Modulo I

Introducción al análisis de
estudios observacionales y
experimentales

2018

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 1

Relaciones entre Análisis de Regresión
y Análisis de la Variancia
• Ambos análisis establecen relaciones entre
variables.

• Estudian la relación estadística entre variables para

tomar decisiones.

• En el Análisis de regresión el objetivo es Predecir.

• Usa solo variables cuantitativas y la relación se

expresa con un modelo lineal en el cual la variable
independiente puede tomar cualquier valor fijado
por el investigador .

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 2

Relaciones entre Análisis de Regresión
y Análisis de la Variancia
• En el Análisis de Variancia el objetivo es comparar los
distintos niveles de la o las variables independientes o
factores para establecer diferencias significativas en
la variable dependiente o respuesta

• Difieren del modelo anterior en que las variables

independientes pueden ser cualitativas y que si son
cuantitativas , en ANVA no se hace ninguna
presunción sobre la naturaleza de la relación
estadística entre variables dependientes e
independiente.

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 3

 ¿Cuáles son los supuestos y cuáles
los elementos básicos del modelo I de
ANVA?

• Los Supuestos de Validez del modelo

ANVA son:
– Observaciones Independientes.
– Datos distribuidos Normalmente ( ; σ2).
– Variancias Homogéneas.

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 4

Los elementos básicos del modelo I
de ANVA
1. Supone que las k muestras independientes son
muestras de k poblaciones distintas y fijas .

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 5

 Representación gráfica del
Análisis de Regresión

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 6

 ¿Cuáles son los supuestos y cuáles
los elementos básicos del modelo I de
ANVA?

• Los Supuestos de Validez del modelo

ANVA son:
– Observaciones Independientes.
– Datos distribuidos Normalmente ( ; σ2).
– Variancias Homogéneas.

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 7

Los elementos básicos del modelo I
de ANVA
1. Supone que las k muestras independientes son
muestras de k poblaciones distintas y fijas .

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 8

 Diseño Completamente
Aleatorizado
DCA

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 9

 Introducción

Cuando en la Investigación se considera un único Factor y éste es El

Objetivo del estudio.
Y además se opta por usar el modelos lineal cuya forma general es:

Yij  ... j ij

En donde:
Yij es la variable aleatoria que mide la respuesta del sujeto
experimentado en el i-ésimo individuo que recibió el j-ésimo tratamiento;
.. Es el promedio general;
.j El efecto del j-ésimo tratamiento;
ij Es la cantidad de variación no explicada por el Factor, también se
conocerá como Error del Experimento o Variación Residual.
Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 10
 La Planificación del Experimento

No es el modelo más recomendable en la experimentación planificada,

pues requiere que el desarrollo de la experiencia se haga en condiciones
muy controladas. Por esto resulta apropiado cuando se estudian
experimentos de laboratorio.
En otros casos, las circunstancias del material experimental obligan a
usar este experimento como en las pruebas de progenie en estudios
genéticos.
La planificación del experimento es muy simple pues únicamente se
requiere que los sujetos que van a ser experimentados se elijan al azar
de la población y que además, la adjudicación de los tratamientos (nivel
de factor) a los individuos del grupo previamente seleccionado se realice
en forma aleatoria.
Es muy conveniente que los grupos que recibirán un tratamiento tengan
la misma cantidad de individuos pero no es indispensable.
Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 11
 12

Los Tipos de Modelos.

Los modelos experimentales se clasifican en tres tipos:
De efectos fijos – Modelo I
De efectos Aleatorios – Modelo II
Modelos Mixtos.
Cuando el investigador tiene control sobre el material experimental en la
aplicación de los niveles de los factores, el modelo es de efectos fijos como
en casi todas las experiencias planificadas. Cuando se investiga un factor
pero no se tiene control sobre los tratamientos, por ejemplo en los estudios
por muestreo, los modelos son de efectos aleatorios. La naturaleza del
factor que se analiza también determina el tipo del modelo, por ejemplo,
los experimentos de genealogías son de efectos aleatorios. En las
experiencias en que se utilizan efectos mixtos no es muy común el Diseño
Completamente Al Azar.
Las consecuencias del tipo de modelo se reflejan sobre la aplicación de las
pruebas que permitirán determinar los efectos de los tratamientos sobre el
sujeto experimentado.
Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 12
 Modelo I o de efectos fijos
Yij  ... j ij i= 1,..,k y j=1,..,n

Modelo II o de efectos aleatorios

En este modelo se asume que las k muestras son muestras
aleatorias de k situaciones distintas y aleatorias. De modo
que un valor aislado Yij se puede escribir como:

Yij  ..A.. jj ij i= 1,..,k y j=1,..,n

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 13

 Ventajas y Desventajas
La mayor ventaja de experimentar bajo un esquema Completamente al Azar,
esto es, sin restricciones, es la simpleza del análisis y el recurso que
significa aplicarlo cuando no hay otra posibilidad de análisis. Es el paso
consecutivo en uso de la regresión lineal en el análisis de modelos lineales.
Se presta por igual a estudios mediante técnicas de muestreo o en
experimentos planificados.
Cuando ocurren accidentes en la operación del experimento como la
pérdida de una cantidad de unidades experimentales que no pueda
contrarrestarse mediante técnicas de extrapolación, el Modelo Completo al
Azar permite el análisis con las unidades remanentes sin importar que haya
diferente número por tratamiento.
La facilidad de cálculo y manejo no compensan la baja precisión del
diseño. Esto significa que es el modelo experimental menos eficiente. O
dicho de otra manera: el diseño que mayor variación presenta.
Prefiriéndose otros con mayor precisión en el análisis.

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 14

DISEÑO COMPLETAMENTE ALEATORIZADO

• Diseño aleatorio, en condiciones

homogéneas (tiempo, materias primas,
procedimientos operativos, etc.) .
• Ejemplo con tres tratamientos:
Nº 1; 2; 3; 4; 5; 6; 7; 8; 9;10;11;12;13; 14; 15
Tr. A; A;C; B; B; A; C; B; B; C; B; C; C; A; A
Res.y₁,y₂,y3, y4 ,y5,y6, y7, y8, y9,y10,y11,y12, y13, y14, y15
• Análisis: ANOVA a Un criterio

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 15

 TABLA PARA ANÁLISIS DE DATOS
Rep Promedio
1 2 3 4 5
Trat

A YA1 YA2 YA3 YA4 YA5 YA.

B YB1 YB2 YB3 YB4 YB5 YB.

C YC1 YC2 YC3 YC4 YC5 YC.

Y..

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 16

 ANOVA UN CRITERIO

• Determina si la discrepancia entre las medias

de los tratamientos es mayor de lo que
debería esperarse en relación a las
variaciones que ocurren dentro de los
tratamientos.

• Divide la Variación Total de los datos de la

muestra en dos componentes.

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 17

 ANOVA A UN CRITERIO
Identidad de la suma de cuadrados
k n k 2 k n


j1 i 1
(y ij  y..) 2  n j1
(y.j  y.. )  j1 t 1
(y ij  y.j ) 2

Esperanza de la suma de cuadrado tratamiento

k
E (CM trat )  (k  1) 2  n  j1
 2j

Cuadrado medio del tratamiento Cuadrado medio del error

SCtrat SCEE
CM trat  CM error 
k 1 k (n  1)
Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 18
 ALEATORIZACIÓN
• Diseño completamente aleatorizados
• Puede hacerse utilizando una tabla de números al azar, por cartas,
tirando un dado, o por cualquier otra operación que sirva para el mismo
propósito.
• Como ilustración vamos a considerar un experimento que involucra 3
tratamientos: A, B y C cada uno replicado 4 veces.
• La aleatorización y disposición de las unidades experimentales se lleva
a cabo de la siguiente manera:
• Se determina en número total de UE. Para nuestro ejemplo 3x4=12.
• Se asigna una número a cada UE en una manera conveniente por
ejemplo consecutivamente del 1 al 12.
• Mediante una tabla de números al azar:
• 1º paso: localizar el punto de comienzo en una tabla de números al
azar
• 2º paso: Utilizando el punto de comienzo obtenido en el 1º paso,
seleccionar n números de tres dígitos, donde n es el número total de
UE (n=12). Se prefiere números de tres dígitos porque es más difícil
encontrar valores iguales.
Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 19
1º y 2º paso • 3º paso: Se ranquean los 12 números
Número al azar Secuencia seleccionados del menor al mayor.
149 1 Número al azar Secuencia Rango

361 2 149 1 2

180 3 361 2 7

018 4 180 3 4

427 5 018 4 1

243 6 427 5 8

494 7 243 6 6

704 8 494 7 9

549 9 704 8 12

157 10 549 9 10

571 11 157 10 3

226 12 571 11 11
226 12 5

4º paso: Asignar los tratamientos a las UE. Usar el rango como números de UE y
la secuencia con la cual se obtuvieron los números aleatorios para referirse a los
tratamientos. Por ejemplo el tratamiento A : al 2,7,4,1, el tratamiento B, al
8,6,9,12, etc.
1 A 2 A 3 C 4 A

5 C 6 B 7 A 8 B
9 B 10 C 11 C 12 B
Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 20
 Diseño en bloques completos
aleatorizados
• Se divide el material experimental en tantos bloques como números
de replicaciones a utilizar. Cada bloque es luego dividido en tantas UE
como tratamientos haya en estudio. Como el DBCA especifica que
todos los tratamientos deben aparecer una vez en cada replicación, la
aleatorización se hace separadamente en cada bloque. La
aleatorización es similar al DCA para cada bloque.
• Ejemplo: En un experimento con 6 tratamientos (A,B,C,D,E y F) con 4
replicaciones, usando la tabla de número al azar elegimos 6 números
de 3 dígitos. Por ejemplo
Número al Secuencia Se ranquean los números
azar seleccionados del menor al mayor.
918 1 Número al Secuencia Rango
azar
722 2
918 1 6
243 3
722 2 5
494 4
243 3 1
704 5
494 4 2
549 6 704 5 4
549Experimentales
Análisis de Modelos Estadísticos y su aplicación a Estudios 6 y Observacionales
3
21
• Después se utiliza la secuencia en que salieron los números al
azar como los tratamientos y en el rango como número de UE
en el bloque. Así, el tratamiento A iría en la UE 6, el B en la 5, el
C en la 1 y el D en la 2.
1 2 3 4 5 6

Bloque I C D F E B A
Bloque II A E F C D B
Bloque III F D C A B E
Bloque IV E C D A F B

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 22