EL DISEO
TRATAMIENTOS)
UNIFACTORIAL
(COMPARACION
DE
La idea principal en este capitulo es el inicio a planear los diseo experimentales y su correspondiente anlisis
estadstico. En este caso iniciaremos con el diseo de un solo factor, que como su nombre lo indica es el
estudio de un solo factor con respecto a una variable de respuesta.
Factor:
Tipo de envase
Media
23 28 21 27 35 41 37 30 32 36
31
35 36 29 40 43 49 51 28 50 52
41.3
50 43 36 34 45 52 52 43 44 34
43.3
21
Donde
ij
es das de duracin;
ij
ij
ij
error aleatorio.
Hiptesis Alternativa:
22
2.4.1 DESCOMPOSICION
DE LA SUMA
(DESCOMPOSICION DE LA VARIABILIDAD)
TOTAL
DE
CUADRADOS
La variabilidad total de los datos se obtiene mediante la Suma de Cuadrados Totales (SCTOTALES),
el cual a su vez se descompone en dos elementos: 1. La Suma de Cuadrados de Tratamientos
(SCTRATAMIENTOS), 2. La Suma de Cuadrados del Error (SCerror).
Suma de Cuadrados Total (SCTOTAL): mide la variabilidad total en los datos, y matemticamente
se obtiene as,
(23-38.53)2+(34-38.53)2+ ...... +(34-38.53)2= 2409.5
Donde el 38.53 es el promedio general de los treinta datos. Los Grados de libertad totales, se
obtienen restndole uno al total de los datos (30-1=29).
Suma de Cuadrados de Tratamientos (SCTRATAMIENTOS): mide la variabilidad en los datos
asociada a los tratamientos, que en este caso seria asociada a cada tipo de envase, su clculo se
efecta de la siguiente manera:
10x(31-38.53)2+10x(41.3-38.53)2+10x(43.3-38.53)2= 871.3
Donde el 10 representa el numero de replicas por tratamiento (o tipo de envase); el 31 es el
promedio del envase A, el 41.3 es el promedio del envase B y el 43.3 es el promedio del envase C.
Los grados de libertad son el numero de tratamientos menos uno, es decir cada tipo de envase es un
tratamiento por consiguiente son 3 le restamos uno y obtenemos dos grados de libertad (3-1=2).
Suma de Cuadrados Del Error (SCERROR): mide la variabilidad que no es debida a las diferencias
entre tipo de envase o tratamientos es la variabilidad interna en los tratamientos o envases, en esta
variabilidad se incluye la variabilidad de errores de medicin, de experimentador o cualquier fuente
externa al experimento. Los clculos se efectan de la siguiente manera,
(23-31)2+.+(36-31)2 +(35-41.3)2++(52-41.3)2 +(50-43.3)2+ ... + (34-43.3)2 = 1538.2
23
El calculo de sus grados de libertad son el total de datos menos el numero de tratamientos, en este
caso, es 30-3=27.
Finamente, notemos que SCTOTAL= SCTRATAMIENTO + SCRESIDUAL, es decir
2409.5 = 871.3 + 1538.2
CM
TRATAMIENT OS
SC
TRATAMIENT OS
a 1
871.3
435.65
2
CM
ERROR
SC
ERROR
N a
1538.2
56.97
27
La F-calculada o la F0, se obtiene al dividir el cuadrado medio del tratamiento en tre el cuadrado
medio del error, como se muestra a continuacin,
CM TRATAMIENT O
CM
ERROR
435.65
7.6
56.97
24
Fuente
EFECTOS
PRINCIPALES
A:ENVASE
RESIDUOS
Suma de
Cuadrados
Cuadrado
Medio
Gl
Razn-F
Valor-P
P(F=7.65)
871.267
1538.2
2
27
435.633
56.9704
7.65
0.0023
TOTAL
(CORREGIDO)
2409.47
29
Tabla 2.2 Tabla de Anlisis de Varianza, usando el programa Statgraphics Centurion XV
Ntese que el anlisis de varianza (Tabla 2.2) solo indica que si existen diferencias entre los
envases, pero no establece, ni propone, cual es mejor envase de los tres. Para ello se requiere
hacer un anlisis complementario conocido como Prueba de Rangos Mltiples. La prueba de
rangos mltiples, es un conjunto de mtodos, los cuales consisten en comparacin de pares de
medias de los tratamientos. Entre esos mtodos, se pueden mencionar, el Mtodo de la Mnima
Diferencia Significativa (LSD), el mtodo de la Mxima Diferencia significativa (HSD), y el
mtodo de Duncan, entre otros.
2.5 COMPARACIN DE PAREJAS DE MEDIAS DE TRATAMIENTOS
Existen varios mtodos de comparacin de tratamientos, los cuales consisten en comparar todas las
medias de tratamientos, uno de los ms usuales es Mtodo de la Mnima Diferencia Significativa
25
(LSD, del ingls least significant difference). Supongamos que despus de haber rechazado la
hiptesis nula, con base en una prueba F de anlisis de varianza, se desea probar todas las posibles
comparaciones de medias de los tratamientos. Para ello se realizan el siguiente procedimiento
1. Se calcula el valor del LSD mediante la siguiente formula, cuando el numero de replicas por
nivel o tratamiento es el mismo, es decir n1=n2=n
LSD = t/2,N -a
2 CM ERROR
n
Donde t/2(N-a) es la t-student con un nivel de confianza y N-a grados de libertad; CMerror es el
cuadrado medio del error del anlisis de varianza. En el ejemplo el valor del LSD es,
LSD= t (
2 , N a )
2CM Error
2(56.97)
2.052
6.9265
n
10
Donde el valor de t/2(N-a) se obtuvo analizando las tablas de la distribucin t-student, para un
nivel de confianza =0.05 y 27 grados de libertad.
Media
31
41.3
43.3
31 413
. 10.3
El envase A con el envase C
31 43.3 12.3
El envase B con el envase C
26
413
. 43.3 2
4. Comparacin del valor absoluto de la diferencia las medias de los tratamientos con el valor
del LSD
* 31 413
. 10.3 > 6.92, por lo tanto el tipo de envase A es diferente al tipo de envase B
* 31 43.3 12.3 >6.92, por lo tanto el tipo de envase A es diferente al tipo de envase C
* 413
. 43.3 2 <6.92, por consiguiente no hay diferencias entre los envases B y el C
5. Conclusin: De acuerdo a los resultados anteriores podemos concluir que el tipo de envase A
es el menos recomendable, ya que presenta menor promedio que los otros dos, por consiguiente
se puede decidir por cualquiera de los dos tipos de envase restantes, es decir el tipo B o el tipo C,
ya que en ellos no se encontraron diferencias. La salida de los resultados usando el programa de
estadstica Statgraphics versin Centurion, se puede ver en la tabla 2.3,
ENVASE
A
B
C
Casos
10
10
10
Media
31.0
41.3
43.3
Grupos Homogneos
X
X
X
Una grfica representativa de esto resultados es la grfica de medias. En la figura 2.1 se puede
ver la grafica de medias de ejemplo del tipo de envase.
Ntese que esta grfica, se puede establecer que no hay diferencias entre el tipo de envase B y el
envase C. De hecho, si se opta por usar el envase C se esperaran promedios entre 39.83 y 46.76,
mientras que si se decide por el envase B se esperaran promedios entre 37.83 y 44.76. (ver tabla
2.4).
27
DIAS
43
39
35
31
27
A
ENVASE
Error Est.
(s agrupada)
2.38685
2.38685
2.38685
Lmite Inferior
27.537
37.837
39.837
Lmite Superior
34.463
44.763
46.763
2.6 SUPUESTOS
Algo fundamental en el anlisis de varianza son los supuestos de los residuales, los cuales deben
cumplir con tres:
1.- Los residuales deben ser independientes
2.- Los residuales deben tener varianza constante
3.- Los residuales se distribuyen normal.
Si alguno de esos tres no se cumple es suficiente para invalidar el Anlisis de Varianza. Para checar
estos tres supuestos se deben calcular primeramente los residuales mediante la siguiente formula:
eij y ij y i .
Donde
y
yi. i.
28
Envase A
23-31=-8
28-31=-3
21-31=-10
27-31=-4
35-31=4
41-31=10
37-31=6
30-31=-1
32-31=1
36-31=5
Envase B
35-41.3=-6.3
36-41.3=-5.3
29-41.3=-12.3
40-41.3=-1.3
43-41.3=1.7
49-41.3=7.7
51-41.3=9.7
28-41.3=-13.3
50-41.3=8.7
52-41.3=10.7
Envase C
50-43.3=6.7
43-43.3=-0.3
36-43.3=-7.3
34-43.3=-9.3
45-43.3=1.7
52-43.3=8.7
52-43.3=8.7
43-43.3=-0.3
44-43.3=0.7
34-43.3=-9.3
residual
11
6
1
-4
-9
-14
A
ENVASE
Figura 2.2 Grafica de verificacin de la varianza constante
En la figura 2.2 se presentan grficamente los niveles del factor contra los residuales. La
interpretacin de esta grfica consiste en analizar los patrones o tendencias de comportamiento en
los puntos graficados. La variacin de los puntos para cada uno de los niveles A, B y C no debe
presentarse diferencias. No se debe distinguir la presencia de un embudo. En la figura 2.2 no se
29
presenta patrn inusual por lo que podemos concluir que si se cumple el supuesto de varianza
constante.
Los resultados usando la Prueba de Levene, se pueden observar en la tabla 2.6, donde se
puede ver que el valor de p=0.2705 es menor que un valor de significancia dado 0.05 ,
indicando con esto, que no existen diferencias significativas entre las varianzas, con lo que
comprobamos la varianza constante.
Verificacin de Varianza
Prueba
Valor-P
Levene's 1.37284
0.270512
30
ENVASE
A
B
C
A
B
B
C
A
C
B
B
A
C
A
B
C
C
A
C
B
A
C
B
A
C
B
A
C
B
A
RESIDUAL
-8
-6.3
6.7
-3
-12.3
-1.3
-0.3
-10
-7.3
1.7
7.7
-4
-9.3
4
9.7
1.7
8.7
10
8.7
-13.3
6
-0.3
8.7
-1
0.7
10.7
1
-9.3
-5.3
5
31
residual
11
6
1
-4
-9
-14
0
10
15
20
25
30
row number
-13.3
-12.3
-10
-9.3
-8
-6.3
-5.3
RESIDUALES
ORDENADOS
-1.3
-1
-0.3
0.3
0.7
1.7
1.7
6.7
7.3
7.7
8.7
8.7
8.7
9.3
32
-4
-4
-3
4
5
6
9.7
10
10.7
( k 0.5 )
N
K e
( k 0.5 )
ij
Pk
K e
ij
1
2
3
4
5
6
7
8
9
10
Pk
-13.3
-12.3
-10
-9.3
-8
-6.3
-5.3
-4
-4
-3
( k 0.5 ) K
30
0.016
0.05
0.083
0.116
0.15
0.183
0.21
0.25
0.283
0.316
11
12
13
14
15
16
17
18
19
20
eij
Pk
( k 0.5 )
30
-1.3
-1
-0.3
0.3
0.7
1.7
1.7
4
5
6
0.35
0.383
0.416
0.45
0.483
0.516
0.55
0.583
0.616
0.65
Pk
21 6.7
22 7.3
23 7.7
24 8.7
25 8.7
26 8.7
27 9.3
28 9.7
29
10
30 10.7
Pk
30
0.683
0.716
0.75
0.783
0.816
0.85
0.883
0.916
0.95
0.983
( k 0.5 )
30
figura 2.4
percentage
99
95
80
50
20
5
1
0.1
-14
-9
-4
11
RESIDUALS
Figura 2.4 Grafico de probabilidad normal para los residuos
En est grfica se puede ver que la mayora de los puntos se ajustan a la lnea recta, lo que
significa que los residuales si cumplen el supuesto de normalidad.
33