Professional Documents
Culture Documents
Actividad 5
Tema5
PROFESORES:
siendo:
2
CA
b2
dfCA : grados de libertad del error del diseo completamente aleatorizado. dfCA = N a
df b
: grados de libertad del error del diseo aleatorizado por bloques. dfb = ( a 1)(b 1)
factor de ajuste =
(dfb + 1)(dfCA + 3)
(dfb + 3)(dfCA + 1)
2
2
CA
y b ,
CA
b MS ERROR
2
CA =
siendo:
SS ERROR
(a 1)(b 1)
SS BLOQUES
b 1
( f1 + 1)( f 2 + 3) 22
ER =
( f1 + 3)( f 2 + 1) 12
2.- Deducir las ecuaciones normales que definen los estimadores mnimocuadrticos en el modelo lineal de efectos fijos para el diseo aleatorizado por
bloques.
El modelo estadstico considerado viene dado por:
yij = + i + j + ij
i = 1,..., k
j = 1,..., b
la media general
i el efecto del i-simo tratamiento
j el efecto del j-simo bloque
ij las componentes de error aleatorio que se suponen
normalmente distribuidas e independientes.
3
i = 0
j =1
i =1
=0
Queremos deducir las ecuaciones normales que definen los estimadores mnimocuadrticos en este modelo. El proceso para la obtencin por mnimos cuadrados de
L = ij2 = ( yij i j )
k
i =1 j =1
i =1 j =1
i = 1,..., k
y j j = 1,..., b :
k
b
L
= 2 ( yij i j )
i =1 j =1
b
L
= 2 ( yij i j ) i = 1,..., k
i
j =1
k
L
= 2 ( yij i j )
j
i =1
j = 1,..., b
2 ( yij i j ) = 0
k
i =1 j =1
2 ( yij i j ) = 0 i = 1,..., k
b
j =1
2 ( yij i j ) = 0
k
j = 1,..., b
i =1
Operando se tiene:
k
yij i j = 0
i =1 j =1
i =1 j =1
i =1 j =1
j =1
j =1
j =1
j =1
i =1
i =1
i =1
i =1
yij i j = 0
yij i j = 0
i =1 j =1
i = 1,..., k
j = 1,..., b
i =1
j =1
y.. kb b i k j = 0
b
yi. b b i j = 0
i = 1,..., k
j =1
y. j k i k j = 0
j = 1,..., b
i =1
i =1
=0 ;
j =1
y.. kb = 0
yi. b b i = 0
i = 1,..., k
y. j k k j = 0
j = 1,..., b
Luego:
kb = y..
b + b i = yi.
i = 1,..., k
k + k j = y. j
j = 1,..., b
j , j = 1,..., b en el modelo
i =1
j =1
+ r i + k
N
j = y..
b
+ r i + n
r
ij j = yi.
(1)
i = 1,..., a
(2)
j =1
+ n i + k
=y
k
ij
j
.j
j = 1,..., b
(3)
i =1
r Q '2j
SS BLOQUE =
j =1
con
1 a
Q = y. j nij yi.
r i =1
'
j
j = 1,..., b
=0
=0.
= y..
=y
N
..
N
Despejamos de (2) i :
1
r
i = yi.
1 b
nij
j
r j =1
i = 1,..., a
b
1
y.. a
1 n
+ k
=y
+ nij yi.
j
j
ij
.j
N i =1 r
r j =1
j = 1,..., b
Haciendo operaciones:
y.. a
y.. 1 b
1
1
k + nij
yi. nim m nij j + k j = y. j
N i =1 r
N r m=1
r
m
j = 1,..., b
a
a
y.. 1 a
y.. 1 a b
1 n
+ k
=y
k + nij yi. nij nij nim
m
j
j
ij
.j
N r i =1
N
r
r
i =1
i =1
m =1
i =1
m j
y.. y.. a
1 a b
1 a
1 a
k nij nij nim m nij j + k j = y. j nij yi.
r i =1
N N i =1
r i =1 m=1
r i =1
m j
Puesto que nij vale 1 si el tratamiento i ocurre en el bloque j y 0, en caso contrario se
tiene la siguiente simplificacin:
a
y.. y..
1 a b
k
= y 1 n y
k k nij nim m
+
k
ij i.
j
.j
r j
N N
r i =1 m=1
r i =1
m j
j = 1,..., b
k b k (r 1) b
j = Q 'j
(k )
j
r
r
m =1
j = 1,..., b
m j
Puesto que
k b k (r 1) b k (r 1) b k (r 1) b
j
j
j = Q 'j
(k ) j +
r
r
r
r
m =1
m j
k b k (r 1)
'
j = 1,..., b
k +
j = Qj
r
r
b
'
j = 1,..., b
j = Qj
r
Luego, el estimador mnimo-cuadrtico de
j =
r '
Q
b j
j es:
j = 1,..., b
A2. TRABAJO
Elaborar un resumen sobre alguno de los siguientes puntos:
DISEO MEDIANTE CUADRADOS DE YOUDEN
Un cuadrado Youden I x K es una disposicin de I letras latinas en una matriz
I x K , con K < I , de tal modo que cada letra aparece una vez en cada columna y a
lo sumo una vez en cada fila. Anlogamente podra definirse un cuadrado Youden
K x I , con K < I . Aunque se denomina cuadrado Youden no es un cuadrado.
Podemos plantear el siguiente ejemplo:
yijk = + i + j + k + ijk
i = 1,..., I ; j = 1,..., I ; k = 1,..., K con K < I
donde:
es la media global.
i es el efecto producido por el i-simo tratamiento.
i =1
=0
=0
j =1
k =1
=0
Cada posicin ocurre una vez en cada bloque y con cada tratamiento.
Este tipo de diseo es adecuado para aquellas situaciones donde no es posible tomar
un tamao de bloque tan grande como el nmero de tratamientos en alguno de los dos
factores de bloqueo.
El anlisis de modelo se realiza de la misma manera que en el diseo en bloques
incompletos balanceados, aadindole el clculo de la suma de cuadrados
correspondiente a la posicin, estamos ante un cuadrado latino incompleto. Estos
diseos fueron estudiados por W.J. Youden de ah su nombre. Youden (1937-1940)
desarroll arreglos de Cuadrados Latinos Incompletos.
H 0 :1 = = I = 0
En este diseo la variabilidad total SCT se descompone en:
SCTr* =
K Ti 2
i =1
con:
=R
K 1
I 1
Ti = yi..
1
K
ij
j =1
y. j. i = 1,..., I
1
K
n
j =1
ij
SCBl =
1
K
y.2j.
j =1
y...2
N
con N = IK
1 K 2 y...2
SCC = y..k
I k =1
N
donde y..k se obtiene sumando las observaciones correspondientes a la
columna k-sima.
SCT es la suma de cuadrados total
9
SCT = y
j =1 k =1
2
(.) jk
y...2
N 1 para SCT
I 1 para SCTr *
I 1 para SCBl
K 1 para SCC
N 2 I K + 2 para SCR
Para el clculo del estadstico del contraste utilizamos la suma de cuadrados medios
ajustada de los tratamientos y la suma de cuadrados medios residual:
MCR =
SCR
N 2I k + 2
MSTr* =
SCTr *
I 1
MCTr *
MCR
H 0 : 1 = = I = 0
Para ello la variabilidad total SCT se descompone en:
1
SCTr =
K
y...2
y
N
i =1
I
2
i ..
10
R B 2j
SCBl* =
j =1
con:
R es el nmero de veces que cada tratamiento se presenta en el
diseo.
B j es el total ajustado del j-simo bloque, dado por la siguiente
expresin:
B j = y. j .
1 I
nij yi..
R i =1
j = 1,..., I
I 1 para SCTr
I 1 para SCBl *
Para el clculo del estadstico del contraste utilizamos la suma de cuadrados medios
ajustada de los bloques y la suma de cuadrados medios residual:
MCR =
SCR
N 2I k + 2
MCBl* =
SCBl *
I 1
MCBl *
MCR
Posicin
Ejecucin
1
A=118
B=127
C=174
D=130
B=136
C=141
D=173
A=170
C=168
D=129
A=126
B=125
11
Se conoce que las diferentes ejecuciones del experimento dan resultados variables,
por lo tanto las 4 ejecuciones se toman como columnas y las 3 posiciones en que se
prueban las muestras son tomadas como filas. Se pueden observar que en el
experimento cada tratamiento ocurre exactamente una vez en cada columna y cada
fila; pero no posee igual nmero de filas y columnas, es por eso que es un Cuadrado
Latino que le falta una fila; por lo tanto es un Diseo de Bloques Incompletos, en
donde los valores de los parmetros del modelo son:
K 1
2
= 3 = 2.
I 1
3
N = IR = 12
=R
Posicin
y..k
y..k2
A=118
B=127
C=174
D=130
549
301401
B=136
C=141
D=173
A=170
620
384400
C=168
D=129
A=126
B=125
548
300304
yi..
422
397
473
425
y=1717
986105
y.j.
414 (A)
388 (B)
483 (C)
432 (D)
y.2j.
2
(.) jk
171396
150544
233289
186624
741853
60644
52651
76081
61425
250801
SCTr* =
K Ti 2
i =1
32728, 67
= 1023, 25
8
Donde:
Ti = yi..
1
K
-21
-14,33
44,67
-9,33
n
j =1
ij
y. j.
12
1
SCBl =
K
SCC =
y...2 1
1717 2
= 741853
= 1610, 25
y
N 3
12
j =1
I
2
. j.
1 K 2 y...2 1
1717 2
y
=
986105
= 852,17
..k N 4
I k =1
12
I
SCT = y(.)2 jk
j =1 k =1
y...2
1717 2
= 250801
= 5126,17
N
12
SCR = SCT SCTr * SCBl SCC = 5126,17 1023.25 1610, 25 852,17 = 1641, 25
Los cuadrados medios:
MCR =
SCR
1641, 25
=
= 547, 08
N 2I k + 2
3
MSTr* =
SCTr * 1023, 25
=
= 341, 08
I 1
3
MCTr * 547, 08
=
= 1, 6
MCR
341, 08
Rechazamos la hiptesis nula cuando se cumpla que F0 > FI 1, N 2 I K + 2; .
y...2 1
1717 2
y
= 740047
= 1008, 25
N 3
12
i =1
I
2
i ..
R B 2j
SCBl* =
B j = y. j .
j =1
1 I
nij yi..
R i =1
34334
= 1625, 25 con:
8
1
-16,67
-43,67
43,00
17,33
MCR =
SCR
1641, 25
=
= 547, 08
N 2I k + 2
3
13
MCBl* =
SCBl * 1625, 25
=
= 541, 75
I 1
3
MCBl * 541, 75
=
= 0,99
MCR
547, 08
Rechazamos la hiptesis nula cuando se cumpla que F0 > FI 1, N 2 I K + 2; .
H 0 :1 = = 5 = 0
Es decir, contrastamos que no hay diferencia en las medias de los cinco tratamientos
frente a la alternativa de que al menos una media difiere de otra.
Por otro lado, previamente hay que comprobar si la presencia del factor bloque
(niveles de actividad renal) afectan a dicha toxicidad. Por ello, realizamos igualmente
un contraste para el estudio de la significatividad con hiptesis nula:
H 0 : 1 = = 4 = 0
14
yij = + i + j + ij
con:
i = 1,..., 5
j = 1,..., 4
la media general
i el efecto del i-simo tratamiento
j el efecto del j-simo bloque
ij las componentes de error aleatorio que se suponen
normalmente distribuidas e independientes.
Normalidad
Podemos comprobarla de forma grfica o analticamente, grficamente podemos
estudiar el grfico probabilstico normal, Para obtener dicho grfico
seleccionamos Analizar/Estadsticos descriptivos/Grficos Q-Q... , obtenemos lo
siguiente:
16
Esta tabla muestra la mayor diferencia entre los resultados esperados en caso de que
los residuos surgieran de una distribucin normal y los valores observados. Se
distingue entre la mayor diferencia en valor absoluto, la mayor diferencia positiva y la
mayor diferencia negativa. Se muestra el valor del estadstico Z (0.875) y el valor del
p-valor asociado (0.428, mayor que el nivel de significacin 0,05). Por lo tanto no se
puede rechazar la hiptesis de normalidad de los residuos.
Homocedasticidad
Comprobamos la hiptesis de homogeneidad de las varianzas para los bloques y los
tratamientos con variable dependiente la variable Toxicidad, para ello utilizamos el test
de Levene:
Para los bloques:
17