Beruflich Dokumente
Kultur Dokumente
PROPSITOS
DEL
AN LISIS
DE
3....a
Otra forma equivalente de plantear las hiptesis en trminos de los efectos de los
tratamientos, si las medias de los tratamientos son iguales, esto implica que no
existe ningn efecto o desviacin causada por el tratamiento en si, las hiptesis son:
Ho: t1= t2=t3......ta
Ha: t1
t2
t3......ta
Regla de Decisin:
Si Fc es que la F Hay diferencia significativa entre los tratamientos
Si Fc es que la F No hay diferencia significativa entre los tratamientos
Modelo I (Efectos Fijos):
Cuando los tratamientos son seleccionados por el experimentador y las
conclusiones del anlisis slo se aplican a dichos tratamientos.
Cuadro 1.- Mostrando la estructura de datos para el anlisis de varianza
Tratamientos
Observaciones
3
4
TRATS Media
Xi.
X i.
X14
X1n
X1.
X23
X24
X2n
X2.
X32
XIJ X33
X34
X3n
X3.
Xa2
.
Xa3
.
Xa4
.
Xan
.
Xa.
X11
X12
X13
X21
X22
X31
.
Xa1
X 1.
X 2.
X 3.
X a..
X..
X..=X1.+X2.+X3.+....+Xa.
Donde las observaciones Xij se pueden representar con el modelo:
Xij = + i + ij
Cuando i = 1,2,....., a
j = 1,2,.......,n
Donde:
Xij: Variable de respuesta
: Es la media general alrededor de la cual oscilan los valores de todas las
observaciones.
i: Efecto del i-esimo tratamiento o nivel de un factor
ij: error experimental, variacin debido al azar o variacin de muestreo NI (0, 2)
F .C.
1.
Tratamientos = a
Repeticiones = n
X 2 ..
an
2.
S .C.Tratamientos
3.
X
n
2
i
F .C.
-FC
X 12. X 2 2. .... Xn 2 .
n
4.
Cuadro 2.- Modelo de
completamente al azar
anlisis
de
varianza
Fuentes de G.L.
variacin
Tratamient a 1
o
S.C.
Error
a(n-1)
Total
an 1
S .C.Total X ij F .C.
xi.
S .C.Trat ' s
F .C.
para
una
CM = 2
Fc
SCtrat' s
gl
CMtrat' s
CMError
distribucin
F
Tratamientos = a
Repeticiones = n
Observaciones
3
4
X11
X12
X13
X14
X21
X22
X23
X24
TRATS Media
Xi.
X i.
X1.
X25
X2.
X 1.
X 2.
4
X31
X32
X33
XIJ
X3.
X41
X42
X43
X44
X51
X52
X53
X45
X 3.
.
X5.
X a..
X..
X..=X1.+X2.+X3.+....+Xa.
F .C.
1.-
X 2 ..
ni
S .C.Total X ij F .C.
2
2.-
S .C.Trat 's
2
X 21. X 2. 2
X a.
n n ... n
1
2
n
F .C.
3.-
S.C.
CM
2
xi.
S .C.Trat ' s
1) ( a 1)
F .C.
= Fc
SCtrat' s
gl
CMtrat' s
CMError
S .C.Total X ij F .C.
2
Estimacin de parmetros:
El efecto de cada tratamiento se traduce en una desviacin de la media
poblacional. Existe un valor i que representa la media para un tratamiento que
5
CME
CME
( x i. t / 2 , glError
i y i t / 2, glError
)
n
n
_
O
_
( x i. t / 2 , glError
CME
)
n
De igual forma se puede tener una estimacin para la diferencia de medias de dos
tratamientos: i-j
( x i. x j . t / 2 , glError
2CME
CME
i j y i t / 2, glError 2
)
n
n
o
_
( x i. x j . t / 2 , GlError
2CME
)
n
Donde:
x i.
x j.
CV
CME
x100
X
ANALISIS DEL MODELO DE EFECTOS FIJOS
xi
X ..
Ejemplo
1.- Un ingeniero est interesado en maximizar la resistencia a la tensin de una
nueva fibra sinttica empleada en la manufactura de telas. Se sabe que la
resistencia a la tensin es influida por el porcentaje de algodn presente en la fibra.
As que decide elaborar fibras con el 15% de algodn, despus con un 20%, luego
25%, 30% y 35% y decide tambin tomar 5 muestras de cada porcentaje, donde
cada muestra se obtiene con una corrida experimental. Supngase que se corren
las 25 pruebas obtenindose los siguientes resultados:
2
7
12
17
22
3
8
13
18
23
4
9
14
19
24
5
10
15
20
25
Tabla 8.- Eligiendo nmeros aleatorios entre 1 a 25 para realizar cada prueba,
supngase que se obtienen las siguientes secuencias aleatorias.
Sec
uen
cia
Co
rri
da
s
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
8
18
10
25
17
5
14
6
15
20
9
4
12
7
1
24
21
11
2
13
22
16
25
19
3
%
al
go
do
n
20
30
20
35
30
15
25
20
25
30
20
15
25
20
15
35
35
25
15
25
35
30
35
30
15
Esta secuencia de prueba aleatorizada es necesaria para evitar que los efectos de
variables perturbadoras desconocidas, las cuales quizas varien fuera de control
durante el experimento, contaminen los resultados.
10
Para ilustrar esto, suponga que las 25 corridas de prueba tuvieran que realizarse en
el orden original no aleatorizado (es decir, primero se prueban los cinco ejemplares
con 15% de algodn, despues se prueban los cinco ejemplares con 20% de
algodn, etc). Si la maquina empleada para probar la resistencia a la tension
presenta un efecto de calentamiento tal que entre mas tiempo este funcionando
sean menores las lecturas de la resistencia la tension observada, el efecto del
calentamiento contaminara potencialmente los datos de la resistencia a la tension y
destruira la validez del experimento
Tabla 9.- Supngase que se corren las 25 pruebas en el orden anterior y que se
obtienen los siguientes datos de resistencia a la tensin, para cada nivel de % de
algodn.
Observaciones
% de
Algodn
15
20
25
30
35
7
12
14
19
7
7
17
18
25
10
15
12
18
22
11
11
18
19
19
15
9
18
19
23
11
F .C.
1.
Tratamientos = a
Repeticiones = n
X 2 ..
an
i 1
-FC
a
S .C.Tratamientos
3.
X
i 1
2
i.
F .C.
11
( x i. t / 2 , glError
CME
)
n
De igual forma se puede tener una estimacin para la diferencia de medias de dos
tratamientos: i-j
_
( x i. x j . t / 2 , GlError
2CME
)
n
Muestreadores
es
I
II
III
IV
1
500
510
490
530
2
550
540
500
520
3
648
630
620
600
4
720
700
710
736
5
890
900
920
880
Probar la hiptesis nula de que las poblaciones de SO2 son iguales, es decir, Ho:
1 = 2 = 3 = 4 = 5.
La suma de cuadrados requeridos se calcula como sigue:
Donde:
Tratamientos = a
Repeticiones = n
12
F .C.
5.
X 2 ..
an
6.
-FC
a
S .C.Tratamientos
7.
X
i 1
2
i.
F .C.
Tratamientos = a
Repeticiones = n
Yacimientos
1
1.51
1.92
1.08
2.04
2.14
1.76
1.17
2
1.69
0.64
0.90
1.41
1.01
0.84
1.28
1.59
3
1.56
1.22
1.32
1.39
1.33
1.54
1.04
2.25
1.49
4
1.30
0.75
1.26
0.69
0.62
0.90
1.20
0.32
5
0.73
0.80
0.90
1.24
0.82
0.72
0.57
1.18
0.54
1.30
a- Plantear la hiptesis
b- Realice el anlisis de varianza para verificar si hay diferencia del contenido
de azufre en los yacimientos de carbn.
c- De acuerdo a los resultados que conclusiones deduce de este experimento?
13
14
2.- En una empresa de montaje trabajan 135 operarios que realizan un determinado trabajo
(T). La direccin de la empresa est interesada en conocer si influye el factor operario en la
variable tiempo de realizacin del trabajo T. Para ello se eligen cinco operarios al azar y se
les controla el tiempo en minutos que tardan en realizar el trabajo T en diez ocasiones. Sin
embargo en algunos de ellos no se tiene informacin.
Los resultados del experimento son los de la tabla adjunta.
Oper.1.
72
75
71
69
67
71
75
73
69
65
Oper.2.
75
70
77
73
79
77
76
74
Oper.3.
78
79
84
72
83
77
80
83
71
85
Oper. 4.
69
65
61
75
70
68
67
Oper.5.
65
60
63
68
70
64
62
64
69
a- Plantear la hiptesis
b- Realice el anlisis de varianza para verificar si hay diferencia en el factor operarios.
c- De acuerdo a los resultados que conclusiones deduce de este experimento?
F .C.
9.
X 2 ..
ni
S .C.Total X ij F .C.
2
10.
S .C.Trat 's
2
X 21. X 2. 2
X a.
n n ... n
1
2
n
F .C.
11.
15
S.C.
Error
a(n-1)
Total
an 1
S .C.Total X ij F .C.
xi.
S .C.Trat ' s
F .C.
CM = 2
Fc
SCtrat' s
gl
CMtrat' s
CMError
CMTrat CMError
n
ESTIMACIN DE PARMETROS
En el anlisis de varianza se tienen dos fuentes de variabilidad: la variacin
proveniente del error aleatorio que se genera dentro de cada tratamiento,
16
representada por
t
representada por
. En los modelos de efectos aleatorios es frecuente la
necesidad de tener estimaciones de estos valores considerados como fuentes de
variabilidad.
2
GLerror CME
GLE CME
2
x 2 / 2, GLE
x 2 1 / 2, GLE
t 2
t
t 2
2
t 2
2 t 2
El intervalo para
L
t 2
U
2
2
1 L t
1U
CMt
CMe
1
1
F / 2; GLt, GLe
CMt
1
1
Ejemplos
17
1.- Un ingeniero de procesos de una industria textil, piensa que la resistencia de las
telas, aparte de la variacin usual se ven afectadas por el telar que las produce.
Como se desea que esto no ocurra, decide tomar cuatro muestras de cada telar en
forma aleatoria, obtenindose los siguientes datos del experimento.
Tela
1
2
3
4
13.
1
98
91
96
95
X 2 ..
F .C.
an
2
97
90
95
96
3
99
93
97
99
4
96
92
95
98
xi.
390
366
383
388
X..=1527
=145,733.06
S .C.Total X ij F .C.
2
14.
S .C.Tratamientos
15.
X 2 i.
F .C.
n
SC
89.19
22.74
111.93
CM
29.73
1.89
Fc
15.73
F 0.05
3.49
0.01
5.95
) con 1- de confiabilidad.
GLerror CME
GLE CME
2 2
2
x / 2, GLE
x 1 / 2, GLE
18
121.89
2
x 0.025,12
121.89
x 1 0.025,12
2
121.89 2 121.89
23.3
4.04
t 2
2 t 2
El intervalo para
L
t 2
U
2
2
1 L t
1U
CMt
CMe
29.73
1.89
1
1
F / 2; GLt, GLe
29.73
1.89
1
1
F 0.025;3,12
1
1 0.629
4.47
CMt
CMe
1
1
1
4
F1 / 2; GLt, GLe
1 29.73 1
1
4 1.89 14.34
29.73
1.89
1
1
F 1 0.025 ;12,3
1 29.73 1
1 55.92
4 1.89 0.07
0.629
t 2
55.92
2
2
1 0.629 t
1 55.92
2.- Una fbrica de textiles cuenta con un gran nmero de telares. Se supone que
cada uno tiene la misma produccin de tela por minuto. Para investigar esta
suposicin, 5 telares son escogidos al azar y se mide la cantidad de tela producida
en 5 tiempos diferentes. Se obtienen los siguientes datos.
Produccin de telares
19
Tiempo
1
2
3
4
5
1
14.0
13.9
14.1
13.6
13.8
2
14.1
13.8
14.2
13.8
13.6
3
14.2
13.9
14.1
14.0
13.9
4
14.0
14.0
14.0
13.9
13.8
5
14.1
14.0
13.9
13.7
14.0
2 yt 2
Determine un intervalo de confianza del 95% para
20
X ij ti j ij
Donde:
Xij = Variable de respuesta de la j-esima unidad experimental, con eli-esimo
tratamiento.
= media general comun a todas las unidades experimentales antes de aplicar los
tratamientos.
21
Observacion
es
(Repeticione
s)
II
III
Xi.
X11
X12
X13
X1n
X1.
X21
X22
X23
X2n
X2.
X31
X32
X33
X3n
X3.
.
a
.
Xa1
.
Xa2
.
Xa3
.
Xan
.
Xa.
Total
bloques
(X.j)
Total
Trat's
Xij
Promedi
o.
X i.
X 1.
X 2.
X 3.
.
X a.
X.1
X.2
X.3
X.n
X ..
X..
X..= Xi.+X2.+X3.+..+Xa.
Modelo de anlisis de varianza para una distribucin en bloques al azar
Fuentes
de
variacin
Tratamien
to
G.L.
S.C.
CM
2
(a-1)
xi.2
S .C.Trat ' s
F .C.
n
SCtrat' s
gl
Bloque
(n-1)
Error
S .C.Bloques
(a-1)(n-1)
x. j
= Fc
CMtrat' s
CMError
F .C.
22
Total
(an-1)
S .C.Total X ij F .C.
2
23
Ha: t1 t2
Bloques :
t3......ta
Ho : 1=2=3..n
Ha : 123..n
Regla de desicin:
Para tratamientos:
Si Fc es F; se rechaza Ho: t1= t2=t3......ta
por lo tanto se acepta Ha : t1
t2
t3......ta
Para bloques :
Si Fc es F; se rechaza Ho: 1=2=3..n
por lo tanto se acepta Ha : 123..n
CALCULO DE LA SUMA DE CUADRADOS
F .C.
17.
18.
X 2 ..
an
S .C.Total
2
ij
F .C.
X 1. 2 X 2. 2 ... Xa. 2
xi. F .C.
F .C.
n
n
2
S .C.Tratamientos
19.
8.-
x. j 2
X .12 X .2 2 ... X .n 2
S .C. Bloques
F .C.
F .C.
a
a
20.
24
C.V
21.
cme
x100
25
ESTIMACIN DE PARMETROS:
El efecto de cada tratamiento se traduce en una desviacin de la media
poblacional. Existe un valor i que representa la media para un tratamiento que
debe ser el valor de la media poblacional ms la desviacin causada por el
tratamiento, esto es: i=+i. Se puede tener una estimacin del valor i por el
intervalo siguiente:
CME
CME
( x i. t / 2 , glError
i y i t / 2, glError
)
n
n
_
O
_
( x i. t / 2 , glError
CME
)
n
De igual forma se puede tener una estimacin para la diferencia de medias de dos
tratamientos: i-j
( x i. x j . t / 2 , glError
2CME
CME
i j y i t / 2, glError 2
)
n
n
o
_
( x i. x j . t / 2 , GlError
2CME
)
n
Donde:
x i.
x j.
26
Ejemplo
1.- Un ingeniero industrial realiza un experimento para estudiar el tiempo que tarda
el ojo en enfocar. Est interesado en la relacin que existe entre la distancia del
objeto al ojo y el tiempo que el ojo tarda en enfocar. Cuatro diferentes distancias
resultan de inters. Hay 5 sujetos disponibles para el experimento. Los datos se
muestran a continuacin.
Distancia
(pies)
4
6
8
10
Bloques
(X.j)
Sujeto
3
4
10
7
5
6
28
8
6
3
4
21
6
6
3
4
19
4
1
2
2
9
5
6
6
5
3
20
Regla de decisin:
Para tratamientos:
Si Fc es F; se rechaza Ho: t1= t2=t3......ta
por lo tanto se acepta Ha : t1
t2
t3......ta
Como Fc es > que Ft en los dos niveles hay alta diferencia significativa entre los
tratamientos, por lo tanto no ce acepta a Ho y no se rechaza a Ha de que los
tratamientos son diferentes entre s o al menos uno de ellos.
Para bloques:
Si Fc es F; se rechaza Ho: 1=2=3..n
por lo tanto se acepta Ha : 123..n
Intervalo de confianza para la media del mtodo 3.
_
( x i. t / 2 , glError
CME
)
n
De igual forma se puede tener una estimacin para la diferencia de medias de dos
tratamientos: i-j
27
( x i. x j . t / 2 , GlError
2CME
)
n
0%
15.02
8.42
18.31
10.49
9.78
9.28
1%
11.86
10.15
16.84
10.52
9.59
8.84
Fluorita
2%
9.94
8.54
15.86
8.04
6.96
7.04
3%
12.45
6.98
14.64
10.50
8.15
6.66
4%
13.23
8.93
15.96
10.34
9.24
9.46
II .........
T1
T2
.
.
Ts
.
Ta
X11
X21
.
.
Xs1
.
Xa1
X12...
X22...
.
.
Xs2...
.
Xa2...
Total X.j
X.1
X.2...
Repeticiones
m ............
Total Xi.
X1m....
X2m..
.
.
X1..
.
Xam...
X1n
X2n
.
.
Xsn
.
Xan
X1.
X2.
.
.
X's.+X1
.
Xa.
X'm.+X1
X.n
X"..
X"..
X..= X+X1
28
Donde:
n= repeticiones
a= tratamientos
X's. = Suma total de los tratamientos.
X'm. = Suma total del bloque.
X".. = Suma total de los tratamientos.
Una vez que se tiene la estimacin del dato faltante, su valor se incluye en la
celda correspondiente del cuadro de concentracin de datos y se procede a calcular
la suma de cuadrados de las fuentes de variacin correspondientes al diseo de
bloques al azar. El anlisis de varianza deber mostrar una disminucin de 1 gL. en
el error y en el total 2 gL.
Cuadro de ANAVA
F.V.
G.L.
S.C.
Trat's
Bloques
Error
Total
a-1
n-1
(a-1)(n_1)-1
(an-1)-1
C.M.
Fc
Sctratc Sctrat z
X ' m. a 1 x
Z
a a 1
CMtrat ' s
b)
Donde:
Sctratc
a 1
29
Fc
CM trat
CM Error
c)
30
II .........
m ............
Total Xi.
T1
T2
.
.
Ts
.
.
Ta
X11
X21
.
.
Xs1
.
.
Xa1
X12..
X22..
.
.
X1..
.
Xa2..
X1m..
X2m..
.
.
X2..
.
.
Xam..
X1n
X2n
.
.
Xsn
.
.
Xan
X1.
X2.
.
.
X's.+X1+X2
.
.
Xa.
Total X.j
X.1
Xm.+X1
X'w.+X2
X.n
X"..
X..=X"..+X1+X2
X1
X2
Repeticiones
II .........
m ............
l
n
Tota Xi.
X1n
X2n
.
.
XSn
.
.
Xqn
.
.
Xan
X1.
X2.
.
.
X's.+X1
.
.
X'q.+X2
.
.
Xa.
T1
t2
.
.
Ts
.
.
tq
.
.
Ta
X11
X21
.
.
XS1
.
.
Xq1
.
.
Xa1
X12...
X22...
.
.
XS2...
X1m....
X2m....
.
.
X1.
Xq2...
.
.
Xa2...
X2.
.
.
Xam...
Total X.j
X.1
X.2...
Xm.+X1+X2 X.n
x1
x2
X"..
X..=X"..+X1+X2
31
x1
X.1
X.2
X'm.+X1=R1+X1
fw1 w2
f 2 1
X'w.+X2= R2+X2
x2
f a 1 n 1
X.n
X"..
X..=X"..+X1+X2
fw2 w1
f 2 1
G.L.
Trat's
Bloques
Error
Total
a-1
n-1
(a-1)(n_1)-2
(an-1)-2
S.C.
C.M.
Fc
PROCEDIMIENTO
1) Sin considerar las estimaciones de los datos faltantes, realizar un anlisis de
varianza para un diseo completamente al azar con diferente nmero de
repeticiones por tratamiento. En este diseo considrese a los bloques como los
tratamientos y a los tratamientos como repeticiones.
2) La suma de cuadrados de los tratamientos corregida (ScTrat'sc) es la diferencia
de la suma de cuadrados del error del diseo completamente al azar del
procedimiento 1, menos la suma de cuadrados del error del diseo bloques al
azar (obtenido en el ANAVA) de la prueba aproximada) identificados como
SCEBA, es decir.
SCTC= SCECA-SCEBA
CMTC=SCTC / t-1
3) La prueba exacta de la hiptesis Ho: t1=t2=.....=ta, se obtiene con el CMTc y el
CMEBA (CME obtenido en el ANAVA de la prueba aproximada).
Nota 1. Cuando faltan dos datos, un procedimiento frecuentemente usado es: Para
uno de los datos faltantes se le asigna la media de todas las observaciones (na-2
datos disponibles en todo el experimento). De esta forma tendremos el caso de un
solo dato faltante y usarse la ecuacin para este caso. A continuacin se estima el
dato al cual se le asign la media. Se vuelve a estimar la primera observacin y as
sucesivamente hasta que se estabilicen las estimaciones, es decir, hasta que los
cambios en los valores de las estimaciones no sean grandes.
Nota 2. Si falta un bloque o un tratamiento completo, el anlisis de los resultados
puede realizarse de la manera usual, si se tienen todava dos o ms tratamientos o
bloques completos.
Nota 3.- Cuando son tres los datos faltantes, a uno puede asignarsele la media de
los an-3 datos disponibles y usar para estimar los restantes dos, las ecuaciones
para los dos datos faltantes.
33
Solucin
Dias
2
1
2
3
13
16
5
22
X
4
18
17
1
39
44
22
12
21
5
10
23
8
X
17
16
15
30
7
34
Tratamientos
1
I
16
II
28
III
16
IV
28
Suma de
Trats
88
Xi.
x1
Suma
Bloques X.j
de
22
27
25
X2
16
17
16
19
X1
20
16
18
18
23
19
24
8
23
16
25
80+X1= R1+X1
138
108
114+X2=R2+X2
72
440
fw1 w2
f 2 1
x2
f a 1 n 1
fw2 w1
f 2 1
= (6-1)(4-1) =15
x1
11.61
f 2 1
15 2 1
x2
f 2 1
15 2 1
35
Una vez calculados los datos faltantes realizar el anlisis de varianza y si hay
diferencia significativa, obliga a realizar la prueba exacta de la hiptesis nula para
dos datos faltantes.
ABCDEF
FABCDE
EFABCD
DEFABC
CDEFAB
BCDEFA
ABCDEFG
GABCDEF
FGABCDE
EFGABCD
DEFGABC
CDEFGAB
BCDEFGA
n=6
n=7
ABCDEFGH
HABCDEFG
GHABCDEF
FGHABCDE
EFGHABCD
DEFGHABC
CDEFGHAB
BCDEFGHA
n=8
36
CBADFE
BAFCED
AFEBDC
FEDACB
EDCFBA
DCBEAF
DBGACEF
CAFGBDE
BGEFACD
AFDEGBC
GECDFAB
FDBCEGA
ECABDFG
FGABECHD
EFHADBGC
DEGHCAFB
CDFGBHEA
BCEFAGDH
HACDGEBF
HACDGEBF
GHBCFDAE
2 CAFGBDE
1DBGACEF
3 BGEFACD
4 AFDEGBC
6 FDBCEGA
5 GECDFAB
7 ECABDFG
6 ABDEHFCG
1 FGABECHD
3 DEGHCAFB
5 BCEFAGDH
2 EFHADBGC
7 HACDGEBF
8 GHBCFDAE
4 CDFABHEA
ALEATORIZACIN DE HILERAS
3 EDACB
2 AEBDC
5 CBDAE
1 BACED
4 DCEBA
4 FEDACB
1 CBADFE
2 BAFCED
6 DCBEAF
5 EDCFBA
3 AFEDBC
Modelo de respuesta:
X ij k hi c j tk ij k
Donde:
Xij(k) = variable de respuesta para el tratamiento k que se encuentra en la hilera i y
columna j.
Hi = efecto de la hilera i
Cj = efecto de la columna j
Tk = efecto del tratamiento k
= efecto general o contribucin comn a todas las unidades experimentales.
ij k
38
2
3
B
D
D
A
E
B
C
E
4
5
Suma
total
X.cj.
C
E
B
C
A
C
Xiltk
E
D
D
A
A
B
X..
Suma total
X..tk
A=
B=
C=
D=
E=
Modelo de anlisis de varianza para una distribucin en Cuadrado Latino
Fuentes
de
Variacin
Hileras
Columnas
G.L.
a-1
n-1
S.C.
C.m.
S .C.Hileras
S .C.Columnas
x.cj.
Fc
2
hi..
F .C.
n
2
F .C.
X ..tk
Tratamient n-1
o
S .C.Trat ' s
Error
(n-1)(n-2)
Total
a2-1
S .C.Totales
F .C.
2
iltk
F .C.
Ho h1 h2 .... ht
Ha : h1 h2 .... ht
39
Para columnas:
Co c1 c2 ..... ct
Ca c1 c 2 ..... ct
Para tratamientos:
To t1 t 2 ..... t a a
Ta t1 t 2 ..... t a
Regla de desicin:
Para tratamientos:
Si Fc es F; se rechaza Ho: t1= t2=t3......ta
por lo tanto se acepta Ha : t1
t2
t3......ta
Para hileras:
Si Fc es F; se rechaza Ho: h1=h2=h3..hn
por lo tanto se acepta Ha : h1h2h3..hn
Para columnas:
Si Fc es F; se rechaza Ho: c1=c2=c3..cn
por lo tanto se acepta Ha : c1c2c3..cn
Suma de Cuadrados:
2
F .C.
1.-
2.-
3.-
x...
a2
S .C.Totales
iltk
F .C.
hi...
F .C.
40
S .C.Tratamientos
F .C.
n
4.-
5.-
x.cj.
S .C.Columnas
F .C.
X ..tk
F .C.
6.-
41
ESTIMACIN DE PARMETROS:
El efecto de cada tratamiento se traduce en una desviacin de la media
poblacional. Existe un valor i que representa la media para un tratamiento que
debe ser el valor de la media poblacional ms la desviacin causada por el
tratamiento, esto es: i=+i. Se puede tener una estimacin del valor i por el
intervalo siguiente:
( x i. t / 2 , glError
CME
CME
i y i t / 2, glError
)
n
n
O
_
( x i. t / 2 , glError
CME
)
n
De igual forma se puede tener una estimacin para la diferencia de medias de dos
tratamientos: i-j
2CME
CME
( x i. x j . t / 2 , glError
i j y i t / 2, glError 2
)
n
n
o
_
( x i. x j . t / 2 , GlError
2CME
)
n
42
Ejemplo
1.- Suponga que un experimentador est investigando el efecto de 5 tipos de
formulaciones de combustible (usado en la operacin de una caldera), para
observar el efecto en la tasa de combustin. Cada formula de combustible se tom
de un lote que solo da para 5 pruebas. Adems de esto, las formulas son
preparadas por 5 operadores diferentes. De esta manera, se puede observar dos
factores de ruido o variabilidad que son identificables por el experimentador y que se
pueden bloquear: los lotes de material y los operadores. La siguiente tabla ilustra lo
anteriormente descrito:
Lotes de
materia
prima
Operadores
1
A=2
4
B=1
7
C=1
8
D=2
6
E=2
2
Lote1
Lote2
Lote3
Lote4
Lote5
Total
2
B=20
3
C=19
4
D=24
5
E=24
C=24
D=30
E=27
A=36
D=38
E=26
A=27
B=21
E=31
A=26
B=23
C=22
A=30
B=20
C=29
D=31
Total
Tratamientos= formulaciones de combustible
A= A1+A2+A3+A4+A5= 24+30+26+27+36= 143
B= B1+B2+B3+B4+B5= 17+20+20+23+21= 101
C= C1+C2+C3+C4+C5= 18+24+19+29+22= 112
D= D1+D2+D3+D4+D5= 26+38+30+24+31= 149
E= E1+E2+E3+E4+E5= 22+31+26+27+24= 130
A=
B=
C=
D=
E=
24
17
18
26
22
30
20
24
38
31
26
20
19
30
26
27
23
29
24
27
36
21
22
31
24
Total
143
101
112
149
130
Media
28.6
20.2
22.4
29.8
26.0
43
G.L.
S.C.
4
4
4
12
330
68
150
128
Total
24
676
C.m.
Fc
0.05
7.7344 3.26
1.5938 3.26
3.5156 3.26
82.5
17
37
10.666
Ft
0.01
5.41
5.41
5.41
Cv= 12.85%
Regla de desicin:
Para tratamientos:
Si Fc es F; se rechaza Ho: t1= t2=t3......ta
por lo tanto se acepta Ha : t1
t2
t3......ta
Como Fc es > que Ft en los dos niveles hay alta diferencia significativa entre los
tratamientos, por lo tanto no ce acepta a Ho y no se rechaza a Ha de que los
tratamientos son diferentes entre s o al menos uno de ellos.
Para hileras:
Si Fc es F; se rechaza Ho: h1=h2=h3..hn
por lo tanto se acepta Ha : h1h2h3..hn
Como Fc es < que la Ft no hay diferencia significativa entre las Hileras por lo tanto
no rechaza Ho y no se acepta a Ha.
Para columnas:
Si Fc es F; se rechaza Ho: c1=c2=c3..cn;
por lo tanto se acepta Ha : c1c2c3..cn
Como Fc es > que la Ft al 0.01 y menor al 0.05 solamente hay diferencia
significativa entre las columnas; por lo tanto se rechaza Ho y se acepta a Ha de que
las columnas sean diferentes entre s o al menos una de ellas.
Como Fc es < que la Ft no hay diferencia significativa entre las columnas por lo
tanto no rechaza Ho y no se acepta a Ha.
44
P x1 t / 2 , gl S x1 1 t / 2 , gl S x1 1
2.- Un ingeniero industrial est investigando el efecto que tienen cuatro mtodos de
ensamble sobre el tiempo de ensamble de un componente para televisores a color.
Se seleccionan 4 operadores para realizar este estudio. Por otra parte, el ingeniero
sabe que cada mtodo de ensamble fatiga, por lo que el tiempo que se tarda en el
ltimo ensamble puede ser mayor que en el primero, independientemente del
mtodo. En otras palabras se produce un patrn en el tiempo de ensamble. Para
controlar esta posible fuente de variabilidad, el ingeniero decide utilizar un diseo en
cuadrado latino. Los datos se muestran a continuacin.
Orden
montaje
1
2
3
4
de
1
C 10
B7
A5
D 10
2
D 14
C 18
B 10
A 10
3
A7
D 11
C 11
B 12
4
B8
A8
D9
C 14
45
II
COLUMNAS
......
m
......
X ts
C2
....
Cm+X
......
Cn
H1
H2
.
.
Hw+X
.
.
Hn
X...+X
Donde:
a= Tratamientos
ts= Suma total del tratamiento donde se encuentra la parcela perdida.
Hw= Suma total de la hilera donde se encuentra el dato perdido
Cm= Suma total de la columna donde se encuentra el dato perdido
X= Suma total de las observaciones con el dato perdido
Si se detecta diferencia significativa para tratamientos es necesario realizar la
prueba exacta o insesgada que consiste en corregir la suma de cuadrados de
tratamientos.
2
46
II
.....
..... Z
....
n
H1
H2
.
.
H+X1=Hw
.
.
H+X2=Hq
.
.
Hn
X1
X2
C1
C2
.....
C1+X1= Cm
..... C2+X2=Cz
.
.....
Cn
X...+X1+X2= X..
Donde:
H1 : Suma de las n-1 observaciones presentes en la hilera donde se ubica X1
H2 : Suma de las n-1 observaciones presentes en la hilera donde se ubica X2
C1 : Suma de las n-1 observaciones presentes en la columna donde se ubica X1
C2 : Suma de las n-1 observaciones presentes en la columna donde se ubica X2
X... : Suma de las a2-2 observaciones presentes en todo el experimento
T12 : Suma de las a-2 observaciones presentes que se tienen para el tratamiento
Q1 a T '12 H '1 C '1 2 X "...
II
..... m
.....
X1 ts
....
N
H1
H2
.
.
Hw=H12+X1+X
X2 ta
.
.
q
.
.
n
.
.
.
.
Hn
C1
C2
.....
Cm+X1= C1
.....
Cz+X2=C2
.....
Cn
X...+X1+X2=X..
47
Donde:
T1 : Total o suma de a-1 datos para el tratamiento al que pertenece X1
T2 : Total o suma de a-1 datos para el tratamiento al que pertenece X2
Q1 a T '1 H '12 C '1 2 X "...
X1
a 1 Q1 Q2
2
a a 2
X2
a 1 Q2 Q1
2
a a 2
II
a 1 Q1 Q2
2
a a 2
.....
n
H1
H2
.
.
Hw=H1+X1
.
.
Hq=H2+X2
.
.
Hn
X1
X2
C2
X1
.....
.....
Cm+X1+X2=
C12+X1+X2
.....
Cn
X...+X1+X2= X..
X2
a 1 Q2 Q1
2
a a 2
48
f a 1 a 2
X1
II
PERTENECEN
..... m
..... Z
COLUMNA,
....
H1
H2
.
.
Hw=H+X1
.
.
Hq=H2+X2
.
.
Hn
X2 ta
.....
C1+X1=Cm
C2+X2=Cz
fQ1 2Q2
f 2 4
X2
X1 ts
C2
HILERA
X...+X1+X2=X..
fQ2 2Q1
f2 4
Una vez que se tienen las estimaciones de los datos faltantes, stos se incluyen en
el cuadro de concentracin de datos y se procede al clculo de la suma de
cuadrados en el ANAVA deber disminuirse 2 glE y 2 gl al total.
ESTIMACION DE UN DATO PERDIDO:
1.- En un experimento para observar el efecto de 5 niveles de vitaminas en el
crecimiento de cerdos se tenan 5 camadas de 5 cerdos cada una bajo 5 sistemas
de crianza. La variable a medir es el incremento en peso en el primer mes despus
de la aplicacin de la vitamina. Los resultados fueron los siguientes.
A 30
B 29
C 17
D 13
E 33
B 28
A 31
D 15
E 31
C 16
C 15
D 16
EX
A 32
B 31
D 14
E 31
B 30
C 19
A 33
E 30
C 16
A 32
B 29
D 14
49
HILERAS I
I
II
.
.
W
.
.
N
C1
COLUMNAS
......
m
II
......
X ts
C2
....
Cm+X
......
Cn
H1
H2
.
.
Hw+X
.
.
Hn
X...+X=X..
A 30
B 29
C 17
D 13
E 33
122
B 28
A 31
D 15
E 31
C 16
121
SUMA C
E1= 30 +
E2=31 +
COLUMNAS
C 15
D 14
D 16
E 31
EX =32.92 B 30
A 32
C 19
B 31
A 33
94+X
127
126.92
E 30
C 16
A 32
B 29
D 14
121
SUMA H
117
123
94+X
124
127
585+X
=126.92
X..=617.92
ts = 125
Hw=94
Cm=94
X..=585
a=5
X
7.-
1.-
2.-
x..
F .C. 2.
a
5125 94 94 2 585
5 1 5 2
= 32.9I6
617.92 2 381825.1264
15273.005
52
25
S .C .Totales
ilk
50
S .C.Hileras
3.-
hi...
F .C.
=15286.337-15273.005= 13.332
S .C.Columnas
4.-
x.cj.
F .C.
= 15280.7372-15273.005= 7.7323
S .C.Tratamientos
5.-
F .C.
n
X ..tk
F .C.
=16716.9453-15273.005 = 1443.9403
S .C. Error S .C Total S .C Hileras S .C Columnas S .C Tratamientos
GL
a-1 = 4 -1 = 3
n-1 = 4 -1 = 3
n-1 = 4 -1 = 3
(n-1)(n-2)-1
(3)(2)=61=5
(a2-1)-1=15-1=14
SC
1443.9403
13.332
7.7322
10.72
1475.72
CM
481.313
4
4.444
2.5774
2.144
Fc
224.49
1.72
1.20
585 94 94 5 1125
Z
5 1 5 2 2
n 1 n 2 2
2
73.674
Mircoles
Viernes
Sbado
Domingo
51
08:00
11:00
14:00
17:00
20:00
N (124)
E (112)
S (123)
O (118)
C (102)
S (124)
C (100)
N (133)
E (112)
O (122)
C (124)
N (X)
O (112)
S (133)
E (118)
O (122)
S (131)
E (121)
C (124)
N (131)
E (124)
O (114)
C (133)
N (134)
S (133)
52