Beruflich Dokumente
Kultur Dokumente
AZAR
DISEO EXPERIMENAL
Contenido
LABORATORIO N 01............................................................................................ 1
INTRODUCCION:............................................................................................... 1
MARCO TEORICO:...................................................................................... 2
I.
1.
El diseo:.............................................................................................. 2
2.
Unidad experimental:................................................................................ 2
3.
Tipos de Variables:................................................................................... 2
4.
Diseo experimental:................................................................................ 2
5.
6.
7.
Aleatorizacin:........................................................................................ 4
8.
DESARROLLO TEMATICO:................................................................................... 5
1.
2.
II.
III.
STATGRAPHICS:....................................................................................... 11
LABORATORIO N 01
DISEO EXPERIMENTAL
DISEO COMPLETO AL AZAR (DCA)
INTRODUCCION:
El diseo completamente al azar es una prueba basada en el anlisis de varianza, en donde
la varianza total se descompone en la varianza de los tratamientos y la varianza del error.
El objetivo es determinar si existe un diferencia significativa entre los tratamientos, para lo
cual se compara si la varianza del tratamiento contra la varianza del error y se determina
si la primera es lo suficientemente alta segn la distribucin F.
Se definen los t tratamientos que se van a aplicar a las n unidades experimentales, de tal
forma que a r unidades experimentales les va a corresponder un tipo de tratamiento.
Las unidades experimentales se sortean para la asignacin a cada tratamiento. Se define la
variable a medir.
I.
MARCO TEORICO:
1. El diseo:
Se define como el proceso previo de configuracin mental, "pre-figuracin", en la
bsqueda de una solucin en cualquier campo. Utilizado habitualmente en el contexto de
la industria, ingeniera, arquitectura, comunicacin y otras disciplinas creativas.
2. Unidad experimental:
Es la unidad ms pequea de la cual se obtiene una medida o caracterstica. Por ejemplo
a un investigador le puede interesar: las familias, las personas, las empresas de un cierto
tipo, etc.
3. Tipos de Variables:
a. Se denomina VARIABLE CATEGORICA o CUALITATIVA a aquellas cuyos valores
o caractersticas son categoras o clases excluyentes.
Ejemplo: sexo, estado civil, nivel socioeconmico, color del pelo, color de los
ojos, etc.
b. Se denomina VARIABLE CUANTITATIVA o NUMERICA a aquellas cuyas
medidas posibles se pueden expresar por nmeros, las que se han obtenido por
medicin o recuento.
Por ejemplo: temperatura corporal, edades, nmero de pacientes hospitalizados,
nmero de accidentes, tiempo de espera para ser atendido en un servicio, etc.
tratamientos que indica las diferencias entre dichas medidas. El anlisis de varianza
proporciona la variacin de la variable de inters en fuentes explicables por algunos
factores o tratamientos y en aquella para la cual el investigador no tiene control, no puede
medir y no le es posible explicar o atribuir a algn factor en particular, constituyendo el
error experimental. Por ejemplo: si se realiza un experimento en el cual se estudie el uso
de los aminocidos en raciones para pollos en crecimiento y se mide la ganancia de
peso, la variacin de dicha ganancia puede descomponerse en fuentes de variacin
conocidas, atribuibles al distinto nivel de aminocidos usando las raciones y las fuentes
de variacin desconocidas o error. Esta particin de la varianza se hace al travs de la
suma de cuadrados asociados a sus respectivos grados de libertad (nmero de
comparaciones linealmente independientes). La realizacin de un Anlisis de la varianza
presupone la aditivita de los errores, la homogeneidad de varianza de las poblaciones de
tratamientos y la independencia y distribucin normal de los errores.
digamos T1, repetido cinco veces, y as T2, T3 y T4. Posteriormente mzclense las
tarjetas en una urna y extraiga una tarjeta al azar, asignando el tratamiento
correspondiente a un animal, terreno, maceta, jaula o grupo de animales en que consista
cada unidad experimental. Reptase el procedimiento sin reemplazo hasta terminar su
asignacin
8. Propsito del ANOVA:
El objetivo del ANOVA es identificar variables independientes importantes en un estudio
estadstico y determinar como interactan y afectan la respuesta; stas variables
independientes que pueden controlarse en un experimento se denominan factores o
vas. Existe el anlisis de varianza de un factor o de una va y tambin de dos factores o
de dos vas. El modelo probabilstico que usaremos por ser el ms adecuado, como
veremos, es la distribucin de probabilidad F cuyas tablas aparecen en el anexo 3 del
blog. Para usar las tablas F necesitamos como dato el clculo de los llamados Grados
de Libertad, cuya frmula aprenderemos en su momento.
DESARROLLO TEMATICO:
CASO:
La gerencia de empresa DMODA desea renovar sus mquinas para confeccionar pantalones
y otras prendas para ese propsito reciben ofertas de 4 empresas o marcas diferentes de
mquinas para confeccin.
La gerencia se ha puesto como objetivo que la maquina sea la ms veloz para su uso en una
confeccin especfica (pantalones).La gerencia elaboro un diseo experimental DCA (Diseo
completo al azar) exponiendo 4 filas de mquinas cada fila con una mquina de diferente
marca y observo la velocidad con que se confeccionaba cada prenda en minutos. Todas las
filas tienen la misma cantidad de operarios (6) los cuales han sido escogidos lo ms
homogneo posible.
Es posible concluir que alguna de las maquinas tiene mayor velocidad para la
confeccin de una pantaln?
T1
X11
X12
.
.
.
TRATAMIENTO
T2
T3
X21
X22
.
.
.
.
.
.
T4
XK1
XK2
.
.
.
TOTALES
I
C
I
O
N
Totales Ti
ni= r
Media X i
X1n1
T1.
n1= r
X 1.
X2n2
T2.
n2= r
X 2.
XKnK
Tk.
nk= r
X K.
T..
ni= r
X..
Luego de haber elaborado la tabla, hacer clic derecho sobre la hoja 1 y seleccionar
la opcin Mover o copiar, y dar clic en crear una copia. Luego realizar los
siguientes cambios:
A la primera hoja, hacer clic derecho en la opcin Cambiar nombre y
colocar DCA.
Con la segunda hoja realizar lo mismo pero cambiando el nombre por D
MODA.
1.2.
REPETICION
T1
55
46
45
73
50
63
T1
55
46
45
73
50
63
T2
60
58
68
58
63
52
T3
64
62
51
57
65
68
TRATAMIENTO
T2
T3
60
64
58
62
68
51
58
57
63
65
52
68
T4
42
45
52
44
42
56
T4
42
45
52
44
42
56
TOTALES
Totales Ti
ni= r
MEDIA
1.3.
REPETICION
Totales Ti
ni= r
MEDIA
T1
55
46
45
73
50
63
332
6
55,33
TRATAMIENTO
T2
T3
60
64
58
62
68
51
58
57
63
65
52
68
359
367
6
6
59,83
61,17
T4
42
45
52
44
42
56
281
6
46,83
TOTALES
1339
24
55,79
Esta es la tabla que deberamos tener en Excel luego de haber insertado los respectivos
formatos para hallar las sumas, promedios que ya estn elaborados en la hoja de Excel,
por si alguna duda sobre como hallar las sumas, los promedios y el conteo solo tienen
que dar doble clic en las celdas del Excel de los resultados (la seccin verde) para saber
qu valores se estn seleccionando.
2. SOLUCIN DEL CASO CON STATGRAPHICS
2.1.
2.2.
Fuente
Suma de
Gl Cuadrado
Cuadrados
Entre grupos 754.125
Intra grupos 1097.83
Total (Corr.) 1851.96
II.
Medio
3 251.375
20 54.8917
23
Razn-F
Valor-P
4.58
0.0134
Repetici
Totales
T1
4268
4500
4300
4250
4220
21538
TRATAMIENTOS
T2
T3
T4
4482
4699
4549
4500
4880
4750
4250
4500
4480
4290
4470
4420
4200
4450
4300
21722
22999
22499
Ti
ni=r
Media
5
4307.6
5
4344.4
III.
STATGRAPHICS:
5
4599.8
5
4499.8
Totales
88758
20
4437.9
Nmero de observaciones: 20
Nmero de niveles: 4
El StatAdvisor
Este procedimiento ejecuta un anlisis de varianza de un factor para UE. Construye
varias pruebas y grficas para comparar los valores medios de UE para los 4 diferentes
niveles de TRAT. La prueba-F en la tabla ANOVA determinar si hay diferencias
significativas entre las medias. Si las hay, las Pruebas de Rangos Mltiples le dirn
cules medias son significativamente diferentes de otras. Si le preocupa la presencia de
valores atpicos, puede elegir la Prueba de Kruskal-Wallis la cual compara las medianas
en lugar de las medias. Las diferentes grficas le ayudarn a juzgar la significancia
prctica de los resultados, as como le permitirn buscar posibles violaciones de los
supuestos subyacentes en el anlisis de varianza.
Tabla ANOVA para UE por TRAT
Fuente
Suma de
Gl Cuadrado
Entre
Cuadrados
278818.
grupos
Intra
374804.
16 23425.3
grupos
Total
653622.
19
Medio
92939.3
Razn-F
Valor-P
3.97
0.0273
(Corr.)
El StatAdvisor
La tabla ANOVA descompone la varianza de UE en dos componentes: un componente
entre-grupos y un componente dentro-de-grupos. La razn-F, que en este caso es igual a
3.96748, es el cociente entre el estimado entre-grupos y el estimado dentro-de-grupos.
Puesto que el valor-P de la prueba-F es menor que 0.05, existe una diferencia
estadsticamente significativa entre la media de UE entre un nivel de TRAT y otro, con
un nivel del 95.0% de confianza. Para determinar cules medias son significativamente
diferentes de otras, seleccione Pruebas de Mltiples Rangos, de la lista de Opciones
Tabulares.
5000
UE
4800
4600
4400
4200
1
TRAT
TRAT
P = 0.0273
Residuos
-340
-140
60
260
460