Beruflich Dokumente
Kultur Dokumente
PROGRAMA: BIOLOGIA
ASIGNATURA: DISEO EXPERIMENTAL
12
11
8 9 10 11 12 13 14 15
peso
La generacin de riqueza hoy
La informacin la tecnologa
la investigacin el trabajo
la gestin administrativa el liderazgo.
Formulacin
La formulacin de un problema es a menudo ms esencial que su solucin
que puede ser meramente un resultado de la habilidad matemtica o
experimental.
Alberto Einstein
CICLO DEL MTODO CIENTIFICO
FORMULACIN
OBSERVACIN HIPOTESIS
DEL PROBLEMA (H)
NUEVAS DISEO
EXPERIMENTAL
PREDICCIN
EXPERIMENTO
VERIFICACIN
ACEPTAR O
ANLISIS ESTADSTICO
RECHAZAR H
DEFINA EL PROBLEMA
PROPIEDADES
MTODO DE DISEO O RESPUESTAS
ANLISIS EXPERIMENTAL A ESTUDIAR
ESTADSTICO
FACTORES A
CONTROLAR
R-project
R es un lenguaje y entorno de programacin para anlisis estadstico y grfico.
Se trata de un proyecto de software libre, resultado de la implementacin GNU del premiado
lenguaje S. R y S-Plus -versin comercial de S- son, probablemente, los dos lenguajes ms
utilizados en investigacin por la comunidad estadstica, siendo adems muy populares en el
campo de la investigacin biomdica, la bioinformtica y las matemticas financieras. A esto
contribuye la posibilidad de cargar diferentes libreras o paquetes con finalidades especficas de
clculo o grfico.
agricolae2.DBCA.pdf
Desarrollador: R Foundation
S.O.: Multiplataforma
Gnero: Estadstica
Licencia: GPL
Sitio web: www.r-project.org
DIAGRAMA DE PROCESO
Generalmente existen tres versiones de un proceso
Formulacin
(Diagrama de espina de pescado) del problema
Es una herramienta que proporciona una visin grfica de todas las posibles
causas de un determinado problema.
Variables controlables
x1 x2 . . . .xn
Medidas
y
Evaluaciones
Materias
primas
X Procesos y = f(X)
Componentes
Factores controlados
Empaque
color del empaque
Almacenamiento
Tratamientos Respuesta
# Trat. = F1 x F2 = 6 Nota o calificacin
F1: Tipos de Vinos = 3 U.Exp.= 1 litro de vino
F2: Temperaturas = 2
Error
Principios Bsicos de Experimentacin
REPETICIN
..\R_nuevo\Lewis_Silvin
a_Capacitacin
De modo general en la prctica se recomienda que: Estadstica Aplicada a
Datos Agronmicos.doc
Cada tratamiento tenga un mnimo de 3 repeticiones.
El experimento tenga un mnimo de 20 parcelas (tamao del experimento) con 10
grados de libertad para el error experimental.
Son los datos observacionales o experimentales? Son los datos una muestra de
conveniencia o fueron obtenidos por un diseado estudio de la muestra. La
manera en que los datos fueron recolectados tendr un impacto crucial sobre que
conclusiones pueden ser hechas.
Son no respuesta? El dato que usted no ve puede ser tan importante como el
dato que usted ve.
Cmo son codificados los datos? En especial cmo son codificadas las variables
cualitativas.
Cules son las unidades de medicin? Muchas veces los datos son recolectados
con muchos ms dgitos que los necesarios. Considere el redondeo si esto puede
ser ayuda para la interpretacin o los costos de recoleccin.
LA NATURALEZA DE LOS PROBLEMAS
ESTADSTICOS
Problemas con el centrado
situacin ideal
situacin real
i o s
ESTRUCTURA GENERAL DEL CAMINO
DE ANLISIS ESTADSTICO
factor X tratado como:
* t test
continuo discreto * homogeneidad de
varianza
continua
* 1-Way ANOVA
Y (respuesta)
1 muestra 3 muestras
(1 poblacin/proceso) (3 poblaciones/procesos)
2 muestras
(2 poblaciones/procesos)
ANLISIS
ESTRUCTURA GENERAL DEL CAMINO
DE ANLISIS ESTADSTICO
1 muestra 2 muestras 3 muestras
(1 poblacin/proceso) (2 poblaciones/procesos) (3 poblaciones/procesos)
datos emparejados?
no si
estudiar estudiar estudiar estudiar
estabilidad estabilidad estabilidad estabilidad
Son normales
Mann-Whitney, Wilcoxon
Comparacin de poblaciones
Son normales
Mann-Whitney, Wilcoxon
Mann-Whitney, Wilcoxon
Comparacin de poblaciones
HIPTESIS QUE ASUMIMOS QUE CUMPLEN LOS ERRORES
Decir que los datos cumplen las hiptesis es lo
mismo que decir que los errores son:
ESTRUCTURA DE ESTRUCTURA DE
TRATAMIENTO DISEO
ALEATORIZACIN
Desventajas
Por no tener control local toda variacin entre unidades
experimentales que recibieron el mismo tratamiento es incluido en el
error, aumentando la variacin residual, disminuyendo la precisin.
Modelo matemtico:
Yij = + j + eij
Donde:
Yij : valor de la observacin del tratamiento j-simo
en la repeticin i-sima. i = 1,, r j
: media general.
j : efecto del tratamiento j-simo, el j = 1, 2, , t.
eij : error experimental asociado a Yij.
DCA.MODELO.doc
Lewis_Silvina_Capacitacin Estadstica Aplicada a Datos Agronmicos.doc
como hacer una investigacin. DISEO EXPERIMENTAL.doc
Aleatorizacin de un Diseo Completamente al Azar
A 177 (5) 051 (1) 993 (19) 402 (9) 673 (12)
B 176 (4) 859 (16) 998 (20) 268 (7) 205 (6)
C 115 (2) 945 (18) 819 (15) 737 (13) 493 (11)
D 901 (17) 452 (10) 285 (8) 163 (3) 783 (14)
Esquema de Aleatorizacin.
Plan de campo
1(A) 2(C) 3(D) 4(B) 5(A)
6(B) 7(B) 8(D) 9(A) 10(D)
11(C) 12(A) 13(C) 14(D) 15(C)
16(B) 17(D) 18(C) 19(A) 20(B)
Al ordenar # aleatorios: 054(A), 115(C), , 998(B)
APLICACIN CIENCIAS BIOLOGICAS (PERFECTO)
(VERTEL, 2004)
Ejemplo: El objetivo es evaluar empaques usados en la conservacin de banano. Se
utiliz un Diseo Completamente Aleatorizado, con cinco repeticiones, veinte (20)
parcelas experimentales y cada parcela experimental se constitua de 10 pencas de
bananas, los tratamientos fueron los siguientes:
REPETICIN (i)
1 2 3 4 5 Total (Y.j) Media ( Y .j)
T1 14.1 9.4 9.3 10.9 6.3 50.0 10.0
T2 10.0 7.1 14.2 14.8 18.9 65.0 13.0
T3 18.3 17.5 14.9 16.2 23.1 90.0 18.0
T4 21.0 18.0 17.3 16.8 21.9 95.0 19.0
300.0 15.0
t=4 r=5 n = r x t = 20 parcelas
Modelo Matemtico e Hiptesis
Todo anlisis de varianza de un ensayo preside un modelo matemtico y algunas
hiptesis bsicas (ver Capitulo Anlisis de Varianza, Vertel (2004)).
= + +
Donde:
Yij : valor de la observacin del tratamiento j-simo en la repeticin i-sima.
: media general.
j : efecto del tratamiento j-simo, el j = 1, 2, , t.
eij : error experimental asociado a Yij.
Response: perdpeso
Df Sum Sq Mean Sq F value Pr(>F)
trat 3 270.000 90.000 8.1911 0.001573 **
Residuals 16 175.800 10.987
---
En el caso de un ensayo en Diseo Completamente al Azar, el esquema del ANAVA es el
siguiente:
Fuentes de E (CM)
variacin G.L S.C C.M Trats. aleat. Trats. fijo
Tratamientos (t1) 1 V1 2 r K2 r
r
Y. 2j F .C 2
t 1 j
2j
Esquema de la Distribucin F
La aplicacin de la prueba F es necesaria obtener un valor en la distribucin terica.
Curva de la
(Tabla F) tabla F al nivel V1 (gl trat.) Prueba
(Zona de Rechazo H
H o : 12 22 ... t2
V V j (rj 1) 4 4 4 4 16
1 1 1 1 1 1 1 1 1
C 1 1 1.1042
3(t 1) V j V 3(4 1) 4 4 4 4 16
U
1
C
V loge ( 2 ) V j loge ( 2j )
1
1.1042
16x ln(10.9875) 36.27 1.88
20
5
Sample Quantiles
Frequency
15
3
2
10
1
0
-2 -1 0 1 2
5 10 15 20 25
Theoretical Quantiles
perdpeso
data: perdpeso
W = 0.9613, p-value = 0.5704
Prueba de Shapiro Wilks (W)
TRATAMIENTOS T1: Po+KMnO4 T2: Po T3: Saco T4: Nada
EJERCICIO: El objetivo es evaluar
empaques usados en la conservacin de Replicas (rj.) 1 14.1 (7) 10.0 (5) 18.3 (16) 21.0 (18)
banano. Se utiliz un DCA, con 5 2 9.4 (4) 7.1 (2) 17.5 (14) 18.0 (15)
repeticiones, veinte (20) UE y cada Unidad 3 9.3 (3) 14.2 (8) 14.9 (10) 17.3 (13)
experimental se constitua de 10 pencas de 4 10.9 (6) 14.8 (9) 16.2 (11) 16.8 (12)
bananas (Vertel,2004).
5 6.3 (1) 18.9 (17) 23.1 (20) 21.9 (19)
Pasos:
1. Promedio general del experimento: y.. 15
14.9 16.2
2. Mediana de los datos (ordenar < a > 6.3,7.1,9.3,9.4,10.0,..., 21.9,23.1 ): Me 15.55
2
donde: b ai ( yn i 1 yi )
2
4. Hallar el valor Shapiro-Wilks: Wcalc b
SCtotal
20.702
Wcalc 0.961 Wtab Wn, W20,0.05 0.905
445.8
Prueba de Shapiro Wilks (W) Pasos:
EJERCICIO: Giraldo y Vargas (1991) investigaron 1. Promedio general del experimento:
la morfometra de la sardina azulita (J. lamprotaenia)
en las islas del Rosario, Bolvar, Colombia. Entre otras
caractersticas midieron la longitud estndar de
sardinas hembras en tres estaciones de muestreo: 2. Mediana de los datos (ordenar < a > ):
fondo arenoso, manglar y pasto marino. Los
siguientes datos 8en cm9 representan parte de los
datos obtenidos por las investigadoras.
14 4.21 3.94
15 3.86 3.35
16 4.02
Varianzas
V V j (rj 1)
H o : 12 22 ... t2
V j ( 2j )
2
V
V j loge ( 2j )
1 1 1
C 1
3(t 1) V j V
U
1
C
V loge ( 2 ) V j loge ( 2j )
Conclusin:
---
---
---
30
---
---
---
---
20
---
30
---
---
ab ab
25
b
10
20
0
A B E D C
15
10
5
0
A B E D C
La Prueba F del ANAVA permite saber si existen diferencias entre los
TRATAMIENTOS, ms no muestra donde est la diferencia, a no ser el caso
especfico de experimento de apenas dos (2) tratamientos.
Puede resultar:
F *: Diferencias significativas entre tratamientos, al nivel del 5%.
F **: Diferencias altamente significativas entre tratamientos, al nivel del 1%.
F n.s : No hay diferencias entre tratamientos.
Factores de
Diseo bloque Tcnica Estadstica Modelo Estadstico
Response: perdpeso
Df Sum Sq Mean Sq F value Pr(>F)
trat 3 270.000 90.000 8.1911 0.001573 **
Residuals 16 175.800 10.987
---
25
Study: a
20
a
15
b
...... b
Alpha 0.050000
10
Error Degrees of Freedom 16.000000
5
Error Mean Square 10.987500
Critical Value of t 2.119905
0
nada saco po pokmno2
Treatment Means
trat perdpeso std.err replication
1 nada 19 1.028105 5
2 po 13 2.040833 5
25
3 pokmno2 10 1.268069 5 --- ---
4 saco 18 1.400000 5
20
---
---
Least Significant Difference 4.444224
15
---
Means with the same letter are not significantly different. ---
10
Groups, Treatments and means ---
---
a nada 19
5
a saco 18
b po 13
0
b pokmno2 10 nada saco po pokmno2
Analysis of Variance Table
Response: perdpeso
Df Sum Sq Mean Sq F value Pr(>F)
trat 3 270.000 90.000 8.1911 0.001573 **
Residuals 16 175.800 10.987
---
25
Study:
a
20
ab
HSD Test for perdpeso
......
15
bc
Alpha 0.050000
c
Error Degrees of Freedom 16.000000
10
Error Mean Square 10.987500
Critical Value of Studentized Range 4.046093
5
Treatment Means
trat perdpeso std.err replication
0
1 nada 19 1.028105 5 nada saco po pokmno2
2 po 13 2.040833 5
25
3 pokmno2 10 1.268069 5
4 saco 18 1.400000 5 --- ---
20
---
Honestly Significant Difference 5.997915 ---
15
---
Means with the same letter are not significantly different.
---
10
Groups, Treatments and means ---
a nada 19 ---
ab saco 18
5
bc po 13
c pokmno2 10
0 nada saco po pokmno2
R-project
R es un lenguaje y entorno de programacin para anlisis estadstico y grfico.
Se trata de un proyecto de software libre, resultado de la implementacin GNU del premiado
lenguaje S. R y S-Plus -versin comercial de S- son, probablemente, los dos lenguajes ms
utilizados en investigacin por la comunidad estadstica, siendo adems muy populares en el
campo de la investigacin biomdica, la bioinformtica y las matemticas financieras. A esto
contribuye la posibilidad de cargar diferentes libreras o paquetes con finalidades especficas
de clculo o grfico.
Desarrollado R Foundation
r:
ltima
versin: 3.1.1 (10-07-2014)
S.O.: Multiplataforma
Gnero: Estadstica
Licencia: GPL
Sitio web: www.r-
project.org
# Diseo Completamente al azar
# Script en R: Empaques
pokmno2<-c(14.1,9.4,9.3,10.9,6.3)
po<-c(10.0,7.1,14.2,14.8,18.9)
saco<-c(18.3,17.5,14.9,16.2,23.1)
nada<-c(21.0,18.0,17.3,16.8,21.9)
perdpeso<- c(pokmno2,po,saco,nada)
trat <- factor(rep(1:4,each=5), labels=c("pokmno2","po","saco","nada"))
#grfico de boxplot
plot(perdpeso ~ trat)
library(agricolae)
bar.err(comparacion,std=TRUE,ylim=c(0,20),density=4,border="blue")
bar.group(comparacion,ylim=c(0,20),density=4,border="blue)
SEROPREVALENCIA A Leptospira spp.
PATGENA EN ROEDORES URBANOS DEL
MUNICIPIO DE SINCELEJO SUCRE
Joven Investigadora COLCIENCIAS 2012-2013 UDES-Biomedicas
Jussep Salgado Almario
Joven Investigador 2014-2015
COLCIENCIAS - UDES
INTRODUCCIN
TOXOPLASM
OSIS
Hospederos Toxoplasmosis
definitivos congnita
Hospederos Toxoplasmosis en
Intermediarios inmunodeprimidos
INTRODUCCIN
Ooquistes
Taquizoitos
Quistes tisulares
RESULTADOS Y DISCUSIN
Objetivo especfico 2.