Professional Documents
Culture Documents
TEMA
18.1. INTRODUCCIN
En la Unidad de Inferencia Estadstica se presentaron problemas que implican el manejo de
datos numricos correspondientes a la observacin de una o ms variables aleatorias, y el inters se
focaliz en efectuar estimaciones puntuales o intervalares y en la aplicacin de pruebas de hiptesis
relacionadas con una o ms poblaciones. En esta unidad se trata el diseo experimental y el anlisis de
los datos experimentales.
El diseo experimental comprende un conjunto de procedimientos que se utilizan para obtener
datos numricos bajo condiciones controladas. Como ya se sabe slo es posible realizar inferencias
vlidas aplicando un diseo que cumpla con los principios bsicos de la experimentacin: repeticin,
aleatorizacin y control (por ejemplo, bloqueo). Para esto se requiere planificar la experimentacin y
disear un dispositivo experimental (esquema de distribucin de las unidades experimentales y los
tratamientos) que llevado a la prctica permita obtener datos empricos apropiados para el anlisis
estadstico posterior.
El anlisis de los datos experimentales se centra en realizar comparaciones. A partir de
experimentar con diferentes situaciones, los datos correspondientes se analizan mediante los
procedimientos del anlisis de la varianza y algunas pruebas complementarias. El concepto fundamental
de los experimentos estadsticos es la varianza residual. Esta es la variacin debida al error
experimental (variacin dentro) que mide la porcin de la variabilidad total de los datos no explicada por
la variacin debida a los tratamientos (variacin entre)
Se ha visto en el anlisis de la varianza que generalmente se utiliza la prueba de F, para tomar
una decisin con respecto a si varias muestras proceden de poblaciones que tienen la misma media
paramtrica. Adems que se utiliz el nombre genrico de grupos para referirse a las muestras, pero
en el contexto experimental los grupos se corresponden con tratamientos (j=1,2,,k) o los bloques
(r=1,2,... , n) y, se present la identidad fundamental del ADEVA que hace referencia a la particin
como:
SCG = SC entre grupos + SC dentro de grupos
A partir de las sumas de cuadrados entre y dentro, se obtuvieron dos estimaciones independientes de
la varianza poblacional 2 asociada al primer trmino de la ecuacin, que fueron el cuadrado medio
entre grupos y el cuadrado medio dentro de grupos. Bajo hiptesis nula de que los grupos proceden de
poblaciones con idntica media (Ho: 1 = 2 = = k ), los dos cuadrados medios toman el mismo valor,
luego la razn F =
CM entre grupos
, que en el muestreo sigue la distribucin F; 1 , 2 , resulta igual a
CM dentro grupos
1. Pero, si los datos observados aportan suficiente evidencia para rechazar Ho, se concluye a favor de la
hiptesis alternativa (H1: al menos existe una media que difiere de las restantes). Evidentemente en este
14
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
18.2.
Ejemplo ilustrativo de un DCA con igual nmero de repeticiones por tratamiento: Sea el caso de un
ensayo en laboratorio, con cuatro dosis de fertilizante (A, B, C, D), aplicadas a terrinas con plantas de
tomate. El dispositivo experimental o plano de distribucin de los tratamientos de la Figura 18.1
puede ser un resultado posible, despus de sortear estos tratamientos en las distintas unidades o
terrinas. En el dispositivo se observan las 5 unidades que recibirn cada uno de los tratamientos
(repeticiones).
B1
A1
A2
C1
A3
B2
D1
B3
C2
C3
A4
D2
A5
D3
B4
C4
B5
D4
D5
C5
15
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
El objetivo del agrupamiento es lograr unidades en un bloque tan uniformes como sea posible, de
modo que las diferencias observadas se deban slo a los efectos de tratamientos.
En promedio, la variabilidad entre unidades de diferentes bloques ser mayor que la variabilidad
entre unidades del mismo bloque si no van a aplicarse tratamientos. Idealmente, la variabilidad
entre unidades experimentales se controla (recordar muestreo estratificado) de tal forma que,
simultneamente:
se maximice la variacin entre bloques
se minimice la variacin dentro de ellos
En el DBA, la variacin entre bloques no afecta claramente a las diferencias entre las medias de
tratamientos, ya que cada tratamiento aparece el mismo nmero de veces en cada bloque.
las parcelas dentro de un bloque, resulten paralelas respecto al gradiente (Figura 18.2.)
En el diseo de bloques completos al azar, cada tratamiento aparece igual nmero de veces,
usualmente una vez, en cada bloque y cada bloque contiene todos los tratamientos. Bloques y
tratamientos son ortogonales entre s, esta propiedad matricial lleva a los sencillos clculos
aritmticos que entran en el anlisis de los datos resultantes.
Cada observacin se puede clasificar de acuerdo con:
a) el bloque del que procede y,
b) el tratamiento al que corresponde,
Esto da lugar a una clasificacin doble, de ah que este diseo tambin sea conocido como
diseo de clasificacin de dos vas o de dos modos.
16
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
El nmero de tratamientos debe ser lo menor posible; debe ser suficiente para lograr los objetivos
del experimento. Cuando el tamao del bloque aumenta, se incrementar la variabilidad dentro de
ste.
Es necesario que los bloques sean de la misma forma, puesto que las diferencias en las formas
de los bloques generalmente incrementan la variabilidad dentro del bloque.
Durante el transcurso del experimento, todas las unidades de un bloque deben tratarse tan
uniformemente como sea posible en todo aspecto diferente del tratamiento. Todo cambio en la tcnica u
otra condicin, que pueda afectar los resultados deben hacerse en todo en bloque: se trata de que las
diferencias que se observen se deban exclusivamente al efecto del tratamiento recibido. Por ejemplo, si
la cosecha abarca un perodo de varios das, se harn agrupamientos y los bloques se correspondern
con lo cosechado el mismo da o bien si personas diferentes hacen observaciones en el material
experimental, en lo posible una persona debe hacer todas las observaciones en un bloque. As, esta
variacin reconocida y controlada por bloqueo, quedar excluidas aritmticamente de la variacin
debida al error experimental.
N
(a)
////////////
////////////
II
III
////////////
////////////
IIIIIIIIIIIIIIIIIIIIIIII OOOOOOOO
IIIIIIIIIIIIIIIIIIIIIIII OOOOOOOO
IIIIIIIIII
Bloques
incorrectos
IIIIIIIIIIIIIIIIIIIIIIII OOOOOOOO
IIIIIIIIIIIIIIIIIIIIIIII OOOOOOOO
IIIIIIIIII
(b)
//////////////////////
/// parte ///
/// alta ///
//////////////////////
IIIIIIIIIIIIIIIIIIIIIIIIIII
IIIIIIIIIIIII
IIII parte IIIIIII
IIII media IIIIII
IIIIIIIIIIIIIIIIIIIIIIIIIII
IIIIIIIIIIIII
OOOOOOO
OOOOOOOO
OO parte OO
OO baja OO
OOOOOOOOO
OOOOOOO
II
III
Bloques
correctos
(c)
Figura 18.2. (a)Seccin transversal de una porcin de terreno: La seccin que va de norte a sur es la
que va a utilizarse en el experimento, se supone que la fertilidad y la humedad del suelo aumentan
desde la parte alta (norte) a la parte baja (sur). (b) Divisin incorrecta del terreno en bloques. De esta
forma, todos los bloques son iguales, pero dentro del bloque cada parcela para los tratamientos es
heterognea, lo cual influye sobre la exacta valoracin de los efectos de los tratamientos. (c) Divisin
correcta del terreno en bloques. De esta forma, los bloques son todos diferentes pero dentro de un
bloque las parcelas son homogneas.
Aleatorizacin.
17
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
Cuando se han definido las unidades experimentales de los bloques, se numeran en cierto orden
conveniente. Los tratamientos tambin se numeran y luego se asignan aleatoriamente a las unidades
dentro de un bloque.
I
II
III
A
Fertilidad
Este diseo se usa con mayor frecuencia que cualquier otro, aunque muchas veces se lo aplica
dogmticamente, sin hacer un anlisis adecuado del criterio de control de una variable determinada sino
porque da ms prestigio a un trabajo.
El doble control lleva a disponer los tratamientos en las unidades experimentales de dos maneras
diferentes, por filas y por columna.
Cada tratamiento se presenta una y slo una vez en cada fila y columna; cada fila as como cada
columna, es un bloque completo. Mediante un anlisis apropiado, es posible eliminar del error la
variabilidad debida a diferencias tanto en filas como en columnas.
Los trminos filas y columnas son trminos generales que se refieren a criterios de clasificacin.
El nmero de tratamientos resulta igual al nmero de filas y al nmero de columnas.
El nmero de unidades experimentales ser igual al cuadrado del nmero de tratamientos.
El nmero de repeticiones resulta igual al de tratamientos
B
A
E
D
C
C
B
A
E
D
D
C
B
A
E
E
D
C
B
A
A
B
C
D
E
E
A
B
C
D
D
E
A
B
C
C
D
E
A
B
B
C
D
E
A
2) Primer cuadrado reordenado: reordenar, por sorteo, los bloques horizontales o filas (Ih, IIh, IIIh, IVh y
Vh) del cuadrado sistemtico elegido (Fig. c y d)
18
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
Iv
A
E
D
C
B
Ih
IIh
IIIh
IVh
Vh
IIv
B
A
E
D
C
IIIv
C
B
A
E
D
IVv
D
C
B
A
E
Vv
E
D
C
B
A
Iv
B
E
C
A
D
Vh
IIh
IVh
Ih
IIIh
IIv
C
A
D
B
E
IIIv
D
B
E
C
A
IVv
E
C
A
D
B
Vv
A
D
B
E
C
3) Segundo cuadrado reordenado : reordenar, por sorteo, los bloques verticales o columnas (Iv, IIv, IIIv,
IVv y Vv) del 1 cuadrado reordenado (Fig.e)
4) Tercer cuadrado reordenado: sortear las filas y trasponerlas como columnas, en el orden obtenido
(Fig.f).
IIIv
D
B
E
C
A
Vh
IIh
IVh
Ih
IIIh
Vv
A
D
B
E
C
IIv
C
A
D
B
E
IVv
E
C
A
D
B
Iv
B
E
C
A
D
IIv
B
D
A
C
E
Iv
C
E
B
D
A
IVv
E
B
D
A
C
Vv
D
A
C
E
B
IIIv
A
C
E
B
D
B11
C12
E13
D14
A15
(1/1)
D21
(1/2)
E22
(1/3)
B23
(1/4)
A24
(1/5)
C25
(2/6)
A31
(2/7)
B32
(2/8)
D33
(2/9)
C34
(2/10)
E35
(3/11)
C41
(3/12)
D42
(3/13)
A43
(4/14)
E44
(3/15)
B45
(4/16)
E51
(4/17)
A52
(4/18)
C53
(4/19)
B54
(4/20)
D55
(5/21)
(5/22)
(5/23)
(5/24)
(5/25)
Llevado al terreno, el dispositivo generalmente adopta una forma compacta cuadrada, pero
tambin podra presentarse de otra, como ser la del siguiente DCL:
PI
PII
CI
CII
CIII
C
IV
CV
CI
CII
PIII
CIII
C
IV
CV
CI
CII
PIV
CIII
C
IV
CV
CI
CII
PV
CIII
C
IV
CV
CI
CII
CIII
C
IV
CV
En este caso el criterio para el doble bloqueo ha sido porque se experimenta bajo las siguientes
condiciones: 5 propiedades del Dpto. de Lujn de Cuyo (PI, PII, PIII, PIV, PV) y 5 cuadros en cada una
de ellas que se diferencias por la procedencia de las estacas de vid de la variedad Malbec (CI, CII, CIII,
CIV, CV). El factor en estudio es el tipo de fertilizacin (A, B, C, D, E). Ejemplos anlogos podran
tenerse al analizar la calidad de k diferentes mtodos (tratamientos) para recuento de microorganismos
controlando el laboratorio y el analista; o bien en un experimento con vacas lecheras para determinar si
existen diferencias entre las cantidades de leche producidas por el ordee de los cuatro pezones de los
cuartos (cuarterones) de sus ubres (tratamientos), controlando una posible variacin de la respuesta
(litros diarios) debido a los tiempos de ordee y el momento de ordee o posicin en el tiempo.
19
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
DESVENTAJAS
a) Es apropiado para pequeo nmero de
tratamientos y para un material experimental
homogneo.
b) Dado que la aleatorizacin es irrestricta, el error
experimental incluye toda la variabilidad entre las
unidades del experimento.
DESVENTAJAS
a) No es apropiado para un nmero elevado de
tratamientos, debido a que ello aumenta el tamao
del bloque y, como consecuencia, se incrementa la
variabilidad dentro de cada bloque y, por ende, el
error experimental.
b) Tampoco resulta aconsejable cuando existe gran
variabilidad
en
el
material
experimental
b) Se pueden estimar los datos de algunas (interacciones).
unidades experimentales si se pierden a travs de c) La principal desventaja de los bloques completos
la tcnica de Yates.
al azar es que cuando la variacin entre unidades
experimentales dentro de un bloque es grande,
resulta un trmino de error considerable. Eso ocurre
frecuentemente cuando el nmero de tratamientos
es grande; as puede no ser posible asegurar
grupos de unidades suficientemente uniformes para
los bloques. En tales situaciones, se dispone de
otros diseos para controlar una mayor proposicin
de la variacin: diseo de bloques incompletos.
18.3.
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
g = t +
= + +
= 1, , ; = 1, ,
donde:
Yij : valor de la variable aleatoria respuesta para la unidad experimental que corresponde a la i-sima
repeticin del j-simo tratamiento
: media general
j = 1,2,..., k
H 1 : no todas las medias son iguales, esto es, por lo menos una de las medias poblacionales difiere de alguna otra
2. Estadgrafo de prueba:
F= CMT/CME, en donde F se distribuye en el muestreo, bajo el supuesto de que Ho es verdadera,
como una distribucin F con grados de libertad 1 = (k 1) y 2 = (rk k )
3. Regla de decisin:
La regin de rechazo se encuentra en la F ( ;1 ; 2 ) y satisface la expresin P (F > Fc ) = , donde Fc
es un percentil que pertenece a la cola superior de la distribucin de probabilidad F. La regla de decisin
ser: Si Fm > Fc , se rechaza H 0
f(F)
f(F)
&(';() ;(* )
Fc
Frmula procedim.
directo (definicin)
Total
Tratamientos
Error
Suma de Cuadrados
Frmula procedim.
abreviado (operativa)
r
Cuadrados
Medios
Fm
SCG = y ij2 C
rk 1
i =1 j =1
Grados de
libertad
2
j
SCT =
j =1
k 1
!=
rk k
%=
"!
( 1)
CMT / CME
"%
( )
21
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
Suma de
cuadrados
SCG
Grados de
libertad
1
Factor
SCT
Error
SCE
Cuadrados medios
Fm
k 1
CMT = SCT t
CMT CME
CME = SCE e
14,3
14,4
11,8
11,6
14,2
Compuest
o
17,3
19,4
19,1
16,9
20,8
99,6
66,3
93,5
y = 596,6
1.139,42
1.989,14
887,29
1.758,71
y ij = 12,994,36
24,0
14,6
19,9
13,3
18,7
57,07
67,77
5,11
8,15
10,26
Terrina
3DOk1
3DOk5
3DOk4
3DOk7
3DOk13
1
2
3
4
5
19,4
32,6
27,0
32,1
33,0
17,7
24,8
27,9
25,2
24,3
17,0
19,4
9,1
11,9
15,8
20,7
21,0
20,5
18,8
18,6
144,1
119,9
73,2
4.287,53
2.932,27
28,8
134,57
y j
2
ij
y j
(y
ij
y j
282,93
1.129,98
29
847,05
169,41
282,93
24
11,79
14,37**
F0,01; 5, 24
3,90
El valor muestral del estadgrafo de prueba (Fm) se obtiene dividiendo el cuadrado medio de los
tratamientos por el cuadrado medio del error, esto es, CMT/CME. Estos cuadrados medios son
comparables, cada uno estima en forma independiente la variacin entre observaciones individuales. El
F muestral, se compara con el F crtico (percentil de la tabla de distribucin F) para grados de libertad t
y e , y en base a la comparacin entre los dos valores del estadgrafo (Fm y Fc) se decide si se rechaza
o no la hiptesis nula, que plantea la no diferencia entre las medias poblacionales. Si el experimento no
aporta suficiente evidencia para sostener la Ho, se pasa a sostener la hiptesis alternativa de que al
menos una diferencia de entre dos medias poblacionales resulta estadsticamente significativa (o por lo
menos hay una media poblacional de tratamiento que difiere de otra).
.
En el ejemplo Fm= 169,4/11,79 = 14,37 y el valor tabulado Fc para 5 y 24 grados de libertad es
3,90, al nivel de probabilidad del 0,01. Dado que Fm > Fc, se rechaza la Ho para el nivel de = 0,01 ,
dejndolo indicado cmo 14,37**, donde el doble asterisco indica que el resultado es altamente
significativo. En trminos del problema, los datos experimentales aportan evidencia de que hay
diferencia real entre al menos entre dos medias de tratamientos de inoculacin. Esto significa que por
ejemplo, el contenido medio de nitrgeno, en mg, de plantas de trbol rojo inoculadas, no es idntico
para todas las combinaciones de a pares con las diferentes cepas de Rhizobium trifolii y el complejo de
22
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
b)
= 0,01, se concluye que al menos existe una diferencia altamente significativa entre las medias
j: 1, ...., k
i: 1, ..., r
donde
Yij : la respuesta en la unidad experimental del i-simo bloque a la que se
le aplic el tratamiento j
: media general
i : efecto del i-simo bloque
j : efecto del j-simo tratamiento
ij : error aleatorio de la observacin en la unidad experimental del i-simo
bloque a la que se le aplic el tratamiento j
Los supuestos para el modelo que explica los datos de un experimento monofactorial con los
tratamientos distribuidos segn un DBA son:
a) Distribucin normal de la variable en estudio Y ~. n (x; , 2 ) ;
b) Varianzas y medias no relacionadas o independientes;
c) Errores con distribucin normal (0 y 2);
d) Efectos aditivos en bloques y tratamientos, es decir no hay interaccin y si la hay se acumula en el
error experimental.
Una medida o valor esperado se define en trminos de una media general , una contribucin de
tratamiento i , y una contribucin de bloque j ; Esto es, la media de la celda i, j-sima es + i + j . Una
observacin est sujeta a un error aleatorio, donde los errores provienen de una sola poblacin con
media cero y varianza fija pero desconocida. As
Yij = + j + i + ij
Una media estimada de celda se denota porij , donde
= +
23
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
H0: j = 0
H0: i = 0
j = 1,..., k
H1: j 0
i = 1,..., n
H1: i 0
para algn j
para algn i
2. Estadgrafo de prueba:
Para los tratamientos: F = CMT CME , en donde F se distribuye en el muestreo, bajo el supuesto
de que Ho es verdadera, como una distribucin F con grados de libertad 1 = (k 1) y 2 = (rk k )
Para los bloques: F = CMB CME , en donde F se distribuye en el muestreo, bajo el supuesto de
que Ho es verdadera, como una distribucin F con grados de libertad = r 1
= rk r k + 1
f(F)
4. Regla de decisin:
La regin de rechazo se encuentra en la F ( ;1 ; 2 ) y satisface la expresin P (F > Fc ) = , donde Fc
es un percentil que pertenece a la cola superior de la distribucin de probabilidad F, y que se establece
con los correspondientes grados de libertad para tratamientos y error, y para bloques y error. La regla de
decisin ser: Si Fm > Fc , se rechaza H 0 , tanto para los tratamientos y los bloques.
Fc
Frmula procedimiento
directo (definicin)
(y
Total
y )
ij
Frmula procedimiento
abreviado (operativa)
Libertad
SCG = y ij2 C
rk 1
SCB =
n ( y j y )
Tratamiento
Error
SCT =
(y
i
y j yi + y )
ij
k ( y i y )
Bloques
Grados de
2
i
k
2
y j
j
r 1
k 1
(r 1)(k 1)
Sea Yij la observacin del i-simo bloque bajo el j-simo tratamiento, donde i = 1,2,..., r bloques
y, j = 1,2,..., k tratamientos. La notacin de punto se usa siempre que sea posible. As, Y2j quiere
decir que se obtiene la suma total de los cuadrados de los totales de los k tratamientos. Luego
24
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
Y21 + Y22 + ... + Y2k indica el cuadrado del total tratamiento 1 + el cuadrado del total tratamiento 2 + + el
cuadrado del total tratamiento k .
La media general para los nk datos se representa comoY.. . La varianza de la distribucin de las
medias de muestras de tamao n es 2/n, siendo 2 =e2 .Los cuadrados medios estiman en forma
independiente la misma 2 y 2e , cuando no hay efectos de bloques o tratamientos.
Una forma abreviada es la siguiente:
Fuente de
variacin
Total
Bloques
Tratamientos
Error
Suma de
Cuadrados
SCG
SCB
SCT
SCE
Grados de
libertad
rk - 1
r-1
k-1
rk r k + 1
Cuadrados medios
CMB = SCB /( r 1)
CMT = SCT / (k 1 )
CME= SCE / (rk r k + 1)
Fm
CMB/CME
CMT/CME
En la prctica la suma de cuadrados del error se calcula restando a la suma de cuadrados total,
las sumas de cuadrados de bloques y tratamientos. Esto es posible ya que las sumas de cuadrados son
aditivas. La suma de cuadrados del error puede obtenerse directamente por
(Y
r
SC E=
ij
Yi Y j + Y )
Esta frmula de definicin proviene del modelo que define las medias de las varias poblaciones
muestreadas. Hay n medias en el caso del diseo de bloque completo al azar, uno por celda, con slo
una observacin necesariamente hecha en cada poblacin.
Ejemplo ilustrativo de un DBCA
Tabla 18.8. Contenido (%) de aceite de semillas de lino Redwing inoculadas en diferentes estados de
crecimiento (A: plntula, B: Florecimiento temprano, C: Florecimiento completo, D: Florecimiento
completo (1/100), E: Maduracin) y sin inocular (F: Control) con S.
Tratamientos
Bloques
I
II
III
IV
y j
y 2 j
y j
y 2 i
yi
4,4
3,3
4,4
6,8
6,3
6,4
31,6
998,56
5,9
1,9
4,0
6,6
4,9
7,3
30,6
936,36
6,0
4,9
4,5
7,0
5,9
7,7
36,0
1296,00
4,1
7,1
3,1
6,4
7,1
6,7
34,5
1190,25
20,4
17,2
16,0
26,8
24,2
28,1
y =132,7
y i2. = 4421,71
y .2j = 3061,49
y 2 = 17609,29
34,3
34,0
36,7
36,0
37,0
35,5
2
y ij = 788,23
En la tabla se observan los totales correspondientes: a los tratamientos ( y j = 20,4; 17,2; etc), a los
bloques ( yi = 31,6; 30,6; etc) y, el gran total o total general ( y = 132,7). Tambin se observa la suma
de los cuadrados de los k totales de tratamientos (3061,49) y de los n bloques (4421,71) as como el
cuadrado del total de los nk datos ( y 2 =17609,29), y finalmente la doble suma de los cuadrados de los
2
25
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
Trmino comn = C =
r
Y..2
rk
SC total =
ij
2
2
= 31,6 + ... + 34,5 733,72 = 3,14
6
i.
SC bloques =
.j
SC tratamientos =
(132,7) 2
= 733,72
24
Fm
4,83**
Prueba de F para tratamientos. Para probar la hiptesis nula de que no hay diferencia entre
tratamientos es 6,33/ 1,31 = 4,83** con 5 y 15 grados de libertad es significante al 1 por ciento.
Esto comprueba que hat diferencias reales entre las medias de los tratamientos. Para determinar
donde se encuentran las diferencias, pueden usarse procedimientos generales como los vistos.
/
( )
Filas
k-1
Columnas
/
k-1
Tratamientos
/
,
(, )
k-1
Error
(k 1)(k 2)
Por sustitucin
Paso 1. Calcular:
a) los totales de filas Yi ..
b) los totales de columna Y.j.
c) los totales de tratamientos Y..k
d) el total general Y.. . Esta es la suma cuadrados total no ajustada
e) simultneamente hallar las sumas de los totales al cuadrado de filas, de columnas y de
tratamientos
Fila
1
2
3
4
Totales de /
Columna
/
Tabla 18.11. Plan de campo con los rendimientos de trigo, en kilogramos por
parcela, dispuestos en cuadrado latino 4 x 4.
Columna
Totales de fila
2
1
2
3
4
Yi.
Y ij
C= 10,5
D= 7,7
B= 12,0
A= 13,2
43,4
487,78
B= 11,1
A= 12.0
C= 10,3
D= 7,5
40,9
429,55
D= 5,8
C= 12,2
A= 11,2
B= 13,7
42,9
495,61
A= 11,6
B= 12,3
D= 5,9
C= 10,2
40,0
424,70
39,0
44,2
39,4
44,6
162,7
/ = 1837,64
401,66
503,42
410,34
,
522,22
D
26,9
6,8
27
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
Fuente de variacin
Total
Filas
Columnas
Tratamientos
Error
(k 1)= 3
(k 1)= 3
(k 1)= 3
(k 1)(k 2)= 6
1,95
6,80
78,93
2,72
0,65
2,27
26,31
0,45
1,44
5,04
58,47**
/
48,0 + + 26,9
,
"!78
97:; =
=
1747,24 = 78,93
4
SC error = SC(total) (filas) SC(columnas) SC(tratamientos)
= 90,40 (1,95 + 6,80 + 78,93) = 2,72
Las sumas de cuadrados se llevan a una tabla de anlisis de la varianza y luego se encuentra los
cuadrados medios. El valor F para las variedades (tratamientos) es igual a 26,31/0,45 = 58,47**, con 3 y
6 grados de libertad; es mucho mayor que el valor tabulado, el 1 por ciento, 9,78. Entonces se dice que
hay diferencia altamente significante entre los rendimientos de las variedades.
Paso 2: Hallar el trmino de correccin y las sumas de cuadrados (ajustadas)
Factor de ajuste, C =
SC Total =
Y ...2 167,22
=
= 1,747.24
k2
42
2
ijl
ijl
2
i
SC Filas=
C =
y
SC Columnas =
2
j
C =
El error estndar muestral para una media de tratamientos es sY = s2/r = 0,34 kg., donde s2 es
el cuadrado medio del error y r es el nmero de unidades experimentales por tratamiento. El error
estndar de una diferencia entre dos medias de tratamientos es sYr Yr. = 2s2/r = 0,47 kg. Si se
sospecha heterogeneidad de error, ste no puede dividirse tan fcilmente como en el caso del diseo
de bloques completos al azar.
Anlisis despus del ADEVA
Pruebas de hiptesis: El paso siguiente, dado que se trata de tratamientos de naturaleza cualitativa, es
recurrir a una prueba de comparaciones mltiples para determinar cul o cules medias difieren entre s.
Ya que F result significativo y a los efectos de brindar ejemplos, se aplicarn, a los efectos
demostrativos, las pruebas de Duncan y de Tukey para un = 0,05 .
18.1.1.1.1.
Prueba de Duncan
Primero, ordenar las medias de menor a mayor, o a la inversa. Puede ser til espaciarlas de acuerdo
a una escala, para reflejar mejor las medias que se aproximan y las que se alejan.
3Dok13
y 5 (A)
13,1
3Dok4
y 3 (B)
14,6
Compuesto
y 6 ( C)
18,7
3Dok7
y4 (D)
19,9
3Dok5
y2 (E)
24,0
3Dok1
y 1 (F)
28,8
28
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
Se establece la significancia (la diferencia observada es mayor al valor DMS) o no entre medias
Presentar los resultados: Se unen con un trazo las medias que no resultaron significativamente
diferentes.
13,3(A) 14,6(B)
18,7(C) 19,9(D)
24,0(E)
28,8(F)
=0,05
Por ejemplo:
a) 18,7 y 19,9 estn subrayados por la misma lnea, porque hay evidencia muestral de que las
correspondientes dos medias poblacionales son iguales;
b) 14,6 y 19,9 no estn unidas por una lnea, as que las dos poblaciones deben declararse diferentes;
c) 28,8 aparece solo, as que su media poblacional difiere de todas las otras.
18.1.1.1.2.
Prueba de Tukey:
18.1.1.1.3.
/ 7'
1 1
/ /B 7' ;C +
B
donde
y t/2 se basa en (r k) grados de libertad.
; = D; = %
2
/ /B 7' ;C
2
(/ /B ) 7' ;C
Donde
k = nmero de tratamientos.
r = nmero de bloques
s = %
Y t/2 se basa en (rk r k + 1) grados de libertad.
30
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013