1.

Defina:
a) Anlisis de Variancia: anlisis of varianza (ANOVA, segn
terminologa inglesa) es una coleccin de modelos estadsticos y sus
procedimientos asociados con los que comparar medias separando la
varianza global observada en diferentes partes es decir, es una tcnica
que se usa para comprobar si existen diferencias significativas entre los
promedios de los tratamientos.
b) Modelo Matemtico: es un esquema, una ecuacin, un diagrama o
una teora que simplifica una parte difcil de las matemticas, haciendo
ms fcil su comprensin y que engloba de manera general muchos
aspectos diferentes.
c) Grados de Libertad: son una cantidad que permite introducir una
correccin matemtica en los clculos estadsticos para restricciones
impuestas en los datos.
d) Diseo completamente Aleatorizado: El experimentador asigna
las unidades experimentales a los tratamientos al azar. La nica
restriccin es el nmero de observaciones que se toman en cada
tratamiento. De hecho si ni es el nmero de observaciones en el i-simo
tratamiento, i = 1,... i, entonces, los valores n1, n2,... ni determinan por
completo las propiedades estadsticas del diseo. Naturalmente, este
tipo de diseo se utiliza en experimentos que no incluyen factores
bloque.
e) Diseo de Bloques al Azar: es un diseo estadstico en el que las
unidades de prueba se dividen en bloques con base en una variable
externa, para asegurar que los diversos grupos experimentales y de
control se comparan en cuanto a esa variable.
f) Diseo de Cuadrado latino: es un arreglo de t smbolos en t2
celdas arregladas en un cuadrado de t filas y t columnas, tal que todo
smbolo aparece una sola vez en cada fila y en cada columna. El trmino
t se conoce como el orden del cuadro latino. En el cuadrado latino las
materias primas se asignan en forma aleatoria, sujetas a la restriccin
de que cada materia prima se utiliza una vez en cada mquina y una vez
por cada operador. Un cuadrado latino K K es una disposicin de K
letras en una matriz K K de forma que todas las letras aparecen una
vez en cada fila y una vez en cada columna.

Discuta

las

desventajas
del
diseo
aleatorizado:

completamente

Se puede obtener baja precisin cuando las unidades

experimentales no sean muy homogneas y as ser ineficiente; ya
que sus propiedades dependen de que las
unidades
experimentales sean homogneas.

No es muy til en experimentos en los que el nmero de unidades

experimentales es limitado, ya que provee el mximo nmero de
grados de libertad del error.

Discuta las desventajas del diseo de cuadrado latino.

-

Cuando el nmero de tratamientos es grande, se puede presentar

un problema potencial debido a que el requerimiento de que el
nmero de filas y columnas debe ser igual al nmero de
tratamientos es ms difcil de obtener. Tambin es ms probable
que el supuesto de interaccin sea violado.
Cuando el nmero de tratamientos es muy pequeo se van a tener
pocos grados de libertad para el error experimental y menos
precisin para el experimento.

5. Explique por qu a los diseos de bloques al azar y cuadrado

latino se les conoce con el nombre de diseos reductores de
ruido.
Se conoce como reductor de ruido porque el diseo de cuadrado
latino permite controlar variabilidad; es decir controla dos causas de
variacin problemtica: la diferencia del azar y la diferencia entre
tratamiento, y el diseo de bloques al azar tambin controla variabilidad
pero una sola causa de variacin

6.
Establezca las diferencias entre un modelo matemtico de
efectos fijos y un modelo matemtico de efectos aleatorios con
respecto al efecto de los tratamientos.

El modelo de efectos fijos en el que la H 1 supone que las k muestras

son muestras de k poblaciones distintas y fijas; por otro lado el
modelo de efectos aleatorios se supone que las k muestras, se han
seleccionado aleatoriamente de un conjunto de m>k poblaciones.
Un ejemplo de modelo I de anova es que se asume que existen cinco
poblaciones (sin tratamiento, con poca sal, sin sal, etc.) fijas, de las
que
se
han
extrado
las
muestras.
Un ejemplo de modelo II sera: un investigador est interesado en
determinar el contenido, y sus variaciones, de grasas en las clulas

hepticas de cobayas; toma del animalario 5 cobayas al azar y les

realiza, a cada una, 3 biopsias hepticas. La manera ms sencilla de
distinguir entre ambos modelos es pensar que, si se repitiera el
estudio un tiempo despus, en un modelo I las muestras seran
iguales (no los individuos que las forman) es decir corresponderan a
la misma situacin, mientras que en un modelo II las muestras seran
distintas. Aunque las asunciones iniciales y los propsitos de ambos
modelos son diferentes, los clculos y las pruebas de significacin son
los mismos y slo difieren en la interpretacin y en algunas pruebas
de hiptesis suplementarias.

Cuando los niveles del factor son seleccionados especficamente por

el experimentador ya que el inters del experimento se centra en
conocer los efectos sobre la respuesta de estos niveles particulares.
En este caso los efectos del factor () son constantes desconocidas
(parmetros). Los modelos conteniendo nicamente efectos fijos se
denominan tambin modelos de efectos fijos mientras que Los
modelos con factores de efectos aleatorios se denominan modelos
de efectos aleatorios. En estos modelos el inters radica en medir
la variabilidad existente en la totalidad de los efectos de la poblacin
de niveles. El objetivo es distinto del caso de efectos fijos y, por
consiguiente, la planificacin y anlisis difiere en ambos modelos.

El modelo de efectos fijos de anlisis de la varianza se aplica a

situaciones en las que el experimentador ha sometido al grupo o
material analizado a varios factores, cada uno de los cuales le afecta
slo a la media, permaneciendo la "variable respuesta" con una
distribucin normal por el contrario los modelos de efectos aleatorios
se usan para describir situaciones en que ocurren diferencias
incomparables en el material o grupo experimental. El ejemplo ms
simple es el de estimar la media desconocida de una poblacin
compuesta de individuos diferentes y en el que esas diferencias se
mezclan con los errores del instrumento de medicin.

8. Cules son las suposiciones necesarias para que el anlisis

de variancia sea valido?
-

Independencia de los errores experimentales (mutuamente

independientes).Cada unidad experimental va a tener igual
oportunidad de recibir un tratamiento de acuerdo al principio
bsico de la aleatorizacin.

Homogeneidad de los errores experimentales. La varianza de los

tratamientos deben ser estadsticamente iguales.

Normalidad de los errores experimentales =0 y 2 es comn.

Aditividad de los componentes del anlisis de varianza.