Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2 de julio de 2017
Ventajas:
1 Permite estudiar los efectos principales, efectos de interacción de
factores, efectos simples y efectos cruzados.
2 Todas las unidades experimentales intervienen en la
determinación de los efectos principales y de los efectos de
interacción de los factores, por lo que el número de repeticiones
es elevado para estos casos.
3 El número de grados de libertad para el error experimental es
alto, comparándolo con los grados de libertad de los
experimentos simples de los mismos factores, lo que contribuye a
disminuir la variancia del error experimental, aumentando por este
motivo la precisión del experimento.
Efecto de un factor:
En un diseño factorial, los factores en estudio se representan por
letras mayúsculas (A,B,C,. . .) y los niveles de cada uno por sus
respectivas letras minúsculas (a,b,c,. . .) con subindices.
Los niveles de un factor cuantitativo toman valores métricos, mientras
que los niveles de un factor cualitativo son las categorías del factor.
Se entiende por efecto de un factor al cambio en la respuesta media
ocasionada por un cambio en el nivel de ese factor. Los tres efectos
de interés en un experimento factorial son los simples, los principales
y los de interacción;
Efecto de un factor:
En los diseños factoriales los tres efectos son:
1 Efecto Simple: son comparaciones entre los niveles de un factor
a un sólo nivel del otro factor.
2 Efecto Principal: son comparaciones entre los niveles de un
factor promediados para todos los niveles del otro factor.
3 Efecto de Interacción: Miden las diferencias entre los efectos
simples de un factor a diferentes niveles de otro factor; es decir, la
diferencia en la respuesta entre los niveles de un factor no es la
misma en todos los niveles de los otros factores.
En un experimento factorial se puede estimar y contrastar hipótesis
acerca de las interacciones y los efectos principales.
Dependiendo del Número de factores el Diseño factorial puede ser de
dos , tres o multi factores.
Arreglo Tabular
El arreglo tabular de los resultados en este Diseño se presenta de la siguiente forma.
Se debe encontrar
m«ın ϕ
µ, αi , βj , τi , (αβ)ij
Esto significa hallar las derivadas parciales con respecto a cada uno
de los componentes del modelo e igualar a cero:
∂ϕ ∂ϕ ∂ϕ ∂ϕ
= 0; = 0; ; =0; =0
∂µ ∂ αi ∂ βj ∂ (αβ)ij
Aplicando las restricciones del modelo (1) en las ecuaciones normales dadas en la expresión (2)
se obtiene los estimadores
Y ...
µ̂ = = Ȳ ...
abn
Yq .. Y ..
α̂q = − = Ȳq .. − Ȳ ...; q = 1, · · · , a
bn abn
Y .s . Y ..
β̂s = − = Ȳ .s . − Ȳ ...; s = 1, · · · , b
an abn
[
(αβ) = Ȳqs . − Ȳq .. − Ȳ .s . + Ȳ ...; q = 1, · · · , a; s = 1, · · · , b
qs
\
E[Yijk ] = [
Ŷijk = µ̂ + α̂i + β̂j + (αβ)ij
Los residuos
por lo tanto para estimar la varianza se usa la suma de cuadrados de los residuos. Así
a X
b X
n
1 X
\
Var (Yijk ) = σ̂ 2 = (Yijk − Ŷijk )2
ab(n − 1)
i=1 j=1 k =1
a X
b X
n
1 X
= (Yijk − Ȳij .)2 (5)
ab(n − 1)
i=1 j=1 k =1
Analisis de Varianza
La descomposición de la variabilidad en términos del modelo
proporciona la ecuación básica del análisis de la varianza dado por:
X n
b X
a X a
X b
X
(Yijk − Ȳ ...)2 = bn (Ȳi .. − Ȳ ...)2 + an (Ȳ .j . − Ȳ ...)2
i=1 j=1 k =1 i=1 j=1
a X
X b
+n (Ȳij . − Ȳi .. − Ȳ .j . + Ȳ ...)2
i=1 j=1
a X
X b X
n
+ (Yijk − Ȳij .)2
i=1 j=1 k =1
SC Total = SC A + SC B + SC AB + SC Error
Analisis de Varianza
El análisis de varianza se resume en la siguiente Tabla
Fuente de Grados de Suma de Cuadrado E(CM)
Variación Libertad Cuadrados Medio M. Fijo
SCA bn P 2
Factor A a−1 SCA CMA = a−1 σ 2 + a−1 αi
SCB an P 2
Factor B b−1 SCB CMB = b−1
σ 2 + b−1 βj
(αβ)2ij
PP
SCAB n
Interacción AB (a − 1)(b − 1) SCAB CMAB = (a−1)(b−1)
σ2 + (a−1)(b−1)
SCE
Residual ab(n − 1) SCE CME = ab(n−1) σ2
Total abn − 1 SCTot
Suma de cuadrados
a X
b X
n 2
X
2 Y···
SCTot = Yijk −
abn
i=1 j=1 k =1
Análisis de Varianza
Suma de cuadrados
Pa 2 2
i=1 Yi·· Y···
SCA = −
bn abn
Pb 2
j=1 Y·j·
2
Y···
SCB = −
an abn
" Pa Pb 2
#
j=1 Yij·
2
Y···
i=1
SCAB = − − SCA − SCB
n abn
a X
b X
n Pa Pb 2
i=1 j=1 Yij·
X
2
SCE = Yijk −
n
i=1 j=1 k =1
= SCTot − SCA − SCB − SCAB
Ho : α1 = α2 = ... = αa = 0
Ha : no todas las αi son iguales a cero
El estadístico de Prueba
CMA
FcA = ∼ F con(a − 1) y(ab(n − 1))gl.
CME
Punto crítico: F0 = F{α;[(a−1) y (ab(n−1))gl]}
Ho : β1 = β2 = · · · = βa = 0
Ha : no todas las βi son iguales a cero
El estadístico de Prueba
CMB
FcB = ∼ F con(b − 1) y(ab(n − 1))gl.
CME
Punto crítico: F0 = F{α;[(b−1) y (ab(n−1))gl]}
Ho : (αβ)ij = 0; ∀i = 1, · · · , a; j = 1, · · · , b
Ha : no todas las (αβ)ij son iguales a cero
El estadístico de Prueba
CMAB
FcAB = ∼ F con(a − 1)(b − 1) y(ab(n − 1))gl.
CME
Punto crítico: F0 = F{α;[(a−1)(b−1) y (ab(n−1))gl]}
Ejemplo
a. Escriba un modelo lineal para el experimento y explique los
términos
b. Calcule el análisis de varianza.
c. Pruebe la hipótesis nula para todos los efectos principales y de
interacción.
d. Calcule las medias de tratamientos y marginales con sus
respectivos errores estándar.
Residual σ2 σ2
CMB = σ̂ 2 + nσ̂αβ
2
+ anσ̂β2 , CMA = σ̂ 2 + nσ̂αβ
2
+ bnσ̂α2 .
CMAB − CME
σ̂ 2 = CME, 2
σ̂αβ =
n
CMB − CMAB CMA − CMAB
σ̂β2 = , σ̂α2 = .
an bn
(Maestría en Estadística - UNSAAC) 2 de julio de 2017 29 / 61
Diseño Bifactorial
µ̂ = Ȳ ...
α̂q = Ȳq .. − Ȳ ...; q = 1, · · · , a
Ejemplo
Un centro experimental esta estudiando el rendimiento de 10
variedades de sorgo forrajero, por la disposición de las parcelas de
sembrio se decide usar solo tres variedades para analizar la influencia
de la variedad y de la altura de corte sobre su rendimiento.
Se ensayaron 3 variedades y 4 alturas, cultivandose en tres parcelas
elegidas al azar cada combinación. A continuación se muestra los
resultados obtenidos. Expresados en Tms de forraje por Ha.
altura Variedades B
A V1 Yi1 . V2 Yi2 . V3 Yi3 .
A1 = 0, 75 68 65 62 195 52 55 61 168 66 70 68 204
A2 = 1, 00 94 80 86 260 62 62 60 184 61 58 57 176
A3 = 1, 25 90 98 94 282 64 75 74 213 72 66 74 212
A4 = 1, 50 98 95 99 292 68 85 83 236 83 82 78 243
Ejemplo
a. Escriba un modelo lineal para el experimento y explique los
términos
b. Calcule el análisis de varianza.
c. Pruebe la hipótesis nula para todos los efectos principales y de
interacción.
d. Estimar los componentes de varianza.
Modelo Estadístico
El modelo para un factorial de tres factores en diseño completamente
al azar es:
Yijkh = µ + αi + βj + γk + (αβ)ij + (αγ)ik + (βγ)jk + (αβγ)ijk + εijkh
i = 1, ..., a , j = 1, ..., b , k = 1, ..., c , h = 1, ..., n (6)
Modelo Mixto
Cuando al menos un factor sea Aleatorio y los demás Fijos el Modelo
que resulta es Mixto. Para tres factores resultan seis Modelos Mixtos
Suma de cuadrados:
" Pa Pc #
2
Yi·k Y2
SCAC = i=1 k =1 ·
− ···· − SCA − SCB
bn abcn
" Pb Pc 2
#
j=1 k =1 Y·jk ·
2
Y····
SCBC = − − SCA − SCB
an abcn
" Pa Pb Pc 2
#
i=1 j=1 k =1 Yijk ·
2
Y····
SCABC = − − SCA − SCB − SCC
n abcn
−SCAB − SCAC − SCBC
a X
b Xc Xn
Pa Pb Pc 2
X
2 i=1 j=1 k =1 Yijk ·
SCE = Yijkh −
n
i=1 j=1 k =1 h=1
Hipótesis a evaluar
Suponiendo, un modelo de efectos fijos se presenta el resumen de las
hipótesis planteadas y sus estadísticos de Prueba
Tipo de Arena
Mezcla& A B C
Arcilla↓ 50/50 70/30 80/20 50/50 70/30 80/20 50/50 70/30 80/20
0,94 1,47 1,38 0,97 2,12 1,04 1,49 2,55 1,26
Arcilla 0,88 1,43 1,24 1,26 1,07 0,99 1,34 2,44 1,56
de 1,03 1,7 1,43 1,36 2,19 1,18 1,24 2,42 1,63
1ra 1,08 1,63 1,31 1,03 1,95 1,06 1,27 2,48 1,41
1,15 1,61 1,29 1,06 2,21 1,15 1,43 2,32 1,38
1,49 1,89 2,1 0,88 1,41 2,09 1,95 2,16 2,5
Arcilla 1,68 1,98 2 0,99 1,49 2,02 1,98 2,3 2,76
de 1,72 1,95 2,07 0,94 1,59 2,14 2,14 2,42 2,46
2da 1,64 1,8 2,09 0,76 1,64 2,1 1,91 2,1 2,69
1,56 1,93 2,19 0,71 1,56 2,05 1,8 2,33 2,49
Ejemplo
Este es un experimento Factorial conducido en un diseño
completamente al azar que considera tres factores ( Tipo de Arcilla,
Tipo de Arena y Dosis de la mezcla), es un diseño factorial 2A3B3C.
Probar si hay diferencias significativas en el esfuerzo de compresión
de teja (kg/cm2 ) fabricada con los tres factores.
Es un modelo de efectos fijos. donde:
Factor A : Tipo de Arcilla, A1 = Arcilla de primera; A2 = Arcilla de
segunda
Factor B : Tipo de Arena, B1 = Arena tipo A; B2 = Arena tipo B; B3 =
Arena tipo C
Factor C : Dosis o porcentaje de mezcla Arena/Arcilla, C1 = 50/50 %,
C2 = 70/30 %, C3 = 80/20 %
Interacción de factores.
La interacción es una fuente muy importante en el estudio de los
experimentos con factoriales, permite evaluar las diferencias de
niveles de un factor en la combinación de un tercero.
Las interacciones se presentan solo en los casos que ambos son
factores cruzado o cuando un factor Anidado antecede a un cruzado.
Así, para los casos presentados, las interacciones que pueden
estudiarse son:
Caso 1 : AB, AC, BC y ABC
Caso 2 : Ninguna interacción.
Caso 3 : AC y B(A) con C
Caso 4 : AB
Introducción
Llamado también Diseño jerarquico
En ciertos casos, un factor esta anidado dentro de otro. Por ejemplo,
en un estudio sobre el efecto de dos medicamentos, se prueba cada
uno de ellos en dos hospitales distintos. Los hospitales son un factor
anidado dentro de los tratamientos.
Ciertos niveles de B están ligados a ciertos niveles de A.
La presencia de un nivel de B depende de la de un cierto nivel de A;
en este caso diremos que el factor B está anidado en el factor A, y con
βj(i) indicaremos que el j-ésimo nivel de B corresponde al i-ésimo de A.
Se presenta en el Diseño jerarquico:
Modelo equilibrado: Un factor anidado con el mismo número de
observaciones por celda
Modelo no-equilibrado: Un factor anidado con distinto número de
observaciones por celda
Donde, ; i = 1, · · · , a; j = 1, · · · , b; k = 1, · · · , r
µ: media global
τi : es el efecto principal del i-ésimo nivel del factor A
βj(i) : es el efecto del factor B anidado al factor A
εijk : es el error del experimento. El subíndice k , se refiere a
las repeticiones
(Maestría en Estadística - UNSAAC) 2 de julio de 2017 49 / 61
Diseño Anidado de dos factores
Arreglo Tabular
El arreglo tabular de los resultados es como sigue:
A1 ··· Aa
B1 ··· Bb ··· Bm−b+1 ··· Bm
Y111 ··· Y1br ··· Ya11 ··· Yab1
.. .. .. .. .. .. ..
. . . . . . .
Y11r · · · Y1br ··· Ya1r · · · Yabr
Y11 . · · · Y1b . ··· Ya1 . · · · Yab .
Y1 .. ··· Ya ..
Pa Pb Pr 2
Pa Pb Pr 2
Y ... = i=1 j=1 k =1 Yijk ; i=1 j=1 k =1 Yijk
Esta tabla sirve para hallar la suma por tratamiento y de los factores
principales.
Suma de cuadrados
a X
b X
r 2
Pa 2 2
X
2 Y··· i=1 Yi·· Y···
SCTot = Yijk − ; SCA = −
abr br abr
i=1 j=1 k =1
Pa Pb 2 Pa
Yij· 2
Yi··
i=1 j=1 i=1
SCB(A) = −
r br
a X
b X r
Pa Pb 2
X i=1 j=1 Yij·
2
SCE = Yijk −
r
i=1 j=1 k =1
Contraste de hipótesis
Los contrastes de hipótesis que se realizan son:
Efecto principal del Factor A: Las hipótesis nula y alterna son:
en este caso
(SCA/(a − 1)) CMA
Fc = =
SCE/ab(r − 1) CME
Suma de cuadrados
a X
b X
c X
r 2
Pa 2 2
X
2 Y···· i=1 Yi··· Y····
SCTot = Yijkl − ; SCA = −
abcr bcr abcr
i=1 j=1 k =1 l=1
Pa Pb 2 Pa
Yij·· 2
Yi···
i=1 j=1 i=1
SCB(A) = −
cr bcr
Pa Pb Pc 2
Pa Pb 2
i=1 j=1 k =1 Yijk · i=1 j=1 Yij··
SCC(BA) = −
r cr
a X
b X
c X r
Pa Pb Pc 2
X i=1 j=1 k =1 Yijk ·
2
SCE = Yijkl −
r
i=1 j=1 k =1 l=1
SCE - UNSAAC)
(Maestría en Estadística = SCTot − SCA − SCB(A) − SCC(BA) 2 de julio de 2017 57 / 61
Analisis del Diseño Anidado de tres factores
Contraste de hipótesis
Los contrastes de hipótesis que se realizan son:
Efecto principal del Factor A: Las hipótesis nula y alterna son:
Contraste de hipótesis
Efecto del factor C anidado a AB.- ∀ i = 1, ..., a ; j = 1, ..., b.
Las hipotesis que se plantean son: