Introduccin al Diseo Experimental

Agenda Resumen anterior Diseo totalmente aleatorizado Modelo terico Ejemplo

Introduccin al Diseo Experimental

Cuestiones a tener en cuenta

Estudio comparativo por Observaci Observacin

Observaciones constituyen una muestra aleatoria.

Selecci Seleccin cuidadosa, controlada durante el experimento

Las U.E. U.E. se pueden considerar una muestra aleatoria? Selecci Seleccin entre los miembros disponibles

Las observaciones deben ser Independientes

Proporcionan una estimaci estimacin de la varianza del error exp. (i.e:Proximidad) i.e:Proximidad)

Replicas

Introduccin al Diseo Experimental

Asignacin Aleatoria

Fisher demostr demostr que la asignaci asignacin aleatoria de los tratamientos a las U.E. . simula el efecto de U.E Independencia Permite proceder como si fueran Independientes y con Distibuci Distibucin Normal

Introduccin al Diseo Experimental

Resumen
Rplica: proporciona los datos para estimar la

Var. del Error Experimental

Bloquizacin: reduce el Error Experimental Aleatorizacin: proporciona estimaciones

vlidas de la varianza del Error Exp.

Es la asignacin aleatoria de tratamientos a U.E.

Diseos Totalmente Aleatorizados

Dise Diseo de Investigaci Investigacin:

Hip Hiptesis de investigaci investigacin Dise Diseo del tratamiento Dise Diseo del estudio experimental o por observaci observacin

Aleatorizaci Aleatorizacin de tratamientos en el dise diseo de experimentos

Experimento Tratamiento Unidades Experimentales

Registro de datos para el an anlisis

Diseos Totalmente Aleatorizados

An Anlisis Estad Estadstico: Modelo Estad Estadstico formal Comprensi Comprensin del modelo:
La caracter caracterstica de las U.E. U.E. medida en la observaci observacin es la variable de respuesta (y) Representaci Representacin gr grfica

yij = i + eij
Modelo estad estadstico lineal Modelo Reducido (Ho) Modelo Completo (H1)

i -simo {grupo tratamiento}

{observacin} j sima {observaci

Diseos Totalmente Aleatorizados

Estimaci Estimacin de los par parmetros del Modelo SCError = 2ij =

Es una medida de que tan bien se ajusta el modelo a los datos

(yij - i ) 2
2 k

(y y ) = (y y ) + (y y )
2 k ni ij .. i =1 j =1 ij i. i =1 i. ..

Diseos Totalmente Aleatorizados

Fuentes de Sumas de variaci variacin cuadrados Grados de Libertad Cuadrados Medios

F
F
P-valor

ENTRE DENTRO TOTAL

QE QD Q

K1 Nk N1

QE/k/k-1 QD/N/N-k Q/NQ/N-1

Resumen en la tabla de ANOVA - Pruebas de Hiptesis - Significancia - Errores e Intervalos de Confianza

ANOVA
Hip Hiptesis necesarias para realizar un ANOVA
a) b) c)

Independencia de los valores obtenidos Normalidad de la respuesta en cada nivel Homogeneidad de las varianzas

Asumiendo las hip hiptesis previas:

H0: 1= 2= = k H1: Al menos una igualdad no es cierta

ANOVA
Supongamos un universo de notas de 9 alumnos de 3 grupos distintos Grupo 1 Grupo 2 Grupo 3 5 5 5 5 5 5 5 5 5 No hay diferencia ENTRE grupos Ni DENTRO de los grupos Xi,j =

ANOVA
Supongamos que aplicamos un m mtodo de ense enseanza (factor) que afecta: Grupo 1 Grupo 2 Grupo 3 5+1=6 5 +1=6 5+2=7 +2=7 5+1=6 5 +1=6 5+2=7 +2=7 5+1=6 5 +1=6 5+2=7 +2=7 Xi,j = + i Donde i = {1,2,0} efecto del factor El factor influye en establecer diferencias ENTRE grupos Pero NO DENTRO

ANOVA

Por razones ALEATORIAS algunos alumnos rinden mas que otros Grupo 1 Grupo 2 Grupo 3 5+15+1-1 = 5 5+2+2 5+2+2 = 5+0+3 5+0+3 = 9 5+1+4 = 5+1-2 = 4 5+2+0 5+2+0 = 5+0+4 5+08 5+1+0 +1 = 5+0+0 +0 = 5+1+0 = 5+2+1 5+27 5+09 6 8 5 Xi,j = + i + i,j

Donde i,j= {{-1,1,-2,0,2,0,1,3,4,0} efecto aleatoriedad La ALEATORIEDAD influye en la variabilidad DENTRO de los grupos

ANOVA
Tenemos dos tipos de variabilidad: ENTRE grupos (debida al factor) DENTRO grupos (debida a la aleatoriedad)

Para poder afirmar que el factor produce efectos: La variabilidad ENTRE grupos debe ser significativamente grande respecto a la DENTRO grupos

ANOVA
Generalizando

1 1 2 j n
X1,1 X1,2 X1,j X1,n1

2
X2,1 X2,2 X2,j X2,n2

Niveles del factor ...

Xi,j

k
Xk,1 Xk,2 Xk,j Xk,nk

... ...

i = 1,2,3,...,k

j = 1,2,3,..., nk (no balanceado)

j=1

Media al nivel i del factor = (1/ni) Xi,j Media general = (1/N) Xi,j Siendo N = ni

ANOVA
Xi,j = + i + i,j Asumiendo las hip hiptesis previas:

H0: 1= 2= = k O bien si consideramos H0: 1= 2= = k

Xi,j = + i

Se quiere comprobar la NO INFLUENCIA del factor

Todas las muestras proceden de la misma poblaci poblacin

ANOVA
H0: H0: 1= 2= = k H1: Al menos una igualdad no es cierta

Seg Segn la Hip Hiptesis fijada => modelo probabil probabilstico NO se rechaza H0 si:

QE F = k 1 Fk 1,n k , QD nk

ANOVA Ejemplo
X1 = 5 X 2 = 3,67 X 3 = 3,33 X 4 = 4,5

S1 = S2 = S3 = S4 =
Sumas de cuadrados

0,8944 0,8165 1,0328 1,517

Test Cochran S2max < gn,k,

S2i

[2,3/(0,8+0,67+1,067+2,3)] < 0,589

Cuadrados Medios

Fuentes de variaci variacin

Grados de Libertad

F
F 2,885

P-valor 0,061

ENTRE DENTRO TOTAL

QE 10,458 QD 24,167 Q 34,625

K1

Q /k-1 E/k3,486 Q /N-k 1,208 D/NQ/NQ/N-1

Nk

20

N 1 23

Diseos Totalmente Aleatorizados

Modelo Estad Estadstico formal

yij = i + eij
Modelo estad estadstico lineal Modelo Reducido (Ho) Modelo Completo (H1)

i -simo {grupo tratamiento}

{observacin} j sima {observaci