COMPARACIÓN DE 4 FÓRMULAS DE ENGORDE EN TILAPIAS

El equipo de desarrollo e innovación que lo componen zootecnistas e ingenieros de

alimentos de una empresa de cultivo de tilapia evalúa el efecto de cuatro fórmulas de
engorde (F1, F2, F3, F4), sobre el peso final de las tilapias (entendiendo que a mayor
peso en las tilapias la fórmula de engorde realizada es más eficiente). En primera
instancia, la estrategia experimental es aplicar cuatro veces las cuatro fórmulas de
engorde en orden completamente al aleatorio (las 16 pruebas al azar). Los pesos (kg)
obtenidos de las tilapias en la investigación se muestran en la siguiente tabla.

FÓRMULAS DE ENGORDE
F1 F2 F3 F4
2,66 3,2 3,01 3,52
2,52 3,42 3,13 3,71
2,74 3,47 3,25 3,78
2,9 3,64 3,38 3,79

a. Formule el interrogante del problema de investigación. (5 /120)

¿Existe diferencia entre el peso promedio final de las tilapias aplicando las cuatro
fórmulas de engorde?

b. Formule las hipótesis correspondientes (igualdad y alterna). (5 /120)

𝐻0 = µ1 = µ2 = µ3 = µ4

𝐻𝐴 = µ1 ≠ µ2 ≠ µ3 ≠ µ4
 Donde

𝐻0 corresponde a la hipótesis nula que se refiere a que las medias de los tratamientos
son iguales lo que significa que si se aplica la misma fórmula a las tilapias están
obtendrán el mismo peso

𝐻𝐴 corresponde a la hipótesis alternativa que se refiere a que las medias de los

tratamientos son diferentes lo que significa que si se aplica una de las fórmulas las
tilapias obtendrán diferentes pesos.

c. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla

ANOVA, = 0.05. (20 /120)

FÓRMULAS DE ENGORDE
F1 F2 F3 F4
2,66 3,2 3,01 3,52
2,52 3,42 3,13 3,71
2,74 3,47 3,25 3,78
2,9 3,64 3,38 3,79

Calculamos la media de todo los datos y el total de suma de medias

2,66 + 2,52 + 2,74 + 2,9

µ1 = = µ1 = 2.705
4

3,2 + 3,42 + 3,47 + 3,64

µ2 = = µ2 = 3.432
4
 3,01 + 3,13 + 3,25 + 3,38
µ3 = = µ3 = 3.192
4

3,52 + 3,71 + 3,78 + 3,79

µ3 = = µ3 = 3.7
4

2.705 + 3.432 + 3.192 + 3.7

𝑥= = 𝑥 = 3.257
4
Grados de libertad
𝑘=4
𝑁 = 16

Suma cuadrados totales

𝑆𝐶𝑇 = ∑(𝑁𝑖 − 𝑋)2

𝑖=1

𝑆𝐶𝑇𝑇 = (2,66 − 3.257)2 + (2,52 − 3.257)2 + (2,74 − 3.257)2 + (2,9 − 3.257)2

+ (3.2 − 3.257)2 + (3.42 − 3.257)2 + (3.47 − 3.257)2
+ (3.64 − 3.257)2 + (3.01 − 3.257)2 + (3.13 − 3.257)2
+ (3.25 − 3.257)2 + (3.38 − 3.257)2 + (3.52 − 3.257)2
+ (3.71 − 3.257)2 + (3.78 − 3.257)2 + (3.79 − 3.257)2

𝑆𝐶𝑇 = 1,296525 + 0,221175 + 0,092575 + 0,830225

𝑆𝐶𝑇𝑇 = 2,4405

Suma de cuadrado de tratamientos

𝑆𝐶𝑇 = ∑ 𝑘(µ1 − 𝑋)2

 𝑆𝐶𝑇 = 4 ∗ (2.705 − 3.257)2 + 4 ∗ (3.432 − 3.257)2 + 4 ∗ (3.192 − 3.257)2 + 4
∗ (3.7 − 3.257)2

𝑆𝐶𝑇 = 2.143

Suma del cuadrado del error

𝑘 𝑁

𝑆𝐶𝐸 = ∑ ∑(𝑁1 − µ𝑗 )2
𝑖=1 𝑗=1

𝑆𝐶𝐸 = (2,66 − 2.705)2 + (2,52 − 2.705)2 + (2,74 − 2.705)2 + (2,9 − 2.705)2

+ (3,2 − 3.432)2 + (3,42 − 3.432)2 + (3,47 − 3.432)2
+ (3,64 − 3.432)2 + (3,01 − 3.192)2 + (3,13 − 3.192)2
+ (3,25 − 3.192)2 + (3,38 − 3.192)2 + (3,52 − 3.7)2
+ (3,71 − 3.7)2 + (3,78 − 3.7)2 + (3,79 − 3.7)2

𝑆𝐶𝐸 = 0,0755 + 0,098675 + 0,075675 + 0,047

𝑆𝐶𝐸 = 0,29685

Cuadrado Medio total

𝑆𝐶𝑇𝑇
𝐶𝑀𝑇 =
𝑁−1

2,4405
𝐶𝑀𝑇 =
16
 𝐶𝑀𝑇 = 0,1627
Cuadrado medio del tratamiento

𝑆𝐶𝑇
𝐶𝑀𝑇𝑅 =
𝐾−1

2.143
𝐶𝑀𝑇𝑅 =
4−1
𝐶𝑀𝑇𝑅 = 0,714404

Cuadrado Medio del erro

𝑆𝐶𝐸
𝐶𝑀𝐸 =
𝑁−𝐾

0,29685
𝐶𝑀𝐸 =
16 − 4

𝐶𝑀𝐸 = 0,0247375
Estadístico de Prueba

𝐶𝑀𝑇𝑅
𝐹0 =
𝐶𝑀𝐸

0,714404
𝐹0 =
0,0247375
𝐹0 = 28,8793936

Buscamos los datos en la tabla de Fisher

𝑘−1
𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝐿𝑖𝑏𝑒𝑟𝑡𝑎𝑑 =
𝑁−𝐾
 4−1
𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝐿𝑖𝑏𝑒𝑟𝑡𝑎𝑑 =
16 − 4

3
𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝐿𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = 12

Valor obtenido de la tabla es 3.49

TABLA ANOVA

FUENTE SC GL CM F P-VALOR F
DE V. CRITICO

Tratamiento 2,143212 3 0,714404 28,8793936 3.49

Error 0,29685 12 0,0247375

Total 2,4405 15
d. Realizar la validación de la ANOVA por medio de un programa estadístico
(diferente a Excel), adjuntar pantallazo. (20 /120)

e. ¿A partir de los criterios del resultado del valor – ¿P y FO (son dos criterios
diferentes), que se puede concluir con respecto a las hipótesis planteadas? (10 /120)

Como el valor-p = 0.07 es menor que la significancia α = 0.05 se rechaza H0, lo que
permite concluir que al menos un par de fórmulas de engorde tienen un peso
promedio final de las tilapias diferente.

Ya que F0 = 28.87 es superior al valor crítico, podemos rechazar Ho y afirmar que

por lo menos un peso medio obtenido con las fórmulas de engorde es diferente al de
las demás. Si utilizamos el valor P como indicador llegamos a la misma conclusión
ya que es inferior a α=0,05

f. ¿Describa cuál es la función y para qué es utilizado el método Tukey, después del
análisis de varianza de los resultados? Dentro del concepto responda si es necesario
utilizar este método si aceptamos o rechazamos la hipótesis de igualdad (20 /120)
 El método de Tukey se utiliza en ANOVA, mediante este método se crean intervalos de
confianza para todas las diferencias en parejas entre las medias de los niveles de los
factores mientras se controla la tasa de error por familia en un nivel especifico.
Se debe considerar la tasa de error por familia cuando se hacen comparaciones múltiples,
debido a que la probabilidad de cometer un error de tipo I para una serie de
comparaciones es mayor que la tasa de error para cualquier comparación individual. Es
por eso que el método de Tukey para contrarrestar esta tasa de error más elevada, ajusta
el nivel de confianza de cada intervalo individual para que el nivel de confianza
simultáneo resultante sea igual al valor que se especifique.
Este método procede comparando las diferencias entre medias muéstrales con el valor
crítico:

𝑇𝑎 = 𝑞𝑎 (ℎ, 𝑁 − 𝑘)√𝐶𝑀𝐸 /𝑛𝑖

Donde
𝐶𝑀𝐸 : Cuadrado medio del error
n: número de observaciones por tratamiento
k: número de tratamientos
𝑁 − 𝑘: Grados de libertad para el error
𝑎: Nivel de significancia prefijado
𝑞𝑎 (ℎ, 𝑁 − 𝑘): Puntos porcentuales de la distribución del rango estudentizado
Con este método se consideran diferentes los pares de medidas cuya diferencia
muestral en valor absoluto es mayor que 𝑇𝑎 .
Su función es:

 Se calcula el valor crítico de todas las comparaciones por pares.

 Se obtiene el error estándar de cada promedio.
 obtener el Tα.
  Calcular la diferencia de las medidas y realizar las comparaciones con el valor crítico.
 Hacer las conclusiones.

Sirve para:

 Probar todas las diferencias entre medias de tratamiento de una experiencia.

 La única exigencia es que el número de repeticiones sea constante en todos los
tratamientos
 Este método sirve para comparar las medias de los tratamientos, dos a dos, es decir
para evaluar las hipótesis.
 El método Tukey sirve para comparar las diferencias entre las medias muéstrales con
el valor crítico.

2. A partir de la lectura del capítulo 4 del libro análisis y diseños de experimentos, aplique
los conceptos del diseño en cuadro latino (DCL) y análisis de varianza para el siguiente
enunciado.

En un centro de investigación de agricultura se requiere estudiar el efecto de distintos tipos

de semilla en el rendimiento del maíz y se considera que en dicho rendimiento también
pueden influir los tipos de abonos empleados. Así, el factor de interés es el origen de la
semilla (A, B, C y D) y se controla dos factores de bloques el tipo de semilla y el tipo de
abono en función de la variable de respuesta.

Tipo de Tipo de semilla

abono 1 2 3 4
1 C=73 D=78 A=68 B=90
2 B=79 C=79 D=67 A=80
3 A=65 B=81 C=65 D=66
 4 D=92 A=80 B=89 C=92

g. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla

ANOVA = 0.05. (20 /120)

h. ¿A partir de los criterios del resultado del valor – ¿P y FO (son dos criterios
diferentes), que se puede concluir con respecto a las hipótesis planteadas? (20 /120)

Nota: Todas las ecuaciones deben ser presentadas, aplicando la opción de Word – Insertar –
Ecuación. Adicional se debe presentar el paso a paso de la solución y explicación de los
datos que resulten de tablas u opciones en Excel.