Professional Documents
Culture Documents
Capítulo VII
Análisis de Covariancia
1. Introducción
donde:
Yij es el valor o rendimiento observado en el i-ésimo tratamiento, j-ésimo bloque.
µ es el efecto de la media general.
τi es el efecto del i-ésimo tratamiento.
γj es el efecto del j-ésimo bloque.
β es el coeficiente de regresión lineal de Y sobre X.
Xij es el valor de la variable independiente en el i-ésimo tratamiento, j-ésimo bloque.
X •• es la media de la variable independiente.
εij es el efecto del error experimental en el i-ésimo tratamiento, j-ésimo bloque.
t es el número de tratamientos.
b es el número de bloques.
T1 T2 T3 T4 T5 Total
Bloq. X Y X Y X Y X Y X Y X Y
I 20.4 24.6 27.2 32.6 26.8 31.7 22.4 29.1 21.8 27.0 118.6 145.0
II 19.6 23.4 32.0 36.6 26.5 30.7 23.2 28.9 24.3 30.5 125.6 150.1
III 25.1 30.3 33.0 37.7 26.8 30.4 28.6 35.2 30.3 36.4 143.8 170.0
IV 18.1 21.8 26.8 31.0 28.6 33.8 24.4 30.2 29.3 35.0 127.2 151.8
Total 83.2 100.1 119.0 137.9 108.7 126.6 98.6 123.4 105.7 128.9 515.2 616.9
donde:
Yij es el peso final de una bolsa de ostras tratada con la i-ésima temperatura de agua
(tratamiento) en el j-ésimo mes (bloque).
µ es el efecto de la media general de los pesos.
τi es el efecto de la i-ésima temperatura del agua.
γj es el efecto del j-ésimo mes.
β es el coeficiente de regresión lineal de Y, el peso final de las ostras, sobre X, el peso
inicial.
Xij es el peso inicial de una bolsa de ostras tratada con la i-ésima temperatura de agua
(tratamiento) en el j-ésimo mes (bloque).
X •• es el peso medio inicial de las bolsas de ostras.
εij es el efecto del error experimental con la i-ésima temperatura de agua, en el j-ésimo
mes.
t = 5 (Número de tratamientos).
b = 4 (Número de bloques).
Además de los supuestos de un Diseño de Bloques Completos al Azar, se deben cumplir los
siguientes:
1. Los valores de X son fijos, medidos sin error, y no son afectados por los tratamientos.
4. Análisis de Covariancia
2
E XY SC E
Error (t–1)(b–1) EXX EXY EYY SC E = EYY − (t-1)(b-1)-1
E XX (t − 1)(b − 1) − 1
2
S XY
Trat. + Error b(t – 1) SXX SXY SYY SCT + E = SYY −
S XX
Sumas de cuadrados, grados de libertad y SCT + E − SC E
cuadrados medios para evaluar diferencias SCT + E − SC E t–1
entre medias ajustadas de tratamientos t −1
Los pasos para la construcción del cuadro ANCOVA son los siguientes:
1. Calcule los grados de libertad (Columna gl).
2. Calcule las sumas de cuadrados total en X y Y y la suma de productos total:
t b t b t b
SC( X ) = ∑∑ X ij2 − TCx SP( XY ) = ∑∑ X ijYij − TCxy SC(Y ) = ∑∑ Yij2 − TC y
i =1 j =1 i =1 j =1 i =1 j =1
donde:
Para Tratamientos:
t
X i2• t
X Y t
Yi•2
TXX =∑ − TC X TXY = ∑ i• i• − TC XY TYY = ∑ − TCY
i =1 b i =1 b i =1 b
6. Calcule la suma de cuadrados ajustada para evaluar diferencias entre las medias ajustadas
de los tratamientos:
SCT + E − SC E
515.22
= (20.42 + 19.62 + … + 29.32 ) − = 309.79
(5)(4)
t b
SP( XY ) = ∑∑ X ijYij − TC xy
i =1 j =1
(515.2)(616.9)
= ( (20.4)(24.6) + (19.6)(23.4) + … + (29.3)(35.0) ) − = 325.67
(5)(4)
t b
SC(Y ) = ∑∑ Yij2 − TC y
i =1 j =1
616.92
= (24.62 + 23.42 + … + 35.02 ) − = 358.67
(5)(4)
b X •2j
BXX = ∑ − TC X
j =1 t
(118.62 + 125.62 + … + 127.22 ) 515.22
= − = 68.37
5 (5)(4)
b X • jY• j
BXY = ∑ − TC XY
j =1 t
=
( (118.6)(145.0) + (125.6)(150.1) + … + (127.2)(151.8) ) − (515.2)(616.9) = 69.56
5 (5)(4)
b Y•2j
BYY = ∑ − TCY
j =1 t
(145.02 + 150.12 + … + 151.82 ) 616.92
= − = 71.37
5 (5)(4)
X i2•
t
TXX =∑ − TC X
i =1 b
=
( (83.2)(100.1) + (119.0)(137.9) + … (105.7)(128.9) ) − (515.2)(616.9) = 181.61
4 (5)(4)
t
Yi•2
TYY = ∑ − TCY
i =1 b
Cuadro ANCOVA
Fuentes de
gl SCX SPXY SCY SC aj. gl aj. CM aj.
Variación
Bloques 3 68.37 69.56 71.37
Tratamientos 4 176.79 181.61 198.41
Error 12 64.63 74.50 88.89 3.0175 11 0.2743
Trat. + Error 16 241.42 256.11 287.30 15.6146
Cantidades para evaluar diferencias entre medias
12.5971 4 3.1493
ajustadas de tratamientos
Hipótesis:
H0: β = 0
H1: β ≠ 0
Estadístico de Prueba:
2
E XY
E XX
Fc = ∼ F(1, gl(Error aj.))
CME aj.
Regla de Decisión:
La hipótesis nula se rechaza con un nivel de significación α si el Fc resulta mayor que el valor
de tabla F(1−α ,1, gl(Error aj.)) .
Ejemplo 1 (Cont.):
H0: β = 0
H1: β ≠ 0
Estas hipótesis con equivalentes a:
H0: El peso final de las ostras no depende linealmente del peso inicial.
H1: El peso final de las ostras sí depende linealmente del peso inicial.
2
E XY 74.502
E XX
Fc = = 64.63 = 313.05 ∼ F(1, 11)
CME aj. 0.2743
El valor de tabla para un nivel de significación del 5% es F(0.95,1, 11) = 4.84. Como el valor
calculado es mayor que el valor de tabla se rechaza H0 y se concluye que existe suficiente
evidencia estadística para aceptar que el peso final de las ostras depende linealmente del
peso inicial.
En el caso que la regresión resulte significativa, las hipótesis para los tratamientos se
plantearán en términos de los efectos (medias) de los tratamientos ajustados por la regresión.
Hipótesis:
H0: µi aj. = µ aj. ∀ i
H1: µi aj. ≠ µ aj. para al menos algún i
Estadístico de Prueba:
CM(Trat aj.)
Fc = ∼ F( gl(trat. aj.),gl(Error aj.) )
CME aj.
Regla de Decisión:
La hipótesis nula se rechaza con un nivel de significación α si el Fc resulta mayor que el valor
de tabla F(1−α , gl(trat. aj.), gl(Error aj.)) .
Ejemplo 1 (Cont.):
H0: µi aj. = µ aj. i = 1, 2, 3, 4, 5
H1: µi aj. ≠ µ aj. para al menos algún i
o literalmente:
H0: Las cinco temperaturas son igualmente efectivas en el crecimiento de las ostras.
H1: Con al menos una de las temperaturas se obtienen resultados diferentes en el
crecimiento de ostras.
CM(Trat aj.) 3.1493
Fc = = = 11.48 ∼ F(4, 11)
CME aj. 0.2743
El valor de tabla para un nivel de significación del 5% es F(0.95,4, 11) = 3.36. Como el valor
calculado es mayor que el valor de tabla se rechaza H0 y se concluye que existe suficiente
evidencia estadística para aceptar que con al menos una temperatura se obtiene un peso
final diferente para las ostras.
Para aplicar las pruebas de comparación de medias de tratamientos se debe trabajar con las
medias de los tratamientos ajustadas por la regresión. Para efectuar el ajuste, se debe calcular
primero el coeficiente de regresión estimado, el cual es dado por:
E
βˆ = XY
E XX
Las medias de los tratamientos ajustadas por la regresión están dadas por:
1 1 ( X i• − X j • ) 2
1. Prueba t y DLS sd = CME aj. + +
ri rj E XX
CME aj. 1 1 ( X i• − X j • )
2
2. Tukey sd = + +
2 ri rj E XX
1 1 ( X − X i• ) 2
3. Dunnett sd = CME aj. + + T •
rT ri E XX
Las medias de las variables X y Y sin ajustar para cada tratamiento son:
Y1• = 25.025 Y2• = 34.475 Y3• = 31.65 Y4• = 30.85 Y5• = 32.225
Las medias de Y ajustadas para cada tratamiento según la fórmula Yi• aj. = Yi• − βˆ ( X i• − X •• )
son:
Y1• aj. = 30.74 Y2• aj. = 29.88 Y3• aj. = 30.02 Y4• aj. = 32.13 Y5• aj. = 31.46
CME aj. 2 ( X i• − X j • )
2
ALS(T) = AES(T) +
2 b E XX
T2 T3 T1 T5 T4
29.88 30.02 30.74 31.46 32.13
Ejercicios
Bloques
Días de
I II III IV
tratamiento
X Y X Y X Y X Y
30 41 4.08 24 2.78 31 2.79 46 4.24
35 40 4.26 36 4.23 44 5.60 48 6.36
40 37 4.72 32 4.92 38 4.50 41 5.62
45 32 4.00 38 4.53 40 4.83 40 4.30
a) Presente el Modelo Aditivo Lineal y defina cada uno de sus componentes en términos del
problema.
b) Presente el cuadro ANCOVA y realice las pruebas correspondientes.
c) Realice la prueba de Tukey.
Raciones
Corral 1 2 3 4 5 6
1 X 17 22 18 22 22 22
Y 4.32 4.51 3.86 4.54 4.13 4.42
2 X 16 15 17 15 17 13
Y 3.72 4.30 4.51 4.19 3.86 3.43
3 X 19 16 21 19 19 15
Y 4.23 4.23 3.82 4.24 4.04 3.46
4 X 22 21 18 21 19 23
Y 4.79 4.94 4.02 4.39 4.31 4.70
5 X 20 15 18 17 18 14
Y 4.73 4.00 4.17 4.39 3.97 3.89
a) Presente el Modelo Aditivo Lineal y defina cada uno de sus componentes en términos del
problema.
b) Presente el cuadro de ANCOVA y realice las pruebas correspondientes.
c) Encuentre las medias de los tratamientos ajustados.
Variedades
Nº de I II III
Maceta X Y X Y X Y
1 6 0.54 8 0.11 4 0.13
2 4 0.56 5 0.20 3 0.15
3 6 0.55 4 0.23 4 0.11
4 4 0.60 5 0.21 4 0.11
5 4 0.59 7 0.09 5 0.10