Professional Documents
Culture Documents
N = nk
n Réplicas
Diseño balanceado
Grados
Fuente de de
Suma de Cuadrados Cuadrado Medio Fo
Variación liberta
d
Tratamiento
SS Trat SC T n i Y i . Y ..
a
s
2
SS Trat S B2
[between
i 1 k-1 S MST CM T
2
FC 2
a1
B
SW
groups]
Error SS E
Yij Yi . S p2 MSE CM E
a n
SS E SC E
2
[within n-k N a
i 1 j 1
groups]
SW2 MSE
SST SSTrat SS E
o bien
Total n-1 es buen
Yij Y ..
a n
SS T estimador
2
de
i 1 j 1 2
ANALISIS Y DISEÑO DE EXPERIMENTOS
14 18 18 19 19
30
19 25 22 19 23
k=5
35
7 10 11 15 11
n = Número de réplicas
ANALISIS Y DISEÑO DE EXPERIMENTOS
Layout1
Layout 2
Tratamiento Resistencia
1 7
1 7
1 15
1 11
1 9
2 12
2 17
2 12
2 18
2 18
3 14
3 18
3 18
3 19
3 19
4 19
4 25
4 22
4 19
ANALISIS Y DISEÑO DE EXPERIMENTOS
4 23
5 7
5 10
5 11
5 15
5 11
H 0 : 1 2 3 4 5
H0 : 1 2 3 4 5 0
H1 al menos un efecto es diferente de cero
A un nivel de significancia dado
Solución en Statgraphics
.
ANALISIS Y DISEÑO DE EXPERIMENTOS
El Análisis de varianza es
ANOVA
[Análisis de Varianza]
Analysis of Variance
-----------------------------------------------------------------------------
Source Sum of Squares Df Mean Square F-Ratio P-Value
-----------------------------------------------------------------------------
Between groups 475.76 4 118.94 14.76 0.0000
Within groups 161.2 20 8.06
-----------------------------------------------------------------------------
Total (Corr.) 636.96 24
Evaluación de la Normalidad
ANALISIS Y DISEÑO DE EXPERIMENTOS
O bien
Directamente
De donde resulta
99
95
80
50
20
5
1
0.1
-3.8 -1.8 0.2 2.2 4.2 6.2
residuos
ANALISIS Y DISEÑO DE EXPERIMENTOS
Solución en R
Leer los datos con el layout 1
data: resistencias
Bartlett's K-squared = 0.9331, df = 4, p-value = 0.9198
> shapiro.test(resistencias$P15)
data: resistencias$P15
W = 0.881, p-value = 0.3140
> shapiro.test(resistencias$P20)
data: resistencias$P20
W = 0.7538, p-value = 0.03228
> shapiro.test(resistencias$P25)
data: resistencias$P25
W = 0.7387, p-value = 0.02332
ANALISIS Y DISEÑO DE EXPERIMENTOS
> shapiro.test(resistencias$P30)
data: resistencias$P30
W = 0.902, p-value = 0.4211
> resistencias.vert<-
data.frame(porcentaje=gl(5,5),resistencia=c(resistencias$P15,resistencia
s$P20,resistencias$P25, resistencias$P30, resistencias$P35))
De donde resulta
> resistencias.vert
porcentaje resistencia
1 1 7
2 1 7
3 1 15
4 1 11
5 1 9
6 2 12
7 2 17
8 2 12
9 2 18
10 2 18
11 3 14
12 3 18
13 3 18
14 3 19
15 3 19
16 4 19
17 4 25
18 4 22
19 4 19
20 4 23
21 5 7
22 5 10
23 5 11
24 5 15
25 5 11
ANALISIS Y DISEÑO DE EXPERIMENTOS
>
> attach(resistencias.vert)
> porcentaje<-factor(porcentaje)
> is.factor(porcentaje)
[1] TRUE
> resistencias.aov<-aov(resistencia~porcentaje)
> summary(resistencias.aov)
Normalidad en Excel
4 19 21.6 -2.6
4 23 21.6 1.4
5 7 10.8 -3.8
5 10 10.8 -0.8
5 11 10.8 0.2
5 15 10.8 4.2
5 11 10.8 0.2
(j-
j residuos 0.5)/25
1 -3.8 0.02
2 -3.6 0.06
3 -3.4 0.1
4 -3.4 0.14
5 -2.8 0.18
6 -2.8 0.22
7 -2.6 0.26
8 -2.6 0.3
9 -0.8 0.34
10 -0.8 0.38
11 0.2 0.42
12 0.2 0.46
13 0.4 0.5
14 0.4 0.54
15 0.4 0.58
16 1.2 0.62
17 1.4 0.66
18 1.4 0.7
19 1.4 0.74
20 1.6 0.78
21 2.6 0.82
22 2.6 0.86
23 3.4 0.9
24 4.2 0.94
25 5.2 0.98
ANALISIS Y DISEÑO DE EXPERIMENTOS
(j-0.5)/25
1.2
0.8
0.6
0.4
0.2
0
2
2
.8
.4
.8
.6
.8
0.
0.
0.
1.
1.
2.
3.
5.
-3
-3
-2
-2
-0
H 0 : 1 2 ... k
H1 al menos un Tratamiento es diferente
Cuando Ho Es decir
F0 f ( k 1 ),k ( n 1 ),
o bien Los tratamientos son
NO SE RECHAZA
Pvalue nivel de iguales
significancia
F0 f ( k 1 ),k ( n 1 ),
Existe al menos un nivel
o bien SE RECHAZA que produce un efecto
Pvalue nivel de significativo al .
significancia
PRUEBA DE
HIPOTESIS
SI NO Al menos un tratamiento es
Ho diferente
SE ACEPTA ?
DIAGRAMA DE CAJA
25
22
Resistencia
19
16 Se aprecian diferencias
importantes
13
10
7
% 15 % 20 % 25 % 30 % 35
Algodón %
( Yij Yi .) 2
Sy i .
n1
Table of Means
with Standard error intervals
--------------------------------------------------------------------------------
Stnd. error
Count Mean (individual) Lower limit Upper limit
--------------------------------------------------------------------------------
% 15 5 9.8 1.49666 8.30334 11.2967
% 20 5 15.4 1.4 14.0 16.8
% 25 5 17.6 0.927362 16.6726 18.5274
% 30 5 21.6 1.16619 20.4338 22.7662
% 35 5 10.8 1.28062 9.51938 12.0806
--------------------------------------------------------------------------------
Total 25 15.04
ANALISIS Y DISEÑO DE EXPERIMENTOS
Sy i .
S yi .
n
Sy i .
Y i .
n
Table of Means
with Standard error intervals
--------------------------------------------------------------------------------
Stnd. error
Count Mean (pooled s) Lower limit Upper limit
--------------------------------------------------------------------------------
% 15 5 9.8 1.26965 8.53035 11.0696
% 20 5 15.4 1.26965 14.1304 16.6696
% 25 5 17.6 1.26965 16.3304 18.8696
% 30 5 21.6 1.26965 20.3304 22.8696
% 35 5 10.8 1.26965 9.53035 12.0696
--------------------------------------------------------------------------------
Total 25 15.04
Table of Means
with 95.0 percent confidence intervals
--------------------------------------------------------------------------------
Stnd. error
Count Mean (individual) Lower limit Upper limit
--------------------------------------------------------------------------------
% 15 5 9.8 1.49666 5.64458 13.9554
% 20 5 15.4 1.4 11.513 19.287
% 25 5 17.6 0.927362 15.0252 20.1748
% 30 5 21.6 1.16619 18.3621 24.8379
% 35 5 10.8 1.28062 7.2444 14.3556
--------------------------------------------------------------------------------
Total 25 15.04
ANALISIS Y DISEÑO DE EXPERIMENTOS
Y i . t S yi .
,( n 1 )
2
Table of Means
with 95.0 percent confidence intervals
--------------------------------------------------------------------------------
Stnd. error
Count Mean (pooled s) Lower limit Upper limit
--------------------------------------------------------------------------------
% 15 5 9.8 1.26965 7.15156 12.4484
% 20 5 15.4 1.26965 12.7516 18.0484
% 25 5 17.6 1.26965 14.9516 20.2484
% 30 5 21.6 1.26965 18.9516 24.2484
% 35 5 10.8 1.26965 8.15156 13.4484
--------------------------------------------------------------------------------
Total 25 15.04
Y i . t
,a ( n 1 ) n
2
1 1
LSD t MSE ( )
,a ( n 1 ) ni n j
2
2 MSE
cuando son réplicas iguales LSD t
,a ( n 1 ) n
2
ANALISIS Y DISEÑO DE EXPERIMENTOS
Table of Means
with 95.0 percent LSD intervals
--------------------------------------------------------------------------------
Stnd. error
Count Mean (pooled s) Lower limit Upper limit
--------------------------------------------------------------------------------
% 15 5 9.8 1.26965 7.92727 11.6727
% 20 5 15.4 1.26965 13.5273 17.2727
% 25 5 17.6 1.26965 15.7273 19.4727
% 30 5 21.6 1.26965 19.7273 23.4727
% 35 5 10.8 1.26965 8.92727 12.6727
--------------------------------------------------------------------------------
Total 25 15.04
LSD
Y i .
2
q ( a , f ) 1 1
T MSE ( ) en donde f a( n 1 )
2 ni n j
MSE
cuando son réplicas iguales T q ( a , f )
n
Se obtiene de
TABLA I
ANALISIS Y DISEÑO DE EXPERIMENTOS
MSE 8.06
T0.01 q 0.01 ( 5 ,20 ) 5.29 6.72
n 5
Table of Means
with 95.0 percent Tukey HSD intervals
--------------------------------------------------------------------------------
Stnd. error
Count Mean (pooled s) Lower limit Upper limit
--------------------------------------------------------------------------------
% 15 5 9.8 1.26965 7.1127 12.4873
% 20 5 15.4 1.26965 12.7127 18.0873
% 25 5 17.6 1.26965 14.9127 20.2873
% 30 5 21.6 1.26965 18.9127 24.2873
% 35 5 10.8 1.26965 8.1127 13.4873
--------------------------------------------------------------------------------
Total 25 15.04
ANALISIS Y DISEÑO DE EXPERIMENTOS
HSD
Y i .
2
Comparaciones
k ( k 1 ) 5( 4 )
posibles por pares 10
2 2
$porcentaje
diff lwr upr p adj
5-1 1.0 -4.3729583 6.372958 0.9797709
ANALISIS Y DISEÑO DE EXPERIMENTOS
> plot(TukeyHSD(resistencias.aov,ordered=TRUE))