INTRODUCCIÓN
El Diseño completamente al azar se emplea cuando las unidades experimentales
son básicamente homogéneas entre sí, es decir, cuando la variación entre ellas es
pequeña. Se utiliza preferentemente en experimentos de laboratorio o invernadero
porque es posible, aunque es posible utilizarlo en campo si se tiene la seguridad
que las condiciones en las cuales se encuentran las unidades experimentales son
básicamente las mismas.
Una prueba de hipótesis estadística consta de cuatro pasos básicos:
1. HIPOTESIS A PROBAR
Ho: da a conocer que el efecto de todos los tratamientos son iguales
Ha: indica que al menos un efecto de los tratamientos es diferente
2. ESTADISTICA DE PRUEBA
La estadística de prueba en los diseños experimentales es la Tabla de Análisis de
Varianza, esta tabla se utiliza para obtener los grados de libertad, suma de
cuadrados, cuadrado medio, F calculada y F de tablas. Por medio de la tabla
podemos obtener nuestra regla de decisión
3. REGLA DE DECISION
La regla de decisión te ayuda a saber con cual hipótesis a probar te quedaras, esta
regla varia dependiendo si lo haces en el cuaderno o en el programa SAS. Como
utilizaremos el programa, entonces nuestra regla de decisión seria la siguiente:
Se rechaza Ho si [Pr > F] < α
4. CONCLUSION
Nuestra conclusión dependerá de la regla de decisión, si se rechaza o no se rechaza
Ho. Con base a eso la conclusión se redactará con las hipótesis a probar.
OBJETIVO
• Calcular tablas de análisis de varianza bajo el diseño completamente al
azar, con ayuda de una computadora personal, para distinguir si existen
diferencias entre tratamientos.
MATERIALES Y METODOS
En el SAS ocupe las siguientes instrucciones y/o comandos, estas se ocupan para obtener
nuestra tabla de análisis de varianza de manera rápida y eficaz.
A continuación, pondré un ejemplo y explicare para que nos sirve cada instrucción.
Data Ejerc1; Nos sirve para nombrar nuestro archivo, en este caso se
llama Ejerc1
Nos ayuda a señalar las variables que usaremos, se abrevian
Input incec$ muertos; los nombres ya que no se puede usar más de 8 caracteres, y
se le añade un signo de $ a la variable que lleve alguna letra
para que así el programa pueda reconocerlo.
Cards; Esta instrucción nos sirve para empezar a introducir nuestros
Folidol 312 datos, cuando se pone esta instrucción, los datos aparecerán
Folidol 300 como con un fondo amarillo, esto quiere decir que se va
Folidol 286 haciendo bien el trabajo.
Proc glm; Indica al SAS que realice un modelo lineal general
Indica al SAS que fuentes de variación contendrá la tabla de
Class insec; análisis de varianza, en este caso la que aparecerá será
Insecticidas.
Model muertos=insec; Aquí es donde le indicamos al programa cual es el modelo
reducido que se utilizara para obtener nuestra tabla de
análisis de varianza. En este caso nuestro modelo reducido
es Muertos=insecticidas.
Run; Este comando sirve para finalizar y correr nuestro programa.
RESULTADOS
EJERCICIO 1: Se está estudiando la resistencia de cierto insecto al efecto de 4
insecticidas en condiciones de laboratorio. En cajas de prueba se colocaron 350
larvas del insecto, se aplico el insecticida y se registro el numero de insectos
muertos. Se recolectaron los siguientes datos:
Insecticida Insectos muertos
Con base a esos datos, las variables que
Folidol 312 300 286 289
use en el programa para Input fueron trats
Basudin 320 330 297 315
Furadan 280 290 298 305 (Insecticida) y Var. respuesta (Insectos
Tamaron 260 270 260 276 muertos).
• PROGRAMA EN LENGUAJE SAS
Data Ejerc1;
Input insec$ muertos;
Cards;
FOLIDOL 312
FOLIDOL 300
FOLIDOL 286
FOLIDOL 289
BASUDIN 320
BASUDIN 330
BASUDIN 297
BASUDIN 315
FURADAN 280
FURADAN 290
FURADAN 298
FURADAN 305
TAMARON 260
TAMARON 270
TAMARON 260
TAMARON 276
Proc glm;
Class insec;
Model muertos=insec;
Run;
• Obtener análisis de varianza con cuna confiabilidad del 95%
FV NUMERO IDENTIFICADOR
INSECTIDICAS 4 BASUDIN FOLIDOL FURADAN TAMARON
TOTAL DE OBSERVACIONES 16
1. HIPOTESIS A PROBAR
• Ho: Todos los insecticidas son iguales
• Ha: Al menos un insecticida es diferente
2. ESTADISTICA DE PRUEBA
TABLA DE ANALISIS DE VARIANZA
Var. resp: Numero de insectos muertos
FV GL SC CM Fcal Pr > F
INSECTICIDA 3 4890.500000 1630.166667 12.82 0.0005
ERROR 12 1525.500000 127.125000
TOTAL 15 6416.000000
3. REGLA DE DECISION
• Se rechaza Ho si [Pr > F] < α
0.0005 < 0.05
Si se rechaza Ho, me quedo con Ha
4. CONCLUSION
• Al menos un insecticida es diferente
EJERCICIO 2: Una fábrica de agroquímicos cuenta con cinco líneas de llenado de
botellas. Se supone que cada una de las líneas tiene la misma capacidad de botellas
por minuto. Para investigar esta suposición, las cinco líneas de llenado son
examinadas y se mide la cantidad de botellas llenas en cuatro diferentes intervalos
de un minuto. Se obtuvieron los siguientes datos:
Línea de llenado Producción (botellas/min) Las variables que use en el
M12 14 14 14 14 programa para Input fueron trats
Z14 13 13 13 14 (línea de llenado) y Var. respuesta
X22 14 14 14 14
(producción).
Y31 13 13 14 13
P23 13 13 13 13
• PROGRAMA EN LENGUAJE SAS
Data ejer2;
Input línea$ produc;
Cards;
M12 14
M12 14
M12 14
M12 14
Z14 13
Z14 13
Z14 13
Z14 14
X22 14
X22 14
X22 14
X22 14
Y31 13
Y31 13
Y31 14
Y31 13
P23 13
P23 13
P23 13
P23 13
PROC GLM;
Class linea;
Model produc=linea;
Run;
• Obtener análisis de varianza con cuna confiabilidad del 99%
FV NUMERO IDENTIFICADOR
LINEA DE LLENADO 5 M12 P23 X22 Y31 Z14
TOTAL DE OBSERVACIONES 20
1. HIPOTESIS A PROBAR
• Ho: Todas las líneas de llenado son iguales
• Ha: Al menos una línea de llenado es diferente
2. ESTADISTICA DE PRUEBA
TABLA DE ANALISIS DE VARIANZA
Var. resp: Producción (botellas/min)
FV GL SC CM Fcal Pr > F
Línea de llenado 4 3.50000000 0.87500000 8.75 0.0007
Error 15 1.50000000 0.10000000
Total 19 5.00000000
3. REGLA DE DECISION
• Se rechaza Ho si [Pr > F] < α
0.0007 < 0.01
Si se rechaza Ho, me quedo con Ha
4. CONCLUSION
• Al menos una línea de llenado es diferente
EJERCICIO 3: Se ha realizado un experimento para determinar si alguna de cuatro
temperaturas especificas afecta el desarrollo de cierto hongo fitopatógeno. Se
inocularon diferentes números de cajas petri, las cuales fueron sometidas a una de
las cuatro temperaturas según el tratamiento asignado, y se registró el diámetro del
micelio (mm) por caja petri. El experimento arrojo los siguientes datos:
TEMPERATURA (°C) DIAMETRO DEL MICELIO (mm)
10 21.8 21.9 21.7 21.6 21.7
25 21.7 21.4 21.5 21.4
30 21.9 21.8 21.8 21.6 21.5
45 21.9 21.7 21.8 21.4
Las variables que use en el programa para Input fueron trats (temperatura) y Var.
respuesta (diámetro de micelio).
• PROGRAMA EN LENGUAJE SAS
Data ejer3;
Input temp diame;
Cards;
10 21.8
10 21.9
10 21.7
10 21.6
10 21.7
25 21.7
25 21.4
25 21.5
25 21.4
30 21.9
30 21.8
30 21.8
30 21.6
30 21.5
45 21.9
45 21.7
45 21.8
45 21.4
Proc glm;
Class temp;
Model diame=temp;
Run;
• Obtener análisis de varianza con cuna confiabilidad del 95%
FV NUMERO IDENTIFICADOR
TEMPERATURA 4 10 25 30 45
TOTAL DE OBSERVACIONES 18
1. HIPOTESIS A PROBAR
• Ho: Todas las temperaturas son iguales
• Ha: Al menos una temperatura es diferente
2. ESTADISTICA DE PRUEBA
TABLA DE ANALISIS DE VARIANZA
Var. resp: Diámetro de micelio (mm)
FV GL SC CM Fcal Pr > F
Temperatura 3 0.15611111 0.05203704 2.02 0.1569
Error 14 0.36000000 0.02571429
Total 17 0.51611111
3. REGLA DE DECISION
• Se rechaza Ho si [Pr > F] < α
0.1569 > 0.05
No se rechaza Ho, me quedo con Ho
4. CONCLUSION
• Todas las temperaturas son iguales
EJERCICIO 4: Un fabricante desarrolla un fungicida experimental y está interesad0
en el posible efecto que cuatro diferentes tipos de conservadores tendrían sobre la
durabilidad del producto. Un catalizador acelera el proceso de degradación del
producto. Se obtuvieron los siguientes datos aproximados de durabilidad del
producto:
TIPO DE CONSERVADOR DURABILIDAD Las variables que use en el
R10 143 141 150 146 programa para Input fueron
R15 152 149 137 143 trats (tipo de conservador) y
R20 134 136 132 127 Var. respuesta (durabilidad).
R25 129 127 132
• PROGRAMA EN LENGUAJE SAS
Data ejer4;
Input conser$ durab;
Cards;
R10 143
R10 141
R10 150
R10 146
R15 152
R15 149
R15 137
R15 143
R20 134
R20 136
R20 132
R20 127
R25 129
R25 127
R25 132
Proc glm;
Class conser;
Model durab=conser;
Run;
• Obtener análisis de varianza con cuna confiabilidad del 99%
FV NUMERO IDENTIFICADOR
CONSERVADOR 4 R10 R15 R20 R25
Total de observaciones 15
1. HIPOTESIS A PROBAR
• Ho: Todos los conservadores son iguales
• Ha: Al menos un conservador es diferente
2. ESTADISTICA DE PRUEBA
TABLA DE ANALISIS DE VARIANZA
Var. resp: Durabilidad
FV GL SC CM Fcal Pr > F
Conservador 3 759.5666667 253.1888889 11.79 0.0009
Error 11 236.1666667 21.4696970
Total 14 995.7333333
3. REGLA DE DECISION
• Se rechaza Ho si [Pr > F] < α
0.0009 < 0.01
Si se rechaza Ho, me quedo con Ha
4. CONCLUSION
• Al menos un conservador es diferente
EJERCICIO 5: Para tres tipos de balanzas analíticas se determinó el error de
medición (mg) al pesar mil miligramos de un producto en polvo los resultados fueron:
Balanza ERROR DE MEDICION (mg) Las variables que use en el
Alfa 9 12 10 81 5 programa para Input fueron trats
Beta 20 21 23 17 30 (balanza) y Var. respuesta (error de
Gamma 6 5 8 16 7 medición).
• PROGRAMA EN LENGUAJE SAS
Data ejer5;
Input balanz$ medic;
Cards;
ALFA 9
ALFA 12
ALFA 10
ALFA 81
ALFA 5
BELTA 20
BELTA 21
BELTA 23
BELTA 17
BELTA 30
GAMMA 6
GAMMA 5
GAMMA 8
GAMMA 16
GAMMA 7
PROC GLM;
Class balanz;
Model medic=balanz;
Run;
• Obtener análisis de varianza con cuna confiabilidad del 95%
FV NUMERO IDENTIFICADOR
BALANZA 3 ALFA BELTA GAMMA
Total de observaciones 15
1. HIPOTESIS A PROBAR
• Ho: Todas las balanzas son iguales
• Ha: Al menos una balanza es diferente
2. ESTADISTICA DE PRUEBA
TABLA DE ANALISIS DE VARIANZA
Var. resp: Error de medición (mg)
FV GL SC CM Fcal Pr > F
Balanza 2 694.800000 347.400000 0.96 0.4107
Error 12 4345.200000 362.100000
Total 14 5040.000000
3. REGLA DE DECISION
• Se rechaza Ho si [Pr > F] < α
0.4107 > 0.05
No se rechaza Ho, me quedo con Ho
4. CONCLUSION
• Todas las balanzas son iguales
EJERCICIO 6: En una empresa de desarrollo biológico se estudiaron cuatro
feromonas atrayentes en condiciones de laboratorio. En cajas de prueba se
colocaron 20 machos de una especie determinada y después la feromona
correspondiente. Se midió hasta cuanto tiempo (hrs) después de colocarlas los
insectos machos correspondían al estímulo. Los resultados fueron:
TIPO DE FEROMONA DURACION (hrs)
1 17.6 18.9 16.3 17.4 20.1 21.6
2 16.9 15.3 18.6 17.1 19.5 20.3
3 21.4 23.6 19.4 18.5 20.5 22.3
4 19.3 21.1 16.9 17.5 18.3 19.8
Las variables que use en el programa para Input fueron trats (tipo de feromona) y
Var. respuesta (duración).
• PROGRAMA EN LENGUAJE SAS
Data ejer6;
Input ferom durac;
Cards;
1 17.6
1 18.9
1 16.3
1 17.4
1 20.1
1 21.6
2 16.9
2 15.3
2 18.6
2 17.1
2 19.5
2 20.3
3 21.4
3 23.6
3 19.4
3 18.5
3 20.5
3 22.3
4 19.3
4 21.1
4 16.9
4 17.5
4 18.3
4 19.8
PROC GLM;
Class ferom;
Model durac=ferom;
Run;
• Obtener análisis de varianza con cuna confiabilidad del 95%
FV NUMERO IDENTIFICADOR
FEROMONA 4 1 2 3 4
Total de observaciones 24
1. HIPOTESIS A PROBAR
• Ho: Todas las feromonas son iguales
• Ha: Al menos una feromona es diferente
2. ESTADISTICA DE PRUEBA
TABLA DE ANALISIS DE VARIANZA
Var. resp: Duración (hrs)
FV GL SC CM Fcal Pr > F
Feromona 3 30.16500000 10.05500000 3.05 0.0525
Error 20 65.99333333 3.29966667
Total 23 96.15833333
3. REGLA DE DECISION
• Se rechaza Ho si [Pr > F] < α
0.0525 > 0.05
No se rechaza Ho, me quedo con Ho
4. CONCLUSION
• Todas las feromonas son iguales
CONCLUSION
El programa con el que hemos estado trabajando con el profesor Emilio ha sido de
gran utilidad para todos. En lo personal puedo decir que el programa SAS me ha
facilitado la elaboración de la Tabla de análisis de varianza. Ahí algunos ejercicios
que el profesor ya nos había dejado de tarea resolverlos, y cabe mencionar que al
compararlos con los resultados del programa son similares, solo cambian unas
cuantas décimas. Este programa sí lo recomendaría a otras personas, ya que
serviría a varios que se dediquen a hacer su tesis comparando variedades de
cultivos o reacciones de algún fungicida.
BIBLIOGRAFIA
Martinez, Gertrudis (2018). Apuntes de clases de diseño de experimentos
Castillo, Emilio (2017). Introducción a la estadística experimental. Chapingo, Texcoco,
México. Impresión del Departamento de Parasitología Agrícola
REPORTE DE PRÁCTICA
“DISEÑO COMPLETAMENTE AL AZAR”
ALUMNA
GERTRUDIS MARTINEZ VASQUEZ
GRADO:
5°
GRUPO:
“1”
PPROFESOR
LUIS EMILIO CASTILLO MÁRQUEZ
Ciclo escolar 2018-2019
