Colaborativo Fase 3

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD
ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

DISEÑO EXPERIMENTAL
Periodo 2019 - 01
FASE 3
Presentado por:
Andrea Milena García
Juan Pablo Ariza Cano
Efren David Burbano
Jhonny Guarnizo
Diana Patricia Nieto
Grupo:
12
Tutora
Carolina María Bedoya
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
SEMESTRE 1 - 2019
Mayo
Periodo 2019 - 01
Contenido
Lista de Tablas .................................................................................................................. 3

Introducción ...................................................................................................................... 5
Objetivos .......................................................................................................................... 6
Objetivo General ............................................................................................................ 6
Objetivos Específicos...................................................................................................... 6
Apéndice 3 ........................................................................................................................ 7
Comparación de 4 fórmulas de engorde en tilapias ............................................................. 7
a. Formule el interrogante del problema de investigación ................................................. 8
b. Formule las hipótesis correspondientes (igualdad y alterna) ......................................... 8
c. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla ANOVA . 8
d. Realizar la validación de la ANOVA por medio de un programa estadístico ................. 11
e. A partir de los criterios del resultado del valor – P y ¿qué se puede concluir con respecto a
las hipótesis planteadas? ............................................................................................ 12
f. Describa cual es la función y ¿para qué es utilizado el método Tukey, después del análisis
de varianza de los resultados? ..................................................................................... 13
Tipos de semilla y Abono .............................................................................................. 15
g. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla. ............ 16
Interrogante del problema de investigación .................................................................. 16
h. A partir de los criterios del resultado del valor – P y FO que se puede concluir con respecto
a las hipótesis planteadas? .......................................................................................... 22
Conclusiones ................................................................................................................... 24
Bibliografía ..................................................................................................................... 25
Periodo 2019 - 01
Lista de Tablas
Tabla 1 Tabla de ANOVA para DCA ............................................................................................. 8
Tabla 2 Tabla ANOVA ejercicio No.1 ......................................................................................... 10
Tabla 3 Comparación Ftabulado ejercicio No.1 ........................................................................... 10
Tabla 4 ANOVA para el diseño de cuadro latino ......................................................................... 16
Tabla 5 ANOVA Ejercicio No.2 ................................................................................................... 21
Tabla 6 Comparación con Ftabulado ............................................................................................ 22
Tabla 7 Comparación con Valor-p ................................................................................................ 23

Periodo 2019 - 01
Lista de Ilustraciones
Ilustración 1 Validación ANOVA en Minitab Ejercicio No.1 ..................................................... 11
Ilustración 2 Validación ANOVA en Infostat Ejercicio No.1 ...................................................... 12
Ilustración 3 Validación Minitab Ejercicio No.2 .......................................................................... 21
Ilustración 4 Validación Infostat Ejercicio No.2 .......................................................................... 21

Periodo 2019 - 01
Introducción
El diseño unifactorial se emplea cuando ciertas observaciones sufren la influencia de
determinado factor, el cual se presenta en un número preestablecido de niveles, realizando
muestras independientes. En el presente trabajo, a partir de examen detallado de los conceptos de
diseño unifactorial se resuelven los problemas solicitados y se comprueban usando software
estadístico y se concluye con el análisis de los resultados obtenidos.

Periodo 2019 - 01
Objetivos
Objetivo General
Resolver los problemas planteados de manera individual y socializarlos en el grupo
colaborativo.
Objetivos Específicos
Estudiar los conceptos de diseño completamente al azar (DCA).
Analizar los conceptos de diseño de bloques, diseño cuadro latino (DCL).
Presentar la solución a problemas de diseños unifactorial, aplicando cada uno de los conceptos
de formulación de hipótesis, análisis de varianza (ANOVA) y criterios de aceptación de las
hipótesis de investigación.
Comprobar las soluciones dadas empleando un software estadístico.

Periodo 2019 - 01
Apéndice 3
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.
Tabla 1 Información Inicial Ejercicio No.1
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

Periodo 2019 - 01
a. Formule el interrogante del problema de investigación
¿Existen diferencias entre el peso promedio de las tilapias para las diferentes fórmulas de engorde?
b. Formule las hipótesis correspondientes (igualdad y alterna)
Hipótesis Nula:
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 : Los tratamientos son iguales estadísticamente en cuanto a sus medias.
𝑁𝑜 ℎ𝑎𝑦 𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑠 𝑑𝑒 𝑒𝑛𝑔𝑜𝑟𝑑𝑒 𝑠𝑜𝑏𝑟𝑒 𝑒𝑙 𝑝𝑒𝑠𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑡𝑖𝑙𝑎𝑝𝑖𝑎𝑠
Hipótesis Alterna:
𝐻𝐴 : 𝜇𝑖 ≠ 𝜇𝑗 𝑃𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝑖 ≠ 𝑗: al menos un tratamiento es estadísticamente diferente.
𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 𝑑𝑒 𝑙𝑎𝑠 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑠 𝑑𝑒 𝑒𝑛𝑔𝑜𝑟𝑑𝑒 𝑡𝑖𝑒𝑛𝑒 𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 𝑠𝑜𝑏𝑟𝑒 𝑒𝑙 𝑝𝑒𝑠𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑡𝑖𝑙𝑎𝑝𝑖𝑎𝑠
c. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla ANOVA
Tabla 2 Tabla de ANOVA para DCA
Fuente: Análisis y diseño de experimentos (Gutiérrez Pulido & de la Vara Salazar, 2012)
Periodo 2019 - 01
1) Suma total de cuadrados o variabilidad total de los datos:
𝑘 𝑛𝑖
𝑌..2
𝑆𝐶𝑇 = ∑ ∑ 𝑌𝑖𝑗2 −
𝑁
𝑖=1 𝑗=1
𝑛𝑖
𝑌.. : 𝑆𝑢𝑚𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑁 = ∑ 𝑛𝑖 𝑑𝑎𝑡𝑜𝑠 𝑑𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜

𝑖=1
𝑌.. : 51,12
N=16
52,122
𝑆𝐶𝑇 = 166,4 − = 2,4
16
2) Suma de cuadrados de tratamientos o variabilidad debida a la diferencia entre las fórmulas:
𝑘
𝑌𝑖.2 𝑌..2
𝑆𝐶𝑇𝑅𝐴𝑇 =∑ −
𝑛𝑖 𝑁
𝑖=1
10,822 + 13,732 + 12,772 + 14,82 52,122

𝑆𝐶𝑇𝑅𝐴𝑇 = − = 2,14
4 16
3) Suma de cuadrados del error o variabilidad dentro de las fórmulas:
𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑇𝑅𝐴𝑇 = 2,4 − 2,14 = 0,3
4) Cuadrados medios de tratamientos y del error (efecto ponderado de cada fuente de variación):
𝑆𝐶𝑇𝑅𝐴𝑇 2,14
𝐶𝑀𝑇𝑅𝐴𝑇 = = = 0,71
𝑘−1 3
Periodo 2019 - 01
𝑆𝐶𝐸 0,3
𝐶𝑀𝐸 = = = 0,02
𝑁 − 𝐾 12
5) Estadístico de Prueba:
𝐶𝑀𝑇𝑅𝐴𝑇 0,71
𝐹0 = = = 28,89
𝐶𝑀𝐸 0,02
Tabla 3 Tabla ANOVA ejercicio No.1
FV SC GL CM Fo
TRATAMIENTOS 2,14 k-1 3 0,71 28,89
ERROR 0,3 N-k 12 0,02
TOTAL 2,4 N-1 15
De acuerdo a la tabla de distribución F, se lee que el valor crítico para ∝= 0,05
Es 𝐹0,05 ,3,12 = 3,49
Tabla 4 Comparación Ftabulado ejercicio No.1
FV SC GL CM Fo Ftabulado
TRATAMIENTOS 2,14 k-1 3 0,71 28,89 3,49
ERROR 0,3 N-k 12 0,02
TOTAL 2,4 N-1 15

Periodo 2019 - 01
d. Realizar la validación de la ANOVA por medio de un programa estadístico
Validación ANOVA en Minitab
Ilustración 1 Validación ANOVA en Minitab Ejercicio No.1

Periodo 2019 - 01
Validación en software Infostat
Ilustración 2 Validación ANOVA en Infostat Ejercicio No.1
e. A partir de los criterios del resultado del valor – P y ¿qué se puede concluir con respecto
a las hipótesis planteadas?
𝐹0 = 7,39 > 𝐹0,05 ,3,12 = 3,49
𝐹𝑂𝐵𝑆𝐸𝑅𝑉𝐴𝐷𝑂 > 𝐹𝑇𝐴𝐵𝑈𝐿𝐴𝐷𝑂 , por tanto se rechaza la hipótesis nula 𝐻0 , con lo cual se concluye que
sí hay diferencia significativa o efecto de las fórmulas de engorde sobre el peso promedio de las
tilapias.
Periodo 2019 - 01
𝑣𝑎𝑙𝑜𝑟 − 𝑝 = Siendo el valor p <0,0001 menor que el valor de la significancia 0.05, se rechaza la
hipótesis nula.
f. Describa cual 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)
La función del método Turkey es comparar las diferencias entre las medias muestrales de los
tratamientos, con el valor crítico dado por:
𝐶𝑀𝐸
𝑇∝ = 𝑞∝ (𝑘, 𝑁 − 𝑘)√
𝑛𝑖
𝐶𝑀𝐸 : Cuadrado medio del error
𝑛: Número de observaciones por tratamiento
𝑘: Número de tratamientos
𝑁 − 𝑘: Grados de libertad del error
∝: Nivel de significancia prefijado
𝑞∝ (𝑘, 𝑁 − 𝑘): Puntos porcentuales de la distribución del rango estudentizado
Se declaran significativamente diferentes los pares de medias cuya diferencia muestral en valor
absoluto sea mayor que 𝑇∝ .

Periodo 2019 - 01
El método Turkey se emplea cuando se rechaza la hipótesis nula, para identificar los tratamientos
con media diferente.

Periodo 2019 - 01
Tipos de semilla y Abono
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.
Tabla 5 Información Inicial Ejercicio No.2
Tipo de semilla
Tipo de 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
Periodo 2019 - 01
g. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla.
Tabla 6 ANOVA para el diseño de cuadro latino
Fuente de Suma de Grados de Cuadrado 𝐹0 Valor-p
variabilidad cuadrados libertad medio
Tratamientos 𝑆𝐶𝑇𝑅𝐴𝑅 k-1 𝐶𝑀𝑇𝑅𝐴𝑅 𝐶𝑀𝑇𝑅𝐴𝑅 𝑃(𝐹 > 𝐹0 )

𝐹0 =
𝐶𝑀𝐸
Renglones 𝑆𝐶𝐵1 k-1 𝐶𝑀𝐵1 𝐶𝑀𝐵1 𝑃(𝐹 > 𝐹0 )

𝐹0 =
𝐶𝑀𝐸
Columnas 𝑆𝐶𝐵2 k-1 𝐶𝑀𝐵2 𝐶𝑀𝐵2 𝑃(𝐹 > 𝐹0 )

𝐹0 =
𝐶𝑀𝐸
Error 𝑆𝐶𝐸 (k-2)(k-1) 𝐶𝑀𝐸
Total 𝑆𝐶𝑇 K2-1
Fuente: Análisis y diseño de experimentos (Gutiérrez Pulido & de la Vara Salazar, 2012)
Interrogante del problema de investigación
¿El tipo de semilla tiene efecto en el rendimiento del maíz e influye el tipo de abono empleado?
Hipótesis Nula:
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 : Los tratamientos son iguales estadísticamente en cuanto a sus medias.
𝑁𝑜 ℎ𝑎𝑦 𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑙𝑜𝑠 𝑡𝑖𝑝𝑜𝑠 𝑑𝑒 𝑠𝑒𝑚𝑖𝑙𝑙𝑎 𝑒𝑛 𝑒𝑙 𝑟𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑒𝑙 𝑚𝑎𝑖𝑧, 𝑎𝑠𝑖 𝑐𝑜𝑚𝑜 𝑡𝑎𝑚𝑝𝑜𝑐𝑜 𝑒𝑙 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑎𝑏𝑜𝑛𝑜
Hipótesis Alterna:
Periodo 2019 - 01
𝐻𝐴 : 𝜇𝑖 ≠ 𝜇𝑗 𝑃𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝑖 ≠ 𝑗: al menos un tratamiento es estadísticamente diferente.
En el archivo de Excel, se organizan cada una de las letras y se suman los totales:
Tipo de Tipo de semilla

Abono 1 2 3 4 Totales
1 C= 73 D= 78 A= 68 B= 90 309
2 B= 79 C= 79 D= 67 A= 80 305
3 A= 65 B= 81 C= 65 D= 66 277
4 D= 92 A= 80 B= 89 C= 92 353
Totales 309 318 289 328 1244
A B C D
65 79 73 92
80 81 79 78
68 89 65 67
80 90 92 66
Totales 293 339 309 303
Se Hallan las sumas de cuadrados:
𝑆𝐶𝑇 = (732 + 792 + 65 + 922 ) + (782 + 792 + 812 + 802 ) + ( 682 + 672 + 652 + 892 )
12442
+ ( 90² + 802 + 662 + 922 ) −
16
12442
𝑆𝐶𝑇 = 98124 −
16
𝑆𝐶𝑇 = 98124 − 96721
𝑺𝑪𝑻 = 𝟏𝟒𝟎𝟑
Periodo 2019 - 01
(3092 + 3052 + 2772 + 3532 ) 12442

𝑆𝐶𝐵1 = −
4 16
𝑆𝐶𝐵1 = 97461 − 96721
𝑺𝑪𝑩𝟏 = 𝟕𝟒𝟎
(3092 + 3182 + 2892 + 328)2 12442

𝑆𝐶𝐵2 = −
4 16
𝑆𝐶𝐵2 = 96927,5 − 96721
𝑺𝑪𝑩𝟐 = 𝟐𝟎𝟔, 𝟓
2932 + 3392 + 3092 + 3032 12442

𝑆𝐶𝑇𝑅𝐴𝑇 = −
4 16
𝑆𝐶𝑇𝑅𝐴𝑇 = 97015 − 96721
𝑺𝑪𝑻𝑹𝑨𝑻 = 𝟐𝟗𝟒
𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑇𝑅𝐴𝑇 − 𝑆𝐶𝐵1 − 𝑆𝐶𝐵2

Periodo 2019 - 01
𝑆𝐶𝐸 = 1403 − 294 − 740 − 206,05
𝑺𝑪𝑬 = 𝟏𝟔𝟐, 𝟓
𝑮𝒓𝒂𝒅𝒐𝒔 𝒅𝒆 𝒍𝒊𝒃𝒆𝒓𝒕𝒂𝒅
𝐾−1
4−1
𝑮𝒓𝒂𝒅𝒐𝒔 𝒅𝒆 𝒍𝒊𝒃𝒆𝒓𝒕𝒂𝒅 / 𝑬𝒓𝒓𝒐𝒓
(𝑘 − 2)(𝑘 − 1)
𝑮𝒓𝒂𝒅𝒐𝒔 𝒅𝒆 𝒍𝒊𝒃𝒆𝒓𝒕𝒂𝒅 / 𝑻𝒐𝒕𝒂𝒍
k² - 1
16 - 1=15
𝑪𝒖𝒂𝒅𝒓𝒂𝒅𝒐 𝒎𝒆𝒅𝒊𝒐
𝐶𝑀𝑇𝑅𝐴𝑇=𝑆𝐶𝑇𝑅𝐴𝑇
𝐾−1
𝐶𝑀𝑇𝑅𝐴𝑇=294
3
𝑪𝑴𝒔𝒆𝒎𝒊𝒍𝒍𝒂=𝟗𝟖,𝟎𝟎
Periodo 2019 - 01
𝐶𝑀𝑇𝑅𝐴𝑇=740
3
𝑪𝑴𝒇𝒊𝒍𝒂𝒔=𝟐𝟒𝟔,𝟔𝟕
𝐶𝑀 206,5
𝑇𝑅𝐴𝑇=
3
𝑪𝑴𝒄𝒐𝒍𝒖𝒎𝒏𝒂𝒔=𝟔𝟖,𝟖𝟑
𝐶𝑀 162,5
𝑒𝑟𝑟𝑜𝑟=
6
𝑪𝑴𝒆𝒓𝒓𝒐𝒓=𝟐𝟕,𝟎𝟖
SC TRAT 294
SC B1 740
SC B2 207
SC T 1403
SC E 163
Se organizan los datos y se calculan los valores para la tabla ANOVA:

Periodo 2019 - 01
Tabla 7 ANOVA Ejercicio No.2
Fuente de Suma de Grados de Cuadrado F

variabilidad cuadrados libertad medio tabulada
Tratamientos 294 3 98,0 3,6 4,76
Renglones 740 3 246,7 9,1 4,76
Columnas 207 3 68,8 2,5 4,76
Error 163 6 27,1
Total 1403 15
Validación Minitab
Ilustración 3 Validación Minitab Ejercicio No.2
Validación Infostat
Ilustración 4 Validación Infostat Ejercicio No.2

Periodo 2019 - 01
h. A partir de los criterios del resultado del valor – P y FO que se puede concluir con respecto
a las hipótesis planteadas?
Tabla 8 Comparación con Ftabulado
Fuente de Suma de Grados de Cuadrado F Aceptación

variabilidad cuadrados libertad medio tabulada o rechazo
Tratamientos 294 3 98,0 3,6 4,76 Aceptar
Renglones 740 3 246,7 9,1 4,76 Rechazar
Columnas 207 3 68,8 2,5 4,76 Aceptar
Error 163 6 27,1
Total 1403 15
Periodo 2019 - 01
Comparando valor-p con 𝛼 = 0,05, se obtienen los resultados de la tabla adjunta, teniendo en
cuenta que, cuando valor-p es menor que 𝛼 = 0,05, se rechaza la hipótesis nula, caso contrario se
acepta.
Tabla 9 Comparación con Valor-p
Fuente de Suma de Grados de Cuadrado F Aceptación

Valor p
variabilidad cuadrados libertad medio tabulada o rechazo
Tratamientos 294 3 98,0 3,6 4,76 Aceptar 0,084
Renglones 740 3 246,7 9,1 4,76 Rechazar 0,012
Columnas 207 3 68,8 2,5 4,76 Aceptar 0,153
Error 163 6 27,1
Total 1403 15
Con esto, se concluye que el tipo de abono no afecta el rendimiento de maíz mientras sí lo hace el
tipo de semilla.
Resultados método Tukey

Periodo 2019 - 01
Conclusiones
El diseño experimental realizado permitió conocer si algunas de las cuatro fórmulas de engorde
tenían influencia en el peso del cultivo de tilapias.
Con los resultados del Fcalculado y valor p, se rechazó la hipótesis nula, porque si hay efecto
de las formulas en el peso de las tilapias.
El análisis de los datos realizados en la hoja de cálculo Excel, fueron validados en el programa
infostat y Minitab, teniendo al final los mismos resultados.
El diseño experimental de cuadro latino permitió analizar el comportamiento de dos factores
de bloque con un factor de tratamiento, de este modo, se analizó, el tipo de semilla, el tipo de
abono con las variables de cada uno.
Con los resultados del Fcalculado y valor p, no se rechazó la hipótesis nula, porque si hay
relación entre el tipo de semilla y el rendimiento del maíz.
El análisis completo se validó a través de infostat concluyendo con el análisis Tukey.

Periodo 2019 - 01
Bibliografía
Gutiérrez Pulido, H., & de la Vara Salazar, R. (2012). Análisis y diseño de experimentos.
Guanajuato, Mexico: McGRAW-HILL/INTERAMENRICANA EDITORES, S.A de
C.V.

Colaborativo Fase 3

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Colaborativo Fase 3

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

Andrea Milena García

Juan Pablo Ariza Cano

Efren David Burbano

Diana Patricia Nieto

Carolina María Bedoya

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA

Lista de Tablas .................................................................................................................. 3

Tabla 1 Tabla de ANOVA para DCA ............................................................................................. 8

Tabla 2 Tabla ANOVA ejercicio No.1 ......................................................................................... 10

Tabla 3 Comparación Ftabulado ejercicio No.1 ........................................................................... 10

Tabla 4 ANOVA para el diseño de cuadro latino ......................................................................... 16

Tabla 5 ANOVA Ejercicio No.2 ................................................................................................... 21

Tabla 6 Comparación con Ftabulado ............................................................................................ 22

Tabla 7 Comparación con Valor-p ................................................................................................ 23

Ilustración 1 Validación ANOVA en Minitab Ejercicio No.1 ..................................................... 11

Ilustración 2 Validación ANOVA en Infostat Ejercicio No.1 ...................................................... 12

Ilustración 3 Validación Minitab Ejercicio No.2 .......................................................................... 21

Ilustración 4 Validación Infostat Ejercicio No.2 .......................................................................... 21

El diseño unifactorial se emplea cuando ciertas observaciones sufren la influencia de

determinado factor, el cual se presenta en un número preestablecido de niveles, realizando

muestras independientes. En el presente trabajo, a partir de examen detallado de los conceptos de

diseño unifactorial se resuelven los problemas solicitados y se comprueban usando software

estadístico y se concluye con el análisis de los resultados obtenidos.

Resolver los problemas planteados de manera individual y socializarlos en el grupo

Estudiar los conceptos de diseño completamente al azar (DCA).

Analizar los conceptos de diseño de bloques, diseño cuadro latino (DCL).

de formulación de hipótesis, análisis de varianza (ANOVA) y criterios de aceptación de las

Comprobar las soluciones dadas empleando un software estadístico.

Comparación de 4 fórmulas de engorde en tilapias

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

engorde realizada es más eficiente). En primera instancia, la estrategia experimental es aplicar

Tabla 1 Información Inicial Ejercicio No.1

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

b. Formule las hipótesis correspondientes (igualdad y alterna)

𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 : Los tratamientos son iguales estadísticamente en cuanto a sus medias.

𝑁𝑜 ℎ𝑎𝑦 𝑒𝑓𝑒𝑐𝑡𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑠 𝑑𝑒 𝑒𝑛𝑔𝑜𝑟𝑑𝑒 𝑠𝑜𝑏𝑟𝑒 𝑒𝑙 𝑝𝑒𝑠𝑜 𝑑𝑒 𝑙𝑎𝑠 𝑡𝑖𝑙𝑎𝑝𝑖𝑎𝑠

𝐻𝐴 : 𝜇𝑖 ≠ 𝜇𝑗 𝑃𝑎𝑟𝑎 𝑎𝑙𝑔ú𝑛 𝑖 ≠ 𝑗: al menos un tratamiento es estadísticamente diferente.

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

Tabla 2 Tabla de ANOVA para DCA

1) Suma total de cuadrados o variabilidad total de los datos:

𝑌.. : 𝑆𝑢𝑚𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑁 = ∑ 𝑛𝑖 𝑑𝑎𝑡𝑜𝑠 𝑑𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜

2) Suma de cuadrados de tratamientos o variabilidad debida a la diferencia entre las fórmulas:

10,822 + 13,732 + 12,772 + 14,82 52,122

3) Suma de cuadrados del error o variabilidad dentro de las fórmulas:

𝑆𝐶𝐸 = 𝑆𝐶𝑇 − 𝑆𝐶𝑇𝑅𝐴𝑇 = 2,4 − 2,14 = 0,3

Tabla 3 Tabla ANOVA ejercicio No.1

TRATAMIENTOS 2,14 k-1 3 0,71 28,89

ERROR 0,3 N-k 12 0,02

TOTAL 2,4 N-1 15

De acuerdo a la tabla de distribución F, se lee que el valor crítico para ∝= 0,05

Es 𝐹0,05 ,3,12 = 3,49

Tabla 4 Comparación Ftabulado ejercicio No.1

TRATAMIENTOS 2,14 k-1 3 0,71 28,89 3,49

ERROR 0,3 N-k 12 0,02

TOTAL 2,4 N-1 15

d. Realizar la validación de la ANOVA por medio de un programa estadístico

Validación ANOVA en Minitab