You are on page 1of 8

“AÑO DEL DIÁLOGO Y LA RECONCILIACIÓN NACIONAL”

UNJFSC
UNIVERSIDAD NACIONAL “JOSÉ FAUSTINO SÁNCHEZ CARRIÓN”

FACULTAD DE INGENIERÍA PESQUERA


ESCUELA ACADÉMICO PROFESIONAL DE
INGENIERÍA PESQUERA
TEMA:

DISEÑO COMPLETO AL AZAR

ASIGNATURA: Métodos estadísticos para la investigación

DOCENTE : DUEÑAS SANCHEZ Benigno Felix

INTEGRATES Alor Álvaro Alison Xilene


Nario Ascasibar Antonella
Lindo Sanchez Franco
Sobrino Colan Alexander

CICLO : V

HUACHO - 2018
INTRODUCCION

Las investigaciones y en particular los diseños experimentales intentan establecer


básicamente relaciones causa-efecto. Mas específicamente, cuando se desea estudiar
como una variable independiente (causa) modifica una variable dependiente (efecto).
Sin embargo, un diseño puede contemplar el efecto que producen dos variables
independientes tienen sobre una dependiente, por lo que los diseños experimentales
poseen una gran variación. El diseño experimental es una técnica estadística que
permite identificar y cuantificar las causas de un efecto dentro de un estudio
experimental. En un diseño experimental se manipulan deliberadamente una o más
variables, vinculadas a las causas, para medir el efecto que tienen en otra variable de
interés. El diseño experimental prescribe una serie de pautas relativas qué variables hay
que manipular, de qué manera, cuántas veces hay que repetir el experimento y en qué
orden para poder establecer con un grado de confianza predefinido la necesidad de una
presunta relación de causa-efecto.

Un diseño experimental es un esquema de cómo realizar un experimento. El objetivo


fundamental de los diseños experimentales radica en el determinar si existe una
diferencia significativa entre los diferentes tratamiento del experimento y en caso que la
respuesta es afirmativa, cual sería la magnitud de esta diferencia. Una segunda meta
de los diseños experimentales es verificar la existencia de una tendencia derivado del
análisis de los datos del experimento. La diferencia principal entre los diseños
experimentales radica en la forma en que se agrupan o clasifican las unidades
experimentales.
MARCO TEORICO
ASPECTOS GENERALES
El Diseño de Experimentos tuvo su inicio teórico a partir de 1935 por Sir Ronald A. Fisher,
quién sentó la base de la teoría del Diseño Experimental y a la fecha se encuentra bastante
desarrollada y ampliada. Actualmente las aplicaciones son múltiples, especialmente en la
investigación de las ciencias naturales, ingeniería, laboratorios y casi todas las ramas de las
ciencias sociales.

La experimentación proporciona los datos experimentales, en contraste con los datos de la


observación; los datos de la observación se representan como su nombre indica por
observaciones de las unidades elementales de una población o de una muestra, y no deben ser
cambiados ni modificados por ningún intento de parte de un investigador en el curso de la
observación.

DISEÑO EXPERIMENTAL

Este término se utiliza para planear un experimento de manera que se pueda obtener la
información pertinente a un determinado problema que se investiga y así tomar decisiones
correctas.

Las técnicas de Diseño de Experimentos se basan en estudiar simultáneamente los efectos de


todos los factores de interés, son más eficaces y proporcionan mejores resultados con un
menor coste. El diseño adecuado del experimento es una etapa fundamental de la
experimentación, que permite el suministro correcto de datos a posteriori, los que a su vez
conducirán a un análisis objetivo y con deducciones válidas del problema.

TRATAMIENTO

Los tratamientos vienen a constituir los diferentes procedimientos, procesos, factores o


materiales y cuyos efectos van a ser medidos y comparados. El tratamiento establece un
conjunto de condiciones experimentales que deben imponerse a una unidad experimental
dentro de los confines del diseño seleccionado. Ejemplos: Dosis de fertilizante, ración
alimenticia, profundidad de sembrado en algunas plantas, distanciamiento entre plantas,
variedades de un cultivo.
ANÁLISIS DE LA VARIANZA

Es una técnica estadística que sirve para analizar la variación total de los resultados
experimentales de un diseño en particular, descomponiéndolo en fuentes de variación
independientes atribuibles a cada uno de los efectos en que constituye el diseño experimental.
DISEÑO COMPLETAMENTE ALEATORIZADO

En el Diseño de Experimentos al Completo Azar, el experimentador asigna las unidades


experimentales a los tratamientos al azar, con la única restricción del número de
observaciones que se tomarán en cada tratamiento. Es el más sencillo y se origina por la
asignación aleatoria de tratamientos a un conjunto de unidades experimentales.

Para aleatorizar una tabla de números aleatorios resulta conveniente para elegir las unidades
experimentales que recibirá cada tratamiento. Si cada tratamiento ha de repetirse cuatro
veces, los primeros cuatro números aleatorios obtenidos se asignarán al tratamiento A, los
siguientes cuatro números aleatorios al tratamiento B, y así sucesivamente.

El diseño al completo azar se utiliza cuando las condiciones del sitio o lugar experimental son
totalmente homogéneas Sea ni el número de observaciones en el i-ésimo tratamiento, i =
1,...,I. Entonces, los valores n1,n2,...,nI, determinan por completo las propiedades estadísticas
del diseño. Naturalmente, este tipo de diseño se utiliza en experimentos que no incluyen
factores bloque. El modelo matemático es de la forma: Respuesta = Constante + Efecto
tratamiento + Error.

El diseño al completo azar tiene varias ventajas y desventajas entre estas se pueden menciona
las siguientes:

Ventajes:

a) Su sencillez (estadístico fácil). Aun cuando el dato de algunos tratamiento se hayan


perdido, o rechacen por alguna causa el método de análisis sigue siendo sencillo. La pérdida
relativa de información debida a los datos faltantes, es de menos importancia que en cualquier
otro sistema.

b) La flexibilidad. Puede utilizarse cualquier número de tratamientos y repeticiones y pueden


variar a voluntad del investigador el numero de repeticiones de un tratamiento a otro, pero no
es recomendable sino existe una buena razón. Todo el material experimental disponible puede
usarse, lo cual es una ventaja en experimentos preliminares pequeños donde el material
experimental de que se dispone es escaso.

c) El número de grados de libertad es máximo en comparación con otros modelos, el modelo


estadístico sigue siendo fácil aún cuando se pierdan unidades experimentales .

d) Aún cuando el dato de algún tratamiento se hayan perdido, o rechacen por alguna causa el
método de análisis sigue siendo sencillo

Desventajas:

a) La principal estriba en su grado de precisión, algún otro diseño suele ser capaz de estimar
el error stándar por unidad experimental (error experimental) con un mayor grado de
precisión

b) No siempre puede garantizarse condiciones de homogeneidad. No se asegura, ninguna


forma para aseverar que las unidades reciben un tratamiento similar a aquellas que reciben
otro tratamiento, toda la variación que existe entre las unidades pasa a formar parte del error
experimental.

PROCEDIMIENTO DE ANÁLISIS
Procedimiento

a. Determinar el número de unidades experimentales (n) y numerarlas. Es posible obtener “n”


al multiplicar el número de tratamientos por el número de repeticiones n = ( t * r).

b. Asignar el número de unidades experimentales a cada tratamiento utilizando una tabla de


números aleatorios o bien cualquier otra herramienta que sirva para el mismo propósito. Por
ejemplo si cada tratamiento ha de repetirse cuatro veces, los primeros cuatro números
aleatorios obtenidos se asignarán al tratamiento A, los siguientes cuatro números aleatorios al
tratamiento B, y así sucesivamente.

c. Una vez hecha la distribución anterior (liberal b) se numeran las unidades experimentales y
se localizan los tratamientos de acuerdo al número que les corresponde y se obtiene así las
distribución de campo.
MODELO ESTADÍSTICO

Yij = µ + i + εij

En donde:
Yij Variable respuesta de la ij-esima unidad experimental
µ Efecto de la media general
i Efecto del i-esimo tratamiento
εij Efecto del error experimental asociado a la i-esima unidad experimental

Análisis de Varianza

Hipótesis Nula Ho: t i = 0 (Los i tratamientos tienen el mismo efecto sobre la variable
en estudio)

Hipótesis Alterna Ha: t i ¹ 0 (No todos los tratamientos tienen el mismo efecto sobre
la variable en estudio, al menos uno produce un resultado distinto)

Tabla de Datos

Repeticiones Yi.
Tratamientos
1 2 3 4 r
1 Y11 Y12 Y12 . . . Y1r Y1 .
2 Y21 Y22 Y23 . . . Y2r Y2 .
3 Y31 Y32 Y33 . . . Y3r Y3 .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
r Yt1 Yt2 Yt3 . . . Ytr Y ..
Los supuestos que validan el análisis varianza son:

a. Los errores son independientes


b. Los errores están normalmente distribuidos con media cero y varianza constante
c. Existe homogeneidad de varianza entre los tratamientos.

Fuentes de variación y grados de libertad.

Para el análisis de varianza se construye una tabla de análisis de varianza y se completan los
datos. Existen sólo dos fuentes de variación en el diseño completamente aleatorio: entre
unidades experimentales dentro de un tratamiento, la cual denominamos error experimental
y aquella entre medias de tratamiento.

TABLA DE ANÁLISIS DE VARIANZA

Fuentes Grados Ft
Suma de Cuadrados
de de Fc Calculada Requerida
Cuadrados Medios
Variación Libertad
Tratamien- t-1 ∑[(Y2../r Sctrat/gltotal Scmedios/Cmerror
tos Y2..)/(tr)]
Error t ( r – 1) Sctotal - SCtrat Scerror/glerror
Total t r -1 ∑∑[ (Yij- Y2..)/
(tr) ]
Los grados de libertad son uno menos que el número de observaciones para cada fuente de
variación.

Regla de Decisión

Rechazar la hipótesis Ho. Si Fc > Ft (Gltrat, Gl error, α )

Aceptar la Hipótesis Ha. Si Fc < Ft (Gltrat, Gl error, α )

Ft = Valor tabular .

Coeficiente de Variación

Se puede considerar como medida relativa de la variación que no es posible controlar en el


experimento (error experimental), por costumbre se utiliza como que se controló adecuadamente
el error cuanto el coeficiente de variación es menor de 20.

El coeficiente de variación se calcula por medio de la fórmula siguiente:

CV = ( Raiz(CM) / Y.. )*100

Y.. = Y.. / tr
DETERMINAR EL PROBLEMA

1) El proposito del experimento es comparar cuatro procesos, A, B, C y D para la produccion


de una dieta alimenticia para peces, La materia prima, licor de maiz, es algo variable y
solo puede ser preparada en cantidad suficiente para cuatro ensayos. De este modo cinco
proparaciones son necesarias para poder cotar con cinco repeticiones. Los resultados del
experimento, para la produccion de dieta alimenticia en mg se presentan en la siguiente
tabla

You might also like