Beruflich Dokumente
Kultur Dokumente
Humedad Ceniza
grasa
Protena
Almidn
Fibra
10
7,5
14
14
13.1
12.2
12.1
14
1
0,1
12
1
1.2
1.5
7,12
12,8
13
21
21,3
8
18
11,5
60-72
1
23
60,8
73
78,5
3,9
4
4,5
11
2,5
2,1
8
11
3,6
2
3,5
6
Solucin
Verifiquemos el desarrollo numrico del ejercicio
Caractersticas/pro
cedencia
Humedad ceniza
grasa protena
Almidn
fibra
total
Harina de platano5
Harina de platano6
Harina de platano7
TOTAL
GRAN MEDIA
13.1
3,6
1.2
21,3
60,8
3,9
103,9 17,31
12.2
1.5
73
100,7 16,78
12.1
3,5
18
78,5
4,5
116,6 19,43
37,4
12,5
Media
2 2
n = tamao de la muestra.
Z= intervalo de confianza.
E= error de muestreo aceptable.
=desviacin estndar.
Entonces tenemos:-intervalo de confianza=98%
Error de muestreo aceptable=2%
Desviacin estndar= para calcular.
Calculo de desviacin estndar: La desviacin estndar corresponde a la raz
cuadrada de la variacin(S).
(31)
0,36+0,09+0,16
0,61
= 0,30
Desviacin estndar:
S=0,30=0,54
9.06040,29
9820,54 2
= 696
4
81
=
2
= 4,41+21,16+3,61+3,61+1+0,01+0
37,4
+3,61
= 5,34
DESVIACION ESTANDAR:
S=5,34=2,3
98 2,31
96045,33
= 12,797
22
harina 5
harina 6
harina 7
humed
ad
ceniza
grasa
proteina
almido
n
fibra
tambin podemos representar la gran media de las tres harinas en sus caractersticas
bromatolgicas atreves de un diagrama circular.
GRAN MEDIA
Humedad
Ceniza
Grasa
Proteinas
Almidon
Fibras
98% 96%
95.45% 95%
90%
Valores
de Z
2.33 2.05
2.00
1.645 1.28
3.00
2.58
El nivel de confianza
1.96
80%
68.27% 50%
1.00
0.6745
es de 2.33
f) Se podra concluir que existen diferencias significativas entre la harina proveniente
de las diferentes localidades?
Sustente sus conclusiones utilizando un mtodo estadstico de comparacin apropiado
por ejemplo Duncan y Tukey.
PRUEBA DE TUKEY:
Se realizan comparaciones mltiples que son posibles con t tratamientos. Para esto se
procede a aplicar la siguiente ecuacin: DMS= EE.
DONDE q es el valor que se encuentra en las tablas de Tukey con el nmero de
tratamientos, los grados de libertad del error y el nivel de significancia deseado.
El mtodo es hallar todas las comparaciones posibles con t tratamientos que son t(t1)/2 poniendo las medias en orden creciente y decreciente y restando de la media
mayor todas las medias, despus a la siguiente mayor le restamos las dems medias y
as sucesivamente hasta que se termine, si esta diferencias de medias superan la DMS
, se dice que las medias son significativas, en caso contrario no son significativas o
estadsticamente .
1) Ordenamos la media de mayor a menor
HP7 HP5 HP6
19,43
17,316
16,7833
HP6
16,78
HP5
17,31
HP7
19,43
HP5
17,31
2,65
0,53
2,12
0,0
HP6
16,78
0,0
HP7
19,43
0,0
DMS=16,0094
4)
HP7
HP5
HP6
19,43
17,31
16,78
CONCLUSIN: Las Harinas no tienen mayor diferencia entre HP5 Y HP6, si hay
diferencia significativa entre HP7 y HP6, las medias de todas estas con respeto DMS
son significativas.
Apndice 2
Aplicacin prctica
Experimentos sin bloquear - Diseo totalmente aleatorizado o completamente al
azar
Ejemplo
Se quiere mejorar las propiedades de transportabilidad, manejo y presentacin de las
rosquillas elaboradas por una panificadora, para tal efecto de determinara el efecto que
sobre la dureza de estas tiene la incorporacin de tres aditivos en la misma proporcin;
los aditivos se incorporaran individualmente en la masa elaborada (amasijo).
Ingrediente A
Ingrediente B
Ingrediente C
Figura 12. Diagrama de flujo para la produccin de rosquillas a partir de una masa
estandarizada.
Para el estudio los investigadores emplearon un diseo de experimentos completo al
azar o sin bloquear-simple y balanceado por que todos los tratamientos tienen el mismo
nmero de datos.
Hiptesis de investigacin: La hiptesis planteada es que al menos uno de los tres
ingredientes mejorara la dureza final de las rosquillas.
H0 : U1=U2=U3
Y la hiptesis alterna
HA: U1 # U2 # U3
Diseo del experimento: una masa bien homognea para la confeccin de las
rosquillas se divide en seis porciones iguales y a cada dos de ellas se les mezcla el
ingrediente seleccionado.
El primer paso es aleatorizar asignndole una secuencia de nmeros aleatorios a las
unidades experimentales, utilizando una de las tablas de permutacin de donde se
toma una permutacin aleatoria por ejemplo:
318594267, asignar el primer tratamiento a las tres porciones del tratamiento A, los dos
siguientes al tratamiento B y finalmente los otros dos restantes al tratamiento C
En la tabla siguiente se resume la aleatorizacin hecha.
Tabla 12. De aleatorizacin para el ejemplo de las rosquillas
3
Tratamiento
o aditivo
Secuencia de
experimentacin
Aditivo A
Secuencia de
experimentacin
Aditivo B
10
21
27
Secuencia de
experimentacin
Aditivo C
10
12
31
Gran media
10.33
79
8.77
Yij
yij
7+9 +5+10+8+9+10+9+12 = 79
j 1
21/ 3 = 7
10+8+9= 27
27/3 = 9
10+9+12= 31
31/3= 10.33
Yij
ij
i 1
j 1
SCTotal
3.1. Calculamos
Y ..
SC Total
i 1
j 1
y ij
Y ..
= {(7) + (9) + (5) +(10) + (8) + (9) + (10) +(9) + (12) }- {(79) /3x3 }=
SCTotal = 725 693.4444= 31.5556
SCT=SCE+SCt
SCT SCt = SCE
SCE = 31.5556 - 23.5555= 8.0
6- Calculo de los grados de libertad
6.1.
6.2.
6.3.
SC
CM
F0
de
Libertad
Suma de
Cuadrados
Razon
medios
Ecuac
Ecuac
Ecuac
cuadrados
Ecuac
Tratamientos
3-1=2
23.5555
11.77775
8.83
Error
Total
6
(9-1)=8
8
31.5556
Fuente de
variacin
p-valor
0,1004
1.3333
SSTotales / (kn -1)
/ n) )
S= t
-k (0.888888)
S= t
1.3333 / 3)
(0.9428)
Muestras
Media
Homogeneidad
del grupo
Contraste (Diferencia)
A
B
3
3
7
9
X
XX
A-B
B-C
( -2)
(-3.33)*
10.33
B-C
(-1,33)
Apndice 3
Un grupo de profesionales-del que Ud hace parte, desarrollo un proyecto de investigacin
el cual tena como meta estudiar la composicin de amino cidos de una alga cultivada en
superficie en cuatro sustratos diferentes. Obtenindose los siguientes resultados:
19.9
20.1
21.6
19.9
16.13
57.29
56.67
53.98
56.59
39.23
51.16
50.91
48.62
49.96
46.96
90.26
91.00
88.78
91.78
85.76
Grasa
Tot
4.81
5.75
4.37
5.75
4.07
EB
AcGrasS AGI
19.74
20.08
18.91
18.09
12.54
3.12
3.89
3.01
3.10
3.17
1.43
1.85
1.85
1.37
1.21
1.32
1.87
1.98
1.79
1.10
2.82
2.91
3.13
2.82
2.21
8.12
7.96
8.86
8.58
6.42
S1 X
MatSec
19.9
ProtC
ProtV
S2 X
396.01
20.1
404.01
57.29
51.16
3282.144
2617.345
56.67
50.91
3211.488
2591.828
ProS
GrasaTot
90.26
4.81
8146.867
23.136
91.00
5.75
8281
33.0625
EB
19.74
389.667
20.08
403.2064
AcGrasS
3.12
9.7344
3.89
15.1321
AGI
1.32
1.7424
1.87
3.4969
AGP
1.43
2.0449
1.85
3.4225
FDN
2.82
7.9524
2.91
8.4681
FDI
8.12
65.9344
7.96
63.3616
TOTAL
259,97
14942,54
262,99
15018,46
Sustrato 1:
S1 (total)/ 11(sustratos total)
= 259,97/11 (sustratos) = 23.633
Sustrato 2:
S2
= 262,99/11 = 23,908
Media total entre los dos sustratos:
S1 + S2 /22
522,96/22 = 23,770
Suma total de los cuadrados:
2
SS
0,41
df
1
MS
0.41
F
0,0004677
Nivel de
signo
0,05
entre
dos
sustratos
Suma
de
los
cuadrados
dentro
de
los
sustratos
TOTAL
17529,36
20
17529,77
21
876,468
df: son los grados de libertad asociado a cada fuente de varianza, el numero de grados
de libertad de la varianza entre grupos (G-1) es 2-1 = 1 y los grados de libertad de la
varianza dentro de los grupos es: 11 1 +11 1 = 20.
MS: cuadrado de la media entre los grupos y el cuadrado de la media dentro de los
grupos. Se obtienen dividiendo la suma de los cuadrados as:
0,41/1 = 0,41 y 17529,36/20 = 876,468.
d) Hiptesis: no existe diferencias entre las medias de los tratamientos.
Para hallar el producto final, o sea la razn F, se divide el cuadrado de la media entre
los grupos y el cuadrado de la media dentro de los grupos previamente obtenidos:
F = 0,41/876,468 = 0,0004677
e) Se puede decir que hay diferencias entre los distintos sustratos? mirar la tabla de la
razn F3, con el fin de determinar si esta tiene significancia estadstica.
Localizando los grados de libertad entre grupos (numerador) y el nmero de grados de
libertad dentro de los grupos (denominador), encontramos: los grados de libertad son 1
y 20, lo cual establece una razn de F de 4,3513.
F calculada en el ejemplo anterior resulta menor que el valor anterior, no es significativa
en el nivel 0,05, ya que si se hubiera obtenido la razn F igual o mayor que la
encontrada en la tabla, entonces la diferencia hubiera sido significativa y se rechazara
la hiptesis nula.
f) Y, en que otro tipo de situacin experimental para su trabajo disciplinar, se podra
presentar este tipo de anlisis: Existen muchas situaciones en la Ingeniera de
Alimentos, donde se presentan estos ejemplos de anlisis, por ejemplo: anlisis de
porciones con cierta muestras de alimentos, experimentos acerca del empleo de
qumicos para alguna prueba de laboratorio, hay mucho ejemplos lo que se debe tener
en cuenta y es muy importante tomar el anlisis correcto.
Apndice 4
Un equipo de ingenieros de alimentos y zootecnistas realiz un experimento, con el fin de
mejorar las condiciones de una dieta para semovientes, agregado dos complementos
alimenticios diferentes a sus ingredientes bsicos (cinco porcentajes diferentes). Las
distintas calidades del primero se indican con las letras latinas y las del segundo por las
letras griegas. Se suministra la dieta a los animales clasificados de acuerdo con cinco
pesos inciales (W1, W2, W3, W4, W5) y cinco razas diferentes (R1,R2, R3, R4, R5). Los
incrementos de peso logrado por el tiempo del experimento se muestran en la tabla dada a
continuacin, especifique si es correcto el diseo seguido, de respuesta a las siguientes
inquietudes, realizando y desarrollando los clculos segn el caso.
FACTOR DE CORRECCION
FC: (X)2 / 25
FC: 185761/ 25
FC: 7430,44
SUMA DE LOS CUADRADOS TOTAL
SCTotal: 7881-7430,44
SCTotal: 450,56
SCHileras: 13,36
SCColumnas: 22,16
SCTratamientos: 350,56
SC4 Factor: 10,16
SCError: 54,32
Ft
FUENTES
GRADOS
DE
SC
CM
Fo
5%
1%
LIBERTAD
TRATAMIENTOS 4
COLUMNAS
4
4 Factor
4
HILERAS
4
ERROR
8
TOTAL
24
S=6,79/5 = 0.521.
Sd=2(6,79)/5 = 1,648.
350,56
22,16
10,16
13,36
54,32
450,56
87,64
5,54
2,54
3,34
6,79
12,90722
0,815906
0,37408
0,4919
3,84
3,84
3,84
3,84
7,01
7,01
7,01
7,01
2
3
CONCLUSIN
sig.
A-D
8.4
23.6
15.2
5.4781
Sig.
A-C
8.0
23.6
15.6
5.4781
Sig.
A-B
4.6
23.6
19.0
5.4781
No sig.
C-E
6.2
19.0
12.8
5.4781
Sig.
C-D
3.8
19.0
15.2
5.4781
No sig.
C-B
3.4
19.0
15.6
5.4781
No sig.
B-E
2.8
15.6
12.8
5.4781
No sig.
B-D
0.4
15.6
15.2
5.4781
No sig.
D-E
2.4
15.6
12.8
5.4781
No sig.
e) Consideras que los datos tomados son suficientes? O habra que tomar
datos adicionales?
Si porque con estos datos se pudo identificar diferencias significativas, y determinar
cul tratamiento causa variacin.
Apndice 5
Diseo factorial
Un ingeniero est interesado en el efecto de la velocidad de corte (A) en la dureza de
una pierna de bovino (tejido muscular y hueso) congelada instantneamente por IQF
(B) y el ngulo de corte (C) sobre la duracin del dispositivo utilizado-sierra. Para lo
cual el equipo de trabajo eligi dos niveles para cada factor y corri dos rplicas en un
diseo factorial 23. La tabla siguiente presenta los datos de tiempo de duracin (en
horas) de la herramienta.
COMBINACION
DE
TRATAMIENTOS
(1)
a
b
ab
c
ac
bc
abc
REPLICA
TOTAL
II
221
325
354
552
440
406
605
392
311
435
348
472
453
377
500
419
Modelo estadstico
Donde,
: efecto medio general
li: efecto del i-simo nivel del factor A
j: efecto del j-simo nivel del factor B
k: efecto del k simo nivel del factor C
532
760
702
1024
893
783
1105
811
6610
, k=1,2
A=
4(2)
1
[3378-3232]
8
A = 18.25
Efecto congelacin IQF
B=
B=
1 [b+ab+bc+abc-(1)-a-c-ac]
4n
1
[702+1024+1105+811-532-760-893-783]
4(2)
B = 1 [3642-2968] 8
B= 84.25
Efecto ngulo de corte
C= 1 [c+ac+bc+abc-(1)-a-b-ab] 4n
C= 1 [893+783+1105+811-532-760-702-1024]
4(2)
C= 1 [3592-3018] 8
C= 71.75
Efecto promedio de AB
AB=
1 [(1)-a-b+ab+c-ac-bc+abc]
4n
AB= 1 [532-760-702+1024+893-783-1105+811]
4(2)
AB=
1 [3260-3350]
8
AB= -11.25
Efecto promedio AC
AC=
1 [(1)-a+b-ab-c+ac-bc+abc]
4n
AC= 1 [532-760+702-1024-893+783-1105+811]
4(2)
AC= 1 [2828-3782] 8
AC= -119.25
Efecto promedio BC
BC= 1 [(1)+a-b-ab-c-ac+bc+abc] 4n
BC=
1 [532+760-702-1024-893-783+1105+811]
4(2)
BC= 1 [3208-3402]
8
BC=-24.25
Efecto promedio de ABC
ABC=
1 [abc-bc-ac+c-ab+b+a-(1)]
4n
ABC= 1 [811-1105-783+893-1024+702+760-532]
4(2)
ABC= 1 [3166-3447] 8
ABC= -35.13
SSA= (146)
16
SSA = 1332.25
SSB= (contraste B)2
8n
2
SSB= (674)
16
SSB = 28392.25
SSC= (contraste C)
8n
SSC= (574)
16
SSC= 20592.25
SSAB= (contraste AB)
8n
SSAB= (-90)
16
SSAB=506.25
SSAC= (-954)
16
SSAC= 56882.25
SSBC=2352.25
SSABC= (contraste ABC)
8n
SSABC= (-281)
16
SSABC= 4935.06
SUMA DE CUADRATOS TOTAL
SST= [(221)
2
+(311) +(325) +(435) +(354) +(348) +(552) +(472) +(440) +(453) +(406) +(377) +(605)
16
SSE = 19595.19
SSE: Tiene 8(n -1) grados de libertad; porque cada suma de los efectos principales e
interacciones tienen un grado de libertad cada una.
Media de cuadrados
MSA = SSA = 1332.25 = 1332.25
a-1
21
MSB = SSB = 1332.25 = 28392.25
b-1
21
MSC = SSA = 1332.25 = 20592.25
c-1
MSAB = SSA
21
= 1332.25 = 506.25
(a-1)(b-1)
MSAC = SSA
1x1
= 1332.25 = 56882.25
(a-1)(c-1)
MSBC = SSA
1x1
= 1332.25 = 2352.25
(b-1)(c-1)
MSABC = SSA
1x1
= 1332.25 = 4935.06
(a-1)(b-1)(c-1)
1x1x1
MSE = SSA
= 1332.25 = 2449.39875
abc(n-1)
2x2x2(1)
Fo = MSA = 1332.25 = 0.54
MSE
2449.39
Fo = MSB = 28392.25 = 11.59
MSE
2449.39
Fo = MSC = 20592.25 = 8.40
MSE
2449.39
Fo = MSAB = 506.25
= 0.20
MSE
2449.39
2449.39
DE
GRADOS
DE
SUMA
DE
CUADRADOS
VALOR DE F
VARIACION
LIBERTAD
CUADRADOS
MEDIOS
1332.25
1332.25
0.54
28392.25
28392.25
11.59
20592.25
20592.25
8.40
AB
506.25
506.25
0.20
AC
56882.25
56882.25
23.2
BC
2352.25
2352.25
0.96
ABC
4935.06
4935.06
2.01
F CRTICA
(1,8,0.05)
5.32
ERROR
19595.19
TOTAL
15
134587.75
2449.39875
Tomando = 0.05 para obtener el F de tablas con un grado de libertad del numerador y
8(n-1)= 8(2-1) = 8 en el denominador, se tiene que:
F, 1,8(n-1) = F0.05, 1,8 = 5.32
Conclusiones
Revismoslas, analicmoslas y fijemos nuestra posicin acorde con criterios
estadsticos.
a) Para el caso del factor A (velocidad de corte) el F0 < F Tablas (0.54<5.32); por lo
tanto, se acepta H0 y se rechaza H1; es decir, que velocidad de corte no influye
significativamente en la duracin del dispositivo utilizado-sierra
b) Para el caso del factor B (congelacin IQF) el F0 > F Tablas (11.59 >5.32); por lo
tanto, se rechaza H0 y se acepta H1; es decir, que la congelacin IQF influye
significativamente en la duracin del dispositivo utilizado-sierra
c) Para el caso del factor C (ngulo de corte) el F0 > F Tablas (8.40>5.32); por lo tanto,
se rechaza H0 y se acepta H1; es decir, que el ngulo de corte influye
significativamente en la duracin del dispositivo utilizado-sierra
d) Para el caso de la interaccin del Factor A y el factor B (velocidad de corte y
congelacin IQF) el F0 < F Tablas (0.20<5.32); por lo tanto, se acepta H0 y se rechaza
H1; es decir, que la velocidad de corte y la congelacin IQF no influyen
significativamente en la duracin del dispositivo utilizado-sierra
e) Para el caso de la interaccin del Factor A y el factor C (velocidad de corte y el
ngulo de corte) el F0 >F Tablas (23.2>5.32); por lo tanto, se rechaza H0; es decir, que
la velocidad de corte y el ngulo de corte influyen significativamente en la duracin del
dispositivo utilizado-sierra.
f) Para el caso de la interaccin del Factor B y el factor C (congelacin IQF y ngulo de
corte ) el F0 < F Tablas (0.96<5.32); por lo tanto, se acepta H0 y se rechaza H1; es
decir, que la congelacin IQF y el ngulo de corte no influyen significativamente en la
duracin del dispositivo utilizado-sierra.
g) Para el caso de la interaccin del Factor A, factor B y el factor C (velocidad de corte,
congelacin IQF y ngulo de corte) el F0 < F Tablas (2.01<5.32); por lo tanto, se acepta
H0 y se rechaza H1; es decir, que la velocidad de corte, congelacin IQF y ngulo de
corte no influyen significativamente en la duracin del dispositivo utilizado-sierra.
GLOSARIO
Anlisis de varianza: Es una tcnica estadstica que sirve para analizar la variacin total
de los resultados experimentales de un diseo en particular, descomponindolo en
fuentes de variacin independientes atribuibles a cada uno de los efectos en que
constituye el diseo experimental.
Anlisis multivariante: Cualquier tcnica estadstica diseada para medir la influencia
de varias variables independientes actuando simultneamente en ms de una variable
dependiente.
Bloque: conjunto de unidades experimentales lo ms homognea posible, en el cual,
aparecen todos los tratamientos una sola vez.
Diseo al azar: se usa cuando las unidades experimentales son homogneas, y la
variacin entre ellas es muy pequea.
Diseo de bloques: se presenta cuando se renen las unidades experimentales a las
cuales se les aplicaran los tratamientos, en bloques de cierto tamao, de tal forma que
los tratamientos se efecten dentro de cada bloque.
Diseo experimental: Plan general del procedimiento para llevar a cabo un experimento
en funcin de unos datos especficos deseados.
Diseo factorial. Diseo experimental que incorpora uno o ms niveles de dos o ms
variables independientes.
Desarrollo Experimental: Trabajo sistemtico sobre el conocimiento ya existente,
adquirido a travs de investigaciones o experiencias prcticas, que se dirige a producir
nuevos materiales, productos, sistemas o mtodos; instalar nuevos procedimientos,
sistemas o servicios; o mejorar sustancialmente los producidos instalados.
Error experimental: medida de la variacin que existe entre las observaciones de
unidades experimentales en el mismo tratamiento.
Estadstica: Subdisciplina de las Matemticas que rene y evala datos numricos y
los trata de tal manera que la relacin entre esos datos se muestra claramente.
Innovacin: se entiende por innovacin tecnolgica la transformacin de una idea en
un producto nuevo o mejorado que se introduce en el mercado.
Interaccin: Una interaccin ocurre cuando el efecto de un factor de entrada en la salida
depende del nivel de otro factor de entrada. A veces se pierden con los diseos factoriales
fraccionales.
Sin interaccin
Interaccin
moderada
Interaccin
fuerte
Interaccin
fuerte
Referencias
1. Bavaresco, A. (1979). Las tcnicas de la investigacin. Edit. Scott, Foresman & Co.
4 edicin. Gienview, Illinois, USA. (1 Edicin: 1974).
2. Berenson, M., Levine, D. & Krehbiel, T. (2001). Estadstica para administracin. Edit,
Pearson, 2a Edicin, Mxico, 734p
3. Bicking, A.(s.f). Some Uses of statistics en the Planning of Experiments. Industrial
Quality Control, Vol. 10 No. 4.
4. Bunge, M. (1980). Ciencia y desarrollo. Edit. Siglo Veinte. Buenos Aires, Argentina.
5. Christensen, H. (1990). Estadstica paso a paso. Edit Trillas. 5 Edic, Mxico. 682 p.
6. Cochran, W. & Cox, G. (2001). Diseos experimentales. Edit, Trillas, 5 reimpresion.
Mexico, 661p.
7. Cox, D. (1978). Planning of Experiments. John Wiley and Sons, Inc. New York, 700p.
8. Dawson, B. & Trapp, R. (2002). Bioestadstica mdica. Edit, manual moderno. 3
Edicin. Mexco, 435p.
9. Hernndez, R. (2003). Metodologa de la investigacin. Edit Mac Graw hill. Mexico,
692 p.
10. Hinkelmann, K. (1994). Design and analysis of experiments. Vol I, edit. John Wiley
& sons, inc.495 p.
11. Howard, B. (2004). Estadstica paso a paso. Edit, Trillas, 3 edicion.Mexico, 682p.
12. Kempthorne O. (1952). The Design and Analysis of Experiments. John Wiley and
Sons. New York, 420 p.
13. Kuehl, O. (2000). Diseo de experimentos. Thompson Learning, .2da edicin. Mxico.
http://www.sas.com/software/index.html
www.educarchile.cl/eduteca/estadistica/esc_medic.htm
es.wikipedia.org/wiki