METODOS EXPERIMENTALES

INTRODUCCIÓN

En múltiples ocasiones el analista o investigador se enfrenta al problema de determinar si dos o

más grupos son iguales, si dos o más cursos de acción arrojan resultados similares o si dos o más
conjuntos de observaciones son parecidos. Pensemos por ejemplo en el caso de determinar si
dos niveles de renta producen consumos iguales o diferentes de un determinado producto, si
las notas de dos grupos en una asignatura son similares, si tres muestras de análisis químico de
una sustancia son iguales, o si los municipios de cuatro provincias colindantes tienen el mismo
nivel de paro. Una aproximación simple sería comparar las medias de estos grupos y ver si las
medias aritméticas de la variable estudiada son parecidas o diferentes. Pero tal aproximación
no es válida ya que la dispersión de las observaciones influirá en la posibilidad de comparar los
promedios o medias de cada grupo. Así, supongamos que tenemos una variable X (consumo) y
dos grupos (nivel de renta alto y medio) y que tenemos dos resultados distintos
correspondientes a dos provincias.

Es evidente que la conclusión de que con renta alta el consumo es mayor que con renta media
es más rotundo en la provincia B que en la A. En la provincia A existen familias de renta media
con un consumo superior a otras familias de renta alta aunque en promedio X21 >X11 . Esta
situación no se produce en la provincia B donde todas las observaciones de renta alta son
superiores a las de renta media. En consecuencia la dispersión deberá tenerse en cuenta para
realizar una comparación de medias o de grupos y esto es lo que se pretende con el Análisis de
la Varianza. El Análisis de la Varianza puede contemplarse como un caso especial de la
modelización econométrica, donde el conjunto de variables explicativas son variables ficticias y
la variable dependiente es de tipo continuo. En tales situaciones la estimación del modelo
significa la realización de un análisis de la varianza clásica (ANOVA), de amplia tradición en los
estudios y diseños experimentales. Una ampliación a este planteamiento es cuando se dispone
de una variable de control que nos permite corregir el resultado del experimento mediante el
análisis de la covariación con la variable a estudiar. En tal situación nos encontramos frente a un
análisis de la covarianza (ANCOVA). A continuación se expondrán ambos procedimientos,
ANOVA, ANCOVA, precedidos de un ejemplo que facilita su compresión.
Cuadro 01: Análisis DECA
T1 T2 T3
1 7.050 2.503 7,983

2 4.750 4.778 4,015

3 3.103 3.035 3,725

4 9.181 4.102 1,936

5 7.238 3.678 2,890

6 6.297 3.534 4,051

7 5.431 5.426 3,774

8 6.814

9 6.237

10 5.229

11 7.606

12 5.042

∑ 73.591 27,056 28,374

X 6.133 3,865 4,053

1. Factor de corrección:

(𝑦. . )2
𝐹. 𝐶 =
𝑁
(14.051)2
𝐹. 𝐶 =
26
𝐹. 𝐶 = 7,593

2. Suma de cuadrados totales:

𝑆𝐶𝑇 = 𝑆𝐶 − 𝐹𝐶
 𝑆𝐶𝑇 = 721.524 − 7,593

𝑆𝐶𝑇 = 713.931

3. Suma de cuadrados debido a los Tratamientos

∑𝑡12 ∑𝑡22 ∑𝑡32

𝑆𝐶𝑡 = [ + + ] − 𝐹𝐶
𝑁𝑡1 𝑁𝑡2 𝑁𝑡3

𝑆𝐶𝑡 = 6702.55 − 3516.337

𝑆𝐶𝑡 = 663.274

Cuadro 02: Análisis de Anava

F.V G.L S.C C.M 𝑭𝑪 𝑭𝒕

÷ 𝒕𝒓𝒂𝒕𝒂𝒎𝒊𝒆𝒏𝒕𝒐 2 663.274 43.10 3.97 2.84
Error 24 50,675 10.83 - -
TOTAL 26 713.931 - - -

PRUEBA DE HIPOTESIS DEL ANALISIS DECA

Planteamiento de la hipótesis:

(PE-I, Gl)
(0.05, 3 Gl)

Ho: 𝑡1 = 𝑡2 = 𝑡3, significa que no hay diferencias significativas.

Ha: 𝑡1 ≠ 𝑡2 ≠ 𝑡3, significa que hay diferencias significativas.

Discusión

Si Fc < Ft, se acepta la hipótesis nula.

Si Fc > Ft, se rechaza la hipótesis nula

Decisión

Si 3.97 > 2,84 ; se rechaza la hipótesis nula

Conclusión

Existe suficientes bases estadísticas para afirmar que existe diferencias significativas en
relación a las longitudes de tallos de Zea mays

Cuadro 03: Análisis DEBCA

𝑻𝟏 𝑻𝟏 𝟐 𝑻𝟐 𝑻𝟐 𝟐 𝑻𝟑 𝑻𝟑 𝟐 ∑B

I 6,166 38,019 6,114 37,381 7,725 59,676 20,005

II 9,091 82,646 7,635 58,293 9,137 83,485 25,863
III 6,133 37,614 3,865 14,938 4,053 16,429 14,051
IV 9,217 84,953 7,137 50,936 11,105 123,32 27,459
∑T 30,607 936,79 24,751 612,61 32,02 1025,28 87,378
∑SC 243,23 - 161,55 - 283,91 -
∑𝑺𝑪𝑻 688,69 - - - - - -
𝒚..: 87,378 - - - - - -
 1. Factor de corrección:

(𝑦. . )2
𝐹. 𝐶 =
𝑁
(87,378)2
𝐹. 𝐶 =
12
𝐹. 𝐶 = 636,374

2. Suma de cuadrados totales:

𝑆𝐶𝑇 = 𝑆𝐶 − 𝐹𝐶

𝑆𝐶𝑇 = 688,69 − 636,374

𝑆𝐶𝑇 = 52.316

𝑆𝐶𝑏 =133.4 +222.96 + 65,81 + 251,33 = 673,5 – 636,374 = 37,126

𝑆𝐶𝑡 = 234.20 +153,15 + 256.32 =643,67-636,34 7,33

F.V G.L S.C C.M 𝑭𝑪 𝑭𝒕 Cuadro 03: Análisis Anava

÷ 𝒕𝒓𝒂𝒕𝒂𝒎𝒊𝒆𝒏𝒕𝒐 2 7,33 4.05 1.17 5.14

÷ 𝑩𝒍𝒐𝒒𝒖𝒆𝒔 3 37,126 3.27 0.94 4.76
Error 6 7.86 3.47 - -
TOTAL 11 52,316 - - -

PRUEBA DE HIPOTESIS DEL ANALISIS DECA

Planteamiento de la hipótesis:

(PE-I, Gl)
(0.05, “n” Gl

Ho: 𝑡1 = 𝑡2 = 𝑡3, significa que no hay diferencias significativas.

Ha: 𝑡1 ≠ 𝑡2 ≠ 𝑡3, significa que hay diferencias significativas

Discusión

Si Fc < Ft, se acepta la hipótesis nula.

Si Fc > Ft, se rechaza la hipótesis nula

Decisión

o Entre tratamientos
Si 1.17 < 5.14 ; se acepta hipótesis nula
o Entre bloques
Si 0.94 < 4.76, se acepta la hipótesis nula

Conclusión

Existe suficientes bases estadísticas para afirmar que no existe diferencias significativas
en relación a las longitudes de tallos de Zea mays