DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD.

APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

Actividad 5
Tema5

TRABAJO REALIZADO POR: CARMEN M SNCHEZ CAMPOY

PROFESORES:

RAMN GUTIRREZ SNCHEZ

MARIA DOLORES RUIZ MEDINA

CURSO: DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD.

APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER ESTADSTICA APLICADA 1

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

A1. CUESTIONES TERICAS

Resolver tres actividades tericas.
1.- Interpretar la frmula de eficiencia relativa del diseo aleatorizado por
bloques. Establecer la relacin existente entre esta frmula y la estimacin de
2
CA
derivada.

La eficiencia relativa mide la efectividad de la bloquizacin para reducir la varianza

del error experimental en el diseo de experimentos. En la prctica, la eficiencia
relativa se mide para determinar la eficiencia del diseo usado en realidad respecto a
otro diseo ms sencillo que pudo usarse.
Por ejemplo, el estudio de un experimento puede ser realizado a travs de un diseo
aleatorizado por bloques o mediante un diseo completamente aleatorizado, y se
puede dar el caso de que no se obtenga la misma sensibilidad. En general, al utilizar
un diseo completamente aleatorizado, la MSERROR (suma de cuadrados medios de los
errores) podra ser mayor que al utilizar un diseo aleatorizado por bloques; ya que
este reduce suficientemente la cantidad de ruido para lograr detectar diferencias
significativas entre los tratamientos.
La comparacin se suele hacer en trminos de eficiencia relativa mediante la frmula:
2
(dfb + 1)(dfCA + 3) CA
ER =
(dfb + 3)(dfCA + 1) b2

siendo:
2
CA

: varianza del error experimental del diseo completamente aleatorizado.

b2

: varianza del error experimental del diseo aleatorizado por bloques.

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)

En la prctica, se estimar la eficiencia relativa, para comparar ambos diseos, el valor

que resulta de esta estimacin se puede interpretar como:
-- El incremento del nmero de rplicas necesarias que hay que llevar
a cabo en un diseo completamente aleatorizado, para que pueda ser
usado en lugar de un diseo aleatorizado por bloques, y as mantener
la misma sensibilidad en ambos diseos. -En la frmula de la eficicencia relativa, se realiza un ajuste sobre la diferencia de
grados de libertad entre los dos diseos mediante la razn de grados de libertad que
se recoge en la frmula mediante el factor:

factor de ajuste =

(dfb + 1)(dfCA + 3)
(dfb + 3)(dfCA + 1)

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

Para estimar la eficiencia relativa, se deben llevar a cabo estimaciones para

2
2
CA
y b ,

es decir una vez calculadas las estimaciones de la varianza la frmula quedara de

forma:
2
(dfb + 1)(dfCA + 3)
CA
ER =
2
(df + 3)(df + 1)
b
b

CA

Estas estimaciones de las varianzas de los errores, puedo obtenerse de la siguiente

manera:
2

b MS ERROR
2

CA =

(b 1) MS BLOQUES + b(k 1) MS ERROR

ab 1

siendo:

MS ERROR la suma de cuadrados medios del error MS ERROR =

SS ERROR
(a 1)(b 1)

MS BLOQUES la suma de cuadrados medios entre bloques MS BLOQUES =

SS BLOQUES
b 1

Si ER = 1 , entonces la informacin de los dos diseos es la misma y cada diseo

requiere el mismo nmero de rplicas para tener la misma varianza en las medias de
los tratamientos Si ER > 1 , entonces el diseo aleatorizado por bloques es ms
eficiente que el otro diseo. Por ejemplo, si ER = 1.8 , entonces el diseo
completamente aleatorizado requiere 1.8 veces el nmero de rplicas que el diseo
por bloques para tener la misma varianza en la media del tratamiento.
De forma general, la eficiencia relativa de dos diseos, se define como la razn de la
informacin en los dos diseos, siendo su frmula:

( 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

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

Considerando los efectos fijos, se tiene:

b

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

para i = 1,..., k ; j = 1,..., b tiene por objetivo minimizar la

, i y
los estimadores
j
suma de los cuadrados de los residuos, que denotamos por L . Partiendo de dicha
funcin su expresin viene dada por:

L = ij2 = ( yij i j )
k

i =1 j =1

i =1 j =1

Para minimizar L , derivamos parcialmente respecto de

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

Las ecuaciones normales que definen a los estimadores mnimo-cuadrticos se

obtienen igualando las anteriores derivadas a cero:

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

Las ecuaciones normales quedan de la forma:

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY
k

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

Considerando los efectos fijos,

i =1

=0 ;

j =1

= 0 . Entonces se tiene que las

ecuaciones normales se expresan de la manera siguiente:

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

3.- Calcular el estimador mnimo-cuadrtico de

j , j = 1,..., b en el modelo

balanceado por bloques incompletos.

Sabemos que las ecuaciones normales de mnimos cuadrados para un modelo
balanceado por bloques incompletos son:
a

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

Considerando a tratamientos y b bloques, con k tratamientos probados por bloque,

repitindose r veces cada tratamiento en el diseo. El nmero total de observaciones
es N = ar = bk . El nmero de veces que cada par de tratamientos ocurre en el mismo
bloque es:
r (k 1)
=
a 1
5

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

La descomposicin de la variacin total viene dada por:

SST = SSTRATAMIENTOS CORREGIDA + SS BLOQUE + SS E

Donde:
b

r Q '2j
SS BLOQUE =

j =1

con

1 a
Q = y. j nij yi.
r i =1
'
j

j = 1,..., b

Teniendo en cuenta lo anterior, queremos calcular el estimador mnimo-cuadrtico de

j , j = 1,..., b , bajo las condiciones:

=0

=0.

De (1) podemos deducir la siguiente expresin que sustituiremos en (2) y (3):

= y..

=y
N
..
N
Despejamos de (2) i :

1
r

i = yi.

1 b


nij

j
r j =1

i = 1,..., a

Y lo sustituimos en (3) obteniendo la siguiente igualdad:

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

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

k
b k (r 1) b

j = Q 'j
(k )

j
r
r
m =1

j = 1,..., b

m j

Puesto que

= 0 podemos hacer lo siguiente:

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:

Es un diseo con I tratamientos e I unidades experimentales agrupadas en I

bloques fila y K < I bloques columna, de tal forma que unidades experimentales en
un mismo bloque fila son semejantes, unidades experimentales en un mismo bloque
columna son semejantes y unidades experimentales en distintos bloques fila y distintos
bloques columna son sustancialmente diferentes.
7

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

Adems, los bloques columna forman un diseo en bloques completamente

aleatorizado y los bloques fila forman un diseo en bloques incompletos balanceados.
Cada nivel del factor tratamiento se observa R = K veces (una vez en cada columna
y a lo sumo una vez en cada fila). De todo ello podemos deducir la siguiente definicin:
Definicin:
Un cuadrado de Youden es un diseo en bloques incompletos balanceado y
simtrico en el que:
a) Cada tratamiento ocurre una vez en cada columna.
b) La posicin del tratamiento dentro de un bloque indica el nivel del factor
secundario correspondiente a las columnas.
c) El nmero de rplicas de un tratamiento dado es igual al nmero de tratamientos
por bloque.
PLANTEAMIENTO DEL MODELO
El modelo estadstico para este cuadrado es:

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.

Dichos efectos estn sujetos a la restriccin:

i =1

=0

=0

j es el efecto producido por el j-simo bloque.

I

Dichos efectos estn sujetos a la restriccin:

j =1

k es el efecto producido la k-sima posicin (columna).

K

Dichos efectos estn sujetos a la restriccin:

k =1

=0

Cada posicin ocurre una vez en cada bloque y con cada tratamiento.

ijk son variables aleatorias independientes con distribucin N(0, ).

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.

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

ANALISIS DE LOS TRATAMIENTOS

Planteamos el contraste de igualdad del efecto de los tratamientos, cuya hiptesis nula
recoge la afirmacin de la falta de significatividad de dichos efectos:

H 0 :1 = = I = 0
En este diseo la variabilidad total SCT se descompone en:

SCT = SCTr * + SCBl + SCC + SCR

donde:
SCTr * es la suma de cuadrados ajustada de los tratamientos, cuya
expresin coincide con la correspondiente a los diseos en bloques
incompletos balanceados, es decir:
I

SCTr* =

K Ti 2
i =1

con:

=R

K 1
I 1

Ti el total ajustado del i-simo tratamiento, que viene dado por la

expresin:

Ti = yi..

1
K

ij

j =1

y. j. i = 1,..., I

donde, yi .. se obtiene sumando las observaciones en las que la letra

latina se ha fijado al nivel i, e y. j . se obtiene sumando las
observaciones correspondientes al bloque j-simo, y nij vale uno si el
tratamiento i ocurre en el bloque j y cero en caso contrario.
Por ello se tiene que

1
K

n
j =1

ij

y. j . es el valor medio de los totales de los bloques

que contienen al tratamiento i-simo.

SCBl es la suma de cuadrados de los bloques, que tiene la siguiente
expresin:

SCBl =

1
K

y.2j.
j =1

y...2
N

con N = IK

SCC es la suma de cuadrados de las columnas, que tiene la siguiente

expresin:

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

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY
I

SCT = y
j =1 k =1

2
(.) jk

y...2

donde y(.) jk indica la observacin correspondiente a la fila j y la columna k,

independientemente de la letra que corresponda.
SCR es la suma de cuadrados de los residuos que se obtienen despejando
de la igualdad:

SCR = SCT SCTr * SCBl SCC

Los grados de libertad correspondientes a cada suma de cuadrados son :

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

Siendo el estadstico del contraste: F0 =

MSTr* =

SCTr *
I 1

MCTr *
MCR

Rechazamos la hiptesis nula cuando se cumpla que F0 > FI 1, N 2 I K + 2; en cuyo caso

podramos aceptar la hiptesis de que los efectos de los tratamientos son significativos.
ANALISIS DE LOS BLOQUES
Podemos contrastar tambin la igualdad del efecto de los bloques:

H 0 : 1 = = I = 0
Para ello la variabilidad total SCT se descompone en:

SCT = SCTr + SCBl * + SCC + SCR

donde:
SCTr es la suma de cuadrados de los tratamientos, que tiene la siguiente
expresin:

1
SCTr =
K

y...2
y

N
i =1
I

2
i ..

SCBl * es la suma de cuadrados ajustada de los bloques, que tiene la

siguiente expresin:

10

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY
I

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

Los grados de libertad correspondientes a estas suma de cuadrados son :

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* =

Siendo el estadstico del contraste: F0 =

SCBl *
I 1

MCBl *
MCR

Rechazamos la hiptesis nula cuando se cumpla que F0 > FI 1, N 2 I K + 2; en cuyo caso

podramos aceptar la hiptesis de que los efectos de los bloques son significativos.
Planteamos un ejemplo para ver su aplicacin prctica:
Se realiz un experimento para asegurar las resistencias de cuatro tipos de deportivas,
de cuatro marcas distintas: Kelme, Adidas, Nike y Puma. Se us un medidor en la cual
se probaron las muestras en tres situaciones distintas. Puesto que se conoce que
diferentes ejecuciones del experimento dan resultados variables, se decidi hacer
cuatro ejecuciones del mismo. Se obtuvieron los siguientes resultados:

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

Este ejemplo es considerado como un Cuadrado de YOUDEN, ya que en l se

analizan la resistencia de 4 tipos de deportivas, que son consideradas como los
tratamientos.

11

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

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:

I = 4 tratamientos (Letras Latinas) que coincide con el nmero de bloques;

K = R = 3 nmero de tratamientos que se aplican en cada bloque y
nmero de veces que dos tratamientos aparecen juntos;

K 1
2
= 3 = 2.
I 1
3
N = IR = 12

=R

Tenemos los siguientes resultados de las sumas de las observaciones:

Ejecucin

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

Realizamos un anlisis de los tratamientos:

Las sumas de cuadrados necesarias para el anlisis de la varianza se calculan como
sigue:

SCT = SCTr * + SCBl + SCC + SCR

Con:
I

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

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

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; .

Siendo el estadstico del contraste: F0 =

Si realizamos el contraste al 5% y comparamos el valor del estadstico de contrate con

el correspondiente valor de la F terica ( FI 1, N 2 I K + 2; = F3,3;0.05 = 9, 28 ) concluimos que
los efectos de los tratamientos no son significativos.
Realizamos un anlisis de los bloques:
Para ello la variabilidad total SCT se descompone en:

SCT = SCTr + SCBl * + SCC + SCR

1
SCTr =
K

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

Los cuadrados medios:

MCR =

SCR
1641, 25
=
= 547, 08
N 2I k + 2
3

13

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

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; .

Siendo el estadstico del contraste: F0 =

Realizando el contraste al 5% y comparando el valor del estadstico de contrate con el

correspondiente valor de la F terica ( FI 1, N 2 I K + 2; = F3,3;0.05 = 9, 28 ) concluimos que
los efectos de los bloques no son significativos.

A3. ANLISIS DE DATOS

Para realizar el ejercicio, he utilizado el programa SPSS, y creado un archivo

ACTIVIDAD5.sav, donde se recogen tres variables ACT_REN (los bloques), DOSIS
(los tratamientos) y TOXICIDAD (los niveles de toxicidad heptica observados).
Queremos estudiar por un lado si los distintos tratamientos (dosis de paracetamol)
influyen en la toxicidad heptica, para ello realizamos un contraste, para analizar la
significatividad de dichas dosis, con hiptesis nula:

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

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

Este experimento se modeliza mediante un diseo en bloques complatmente

aleatorizados, siendo dicho modelo:

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.

Para resolver los contrastes planteados, realizamos el anlisis en SPSS, mediante la

pestaa Analizar/Modelo lineal general/ Univariante , obtenindose la siguiente tabla:

Puesto que la construccin de bloques se ha diseado para comprobar el efecto de

una variable, nos preguntamos si ha sido eficaz su construccin. En caso afirmativo, la
suma de cuadrados de bloques explicara una parte sustancial de la suma total de
cuadrados. Tambin se reduce la suma de cuadrados del error dando lugar a un
aumento del valor del estadstico de contraste experimental utilizado para contrastar la
igualdad de medias de los tratamientos y posibilitando que se rechace la Hiptesis
nula, mejorndose la potencia del contraste.
De la Tabla ANOVA obtenida, el valor del estadstico de contraste de igualdad de
bloques, F = 2,994 deja a su derecha un p-valor de 0.073, mayor que el nivel de
significacin del 5%, por lo que se aceptara la Hiptesis nula de igualdad de bloques,
lo que nos lleva a deducir que el diseo de bloques no es el diseo apropiado para
este ejercicio, para evitar esto, podemos considerar un nivel de significacin del 10%.
La eficacia de este diseo depende de los efectos de los bloques.
Si los efectos de los bloques son muy pequeos, como es el caso, el anlisis de
bloque quizs no sea necesario, siendo en algunas situaciones hasta perjudicial.
En el diseo por bloques se desea que el valor del estadstico F sea mayor de 3,
cuanto ms grande sea F mayor efecto tendr el factor bloque.
El valor del estadstico de contraste de igualdad de tratamiento, F = 0,688 deja a su
derecha un p-valor de 0.614, mayor que el nivel de significacin del 5%, por lo que se
15

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

acepta la hiptesis nula de igualdad de tratamientos. As, los tratamientos no influyen

en la toxicidad heptica.
La salida de SPSS tambin nos muestra que R cuadrado vale 0.494, indicndonos que
el modelo explica el 49.4% de la variabilidad de los datos, resultado bastante malo.
ESTUDIO DE LA IDONEIDAD DEL MODELO
En este apartado vamos a comprobar que se verifican los supuestos del modelo de
regresin lineal (normalidad, homocedasticidad (igualdad de varianzas) y linealidad).
Previamente, estudiamos grficamente la interaccin entre el factor bloque y los
tratamientos, para ello realizamos el grfico de residuos frente a los valores
pronosticados por el modelo. Como el grfico obtenido no presenta ningn aspecto
curvilneo se admite que el modelo es aditivo:

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

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

El Grfico representa las funciones de distribucin terica y emprica de los residuos

tipificados. Desviaciones de los puntos del grfico respecto de la diagonal indican
alteraciones de la normalidad. Observamos la ubicacin de los puntos del grfico,
estos puntos se aproximan ms o menos a la diagonal lo que confirma la hiptesis de
normalidad. Lo conformamos de forma analstica mediante el contraste de
Kolmogorov-Smirnov:

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:

El p-valor es 0.657 por lo tanto no se puede rechazar la hiptesis de homogeneidad de

las varianzas.
Si observemos el grfico de medias, donde en el eje de ordenadas figuran las medias
de los niveles de toxicidad heptica y en el eje de abscisas los bloques, se observa el
crecimiento de la grfica conforme aumenta la actividad renal.

17

DISEO ESTADSTICO EXPERIMENTAL Y CONTROL DE CALIDAD. APLICACIONES EN BIOCIENCIAS E INGENIERA

- MASTER EN ESTADSTICA APLICADA AUTORA: CARMEN MARA SNCHEZ CAMPOY

Para los tratamientos:

El p-valor es 0.914 por lo tanto no se puede rechazar la hiptesis de homogeneidad de

las varianzas.
Si observemos el grfico de medias, donde en el eje de ordenadas figuran las medias
de los niveles de toxicidad heptica y en el eje de abscisas los tratamientos, se
observa que conforme la dosis es mayor la toxicidad heptica tambin, permaneciendo
constante desde la dosis 20 hasta que no se aumenta a 35 de paracetamol.

Independencia de los residuos

Observando el diagrama de dispersin de los residuos y las predicciones obtenido
anteriormente, no observamos, en dicho grfico, ninguna tendencia sistemtica que
haga sospechar del incumplimiento de la suposicin de independencia.
18