Beruflich Dokumente
Kultur Dokumente
Conceptos fundamentales
El diseño experimental (DE) utiliza técnicas como análisis de varianza, análisis gráficos y
las comparaciones múltiples. Diseñar un experimento significa planear un experimento de
modo que reúna la información pertinente al problema bajo investigación. El DE es la
secuencia completa de pasos tomados con antelación, para asegurar que los datos se
obtendrán apropiadamente de modo que permitan un análisis objetivo que conduzca a
deducciones válidas con respecto al problema bajo estudio.
(2) El diseño, plan o programa debe ser tan simple como sea posible.
(3) Proporcionar métodos que permitan obtener la mayor cantidad de información válida
acerca de una investigación, teniendo en cuenta el factor costo y el uso adecuado del
material disponible mediante métodos que permitan disminuir el error experimental.
(1) Replicación o Repetición. Es el número de ocasiones que se efectúa una misma condición
experimental en la prueba o experimento que se está haciendo. Es la reproducción o réplica
del experimento básico (asignación de un tratamiento a una unidad experimental). Las
principales razones por las cuales es deseable la repetición son: primero porque proporciona
una estimación del error experimental, siendo tal estimación confiable a medida que
aumenta el número de repeticiones, y segundo permite estimaciones más precisas del
tratamiento en estudio.
3. Conceptos básicos
(1) Experimento. Prueba o series de pruebas en las que se hacen cambios deliberados en
las variables de entrada de un proceso (los factores que se estudian) o sistema para observar
e identificar las razones de los cambios que pudieran observarse en la respuesta de salida.
(2) Unidad experimental. Unidad a la cual se le aplica un sólo tratamiento (que puede ser
una combinación de muchos factores) en una reproducción del experimento. Diferencia
entre unidad experimental y unidad observacional
(3) Error experimental. Describe la situación de no llegar a resultados idénticos con dos
unidades experimentales tratadas de igual forma y refleja: (a) errores de experimentación,
(b) errores de observación, (c) errores de medición, (d) variación del material experimental
(esto es, entre unidades experimentales), (e) efectos combinados de factores extraños que
pudieran influir las características en estudio, pero respecto a los cuales no se ha llamado la
atención en la investigación.
(5) Bloqueo. Distribución de las unidades experimentales en bloques, de manera que las
unidades dentro de un bloque sean relativamente homogéneas, de esta manera, la mayor
parte de la variación predecible entre las unidades queda confundida con el efecto de los
bloques.
(8) Factor. Una variable independiente que tiene influencia sobre la respuesta de salida.
Generalmente, se trabaja con más de una variable independiente y con los cambios que
ocurren en la variable dependiente, cuando ocurren variaciones en una o más variables
independientes.
(9) Confusión. Cuando los efectos de dos o más factores no se pueden separar.
Ahora supongamos que nos ponen a elegir un par de números cuya suma es 7. Es claro que solo
un número puede elegirse libremente, pues el segundo queda fijado, una vez se conozca el
primero. Aunque aquí hay dos variables, en esta situación solo una es independiente, por lo que
el número de grados de libertad se reduce de dos a solo uno, por la imposición de la restricción
x + y = 7, el punto ahora es libre de moverse en el plano XY pero restringido a permanecer
sobre la recta x + y = 7. Esta línea es un espacio unidimensional que está contenido en el
espacio bidimensional original.
Suposición es la realización de conjeturas sobre alguna cosa (hechos, causas que los han
originado, entre otras), que se realizan en base a indicios o a analogías frente a hechos o
causas similares.
Los supuestos previos a un razonamiento son las premisas. Si son en los que se basa toda
una ciencia son los axiomas.
Existe un uso estereotipado del término "supuesto", para indicar la sospecha, o al menos la
posibilidad de que lo que se va a añadir a continuación no sea cierto o sea impropio decirlo;
equivalente al uso estereotipado del término "presunto" como salvaguardia jurídica
(presunción).
TRANSFORMACIONES DE DATOS.
a). Que las distintas muestras se han sacado de poblaciones cuyas distribuciones son
normales.
b). Que las poblaciones de dichas muestras cuentan con varianza iguales.
Existen ciertos casos en los cuales desde un principio se puede afirmar que los datos
disponibles no cuentan con una distribución normal, por lo que se deben llevar a cabo
transformaciones para acercar dichos datos a una distribución normal.
Para verificar si los datos siguen una distribución normal se somete a una prueba de X2. En
estadística y estadística aplicada se denomina prueba χ² (pronunciado como "ji-cuadrado" y
a veces como "chi-cuadrado") a cualquier prueba en la que el estadístico utilizado sigue una
distribución χ² si la hipótesis nula es cierta.
I. NÚMEROS DÍGITOS.
Ejemplo:
En los casos donde existen diferencias muy grandes entre los diferentes valores de los
tratamientos se recomienda una transformación logarítmica. Por ejemplo se pueden
encontrar unos pocos insectos en una parcela tratada con una sustancia efectiva, mientras
que en otras no tratadas la cantidad de insectos pudren alcanzar valores muy grandes.
Ejemplo:
Estos datos no presentan una distribución normal, sin embargo si se consideran los
logaritmos se aproximan a una distribución normal.
Las frecuencias relativas, están sujetas a la distribución binomial que a veces puede diferir
notablemente de una distribución normal, sobre todo cuando los datos son muy pequeños y
muy grandes. Se debe realizar la transformación de los datos si la mayoría de estos no se
encuentran entre un 30 y 70%.
Ejemplo:
Porciento de germinación de 3 variedades
a). Datos originales
b). Datos transformados
El diseño completamente al azar (DCA) es el más simple de todos los diseños, sólo
considera dos fuentes de variabilidad: los tratamientos y el error aleatorio. Se llama
completamente al azar porque todas las corridas experimentales se realizan en orden
aleatorio completo; en apariencia no existe ninguna restricción a la aleatorización, es decir,
si durante el estudio se hacen en total N pruebas, estas se corren al azar, de manera que los
posibles efectos ambientales y temporales se repartan equitativamente entre los
tratamientos.
Los tratamientos se asignan aleatoriamente a las unidades experimentales. Sea cual sea el
objeto del análisis, deben revisarse los supuestos de necesarios para hacer buenas
estimaciones e inferencias apropiadas.
LA HIPOTESIS ESTADISTICA
Ho: i = 0 (Todos los tratamientos tienen el mismo efecto sobre la variable en estudio)
1= 2=…= K
H1: i 0 (No todos los tratamientos tienen el mismo efecto sobre la variable en estudio)
Al menos un i es diferente
Modelo Lineal
La j-ésima
repetición en la
j-ésima muestra.
* Anexo A raíces
griegas
La media
poblacional
El error experimental
asociado a la
observación yij.
Efecto de i-ésimo
tratamiento
El nombre de análisis de varianza (ANOVA) viene del hecho de que se utilizan cocientes
de varianzas (la razón o comparación entre la media aritmética y la desviación típica o
estándar) para probar la hipótesis de igualdad de medias. La idea general de esta técnica es
separar la variación total en dos partes: la variabilidad debida a los tratamientos y la debida
al error. Cuando la primera predomina claramente sobre la segunda es cuando se concluye
que los tratamientos tienen efecto, es decir, las medias son diferentes. Cuando los
tratamientos contribuyen igual o menos que el error, se concluye que las medias son
iguales.
METODOS GRAFICOS
La cantidad LSD se llama Diferencia mínima significativa (last significant difference) ya que es la
diferencia mínima que debe haber entre dos medias muéstrales para poder considerar que los
tratamientos correspondientes son significativamente diferentes. Así cada diferencia de medias
muestrales en valor absoluto que sea mayor que el número LSD se declara significativa.
Método de Duncan. Si las k muestras son de igual tamaño, se acomodan los k promedios en
orden ascendente y el error estándar de cada promedio.
Consideremos una muestra aleatoria de datos X1;X2; …..;Xn que proceden de cierta
distribución desconocida. Se quiere verificar si dichos datos fueron generados por un
proceso normal mediante las hipótesis estadísticas
1. Un ingeniero de producción animal necesita saber ¿Qué efecto tiene los diferentes tipos
de dieta sobre el peso de sus codornices?
El Statgraphics permite el chequeo de los supuestos más importantes para el análisis, por lo
que una vez realizado el análisis de varianza se procede al chequeo.
Los datos ha de esta en dos columnas. En una de estas estarán los valores de la variable
respuesta y en otros valores numéricos que representen a los niveles del factor. El valor
numérico que se elige para representa los niveles del factor es irreversible.
Ingreso Datos
La caja de diálogo de ingreso de datos solicita los nombres de las columnas que contienen
las mediciones Y y los niveles del factor X:
Ingreso de variables comparar… análisis de varianza…. Anova simple
• Variable Dependiente: columna numérica que contiene las n observaciones de Y.
• Factor: columna numérica o no numérica que contiene un identificador para los niveles
del factor X.
• Selección: selección de un subgrupo de datos.
Variable dependiente:
Factor:
Número de observaciones:
Número de niveles:
Gráfico de Dispersión
La ventana Gráfico de Dispersión grafica los datos por nivel del factor X.
ABCD
Resumen Estadístico
3. Medidas de forma – estadísticas que miden la forma de los datos con respecto a una
distribución normal.
Tabla de ANOVA
La tabla divide la variabilidad que existe en las n mediciones entre dos componentes:
Para determinar qué medias muestrales son significativamente diferentes de cuáles otras, se
pueden realizar las Pruebas de Rangos Múltiples:
Esta tabla presenta la media de cada nivel junto con un intervalo de incertidumbre:
Gráfico de Medias
Las medias de los niveles pueden ser graficadas junto con los intervalos de incertidumbre:
Contraste de Varianza
Uno de los supuestos subyacentes al análisis de varianza es que las varianzas de las
poblaciones de donde provienen las muestras son la misma. La ventana Contraste de
Varianza realiza cualquiera de varias pruebas para verificar este supuesto:
Contraste de Varianza
Prueba Valor-
3. Prueba de Hartley: calcula la razón entre la mayor varianza muestral y la menor. Esta
estadística debe ser comparada con una tabla de valores críticos, tal como la que se
encuentra en Neter et al. (1996). Para 6 muestras y 62 grados de libertad para el error
experimental, H tendría que exceder aproximadamente 2.1 para ser estadísticamente
significativa a un nivel de significancia del 5%. Nota: esta prueba sólo es apropiada si el
número de observaciones dentro de cada nivel de es el mismo.
Una alternativa al análisis de varianza estándar que compara las medianas de los niveles en
vez de las medias es la Prueba de Kruskal-Wallis. Esta prueba es mucho menos sensible a
la presencia de valores atípicos que un ANOVA simple estándar y debe usarse siempre que
el supuesto de normalidad dentro de los niveles no es razonable. Prueba las hipótesis: