Qué Es Un Grupo de Control Científico

DISEO EXPERIMENTAL Y ANLISIS DE VARIANZA
PRINCIPIOS DEL DISEO EXPERIMENTAL

1. INTRODUCCIN
Este captulo es una introduccin al planeamiento y conduccin de experimentos en relacin con los objetivos, el anlisis
y la eficiencia.
Si aceptamos la premisa que el conocimiento nuevo se obtiene muy frecuentemente a travs del anlisis e interpretacin
cuidadosa de los datos, entonces es muy importante que se deba dedicar tiempo y esfuerzo considerables al
planeamiento y recoleccin de los mismos con el objeto de obtener la mxima informacin con el menor costo de
recursos.
2. EXPERIMENTO
Es una bsqueda planeada para obtener nuevos conocimientos o para confirmar o no resultados de experimentos
previos, con lo que tal indagacin ayuda a la toma de decisiones. Se dispone cada experimento para proporcionar
respuestas a una o ms preguntas. Con esto en mente, los investigadores deciden que comparaciones de tratamientos
proporcionarn informacin relevante. Entonces realizan un experimento para medir o probar hiptesis que tiene que ver
con diferencias entre tratamientos en condiciones comparables. Toman mediciones y observaciones sobre el material
experimental. A partir de la informacin obtenida en un experimento que se ha completado con xito, responden a las
preguntas planteadas al comienzo. Tales experimentos se clasifican en tres categoras: preliminar, crtico y demostrativo.
2.1 EXPERIMENTO PRELIMINAR
El investigador prueba un nmero grande de tratamientos con el objeto de obtener indicios para futuros trabajos.
2.2 EXPERIMENTO CRITICO
El investigador compara las respuestas a diferentes tratamientos usando un nmero suficiente de observaciones de las
respuestas para obtener seguridad razonable para detectar diferencias significativas.
2.3 EXPERIMENTO DEMOSTRATIVO
Se llevan a cabo cuando los trabajos de extensin comparan uno o ms tratamientos nuevos con un patrn.
3. UNIDAD EXPERIMENTAL Y TRATAMIENTO
Una unidad experimental, o parcela experimental, es la unidad de material a la cual se aplica un tratamiento; el
tratamiento es el procedimiento cuyo efecto se mide y se compara con otros tratamientos. La unidad experimental
puede ser un rbol, una parcela o un animal; el tratamiento puede ser un programa de aspersin foliar de insecticida,
una frmula de fertilizacin o una racin alimenticia. Cuando se mide el efecto de un tratamiento, se mide en una unidad
de muestreo, que es una fraccin de la unidad experimental.
4. ERROR EXPERIMENTAL
Es una medida de la variacin existente entre observaciones sobre medidas experimentales tratadas en forma similar.
La variacin proviene de dos fuentes principales, primero, existe la variabilidad inherente al material experimental al
cual se aplican los tratamientos. Segundo, existe una variacin resultante de cualquier falta de uniformidad en la
realizacin fsica del experimento.
Es importante hacer todo el esfuerzo posible para reducir el error experimental; para ello debe atenderse a las dos
principales fuentes de error experimental:
a)
Manejar el material experimental de tal manera que se logre reducir los efectos debidos a la variabilidad inherente.
b)
Refinar la tcnica experimental.
CONTROL DEL ERROR
El control del error puede lograrse mediante:
El diseo experimental adecuado.
El uso de observaciones concomitantes.
La eleccin del tamao y la forma de las unidades experimentales.
El diseo experimental
El control del error experimental consiste en el diseo de un experimento de tal manera que parte de la variacin natural
entre el conjunto de unidades experimentales se trate materialmente de modo que no contribuya en nada a las
diferencias entre medias de tratamientos.
Cuando se agrupan las unidades experimentales en bloques completos, esto es, cada bloque contiene todos los
tratamientos, de modo que la variacin entre unidades dentro de un bloque sea menor que la variacin entre unidades
en bloques diferentes, la precisin del experimento aumenta como resultado del control del error.
El uso de observaciones concomitantes

En muchos experimentos, se puede aumentar la precisin mediante el uso de observaciones complementarias y una
tcnica aritmtica llamada anlisis de covariancia. Se usa este anlisis cuando la variacin entre unidades
experimentales se debe, en parte, a variacin en alguna otra u otras caractersticas medibles y no suficientemente
controlables para que sean tiles al asignar unidades experimentales a bloques completos o incompletos con base en
resultados semejantes.
Tamao y forma de las unidades experimentales
Como regla general, las unidades experimentales grandes presentan menos variacin que las pequeas. Sin embargo,
un aumento en el tamao de la unidad experimental trae a menudo como consecuencia una reduccin en el nmero de
repeticiones que puede tenerse debido a lo limitado del material experimental de que se dispone.
5. REPETICIONES
Cuando un tratamiento aparece ms de una vez en un experimento se dice que est repetido. Se hace repeticiones
para:
a. Permitir una estimacin del error experimental.
b. Mejorar la precisin de un experimento mediante la reduccin de la desviacin estndar de una media de
tratamiento.
c. Aumentar el alcance de la inferencia del experimento a travs de la seleccin y del uso apropiado de unidades
experimentales ms variables.
d. Ejercer control sobre la varianza del error.
6. ALEATORIZACIN
La funcin de la aleatorizacin consiste en asegurarse que obtengamos un estimativo vlido o insesgado del error
experimental, de las medias de tratamientos y de las diferencias entre las mismas. La aleatorizacin generalmente
supone el empleo de un dispositivo de azar, tal como el lanzamiento de una moneda o el uso de tablas de nmeros
aleatorios. Aleatoriedad y azar no son equivalentes.
Para evitar el sesgo de las comparaciones entre medias de tratamientos, es necesario disponer de alguna manera de
asegurar que un tratamiento particular no resulte favorecido en forma consistente en repeticiones sucesivas por alguna
fuente externa de variacin conocida o desconocida. O sea que cada tratamiento debe tener igual oportunidad de ser
asignado a una unidad experimental, sea favorable o desfavorable. La aleatoriedad ofrece el procedimiento de igual
oportunidad.
7. VARIABLE RESPUESTA
Es el resultado, obtenido de una unidad experimental, de un atributo particular. Corrientemente su expresin es
numrica. La respuesta puede ser el rendimiento de un cultivo, la altura de una planta, la eficiencia de una mquina, la
resistencia de un material, etc. Usualmente se mide varias respuestas en el mismo ensayo.
8. PARMETRO
Es un valor fijo relacionado a una poblacin, que generalmente desconocemos, utilizando como representantes de ellos
a sus estimaciones.
9. COEFICIENTE DE VARIACIN
El Coeficiente de Variacin (CV) es una medida de dispersin, utilizado para medir el grado de homogeneidad relativa de
un grupo de datos, frente a otros que presentan diferentes unidades o escalas de medida. El CV se expresa
porcentualmente y se obtiene dividiendo la
desviacin estndar de los datos por la
media de los mismos.
MINITAB
INTRODUCCION
Meet Minitab presenta las caractersticas utilizadas con mayor frecuencia en Minitab. En este programa, usted usar
funciones, crear grficas y generar estadsticas. El contenido de Meet Minitab se relaciona con las acciones que debe
realizar en sus propias sesiones de Minitab.
La mayora de los anlisis estadsticos requiere una serie de pasos, con frecuencia orientados por un conocimiento
previo o por el rea en cuestin que se investiga.
INICIO DE MINITAB
Antes de comenzar su anlisis, inicie Minitab y examine el diseo de las ventanas.
En la barra de tareas de Windows, elija Inicio Programas Minitab
Solutions Software estadstico Minitab 16 Espaol.
Minitab se abre con dos ventanas principales visibles:
La ventana Sesin muestra los resultados de su anlisis en formato de texto. Adems, en esta ventana puede
ingresar comandos en lugar de usar los mens de Minitab.
La ventana Datos actual contiene una hoja de trabajo abierta, que es similar en aspecto a una hoja de clculo. Puede
abrir varias hojas de trabajo, cada una en una ventana Datos actual distinta.
APERTURA DE UNA HOJA DE TRABAJO

Puede abrir una nueva hoja de trabajo vaca en cualquier momento. Tambin puede abrir uno o ms archivos con datos.
Cuando abre un archivo, usted copia su contenido en el proyecto Minitab actual. Los cambios que efecta en la hoja de
trabajo mientras se encuentra en el proyecto no afectan el archivo original. Los datos de los tres centros de envo se
guardan en la hoja de trabajo
DATOSENVO.MTW.
1.
2.
3.
4.
Elija Archivo Abrir hoja de trabajo.

Haga clic en Buscar en carpeta Datos de muestra de Minitab, cerca de la parte inferior del cuadro dilogo.
En la carpeta Datos de muestra, haga doble clic en Meet Minitab. Puede cambiar la carpeta predeterminada para
abrir y guardar archivos en Minitab al seleccionar Herramientas Opciones General.
Elija DATOSENVO.MTW y, a continuacin, haga clic en Abrir. Si aparece un cuadro con un mensaje, coloque una
marca en No volver a mostrar este mensaje y, a continuacin, haga clic en Aceptar. Para restaurar este mensaje
para que aparezca cada vez que abre una hoja de trabajo, restablezca la configuracin predeterminada de Minitab.
Consulte Restauracin de la configuracin predeterminada de Minitab en la pgina 9-7.
EXAMINAR UNA HOJA DE TRABAJO

Los datos estn ordenados en columnas, que tambin se denominan variables. El nmero y el nombre de las columnas
aparecen en la parte superior de cada columna. Cada fila de la hoja de trabajo representa un caso, que es informacin
acerca de un pedido de libros.
Minitab acepta tres tipos de datos: numricos, de texto y de fecha/hora. Esta hoja de trabajo contiene cada uno de
estos tipos.
DISEO COMPLETAMENTE AL AZAR (DCA)
El diseo completamente al azar es el ms simple de todos los diseos. Es un diseo en el cual los tratamientos son
asignados aleatoriamente a las unidades experimentales sin ningn tipo de restriccin. Este diseo es utilizado cuando
las unidades experimentales son bastante homogneas, es decir cuando la variabilidad entre ellas es pequea y no
existe ningn criterio de bloqueo que permita disminuirla. Dado que los tratamientos constituyen el nico criterio de
clasificacin para las unidades experimentales, a este diseo se le conoce tambin como diseo de clasificacin de una
va.
MODELO ESTADSTICO
Yij i eij
i 1, 2,3..........t
j 1, 2,.......ri
Donde:
Yij
i
eij
=Valor observado en la j-sima repeticin para el i-simo tratamiento.

Es la ganancia de peso obtenida en el j-sima cuy alimentado para el i-simo mezcla alimenticia (trat)
Efecto de la media general (Efecto de la media general de la ganancia de peso).

Efecto del i-esimo tratamiento (mezcla alimenticia, ejemplo)
Efecto aleatorio del error experimental con el j-esima repeticin con el i-esimo tratamiento
t Numero de tratamientos.
ri
Nmero de repeticiones del i-esimo tratamiento
El efecto del i-simo tratamiento esta dado por

del i-simo tratamiento y la media general.
ti
, siendo la expresin:
i i , donde
es la media
ANALISIS DE VARIANZA SIMBOLICA DEL DCA

Fuentes
variacin
de
Tratamiento
Grados
de
libertad
t-1
Suma de cuadrados
Error
t ( r 1) SCtotal - SCtratamiento
Total
tr 1
Cuadrados medios
C .M .
(Yi.)
SCTrat
r
(Yij)
FC
S .C.
G.L
F
Calculado
F
Tabla
1%
5%
CMTrat
FC
CME
S .C (trat )
G.L (trat )
S .C ( Error )
G.L ( Error )
FC
DISEO COMPLETAMENTE AL AZAR CON IGUAL NMERO DE UNIDADES POR TRATAMIENTO

Ejemplo 1: En un ensayo con macetas se aplicaron cinco tratamientos a clones de pasto estrella. Se tomaron cuatro
macetas por tratamiento. Los Rendimientos se presentan en la tabla 1. Se determinaran las siguientes hiptesis:
Ho: Los cinco tratamientos tienen el mismo efecto en su rendimiento promedio del pasto estrella.
o Ho: 1= 2 = 3 = 4 = 5
Ha: Al menos uno de los tratamientos tiene un efecto diferente en su rendimiento promedio del pasto estrella.
o Ha: Al menos un i es diferente a los dems i=1,2, 3, 4 y 5
Tabla 1. Rendimiento del Ensayo con Macetas
Tratamiento
Maceta
1
2
3
101
51
83
67
29
2
3
4
TOTAL
Media
93
93
96
383
95.75
61
59
58
229
57.25
68
72
75
298
74.50
40
46
52
205
51.21
45
51
42
167
41.75
1.
PASOS EN EL MINITAB
Ir a Estadstica
Anova
Un solo factor
Respuesta
Poner:
Rendimiento (Variable dependiente o
variable respuesta)
Factor Poner tratamiento
Poner el cuadro de Aceptar
ANOVA unidireccional: Rendimiento vs. Tratamientos
1282
Fuente
Tratamientos
Error
Total
S = 7.668
GL
4
15
19
Nivel
1
2
3
4
5
N
4
4
4
4
4
SC
7285.8
882.0
8167.8
CM
1821.5
58.8
R-cuad. = 89.20%
Media
95.75
57.25
74.50
51.25
41.75
Desv.Est.
3.77
4.35
6.35
11.59
9.29
F
30.98
P
0.000
R-cuad.(ajustado) = 86.32%
ICs de 95% individuales para la media
basados en Desv.Est. agrupada
---+---------+---------+---------+-----(---*---)
(---*---)
(---*---)
(---*---)
(---*---)
---+---------+---------+---------+-----40
60
80
100
Desv.Est. agrupada = 7.67

INTERPRETACIN
Si el P value tiene un valor menor a 0,05 se rechaza la hiptesis planteada, eso quiere decir que hay diferencia
significativa entre tratamientos (sali valor = 0,000) hay diferencia entre tratamientos
Si el Pvalue fuese mayor que 0,05 se acepta la hiptesis planteada, No hay diferencia entre tratamientos.
CONCLUSIN ESTADSTICA: Si se rechaza la Hiptesis planteada:
Hay evidencia estadstica a un de 0.05 de rechazar la Hp y aceptar la Ha, de que al menos un tratamiento
produce un efecto diferente en rendimiento promedio en el pasto estrella.
CONCLUSION:
En conclusin, existe suficiente evidencia estadstica para aceptar que al menos uno de los tratamientos
produce un efecto diferente en rendimiento promedio en el pasto estrella.
SI HAY DIFERENCIA ESTADISTICA SE REALIZA LAS PRUEBAS DE COMPARACIONES MULTIPLES:

COMO LA PRUEBA DE COMPARACIONES MEDIAS DE TUCKEY
Ir a Estadstica
ANOVA
Un solo factor
Respuesta Poner: Rendimiento (Variable dependiente o variable respuesta)
Comparaciones
Poner X en Tuckey
Poner Aceptar
Agrupar informacin utilizando el mtodo de Tukey

Tratamientos
1
3
2
4
5
N
4
4
4
4
4
Media
95.750
74.500
57.250
51.250
41.750
Agrupacin
A
B
C
C
C
Las medias que no comparten una letra son significativamente diferentes.

Intervalos de confianza simultneos de Tukey del 95%
Todas las comparaciones de dos a dos entre los niveles de Tratamientos
Nivel de confianza individual = 99.25%
Tratamientos = 1 restado de:

Tratamientos
2
3
4
5
Inferior
-55.255
-38.005
-61.255
-70.755
Centro
-38.500
-21.250
-44.500
-54.000
Superior
-21.745
-4.495
-27.745
-37.245
Tratamientos
2
3
4
5
+---------+---------+---------+--------(----*----)
(----*----)
(----*----)
(----*---)
+---------+---------+---------+---------70
-35
0
35

Tratamientos
3
4
5
Inferior
0.495
-22.755
-32.255
Centro
17.250
-6.000
-15.500
Superior
34.005
10.755
1.255
Tratamientos
3
4
5
+---------+---------+---------+--------(----*----)
(----*----)
(----*---)
+---------+---------+---------+---------70
-35
0
35

Tratamientos
4
5
Inferior
-40.005
-49.505
Centro
-23.250
-32.750
Superior
-6.495
-15.995
Tratamientos
4
5
+---------+---------+---------+--------(---*----)
(----*---)
+---------+---------+---------+---------70
-35
0
35

Tratamientos
5
Inferior
-26.255
Centro
-9.500
Superior
7.255
Tratamientos
5
+---------+---------+---------+--------(----*----)
+---------+---------+---------+---------70
-35
0
35
INTERPRETACIN
T2- T1: es -55,25 -21.47 es la comparacin entre T2-T1
Si el Intervalo Confidencial CONTIENE AL CERO LAS MEDIAS SON IGUALES Y SI NO INCLUYE AL CERO SON
DIFERENTES, en este ejemplo no incluye entonces T2-T1 es diferente
CONCLUSION
El tratamiento 1 (xxx) tiene un valor de rendimiento promedio de 95.750 son diferentes significativamente con los
tratamientos 3, 2, 4 y 5.
El tratamiento 3 tiene un valor de rendimiento promedio de 74.5 y hay diferencia significativa en cuanto al valor
rendimiento promedio de los tratamientos 2, 4 y 5.
En los tratamiento 2, 4 y 5 no hay diferencia significativa en cuanto al valor del rendimiento promedio.
GRAFICOS EN EL MINITAB
Ir a Estadstica
Anova
Un solo factor
Graficas Se selecciona y se selecciona en diagrama de caja de datos
Grfica de caja de Rendimiento
110
100
Rendimiento
90
80
70
60
50
40
30
20
1
3
Tratamientos
Poner
el
cuadro de
Aceptar
Ejemplo 2: Se desea investigar si 5 clases de alimentos balanceados producen efectos en la ganancia de peso de los
cuyes (en gramos) el investigador se provee de unidades de la misma edad, peso y tamao, por experiencia se sabe
que teniendo 6 individuos por cada alimento son suficientes para tomar decisiones.
Al finalizar el experimento los resultados observados y ordenados se dan en el siguiente cuadro Qu conclusiones se
puede extraer con = 0.05 y =0.01?
Incremento de peso (gr x 10) en carne de cuy entre 5 tipos de alimentos.
Solucin:
Hp: ti = 0
i=1,2,3,4,5
Ha: ti 0para al menos algn i
En trminos de las medias de los tratamientos
Hp: i =
i=1,2,3,4,5
Hp: i
para al menos algn i
o Literalmente:
Hp: Los cinco alimentos balanceados tienen el mismo efecto en la ganancia de peso promedio en los cuyes
Ha: Al menos uno de los alimentos balanceados tienen una ganancia de peso promedio diferente en los cuyes.
(n) observaciones
1
2
3
4
5
6
A1
1.3
1.8
1.6
1.5
1.5
1.4
5 Tipos de Alimento Dosis de alimentos

A2
A3
A4
0.9
2.1
2.3
1.1
2.5
2.8
0.8
2.9
2.0
1.0
2.5
2.6
0.9
2.8
2.7
1.3
2.9
2.1
A5
2.6
2.3
2.5
2.1
2.5
2.7
TOTALES
NRO REPET
PROMEDIO
DISEO DE BLOQUES COMPLETAMENTE AL AZAR (DBCA)

El diseo bloques completos al azar es uno de los diseos ms utilizados en investigacin agrcola. Tiene amplia
aplicacin cuando el material experimental ya sea campo agrcola, invernadero, camas de almacigo, etc., presenta una
fuente de variabilidad conocida, factible de evaluar y de deducir de la variabilidad total. Con ello se logra disminuir el
error experimental e incrementar la presin en las comparaciones entre tratamientos.
El nombre de bloques se debe a que el rea experimental se divide en partes iguales llamados estratos o bloques, de
modo que exista uniformidad dentro del bloque y heterogeneidad entre los bloques. Los bloques son completos porque
todos los tratamientos estn presentes en cada uno de los bloques, y son al azar porque los tratamientos son
distribuidos al azar y en forma independiente en cada uno de los bloques.
Debe prevenirse la perdida de unidades experimental. Si pese a todas las precauciones se pierden una o dos unidades
experimentales el proceso de anlisis estadstico sufre algunas modificaciones afectando los resultados. Una alternativa
es estimar el valor de la unidad experimental perdida y luego realizar el anlisis estadstico. El nmero mximo de
tratamientos que pueda tener un bloque depende de la homogeneidad. En la prctica el numero recomendable de
tratamientos vara entre 5 y 8.
MODELO ADITIVO LINEAL
Yij i j eij
i = 1, 2, 3,, t y j = 1, 2, 3,., b
t = Numero de tratamientos
b = Numero de Bloques o de das
Donde:
Yij = Valor observado de la unidad experimental sujeto al i-simo tratamiento en el j-simo bloque.
: es la media general, estimada por la media del experimento : x ..
i
j
ij
x i
: mide el efecto del tratamiento i, estimado por:
x j
: mide el efecto del bloque j : estimado por :
..
..
: mide la variabilidad de la unidad experimental ij, estimado por :
x ij
x i
x j
Cuando los tratamientos y los bloques son escogidos al azar se tiene el modelo al azar y cuando son seleccionados por
el investigador se tiene el modelo fijo. En la prctica el modelo ms utilizado es el modelo mixto donde los tratamientos
son escogidos por el investigador pero os bloques son seleccionados al azar.
ANALISIS DE VARIANZA SIMBOLICA DEL DBCA

Fuentes
variacin
de
Grados
de libertad
Tratamiento
t-1
Bloques
b-1
Error
(t-1)(b-1)
Total
Tb-1
Suma de cuadrados
SCTrat
(Yi.)
b
SCTbloque
(Y . j )
t
SCerror
t
Yij2
i 1 j 1
FC
2
FC
Cuadrados medios
S .C .
C .M .
G.L
S .C (trat )
G.L (trat )
F
Calculado
FC
F
Tabla
1%
5%
CMTrat
CMError
S .C (bloques )
G.L(bloques )
S .C ( Error )
G.L( Error )
Y..2
tb
EJEMPLO 1: Tres diferentes soluciones estn siendo estudiadas para evaluar su efectividad en el retardo del
crecimiento de bacterias en contenedores de leche de 5 galones. Los anlisis son hechos en un laboratorio y solo tres
ensayos pueden efectuarse en un da dado. Debido a que los das pueden ser una fuente de variabilidad, el investigador
decide utilizar un diseo de bloques completos al azar. Las observaciones fueron tomadas en cuatro das y datos (en
UFC) se muestran en la siguiente tabla:
Ho: Las tres soluciones son igualmente efectivas en el retardo de crecimiento de bacterias en contenedores de la leche.
Ha: Al menos una de las soluciones tiene una efectividad diferente en el retardo del crecimiento de bacterias en
contenedores de la leche.
Solucin
Das
1
2
3
1
13
16
5
2
22
24
4
3
18
17
1
4
39
x
44
22
TOTAL
92
101
32
REPETICIONES
4
4
4
PROMEDIO
23
25.25
8
ANVA DBCA
Fuentes de
variacin
Grados
de libertad
Tratamiento
Bloques
Error
Total
1.
Suma de cuadrados
703.5
Cuadrados medios
S .C .
C .M .
G.L
351.75
F
Calculado
F
Tabla
40.72
1%
10.92
5%
5.14
1106.92
368.97
42.71
9.78
4.76
6
11
51.83
1862.25
8.638
PASOS EN EL MINITAB
Estadstica
ANOVA
2 factores
Respuesta
Crecimiento
(Variable
dependiente,
variable respuesta)
Factor de fila Poner: Das que son los Bloques
Factor de Columna Poner: Tratamientos (Soluciones)
Aceptar
ANOVA de dos factores: Crecimiento vs. Dias, Tratamientos

Fuente
Dias
Tratamientos
Error
Total
S = 2.939
GL
3
2
6
11
SC
1106.92
703.50
51.83
1862.25
CM
368.972
351.750
8.639
R-cuad. = 97.22%
F
42.71
40.72
P
0.000
0.000
CONCLUSION:
Se rechaza la Ho. En conclusin, existe suficiente evidencia estadstica para aceptar que las tres soluciones
no son igualmente efectivas en el retardo del crecimiento de bacterias en contenedores de la leche.
COMO LA PRUEBA DE COMPARACIONES MEDIAS
Ir a Estadstica
ANOVA
Un solo factor (porque aqu se hacen las comparaciones)
Respuesta Crecimiento (Variable dependiente, variable respuesta)

Factor Solucin que son los Tratamientos
Comparaciones
Poner X en Tuckey
Poner Aceptar
Tratamientos
2
1
3
N
4
4
4
Media
25.25
23.00
8.00
Agrupacin
A
A
A

Tratamientos
2
3
Inferior
-20.16
-37.41
Centro
2.25
-15.00
Superior
24.66
7.41
Tratamientos
2
3
+---------+---------+---------+--------(----------*----------)
(-----------*----------)
+---------+---------+---------+---------40
-20
0
20

Tratamientos
3
Inferior
-39.66
Centro
-17.25
Superior
5.16
Tratamientos
3
+---------+---------+---------+--------(----------*-----------)
+---------+---------+---------+---------40
-20
0
20
Ejemplo 2:
Se presenta los resultados de seis variedades de Frijol (Rendimiento expresado en
cuatro repeticiones por tratamiento. Se quiere probar la siguiente hiptesis:
Ho: No existe diferencia entre tratamientos
Ha: Existen diferencia entre tratamientos, mas all de lo que puede atribuirse al azar.
Variedades
Repeticiones
Bayo
Gastelum
Mantequilla
Testigo
Cuyo
1
42
32
25
18
35
2
46
38
32
20
42
3
38
31
28
26
46
4
41
30
26
24
40
TOTAL
167
131
111
88
163
REPETICIONE
4
4
4
4
4
S
PROMEDIO
41.75
32.75
27.75
22
40.75
g/ parcela) en el que se usaron
TOTAL
Zirate
36
25
22
26
109
4
27.25
ANVA DBCA
Fuentes de
variacin
Grados
de libertad
Suma de cuadrados
Cuadrados medios
S .C.
C .M .
G.L
F
Calculado
F
Tabla
1%
5%
Tratamiento
1251.208
250.2416
13.0959
4.56
2.9
Bloques
27.125
9.0417
0.4732
5.42
3.29
Error
15
286.625
19.108
Total
23
1564.958
DBCA EL MINITAB (15) TENIA ESTAS LIMITACIONES PERO AHORA EL MINITAB 16 SE EJECUTA.
ESTADISTICA
ANOVA
MODELO LINEAL GENERAL
RESPUESTAS: CRECIMIENTO
MODELO DIAS TRATAMIENTO
COMPARACIONES
XCOMPARACIONES EN PAREJA * TUCKEY
TERMINOS: Tratamiento
Modelo lineal general: Crecimiento vs. Dias,
Tratamientos
Factor
Dias
Tratamientos
Tipo
fijo
fijo
Niveles
4
3
Valores
1, 2, 3, 4
1, 2, 3
Anlisis de varianza para Crecimiento, utilizando SC ajustada para pruebas

Fuente
Dias
Tratamientos
Error
Total
GL
3
2
6
11
SC Sec.
1106.92
703.50
51.83
1862.25
SC Ajust.
1106.92
703.50
51.83
S = 2.93920
R-cuad. = 97.22%
CM Ajust.
368.97
351.75
8.64
F
42.71
40.72
P
0.000
0.000
Observaciones inusuales de Crecimiento

Obs
9
Crecimiento
5.0000
EE de
ajuste
2.0783
Ajuste
0.5833
Residuo
4.4167
Residuo
estndar
2.13 R
R denota una observacin con un residuo estandarizado grande.

Agrupar informacin utilizando el mtodo de Tukey y una confianza de 95.0%
Tratamientos
2
1
3
N
4
4
4
Media
25.3
23.0
8.0
Agrupacin
A
A
B
Intervalos de confianza simultneos de Tukey del 95.0%

Variable de respuesta Crecimiento
Tratamientos = 1 restado a:
Tratamientos
2
3
Inferior
-4.13
-21.38
Tratamientos
2
3
----+---------+---------+---------+-(-----*------)
(-----*-----)
----+---------+---------+---------+--20
-10
0
10
Tratamientos = 2
Centrada
2.25
-15.00
Superior
8.628
-8.622
restado a:
Tratamientos
3
Inferior
-23.63
Centrada
-17.25
Superior
-10.87
Tratamientos
3
----+---------+---------+---------+-(------*-----)
----+---------+---------+---------+--20
-10
0
10
Pruebas simultneas de Tukey

Variable de respuesta Crecimiento
Tratamientos = 1 restado a:
Diferencia
de medias
2.25
-15.00
Tratamientos
2
3
Tratamientos = 2
Valor T
1.083
-7.217
Valor P
ajustado
0.5578
0.0009
Valor T
-8.300
Valor P
ajustado
0.0004
restado a:
Diferencia
de medias
-17.25
Tratamientos
3
EE de
diferencia
2.078
2.078
EE de
diferencia
2.078
ESTO ES CON EL DE DOS FACTORES PARA COMPARAR

Fuente
Dias
Tratamientos
Error
Total
S = 2.939
94.90%
GL
3
2
6
11
SC
1106.92
703.50
51.83
1862.25
MC
368.972
351.750
8.639
R-cuad. = 97.22%
SPSS PARA UN DBCA

Se pone en la hoja de variables
Tratamiento (solucion)
Numerico
Das
Numerico
Crecimiento
Numerico
F
42.71
40.72
P
0.000
0.000
R-cuad.(ajustado) =
Ahora vamos a la otra pagina de datos del SPSS

Tratamientos
Dias
Crecimiento
1
1
13
1
2
22
1
3
1
4
-Analizar
-Modelo lineal general
-Univariante
Respuesta Poner Crecimiento (Variable respuesta)
Factores Fijos:
Tratamientos (Solucin)
Dia (Bloques)
-Seleccionar Modelo
Seleccionar x Personalizado
Modelo: Tratamientos
Dias
Desactivar
incluir interaccion en el modelo
-Continuar
-Aceptar
Pruebas de los efectos inter-sujetos
Variable dependiente: crecimiento
Fuente
Modelo
tratamiento
Suma de
cuadrados
tipo III
6029.167(a)
703.500
6
2
Media
cuadrtica
1004.861
351.750
F
116.318
40.717
Significacin
.000
.000
42.711
.000
gl
Das
1106.917
368.972
Error
51.833
8.639
Total
6081.000
12
a R cuadrado = .991 (R cuadrado corregida = .983)
PRUEBA DE COMPARCION DE MEDIAS

-Analizar
-Univariante
Factores Fijos:
Tratamientos (Solucion) TODO ESTO YA ESTA
Da (Bloques)
-Seleccionar POST HOC
Constraste Comparacion multiple
Factores
Tratamiento
seleccionar Solucion es decir tratamientos lo que vas a comparar
Dia
Seleccionar tuckey o Duncan
Seleccionar Grficos
Eje horizontal poner Tratamiento o solucin lo que se quiere evaluar
Aadir
Aceptar
Luego opciones Univariante
Mostrar medias Poner solucion o tratamientos
Seleccionar estadstica descriptiva
Contiunar
Aceptar
-Seleccionar Modelo
Dias
Desactivar
-Continuar
-Aceptar
Incluir interaccion en el modelo
Pruebas post hoc

Tratamiento
Comparaciones mltiples
DHS de Tukey
Intervalo de confianza al
95%.
Diferencia
entre medias
(I-J)
-2.2500
15.0000(*)
Error tp.
2.07833
2.07833
Significacin
.558
.001
Lmite
superior
Lmite inferior
-8.6269
4.1269
8.6231
21.3769
(I) tratamiento
1.00
(J) tratamiento
2.00
3.00
2.00
1.00
2.2500
2.07833
.558
-4.1269
8.6269
3.00
17.2500(*)
-15.0000(*)
-17.2500(*)
2.07833
2.07833
2.07833
.000
.001
.000
10.8731
-21.3769
-23.6269
23.6269
-8.6231
-10.8731
3.00
1.00
2.00
Basado en las medias observadas.

* La diferencia de medias es significativa al nivel .05.
Subconjuntos homogneos
crecimiento
DHS de Tukey
Subconjunto
tratamiento
3.00
1.00
2.00
N
4
4
2
8.0000
1
23.0000
25.2500
Significacin
1.000
.558
Se muestran las medias para los grupos en subconjuntos homogneos.
Basado en la suma de cuadrados tipo III
El trmino error es la Media cuadrtica (Error) = 8.639.
a Usa el tamao muestral de la media armnica = 4.000
b Alfa = .05.
Dias
Variable dependiente: Crecimiento
DHS de Tukey
(I) Dias
(J) Dias
Diferencia
entre medias
Error tp.
Significacin
95%.
1.00
2.00
3.00
4.00
Lmite
superior
Lmite inferior
-13.6409
2.9742
-8.9742
7.6409
2.00
3.00
(I-J)
-5.3333
-.6667
2.39985
2.39985
.219
.992
4.00
-23.6667(*)
2.39985
.000
-31.9742
-15.3591
1.00
5.3333
2.39985
.219
-2.9742
13.6409
3.00
4.00
1.00
4.6667
-18.3333(*)
.6667
2.39985
2.39985
2.39985
.304
.001
.992
-3.6409
-26.6409
-7.6409
12.9742
-10.0258
8.9742
2.00
-4.6667
2.39985
.304
-12.9742
3.6409
4.00
-23.0000(*)
2.39985
.000
-31.3076
-14.6924
.000
.001
.000
15.3591
10.0258
14.6924
31.9742
26.6409
31.3076
1.00
23.6667(*)
2.39985
2.00
18.3333(*)
2.39985
3.00
23.0000(*)
2.39985
Crecimiento
DHS de Tukey
Subconjunto
N
3
3
2
11.3333
12.0000
2.00
16.6667
4.00
Significacin
M
e
d
i
a
s
m
a
r
g
i
n
a
l
e
s
e
s
t
i
m
a
d
a
s
d
e
C
r
e
c
i
m
i
e
n
t
o
2
5
,0
Mediasmarginalestimads
Dias
1.00
3.00
35.0000
.219
1.000
Se muestran las medias para los grupos en

subconjuntos homogneos.
a Usa el tamao muestral de la media armnica =
3.000
b Alfa = .05.
2
0
,
0
1
5
,
0
1
0
,01
.0T
2
.0
.0
r
a
t
m
ie
t
o
s3
DISEO CUADRADO LATINO (DCL)
En este diseo la restriccin para controlar la variabilidad esta en dos direcciones, hileras y columnas. Los tratamientos
se arreglan en bloques de dos sentidos y cada tratamiento aparece una vez en cada hilera y columna. El anlisis de los
datos puede eliminar el error la variabilidad debida a la hilera y columna.
Debe existir el mismo nmero de tratamientos, hileras y columnas, o sea, el nmero de tratamientos es igual al nmero
de repeticiones. Un arreglo para cuatro tratamientos podra ser:
A
D
B
C
D
C
A
B
C
B
D
A
B
A
C
D
MODELO ADITIVO LINEAL
Y(i ) jk t(i ) j k ( i ) jk
i, j, k = 1,.t
Y( i ) jk
= Es el valor o rendimiento observado em em i esimo tratamiento, j esima fila k esima columna.
Es el efecto de la media general.
ti = Es el efecto del i- esimo tratamiento tratamiento.

j
= Es el efecto del j- esimo bloque- fila.
k = Es el efecto del
ij ( k )
Para i= 1,2,3.,t.
Para j= 1,2,3.b (j = bloques:filas)
k-esimo bloque- columna. k=1,2,3.b(k = bloques:columna)
= Efecto del error experimental en el i- esimo tratamiento, j- esimo bloque- fila, k-esimo bloque- columna.
t : es el numero de tratamientos que es igual al numero de filas y de columnas.

la fila i para i= 1,2,3.,r ( i = filas)
4. ANALISIS DE VARIANZA SIMBOLICA (ANVA)

Variabilidad (Total) = Var (Trat) + Var (Bloq Fila) + Var (Bloq Columna) + Var (Error)
Fuente de Variacin
G.L.
Tratamientos
t-1
Bloque: Filas
t-1
Bloque: Columnas
t-1
S.C.
C.M.
Yi ..2
t FC
Y. 2
j.
t
FC
2
Y..k
t FC
Error
(t-1)(t-2)
Total
t2
s CME
Hiptesis
Hp:
Ha:
-1
Y..
t2
ui u
ui u
Para al menos i
Diferencia
2
( i ) jk
Fc.
SC.Trat
G.L..trat
CM .Trat
C.M .Error
SC.Fila
G.L.. fila
CM .Fila
C.M .Error
SC.Col
G.L..col
CM .Colum
C.M .Error
F(tabla)
5%
1%
SC.Error
G.L..error
2
Y(.)..
t2
C.V .
s
x100
Y
Ejemplo 1: Se desea experimentar 5 raciones (A-B-C-D-E) en 5 vacas y con 5 pastos distintos. Es aconsejable en que
en cada racin sea experimentada en cada una de las vacas y con cada uno de los pastos. Del cual se tendr el
siguiente esquema:
Vaca 1
Vaca 2
Vaca 3
Vaca 4
Vaca 5
Pasto 1
B
E
D
A
C
Pasto 2
C
A
B
D
E
Pasto 3
D
B
C
E
A
Pasto 4
A
C
E
B
D
Pasto 5
E
D
A
C
B
Los tratamientos A, B, C, D, E distribuidos de tal forma que cada tratamiento aparezca solo una vez en la fila y columna
Ejemplo 2: Se realiz un experimento para comparar la efectividad de 4 abonos nitrogenados en el cultivo de caa de
azcar. Las claves para los abonos son:
l. NA: Nitrato amnico NH4N03
3. SS: Salitre sdico
2. SA: Sulfato ammco (Nh4)2S04
4. UR: Urea
Todos los abonos se aplicaron a razn de 100 Kg por hectrea. El diseo empleado fue un cuadrado latino, donde las
unidades experimentales fueron clasificadas en filas y columnas segn su ubicacin en el terreno tal y como se muestra
en el siguiente croquis junto con los resultados del experimento (en Kg de caa/parcela):
Hiptesis planteada
H0: Los cuatro abonos nitrogenados tienen el mismo efecto en el cultivo de caa de azcar.
H1: Con al menos uno de los abonos nitrogenados se obtiene un efecto diferente en el cultivo de caa de azcar.
PARCELAS
PERIODOS
2
3
518(NA)
458 (SS)
724(UR)
400(NA)
384 (SS)
400(SA)
506(SA)
501(UR)
1
432 (SA)
550 (SS)
556(UR)
500(NA)
Parcela I
Parcela II
Parcela III
Parcela IV
Total de Columnas
ANALISIS DE VARIANZA (ANVA)

Fuente de
G.L.
S.C.
Variacin
Tratamientos
3
59570
Filas
3
40893
Columnas
3
19968
Error
6
22426
Total
15
142856
1.
PASOS EN EL MINITAB
Rellenar en las celdas
Numero
Filas
Columnas
1
1
1
2
2
1
3
3
1
4
4
1
.
.
Total de Filas
4
583 (UR)
524(SA)
297(NA)
494(SS)
C.M.
Fc
19857
13631
6656
3738
5.31
F tabla.
1%
5%
Tratamiento Efectividad
SA
432
SS
550
UR
556
NA
500
Estadstica
ANOVA
Modelo lineal general
Respuesta Efectividad o Rendimiento (Variable dependiente, variable respuesta)
Modelo Seleccionar y Poner: Filas columnas tratamientos
Aceptar
Modelo lineal general: Efectividad vs. Filas, Columnas, Tratamiento

Factor
Filas
Columnas
Tratamiento
Tipo
fijo
fijo
fijo
Niveles
4
4
4
Valores
1, 2, 3, 4
1, 2, 3, 4
NA, SA, SS, UR
Anlisis de varianza para Efectividad, utilizando SC ajustada para pruebas

Fuente
Filas
Columnas
Tratamiento
Error
Total
S = 61.1363
GL
3
3
3
6
15
SC Sec.
40893
19968
59570
22426
142856
SC Ajust.
40893
19968
59570
22426
R-cuad. = 84.30%
CM Ajust.
13631
6656
19857
3738
F
3.65
1.78
5.31
P
0.083
0.251
0.040
CONCLUSION:
En conclusin, existe suficiente evidencia estadstica para aceptar que con al menos uno de los abonos
nitrogenados se obtiene un efecto diferente (rendimientos diferentes) en el cultivo de caa de azcar.
PASOS EN EL MINITAB
Estadstica
ANOVA
Se selecciona Comparaciones en parejas

Trminos: Poner Tratamiento porque sali significativo
Aceptar

Tratamiento
UR
SS
SA
NA
N
4
4
4
4
Media
591.0
471.5
465.5
428.8
Agrupacin
A
A B
A B
B

Variable de respuesta Efectividad
Todas las comparaciones de dos a dos entre los niveles de Tratamiento
Tratamiento = NA restado a:
Tratamiento
SA
SS
UR
Inferior
-113.0
-107.0
12.5
Tratamiento
SA
SS
UR
+---------+---------+---------+-----(---------*---------)
(---------*---------)
(---------*---------)
+---------+---------+---------+------150
0
150
300
Tratamiento = SA
Centrada
36.75
42.75
162.25
Superior
186.5
192.5
312.0
restado a:
Tratamiento
SS
UR
Inferior
-143.8
-24.3
Tratamiento
SS
UR
+---------+---------+---------+-----(---------*---------)
(---------*---------)
+---------+---------+---------+------150
0
150
300
Tratamiento = SS
Tratamiento
UR
Tratamiento
UR
Centrada
6.000
125.500
Superior
155.8
275.3
restado a:
Inferior
-30.28
Centrada
119.5
Superior
269.3
+---------+---------+---------+-----(---------*---------)
+---------+---------+---------+------150
0
150
300
Variable de respuesta Efectividad
Todas las comparaciones de dos a dos entre los niveles de Tratamiento
Tratamiento = NA restado a:
Tratamiento
SA
SS
UR
Diferencia
de medias
36.75
42.75
162.25
Tratamiento = SA
Tratamiento
SS
UR
Tratamiento
UR
Valor T
0.8501
0.9889
3.7532
Valor P
ajustado
0.8295
0.7611
0.0359
Valor T
0.1388
2.9031
Valor P
ajustado
0.9989
0.0966
Valor T
2.764
Valor P
ajustado
0.1142
restado a:
Diferencia
de medias
6.000
125.500
Tratamiento = SS
EE de
diferencia
43.23
43.23
43.23
EE de
diferencia
43.23
43.23
restado a:
Diferencia
de medias
119.5
EE de
diferencia
43.23
SACAR LAS MEDIAS EN EL MINITAB

Estadstica
Estadstica bsica
Mostrar estadstica descriptiva
Variables: Rendimiento o variable respuesta Sale las medias de los tratamientos
Por variables: Poner tratamiento
Aceptar
Aceptar
Estadsticas descriptivas: Efectividad
Variable
Efectividad
Tratamiento
NA
SA
SS
UR
N
4
4
4
4
N*
0
0
0
0
Variable
Efectividad
Tratamiento
NA
SA
SS
UR
Mediana
450.0
469.0
476.0
569.5
Media
428.8
465.5
471.5
591.0
Error
estndar
de la
media
51.0
29.5
34.8
47.5
Q3
513.5
519.5
536.0
688.8
Mximo
518.0
524.0
550.0
724.0
Desv.Est.
102.0
59.1
69.5
95.0
Mnimo
297.0
400.0
384.0
501.0
Q1
322.8
408.0
402.5
514.8
Grafica del Efecto de los Abonos

600
500
Media
400
300
200
100
0
NA
SA
SS
UR
Tratamiento
SACAR LOS GRAFICOS

ESTADISTICA
ANOVA
GRAFICA DE FACTORES
Factor: Seleccionar y poner Tratamiento
Mnimo de CERO
Aceptar
Ejemplo 2: Experimento con Cuatro Variedades de Arroz
Repeticiones
TOTAL DE
COLUMNAS
Tratamientos
Promedio
B
2
A
7
D
5
C
6
20
D
3
C
5
B
4
A
9
21
Variedades
A
6
B
5
C
9
D
5
25
C
8
D
7
A
10
B
5
30
A
32
8
B
16
4
C
28
7
D
20
5
ANALISIS DE VARIANZA (ANVA)

F de Variacin
g.l.
S.C.
C.M.
Fc
Total Hileras
19
24
28
25
Ftabla.
1 %
9.78
5%
Tratamientos
4
40
10
3.75
4.76
Filas
4
10.5
2.625
0.984
4.76 N.S
Columnas
4
15.5
3.875
1.453
4.76 N.S
Error
3
8
2.667
Total
16
74
La significacin de hileras o columnas indica en qu direccin del terreno est la fertilidad del suelo. En este
experimento no se detecto dicha variabilidad en ninguna hilera ni en columna. El coeficiente de variacin
indicara la confiabilidad en los datos.
EXPERIMENTOS FACTORIALES
Un experimento factorial es aquel en el que se estudian simultneamente varios factores, de modo que los
tratamientos se forman por todas las posibles combinaciones de los niveles de los factores. Un experimento
factorial no constituye un nuevo diseo experimental, sino un diseo para la formacin de los tratamientos.
Los experimentos factoriales pueden ser conducidos bajo los lineamientos de cualquier diseo experimental
como el DCA, DBCA o DCL.
Estos experimentos son tiles tambin en campos de estudio ms complejos en los que se sabe que un
factor no acta independientemente sino en estrecha relacin con ortos factores. En este captulo se trataran
los experimentos factoriales con dos factores conducidos bajo los lineamientos de un DCA y DBCA.
EL MODELO ADITIVO LINEAL PARA UN FACTORIAL PXQ EN DCA SER:
i= 1,,p
j=1,..,q k=1,.., r ij
Yijk i j ( )ij ijk
EN EL CASO DE UN EXPERIMENTO FACTORIAL EN DBCA, EL MODELO ADITIVO LINEAL ES:
Yijk i j ( )ij k ijk
i= 1,,p j=1,..,q
k=1,..., b
Donde:
Yijk
Es el valor o rendimiento observado con el i-esimo nivel del factor A, j-esimo nivel del factor B, k-esima repeticin
Es el efecto de la media general.
i = Es el efecto del i- esimo nivel del factor A.

j
= Es el efecto del j- esimo nivel del factor B
( ) ij
ijk
= Es el efecto de la interaccin en el i-esimo nivel del factor A, j-esimo nivel del factor B.
Es el efecto del error experimental en el i- esimo nivel del factor A, j- esimo nivel del factor B, k-esima repeticin
p = Es el numero de niveles del factor A.
q = Es el numero de niveles del factor B.
rij
Es el nmero de repeticiones en el i- esimo nivel del factor A, j- esimo nivel del factor B,
En el caso del experimento factorial en DBCA, el modelo aditivo lineal es:
k Es el efecto del
k-esimo bloque.
b = Es el numero de boques
Ejemplo 1 (Experimento Factorial en DCA):
En un experimento se estudiaron tres tipos de Alimentos concentrados (A) en dos razas de ovinos (B) en una
determinada localidad. Se emplearon 4 animales por cada combinacin y se tuvieron los siguientes resultados
correspondientes a los aumentos de ganancia de peso (en Kg)
Para un modelo efectos fijos las hiptesis sern:
Para el efecto principal A (Alimentos concentrados):
Para el efecto principal B (Raza de ovinos):
Ho : i 0....i 1, 2,3
Ha : i 0.... para..al..menos.a lg un..i
Ho : j 0.... j 1, 2
Ha : j 0.... para..al..menos.a lg un.. j
Para el efecto de la interaccin AB (Alimento xRaza de ovinos):
Ho : ( )ij 0....i 1, 2,3... j 1, 2
Ha : ( )ij 0.... para..al..menos.a lg un..i, j
A1
A2
B1
A1B1
1
2
3
4
5
6
6
7
3
3
4
4
B1
A2B1
3
2
4
3
TOTAL
PROMEDI
O
24
6
14
3.5
12
3
B1
B2
TOTAL
B2
A1B2
A1
24
14
38
A3
B2
A2B2
3
2
8
5
B1
A3B1
2
4
2
2
2
6
10
6
18
4.5
10
2.5
24
6
A2
12
18
30
B2
A3B2
A3
10
24
34
TOTAL
46
56
102
ANVA: DE UN ARREGLO FACTORIAL DE 3X2 CON UN DISEO COMPLETAMENTE AL AZAR (DCA)

F.V.
G.L.
SC
CM
FC
Ftabla (0.05)
1.
Alimento
0.59016393
3.55
Ovinos
4.167
4.167
1.22960656
4.41
Alimento*Ovinos
37.33
18.665
5.50770492
3.55*
Error
18
61
3.38888889
Total
23
106.5
PASOS EN EL MINITAB
Estadstica
ANOVA
Respuesta Peso (Variable dependiente, variable respuesta)
Modelo Poner: Factor A factor B Factor A*Factor B
Ejemplo: Alimento raza (selecciona nuevamente Alimento*raza)
Aceptar
Modelo lineal general: Peso vs. Alimento, Raza
Factor
Alimento
Raza
Tipo
fijo
fijo
Niveles
3
2
Valores
1, 2, 3
1, 2
Anlisis de varianza para Peso, utilizando SC ajustada para pruebas

Fuente
Alimento
Raza
Alimento*Raza
Error
Total
S = 1.84089
GL
2
1
2
18
23
SC Sec.
4.000
4.167
37.333
61.000
106.500
SC Ajust.
4.000
4.167
37.333
61.000
R-cuad. = 42.72%
CM Ajust.
2.000
4.167
18.667
3.389
F
0.59
1.23
5.51
P
0.565
0.282
0.014
Observaciones inusuales de Peso

Obs
15
21
23
Peso
8.0000
2.0000
10.0000
Ajuste
4.5000
6.0000
6.0000
EE de
ajuste
0.9204
0.9204
0.9204
Residuo
3.5000
-4.0000
4.0000
Residuo
estndar
2.20 R
-2.51 R
2.51 R
GRAFICA DE FACTORES
Efecto de la ganacia de peso
5
Media
2
Alimento
ANOVA
Modelo lineal general, ya esta todos los datos
Entrar al cuadro de Grafica de Factores
Ingresar factores: Alimento y luego Ingresar Factores: Peso
O Tambin
Ingresar factores: Ovino y luego Ingresar Factores: Peso
O Tambin
Estadstica

5
Media
2
Raza
Ingresar
factores:
Tratamiento
luego
Ingresar Factores: Peso
Aceptar
PARA SACAR MEDIAS
Estadstica
ANOVA
Modelo lineal general, ya esta todos los datos
Entrar al cuadro de Resultados
Seleccionar x Mostrar cuadro de medias
Poner Factor A*Factor B
Factor A
Factor B
Efecto de Alimento concentrado y ganancia de peso
Estadstica
ANOVA
Seleccionar el cuadro de Comparacin
X en comparaciones
Trminos: Factor A (Alimentos)
Aceptar

Alimento
1
3
2
N
8
8
8
Media
4.7
4.3
3.8
Agrupacin
A
A
A

Variable de respuesta Peso
Todas las comparaciones de dos a dos entre los niveles de Alimento
Alimento = 1
Alimento
2
3
restado a:
Inferior
-3.350
-2.850
Alimento = 2
Alimento
3
Centrada
-1.000
-0.500
Superior
1.350
1.850
-------+---------+---------+--------(-----------*-----------)
(-----------*----------)
-------+---------+---------+---------2.0
0.0
2.0
Superior
2.850
-------+---------+---------+--------(----------*-----------)
-------+---------+---------+---------2.0
0.0
2.0
restado a:
Inferior
-1.850
Centrada
0.5000

Todas las comparaciones de dos a dos entre los niveles de Alimento
Alimento = 1 restado a:
Alimento
2
3
Diferencia
de medias
-1.000
-0.500
Alimento = 2
Alimento
3
EE de
diferencia
0.9204
0.9204
Valor T
-1.086
-0.543
Valor P
ajustado
0.5343
0.8512
Valor T
0.5432
Valor P
ajustado
0.8512
restado a:
Diferencia
de medias
0.5000
EE de
diferencia
0.9204
Para el efecto de Raza ovino y ganancia de peso
Estadstica
ANOVA
X en comparaciones
Trminos: Factor B. Ejemplo (raza)
Aceptar

Raza
2
1
N
12
12
Media
4.7
3.8
Agrupacin
A
A

Todas las comparaciones de dos a dos entre los niveles de Raza
Raza = 1 restado a:
Raza
2
Inferior
-0.7456
Centrada
0.8333
Superior
2.412

-------+---------+---------+--------(--------------*---------------)
-------+---------+---------+--------0.0
1.0
2.0
Todas las comparaciones de dos a dos entre los niveles de Raza

Raza = 1 restado a:
Raza
2
Diferencia
de medias
0.8333
EE de
diferencia
0.7515
Valor T
1.109
Para el efecto de Alimento*Raza

ganancia de peso
Valor P
ajustado
0.2821
ovino
Estadstica
ANOVA
X en comparaciones
Trminos: Factor A* Factor B. Ejemplo (Alimentos*raza)
Aceptar
Agrupar informacin utilizando el mtodo de

Tukey y una confianza de 95.0%
Alimento
3
1
2
1
2
3
Raza
2
1
2
2
1
1
N
4
4
4
4
4
4
Media
6.0
6.0
4.5
3.5
3.0
2.5
Agrupacin
A
A
A
A
A
A

Todas las comparaciones de dos a dos entre los niveles de Alimento*Raza
Alimento = 1
Raza = 1 restado a:
Alimento
1
2
2
3
3
Raza
2
1
2
1
2
Inferior
-6.633
-7.133
-5.633
-7.633
-4.133
Alimento
1
2
2
3
3
Raza
2
1
2
1
2
-----+---------+---------+---------+(-------*-------)
(-------*-------)
(-------*-------)
(-------*-------)
(-------*-------)
-----+---------+---------+---------+-5.0
0.0
5.0
10.0
Alimento = 1
Raza = 2 restado a:
Centrada
-2.500
-3.000
-1.500
-3.500
0.000
Superior
1.6328
1.1328
2.6328
0.6328
4.1328
Alimento
2
2
3
3
Raza
1
2
1
2
Inferior
-4.633
-3.133
-5.133
-1.633
Centrada
-0.500
1.000
-1.000
2.500
Superior
3.633
5.133
3.133
6.633
Alimento
2
2
3
3
Raza
1
2
1
2
-----+---------+---------+---------+(-------*-------)
(-------*-------)
(-------*-------)
(-------*-------)
-----+---------+---------+---------+-5.0
0.0
5.0
10.0
Alimento = 2
Raza = 1 restado a:
Alimento
2
3
3
Raza
2
1
2
Inferior
-2.633
-4.633
-1.133
Centrada
1.5000
-0.5000
3.0000
Superior
5.633
3.633
7.133
Alimento
2
3
3
Raza
2
1
2
-----+---------+---------+---------+(-------*-------)
(-------*-------)
(-------*-------)
-----+---------+---------+---------+-5.0
0.0
5.0
10.0
Alimento = 2
Raza = 2 restado a:
Alimento
3
3
Raza
1
2
Inferior
-6.133
-2.633
Centrada
-2.000
1.500
Superior
2.133
5.633
Alimento
3
3
Raza
1
2
-----+---------+---------+---------+(-------*-------)
(-------*-------)
-----+---------+---------+---------+-5.0
0.0
5.0
10.0
Alimento = 3
Raza = 1 restado a:
Alimento
3
Raza
2
Inferior
-0.6328
Centrada
3.500
Superior
7.633
Alimento
3
Raza
2
-----+---------+---------+---------+(-------*-------)
-----+---------+---------+---------+-5.0
0.0
5.0
10.0

Todas las comparaciones de dos a dos entre los niveles de Alimento*Raza
Alimento = 1
Raza = 1 restado a:
Diferencia
EE de
Valor P
Alimento
1
2
2
3
3
Raza
2
1
2
1
2
de medias
-2.500
-3.000
-1.500
-3.500
0.000
diferencia
1.302
1.302
1.302
1.302
1.302
Valor T
-1.921
-2.305
-1.152
-2.689
0.000
ajustado
0.4220
0.2424
0.8529
0.1263
1.0000
EE de
diferencia
1.302
1.302
1.302
1.302
Valor T
-0.3841
0.7682
-0.7682
1.9206
Valor P
ajustado
0.9987
0.9695
0.9695
0.4220
EE de
diferencia
1.302
1.302
1.302
Valor T
1.1523
-0.3841
2.3047
Valor P
ajustado
0.8529
0.9987
0.2424
EE de
diferencia
1.302
1.302
Valor T
-1.536
1.152
Valor P
ajustado
0.6469
0.8529
EE de
diferencia
1.302
Valor T
2.689
Valor P
ajustado
0.1263
Alimento = 1
Raza = 2 restado a:
Alimento
2
2
3
3
Raza
1
2
1
2
Diferencia
de medias
-0.500
1.000
-1.000
2.500
Alimento = 2
Raza = 1 restado a:
Alimento
2
3
3
Raza
2
1
2
Diferencia
de medias
1.5000
-0.5000
3.0000
Alimento = 2
Raza = 2 restado a:
Alimento
3
3
Raza
1
2
Diferencia
de medias
-2.000
1.500
Alimento = 3
Raza = 1 restado a:
Alimento
3
Raza
2
Diferencia
de medias
3.500

Grfica de interaccin para Peso
Grfica de interaccin para Peso

Medias ajustadas
Alimento
1
2
3
6
5
Media
4
3
2
1
0
2
Raza
PARA SACAR MEDIAS

Medias
Estadstica
ANOVA
MODELO LINEAL GENERAL Resultados

MOSTRAR CUADRO DE MEDIAS
Factor A*factorB
o
Factor A
Factor B
Factor A*B Para todos
EJEMPLO 2 (EXPERIMENTO FACTORIAL EN DBCA):
Se realiz un experimento con un arreglo factorial 2A3B en DBCA en 4 campos de cultivo, para evaluar el efecto en el
rendimiento de maz obtenido con dos tipos de abono (a l y a2 ) y tres dosis (b 1=20, b2=30 y b3=40 kg/ha). Los resultados
obtenidos (en TM/ha) se presentan a continuacin:
A1
Campos
1
2
3
4
Total
B1
1,9
2,3
2,0
2,1
8,3
B2
1,8
2,1
2,4
2,9
9,2
A2
B3
2,7
2,4
2,9
2,8
10,8
B1
1,8
2,2
2,0
2,4
8,4
B2
2,9
2,7
3,2
3,5
12,3
B3
3,0
3,2
2,9
3,4
12,5
ANVA: DE UN ARREGLO FACTORIAL DE 2X3 CON UN DISEO EN BLOQUES COMPLETAMENTE AL AZAR

(DBCA)
F.V.
G.L.
SC
CM
FC
Ftabla
(0.05)
Bloques
3
0.8046
0,2682
3.29
A
1.0004
1.0004
18.81
2.9100
1.4550
27.35
3.29
A*B
0.5633
0.2817
5.30
3.68*
Error
15
0.7979
0.0532
Total
23
6.0763
1. PASOS EN EL MINITAB
4.54
Estadstica
ANOVA
Respuesta Rendimiento (Variable dependiente, variable respuesta)
Modelo Poner: Bloque
Factor A
Factor B
Factor AxFactor B
Aceptar
ARREGLO FACTORIAL CON DBCA

Factor A
Factor B
Bloques
A1
B1
1
A1
B1
2
A1
B1
3
A1
B1
4
A1
B2
1
A1
B2
2
A1
B2
3
A1
B2
4
A1
B3
A1
B3
A1
B3
Rendimiento
1.9
2.3
2.0
Modelo lineal general: Rendimiento vs. Bloques, Factor A, Factor B

Factor
Bloques
Factor A
Factor B
Tipo
fijo
fijo
fijo
Niveles
4
2
3
Valores
1, 2, 3, 4
1, 2
1, 2, 3
Anlisis de varianza para Rendimiento, utilizando SC ajustada para pruebas

Fuente
Bloques
Factor A
Factor B
Factor A*Factor B
Error
Total
S = 0.230639
GL
3
1
2
2
15
23
SC Sec.
0.80458
1.00042
2.91000
0.56333
0.79792
6.07625
SC Ajust.
0.80458
1.00042
2.91000
0.56333
0.79792
R-cuad. = 86.87%
CM Ajust.
0.26819
1.00042
1.45500
0.28167
0.05319
F
5.04
18.81
27.35
5.30
P
0.013
0.001
0.000
0.018

Estadstica
ANOVA
X en comparaciones
Trminos: Factor A* Factor B. Ejemplo (Maiz*Dosis)
Aceptar
CUADRO DE RESULTADOS
Estadstica
ANOVA
Resultados (mostrar cuadro de las medias) Factor A, Factor B Factor A*Factor B

Factor A
2
2
1
1
2
1
Factor B
3
2
3
2
1
1
N
4
4
4
4
4
4
Media
3.1
3.1
2.7
2.3
2.1
2.1
Agrupacin
A
A
A B
B C
C
C

Variable de respuesta Rendimiento
Todas las comparaciones de dos a dos entre los niveles de Factor A*Factor B
Factor A = 1
Factor B = 1 restado a:
Factor A
1
1
2
2
2
Factor B
2
3
1
2
3
Inferior
-0.3043
0.0957
-0.5043
0.4707
0.5207
Centrada
0.22500
0.62500
0.02500
1.00000
1.05000
Superior
0.7543
1.1543
0.5543
1.5293
1.5793
Factor A
1
1
2
2
2
Factor B
2
3
1
2
3
Factor A = 1
Factor B = 2
----+---------+---------+---------+-(------*-----)
(------*-----)
(-----*------)
(------*-----)
(-----*------)
----+---------+---------+---------+--0.80
0.00
0.80
1.60
restado a:
Factor A
1
2
2
2
Factor B
3
1
2
3
Inferior
-0.1293
-0.7293
0.2457
0.2957
Factor A
1
2
2
2
Factor B
3
1
2
3
----+---------+---------+---------+-(------*------)
(------*-----)
(------*-----)
(-----*------)
----+---------+---------+---------+--0.80
0.00
0.80
1.60
Factor A = 1
Factor B = 3
Centrada
0.4000
-0.2000
0.7750
0.8250
Superior
0.9293
0.3293
1.3043
1.3543
restado a:
Factor A
2
2
2
Factor B
1
2
3
Inferior
-1.129
-0.154
-0.104
Factor A
2
2
2
Factor B
1
2
3
----+---------+---------+---------+-(------*-----)
(------*-----)
(-----*------)
----+---------+---------+---------+--0.80
0.00
0.80
1.60
Factor A = 2
Factor B = 1
Centrada
-0.6000
0.3750
0.4250
Superior
-0.07068
0.90432
0.95432
restado a:
Factor A
2
2
Factor B
2
3
Inferior
0.4457
0.4957
Factor A
2
2
Factor B
2
3
----+---------+---------+---------+-(-----*------)
(------*-----)
----+---------+---------+---------+--0.80
0.00
0.80
1.60
Factor A = 2
Factor B = 2
Centrada
0.9750
1.0250
Superior
1.504
1.554
restado a:
Factor A
2
Factor B
3
Inferior
-0.4793
Centrada
0.05000
Superior
0.5793
Factor A
2
Factor B
3
----+---------+---------+---------+-(------*-----)
----+---------+---------+---------+--
-0.80
0.00
0.80
1.60

Variable de respuesta Rendimiento
Todas las comparaciones de dos a dos entre los niveles de Factor A*Factor B
Factor A = 1
Factor B = 1 restado a:
Factor A
1
1
2
2
2
Factor B
2
3
1
2
3
Factor A = 1
Factor B = 2
Factor A
1
2
2
2
Factor A
2
2
2
Factor A
2
2
Factor A
2
Valor P
ajustado
0.7380
0.0166
1.0000
0.0002
0.0001
Diferencia
de medias
0.4000
-0.2000
0.7750
0.8250
EE de
diferencia
0.1631
0.1631
0.1631
0.1631
Valor T
2.453
-1.226
4.752
5.059
Valor P
ajustado
0.1997
0.8177
0.0029
0.0016
Diferencia
de medias
-0.6000
0.3750
0.4250
EE de
diferencia
0.1631
0.1631
0.1631
Valor T
-3.679
2.299
2.606
Valor P
ajustado
0.0223
0.2532
0.1557
EE de
diferencia
0.1631
0.1631
Valor T
5.978
6.285
Valor P
ajustado
0.0003
0.0002
EE de
diferencia
0.1631
Valor T
0.3066
Valor P
ajustado
0.9996
restado a:
Factor B
2
3
Factor A = 2
Factor B = 2
Valor T
1.3796
3.8323
0.1533
6.1317
6.4383
restado a:
Factor B
1
2
3
Factor A = 2
Factor B = 1
EE de
diferencia
0.1631
0.1631
0.1631
0.1631
0.1631
restado a:
Factor B
3
1
2
3
Factor A = 1
Factor B = 3
Diferencia
de medias
0.22500
0.62500
0.02500
1.00000
1.05000
Diferencia
de medias
0.9750
1.0250
restado a:
Factor B
3
Diferencia
de medias
0.05000
DBCA EL MINITAB TIENE LIMITACIONES EN LA COMPARACION POR LO QUE SE HACE
ESTADISTICA
ANOVA
RESPUESTAS: CRECIMIENTO
MODELO DIAS TRATAMIENTO
COMPARACIONES
XCOMPARACIONES EN PAREJA
TUCKEY
Modelo lineal general: Crecimiento vs. Dias, Tratamientos

Factor
Dias
Tratamientos
Tipo
fijo
fijo
Niveles
4
3
Valores
1, 2, 3, 4
1, 2, 3
Anlisis de varianza para Crecimiento, utilizando SC ajustada para pruebas

Fuente
Dias
Tratamientos
Error
Total
GL
3
2
6
11
SC Sec.
1106.92
703.50
51.83
1862.25
SC Ajust.
1106.92
703.50
51.83
S = 2.93920
R-cuad. = 97.22%
CM Ajust.
368.97
351.75
8.64
F
42.71
40.72
P
0.000
0.000
Observaciones inusuales de Crecimiento

Obs
9
Crecimiento
5.0000
Ajuste
0.5833
EE de
ajuste
2.0783
Residuo
4.4167
Residuo
estndar
2.13 R

ESTO ES CON EL DE DOS FACTORES PARA COMPARAR
Fuente
Dias
Tratamientos
Error
Total
S = 2.939
GL
3
2
6
11
SC
1106.92
703.50
51.83
1862.25
MC
368.972
351.750
8.639
R-cuad. = 97.22%
F
42.71
40.72
P
0.000
0.000
SPSS PAR UN DBCA

Numerico
Dias
Numerico
Crecimiento
Numerico
Tratamientos
Dias
Crecimiento
1
1
13
1
2
22
1
3
1
4
-Analizar
-Univariante
Factores Fijos: Dia (Bloques)
Tratamientos (Solucin)
-Seleccionar Modelo
Dias
Desactivar
incluir interaccion en el modelo
-Continuar
-Aceptar
Pruebas de los efectos inter-sujetos
Fuente
Modelo
tratamiento
Suma de
cuadrados
tipo III
6029.167(a)
703.500
6
2
Media
cuadrtica
1004.861
351.750
F
116.318
40.717
Significacin
.000
.000
42.711
.000
gl
Das
1106.917
368.972
Error
51.833
8.639
Total
6081.000
12
a R cuadrado = .991 (R cuadrado corregida = .983)
COMPARACIONES
-Analizar
-Univariante
Factores Fijos: Da (Bloques)
Tratamientos (Solucion) TODO ESTO YA ESTA
-Seleccionar POST HOC
Constraste Comparacion multiple
Factores
Solucion
seleccionar Solucion es decir tratamientos lo que vas a comparar
Dia
Seleccionar tuckey o Duncan
Seleccionar Graficos
Eje horizontal poner Tratamiento o solucion lo que se quiere evaluar
Aadir
Aceptar
Luego opciones Univariante
Mostrar medias Poner solucion o tratamientos
Seleccionar estadstica descriptiva
Contiunar
Aceptar
-Seleccionar Modelo
Dias
Desactivar
Incluir interaccion en el modelo
-Continuar
-Aceptar
Pruebas post hoc

Tratamiento
DHS de Tukey
95%.
Diferencia
entre medias
(I-J)
-2.2500
15.0000(*)
Error tp.
2.07833
2.07833
Significacin
.558
.001
Lmite
superior
Lmite inferior
-8.6269
4.1269
8.6231
21.3769
(I) tratamiento
1.00
(J) tratamiento
2.00
3.00
2.00
1.00
2.2500
2.07833
.558
-4.1269
8.6269
3.00
17.2500(*)
-15.0000(*)
-17.2500(*)
2.07833
2.07833
2.07833
.000
.001
.000
10.8731
-21.3769
-23.6269
23.6269
-8.6231
-10.8731
3.00
1.00
2.00

Subconjuntos homogneos
crecimiento
DHS de Tukey
Subconjunto
tratamiento
3.00
1.00
4
4
2.00
Significacin
8.0000
23.0000
25.2500
1.000
.558
Se muestran las medias para los grupos en subconjuntos homogneos.
a Usa el tamao muestral de la media armnica = 4.000
b Alfa = .05.
SPSS PARA UN DCA

Numerico
Macetas
Numerico
Rendimiento
Numerico
Se pone todos los datos
Tratamiento
maceta Rendimiento
1
1
101
1
2
.
1
3
.
1
4
.
.
-Analizar
-Comparar medias
-Anova de un solo Factor
Dependiente
Se selecciona y se pone Rendimiento
Factor Se selecciona y se pone tratamiento
Aceptar
ANOVA de un factor
ANOVA
rendimiento
Inter-grupos
Intra-grupos
Total
Suma de
cuadrados
7285.800
882.000
gl
4
15
8167.800
Media
cuadrtica
1821.450
58.800
F
30.977
Sig.
.000
19
PARA HACER SUS COMPARACIONES
Pruebas post hoc

Variable dependiente: rendimiento
HSD de Tukey
95%
(I) tratamientos
1.00
(J) tratamientos
2.00
3.00
4.00
2.00
3.00
4.00
Diferencia de
medias (I-J)
38.50000(*)
21.25000(*)
Error tpico
5.42218
5.42218
Sig.
.000
.010
Lmite
superior
Lmite inferior
21.7567
55.2433
4.5067
37.9933
44.50000(*)
5.42218
.000
5.00
54.00000(*)
5.42218
.000
37.2567
70.7433
1.00
-38.50000(*)
5.42218
.000
-55.2433
-21.7567
3.00
4.00
5.00
-17.25000(*)
6.00000
15.50000
5.42218
5.42218
5.42218
.042
.801
.076
-33.9933
-10.7433
-1.2433
-.5067
22.7433
32.2433
1.00
-21.25000(*)
5.42218
.010
-37.9933
-4.5067
2.00
17.25000(*)
5.42218
.042
.5067
33.9933
4.00
23.25000(*)
5.42218
.005
6.5067
39.9933
5.00
32.75000(*)
-44.50000(*)
-6.00000
5.42218
5.42218
5.42218
.000
.000
.801
16.0067
-61.2433
-22.7433
49.4933
-27.7567
10.7433
1.00
2.00
27.7567
61.2433
3.00
-23.25000(*)
5.42218
.005
-39.9933
-6.5067
5.00
9.50000
5.42218
.434
-7.2433
26.2433
1.00
-54.00000(*)
5.42218
.000
-70.7433
-37.2567
-15.50000
3.00
-32.75000(*)
4.00
-9.50000
5.42218
5.42218
5.42218
.076
.000
.434
-32.2433
-49.4933
-26.2433
1.2433
-16.0067
7.2433
5.00
2.00
SPSS EN COMPARACIONES
Analizar
-Comparar medias
-Anova de un solo Factor
Dependiente
Se selecciona y se pone Rendimiento
Factor Se selecciona y se pone tratamiento
-Seleccionar Post Hoc. Y
Seleccionar tucKey
Aceptar
esto no por favor

CUADRADO LATINO
PARCELAS
Parcela I
Parcela II
Parcela III
Parcela IV
Total
Columnas
1
432
550
556
500
2
518
724
384
506
PERIODOS
3
458
400
400
501
Total de Filas
4
583
524
297
494
de
Modelo lineal general: Efectividad vs. Filas, Columnas, Tratamiento

Factor
Filas
Columnas
Tratamiento
Tipo
fijo
fijo
fijo
Niveles
4
4
4
Valores
1, 2, 3, 4
1, 2, 3, 4
NA, SA, SS, UR
Anlisis de varianza para Efectividad, utilizando SC ajustada para pruebas

Fuente
Filas
Columnas
Tratamiento
Error
Total
S = 61.1363
GL
3
3
3
6
15
SC sec.
40893
19968
59570
22426
142856
SC ajust.
40893
19968
59570
22426
R-cuad. = 84.30%
MC ajust.
13631
6656
19857
3738
F
3.65
1.78
5.31
P
0.083
0.251
0.040
Tabla 1: Rendimiento del Ensayo con Macetas

Maceta
101
51
93
3
4
TOTAL
Media
93
96
383
95.75
Tratamiento
3
83
67
29
61
68
40
45
59
58
229
57.25
72
75
298
74.50
46
52
205
51.21
51
42
167
41.75
1282
2. PASOS EN EL MINITAB
Ir a Estadstica
Anova
Un solo factor
Numero
Tratamientos
Maceta
Rendimiento
1
1
1
101
2
1
2
93
3
1
3
93
4
1
4
93
5
2
1
51
6
2
2
61
7
2
3
59
8
2
4
58
9
3
1
83
10
3
2
68
11
3
3
72
12
3
4
75
13
4
1
67
14
4
2
40
15
4
3
46
16
4
4
52
17
5
1
29
18
5
2
45
19
5
3
51
20
5
4
42
INTERPRETACIN
GRAFICO DE INTERACCION
Anlisis de Efectos Simples
Cuadro de ANVA de Efectos Simples:
F.V.
G.L.
SC
CM
FC
Ftabla (0.05)
Alimento (B1)
28.667
28.667
8.46
3.55
Alimento (B2)
12.667
12.667
3.74
4.41
Error
61.00
3.389
3.55*
La Prueba de Duncan para comparar la ganancia promedio para los tres tipos alimentos dado la raza de ovino
B1.
Para el ovino B1
A1B1
A2B1
A2B1
6.0
3.0
2.5
AES (D)
2.97
3.12
Comparacin
ALS(D)
DECISION
A1-A2
3.0
2.74
A1-A3
3.5
2.872
A2-A3
0.5
2.734
N.S
Promedio
ALS ( D ) AES ( D )
CME
n
g.L Error = 18
CME
3.389
0.92046
4
CONCLUSIONES
La Prueba de Duncan para comparar la ganancia promedio para los tres tipos alimentos dado la raza de ovino
B2.
Para el ovino B2
A1B2
A2B2
A3B2
3.5
4.5
6.0
AES (D)
2.97
3.12
Comparacin
ALS(D)
DECISION
A1-A2
1.0
2.734
N.S
A1-A3
2.5
2.872
N.S
A2-A3
1.5
2.734
N.S
Promedio
ALS ( D ) AES ( D )
CME
n
g.L Error = 18
CME
Conclusiones
3.389
0.92046
4
DISEO CUADRADO LATINO
NROS FILAS COLUMNAS TRATA RNDIMIENTO

1
ESTADISTICA
ANOVA
RESPUESTA Rendimiento variable respuesta
Modelo. Filas columnas tratamiento
Aceptar
COMPARACION
ESTADISTICA
ANOVA
Comparaciones en parejas
Terminos Tratamiento porque sali significativo
SACAR LAS MEDIAS

Estadistica
Estadistica descriptiva
Mostrar estadstica descriptiva
Variables Rendimiento o variable respuesta
Sale las medias de los tratamientos
GRAFICOS
ESTADISTICA
ANOVA
Grafica de factores
Factor. Tratamiento
Minimo de CERO
Aceptar
Esto no va
Ir a Estadstica
Anova
Un solo factor
INTERPRETACIN
Si el P value tiene un valor menor a 0,05 se rechaza la hiptesis planteada, eso quiere decir que hay diferencia
significativa entre tratamientos (sali valor = 0,000) hay diferencia
Si el Pvalue es mayor que 0,05 se acepta la hiptesis planteada, No hay diferencia entre tratamientos.
Conclusin Estadstica: Si se rechaza la Hiptesis:

Hay evidencia estadstica a un de 0.05 al menos una maceta produce un rendimiento medio diferente a las dems
macetas.
Ejemplo 2:
Se presenta los resultados de seis variedades de Frijol (Rendimiento expresado en g/ parcela) en el que se usaron
cuatro repeticiones por tratamiento
Se quiere probar la siguiente hiptesis:
Ho: No existe diferencia entre tratamientos
Ha: Existen diferencia entre tratamientos, mas alla de lo que puede atribuirse al azar.
Repeticiones
1
2
3
4
TOTAL
REPETICIONE
S
PROMEDIO
Bayo
42
46
38
41
167
4
Gastelum
32
38
31
30
131
4
41.75
32.75
Variedades
Mantequilla
Testigo
25
18
32
20
28
26
26
24
111
88
4
4
27.75
22
TOTAL
Cuyo
35
42
46
40
163
4
Zirate
36
25
22
26
109
4
40.75
27.25
ANVA DBCA
Fuentes
variacin
de
Grados
de libertad
Suma de cuadrados
Cuadrados
medios
S .C.
C.M .
G.L
F
Calculado
F
Tabla
1%
5%
Tratamiento
1251.208
250.2416
13.0959
4.56
2.9
Bloques
27.125
9.0417
0.4732
5.42
3.29
Error
15
286.625
19.108
Total
23
1564.958
EL DCA EN SPSS
-Analizar
-Comparar medias
- Anova de un factor
Todas las pruebas de comparacin.
ANVA DEL DCA

Fuentes
variacin
de
Grados
Suma de
cuadrados
de libertad
Cuadrados medios
C.M .
Tratamiento
7286
1821.5
Error
15
882
58.8
Total
19
8168
S .C.
G.L
Calculado
Tabla
30.98
1%
5%
4.89**
3.06
Prueba de Comparaciones Mltiples para saber cul es el mejor

Ejemplo 2: Se desea investigar si 5 clases de alimentos balanceados producen efectos en la ganancia de peso de los
cuyes (en gramos) el investigador se provee de unidades de la misma edad, peso y tamao, por experiencia se sabe
que teniendo 6 individuos por cada alimento son suficientes para tomar decisiones. Incremento de peso (gr x 10) en
carne de cuy entre 5 tipos de alimentos.
Solucin:
En trminos de las medias de los tratamientos
Hp: i =
i=1,2,3,4,5
Hp: i
para al menos algn i
o Literalmente:
Hp: Todos los Alimentos balanceados tienen el mismo efecto en la ganancia de peso de los cuyes
Ha: Con al menos uno de los Alimentos balanceados se obtiene una ganancia de peso diferente.
5 Tipos de Alimentos Dosis de alimentos
(n) observaciones
A1
A2
A3
A4
A5
1.3
0.9
2.1
2.3
2.6
1.8
1.1
2.5
2.8
2.3
1.6
0.8
2.9
2.0
2.5
1.5
1.0
2.5
2.6
2.1
1.5
0.9
2.8
2.7
2.5
1.4
1.3
2.9
2.1
2.7
TOTALES
9.1
15.7
14.5
14.7
NRO REPET
PROMEDIO
1.52
1.0
2.62
2.42
2.45
60.0
ANVA DCA
Fuentes
variacin
de
Grados
Suma de
cuadrados
Cuadrados medios
de libertad
C.M .
Tratamiento
11.94
2.985
Error
25
1.58
0.0632
Total
29
13.52
S .C.
G.L
Calculado
47.23
Tabla
1%
5%
4.18**
2.76
Prueba de Comparaciones Mltiples para saber cul es el mejor

DISEO COMPLETAMENTE AL AZAR CON DIFERENTES NUMEROS DE UNIDADES POR TRATAMIENTO
A veces se presenta el caso de que por insuficiencia de material para todos los tratamientos, o porque se han perdido
unidades experimentales, no se dispone de igual nmero de observaciones por tratamiento. Esta es una de las ventajas
del DCA, ya que los datos se pueden analizar directamente sin tener que estimar parcelas perdidas.
Ejemplo: Se analizo un experimento de cuatro raciones para cerdos con nueve cerdos por racin. Durante el
experimento se presento una enfermedad y murieron 16 cerdos. La Hiptesis por probar es:
Hp: No existe diferencia entre los tratamientos
Ha: Si existe diferencia entre los tratamientos
Tabla: Resultados del Experimento con Cerdos
Raciones
Repeticiones
45
35
34
41
46
33
34
41
49
35
44
44
34
43
33
41
5
6
42
44
41
41
TOTALES
184
68
137
169
NRO REPET
PROMEDIO
46
34
34
42
ANVA DCA
Fuentes
de
Grados
Suma de
Cuadrados medios
variacin
de libertad
cuadrados
C.M .
Tratamiento
432
144
Error
16
32
Total
19
464
Calculado
S .C.
G.L
Tabla
72
1%
5%
5.29**
3.24
DCA
CON
TUCKEY
CON

Fuente
Tratamientos
Error
Total
S = 7.668
GL
4
15
19
Nivel
1
2
3
4
5
N
4
4
4
4
4
SC
7285.8
882.0
8167.8
CM
1821.5
58.8
R-cuad. = 89.20%
Media
95.75
57.25
74.50
51.25
41.75
F
30.98
P
0.000
---+---------+---------+---------+-----(---*---)
(---*---)
(---*---)
(---*---)
(---*---)
---+---------+---------+---------+-----40
60
80
100
Desv.Est.
3.77
4.35
6.35
11.59
9.29
Estadsticas descriptivas: Rendimiento
Variable
Rendimiento
Tratamientos
1
2
3
4
5
N
4
4
4
4
4
N*
0
0
0
0
0
Media
95.75
57.25
74.50
51.25
41.75
Error
estndar
de la
media
1.89
2.17
3.18
5.79
4.64
Desv.Est.
3.77
4.35
6.35
11.59
9.29
Mnimo
93.00
51.00
68.00
40.00
29.00
Grfica de caja de Rendimiento

Fuente
Tratamientos
Error
Total
S = 7.668
Nivel
1
2
3
4
5
N
4
4
4
4
4
GL
4
15
19
SC
7285.8
882.0
8167.8
CM
1821.5
58.8
R-cuad. = 89.20%
Media
95.75
57.25
74.50
51.25
41.75
Desv.Est.
3.77
4.35
6.35
11.59
9.29
F
30.98
P
0.000
---+---------+---------+---------+-----(---*---)
(---*---)
(---*---)
(---*---)
(---*---)
---+---------+---------+---------+------
FISHER
40
60
80
100

Tratamientos
1
3
2
4
5
N
4
4
4
4
4
Media
95.750
74.500
57.250
51.250
41.750
Agrupacin
A
B
C
C
C

Tratamientos
2
3
4
5
Inferior
-55.255
-38.005
-61.255
-70.755
Centro
-38.500
-21.250
-44.500
-54.000
Superior
-21.745
-4.495
-27.745
-37.245
Tratamientos
2
3
4
5
+---------+---------+---------+--------(----*----)
(----*----)
(----*----)
(----*---)
+---------+---------+---------+---------70
-35
0
35

Tratamientos
3
4
5
Inferior
0.495
-22.755
-32.255
Centro
17.250
-6.000
-15.500
Superior
34.005
10.755
1.255
Tratamientos
3
4
5
+---------+---------+---------+--------(----*----)
(----*----)
(----*---)
+---------+---------+---------+---------70
-35
0
35

Tratamientos
4
5
Tratamientos
4
5
Inferior
-40.005
-49.505
Centro
-23.250
-32.750
Superior
-6.495
-15.995
+---------+---------+---------+--------(---*----)
(----*---)
+---------+---------+---------+---------
-70
-35
35

Tratamientos
5
Inferior
-26.255
Centro
-9.500
Superior
7.255
Tratamientos
5
+---------+---------+---------+--------(----*----)
+---------+---------+---------+---------70
-35
0
35

Fuente
Tratamientos
Error
Total
S = 7.668
GL
4
15
19
Nivel
1
2
3
4
5
N
4
4
4
4
4
SC
7285.8
882.0
8167.8
CM
1821.5
58.8
R-cuad. = 89.20%
Media
95.75
57.25
74.50
51.25
41.75
F
30.98
P
0.000
Desv.Est.
3.77
4.35
6.35
11.59
9.29

---+---------+---------+---------+-----(---*---)
(---*---)
(---*---)
(---*---)
(---*---)
---+---------+---------+---------+-----40
60
80
100

Tratamientos
1
3
2
4
5
N
4
4
4
4
4
Media
95.750
74.500
57.250
51.250
41.750
Agrupacin
A
B
C
C
C

Tratamientos
2
3
4
5
Inferior
-55.255
-38.005
-61.255
-70.755
Centro
-38.500
-21.250
-44.500
-54.000
Superior
-21.745
-4.495
-27.745
-37.245
Tratamientos
2
3
4
5
+---------+---------+---------+--------(----*----)
(----*----)
(----*----)
(----*---)
+---------+---------+---------+---------70
-35
0
35

Tratamientos
3
4
5
Inferior
0.495
-22.755
-32.255
Centro
17.250
-6.000
-15.500
Superior
34.005
10.755
1.255
Tratamientos
3
4
5
+---------+---------+---------+--------(----*----)
(----*----)
(----*---)
+---------+---------+---------+---------70
-35
0
35

Tratamientos
4
5
Inferior
-40.005
-49.505
Centro
-23.250
-32.750
Superior
-6.495
-15.995
Tratamientos
4
5
+---------+---------+---------+--------(---*----)
(----*---)
+---------+---------+---------+---------70
-35
0
35

Tratamientos
5
Inferior
-26.255
Centro
-9.500
Superior
7.255
Tratamientos
5
+---------+---------+---------+--------(----*----)
+---------+---------+---------+---------70
-35
0
35
Agrupar informacin utilizando el mtodo de Fisher

Tratamientos
1
3
2
4
5
N
4
4
4
4
4
Media
95.750
74.500
57.250
51.250
41.750
Agrupacin
A
B
C
C D
D

Intervalos de confianza individuales de Fisher del 95%
Nivel de confianza simultnea = 74.24%

Tratamientos
2
3
4
5
Inferior
-50.057
-32.807
-56.057
-65.557
Centro
-38.500
-21.250
-44.500
-54.000
Superior
-26.943
-9.693
-32.943
-42.443
Tratamientos
2
3
4
5
--+---------+---------+---------+------(---*---)
(---*---)
(---*---)
(---*---)
--+---------+---------+---------+-------60
-30
0
30

Tratamientos
3
4
5
Inferior
5.693
-17.557
-27.057
Centro
17.250
-6.000
-15.500
Superior
28.807
5.557
-3.943
Tratamientos
3
4
5
--+---------+---------+---------+------(---*---)
(---*---)
(---*---)
--+---------+---------+---------+-------60
-30
0
30

Tratamientos
4
5
Inferior
-34.807
-44.307
Centro
-23.250
-32.750
Superior
-11.693
-21.193
Tratamientos
4
5
--+---------+---------+---------+------(---*---)
(---*---)
--+---------+---------+---------+-------60
-30
0
30

Tratamientos
5
Inferior
-21.057
Centro
-9.500
Superior
2.057
Tratamientos
5
--+---------+---------+---------+------(---*---)
--+---------+---------+---------+-------60
-30
0
30

Qué Es Un Grupo de Control Científico

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Qué Es Un Grupo de Control Científico

Caricato da

Copyright:

Formati disponibili

DISEO EXPERIMENTAL Y ANLISIS DE VARIANZA

PRINCIPIOS DEL DISEO EXPERIMENTAL

El uso de observaciones concomitantes

APERTURA DE UNA HOJA DE TRABAJO

Elija Archivo Abrir hoja de trabajo.

EXAMINAR UNA HOJA DE TRABAJO

DISEO COMPLETAMENTE AL AZAR (DCA)

=Valor observado en la j-sima repeticin para el i-simo tratamiento.

Efecto de la media general (Efecto de la media general de la ganancia de peso).

Nmero de repeticiones del i-esimo tratamiento

El efecto del i-simo tratamiento esta dado por

ANALISIS DE VARIANZA SIMBOLICA DEL DCA

DISEO COMPLETAMENTE AL AZAR CON IGUAL NMERO DE UNIDADES POR TRATAMIENTO

ANOVA unidireccional: Rendimiento vs. Tratamientos

Desv.Est. agrupada = 7.67

SI HAY DIFERENCIA ESTADISTICA SE REALIZA LAS PRUEBAS DE COMPARACIONES MULTIPLES:

Agrupar informacin utilizando el mtodo de Tukey

Las medias que no comparten una letra son significativamente diferentes.

Tratamientos = 1 restado de:

Tratamientos = 2 restado de:

Tratamientos = 3 restado de:

Tratamientos = 4 restado de:

5 Tipos de Alimento Dosis de alimentos

DISEO DE BLOQUES COMPLETAMENTE AL AZAR (DBCA)

: mide el efecto del tratamiento i, estimado por:

: mide el efecto del bloque j : estimado por :

: mide la variabilidad de la unidad experimental ij, estimado por :

ANALISIS DE VARIANZA SIMBOLICA DEL DBCA

ANOVA de dos factores: Crecimiento vs. Dias, Tratamientos

Respuesta Crecimiento (Variable dependiente, variable respuesta)

Las medias que no comparten una letra son significativamente diferentes.

Tratamientos = 2 restado de:

g/ parcela) en el que se usaron

Anlisis de varianza para Crecimiento, utilizando SC ajustada para pruebas

Observaciones inusuales de Crecimiento

R denota una observacin con un residuo estandarizado grande.

Las medias que no comparten una letra son significativamente diferentes.

Intervalos de confianza simultneos de Tukey del 95.0%

Pruebas simultneas de Tukey

ESTO ES CON EL DE DOS FACTORES PARA COMPARAR

SPSS PARA UN DBCA

Ahora vamos a la otra pagina de datos del SPSS

PRUEBA DE COMPARCION DE MEDIAS

Incluir interaccion en el modelo

Pruebas post hoc

Basado en las medias observadas.

Se muestran las medias para los grupos en

DISEO CUADRADO LATINO (DCL)

ti = Es el efecto del i- esimo tratamiento tratamiento.

= Es el efecto del j- esimo bloque- fila.

Para j= 1,2,3.b (j = bloques:filas)

k-esimo bloque- columna. k=1,2,3.b(k = bloques:columna)

t : es el numero de tratamientos que es igual al numero de filas y de columnas.

4. ANALISIS DE VARIANZA SIMBOLICA (ANVA)

ANALISIS DE VARIANZA (ANVA)

Modelo lineal general: Efectividad vs. Filas, Columnas, Tratamiento

Anlisis de varianza para Efectividad, utilizando SC ajustada para pruebas

Se selecciona Comparaciones en parejas

Agrupar informacin utilizando el mtodo de Tukey y una confianza de 95.0%

Las medias que no comparten una letra son significativamente diferentes.

SACAR LAS MEDIAS EN EL MINITAB

Grafica del Efecto de los Abonos

SACAR LOS GRAFICOS

Ejemplo 2: Experimento con Cuatro Variedades de Arroz