UNIVERSIDAD POPULAR DEL CESAR, AGUACHICA

PROGRAMA DE INGENIERIA AGROINDUSTRIAL

ESTADISTICA Y DISEO EXPERIMENTAL

DISEO EXPERIMENTAL
VII SEMESTRE
CONCEPTOS: DISEO Y CLASES DE DISEO.
Lea estos conceptos antes de realizar los ejercicios
para expresar sus interpretaciones:
Se entiende por diseo experimental, el proceso de
planeamiento de un experimento, tal que se tome
datos apropiados con la mayor realidad posible. Su
filosofa es la obtencin de informacin con una alta
fidelidad sobre el mensaje de la naturaleza a un
costo mnimo.
Es un mtodo investigativo en el cual se manipulan
una variable y se observa su efecto sobre otra
variable.
CARACTERSTICAS DE UN DISEO:
1) Simplicidad,2) grado de precisin,3) ausencia de
error sistemtico, 4) rango de validez de las
conclusiones 5) calculo del grado de incertidumbre.
DESARROLLO DE UN DISEO EXPERIMENTAL O
ESTADSTICO: DEPENDE.

a) diseo de tratamiento b) diseo de control de error

c) diseo de observaciones.
EJEMPLO DE DISEO, agronmico una marca de
fertilizante, una cantidad de fertilizante, una
combinacin de los dos anteriores, experimentos de
ingenieras.
Nutricin animal: gnero, el padre, racin de
alimentos.
Psicolgicos: edad, gnero, grado de educacin.
MTODO PARA OBTENER DATOS EN EL DISEO:
encuestas, observacin y experimentacin.
FACTORES A TENER EN CUANTA EN UN DISEO
EXPERIMENTAL: la variable que se va a manipular,
la variable dependiente que se va a medir, los
sujetos que participan en ella algn plan para tratar
con otros factores causales.
EMPLEO DE EXPERIMENTOS:
a- elevados costos de los experimentos
c- por problemas de implementacin.
b- Se pueden realizar en el laboratorio y/o el campo.
FACTOR: un factor es una de las variables,
controladas o no, que influye la respuesta del
experimento que se esta estudiando. Puede ser
cuantitativo y cualitativo.
NIVEL: o versin: son los valores de un factor que se
estn examinando en el experimento.

TRATAMIENTO: es un determinado nivel asignado a

un determinado factor durante un experimento; por
ejemplo, temperatura de 800 grados. MTODO:
formas o divisiones del experimento
MATERIALES EXPERIMENTALES: son los objetos a
los que se aplican los tratamientos.
ENTORNO EXPERIMENTAL: Es entorno de un
experimento el conjunto de condiciones que lo
rodean y que pueden influir en su resultado, de
forma conocida o desconocida.
BLOQUE: Un factor de un programa experimental
que tiene influencia como fuente de variabilidad es
llamado bloque. Un bloque es una porcin del
material o del entorno experimental.
DISEO EXPERIMENTAL: el plan formal para la
realizacin de un experimento es llamado diseo
experimental.
ALGUNAS HERRAMIENTAS PAR UNA BUENA
EXPERIMENTACIN: una buena experimentacin
es un arte y depende fundamentalmente de los
conocimientos previos y de la experiencia del
investigador. A continuacin se trata de alguna de las
herramientas ms importantes:
AGRUPAMIENTO
PLANIFICADO
O
PLANIFICACIN POR BLOQUES: aparte de los
factores seleccionados para su estudio, existen otras
variables secundarias que pueden afectar el
resultado del experimento.

EN ESTE CAPITULO ANALIZAREMOS

SIGUIENTES CLASES DE DISEOS:

LAS

a) Diseo Completamente Aleatorio: DCA.

b)
Diseo
de
Bloques
Completamente
Aleatorizados.
c) Diseo Cuadrado Latino y Grecolatino (DCLDCGL)
d) Diseo de Experimentos Factoriales.(DEF)
ALEATORIZACIN:
es
la
secuencia
de
experimentos y/o la asignacin de especimenes a
las varias combinaciones de tratamientos o mtodos.
REPLICACIN: es la repeticin de una observacin
o medida a fin de aumentar la precisin o para
proporcionar los medios de medirla.
LISTA DE CONTROL PARA LA PLANIFICACION DE
PROGRAMS DE ENSAYO:
a. obtener una clara descripcin del problema
experimental.
b. recoger toda la informacin disponible
sobre los antecedentes.
c. disear el problema experimental
f. interpretar los resultados.
g. preparar el informe.
d. planear y realizar el trabajo
e. analizar los datos

ALGUNOS REQUISITOS Y
HERRAMIENTAS PAR UNA
BUENA
EXPERIMENTACION
HERRAMIENTAS

REQUISITOS
1. El experimento debe
tener unos objetivos

1.- Requieren grandes

conocimientos especializados
el tema por parte del
investigador, incluir:
a) eleccin de factores y sus
niveles
b) materiales, procedimientos
y equipos

2. Los efectos de los

factores no deben ser
opacados por otras
variables.

c) mtrica de los factores y el

mtodo de medicin.

3. El experimento debe
estar en la medida de lo
5

2. Un modelo experimental
adecuado para aislar las
variables incontroladas y que
simplifique el anlisis de los
resultados.

posible, libre de cualquier

sesgo, consciente o
inconsciente.

4. El experimento deber
proporcionar una medida de
3. Tener en cuentas variables
la varianza de error o
con agrupamiento planificado.
precisin
Uso de aleatorizacin.
Emplear la replica mejora la
5. La precisin del
aleatorizacin.
experimento debe ser
suficiente par garantizar el
4. la replicacin proporciona la
logro del objetivo.
medida de la varianza y la
aleatorizacin asegura su
validez.
5. se puede conseguir una
mayor precisin con el
perfeccionamiento de la
medicin y la tcnica
experimental, el modelo
experimental y la replicacin.

CLASE
DE
DISEOS
EXPERIMENTALES

ESTADISTICOS

1,-DISEO COMPLETAMENTE ALEATORIZADO

(DESARROLLO ANALITICO)

Este diseo es adecuado cuando se dispone para el

experimento de un total de N unidades y se han de
investigar k tratamientos (o niveles de los factores)
Es el ms simple de los diseos, usado cuando se
cuenta con un material experimental homogneo o
sea con variabilidad relativamente pequea y
uniformemente repartida.
En el se puede estudiar cualquier numero de
tratamiento (ya sean niveles de un solo factor o
combinaciones de niveles de varios factores). Se
puede usar en toda clase de experimento
(homogneos): animales de la misma raza, camadas
de un mismo padre, prueba de invernadero,
establos, personas de una misma edad, otros y
emplendose un buen numero de repeticiones.
VENTAJAS DEL DISEO DCA:
1.- el nmero de tratamientos y repeticiones no es
limitado y solo depende del nmero de unidades
homogneas disponibles.
2.- el nmero de repeticiones puede variar en los
diferentes tratamientos (diseo no balanceado),
aunque es referible tener igual nmero (balanceado).
3.- El anlisis estadstico es sencillo: comparacin de
medias y anales de varianzas.
4.- La simplicidad del anlisis persiste an con la
perdida de una o m {as unidades experimentales o
todo un tratamiento

5.- el nmero de grados de libertad para estimar el

error experimental es mximo.
DESVENTAJAS:
1.- baja precisin y eficiencia cuando las unidades
son heterogneas, hecho que lleva a sobrestimar a
la varianza del error de estimacin
2.- Requiere material experimental homogneo.
USOS:
til cuando una porcin grande de unidades pueden
no responder o pueden perderse
2. si las unidades experimentales son uniformes, es
el ms eficiente de los diseos.
3. til en los experimentos donde hay limitacin en
el numero de unidades experimentales.
ALEATORIZACION EN EL DCA.
Los tratamientos de distribuyen en las unidades
experimentales
en
forma
completamente
aleatorizada, para que todos tengan iguales
condiciones y de este modo permiten estimar
vlidamente el error experimental.
Una vez definidos, numero de tratamientos y numero
de unidades experimentales disponibles se hace
hacia la asignacin por cualquiera de los siguientes
mtodos:
a) usando fichas de lotera

2) usando tablas de nmeros aleatorios

3) usando tarjetas o boletas numeradas, en este
caso del 1 A 20 sacndolas al azar de una caja o
bolsa.
CONTROL LOCAL EN EL DCA. Consiste en formar
grupos, lo ms homogneos posible para reducir el
error experimental.
METODO DE ANALISIS- MODELO ESTADISTICO
El modelo estadstico que describe las respuestas de
n observaciones es:
Yij =

+ i+

Eij

j = 1,2, t , donde rj = numero de

repeticiones del tratamiento j- esimo, t = numero
de tratamientos Yij = es la observacin (i, j)
i = 1,2,r

= es un parmetro comn a todos los tratamientos

y corresponde a la media total del poblacin.
j = es un parmetro nico debido al tratamiento
j-esimo
Eij = es la componente del error aleatorio.
OTRAS INFORMACIONES
Modelos lineales con variables categricas.
Concepto de factor y de niveles de un factor. Modelo
de un solo factor. Particin de la suma de cuadrados
global. Cuadrados medios. Prueba de la F global.
Comparaciones particulares de las medias de los
10

grupos. Criterios a posteriori: pruebas t, criterio de

Bonferroni, Tukey, Duncan, etc. Criterios a priori:
mtodo de los contrastes ortogonales. Verificacin
de los supuestos del modelo. Test de normalidad.
Test
de
Levene
para
homocedasticidad.
Transformacin de variables.
Conceptos generales del diseo de experimentos.
Diseo
completamente
aleatorizado
(DCA).
Utilizacin de polinomios ortogonales para el anlisis
de tendencias cuando el factor tiene niveles
cuantitativos. Modelos de clasificacin segn dos o
tres factores con una nica observacin por casilla.
Diseo en bloques completos aleatorizados (DBCA).
Diseo en cuadrado latino (DCL). Medidas de
eficiencia relativa entre cada diseo. Estimacin de
parcelas faltantes. Modelos de dos o ms factores
fijos con repeticiones en las casillas. Concepto de
interaccin entre factores.
Experimentos factoriales kxn y n x m. Diferenciacin
del anlisis de los efectos principales segn exista o
no interaccin entre los factores. Modelos que
incluyen factores aleatorios (modelos puramente
aleatorios y modelos mixtos). Diseos jerrquicos
con factores anidados o encajados. Utilizacin de
variables continas como variables auxiliares:
anlisis de covarianza.
DISEOS COMPLETA O TOTALMENTE
ALEATORIZADO: EXPERIMENTO DE UN SOLO
FACTOR (DCA)

11

EJEMPLO: Se realiza una investigacin para

determinar el efecto que tenan tres mtodos
distintos de acondicionamiento sobre la resistencia a
la rotura T (en libras por pulgadas) de unos bloques
de cemento. Se utilizaron quince bloques de un
mismo lote y se asignaron al azar a los tres mtodos:
Los resultados se encuentra en la siguiente tabla:
RESISTENCIA A LA ROTURA T DE BLOQUES DE
HORMIGN, LIBRAS/PULGS. CUADRADAS
TABLA DE DATOS
METODO 1
METODO 2
METODO 3
553
553
492
550
599
530
568
579
528
541
545
510
537
540
571
El objetivo del experimento es investigar si el mtodo
de acondicionamiento afectaba a la resistencia a la
rotura, y hacer un anlisis de diseo para contestar
a la pregunta: la resistencia media a la rotura difiere
segn el mtodo?

DESARROLLO
Este es un ejemplo de experimento aleatorio de un
solo factor: Solo un factor experimental (el mtodo
de acondicionamiento) est en estudio.
12

Hay
tres mtodos, es decir, el nmero de
tratamiento k es igual a 3.
El nmero de unidades n asignadas aleatoriamente
a cada tratamiento es 5.
El nmero total de unidades experimentales Yi es de
15.
El anlisis de estos resultados debe hacerse desde
la comparacin de la medias y el anlisis de la
varianza (anova), se empieza con la representacin
el calculo grafica de la media de los tres
tratamientos, as :
CALCULO DE ESTADISTICOS: TABLA DE DATOS
METODO 1
METODO 2
METODO 3
553
553
492
550
599
530
568
579
528
541
545
510
537
540
571
T
2749
2816
2631
n
5
5
5
MediaY 549,8
563,2
526,2
V: S2 145,7
626,2
864,2
GL
4
4
4
PRIMER ANALISIS: COMPARACION DE LAS
MEDIAS
Para este analisis se compaan entre si las medias
del estudio mediante las formulas, utilzando el
13

concepto de la distyribucion t (n30) y la variante Z

(n>30),
tc = 1 - 2 / S12, S = S2 1/n1 + S22 / n2 , estas
formulas de adaptan a las otras muestras.
Una vez terminado el proceso de la tc, se compara
con la tT, para los grados de libertad:(n1 - 1 ) + (n1 2),
para segn el escogido, si la t tabulada es mayor
que la t calculada indicara que existe una
significancia, de lo contrario no existira diferencia
entre la media por lo tanto cualquier tratamiento
tendra resultados estadsticamente iguales.
Proceso: se halla la t calculada por pares de
mtodos con la formula tc = 1 - 2 / S12, esta t se
compara con la tabulada para 1,5, y 10% de
significancia, as :
Tc12 = 1 - 2 / S12
= 549.8 - 563.2/ (145.7/5 + 526,2/5) = 1,04,
donde: 1,04 < 3,06 (tabla para v = n1 + n2 - 2, 5%).

Las t calculada de los mtodos 1 y 3 es de 0,7896,

menor que la tabulada y la de los mtodos 2,3 es
1,176, tambin es menor que la tabulada. Como
ejercicio compara las otras medias
Es de notar que
existe una diferencia entre las
medias de los mtodos de acondicionamiento y no
existe una diferencia significativa entre los mtodos
de acondicionamiento para resistencia a la rotura,
(cualquier mtodo es bueno pero debe escogerse
14

cual, segn el
determinantes).

investigador

las

variables

OBSERVACION: Para el anlisis en la comparacin

de las medias se toma la t student, (tabla), donde,
si la calculada es menor que tabulada, esto indica
que no existe diferencia significativa entre los
mtodos de tratamientos o que los mtodos son
iguales estadsticamente. Este mismo concepto debe
utilizarse para el anlisis de las varianzas donde se
utiliza la Fisher (tabla)
Los resultados de las medias son obviamente
diferentes. La cuestin clave es si las diferencias
observadas entre las medias son debidas solamente
a la variabilidad propia de las observaciones o si son
causadas por esta variabilidad ms las diferencias
reales entre las medias de los tratamientos.
En este diseo experimental, la palabra media es
utilizada con la connotacin de valor esperado de
una media, es decir, el valor que una media podra
tomar si se hiciera un nmero infinito de
observaciones. Una complementacin a estas
comparaciones para una mejor seleccin del
tratamiento se realiza con las pruebas de DUNCAN,
TUFEY, y otras en los software.

SEGUNDO ANALISIS: ANALISIS VARIANZA

(ANOVA O ANAVA)
15

Es una tcnica estadstica bsica para el anlisis de

tales datos y se conformaran en su respectiva tabla:
Sumatoria total de los tratamiento T = 8196,
N(numero total de muestra) = 15
ni (nmero de muestra por tratamiento) = 5, i = 1,2,3,
N = nk
VARIABLES, FORMULAS Y CALCULOS
ESTADISTICOS PARA LA TABLA DE VARIANZA:
Factor de correccin:
1) FC =

(T)2
N

, N = nk, n = 5, k = 3.

FC = 81962 / 15 = 4478294, 4.
2) Suma Total de cuadrados sin corregir
(observaciones Yi): ST = Y2 = 4488348.
3) Suma Total de los cuadrados corregida:
STC = Y2 - Fc
STC = 4488348 4478294,4 = 10053,6.
4) Suma de los cuadrados entre tratamientos:
SCT = T2 / n - Fc.
SCT = 22409018/5 4478294,4 = 3509,2
5) Suma de los cuadrados intra tratamientos
(Error): SCI = SCE = STC SCT
SCE = 10053,6 3509,2 = 6544,4.
16

Cuadrados medio o Cuadrado de las medias entre

tratamientos (varianza entre mtodos de
hormigones):
CMT = SCT / k-1
CMT = 3509,2 / 2 = 1754,6
Cuadrado de las medias intra tratamientos (varianza
entre las muestras de los hormigones):
CME = SCE / N-k.
CME = 6544, 4 / 12= 545, 36
Para verificar la eficacia de l os mtodos de
acondicionamiento, se utilizan los valores de la
distribucin de Fisher calculada y tabulada entre y
dentro de las muestras de hormigones, as
Fisher calculada:
Fc.= CMT / CME
Fc.= 1745,6 / 545, 5 = 3,22
Fisher tabulada (tabla Fisher) Grados de libertad: gl
= (1, 2) , v1 = k ( n -1) =12 o N.k, grados de
libertad en CME (denominador en la tabla), v2=
( k-1) = 2, grados de libertad en CMT ( numerador
en la tabla). Ft = (2,12) = 3,89. Con = 0,05.
INTERPRETACIONES:
Se concluye que existe diferencia entre las medias
de tratamientos porque 3,89 es mayor que 3,22, es
decir Ft > Fc. La Fisher calculada no sobrepasa a la
17

Fisher tabulada, lo que tambin se interpreta que la

resistencia madia a la rotura no es distinta para los
tres mtodos de acondicionamiento.
La diferencia entre las medias de los tratamientos se
supone pues que son debidas a la varianza del error.
Si consideramos la hiptesis de que ningn
tratamiento ha sido rechazado por el ensayo de
Fisher, se puede concluir que, al menos una de las
resistencias medias a la rotura difiere de las otras.
En cuanto significacin del mtodo se puede afirmar
que debido a que no diferencia entre los tratamiento,
no importa el mtodo de acondicionamiento que se
escoja por que el resultado es relativamente el
mismo.
Al tomar la significacin del 1% o el 10% (=0,01 y
0,10), la Fisher tabulada corresponde a 6,93 y 2,81
respectivamente, notndose que para la significacin
del 1% sigue siendo la no diferencia entre los
mtodos, mientras que par el 10% , existe una
diferencia entre los mtodos de acondicionamiento.
Existe otra clase de estadstico que mide la
significacin porcentual del experimento, que es el
P-valor (sig.), se puede obtener a travs del
software. En este caso su valor es 0,076
considerndose que la, significacin es del 7,6%,
concluye que no existe diferencia significativa en el
experimento realizado.
TABLA ANOVA O ANAVA: ANALISIS DE VARIANZA
(UN SOLO FACTOR)
18

Fuente Suma Grados Cuadrado Fc

Ft
variacin cuadrados libertad medio____(0,05)
Entre
SCT=3509,2 (k-1)=2
CMT=1745,6 3,22 3,89
Tratamiento
Intra
SCE=6544,4 k (n-1) =12 CME= 545,4
Tratamiento
_____________________________________________________

Total STC=10053,6 (N-1) =1

TABLA RESUMIDA
Fuente Suma Grados Cuadrado Fc
Ft
variacin cuadrados libertad medio____ (0,05)
Entre
3509,2
2
1745,6 3,22
3,89
Tratamiento
Intra
6544,4
12
545,4
Tratamiento (ERROR)
_____________________________________________________

Total

10053,6

14

EJERCICIO de PROPUESTO: cada grupo realizar

un ejercicio aplicando todo el proceso explicados en
esta gua. Utilice el SPSS y el STATGRAPHIS y
EXCEL.
COMPARACION DE MEDIAS PRUEBA DE
DUNCAN Y TUKEY
LA VENTAJA DE ESTA PRUEBA CONSISTE EN EL HECHO DE QUE NO
NECESITA QUE LOS VALORES DE F SEAN SIGNIFICATIVOS PARA
PODERLO USAR:

19

ES UNA PRUEBA QUE PERMITE COMPARAR TODAS LAS MEDIAS ENTRE

SI, SIN RESTRINCIONES. ES POSIBLE EFECTUAR t(t-1)/2
COMPARACIONES , O SEA, DE ACUERDO CON EJEMPLO EN ANALISIS SE
TIENE , 3(3-1)/2 = 3 COMPARACIONES. SE APLICARA LA PRUEBA CON
LOS DATOS DEL DISEO EN MENCION:
TRATAMIENTOS
1
2
3
MEDIAS
549.8
563.2
526.2
LOS DATOS SIGUIENTES SE NECESITAN PARA EFECTUAR LA PRUEBA:
CUADRADO MEDIO DEL ERROR
(CME = S2 )
GRADOS DE LIBERTAD DEL ERROR (gl)
NUMEROS DE TRATAMIENTOS (t )
NUMEROS DE REPETICIONES
(n)
NIVEL DE SIGNIFICANCIA
()

545,4
12
3
4
5 1% (=0.05, 0.01).

DIFERENCIA MINIMA SIGNIFICATIVA: DMS

DONDE:
qd: VALOR DE DUNCAN : TABLA: ( gl, , MxC ,)= (15,2y,5%): AES
M: NUMERO DE MEDIAS A COMPARAR
gl: GRADOS DE LIBERTAD PARA EL ERROR
: NIVEL DE SIGNIFICANCIA PARA 5 1%

Sy: ERROR ESTANDAR DEL ERROR DE LAS MEDIAS:

S2: VARIANZA O CUADRADO MEDIO DEL ERROR (ANOVA)

r n: NUMERO DE REPETICIONES.
AHORA ES NECESARIO ENCONTRAR TODAS LA DIFERENCIAS ENTRE
LAS MEDIAS PARA COMPARARLAS CONTRA LA DMS DE CADA MEDIA .
SE SABE QUE:

= 10.44

20

LA TABLA SE DUNCAN SE APLICA A LOS NUMEROS DE MEDIAS PARA 5 Y

1%:
LA MEDIA 1 SE TOMA COMO TESTIGO, HACEMOS LAS COMPARACIONES,
DE DONDE SALEN 2 Y 3. VEAMOS:

3.01

3.16

31.42

32.99

MEDIAS POR COMPARAR

VALORES DE DUNCAN
(TABLA)
DMS
LAS MEDIAS SE ORDENAN DE MAYOR A MENOR INCLUYENDO EL
TESTIGO:

ORDEN
MEDIAS
VALORES

1
2
563.2

2
1
549.8

1 3 526.2

32.99
37

31.42
23.6

2 1 549.8

31.42
13.4

3 2 563.2

3
3
526.2
0

SI LA DIFERENCIA DE MEDIAS ES MAYOR QUE DMS LAS MEDIAS SON

SIGNIFICATIVAS, Y SI ESTO NO SE CUMPLE, NO SON SIGNIFICATIVA, SIN
TOMAR EN CUENTA EL ANALISIS ECONOMICO. EN ESTE EJEMPLO
TODAS LAS DIFERENCIAS DE MEDIAS SON MENORES POR LO TANTO SE
CONFIRMA QUE NO EXISTE DIFERENCIAS ESTADISTICAS ENTRE LAS
MEDIAS, ES DECIR,
ENTRE LOS TRATAMIENTOS NO HAY
SIGNIFICANCIA.
CUANDO LAS DIFERENCIAS SON MAYORES SE ENCIERRAN EN UN
RECTANGULO Y LAS QUE QUEDAN POR FUERA SON NO SIGNIFICATIVAS
EN EL CUADRO ANTERIOR.

21

PARA IDENTIFICAR LA JERARQUIA DE CADA MEDIA O CUANDO LAS

MEDIAS SON ESTADISTICAMENTE IGUALES SE UTILIZA UNA LINEA
HORIZONTAL CON LAS LETRAS a, b c, d, e.(fuente: Padrn Corrales
Emilio. Diseos Experimentales):
PRUEBA DE TUKEY
PARA LA PRUEBA DE TUKEY SE HALLA LA RELACION ENTRE LAS MEDIAS
Y DMS CONJUNTA, LOS DEMAS CONCEPTOS SON SIMILARES A LOS DE
DUNCAN. EXISTEN OTRAS PRUEBAS DE COMPARACIONES, ENTRE
ELLAS LA DE SCHEFF, SNK , CONTRASTES ORTOGONALES,(Fuente:
Padrn Corrales Emilio. Diseos Experimentales):
VEAMOS:
qt : (15,3,5%) = 3.67, (TABLA TUKEY,5%)
15: TAMAO DE LA POBLACION, 3: NMERO DE TRATAMIENTOS Y 5% DE
SIGNIFICANCIA
DE DONDE DMS = 10,44 * 3,67 = 38.31.

ORDEN
MEDIAS
VALORES

1
2
563.2

2
1
549.8

1 3 526.2

37

23.6

2 1 549.8

13.4

3 2 563.2

3
3
526.2
0

SE PUEDE APRECIAR QUE TODAS LAS DIFERENCIA

ENTRE LAS MEDIAS ES MENOR QUE LA DIFERENCIA
MINIMA SIGNIFICATIVA DMS

22

CONTRASTES ORTOGONALES
ES UNA PRUEBA DE COMPARACION DE TRATAMIENTOS QUE EL
INVESTIGADOR DEBE CONOCER ANTES DE INICIAR SU
EXPERIMENTO.PREVIAMENTE DEBE SABER CUALES COMPARACIONES
DE TRATAMIENTOS SON LAS QUE LE DARN LA INFORMACION
DESEADA.
PARA EL ANALISIS DE LAS COMPARACIONES SE USAN LOS TOTALES DE
LOS TRATAMIENTOS Y DEBEN FORMASE DOS ECUACIONES DE TIPO
LINEAL CUYOS COEFICIENTES AL SUMARSE DEBEN DAR CERO Y LAS
VARIABLES SON LOS TRATAMIENTOS.
EL METODO CONSISTE EN DESCOMPONER LOS GRADOS DE LIBERTAD
Y LA SUMA DE LOS CUADRADOS DE LOS TRATAMIENTOS. EXISTEN (t-1)
CONTRASTE ORTOGONAL, NOS BASAREMOS EN LOS CONCEPTOS DE
SNEDECOR Y COCHRAN.
EN EL PRESENTE EJEMPLO DE LOS HORMIGONES SE TIENE TRES
TRATAMIENTOS PARA UN SOLO FACTOR: SE PODRIA MEDIR EL EFECTO
DE LOS TRATAMIENTOS 1 Y 3, DONDE:

C1 = T1 T3
Y EL EFECTOS DE LOS TRES BLOQUES:

C2 = T1 - 2T2 + T3,
DONDE C1 Y C2 SON LOS CONTRASTES, QUE FORMARIA LAS
ECUACIONES. DEBE CUMPLIRSE LOS SIGUIENTES PASOS:

23

1) C = P1T1 + P2T2 + P3T3, SE LLAMA CONTRASTE SI :

Pi =0, CON i = 1 , HASTA k
O SI LA SUMA DE LOS CONSTRATE ES CERO.
SEGN LAS ECUACIONES

C1 = T1 T3
11=0
C2 = T1 + T3 - 2T2
1 + 1 -2 = 0,
ENTONCES C1 Y C2 SON CONTRASTES.
2) SE CALCULA LA SUMA DE LOS CUADRADOS PARA CADA CONTRASTE:

SC(C) = C2/(r*Pi2),
DONDE r ES n, NMERO DE REPETICIONES Y P= Pi ES EL COEFICIENTE
EN LA ECUACION DE LOS CONTRASTES.
PARA ESTO SE TIENE:

C1 = T1 T3,
DONDE T SON LOS TOTALES DE CADA TRATAMIENTO CON UN GRADO
DE LIBERTAD:

C1= 2749-2631 = 118, LUEGO C21 = 13924 , DONDE

P1 = 1

P21 = 1

P3 = -1

P22 = 1

_______________________
Pi = 0

Pi 2 = 2,

SC(C) = SC(C) = C2/(r*P2),

=13924/(5 x 2)
SC(C1) = 1392,4
PARA

C2 = T1 + T3 2T2
= 2749 + 2631 2* 2816 = - 252,
C22 = 63504, AHORA

P1 = 1

P21 = 1

P2 = -2

P22 = 4
24

P3 = 1

P23 = 1

________________________
Pi = 0

Pi 2 = 6,

DONDE:
= 63504/(5*6)

SC(C2) = C2/(r*P2),
SC(C2) = 2116.

3) PARA QUE C1 Y C2 SEAN CONTRASTES ORTOGONALES, DEBE

CUMPLIRSE QUE:

P11P21 + P21P22 + P13P23 = 0,

ES DECIR LA SUMATORIA DEL PRODUCTO ENTRE LOS COEFICIENTE DE
T ES IGUAL CERO.

C1 = T1 T3,
C2 = T1 2T2 + T3,

C1 = 1 + 0 - 1
C2 = 1 - 2 + 1,

PRODUCTO ORTOGONAL: 1*1 + 0 * (-2) + 1 * (-1) * 1 0 1 + 0 - 1 =

0, ENTONCES C1 Y C2 SON CONTRASTES ORTOGONALES.
4) SC(C) = SC(C1) + SC(C2) + = 1392,4 + 2116.8 = 3509,2
5) RESUMEN : TRANSFORMACION DE LA TABLA DE DATOS
1
TRAT.
( rPi2)

2749

2816 2631

C2

rPi2

C2/

C1
+1
0
-1
118 13924
10
1392,4
C2
+1
-2
+1 -252 63504
30
2116,8
______________________________________________________
__
: 3509,2
ANAVA

25

Fuente de
1%)
Variacin
.
Efectos Trat.1
6,93
Efectos
Restantes 2
6,93
Error

SC

GL

CM

FC

Ft(5-

1392,4

1392,4

2,55

3,89-

2116,8

2116,4

3,88

3,89-

6544,4

12

545,4

Total
10053,6
14.
SE CONFIRMA QUE LOS TRATAMIENTOS NO PRESENTAN
DIFERENCIAS ESTADISTICAS, SEGN LA FISHER.
MODELO ADITIVO LINEAL
PARA ESTE PROCESO CADA UNO DE LOS DATOS DE UNA POBLACION O
MUESTRAS SE PUEDEN REPRESENTAR POR EL METODO LINEAL:
Yi = + i, EN DONDE ES EL PROMEDIO DE LA POBLACION Y i ES LA
DISCREPANCIA ENTRE LOS Yi Y . ESTE TERMINO ES EL QUE ORIGINA
LA VARIABILIDAD DE LA POBLACION Y DE LA MUESTRA.
LOS i DE UNA POBLACION FORMAN UNA POBLACION DE ERRORES
CON UN PROMEDIO IGUAL A CERO, O SEA, QUE PARA LA POBLACIN:
i = 0, CON i =1 HASTA N, PERO PARA LA MUESTRA i
HACE QUE

0, ESTO

DIFIERA DE .

PARA EL EJERCICIO QUE SE VIENE TRABAJANDO DONDE SE PLANTEA

UN DCA, EN EL CUAL INTERVIEN UN TRATAMIENTO QUE GENERA OTRA
POBLACION DE DATOS, QUEDANDO LA FORMULA O MODELO:

Yij = + + i + ij
CONSIDERAMOS UN ANALISIS PARA Yi = 553,
= 549,8,

= 563,2,

= 526,2, DE DONDE, =

546,4,
- = 549,8 - 546,4 = 3,4,

- = 563,2 - 546,4 =16,8,

- = 526,2 - 546,4 = - 20,2.,

LUEGO:

Yij = + i + ij. i = Yij , ij = Yij -

= 546,4 + (549,8 -546,4) + ( 553- 549,8 )
= 546,4 + 3,4 + 3,2
Yij = 553.

26

SUPUESTOS DEL ANALISIS DE LA VARIANZA Y SU CONTROL

1. SUPUESTO DE ALEATORIZACION O INDEPENDENCIA DE LOS
ERRORES:
SE REFIERE A QUE LOS EXPERIMENTOS HAYAN SIDOS ASIGNADOS AL
AZAR A LAS UNIDADES EXPERIMENTALES. EL PROCESO ES LOGRAR
QUE LOS ERRORES SEAN INDEPENDIENTES UNOS A OTROS. EXISTEN
FACTORES CUYA ALEATORIZACION RESULTA DIFICIL O IMPOSIBLE,
COMO ES EL CASO UN AO DURANTE EL CUAL SE REALIZA EL
EXPERIMENTO, CONDICIONES AMBIENTALES, PRECIPITACIONES, ETC.
EL INVESTIGADOR DEBER TENER EN CUENTA ESTOS FACTORES EN LA
INVESTIGACION DE LOS RESULTADOS.
2. SUPUESTO DE ADITIVIDAD :
QUE LOS EFECTOS DE LAS DIFERENTES FUENTES DE VARIABILIDAD SE
UNAN EN FORMA ADITIVA, ES DECIR, QUE LA VARIACION TOTAL SEA
IGUAL A LA SUMA DE LOS DIFERENTES COMPONENTES DE VARIACION;
TAL COMO LO EXPRESA EL MODELO LINEAL DE LOS DATOS DEL
EXPERIMENTOS.
LA NO ADITIVIDAD DE LOS EFECTOS OCASIONA LA FALTA DE
HOMOGENEIDAD DEL ERROR, NO PERMITIENDO ESTIMAR UNA
VARIANZA COMN APROPIADA PARA TODOS LOS TRATAMIENTOS. LA
FALTA DE ADITIVIDAD SE PRESENTA ES CUANDO LOS EFECTOS SON DE
TIPO MULTIPLICATIVO.
3. SUPUESTO DE HOMOGENEIDAD DE VARIANZAS O DE VARIANZAS
IGUALES Y CORRELACIONES NULAS :
CONSISTE EN QUE LAS VARIACIONES DE LAS REPETICIONES DE LOS
TRATAMIENTOS SEAN SIMILARES, LO CUAL PERMITE ESTIMAR UNA
VARIANZA COMN.
EN ESTE SUPUESTO CUANDO SE TIENEN MAS DE DOS TRATAMIENTOS,
BOX ESTABLECE QUE SI LA RAZON ENTRE LA VARIANZA MAYOR Y LA
MENOR ES MENOR DE 4, PUEDE ESTIMARSE QUE HAY ADECUADA
HOMOGENEIDAD.
UNA MANERA DE SUPRIMIR LA FALTA DE HOMOGENEIDAD DE LAS
VARIANZAS ES SUBDIVIDIR EL ERROR EN GRUPOS HOMOGENEOS Y
HACER LAS COMPARACIONES ENTRE LOS TRATAMIENTOS DE CADA
GRUPO. SI LOS PROMEDIOS DE UNO O MAS TRATAMIENTOS SON
DEMASIADOS ALTOS O BAJOS CON RESPECTO A LOS DEMS Y SI
ESTAN ASOCIADOS CON VARIANZAS MUY ALTAS O MUY BAJAS, PUEDEN
SER EXCLUIDOS ESTOS TRATAMIENTOS DEL ANLISIS.
4. SUPUESTO DE NORMALIDAD:
EL ERROR EXPERIMENTAL SE DEBE DISTRIBUIR NORMALMENTE. ESTE
SUPUESTO ES INDISPENSABLE CUANDO SE VAN A REALIZAR PRUEBAS
DR SIGNIFICACION, PERO NO ES IMPORTANTE CUANDO LO QUE SE
DESEA ES ESTIMAR LOS COMPONENETES DE LA VARIANZA.
UNA LIGERA DESVIACION DE LA NORMALIDAD NO INTRODUCE UN
ERROR SERIO EN LA PRUEBA F Y t. SI SE CONOCE LA RELACIN
FUNCIONAL, ES POSIBLE TRANSFORMAR LOS DATOS DE MODO QUE
NOS DEN ERRORES QUE SE ACERQUEN MS A LA DISTRIBUCIN
NORMAL. PARA ESTO SE USAN LAS TRANSFORMACIONES

27

LOGARITMICAS, DE RAZ CUADRADA Y DEL INVERSO DEL SENO. LA

PRUEBA DE NORMALIDAD MS USADA ES LA Ji-CUADRADA.
CLASES DE MODELOS
1.- MODELO FIJO:
tj = 0, CON j VARIANDO DE 1 A t, CASO EN EL QUE SE CONSIDERAN LOS
ti COMO FIJOS. CUANDO LOS TRATAMIENTOS USADOS EN EL
EXPERIMENTO SON LOS NICOS DE INTERES POSIBLE.
EL OBJETIVO ES ESTIMAR LOS MEDIOS DE LOS TRATAMIENTOS Y LAS
DIFERENCIAS ENTRE ELLOS. SI SE REPITE EL EXPERIMENTO SE
INCLUYE LOS MISMOS TRATAMIENTOS.
2. MODELO ALEATORIO.
tj ~ N(0, 2), LOS tj CORRESPONDEN A UNA MUESTRA ALEATORIA DE
LOS POSIBLES t DE UNA POBLACIN NORMALMENTE DISTRIBUIDA CON
MEDIA CERO Y VARIANZA COMN 2.
EL OBJETIVO ES ESTIMAR LA VARIACION ENTRE LOS MEDIOS DE LOS
TRATAMIENTOS; NO SE EST INTERESADO EN LAS MEDIAS DE LOS
TRATAMIENTOS POR SI MISMAS. SI SE REPITIESE EL EXPERIMENTO SE
USARIA UNA MUESTRA DIFERENTE DE TRATAMIENTOS.
EL ASPECTO MS IMPORTANTE DE UN ANALISIS ESTADISTICO ES
OBTENER UNA BUENA ESTIMACION DE LA VARIANZA DEL ERROR POR
UNIDAD EXPERIMENTAL, ESTO ES DE s2
LA VARIANZA DEL ERROR MIDE LA EXACTITUD DE UN EXPERIMENTO Y
ES LA UNIDAD DE MEDICIN

28

UPC SECCIONAL AGUACHICA

DISEO EXPERIMENTAL.TEMA: VII SEMESTRE
TEMA: DISEO COMPLETAMENTE ALEATORIO
II PARCIAL. OCTUBRE 31/07
CALIF:_________
NOMBE ______________________________COD.___
NOMBRE______________________________________________
___COD________
SOLO CON SU COMPAERO DE GRUPO, DESARROLLE EL
EJERCICIO ANEXADO A ESTE CUESTIONARIO, RESPONDA
ESCRIBIENDO CUANTITATIVA Y CUALITATIVA LOS
ESTADISTICOS PEDIDOS. USE LAPICERO Y ESCRIBA CON
CLARIDAD EVITE TACHONES O ENMENDADURAS
1) VALOR DE CADA UNA DE LAS MEDIAS:
_________________________________
2) VALOR DE LA t STUDENT CALCULADA POR CADA PAR DE
TRATAMIENTOS, Y LA TABULADA
______________________________________________________
29

3) COMO ES LA DIFERENCIA ENTRE LAS MEDIAS, PORQUE?

_________________

4) COMO ES LA HOMOGENEIDAD EN EL EXPERIMENTO?

____________________

5) VALOR DE LA VARIANZA
TOTAL_______________________________________
6) VALOR VARIANZA ENTRE LAS UNIDADES
MUESTRALES__________________

7) VALOR VARIANZA ENTRE LOS

TRATAMIENTOS__________________________

8) VARIANZA ENTRE LOS

PROMEDIOS____________________________________
9) VALOR DE LOS GRADOS DE LIBERTAD, DE LA FISHER
CALCULADA Y
TABULADA_____________________________________________
_______________
10) EXISTE DIFERENCIA SIGNIFICATICA EN EL EXPERIMENTO,
PORQUE?_____

11) VALOR DE LA PROBABILIDAD DEL EXPERIMENTO,

COMPARELO CON EL NIVEL DE SIGNIFICACION DEL 5, 10 Y
1%, Y DE UNA CONCULUSION PARA CADA
UNO__________________________________________________
__________

30

12) VALOR PORCENTUAL DEL ERROR ENTRE LAS

MUESTRAS______________
13) VALOR PORCENTUAL DE EFICIENCIA DEL
EXPERIMENTO________________
Hoja 2
14) VALORES DE LOS RANGOS MUESTRALES POR
TRATAMIENTOS Y QUE RELACION TIENEN CON LA
HOMOGENEIDAD ____________________________

UNA VEZ LEIDA E INTEPRETADA LA TEORIA CONTESTEN LAS

INTERPRETACIONES
15) UDS COMO INGENIERON QUE RECOMENDARIA SOBRE LA
APLICACION DE ESTE
EXPERIMENTO_________________________________________
__________

16) ESCRIBA EL MODELO MATEMATICO PARA SU

EJERCICIO_________________
17) AL LLEVAR A CABO UN DCA PUEDE TENER DIFICULTADES,
CUALES SON ____________________
___________________
_______________________
18) COMO ASIGNARIA UD LAS UNIDADES MUESTRALES EN
EL DCA:
____________________
___________________
_________________________
19) SIENDO USTED INGENIERO INVESTIGADOR POR MEDIO
DE QUE METODO MINIMIZARIA EL ERROR EN UN
EXPERIMENTO____________________________

20) PARA QUE UDS PUEDAN LLEVAR A CABO UN DCA DEBE

TENER EN CUENTA QUE LAS UNIDADES MUESTRALES SEAN

31

HOMOGENEAS, EXPLIQUE
PORQUE______________________________________________

LA NATURALEZA NOS BRINDA LAS HERRAMIENTAS Y LOS

MATERIALES, Y EL INGENIERO LAS UTILIZA Y LAS APLICA AL
SERVICIO DE LA HUMANIDAD
SUERTE!

32