ANALISIS DE VARIANZA

DISEO DE
EXPERIMENTOS
MARISOL
GORDILLO
S.
Ph.D en
Ingeniera

PARTE II

MODELO DE EFECTOS ALEATORIOS

yij Z i ij
Supngase que :

ij : es una variable aleatoria con media 0 y varianza 2 , i = 1,

2...t ; j =1, 2,...r
Zi : es una variable aleatoria con media 0 y varianza 2Z , i = 1,
2...t

El objetivo de este modelo es observar a

yij , y estimar y probar las hiptesis
acerca de las varianzas 2Z .

Var ( yij ) 2 Z 2
Modelo de componentes de varianza

ij 0 i, j

Z i 0 i

V ij 2 I

V Zi 2Z

COV ij , i ' j ' 0 i i ' , j j '

COV Zi, Zi' 0 i i '

ANOVA : SCT = SCTrat + SCE

HIPOTESIS A PROBAR
Ho: 2Z = 0 : Las varianzas de los tratamientos son iguales
H1: 2Z > 0 : Las varianzas de los tratamientos son diferentes

PRUEBAS POST ANOVA

Existen varios pruebas para comparar y ordenar un
grupo de medias de tratamientos estos son:
Prueba para comparar pares de medias
La hiptesis nula Ho: i = j

Mtodo de mnima diferencia significativa (LSD). (anova 5%)

Mtodo de intervalos mltiples de DUNCAN. (anova 5%)
Prueba de Tukey y Prueba de Tukey Kramer (no balanceado --no
conservadora)

Prueba de Newman Keuls (SNK)(conservadora)

Bonferroni (conservadora)(numero reducido de medias)
"Conservador" querer decir que el grado de error
verdadero es menor que propuesto

Comparaciones ortogonales:
Contrastes son Formas especiales de las funciones
lineales de las observaciones, por ejemplo, Cuando se
tiene comparaciones tipo 21+ 2=33,
donde la ci =0
Contrastes
Contrastes Ortogonales
Mtodo de Sheffe.

Comparacin de todas las medias con un control:

Dunnett
( Comparacin para un control solamente)
No conservadora

Es til cuando se tiene un experimento cuyo objetivo es

localizar tratamientos que son diferentes o mejores que un
tratamiento estndar.
Pruebas de tendencias :
Estas pruebas se realizan a travs de la descomposicin de
la SCTRAT, en componentes debido a la tendencia lineal,
cuadrtica, cbica, etc.

EJEMPLO
DENSIDAD DE LAS LARVAS

A
B
C
D
E

D20
D10
D6
D3
D5

MEDIA
0,66
0,99
1,25
1,28
1,29

VARIANZ
A
0,00035
0,00033
0,00012
0,00070
0,00046

COMPARACIN MLTIPLE DE TUKEY

La hiptesis nula Ho: i =
j

A
B
C
D
E

1.Calcular las diferencias

entre
todos las k(k-1)/2 (k= numero de
medias) pares de medias. Para
obtener la
diferencia se
resta
siempre la media mas pequea de
la mas grande.

D20
D10
D6
D3
D5

MEDIA
0,66
0,99
1,25
1,28
1,29

VARIANZA
0,00035
0,00033
0,00012
0,00070
0,00046

COMPARACIONES Y i . Y i.

A-B
0,33
A-C
0,59
A-D
0,62
A-E
0,63
B-C
0,25
B-D
0,28
B-E
0,29
C-D
0,03
C-E
0,04
D-E
0,01

2. Se calcula la diferencia honestamente significativa:

DHS q ,k ,v

s2
r

Donde : qkv, es el estadstico estandarizado de la prueba se halla en la tabla de

intervalos de student. (: tasa de error; k=p: numero de medias y v=f
:grados de libertad del error), S2: = CME

CME
DHS q 0.05,5,40
4.04 *
r

0.00041
0.026
10

3. Intervalo de confianza simultneos de 100(1-)%

Las estimaciones de los intervalos simultneos de dos
lados para el valor absoluto de todas las diferencias
por pares son :
Y i. Y j. DHS (k , )
COMPARACION
ES
Y i . Y i.

A-B
0,33
A-C
0,59
A-D
0,62
A-E
0,63
B-C
0,25
B-D
0,28
B-E
0,29

DHS
0,026

LI
0,31
0,56
0,59
0,60
0,23
0,26
0,27

LS
0,36
0,61
0,64
0,66
0,28
0,31
0,32

4. Prueba de desigualdades (1-)% confiables . Se

establece que dos medias de tratamientos no
son iguales ( ), si :

Y i . Y j . DHS ( 5,0.05 )

COMPARACION
ES
Y i . Y i. DHS

A-B
0,33 0,026
A-C
0,59
A-D
0,62
A-E
0,63
B-C
0,25
B-D
0,28
B-E
0,29
C-D
0,03
C-E
0,04
D-E

0,01

INTERVALO
LI
LS
0,31
0,36
DIFER
0,56
0,61
DIFER
0,59
0,64
DIFER
0,60
0,66
DIFER
0,23
0,28
DIFER
0,26
0,31
DIFER 3-5
0,27
0,32
DIFER
0,00
0,06
DIFER
0,01
0,07
DIFER
IGUALE
-0,02
0,04
S

COMPARACION DE TODOS LOS TRATAMIENTOS CON

UN CONTROL
COMPARACIN DE DUNNETT
La tcnica de Dunnett requiere de un solo valor
para juzgar la significancia de las diferencias
observadas entre cada tratamiento y el control
Ejemplo :
Retomemos el ejemplo de las DENSIDADES DE LAS LARVAS.....
Supongamos que la DENSIDAD (D3) es nuestro tratamientoA
B
testigo/control.

D20
D10
D6
D3
D5

C
D
E

1. Obtenga los promedios de los tratamientos.

2. Obtenga las diferencias de los tratamientos menos el
tratamiento control.
COMPARACIONES

/
y
i

D20-D3
D10-D3
D6-D3
D5-D3

yc /

-0,62
-0,28
-0,03
0,01

3. El criterio de Dunnett
es :

para comparar los tratamientos

2s 2
D (k , ) d , k , v
r

Donde :
d,k,v : para uno o dos lados se encuentra en la tabla de Dunnett, para
: error tipo I, k : numero de tratamientos -1, y v: g.l del error. CME = s2

2s 2
2 * 0.00041
D( k , ) d ,k ,v
2.54
0.023
r
10
4. Halle el intervalo de confianza simultneos para las
diferencias entre los tratamientos y el control, (para
dos colas)

I .C / yi yc / D(k , )

Para una prueba de una cola

Si la media del tratamiento es mayor que la media del control
el limito superior del I.C es

I .C yi yc D (k , )
Si la media del tratamiento es menor que la media del
control, el limito superior del I.C es

I .C yi yc D(k , )
ENTONCES : Si en el ejemplo nos interesa solo detectar
diferencias

I .C / yi yc / D (k , )

COMPARACIONES

D20-D3
D10-D3
D6-D3
D5-D3

yi yc

D(k,a)
0,023

-0,62
-0,28
-0,03
0,01

intervalo
LI
LS
-0,64
-0,60
-0,31
-0,26
-0,05
-0,01
-0,01
0,03

yi yc
5.Criteriodedecisin:Sila//>D(k,a)
entonceslamediadeltratamientoesdiferente ala
mediadeltratamientocontrol.
COMPARACIONES

D20-D3
0,62
D10-D3
0,28
D6-D3
0,03
D5-D3
0,01

D(k,a)
0,023

intervalo
LI
LS
0,60
0,64
0,26
0,30
0,01
0,05
-0,01
0,03

difer
difer
difer
iguales

COMPARACIONES ORTOGONALES
CONTRASTES ORTOGONALES
Las comparaciones se realizan por medio de contrastes. Un
contraste es una combinacin lineal de las medias de los
tratamientos, de la forma
t :

a y
i 1 i i.

EJEMPLO:
Supongamos que deseamos comparar la media de la
TEMPERATURA 25 y 35 con la media de la TEMPERATURA
50 sobre el crecimiento en arboles de una misma especie,
y1. 96 .25
as:
1. Planteamos el siguiente contraste :
Ho : 1+2 = 2 3
Ha : 1+2 2 3
2. Verificamos que el contraste cumpla con la restriccin.
ai = 1 + 1 - 2 = 0

(1) y1. (1) y2. 2 y3.

y 2. 78 .75
y3. 100 .75

El estadstico de la prueba es : F

(
F ri

i 1

a i y i. )

2
1
*
CME

i 1
3. Hallamos el estadstico de la prueba, para lo cual
contamos con la siguiente informacin:
r = 4 (replicas en cada tratamiento)
t = 3 (Tratamientos )
ai = los coeficientes del contraste son : (1 1 -2)
y1. 96 .25
Las medias de cada tratamientos son:

y 2. 78 .75
y3. 100 .75

((1)(96.25) (1)(78.75) (2)(100.75)) 2

1
F 4*
*
28.044

16.694
(1 1 4)

Decisin :
Si el estadstico de la prueba F > F,1, (rt-t) rechazamos Ho y
aceptamos que las medias propuestas difieren
significativamente.
La F con 1 g.l en el numerador (cada contraste tiene un
grado de libertad) (rt-t) g.l en el error
Decisin :
F0.05,1,9 = 5.12
Como la F calculada (28.044) > F0.05,1,9 tabulada
(5.12), Rechazamos la hiptesis nula, por lo tanto
concluimos que las medias de velocidades 25 y 35
son significativamente diferentes a dos veces la
media de la velocidad 50.
Ha : 1+2 2 3

La estadstica, ni
matemtica
puede
mentir. Ellas solo est
all, para ser usada
para apoyar en
bsqueda de la verdad

La eliminacin de nitrgeno de amoniaco es un aspecto importante del

tratamiento de filtraciones en basureros. Durante varios das se registr
la tasa de eliminacin (en % por da) para cada uno de los diferentes
mtodos de tratamiento. Los resultados se
presentan en la tabla siguiente. (Basado en el artculo Removal of
Ammoniacal Nitrogen from Landfill Leachate by Irrigation onto Vegetated
Treatment Planes, S. Tyrrel, P. Leeds-Harrison y K. Harrison, en Water
Research, 2002:291-299.)

Puede concluir que mtodo de tratamiento es mas efectivo en su

tasa de eliminacin?

Un bilogo deseaba estudiar los efectos del etanol en el periodo de sueo.

Se seleccion una muestra de 20 ratas equiparadas por edad y otras
caractersticas y a cada rata se le administr una inyeccin oral con una
concentracin particular de etanol por peso corporal. Luego se registr el
periodo de sueo de movimiento rpido de ojos (REM, por sus siglas en
ingls) de cada rata durante 24 horas, con los siguientes resultados:

Indican los datos que el periodo de sueo REM depende de la

concentracin de etanol?

Considere
Considere los
los datos
datos adjuntos
adjuntos sobre
sobre crecimiento
crecimiento de
de plantas
plantas
despus
despus de
de la
la aplicacin
aplicacin de
de diferentes
diferentes tipos
tipos de
de la
la hormona
hormona del
del
crecimiento.
crecimiento.

Cual
Cual hormona
hormona debera
debera de
de
recomendarse?
recomendarse?

Los
Los datos
datos siguientes
siguientes se
se refieren
refieren a
a la
la cosecha
cosecha de
de tomates
tomates (kg/parcela)
(kg/parcela) con
con
cuatro
cuatro niveles
niveles de
de salinidad
salinidad diferentes;
diferentes; el
el nivel
nivel de
de salinidad
salinidad aqu
aqu se
se refiere
refiere
a
a la
la conductividad
conductividad elctrica
elctrica (CE),
(CE), donde
donde los
los niveles
niveles seleccionados
seleccionados fueron
fueron
CE
CE 1.6,3.8,
1.6,3.8, 6.0
6.0 y
y 10.2
10.2 mhos/cm:
mhos/cm:
1.6
1.6 :: 59.5
59.5 53.3
53.3 56.8
56.8 63.1
63.1 58.7
58.7
3.8
3.8 :: 55.2
55.2 59.1
59.1 52.8
52.8 54.5
54.5
6.0
6.0 :: 51.7
51.7 48.8
48.8 53.9
53.9 49.0
49.0
10.2
10.2 :44.6
:44.6 48.5
48.5 41.0
41.0 47.3
47.3 46.1
46.1
Use
0.05
Use nivel
nivel
0.05 para
para probar
probar la
la diferencia
diferencia en
en la
la cosecha
cosecha promedio
promedio
verdadera
verdadera debido
debido a
a los
los distintos
distintos niveles
niveles de
de salinidad.
salinidad.

ANALISIS DE VARIANZA
DISEO DE
EXPERIMENTOS
MARISOL
GORDILLO
S.
Ph.D en
Ingeniera

PARTE III

DISEO CLASIFICACION DOBLE SIN

INTERACCION
DISEO DE BLOQUES
COMPLETOS AL AZAR
(DBCA)

DBCA
u.e

Homogneas

No Homogneas

Asignacin de tratamientos a las

unidades experimentales

u.e

1 FACTOR
TRATAMIENTO

Bloque no
esta implcito
en ellas

azar

Bloque esta
implcito en
ellas

Condiciones ambientales
Un solo factor con k
tratamientos
Un factor bloque con k
niveles
Varios factores (D.B.C.A.G)

La formacin de bloques es generalmente, limitado

por la manera en la que el experimento es dirigido.
Por ejemplo
En un experimento de laboratorio un bloque podra
corresponder al trabajo que puede ser hecho en un
da.
Bloques : Son simplemente agrupaciones
convenientes.
Por lo tanto
No tiene sentido tratar de interpretar las
diferencias entre bloques, excepto posiblemente
como gua para futuras experimentaciones para ver
si el bloquear ha sido eficaz en el control de error.

Las tpicas maneras de constituir bloques son:

Los grupos de material producidos sobre una mquina,
donde algunas mquinas similares estn produciendo
el mismo producto nominalmente (Lotes, cochadas)
Grupos de animales genticamente similares del
mismo sexo y el peso del cuerpo inicial
No pueden hacerse todos los ciclos a la vez:
Das, turnos, Ubicaciones
No se puede ensayar en condiciones similares:
Maquinas, Operadores, Clientes
Notar, sin embargo, si en la investigacin es necesario
comparar estos factores, no ser posible bloquearlos

Diseo de bloques aleatorizados es utilizado para:

Comparar t tratamientos contenidos en b bloques
relativamente homogneos, cada uno de los cuales
contendr t unidades experimentales. Los t
tratamientos se asignan al azar a las unidades
experimentales dentro de cada bloque.
azar

TRAT

.. .

Diagrama de un diseo de bloques aleatorizados

El bloque nos permite:

Controlar
variabilidad
producida
por
diferentes
fuentes

Reducir el
Impone una
error
restriccin
experimental,
de
al extraer la
aleatorizaci
variabilidad
n. (cada
debido a
tratamiento
diferencias
debe
entre bloques. aparecer al
Si en un diseo menos una
no se forman
vez)
bloques estas
diferencias se

Esquema general de la informacin de un D.B.C.A

yt.

t
.

Comparacin entre el D.C.A y el D.B.C.A

Supongamos que aplicaremos 3 tratamientos
(a,b,c) y se realizaran 4 replicas del
experimento : por lo tanto se requieren 12 u.e ,
si estas se suponen homogneas y asignamos al
azar los 3 tratamientos tenemos :
1
b

2
a

3
c

4
a

5
c

7
c

8
b

9
a

1 11
0c b

6
b
1
2
a

u.e
trat

Ahora, si adems se tiene un efecto

adicional, que llamaremos bloque (I, II, III, IV),
tenemos:

EJEMPLO
EJEMPLO

Se realiz un ensayo para evaluar el rendimiento en

kg de materia seca por hectrea de una forrajera
megatrmica con distintos aportes de N2 en forma de
urea. Las dosis de
urea probadas fueron 0 (control), 75, 150, 225 y 300
kg/ha. El ensayo se realiz en distintas zonas, en las
que por razones edficas y climticas se podan
prever rendimientos diferentes. El diseo a campo se
ilustra en la siguiente figura y a continuacin se
presentan los resultados obtenidos ordenados por
Plantear diseo
tratamiento y por bloque.

MODELO
MODELO ASOCIADO
ASOCIADO AL
AL DISEO
DISEO DE
DE BLOQUES
BLOQUES
COMPLETOS
COMPLETOS AL
AL AZAR
AZAR

Un modelo lineal que corresponde con teora de

aleatorizacin directamente puede ser formulado.
La estructura del modelo lineal para el D.B.C.A es :

y ij i j ij
i 1,2,...t
j 1,2,..., b
Donde :
yij : Es la variable respuesta, obtenida en el i-eximo
tratamiento
del j-eximo bloque.
: Es la media general sin tener en cuenta ningn
tratamiento
i : Es el efecto debido al i-eximo tratamiento.
j : Es el efecto debido al j-eximo bloque .
ij : Es el error aleatorio, debido a factores no

Los supuestos del modelo son:

Los errores se distribuyen normal con
media 0 y varianza 2, ij N(0, 2)
Los errores tienen varianza constante
Los errores son independientes, cov
(ij, ij)=0 ii; jj
En caso de que lo errores no se distribuyan
normal, usted puede utilizar la prueba no
paramtrica,
TEST DE FRIEDMAN.

HIPTESIS QUE SE PLANTEAN EN UN D.B.C.A

El objetivo principal del anlisis es comparar

las t medias de los tratamientos 1, 2 ...t.
Es decir, deseamos probar la hiptesis nula:
H0: 1 = 2 = 3 =...= t
Ha : 1 j
Que en trminos del modelo es equivalente
a probar:
Ho: Z1 = Z2 = . . . Zt = Z
Ha: Zi Zj

ANLISIS DE VARIANZA
SCT = SCB + SCTrat + SCE

La forma de calcular SCTrat (suma de cuadrados

de los tratamientos) y SCB (suma de cuadrados
del los bloques) siguen el mismo patrn que las
frmulas utilizadas en el modelo completamente
aleatorio.
Por medio de la reduccin debido a , Z y , tenemos:

R( , , ) T X T Y T T

Y ..

Y1.
Y2.

...
Y
t.
Y.1

Y.2
...

Y.b

Anlisis de varianza . Modelo de un D.B.C.A.

Ejemplo
En la siguiente tabla se muestran los resultados de un experimento en el
que nematodos de gnero Pratylenchus hembras fueron criados en cuatro
condiciones de temperatura para evaluar su efecto sobre la expresin
fenotpica de diversos caracteres morfomtricos. Los resultados
presentados corresponden al largo promedio de la cola en unidades
experimentales conformadas por 5 individuos. Los resultados
corresponden a 4 laboratorios.
Bloque (lab)

Factor: temp
Niveles: 16, 21, 25, 28
Trat: 16, 21, 25, 28
Factor: laboratorios
Niveles: 1, 2, 3, 4
u.e: nematodos.
(homogeneas)

1
1
1
1
2
2
2
2
3
3
3
3
4
4
4
4

16
21
25
28
16
21
25
28
16
21
25
28
16
21
25
28

29,2
30,1
31,6
29,6
34,0
32,0
30,2
29,0
36,0
31,4
29,5
28,4
30,0
26,0
29,0
25,0

temp largo cola

BLOQUES Y TRATAMIENTOS ALEATORIOS

Si los bloques son aleatorios se espera

que la comparacin de los tratamientos

sean las mismas en toda la poblacin de
bloques de la que se eligieron
aleatoriamente y los que se usaron en el
experimento.
Otro cambio, corresponde a la
esperanza de la media de los cuadrados:
Si los bloques son aleatorios E(CMB) = 2
+ t2B , donde 2B es la componente de
varianza del efecto de los bloques.

DATOS FALTANTES EN D.B.C.A

En el D.B.C.A es muy grave que falten datos, ya
que se pierde ortogonalidad entre los tratamientos
y los bloques

Existe dos mtodos para resolver este

problema:
El primero consiste en sustituir el valor
faltante por una estimacin, basado en
el mtodo aproximado y luego efectuar
el anlisis ordinario.
El segundo es el mtodo exacto, que se
basa en un mtodo de regresin general.

Supongamos que en un experimento hace

falta el tratamiento i en el bloque j.
Entonces llamaremos :
Y..* = Total sin incluir datos faltantes .
Yi.* = Total del tratamiento i sin incluir dato
faltante
Y.j* = Total del bloque j sin incluir dato
faltante
Y3.*

Y..*
y.2*

El mtodo aproximado consiste en encontrar un valor Y de

modo que la SCERROR sea mnimo

SCERRORSCTOTAL-SCTRAT-SCBLOQUE
2
2

Yi.
.j
T
SCE
Y Y FC
FC
FC

b
t

Y. j *2

2
Y
*
Y
..
*
i.
Y2

b
t
tb
Y. j *
Yi. *
dSCE
Y.. *
2Y 2
2
2
dY
b
t
tb
Despejamos Y
Yi. * Y. j * Y.. *
Y

, donde el valor estimado

b
t
tb

tYi. * bY. j *
tb

Y.. * tYi. * bY. j * Y.. *

tb
tb

es

El diseo de bloques aleatorizados representa uno

de los tipos ms sencillos de diseos reductores
de variabilidad.

EL DISEO DE CUADRADO LATINO : til

cuando se desea eliminar dos fuentes de

variacin, es decir, cuando se requiere bloquear
en dos direcciones.
DISEOS DE CUBO LATINO
GRECOLATINO : Permite bloquear en tres
direcciones. En este se tiene cuatro factores.
DISEOS DE BLOQUES INCOMPLETOS
( Un caso particular son las PARCELAS
DIVIDIDAS) : Es un diseo en el que no puede
realizarse los ensayos de todas las
combinaciones de tratamientos dentro de cada
bloque

CORRIDAS EN MINITAB
ANOVA

STORAGE : RESIDUALES

ANOVA

RESIDUALES

VALIDACION DE SUPUESTOS
NORMALIDAD

Probability Plot of RESI1

Normal
99

Mean
StDev
N
RJ
P-Value

95
90

Percent

80
70
60
50
40
30
20
10
5

-10

-5

0
RESI1

10

3.330669E-15
4.573
16
0.963
>0.100

HOMOGENEIDAD

HOMOGENEIDA
D

Test for Equal Variances for RESI 1

Test for Equal Variances for RESI 1

Bartlett's Test
Test Statistic
P-Value

28

Bartlett's Test

7.59
0.055

Test Statistic
P-Value

Levene's Test
Test Statistic
P-Value

Levene's Test

1.10
0.386

Test Statistic
P-Value

trat

bloque

60

90

120

10
20
30
40
50
95% Bonferroni Confidence Intervals for StDevs

6.39
0.094

10
20
30
40
50
95% Bonferroni Confidence Intervals for StDevs

1.34
0.308

PRUEBAS POST ANOVA

COMPARACIONES

OK

OK

TALLER D.B.C.A

Plantear el diseo
Existe diferencias entre los tipos de punta?

ANALISIS DE VARIANZA
DISEO DE
EXPERIMENTOS
MARISOL
GORDILLO
S.
Ph.D en
Ingeniera

PARTE IV

EXPERIMENTOS CON
ESTRUCTURA FACTORIAL

EXPERIMENTO FACTORIAL

EXPERIMENTO FACTORIAL
El diseo del experimento factorial puede ser
perfectamente aleatorizado, bloques aleatorizados o
algn otro diseo con estructura factorial
se desea investigar el efecto de varios factores
sobre una respuesta
Un experimento factorial completo incluye todas
las combinaciones posibles de los niveles de los
factores
Por ejemplo :
FACTOR B

FACTOR A
NIVELES : 1,2,3, ...a

NIVELES : 1,2,3, ...b

a*b

Tratamiento
s

Estructura factorial
En un estudio sobre la potencialidad forrajera de Atriplex
cordobensis, un arbusto que crece en depresiones de chacos ridos.
Se evalu la concentracin de protenas en hojas cosechadas en 2
estaciones (invierno y verano) y sexo (masculinas y
Femeninas).
Para cada combinacin de sexo y estacin, se obtuvieron tres
determinaciones del contenido proteico medido como porcentaje del
peso seco.
F1: ESTACION 1.Invierno
2. Verano
F2: SEXO

4 TRATAMIENTOS

r=3

1.Masculin
as
2.
Femeninas

U.E :ARBUSTO (homogneas)

ALEATORIZACION:

1-2
2-2
1-1
1-2

2-2
2-1
2-2
2-1

1-1
1-2
2-1
1-1

DCA

F1: ESTACION 1.Invierno

2. Verano
F2: SEXO
1.Masculin

4 TRATAMIENTOS

as
2.
Efecto adicional: Femeninas
F3:ARBUSTO (U.E: NO homogneas)

ALEATORIZACION:

I
2-1
1-1
2-2
1-2

II
2-2
2-1
1-2
1-1

III
1-2
2-2
1-1
2-1

DBCA

EFECTO INTERACCION

B1

B2

B3

PROM EDIO V ARIABLE

RESPUESTA

PROM EDIO V A RIA BL E

RESPUEST A

Con los experimentos factoriales no slo es posible

evaluar los efectos individuales de los factores
sobre la respuesta, si no que tambin es posible
determinar el efecto causado por la interaccin
entre los factores
B1

B2

B3

2,5

2,5
2

1,5

1,5
1

0,5

0,5

0
1

2
NIVEL DEL FACTOR A

2
NIVEL DEL FACTOR A

Esquema general de los datos para un diseo

completamente al azar con dos factores

El ms sencillo de los factoriales incluye dos factores. Sea el modelo

lineal :

ijk ij ijk

con i 1,2,...a

, j 1,2,..., b y k 1,2,..., r

ij = + Zi + j
ijk = Componente aleatoria

Un modelo de clasificacin doble con

interaccin
Diferencia (I0) es diferente
de cero para algn i, i, j, j

Diferencia (I = 0) es igual
a cero para algn i, i, j, j

Consecuencias derivadas debido a la existencia de la

interaccin son de gran trascendencia :

En caso de existir
interaccin, es muy
diferente, all debe de
considerarse
pormenorizadamente
el nivel en que se
opera uno de los
factores que
determinan el nivel
mas efectivo del otro

Si no hay
interaccin se
puede operar sobre
un factor
independiente del
otro, pues la
diferencia de efectos
entre niveles de un
factor no altera el
otro

Yi jk Z i j ( Z) ij ijk
i 1,2,...a

j 1,2,...b

k 1,2,...r

Donde:
Yijk:
Valor aleatorio que toma la variable respuesta en la k-exima
replica que ha sido expuesta al j-eximo nivel del factor B y al i-eximo
nivel del factor A.
: Parmetro de centralidad o efecto medio general
Zi : Efecto del i-eximo nivel del factor A
j : Efecto del j-eximo nivel del factor B
(Z)ij :Efecto debido a la interaccin de primer orden entre los factores
A y B.
ijk :
Efecto debido al error experimental

Restricciones para la reparametrizacin del modelo :

Zi = 0
a

(Z )ij 0
i 1

j = 0

j 1,2..., b

(Z )ij 0

i 1,2..., a

j 1

Los supuestos del modelo son :

ij N(0, 2), con 2 constante
Cov (ijk, ijk) =0 ii; jj ; kk

Las hiptesis de inters de este modelo son:

Hiptesis de interaccin
H0: (Z)ij = 0 ij (no hay interaccin entre los factores A y B)
Ha: (Z)ij 0 ij ( hay interaccin entre los factores A y B)

Hiptesis de efectos principales

H0: Z1 = Z2 = . . . Za = Z

vs.

Ha : Zi Zi

i i

H0: 1 = 2 = . . . b =

vs.

Ha : j j

j j

ANLISIS DE VARIANZA PARA EL EXPERIMENTO FACTORIAL

SCTotal SCA SCB SCAB SCE

R () T X T Y

Fc

: es el estadstico de prueba para probar las hiptesis

planteadas :
La hiptesis de interaccin es
H0: ()ij = 0 ij
Ha: ()ij 0 ij
CMAB
CME

Criterio de decisin :
Estadstica de la prueba :
Si Fc F,v1,v2 se rechaza la hiptesis nula (Ho) y se
acepta la hiptesis alterna.
La distribucin F se basa en v1 = (a -1) (b - 1) y v2=
ab(r-1) g.l
Cambios que produce el tipo de efecto en el
Fc

anlisis de varianza

PARA EL EJEMPLO DE LOS ARBUSTOS

CONCENTRACI
SEXO ESTACION
ON
1
1
24
1
1
28
1
1
26
1
2
17
1
2
18
1
2
16
2
1
17
2
1
18
2
1
16
2
2
24
2
2
25
2
2
23
CASO HAY INTERACCION
ANOVA POSTANOVA GRAFICOS
Y SI NO HAY INTERACCION COMO SERIA ?
POSTANOVA - GRAFICOS

VALIDACION DE
SUPUESTOS?

MODELO FACTORIAL CON MS DE 2 FACTORES

Yijkl = + i + j + k + . . . + ()ij + ()ik + ()jk +. . . + ()ijk +. . .+ ijkl

i = 1,2....,a j = 1,2.....b k = 1,2,...c

l = 1, 2 . . . n

Hiptesis de interaccin
H0: ()iJ = 0 i,J (no hay interaccin entre los factores A y B)
H0: ()iJ = 0 i,J (no hay interaccin entre los factores A y C)
H0: ()jk = 0 j,k (no hay interaccin entre los factores B y C)
H0: ()iJk = 0 i,Jk (no hay interaccin entre los factores A , B y C)
Hiptesis de efectos principales:
H0: ()i =0 y
H0:()J =0 J
H0: ( )k =0 k

Existe otros experimentos que son un caso particular de los experimentos

factoriales:
EXPERIMENTO FACTORIAL 2K : El caso ms importante ocurre cuando se
tiene k factores cada uno con dos niveles, donde los niveles pueden ser
cualitativos o cuantitativos.
EXPERIMENTO FACTORIAL 3K : Es otro caso especial en el que se tiene k
factores con tres niveles cada uno.
EXPERIMENTOS FACTORIALES FRACCIONARIOS : Experimentos en los
cuales se emplean solo una fraccin del total de tratamientos de un experimento
factorial completo.

La estadstica, n
matemtica pue
mentir. Ellas s
estn all, para
usadas, para apo
en la bsqueda d
verdad.

TAREA
En la siguiente tabla se muestran los resultados de un
experimento con cuatro repeticiones, en el que
nemtodos de gnero Pratylenchus fueron criados en
cuatro condiciones de temperatura y discriminados
segn sexo para evaluar el efecto del sexo y la
temperatura sobre la expresin fenotpica de diversos
caracteres morfomtricos. Los resultados presentados
corresponden al largo promedio de la cola en unidades
conformadas
por 5 individuos.
Temp. experimentales
HEMBRAS
MACHOS
16
21
25
28

29.2 32.5 34.6 32.6 27.2 24.7 27.3 26.2

30.1 30.4 31.4 35.8 26.7 26.5 27.2 27.2
31.6 30.2 29.5 30.0 26.2 26.3 28.2 26.2
29.6 28.4 28.4 28.1 24.8 25.4 25.6 26.2

a) Identificar el modelo lineal para este experimento.

b) Representar grficamente los valores medios segn sexo y temperatura.
c) Construir la tabla de anlisis de la varianza correspondiente.
d) Concluir sobre el efecto de la temperatura y el sexo sobre la expresin del
largo

EXPERIMENTO FACTORIAL 2k

Factorialgeneralpk
Desventajas:45=1024

Detantosfactoressoloalgunossernsignificativos
yelerrorexperimentalsermedidoconlamayora
deestosporlocualeldiseoresultapocoeficaz
Casoespecial2k
dekfactorescadaunocondosniveles

Los diseos
factoriales 2k

permitenexperimentarconunaltonmerodefactoresy
sonfcilesdefraccionarenbloqueshomogneos

Elexperimentoconstade2kpruebas,una
porcadacombinacindenivelesdefactores

Paraidentificarcadaunadelaspruebas,
utilizamoslasiguienteconvencin:

Cadafactorseidentificaconletramayscula
Cadanivelseidentificaconelsigno-+,

(-)serefierealnivelbajo,(+)serefierealnivelalto.

Unapruebaesunacombinacindeletrasminsculasque

denotanlosnivelesdelosfactoresdelaprueba.Lapresenciade
letraminsculaindicaqueelfactorestalnivelquesealeel
Porejemplo:
signo.
Temperaturanivelbajo:25Cyalto50C

Eldiseofactorial22eselmssimplededosfactoresy
adosniveles,quegenera4combinaciones,loscuales
serepresentanas:
(1):Cuandoambosfactoresestnrepresentadosaun
nivelbajo(-,-)
(a):CuandoelfactorAestarepresentadoaunnivel
alto,yBaunnivelbajo(+,-)
(b):CuandoelfactorAestarepresentadoaunnivel
bajo,yBaunnivelalto(-,+)
(ab):Cuandoambosfactoresestnrepresentadoaun
nivelalto(+,+)
Ordennormal

EL EFECTO PROMEDIO DE A:
El

efecto de la diferencia
promedio de A (+,-) cuando
B esta a un nivel bajo (-)

(a ) (1)
2r

Elefectodeladiferencia
promediodeA(+,-)cuando
Bestaaunnivelalto(+)

(ab) (b)
2r

Entonces el efecto del factor A es :

[( ab) (b)] [( a) (1)] 1

A

(ab b a (1))
2r
2r
2r

2A = a - (1) + ab - b
esunarregloORTOGONAL,esteesdefinidocomo
ci=0,(1+1-1-1)=0yrecibeelnombrede
CONTRASTE;esteconceptoloutilizamospara
obtenerlaSUMADECUADRADOSfcilmente
(CONTRASTE ) 2 (CONTRASTE ) 2
SC(efecto )
o
k
r2
r (coef ) 2

EL EFECTO PROMEDIO DE B:

El

efecto de la diferencia
promedio de B (+,-)
cuando A esta a un nivel
bajo (-)

(b) (1)
2r

Elefectodeladiferencia

promediodeB(+,-)cuandoAesta
aunnivelalto(+)

(ab) (a )
2r

Entonces el efecto del factor B es :

[(ab) (a )] [(b) (1)] 1

B

(ab a b (1))
2r
2r
2r
Elcontrastees:2B=ab-a+b-(1)

EL EFECTO DE LA DIFERENCIA PROMEDIO

DE LA INTERACCIN AB:
El

efecto de la
diferencia promedio de
A (+,-) cuando B esta a
un nivel bajo (-)

(a) (1)
2r

Elefectodeladiferencia

promediodeA(+,-)cuandoB
estaaunnivelalto(+)

(ab) (b)
2r

Entonces el efecto de la diferencia promedio

de la interaccin AB:

[(ab) (b)] [(a ) (1)] 1

AB

(ab b a (1))
2r
2r
2r
Elcontrastees:2AB=ab-a-b+(1)

Para emplear este tipo de experimento se supone que :

Los factores son de efectos fijos .
El diseo es Completamente Aleatorio.
Satisface el supuesto de normalidad (y)

Elmodeloestadsticoquerepresentaestediseoes:

yij i j ( ) ij ij
i=1,2

j=1,2

E[ ijk ] = 0
V[ ijk ] = 2 I

i, j, k

Cov[ ijk ; i j k ] = 0

i i j j k k

HIPTESIS ASOCIADAS AL MODELO :

Hiptesis de interaccin:

Ho:()ij=0
Ha:()ij0

Hiptesis de efectos principales:

Ho:()i=0
Ha:()i0

Ho:()j=0
Ha:()j0

ALGORITMO DE LOS SIGNOS

(a ab) ((1) b) 1
A

(a ab (1) b)
2r
2r
2r
(b ab) ((1) a ) 1

((1) a b ab)
2r
2r
2r
1

( ) AB ((1) ab a b)
2r

EJEMPLO ILUSTRATIVO :

En un estudio sobre la potencialidad forrajera de Atriplex

cordobensis, un arbusto que crece en depresiones del
chaco rido argentino, se evalu la concentracin de
protenas en hojas cosechadas en invierno y verano sobre
plantas masculinas y femeninas. Para cada combinacin de
sexo y estacin, se obtuvieron tres determinaciones del
contenido proteico medido como porcentaje del peso seco.
Los resultados se presentan en la siguiente tabla.

GENERO:F(-1) y M (+) :( A)
ESTACIN:V(-)yI(+) (B)
Tratamiento:4
r=1

(140 137) ((135) 126) 1

(140 137 135 126) 8

2
2
2
(126 137) (135 140) 1
B

(135 140 126 137) 6

2
2
2
1
AB (135 137 140 126) 3
2
A

INTERPRETACIN DE LOS RESULTADOS

vezcalculadoslosefectospromedios,loprimeratareaes
distinguirmedianteunatcnicaestadstica,cualesefectosson
significativossobrelavariableycualesno.
Haydossituacionesdepartidaparaabordaresteproblema

Cuandosehareplicadoelexperimento(anova)y
cuandono se ha replicado.

Estemtodoessencilloyeficazysebasaen
representarlosefectosenel
papelprobabilstica normal
NormalP-PPlotofTCH2

Supongamosun
experimentodondetodos
losefectosno son
significativos.

1,00

ExpectedCumProb

,75

,50

,25

0,00
0,00

,25

,50

efecto

ObservedCumProb

,75

1,00

Los efectos hallados

oscilaran alrededor de
cero

Losefectos no
significativos
Losefectos
son
significativos,

sedistribuyensegn:N(0,efectos)

tendrnlamismadesviacin
sumediavariadependiendodeltamaodelefecto
Distribuyesegn:

N(efecto,efecto),dondeefectoesdistintaparacada
tratamiento

Laformaderepresentarenelpapelprobabilstica
normallosefectosson:

Ordenarlosvaloresdelosefectosdemenoramayor.
Calcularlaproporcindeefectosmenoresqueelqueesta

considerando(conelfactordecorreccin0.5parapoder
representarelefectomenor)Estoserelvalordelaordenada.
Paraellosepuedeutilizarlaformula:,
P 100(i 0.5) n
Donde:ieselnumerodeordendecadaefectoneselnumero
totaldeefectos

Graduarelejenoprobabilsticadelpapel
Representarlasparejas(efecto,P).

ParaelproblemadelGeneroxestacin

Experimento factorial 23
(1):Cuandolostresfactoresestnrepresentadosaunnivelbajo(-,-,-)
(a):CuandoelfactorAestarepresentadoaunnivelalto,yByCaunnivelbajo
(+,-,-)
(b):CuandoelfactorAyCestnrepresentadosaunnivelbajo,Baunnivelalto
(-,+,-)
(ab):CuandoelfactorAyBestnrepresentadosaunnivelaltoyCaunnivel
bajo(+,+,-)
(c):CuandoelfactorAyBestnrepresentadosaunnivelbajoyCaun
nivelalto(-,-,+)
(ac):CuandoelfactorAyCestnrepresentadosaunnivelaltoyBaunnivel
bajo(+,-,+)
(bc):CuandoelfactorByCestnrepresentadosaunnivelaltoyAaun
nivelbajo(-,+,+).
(abc):Cuandolostresfactoresestnrepresentadosaunnivelalto(+,+,+)

1
[(1) a b ab c ac bc abc ]
4r
1
B [(1) a b ab c ac bc abc ]
4r
1
C [(1) a b ab c ac bc abc ]
4r
1
AB [ (1) a b ab c ac bc abc ]
4r
1
AC [ (1) a b ab c ac bc abc ]
4r
1
BC [(1) a b ab c ac bc abc ]
4r
1
ABC [(1) a b ab c ac bc abc ]
4r
A

Demanerageneralparacalcularcualquierefecto promedio,es
posibleutilizarlasiguienteexpresin:

1
efecto promedio
(contraste)
f 1
r2
SUMA DE CUADRADOS:
Enelcasodelfactorial22,
(ab a (1) b) 2
SCA
r 22
(ab a (1) b) 2
SCB
r 22

(ab a (1) b) 2
SCAB
r 22

Resumen :
Lasrelacionesgeneralesparalosfactoriales2kconn
repeticionesportratamientoson:

(contraste)
efecto
k 1
r2
2
(contraste)
SC (contraste)
k
r2

EJEMPLO CLASE

Enunexperimentoenqumica,3factoresfueronestudiados,cadauno
adosniveles.Elexperimentofuecompletamentealeatorizadoylos
factoresfueronconocidoscomoA,ByC.Losresultadosson:

EFECTOS PROMEDIO:

A=(1/(4*2))[208]=26
B=(1/(4*2))[654]=81.75
C=(1/(4*2))[620]=77.5
AB=(1/(4*2))[-352]=-44
AC=(1/(4*2))[510]=63.75
BC=(1/(4*2))[-1016]=-127
ABC=(1/(4*2))[-82]=-10.25

(208) 2 (208) 2
SCA

2704
2 * 23
16
(620) 2
SCC
24025
16
(510) 2
SCAC
16256.25
16

(654) 2
SCB
26732.25
16
( 352) 2
SCAB
7744
16
( 1016) 2
SCBC
64516
16

( 82) 2
SCABC
420.25
16
y 2 ...
(27642) 2
SCTotal y ijk
48143692
388681.75
rabc
16
2

SCE SCT SCA SCB SCC SCAB SCAC SCBC CABC 246284

TAREA

En un experimento sobre la incidencia de una virosis sobre el

permetro de las cabezas de ajo blanco, se compar el
permetromediodelascabezasobtenidasdeplantaslibre
devirusydeplantasenfermas,bajodosfrecuenciasderiego:
cada 15 das y cada 30 das. El experimento se realiz
siguiendo un diseo completamente aleatorizado con tres
repeticionesdondelaunidadexperimentaleraunaparcelade3
surcos de 5 metros cada uno y de los cuales slo se tom el
surco central para evitar efectos de bordura. Los resultados
obtenidosfueronlossiguientes

Plantas Sanas
Riego c/15d Riego c/30d
45,5
40,1
43
37,3
41,3
38,1

Plantas enfermas
Riego
c/15d
Riego c/30d
41,5
35,8
37
31,4
36,3
33,8

Apliqueelmtodogeneralyalgoritmodesignos,
comparelosresultados,analcelosyconcluya