PEGUNTA N° 04. Describa el diseño de medidas repetidas.

El diseño de mediciones repetidas es aquel en el que, para una misma variable, se hacen

mediciones sobre cada individuo en dos o más ocasiones distintas.

Diseño de medidas repetidas con un solo factor.

EI diseño más simple de mediciones repetidas es aquel en el que se agrega una variable

adicional a la variable tratamiento. EI motivo que origina la introducción de una variable

adicional es medir y aislar su contribución a la variabilidad total entre las observaciones. Esta

variable adicional se conoce como factor.

Definición

EI diseño de mediciones repetidas en el que se introduce un factor adicional en el experimento,

se llama diseño de mediciones repetidas con un solo factor.

El factor adicional se refiere al individuo. En el diseño de mediciones repetidas con un solo

factor, cada individuo recibe cada uno de los tratamientos. El orden en el que los individuos

son expuestos a los tratamientos, si hay la posibilidad, es al azar. La aleatorizaci6n se aplica de

manera independiente sobre cada individuo.

Supuestos: Se deben considerar, en este texto, los siguientes supuestos en el diseño de

mediciones repetidas con un solo factor. Al diseño que cumpla con estos supuestos se le llama

diseño aditivo de efectos fijos.

1. Los individuos estudiados forman una muestra aleatoria simple extraída de una

población con individuos similares.

2. Cada una de las observaciones es una muestra aleatoria simple e independiente de

tamaño 1 extraída de cada una de las kn poblaciones, donde n es el número de

individuos y k es el número de tratamientos a los que se expone el individuo.

 3. Las kn poblaciones tienen medias potencialmente diferentes, pero todas las poblaciones

tienen la misma variancia.

4. Los k tratamientos son fijos, es decir, son los únicos tratamientos respecto a los que se

tiene interés en la situación actual. No se pretende hacer inferencias para un conjunto

mayor de tratamientos.

5. No hay interacción entre los tratamientos y los individuos. Esto es, los tratamientos y

los efectos en los individuos son aditivos.

Con frecuencia es posible encontrar que los datos de los experimentos no cumplen con las

suposiciones de tratamientos fijos y tratamientos aditivos y efectos sobre los individuos.

PEGUNTA N° 26. Complete la siguiente tabla ANOVA y establezca que diseño se realizó.

Fuente SC g.l. CM R.V. p

Tratamientos 154.9199 4

Error

TOTAL 200.4773 39

Diseño completamente al azar (DCA) con una observación por unidad experimental.

 Hallamos la suma de cuadrados (SC):

𝑆𝐶𝜏 = 154.9199

𝑆𝐶𝑇 = 200.4773

𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝜏

𝑆𝐶𝐸 = 200.4773 − 154.9199

𝑆𝐶𝐸 = 45.5574
 Hallamos los grados de libertad (g.l.)

𝜏−1=4→𝜏 =5

𝑁 − 1 = 39 → 𝑁 = 40

𝑁 − 𝜏 = 40 − 5 = 35

 Hallamos cuadrados medios:

154.9199
𝐶𝑀𝜏 = = 30.98398
5

45.5574
𝐶𝑀𝐸 = = 1.30164
35

𝐶𝑀𝑇 = 30.98398 + 1.30164 = 32.28562

 Razón de variación

30.98398
𝑅. 𝑉. = = 23.8033
1.30167

 P

Fuente SC g.l. CM R.V. p

Tratamientos 154.9199 4 30.98398 2.49

Error 45.5574 35 1.30164 23.8033

TOTAL 200.4773 39 32.28562

PEGUNTA N° 48. Knight et al. (A-46) informaron de un estudio para desarrollar y validar un

método sensitivo y específico para cuantificar la concentración total de activin-A. Como parte

del estudio, los investigadores recolectaron las siguientes concentraciones sericas perifericas

de activin-A en seres humanos en diferentes estadios reproductivos: fase folicular normal (FF),

fase lútea normal (FL), embarazo (EMB), hiperestimulacion ovárica para fertilizaci6n in vivo

(HIP), posmenopausia (PM), y varones adultos normales.

1. Descripción de datos: Los datos corresponden a las concentraciones sericas perifericas

de activin-A en seres humanos en diferentes estadios reproductivos, con los totales del

tratamiento y las medias. Se muestra la gráfica de los datos en forma de grafica de

puntos. Esta grafica resalta las características principales de los datos y aclara las

diferencias en las respuestas por el tratamiento.

FF FL EMB HIP PM Varones

134.5 78.0 2674.0 253.1 793.1 196.7
159.2 130.4 945.6 294.3 385.1 190.6
133.2 128.3 5507.6 170.2 270.9 185.3
225.0 166.4 7796.5 219.8 640.3 335.4
146.4 115.2 5077.5 165.8 459.8 214.6
180.5 148.9 4541.9 159.0
TOTAL 978.8 767.2 26543.1 1262.2 2549.2 1122.6
MEDIA 163.1 127.9 4423.9 210.4 509.8 224.5

GRÁFICA DE PUNTOS
9000.0
8000.0
Concentraciones activin-A

7000.0
6000.0
5000.0
4000.0
3000.0
2000.0
1000.0
0.0
0 1 2 3 4 5 6 7
Condiciones
2. Supuestos: Se supone que los seis conjuntos de datos forman muestras aleatorias

simples e independientes, que son similares excepto por la condición estudiada. Se

supone que las seis poblaciones de mediciones siguen una distribución normal con

variancias iguales.

3. Hipótesis:

Ho: 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 (en promedio las cuatro condiciones producen la misma

respuesta).

HA: no todas las 𝜇 son iguales (al menos una condición produce una respuesta promedio

diferente del promedio de cuando menos una de las demás condiciones)

4. Estadística de prueba: La estadística de prueba es R.V. = CMentre/CMdentro.

Fuente SC g.l. CM R.V. P

Tratamiento 87033770 5 17406754 17.18 0.00

Error 28364862 28 1013031

TOTAL 115398632 33

5. Distribución de la estadística de prueba. Si Ho es verdadera y se cumplen las

condiciones, entonces R.V. sigue una distribución F con los grados de libertad

correspondientes, respectivamente, del numerador y denominador: 5 -1 = 4 Y 62 - 5 =

57.

6. Regla de decisión. Suponga que a = .05. El valor crítico de F a partir de la tabla G es

2.56. La regla de decisión, entonces, es rechazar Ho si el valor calculado de R.V: es

mayor o igual a 2.56.

7. Calculo de la estadística de prueba. La ecuación produce el siguiente resultado:

𝑆𝐶𝑇 = 115398632

Mediante la ecuación se calcula:

 𝑆𝐶𝜏 = 87033770

𝑆𝐶𝐸 = 115398632 − 87033770 = 28364862

El resultado de los seis cálculos se muestra en la tabla.

8. Decisión estadística. Debido a que el valor calculado para R.V. 17.18, es mayor que el

valor critico F, 2.56, se rechaza Ho.

9. Conclusión. Dado que se rechazó Ho se concluye que la hipótesis alternativa es

verdadera. Es decir, se concluye que los seis tratamientos no tienen el mismo efecto en

promedio.

10. Valor de p. Puesto que 17.18 > 2.56 (el valor de F0.95 para 5 y 28 grados de libertad,

obteniendo por interpolación) p < 0.005 para esta prueba.