DISEO COMPLETAMENTA ALEATORIAZDO (DCA)

1 Introduccin
2. Ventajas y desventajas
3. Proceso de azarizacin de los tratamientos
4. Tabla del anlisis de varianza
5. Ilustracin del procedimiento para realizar el
ANDEVA para un DCA
Dr. Manuel Enrique Pedroza Pacheco
INTRODUCCION AL DISEO COMPLETAMENTE AL
AZAR (DCA)

Tratamientos colocados completamente

al azar en las unidades experimentales

DCA
No impone restricciones a las unidades
experimentales

La homogeneidad que presentan las

unidades experimentales, es lo que permite
colocar completamente al azar a los
tratamientos en las U. E.
 Flexible en cuanto al nmero de tratamientos
y observaciones (= repeticiones estadsticas)

Ventajas
Anlisis estadstico sencillo

Grados de libertad para estimar el error

experimental es mximo

Desventaja Ineficiente para ensayos de campo?

 Proceso de azarizacin de los tratamientos
Supongamos que se quiere establecer un experimento a nivel de
laboratorio para evaluar 3 dosis (5, 10, 15, mg/U.E) de la Cepa
R-102 (bacteria fijadora de nitrgeno atmosfrico) con 4
observaciones, sobre el rendimiento del cultivo de la soya.

T x Observaciones o Repeticiones=U.E. 3 x 4 = 12 U.E.

1) Se enumeran desde 1 hasta tr U. E. 2) Extraer al azar los nmeros aleatorios

correspondiente a las U.E. que recibirn
el primer tratamiento y as sucesivamente
1 T1 2 T3 3 T2 4 T1 para el resto de tratamientos.

Azarizacin o Sorteo
5 T2 6 T3 7 T3 8 T2
T1 = 1, 4, 10 y 12
T3 = 9, 6, 7 y 2
9 T3 10 T1 11 T2 12 T1 T2 = 5, 8, 11 y 3
MODELO ADITIVO LINEAL del ANDEVA
PARA UN DCA
Yij= + i + ij

i = 1, 2, 3, .t .. tratamientos

j = 1, 2, 3, nobservaciones

Yij = La j-sima observcin del i-simo tratamiento

= Es la media poblacional a estimar a partir de los datos del experimento

i = Efecto del i-simo tratamiento a estimar a partir de los datos del

experimento

ij = Efecto aleatorio de variacin

 EL ANDEVA
El modelo estadstico, en general, describe la
variabilidad de una ms variables
respuestas, descomponiendo esa variabilidad
en:
Fuentes de Variacin Conocida . y
Fuentes de Variacin Desconocida

Balzarini M., Bruno C., y Arroyo A.,

2007
La calidad de un modelo estadstico, NO se determina por
su complejidad por su tamao, sino que est determinada
por su utilidad en un estudio en particular, para responder
a las preguntas de inters, (Shabenberger y Pierce, 2003).
Procedimiento para Desarrollar la Ecuacion
Fundamental del ANDEVA

Pedroza, 1993
Procedimiento para Desarrollar la Ecuacin de
Sumas de Cuadrados para el ANDEVA

Pedroza, 1993
 Procedimiento para Desarrollar la Ecuacin de
Sumas de Cuadrados para el ANDEVA

Ecuacin Fundamental del ANDEVA=? Pedroza, 1993

La Prueba F
constituyen la base del contraste de hiptesis.

Fc = CMTrat/CME

Ho = i = 0 es decir Todos los tratamientos son iguales entre s

Ha = i 0 ... es decir Al menos un par de tratamientos difieren

entre s
Balzarini M., Bruno C., y Arroyo A.,
 EL PROCEDIMIENTO BASICO
PARA EL ANOVA
(3) COMPARAR LA
VARIABILIDAD DE
TRATAMIENTOS
VS LA DEL E.E.

2 2
F = Strat / Se.e

Test de Fisher-Snedecor

(1) ESTIMAR LA (2) ESTIMAR LA

VARIABILIDAD DE VARIABILIDAD DEL
TRATAMIENTOS (i) E.E. (ij)
 INFERENCIAS DE DISEOS
EXPERIMENTALES
Basadas en la Prueba de F de Fischer/Snedecor

Ho: 1 = 2 = . = n i = 0 Resp. es NS
Efecto de los tratamientos son iguales entre s

Ha: 1 2 . n 0 ...... Resp. es **

i

Al menos un par de tratamientos difieren entre s

Balzarini M., Bruno C., y Arroyo A., 2007

 Regla de Decisin para las Hiptesis correspondientes

Si: p > 5% Igualdad NS

es decir: Acepto Ho = i = 0
Efecto de tratamientos: son iguales entre s.

Si: p <= 5% Diferencias **

.... es decir: Rechazo Ho; por tanto Acepto Ha = i 0

Efecto de tratamientos: al menos un par de ellos difieren entre s.

Pedroza, 1993
 USO DE MODELOS PARAMETRICOS
DISEOS EXPERIMENTALES
Basadas en la Prueba de Fisher/Snedecor
Prueba que debe especificar los supuestos distribucionales o
probabilsticos sobre los trminos asociados al error experimental

Cuando se trabaja con variables continuas,

es indispensable el Anlisis de los Residuos.

Los supuestos del ANDEVA:

1. Normalidad de los residuos
2. Homogeneidad de varianzas de los residuos
3. Independencia de los residuos
Balzarini M., Bruno C., y Arroyo A., 2007
 EL PROCEDIMIENTO POSTERIOR AL ANOVA

Prueba de Rangos SNK, Tukey

Multiples
Duncan, Scheffe
Bonferroni, etc.

Cual de las Pruebas

es la Mejor ?

Test de Fisher solo da

LSD (Fischer)
una Respuesta Global Dunnet
Contrastes Ortogonales Pruebas de Rangos
Especficos
Pruebas de F A priori Pedroza, 2005
 Yij = + i + ij .donde

Ho = i = 0 .
0.40
es decir: Todos los tratamientos son iguales entre s
Funcin de densidad Normal con Medias iguales ? y Varianzas Homogneas

0.30
Ha = i 0 ... es decir: Al menos un par de tratamientos difieren entre s
Densidad

Y.. = = 14
0.20
2= - 2 Fc = CMTrat/CME
3= 6
Media=12 Media = 20
Media = 10
0.10

0.00
-2.00 11.00 24.00 37.00 50.00
1= - 4 Pedroza, 2007
Variable "p"
 Generalizacin de los datos para un DCA Frmulas operacionales

Observaciones _ 1) F.C. = (Y..)2/nt

Trat. 1 2 3 4 Yi. Yi.
T1 Y11 Y12 Y13 Y14 Y1. Y1. 2) S.C. Total = Y2ij - F.C.

T2 Y21 Y22 Y23 Y24 Y2. Y2. 3) S.C. Trat = Y2i./n - F.C.
T3 Y31 Y32 Y33 Y34 Y3. Y3.
Y.. Y.. 4) S.C. Error = S.C.Total - S.C.T

Tabla del ANDEVA para un DCA

Fuente de varicin S. de C. G. L. C. M. Fcal

Tratamientos Y2 i. /n- F.C. t-1 S.C.Trat/t-1 CMTrat/CME
Error S.C.Total - t(n-1) S.C.Error/t(n-1)
S.C.T
Total Y2 ij - F.C. tn-1
6.1.7. Ilustracion del procedimiento para realizar un
ANDEVA para un DCA con igual nmero de
repeticiones por tratamiento.

A partir de un ensayo de campo establecido en la Estacin

Experimental Raul Gonzlez del Valle de Sbaco, Miranda
A., 1990, realiz un muestreo completamente al azar para
determinar por medio de diferentes parmetros el
potencial agroindustrial de cinco variedades de tomate
industrial. En el cuadro 6.1.3. se presentan los datos del
peso (g) de jugo obtenido.

Cuadro 6.1.3. Peso del jugo (en g) obtenido para diferentes

variedades de tomate industrial.
Varie- OBSERVACIONES _
dades 1 2 3 4 Y i. Y i.
Mart 656.30 718.40 586.60 746.20 2707.50 676.87
Topacio 784.40 713.40 915.80 629.60 3043.20 760.80
Estela 924.50 822.80 824.20 978.50 3550.00 887.50
VF-134 534.40 685.10 567.20 655.50 2442.20 610.55
UC-82 640.70 658.80 532.70 614.40 2446.60 611.65
 Descripcin del MAL para el experimento

Yij = + i + ij .donde

i = 1, 2, 3 .t = 5 tratamientos Establecer las hiptesis correspondientes

j = 1, 2, 3, n = 4 observaciones
Ho = i = 0 . es decir :
Yij = Es el dato del peso de jugo (en g)
para c/u de las variedades. Todos los tratamientos son
iguales entre s.

= Estima a la verdadera media

poblacional del peso de jugo en las
variedades de tomate.
Ha = i 0 ...... es decir :
Al menos un par de
i = Estima el efecto o influencia de la tratamientos difieren entre
i-sima variedad de tomate industrial s.
sobre el peso del jugo.

ij = Estima el elemento aleatorio de

variacin generado en el experimento.
Clculo de las Sumas de Cuadrados correspondientes

1) F.C. = (Y..)2/nt

F.C. = (14 189.50)2/4*5

F.C. = 10 067 096.0

2) S.C.Total = Y2ij -F.C.

S.C.Total= [ (656.30)2 + (784.40) 2 + ..+ (655.50)2 + (614.40)2 ] - F.C.

S.C.Total= 320 534.0

3) S.C. Trat. = Y2i. /n - F.C.

S.C. Trat. = [ (2707.50)2 + + (2446.60)2]/4 - F.C.
S.C. Trat. = 218 984

4) S.C.Error= S.C.Total - S.C.Trat.

S.C.Error= 320534 - 218984
S.C.Error= 101 550
 Cuadro 6.1.4. Anlisis de varianza del peso de jugo (en g)
para los datos presentados en el cuadro 6.1.3.

Fuente de
Variacin S. de C. G.L. C.M. Fcal F 5% F 1%
Variedades 218984 4 54746 8.08** 3.06 4.89
Error 101550 15 6770
Total 320534 19 C.V.=11.59%

CONCLUSION:

El ANDEVA realizado con 95 y 99 % de confianza indica

que existe efecto de tratamiento, es decir, al menos un par de
las cinco variedades de tomate evaluadas muestran diferencias
reales en cuanto a la capacidad de produccin de jugo.
Prueba de Rangos Multiples de Duncan
Rp = r p, gle, p = 2, 3, t ; * Sy

Pasos seguir para la separacin de las medias

a) Calcular el Sy

Sy =CME/n = Sy =6770/4 = 41.14

b) En una tabla separada, se determinar

los valores tabulares de Duncan.

"p" 2 3 4 5
R p5% ; gle = 15 3.01 3.16 3.25 3.31
Sy 41.14 41.14 41.14 41.14
R p al 5 % 123.83 130.00 133.70 136.17
 C) Ordenamiento de las medias de tratamientos de mayor a menor en una tabla
de doble entrada y determinar las diferencias de medias, segn el criterio de
Duncan.
Categoras Medias Estela Topacio Mart UC-82 VF-134
Estadsticas de trat. 887.50 760.80 676.87 611.65 610.55 R p 5%
a 887.50 0 126.7 * 210.63 * 275.85 * 276.95 * 136.17
b 760.80 0 83.93 NS 149.15 * 150.25 * 133.70
bc 676.87 0 65.22 NS 66.32 NS 130.00
c 611.65 0 1.10 NS 123.83
c 610.55 0

Conclusiones:

La prueba de Duncan realizada con = 5 % indica que el conjunto de tratamientos

comparados pueden separarse en cuatro categoras estadsticamente diferentes:
1er. lugar: Estela con 887.5 g de peso de jugo.
2do. lugar: Topacio con 760.8 g de peso de jugo.
3er. lugar: Mart, con 676.87 g de peso de jugo.
4to. Lugar: UC-82 y VF-134 con 611.65 y 610.55
g de peso de jugo respectivamente.
Prueba de Rangos Multiples de Tukey
Wp = q; gle; p = t ; * Sy

Pasos a seguir para la separacin de las medias

a) Calcular el Sy

Sy =CME/n = Sy = 6770/4 = 41.14

b) Determinar el valor tabular de Tukey

q 5 %; gle = 15 ; p = t = 5 = 4.37

c) Calcular el comparador de Tukey

Wp = 4.37 * 41.14 = 179.87
d) Ordenamiento de las medias de tratamientos de mayor a menor en una tabla
de doble entrada y determinar las diferencias de medias, segn el criterio de
Tukey.
Categoras Medias Estela Topacio Mart UC-82 VF-134
Estadisticas De trat. 887.50 760.80 676.87 611.65 610.55 W p 5%

a 887.50 0 126.7 NS 210.63 * 275.85 * 276.95 * 179.78

ab 760.80 0 83.93 NS 149.15 NS 150.25 NS
b 676.87 0 65.22 NS 66.32 NS
b 611.65 0 1.10 NS
b 610.55 0

Conclusiones:

La prueba de Tukey realizada con = 5 % indica que el conjunto de tratamientos

comparados puden separarse en tres categoras estadsticamente diferentes:
1er. lugar: Estela con 887.5 g de peso de jugo.
2do. lugar: Topacio con 760.8 g de peso de jugo.
3er. lugar: Mart, con 676.87 g de peso de jugo.
UC-82 con 611.65 g de peso de jugo.
VF-134 y 610.55g de peso de jugo
Prueba de Rangos Multiples de SNK
Wp = q ; gle; p = 2, 3, t ; * Sy

Pasos a seguir para la separacin de las medias

a) Calcular el Sy

Sy =CME/n = Sy =6770/4 = 41.14

b) En una tabla separada, se determinan

los valores crticos de SNK=Tukey

"p" 2 3 4 5
q 5% ; gle = 15 3.01 3.67 4.08 4.37
Sy 41.14 41.14 41.14 41.14
W p al 5 % 123.83 150.98 167.85 179.78
 c) Ordenamiento de las medias de tratamientos de mayor a menor en una tabla
de doble entrada y determinar las diferencias de medias, segn el criterio de
SNK.
Categoras Medias Estela Topacio Mart UC-82 VF-134
Estadisticas De trat. 887.50 760.80 676.87 611.65 610.55 W p 5%
a 887.50 0 126.7 * 210.63 * 275.85 * 276.95 * 179.78
b 760.80 0 83.93 NS 149.15 NS 150.25 NS 167.85
b 676.87 0 65.22 NS 66.32 NS 150.98
b 611.65 0 1.10 NS 123.83
b 610.55 0

Conclusiones:

La prueba de SNK realizada con = 5 % indica que el conjunto de tratamientos

comparados puden separarse en dos categoras estadsticamente diferentes:
1er. lugar: Estela con 887.5 g de peso de jugo.
2do. lugar: Topacio con 760.8 g de peso de jugo.
Mart, con 676.87 g de peso de jugo.
UC-82 con 611.65 g de peso de jugo.
VF-134 con 610.55 g de peso de jugo