Sie sind auf Seite 1von 41

Apndice 1

Repaso de la estadstica aprendida en cursos anteriores


Recientemente un instituto de certificacin de normas tcnicas realizo una investigacin
sobre la composicin bromatolgica de alimentos. Estudio en donde
se pretende lograr una confiabilidad del 98%, una probabilidad esperada del 55%
y no cometer un error superior al 2 %.
Los interesados tomaron muestras del producto vegetal directamente de los rboles, en
tres pocas de cosecha diferente pero consecutiva, procesaron el material y
determinaron algunas propiedades fsico-qumicas, reportada en la tabla 1.
Tabla 1. Composicin qumica de harinas de pltano, de ocho localidades diferentes
(%)**
Caracterstica/procede
ncia
Harina de platano-1
Harina de platano-2
Harina de platano-3
Harina de platano-4
Harina de platano-5
Harina de platano-6
Harina de platano-7
Harina de platano-8

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

a) Describa detalladamente el diseo del experimento que programaron los


profesionales a cargo del proyecto. Se deben identificar los elementos que
intervienen en el estudio experimental.
Rta: Es un diseo completamente al azar. Se trata de un experimento de una
variable (en este caso la localizacin). En el cual se pretenda medir su efecto
sobre el contenido qumico (bromatolgico) de las muestras tomadas (tres por
cada localidad) y partir de los resultados generados y que se presentan en la
tabla 1, realizar los anlisis respetivos.
Los elementos que intervienen en el diseo experimental son: Las ocho
localidades (variables), las unidades de anlisis u observacin objeto de la
evaluacin (planta de pltano) las personas que toman los datos, el laboratorio
donde se hace los anlisis y quien organiza, procesa y e interpreta los datos.
b) Se podra asociar un modelo matemtico a la experimentacin
desarrollada? No; no se hablo de tratamiento.
Ho: = =*=
1

Ha: al menos una humedad es diferente de las dems.


C) El nmero de muestras fue apropiado? Justifique su respuesta atreves de una
formula.
Para obtener el tamao de la muestra de una poblacin determinada se requiere
tomar en cuenta los siguientes factores:
1- El tiempo y los recursos disponibles.
2- Las tcnicas de muestreo.
3- Las tcnicas de anlisis de datos.
4- La estimacin de la varianza.
5- El margen de error mximo posible.
6- El nivel de confianza.
Esta frmula se utiliza cuando se desconoce el tamao de la poblacin.
n= 2

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).

*Clculo del nmero de muestras: Utilizando los tres valores correspondientes al


resultado de la humedad (13,1-12,2-12,1)
VARIANZA:
=
2

(13,112,5) +(12,212,5) +(12,1+12,5)

(31)

0,36+0,09+0,16

0,61

= 0,30

Desviacin estndar:
S=0,30=0,54

Aplicamos la frmula para calcular el nmero de muestras, tenemos:


n=
2

9.06040,29

9820,54 2

= 696
4

*Calculando el numero de muestras utilizando los ocho valores correspondientes a los


resultados de la humedad (10; 7.1; 14; 13; 1; 12.2; 12.1; 14) de la tabla.
VARIANZA:
(10 12.1)2 + (7.5 12.1)2 + (14 12.1)2 + (14 12.12 + (13.1 12.1)2 + (12.2 12.1)2 + (12.1

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

Aplicando la frmula para obtener el nmero de muestra tenemos:


n=
=
2

98 2,31

96045,33

= 12,797

22

d) Qu tipo de informacin grafica se podra construir con los datos tomados?

-Podramos generar un diagrama de columna agrupada para representar cada


caracterstica Bromatolgica de las tres harinas de pltano que elegimos.
80
70
60
50
4
0
3
0
2
0
1
0

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

e) Determine el intervalo de confianza para la proporcin de varianza de una de las


propiedades determinadas

Tabla de valores de Z de los diferentes niveles de confianza

Nivel de 99.73% 99%


Confianza

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

aqu es de 98% y si nos fijamos en la tabla podemos ver que

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

2) Hallamos el valor de DMS == (4,18) (3,83)=16,0094


3) Se busca la diferencia entre todas las medias para lo cual se implementa la siguiente
Tabulacin.

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).

Diseo experimental totalmente aleatorizado


Rosquillas

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

La dureza se evala despus de seis das de almacenamiento a 10*C.

Tabla 13. Datos obtenidos en la determinacin de la dureza para el ejemplo de las


rosquillas.
Tratamientos

Dureza o variable de respuesta


Total
Media
Determinacin
c/trata
(Und / cmt)
miento

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

Solucin: con los datos de la tabla desarrollamos las siguientes operaciones:


1- Sumamos todos los resultados individuales (determinaciones de la dureza) o
sumatoria total.
n

Yij

yij

7+9 +5+10+8+9+10+9+12 = 79

j 1

2- Podemos calcular la media por tratamiento y la gran media.


a= nmero de tratamientos.
r=repeticiones de haberse realizado.
N= total de mediciones-datos (N= anr).
r=1 solo una medida por tratamiento.
Yij1 Yij
n
7+9 +5= 21

21/ 3 = 7

10+8+9= 27

27/3 = 9

10+9+12= 31

31/3= 10.33

Gran media 79/ 9 = 8.77


Y

79 Obsrvese que es igual a


yij j 1

Yij

3- Elevamos al cuadrado cada uno de los datos u observaciones registradas. Cada


observacin de cada tratamiento se eleva al cuadrado.
a

ij

i 1

= {(7) + (9) + (5) + (10) + (8) + (9) + (10) + (9) + (12) } =

j 1

(49)+ 81+25+100+64+81+100+81+144= 725

SCTotal
3.1. Calculamos

Y ..

= {(79) /3x3} = 693.4444

Conocido tambin como factor de correccin


4- Elevamos al cuadrado la suma horizontal de los tratamientos (hallados en 2)
estos valores (cuadrados) para cada tratamiento se suman.
Aplicamos la frmula para calcular la suma de cuadrados por tratamiento= SCt.
2

SCtratamientos = [{(21) + (27) + (31) }]/3 -- {(79) /3x3} =


SCtratamientos = {441 + 749+ 961}/ 3 693.44444= 717- 693.4444= 23.5555
5- Todos los valores-determinaciones (producto cuadrado) se suman, con esta
calculamos la suma total de cuadrados.

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.

Libertad de los tratamientos= 3-1 = 2

6.2.

Libertad total= 9-1= 8

6.3.

Libertad total - Libertad de los tratamientos = 8-2 = 6

7. Calculo de los cuadrados medios


7.1 . Cuadrado medio de los tratamientos
CMtratamient = SCtrata/ libertad tratamieno
CMtratamient = 23.5555/ 2 = 11.77775

7.2 . Cuadrado medio del error

CMerror = SCerror/ libertad


error CMerror = 8 / 6 = 1.3333
7.3. Cuadrado medio total
CMtotal = SCtotal/ libertad total
CMtotal =31.5556 / 8 = 3.9445
Tabla 14. Anlisis de varianza para evaluar el efecto de los aditivos en la elaboracin de
rosquillas.
Grados

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)

Como la razn de varianza calculada-8.83 para los tratamientos es menor que la


reportada-propuesta en la tablas de valores criticos de distribucin F -19.3 para 2
grados de libertad en el numerador (tratamientos) y 6 en el denominador (error) para
una significancia-alfa de 5%, concluimos que al menos un tratamiento es diferente.
Entonces la pregunta del investigador es: Cul de ellos?.
U establecer especficamente cules son las medias que difieren entre s en forma
significativa.
Para el efecto utilizamos los llamados mtodos de comparaciones mltiples como la
mnima diferencia significativa (LSD), el mtodo de Tuckey y el mtodo de Dunnett.
La Diferencia Mnima Significativa (DMS) esta es la diferencia entre dos medias,
basadas en la prueba t de Student, empleando el valor de la varianza del error. El valor
de la LSD se encuentra referido a la distribucin de t por la siguiente relacin:
- Media del tratamiento B = Sd (t)
-k

N-K = grados de libertad del error = 6

/ n) )

es el error tpico de la media

n= 3- nmero de muestras en experimentacin por tratamiento.


-k

S= t

-k (0.888888)

S= t

1.3333 / 3)

(0.9428)

= 2.44 extractado de las tablas de puntos crticos para la distribucin T

de Student con los grados de libertad del error.


S = 2.44 (0.9428)
S= 2.3
Las diferencias entre las medias son
A - B = -2
A - C = -3
B - C = 1,33
Si la diferencia entre dos promedios seguidos excede el valor de 2.3, se la declara
significativa al nivel del 5%.
En este ejemplo, la LSD indica que no hay diferencias significativas entre tratamientos
adyacentes, pero la F de la ANALISIS DE LA VARIANZA indica que s existen
diferencias si se comparan medias no adyacentes, en este caso, el investigador podra
optar por otro tipo de prueba de rango mltiple.
Por ejemplo si utilizamos adems la prueba de rango mltiple para las rosquillas: 95%
LSD, obtenemos los siguientes resultados:

Tabla 15. Anlisis de homogeneidad y contraste de las rosquillas.


Tratamiento

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)

* Indica diferencia estadsticamente significativa


Comprobando que el tratamiento seleccionado es el que presenta mejores condiciones
para ser aplicado a la rosquilla.
Solucin por computadora
Hay muchos paquetes de software de estadstica que cuentan con la capacidad para
probar hiptesis estadsticas. SPSS- EXCELL-

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:

Tabla 6. Composicin Bromatolgica (% Bs) De La Harina De un alga desconocida.


Segn Los Sustratos Alimenticios/ **
Sustrato MatSec ProtC ProtV ProS
S1
S2
S3
S4
S5

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

AGP FDN FDI

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

Datos tomados con fines educativos


Identifique con toda precisin: las unidades experimentales, los factores, los
tratamientos, las variables y dems caractersticas que intervienen en el estudio que
realizo tu equipo de trabajo.
Igualmente te solicitamos que de respuesta a las siguientes preguntas:
a) Qu tipo de diseo siguieron los profesionales a cargo del estudio?
b) Plantee el modelo matemtico, justificando su respuesta.
c) Establezca las suposiciones necesarias para el anlisis de varianza de los datos.
Realice el anlisis de varianza.
d) Pruebe la hiptesis que no hay diferencias entre las medias de los tratamientos con
la prueba de F a un nivel de significancia de 0,05.
e) Se puede decir que hay diferencias entre los distintos sustratos?
f) Y, en que otro tipo de situacin experimental para su trabajo disciplinar, se podra
presentar este tipo de anlisis. Describa el ejemplo
Desarrollo
-Los factores: El alga cultiva en superficie.
-Las unidades experimentales del presente ejercicio son: composicin de aminocidos
de un alga.

-Los tratamientos: los cinco sustratos diferentes.


-Variables: resultados de la composicin de aminocidos.
a) Tipo de diseo: despus de analizado este ejercicio parece ser que presenta el nivel
descriptivo ya que describe las caractersticas de la composicin de aminocidos del
alga y su comportamiento en los cinco sustratos.
b) El modelo matemtico: se va a utilizar el anlisis de varianza (Esta medida nos
permite identificar la diferencia promedio que hay entre cada uno de los valores
respecto a su punto central (Media ) (ANOVA), esta se utiliza para determinar una
razn de las diferencias observadas, el nivel de margen de error y as mismo para
comprobar la hiptesis que se presenta mas adelante.
c) Anlisis de varianza:
Para este ejercicio se trabajara con los siguientes sustratos:
Composicin Bromatolgica (% Bs) De La Harina De un alga desconocida. Segn dos
Sustratos Alimenticios.
Aminocidos

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

xt = X - (X) = 29961 (522,96) = 29961 12431,23


------- -----------N 22
= 17529,77
Suma de los cuadrados entre los dos sustratos:
2

xb = (X1) + (X2) + ....- (X)

------- -------- ---------=


n1 n2 N
2

= (259,97) /11 + (262,99) /11 (522,96) /22 =


0,41 Entonces
Suma de los cuadrados dentro de los sustratos:
Esta se puede calcular restando la suma de los cuadrados entre los grupos y la suma
total de los cuadrados.
2

xb = 17529,77 0,41 = 17529,36


Sacamos luego un resumen de las varianzas respecto de los dos sustratos S1 y S2.
Fuente de
varianza
Suma de
los
cuadrados

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.

a. Qu tipo de diseo experimental siguieron los proyectantes? Por qu?


El diseo que siguieron los proyectantes fue el cuadro Greco latino, el cual tiene
las siguientes caractersticas:
v Es un diseo con cuatro factores a k
niveles v Se asume que no hay interacciones
v Requiere k2 observaciones
v El diseo factorial completo requiere k4
v Cada nivel de un factor aparece una vez con cada nivel de los otros
factores v Es una superposicin de dos cuadrados latinos
Cada letra griega aparece una vez en cada fila, en cada columna y una con cada
letra latina

En los arreglos por bloques, se pueden analizar 4 factores, introduciendo un cuarto


factor o bloque en un diseo cuadrado latino, siguiendo las mismas reglas utilizadas
para introducir un tercer factor en un diseo cuadrado de dos factores. A este cuarto
factor o bloque se le denomina Componente GRIEGO, ya que se utilizan letras griegas
para identificar sus niveles, a la adicin de un diseo cuadrado latino y un cuarto factor,
se le llama Diseo Cuadrado Greco-Latino.
b. Defina la variable, los tratamientos, elige una significancia apropiada.
TRATAMIENTOS:
Las diferentes dietas
VARIABLES:
El peso de los animales
c. Calcule el ANOVA.

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

Existe una confiabilidad de 15 %.


Para F 0.05, 4, 8 = 3.84, entonces tenemos:
Raza: Como la Fo (0,50) < F 0.05, 4, 8 = 3.84, entonces se Acepta Ho, la raza no es
fuente de variacin para la respuesta.
Peso: Como la Fo (0,82) < F 0.05, 4, 8 = 3.84, entonces se Acepta Ho, el peso no es
fuente de variacin para la respuesta.
Como la Fo (12,9) > F 0.05, 4, 8 = 3. 84,
Ho. Se rechaza, el primer complemento alimenticio es el que causa variacin.
Como la Fo (0,38) < F 0.05, 4, 8 = 3.84,
Ho. Se acepta, el segundo complemento no es fuente de variacin.
a. Se podran realizar comparaciones entre medias? Justifique su respuesta.
La hiptesis nula
H0: m1 - m2 = d0
Generalmente d0=0
Hay 3 situaciones distintas:
1

conocidos (poco frecuente).

2
3

desconocidos pero iguales.


desconocidos pero distintos.

Los estadsticos son distintos (z en 1 y t en 2 y 3) pero el procedimiento es el mismo.


En los 3 casos se supone que las muestras son independientes; si no lo fueran hay
otro estadstico (t pareada).
Todos asumen normalidad. Si no se cumpliera hay que usar los llamados test no
paramtricos.
e. En caso afirmativo determine la mejor de ellas
N efectivo de replicacin = 5
COMPARACIN
A-E

DIFERENCIA PROMEDIO PROMEDIO DMS


1
2
10.8
23.6
12.8
5.4781

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.

a. Represente grficamente los datos y calcule los efectos correspondientes y las


interacciones de cada uno de los factores.
b. Determine cules de estos efectos son importantes usando la tabla de anlisis de
varianza.
c. Determine los residuos.
d. Ajuste un modelo estadstico para estos datos
e. Reporte las conclusiones obtenidas.
Nota: Representar los datos. Interpretar los resultados enunciando las hiptesis.
Solucin al ejercicio
Geomtricamente las combinaciones de tratamientos que se encuentran en la tabla
anterior, se representan de la siguiente forma:

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

: Efecto de la interaccin entre el i-simo nivel de A y el j-simo nivel de B


: Efecto de la interaccin entre el i-simo nivel de A y el k-simo nivel de C
: Efecto de la interaccin entre el j-simo nivel de B y el k-simo nivel de C
: Efecto de la interaccin entre el i-simo nivel de A, j-simo nivel de B y el Ksimo nivel de C
: Componente del error aleatorio (error natural)
Tabla de hiptesis

Forma verbal de las Hiptesis a probar:


a) H0: La velocidad de corte no influye significativamente en la duracin del dispositivo
utilizado-sierra
H1: La velocidad de corte influye significativamente en la duracin del dispositivo
utilizado-sierra

b) H0: La congelacin IQF no influye significativamente en la duracin del dispositivo


utilizado-sierra
H1: La congelacin IQF influye significativamente en la duracin del dispositivo
utilizado-sierra
c) H0: El ngulo de corte no influye significativamente en la duracin del dispositivo
utilizado-sierra
H1: El ngulo de corte influye significativamente en la duracin del dispositivo utilizadosierra
d) H0: La velocidad de corte y la congelacin IQF no influyen significativamente
H1: La velocidad de corte y la congelacin IQF influyen significativamente en la
duracin del dispositivo utilizado-sierra
e) H0: La velocidad de corte y el ngulo de corte no influyen significativamente en la
duracin del dispositivo utilizado-sierra
H1: La velocidad de corte y el ngulo de corte influyen significativamente la duracin
del dispositivo utilizado-sierra
f) H0: La congelacin IQF y el ngulo de corte no influyen significativamente en la
duracin del dispositivo utilizado-sierra
H1: La congelacin IQF y el ngulo de corte influyen significativamente en la duracin
del dispositivo utilizado-sierra
g) H0: La velocidad de corte, la congelacin IQF y el ngulo de corte no influyen
significativamente en la duracin del dispositivo utilizado-sierra
H1: La velocidad de corte, la congelacin IQF y el ngulo de corte influyen
significativamente en la duracin del dispositivo utilizado-sierra

a=2 , b=2 , c=2 , n=2 , i=1,2 , j=1,2

, k=1,2

Estimacin de los efectos promedios de los factores principales e interacciones


Efecto A: velocidad de corte
Efecto B: congelacin IQF
Efecto C: ngulo de corte

Efecto velocidad de corte

A=

1 [a- (1) + ab b + ac c + abc - bc]


4n
A= 1
[760-532+1024-702+783-893+811-1105]
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

Los valores encontrados para cada uno de los efectos significan:


El efecto de la velocidad de corte es positivo e igual a 18.25; significa que se
espera un aumento de 18.25 en la duracin del dispositivo utilizado-sierra
El efecto de la congelacin IQF es positivo e igual a 84.25; significa que se
espera un aumento de 84.25 en la duracin del dispositivo utilizado-sierra
El efecto de del ngulo de corte es positivo e igual a 71.75; significa que se
espera un aumento de 71.75 en la duracin del dispositivo utilizado-sierra
El efecto de la velocidad de corte y la congelacin IQF es negativo (-11.25);
significa que la combinacin de ambos no afecta en la duracin del dispositivo
utilizado-sierra
El efecto de la velocidad de corte y el ngulo de corte es negativo (-119.25);
significa que la combinacin de ambos no afecta en la duracin del dispositivo
utilizado-sierra
El efecto de la congelacin IQF y el ngulo de corte es negativo (-24.25);
significa que la combinacin de ambos no afecta en la duracin del dispositivo
utilizado-sierra
El efecto de la velocidad de corte, la congelacin IQF y el ngulo de corte es
negativo (-35.13); significa que la combinacin de los tres no afecta en la
duracin del dispositivo utilizado-sierra
Contrastes para los efectos principales e interacciones:
Los contrastes son el resultado de lo que se encuentra entre parntesis de los efectos
Contraste A = 146
Contraste B= 674
Contraste C= 574
Contraste AB= -90
Contraste AC= -954
Contraste BC= -194

Contraste ABC= -281


Suma De Cuadrados
SSA= (contraste A)
8n

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= (contraste AC)


8n

SSAC= (-954)

16
SSAC= 56882.25

SSBC= (contraste BC)


8n
SSBC= (-194)
16

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)

+(500) +(392) +(419) ] (6610)

16

SST = 2865344 2730756.25


SST = 134587.75
Suma De Cuadrados Del Error
SSE = SST - SSA SSB SSC SSAB SSAC SSBC SSABC
SsE=

134587.75 1332.25 28392.25 20592.25 506.25 56882.25 2352.25 4935.06

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

Fo = MSAC = 56882.25 = 23.2


MSE
2449.39
Fo = MSBC = 2352.25 = 0.96
MSE
2449.39
Fo = MAABC = 4935.06 = 2.01
MSE

2449.39

Tabla Anlisis De Varianza


FUENTES

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

Investigacin bsica: es la investigacin original, terica o experimental, llevada a cabo


principalmente con objeto de adquirir nuevos conocimientos o una mayor comprensin
de los fenmenos y observaciones en estudio, sin el propsito de ninguna aplicacin
particular.
Investigacin aplicada: es tambin investigacin original llevada a cabo para adquirir
nuevos conocimientos. Sin embargo, va dirigida principalmente hacia objetivos
especficos eminentemente prcticos. Sus resultados son vlidos para un nico o
limitado nmero de productos, operaciones, mtodos o sistemas. El conocimiento o
informacin derivado de ella es, con frecuencia, patentado o bien, guardado como
secreto.
Metodologa: Trmino utilizado en sentido amplio que generalmente se refiere a
estrategias,
tcnicas o procedimientos usados en estudios experimentales, descriptivos o aplicados.
Prototipo o modelo: Primer ejemplar construido industrialmente, de una mquina,
vehculo, aparato, etc., y destinado a experimentar en funcionamiento sus cualidades y
caractersticas, con vistas a la construccin en serie.
Proyecto de investigacin. Se entiende el proceso de indagacin sistemtica y
planificada sobre un determinado problema temtico, inscrito dentro de una lnea de
investigacin, y en el marco global de un programa investigativo, tendiente a indagar
por una de las temticas particulares denotadas en la lnea.
Repeticin. El nmero de veces que un tratamiento aparece en el experimento.
Testigo: Es el tratamiento de comparacin adicional, que no debe faltar en un
experimento.
Tratamiento: es una de las formas que en cantidad o calidad, el factor a estudiar toma
durante el experimento.

Unidad experimental: Es el objeto o espacio al cual se aplica el tratamiento y donde


se mide y analiza la variable que se investiga. En los experimentos pecuarios la
unidad.
Variable independiente es una observacin hecha en cada unidad experimental antes
de aplicar los tratamientos, e indica hasta cierto grado la respuesta final de la unidad
experimental.

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.

14. Mndez I. (1980). Lineamientos Generales para la planeacin de Experimentos.


Monografa No. 15, Vol. 15 IIMAS.
15. Montgomery, D. (1991). Diseo y anlisis de experimentos. Grupo editorial
Iberoamrica. 589 p.
16. Padrn, E. (1996). Diseos experimentales con aplicacin a la agricultura. Editorial
trillas. Mexico, 320 p.
17. Ostle B. (1975). Estadstica Aplicada. Limusa-Wiley, Mxico, 420 p.

18. Montgomery, Douglas. Diseo y anlisis de experimentos. Grupo Editorial ibero


Amrica, 1a Edicin, Mxico, 589 p.

Direcciones de las pginas Web.


www.virtual.unal.edu.co/cursos/ciencias/2000352/ www.fao.org/docrep/T0848S/t0848s03.htm.pci204.cindoc.csic.es/tesauros/Tes_Psic/HT
ML/PSI_D6.HTM

http://www.sas.com/software/index.html
www.educarchile.cl/eduteca/estadistica/esc_medic.htm
es.wikipedia.org/wiki

Das könnte Ihnen auch gefallen