 26
(3625 msnm) De 30 a 40 16
De 40 a 50 15
Broncodilatador
Ciudad Edad Salbutamol Fenoterol Terbutalina Salmeterol
De 10 a 20 25
Santa Cruz de la De 20 a 30 9
Sierra
De 30 a 40 11
(416 msnm)
De 40 a 50 9
De 10 a 20 17
Tarija De 20 a 30 15
(1874 msnm) De 30 a 40 18
De 40 a 50 12
De 10 a 20 26
Cochabamba De 20 a 30 21
(2558 msnm) De 30 a 40 14
De 40 a 50 19
De 10 a 20 29
La Paz De 20 a 30 26
(3625 msnm) De 30 a 40 16
De 40 a 50 15
SPSS
Ha: ¿Hay diferencias en la variable

broncodilatador?
Ha: Si Existe diferencias significativas entre

la elevación de la frecuencia cardiaca EFC
en los tres grupos analizados
Medias marginales estimadas
Pruebas post hoc
Pruebas post hoc
Gráficos de perfil

8.- Medidas repetidas con un Factor intrasujetos
Un factor con > dos medidas repetidas … Medidas repetidas
Carpeta N° 41
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1

Supongamos que se ha comprobado tres fármacos distintos, A, B y C, utilizados
para reducir la PAS proporcionan distintos resultados. Se sospecha que es
debido, más que a los fármacos en sí, a que, en los tres grupos a los que se
administraron cada uno de los fármacos, los pacientes presentaban distintas
características; en particular, distintas edades.
Carpeta N° 41
Ho: Los efectos de los tres fármacos proporcionan el mismo resultado con respecto al
comportamiento de la variable PAS
El p-valor (Sig. = 0,523 en la primera línea FÁRMACOS), es mayor que 0,05. No se puede rechazar la Ho.
Conclusión.- Los tres fármacos proporcionan los mismos resultados.

9.- Medidas repetidas con un Factor intrasujeto y
intersujeto
Un factor intersujetos y intrasujetos … Medidas repetidas

Carpeta N° 42
2 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
intersujeto
Un factor intersujetos y intrasujetos … Medidas repetidas

Qué sucede si la muestra se divide en dos grupos de pacientes en función de su edad. Si
denominamos EDAD a la variable que contiene la edad de los pacientes de «Menos de 70
años» y «70 años o más». Podemos considerar que la EDAD es un factor de efectos fijos y
que los 160 pacientes son una muestra aleatoria de un factor de efectos aleatorios anidado
en EDAD.
Carpeta N° 42
intersujeto
Ho: Los efectos de los tres niveles del factor Fármacos son nulos, que los efectos de los dos
niveles del factor edad son nulos y que los seis efectos debidos a la interacción de los niveles de
ambos factores son nulos.
El p-valor de la primera hipótesis (Sig. = 0,495, en la primera línea de la tabla «Pruebas de efectos intra-
sujetos») es mayor que 0,05, dicha hipótesis no puede ser rechazada. Sin embargo el p-valor de la
segunda (Sig. = 0,000 en la línea EDAD de la tabla «Prueba de los factores inter-sujetos») como la tercera
(Sig. = 0,000, en la primera línea del bloque FÁRMACO*EDAD de la tabla «Pruebas de efectos intra-
sujetos») son menores que 0,05; en consecuencia, ambas hipótesis pueden ser rechazadas.
Conclusión.- Aunque los resultados de los tres fármacos son los mismos en términos globales, si se
distinguen por grupos de edad, dejan de serlo.
Si nos limitáramos a comparar los fármacos A y C:
intersujeto
Ho: Los efectos de los dos niveles del factor fármacos son nulos, que los efectos de los dos
niveles del factor edad son nulos y que los cuatro efectos debidos a la interacción de los niveles
de ambos factores son nulos.
El p-valor para cualquiera de las tres hipótesis es mayor que 0,05.
Conclusión.- Aunque los resultados de los fármacos A y C son los mismos, tanto en términos globales,
como si se distinguen por grupos de edad, dejan de serlo.
4 Explicativo Control Fijo
Controlable
Bloque
Factor Fijo
manipulado Variable aleatoria
1 Independiente
Causa
Unidad
Experimental
Dependiente
Efecto
1
Covariable
1
Variable aleatoria
incontrolable

Bioestadística: Test de Hipótesis Nivel EXPERIMENTAL o EXPLICATIVO Por Bioq. José Luis Soto Velásquez (4-4)

Uploaded by

Document Information

Original Description:

Original Title

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

Bioestadística: Test de Hipótesis Nivel EXPERIMENTAL o EXPLICATIVO Por Bioq. José Luis Soto Velásquez (4-4)

Uploaded by

Copyright:

Available Formats

Nivel de Investigación

Dr. José Luis Soto Velásquez

Explica el comportamiento de una variable en función de otra(s); por ser

Propósito investigativo: Causas, Determinantes,

Relacional Estudios sin

Estudios sin intervención Evidenciar Muestreo probabilístico

Comparación (Antes - Después)

Predictivo Antes Con Intervención Después

Exploratorio Antes Sin Intervención Después

En un estudio experimental el investigador manipula y controla la variable

La Manipulación.- el cual es una intervención a propósito del estudio

En el Nivel Explicativo si corresponde el uso de los términos Variable Independiente y

En un diseño experimental, por lo menos se encuentra una Variable Independiente y

V. Independiente.- es el factor fijo (variable

V. Dependiente.- es una variable aleatoria,

Grupo de estudio Grupo control

Control interno o Control externo

Grupo de estudio No hay Grupo

V. Independiente Unidad V. Dependiente

Las variables independientes Las variables dependientes

Numéricas Aleatorias Fijas Categóricas

Control Fijo o Factor Fijo

V. Independiente Unidad V. Dependiente

Es la entidad que sufre variaciones debido a la intervención del investigador.

Es la entidad física o el sujeto

Representa el conjunto de material al cual se aplica un tratamiento en un solo ensayo. La unidad

Control Fijo o Factor Fijo

V. Independiente Unidad V. Dependiente

Variables Independiente (Tratamiento)

Un Factor es un grupo específico de tratamientos; las

Factor Fijo: Son las variables independientes manipuladas.

Elemento, sujeto o ensayo de estudio en cantidad o calidad. Es cualquier

Son el conjunto de circunstancias creados para el experimento, en respuesta

Control Fijo o Factor Fijo

V. Independiente Unidad V. Dependiente

Variable aleatoria (Covariable)

Factor aleatorio (Variable categórica) y Covariable (Variable numérica): Son

Control Fijo o Factor Fijo

V. Independiente Unidad V. Dependiente

Control Fijo (Bloque)

Se puede contar con un solo bloque denominado: Con un factor bloque.

Se puede contar con varios bloques: Si el número de niveles en cada bloque es el

Control Fijo o Factor Fijo

V. Independiente Unidad V. Dependiente

Variable Dependiente (Respuesta)

La variable dependiente (Variable Respuesta) corresponde al efecto, es una

Es el material o lugar sobre el cual se aplican los V. Dependiente

Cuando se trabaja con:

Control Fijo o Factor Fijo

V. Independiente Unidad V. Dependiente

Factor Fijo Variable aleatoria

Tratamiento Unidad Respuesta

Factor Fijo Variable aleatoria

Tratamiento Unidad Respuesta

Factor Fijo Variable aleatoria

Tratamiento Unidad Respuesta

Factor Fijo Variable aleatoria

Tratamiento Unidad Respuesta

Factor Fijo Variable aleatoria

Tratamiento Unidad Respuesta

Variable Un factor Más de un factor

… Grupos t de Student para ANOVA con un factor ANOVA con un factor