Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
RANDOMIZADO O AL AZAR
(DCA)
Prof. Reynán Cóndor Alarcón
DISEÑO COMPLETAMENTE RANDOMIZADO O
AL AZAR
Este diseño experimental es el más simple de todos los diseños
experimentales y útil cuando las unidades experimentales son
esencialmente homogéneas; es decir cuando la variación entre ellas es
pequeñas que al agruparlas en bloques la ganancia en precisión sería
insignificante. En este diseño los tratamientos se asigna aleatoriamente
a las unidades experimentales sin imponer restricción. Es decir, cada
unidad experimental tiene la misma oportunidad o probabilidad de
recibir un tratamiento. Esto puede realizarse mediante el uso de
números aleatorios.
Proceso de aleatorización
Ejemplo
Se desea comparar los rendimientos de tres variedades de un cultivar:
A, B y C. Suponga que se cuenta con 15 parcelas (numeradas del 1 al
15) y se decide usar 5 repeticiones por tratamiento.
Podemos aletorizar usando R.
> runif(15)
[1] 0.69246954 0.74541673 0.34586751 0.92537023 0.96553459
0.98898732
[7] 0.80900678 0.12943117 0.03193816 0.74635908 0.30062693
0.85686832
[13] 0.63212632 0.48316790 0.49302399
Ventajas
DISPOSICIÓN DE LAS
UNIDADES
EXPERIMENTALES
BAJO UN DISEÑO Disponer los
COMPLETAMENTE datos en una
RANDOMIZADO base de datos
El modelo aditivo
Yij i ij
i 1, 2,..., ni
j 1, 2,..., a
: la media global
i : efecto del tratamiento i -ésimo
ij : término de error
A continuación, se muestra una tabla de ANVA que
muestra una forma extendida de calcular las
sumatorias de cuadrados
Ejemplo. En la tabla 6.3.1.2 se da el contenido de nitrógeno, en
miligramos, de plantas de trébol rojo inoculadas con cultivos de
cepas de Rhizobium trifolii más un compuesto de 5 cepas de
Rhizobium meliloti.
N° Cepas Tratamientos
1 Cepa 3DOk1 3DOk1
2 Cepa 3DOk5 3DOk5
3 Cepa 3DOk4 3DOk4
4 Cepa 3DOk7 3DOk7
5 Cepa 3DOk13 3DOk13
6 compuesto de 5 cepas Compuesto
de Rhizobium meliloti
Tabla Contenido de nitrógeno (mg) de plantas de trébol rojo
inoculadas con cepas de Rhizobium trifolii y una combinación
de cepas de Rhizobium meliloti.
2. Hipótesis
H 0 : 1 2 3 4 5 6
H A : al menos una
Tábla. Análisis d varianza
Decisión
• Si el valor calculado de la Fc es mayor que el valor crítico de Fα, se
rechaza la hipótesis nula.
• Dado que 14.37 es mayor que 2.621, se rechaza la hipótesis nula,
hipótesis alternativa.
Conclusión
• Por lo tanto, existe al menos una diferencia entre el efecto de los
tratamientos.
Comparaciones múltiples
Cuando el ANVA resulte estadísticamente significativo, se sabrá que las medias de
los grupos son diferentes entre sí, pero hay que profundizar más y preguntarse
dónde están específicamente esas diferencias. Para ello se usan los contrastes del
ANVA, que buscan diferencias particulares entre grupos y pueden seguir dos
aproximaciones:
1. A priori. Se realizan pocas comparaciones y se planifican antes de iniciar el
análisis de los datos. Se seleccionan solo las comparaciones más interesantes,
juiciosas y razonables para la investigación. Es la mejor opción, pues hace explícitas
las hipótesis de interés y evita el mal recurso automático de comparar todo con
todo (llamado a veces excursión de pesca, en la jerga estadística). Las
comparaciones a priori pueden ser ortogonales o no ortogonales. Las ortogonales
extraen el máximo partido a los datos.
2. A posteriori (o post hoc). No están planificadas y en ellas se compara todo
con todo, es decir, se establecen todas las posibles comparaciones de medias (dos a
dos). Se podrían hacer a(a- l)/2 contrastes dos a dos. Es decir, si hay, por ejemplo,
cinco grupos (a = 5), se podrán realizar 10 comparaciones por parejas.
Comparaciones múltiples
• DMS
• Duncan
• S-N-K
• Tukey
• Scheffe
• Bonferroni
Supuestos del ANVA
La validez de los resultados obtenidos en cualquier
análisis de varianza queda suspeditado a que los
supuestos del modelo se cumplan.
• Normalidad
• Varianza homogéneas
• Independencia
Normalidad
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Cepas de Rhizobium Estadístico gl Sig. Estadístico gl Sig.
Contenido de nitrógeno 3DOk1 ,314 5 ,120 ,802 5 ,085
(mg)
3DOk4 ,211 5 ,200* ,963 5 ,826
3DOk5 ,334 5 ,071 ,858 5 ,220
3DOk7 ,296 5 ,175 ,826 5 ,129
3DOk13 ,345 5 ,052 ,745 5 ,027
Compuesto ,209 5 ,200* ,936 5 ,638
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors
Varianza homogéneas
Gráfica de cajas
Diagnóstico de supuestos con gráficos con R
2
5
1
Standardized residuals
0
0
Residuals
-1
-5
13
6 13
-2
6
-10
-3
1
15 20 25 -2 -1 0 1 2
Constant Leverage:
Scale-Location Residuals vs Factor Levels
2
1
1.5
1
Standardized residuals
Standardized residuals
13
0
1.0
-1
0.5
-2
13
6
-3
1
0.0
trat :
15 20 25 3DOk1 3DOk13 3DOk4 3DOk5 3DOk7 Compuesto
Carlos Gómez
MODELOS DE EFECTOS FIJOS Y DE EFECTOS
ALEATORIOS
En muchos experimentos factoriales los tratamientos los elige
deliberadamente el experimentador. Se dice que estos experimentos
siguen un modelo de efectos fijos. En algunos casos, los tratamientos
se eligen en forma aleatoria de una población de tratamientos posibles.
En estos casos se dice que los experimentos siguen un modelo de
efectos aleatorios. En un modelo de efectos fijos interesan los
tratamientos específicos elegidos por el experimento. En un modelo de
efectos aleatorios, interesa toda la población de tratamientos posibles,
y no sólo los que se eligen para el experimento.
En un diseño experimental de acuerdo con el
tipo de efecto que se desea analizar se
presenta dos tipos de modelo: