Professional Documents
Culture Documents
Ê
Ê !"
que cada bloque recibe todos los tratamientos. La variabilidad no controlada por las fuentes
extrañas es ahora controlada por el bloqueo. Esta estrategia de diseño puede mejorar la
unidades experimentales.
Datos perdidos.
Ê
'
información pertinente al problema que se está investigando. Y ajustar el diseño que sea lo
más simple y efectivo; para ahorrar dinero, tiempo, personal y material experimental que se
va a utilizar. Es de acotar, que la mayoría de los diseños estadísticos simples, no sólo son
c
! "#" $ %
&'
()*
c
En experimentos en los cuales es necesario hacer la comparación de más de dos
que sirve para analizar la variación total de los resultados experimentales de un diseño en
de los efectos en que se constituye el diseño experimental. Esta técnica tiene como objetivo
Los bloques con tratamientos aleatorizados representan el primer diseño válido para estimar
el error experimental y para probar si los efectos de los tratamientos son significativos a
pesar de la falta de homogeneidad de las unidades de estudio sobre las que se hacen
comprende intuitivamente que cuando las unidades no son todas iguales, la variación en
Cuando las unidades no son homogéneas, nos referimos a que no pueden reaccionar o
Como su nombre lo indica, esta clase de diseños experimentales se caracteriza porque todos
los tratamientos aparecen representados una vez en cada uno de los bloques. Los
Las unidades experimentales deben ser homogéneas dentro de cada bloque, salvo las
Un bloque es una porción del material experimental que sea más homogénea que el total
del material. La idea primaria del bloqueo es identificar las unidades homogéneas que el
total del material. La idea primaria del bloqueo es identificar las unidades homogéneas que
La razón importante del bloqueo es quitar una fuente de variación del error. En promedio,
entre unidades se controla de tal forma que se maximice la variación entre bloques,
Un DBCTA emplea grupos de unidades experimentales lo más parecidas posible entre sí,
bloques con sus unidades experimentales relativamente homogéneas y en cada bloque todos
1.- Por medio del agrupamiento se obtienen resultados más precisos que cuando se emplea
repeticiones de estos, si se desean repeticiones adicionales para los tratamientos, cada uno
de estos puede aplicarse a dos o más unidades en cada bloque (diseños de bloques
generalizado)
3.- Si las varianzas del error experimentales mayor para algunos tratamientos que para
otros, aún puede obtenerse un error insesgado para probar combinaciones específicas de
tratamientos.
4.- Es necesario enfatizar que debe existir una razón que justifique la formación de los
5.- El análisis por bloques es una técnica que se usa para incrementar la precisión del
Esto ocurre frecuentemente cuando el número de tratamientos es grande; así no puede ser
posible asegurar grupos de unidades suficientemente uniformes para los bloques. En tales
#
$*$*(%
Yij = + i + j + Eij i = 1, . . . , t j = 1, . . . , b
media general
Se supone que los efectos de tratamientos y bloques son aditivos. La aditividad significa
que no hay interacción entre tratamientos y bloques. Es decir, la relación entre los
# , ($($&(
Tratamientos t-1
ɛ2+b(T)
V
Error (t-1)(r-1)
ɛ2
VV
Total tr-1
V V
)$ ($
Supongamos
tratamientos se ensayan en bloques completos con tratamientos
genera entonces un diseño experimental (no estándar) que es una extensión del diseño
estándar de bloques completos con tratamientos aleatorizados. Puede verse que al análisis
de doble entrada, tomando nij= rj para toda Ô=1, «, . Se tendrá por consiguiente 8
Como es de suponerse repeticiones de un tratamiento dentro de un mismo bloque logramos
$*$*(%
media general
Ë
# , ($($&(
Tratamientos t-1
V
(Bloques) x (t-1)(r-1)=
(Tratamientos) tr-t-r+1
VV
V
V
Error trp-tr
VVV VV
Total trp-1
VVV
aprovechable y varios niveles de fósforo. En este ejercicio sólo usaremos parte de los datos.
rectángulos de 28 m2, y la variable medida fue el rendimiento de grano (en kg) por unidad
experimental.
)
*(*
*
1 2 3 4
-.
.8 163.72/24 = 26 797.69/24 = 1 116.57.8"""0.13
SCTotal=(7.32+7.22+7.62+7.22+7.52+7.62+6.82+5.52+6.82+6.52+6.82+7.42+7.52+6.32+5.72+6.
* 83.46
)87.6/
**.86."3
%
SCE= 7.84 ± 0.42 ± 4.17
85./1
Total 23 7.84
Como la Fcal > F0.053,15 se concluye que al menos uno de los tratamientos es diferente
(Į=.05)
$*(%%(
Una de las mayores razones para bloquear es remover una fuente de variación del error, por
lo tanto debe considerarse que si la variación entre bloques no es más grande que la
variación dentro de bloques, no hay razón para considerar un DBCTA. Cuando hablamos
que los bloques son ³completos´ debe entenderse que todos los tratamientos combinados
El problema consiste en que los bloques no se aleatorizan, aun cuando los tratamientos si
c
Es importante señalar que por la misma naturaleza del encierro de las unidades
tratamientos hacia las unidades experimentales. Esta situación sólo ocurre en todos los
aparece en el análisis de varianza como una fuente de variación, no tiene grados de libertad
(gl) y no tiene suma de cuadrados (SC) para el error; sin embargo, desde que el error de
Como sabemos que existe una diferente aleatorización de los tratamientos dentro de cada
bloque, esta peculiaridad asegura que el error para probar la hipótesis de igualdad entre las
medias de los tratamientos viene dentro de los bloques, es decir, si hay interés en probar la
hipótesis que la media de los bloques son iguales, es importante recalcar que existe un error
entre bloques.
Un modelo lineal que expresa todas las fuentes de variación mencionadas con la asunción
correctas es
cc
! " #$ % ! Ô=1, 2,«,b =1, 2,«, t -=1 =1
Donde
! " Respuesta de la unidad experimental tratada en el i-ésimo nivel del tratamiento B y
µ= Media general
Nota Información tomada de los apuntes proporcionados por el Dr. José Antonio Santizo
Rincón.
% :!*(%($
El cálculo y la decisión del tamaño de muestra a usar, en los estudios que tienen como base
el muestreo estadístico, es un problema común al que se enfrenta todo usuario que pretende
realizar una aplicación de muestreo de la mejor manera posible, ya que dicho tamaño es
indispensable no sólo para la estimación de los parámetros, sino para tener una idea de la
c
Cualquiera que sea la fuente de los errores experimentales, la repetición del experimento
hayan tomado para asegurar que un tratamiento no está más favorecido en una repetición
que en otra, de tal forma que los errores que afectan a cualquier tratamiento tiendan a
error experimental puede predecirse con la teoría estadística. La magnitud básica que se usa
para medir errores experimentales es la varianza del error por unidad experimental, la que
se define como la esperanza matemática del cuadrado del error, que afecta a la observación
de una simple unidad experimental. La raíz cuadrada de esta cantidad se llama error
estándar por unidad. Si į2 es la varianza del error por unidad, y hay repeticiones, la
varianza del error de la diferencia entre las medias de dos tratamientos es 2į2/, y el error
: !*(%($ ! !#$ $((;(%%(. Considérese la diferencia entre
los efectos de un par de tratamientos, que pueden ser un procedimiento que se espera sea
c
( #
%
Donde
á número de observaciones
La primera dificultad es que 2 se desconoce por lo general, por lo que habrá que
estimarla en base a trabajos anteriores, o mediante muestras tomadas para tal fin, lo que ya
implica que nuestras estimaciones serán una aproximación, otra dificultad es que
inicialmente tampoco conocemos los grados de libertad del error para calcular t0 y t2, los
c#
Dado lo anterior, siempre tenemos que comenzar con diferentes tanteos hasta encontrar la r
Para fijar t1 tendremos en cuenta la potencia de prueba deseada, o sea, P= (1-ȕ), donde ȕ=
valor deseado de P, por lo que tendríamos entonces 2(1-P) para pruebas de 2 colas. Así el
valor de probabilidad ȕ nos servirá para calcular en tablas un valor t1 para los grados de
Con el problema estaría en encontrar los grados de libertad del error inicialmente
comenzamos haciendo tanteos; por ejemplo si voy a comparar 5 tratamientos supongo que
por lo menos tendré que repetir una vez en cada tratamiento, entonces tendría 2 bloques con
los 5 tratamientos cada uno; ya entonces tengo (t-1) (r-1)=4 grados de libertad para el error.
con los grados de libertad para el error que se tengan con los y s que se van obteniendo
y con diferentes grados de libertad para el error, entonces este valor que se repite sería el
c
+! /.
, % :!*(%($
Entonces tenemos
cual da n= 3(r-1) grados de libertad para el error estimados. En la tabla t, t1 es el valor para
busca en tablas.
Para iniciar los cálculos deben hacerse unas suposiciones respecto al valor de n. No es de
De ahí que
En consecuencia, el valor de la segunda prueba es r=5. Ya que esto origina solamente 12 gl,
en lugar de 30; se debe repetir el cálculo para verificar si son suficientes 5 repeticiones.
Puesto que el resultado es mayor que 5, se concluye que 5 repeticiones no son suficientes, y
que 6 es él número más pequeño de repeticiones que satisface las condiciones. Puede
c
asegurarse, sin hacer cálculos adicionales, que 6 satisfará las condiciones, porque el lado
$*(%(*$!($
A veces faltan, o son inútiles, datos de ciertas unidades, como cuando un animal se enferma
o muere pero no a causa del tratamiento, se dispone de un método desarrollado por Yates
para estimar tales datos faltantes. Una estimación de un valor faltante no proporciona
información adicional al experimento; sólo facilita el análisis de los datos restantes. Cuando
falta un solo valor en un experimento con bloques completos al azar, calcúlese una
)*+,-
"
, ,
faltante
varianza en la forma usual, restando un grado de libertad a los s los grados de libertad del
total y del error. El valor estimado es tal que la suma de cuadrados del error es el análisis de
la varianza es mínimo.
cË
+! 5.$*(%(*$!($
Considerando los datos del ejemplo 1 y considerando que hace falta el dato del tratamiento
Este dato se puede sustituir para poder realizar el análisis de varianza, sin olvidar restar un
# <=
de medias; necesita de un solo valor para juzgar la significancia de todas las diferencias, y
por lo tanto es rápido y fácil de usar. Ya que sólo se hacen comparaciones por pares, el
valor critico es menor que el exigido por el método de Sheffé. Todos los pares de medias
;<
9: = w
=
c"
Para realizar las comparaciones de medias usando la prueba de Tukey primero se obtienen
calcula y finalmente se realizan las comparaciones entre las medias y para poder
Considerando las medias del ejercicio 1 comparé las medias y determine cuál es el mejor
tratamiento?
*(*
*
1 3 2 4
;<
9: = w
<
=w
= .
c%
Entonces queda de la siguiente manera
*(*
*
1 3 2 4
+
,
c - ./