Métodos Estadísticos

MSc. Gelner Archenti

Semana 5
 Diseño experimental

DISEÑO COMPLETAMENTE AL AZAR

 El diseño completamente al azar (DCA)

 Es un diseño experimental o herramienta estadística que tiene como

objetivo probar o no, la existencia del efecto de un único factor con
determinados niveles de aplicación (tratamiento), aplicados a
repeticiones sobre la unidad experimental.

 Útil para experimentos de laboratorio, cámaras de crecimiento,

invernadero, galpones, plantas de producción, cámaras de
maduración, etc., en los que las condiciones ambientales sean
controladas.
 DCA: Generalidades

 Este diseño es el más sencillo y simple de todos los diseños de experimentos.

 Los tratamientos están asignados completamente al azar a las unidades experimentales.

 Por regla general este diseño no es el más eficiente para ensayo de campo con
plantas.
 En este diseño pueden probarse cualquier número de tratamientos. Resulta deseable,
aunque no esencial, asignar el mismo número de unidades experimentales a cada
tratamiento.

 Es útil cuando las unidades experimentales están bajo condiciones ambientales

relativamente homogéneas. Es decir, en condiciones de escasa variabilidad, tanto en
las unidades experimentales como en el local donde se lleva a cabo el experimento
(invernaderos, laboratorios, centros o estaciones experimentales).
 DCA: Ventajas

 El análisis estadístico es sencillo, aun si el número de repeticiones no es el mismo

para todos los tratamientos.

 Es apropiado cuando no hay fuentes de variación, distinta a los efectos de los

tratamientos.

 Incluso cuando los datos de algunas de las unidades experimentales o tratamientos

completos se hayan perdido, o se rehacen por alguna causa, el método de análisis
sigue siendo sencillo.
 DCA: Desventajas

 No es práctico cuando el ensayo se realiza en el campo, por posible

heterogeneidad en el mismo (no controla fuentes de variabilidad externa).

 No es eficiente con material experimental heterogéneo.

 DCA: Modelo

Forma algebraica del modelo aditivo lineal:

Todo modelo termina expresándose matemáticamente. El DCA se expresa en la siguiente

𝒀𝒊𝒋 = 𝝁 + 𝝉𝒊 + 𝜺𝒊𝒋
ecuación:

donde i = 1, …, a (tratamiento); j = 1, …, b (repetición)

Y ij= Valor estimado de la variable respuesta

μ = Media general

τi= Efecto del tratamiento T1, T2...Tn

Ɛij= Error experimental

 DCA: Hipótesis

La representación de esta información en términos estadísticos sería:

Ho: 𝜏1 = 𝜏2 = 𝜏3 =. . . = 𝜏𝑖 (el efecto de los tratamientos es igual, es decir, no

existe diferencia significativa en la utilización de los tratamientos).

Ha: 𝜏𝑖 ≠ 0 (existe diferencia significativa en por lo menos uno de los tratamientos

aplicados).
 DCA: Hipótesis

H0: No existe diferencias entre las medias.

μ1 = μ2... = μn

Ha: Existe diferencias entre las medias, es decir, por lo menos una de
las medias difiere de las demás.

μ1 ≠ μ2… ≠ μn
 DISEÑO COMPLETAMENTE AL AZAR

Normalidad

SUPUESTOS

Homogeneidad de varianzas
(Homocedasticidad)
 DISEÑO COMPLETAMENTE AL AZAR

 Unidad Experimental:
 Factor:
 Tratamientos:
 Variable respuesta:

Nivel de significancia : 0.05

 En este cuadro se aprecia la estructura del ANVA del DCA

ANVA G.L SC CM Fc Ft Sig

Entre Trat.

Error

Total
 DISEÑO COMPLETAMENTE AL AZAR

Prueba de normalidad – Ruta del SPSS

 ANALIZAR
 ESTADÍSTICOS DESCRIPTIVOS
 EXPLORAR
 Colocar la variable dependiente en : LISTA DE DEPENDIENTES
 GRÁFICOS
 Diagrama de cajas: Click en ninguno
 Quitar el check: tallos y hojas
 Click en: Gráficos de normalidad con pruebas

 CONTINUAR
 ACEPTAR
 DISEÑO COMPLETAMENTE AL AZAR

Prueba de homogeneidad de varianza - Ruta del SPSS

 ANALIZAR
 ESTADÍSTICOS DESCRIPTIVOS
 EXPLORAR
 Colocar la variable dependiente en : LISTA DE DEPENDIENTES
 Colocar el factor en: LISTA DE FACTORES
 GRÁFICOS
 Diagrama de cajas: Click en ninguno
 Quitar el check: tallos y hojas
 Click en: No transformados (Levene)
 CONTINUAR
 ACEPTAR
 DISEÑO COMPLETAMENTE AL AZAR

ANVA - Ruta del SPSS

 ANALIZAR

 COMPARAR MEDIAS

 ANOVA DE UN FACTOR
 Colocar la variable dependiente en : LISTA DE INDEPENDIENTE
 Colocar el Tratamiento en: FACTOR

 ACEPTAR

 Si hay significancia, realizo la prueba post hoc: TUKEY O DUNCAN

 Ejemplo 1: Hormona 1 Hormona 2 Testigo
30 39 38
 En un experimento conducido en el 35 38 42
laboratorio se investigó sobre el 32 36 39
efecto de dos hormonas vegetales en 38 32 45
la germinación de semillas botánicas 40 40 43
de un pasto. A los 35 días de la 41 34 42
germinación se obtuvieron los pesos 38 37 44
de la materia fresca expresados en 45 41 43
gramos 40 38 37
38 40 32
 Se utilizó un diseño completamente al 42 42 39
azar, con igual número de 41 41 37
repeticiones por tratamiento. Los 44 37 45
pesos de la materia fresca se 43 36 45
presentan a continuación. 37 33 37
 Hipótesis

 H0: La utilización de diferentes tipos de fitohormonas no

influirá en la germinación de semillas del pasto, medido a
los 35 días.

 H1: La utilización de diferentes tipos de fitohormonas

influirá en la germinación de semillas de un pasto,
medido a los 35 días.

Nivel de significancia: 0.05

 Pruebas de normalidad
Shapiro-Wilk
Estadístico gl Sig.
Germinación ,963 45 ,164
semillas
Pasto

Prueba de homogeneidad de varianza

Estadístic
o de gl1 gl2 Sig.
Levene
Se basa en
,887 2 42 ,419
la media
Se basa en
,550 2 42 ,581
la mediana
Germinació Se basa en
n semillas la mediana
,550 2 37,417 ,582
Pasto y con gl
ajustado
Se basa en
la media ,850 2 42 ,435
recortada
Germinación semillas Pasto
Suma de Media
cuadrados gl cuadrática F Sig.
Entre grupos 64.711 2 32.356 2.318 0.111
Dentro de 586.267 42 13.959
grupos
Total 650.978 44

ANVA G.L SC CM Fc Ft Sig

Entre 2 64.711 32.356 2.318 3.232 0.111*
Trat.
Error 42 586.267 13.959

Total 44 650.978
* No significativo (P<0.05)
Decisión

 Como Fc = 2.32 < Ft =3.23. Por lo tanto, no se rechaza H0 y podemos afirmar

que no existen diferencias significativas entre las medias de los tratamientos.

Conclusión

 Los tratamientos no producen efectos distintos, de manera que el testigo es

comparable con las hormonas A y B. Estas hormonas no producen ningún
incremento significativo en la germinación de las semillas botánicas del pasto.
 Ejemplo 2:
RACIONES
 En un experimento conducido en un A B C D Testigo
corral, se estudiaron cinco raciones 8.3 10.9 7.3 5.9 7.3
para el engorde de pavos. Se utilizó un 11.3 12.3 8.8 6.3 9.8
diseño de tratamientos 9.2 11.9 8.4 6.8 8.7
completamente al azar, con igual 10.5 11.5 7.9 7.2 8
número de repeticiones por 10 10.8 6.2 7 8.7
tratamiento. Se le suministró cada 9.3 12.5 8.5 6.3 8.4
ración a nueve animales y la ganancia
11.1 12.1 8.9 5.8 9
de peso en kilogramos, al final del
9.8 11.7 7.7 6.1 7.6
ensayo, fueron los siguientes:
8.9 12.5 6.2 5.5 8.1
 Pruebas de normalidad
Shapiro-Wilk
Estadístico gl Sig.
Incremento de
peso ,953 45 ,068

Prueba de homogeneidad de varianza

Estadístico
de Levene gl1 gl2 Sig.
Incremento Se basa en 1.252 4 40 0.305
de peso la media
Se basa en 1.148 4 40 0.348
la mediana
Se basa en 1.148 4 33.740 0.351
la mediana y
con gl
ajustado
Se basa en 1.241 4 40 0.309
la media
recortada
 Incremento de peso

Suma de Media
cuadrados gl cuadrática F Sig.
Entre grupos 156.687 4 39.172 57.922 0.000
Dentro de 27.051 40 0.676
grupos
Total 183.738 44

 Como el p- valor es menor que el nivel de significancia, podemos afirmar que las
medias de los tratamientos difieren de manera altamente significativa. Se sabe que
por lo menos dos promedios son diferentes y atribuibles al efecto del tratamiento.
 Incremento de peso
Duncana
Conclusiones
Subconjunto para alfa = 0.05
Raciones N 1 2 3 4
Ración D 9 6,322  Las raciones A y B fueron las
únicas que superaron
Ración C 9 7,767
estadísticamente a la ración
Testigo 9 8,400 testigo o estándar. La ración C
Ración A 9 9,822
resultó ser equivalente a la
razón testigo al no encontrarse
Ración B 9 11,800 diferencias estadísticas entre
Sig. 1,000 ,110 1,000 1,000 ellas. La ración D resultó ser
muy inferior a la ración testigo.
 Pruebas de Significancia

 Generalmente en un experimento se pueden tener varios tratamientos; entonces se

presenta una situación en la cual hay que comparar las medias de dos de los
tratamientos, a fin de elegir o seleccionar el mejor de los tratamientos, y llegar a
conclusiones mucho más reales.

 La prueba de F cuando es significativa no indica cuáles medias son equivalentes o

cuáles son diferentes.

 Con los datos del análisis de varianza, se hacen las pruebas de significancia para
comparar las medias de los tratamientos, dentro de las cual hay una gran variedad
de pruebas con el fin de efectuar este procedimiento.

 Las más utilizadas, son la prueba de Duncan, Tukey y LSD.

 Ejemplo 3

 Para probar 4 dietas diferentes sobre el incremento en peso de cerdos se

tienen los siguientes datos.

Peso de los cerdos (kg)

Dieta 1 Dieta 2 Dieta 3 Dieta 4
60.8 68.7 102.6 87.9
57 67.7 102.1 84.2
65 74.7 100.2 83.1
58.6 66.3 96.5 85.7
61.7 69.8 90.3
 Pruebas de normalidad
Shapiro-Wilk
Estadístico gl Sig.
Peso de los cerdos ,917 19 ,101

Prueba de homogeneidad de varianza

Estadístico
de Levene gl1 gl2 Sig.
Peso de los Se basa en la media ,026 3 15 ,994
cerdos
Se basa en la ,011 3 15 ,998
mediana
Se basa en la ,011 3 13,841 ,998
mediana y con gl
ajustado
Se basa en la media ,025 3 15 ,994
recortada
 ANOVA
Peso de los cerdos

Suma de cuadrados gl Media cuadrática F Sig.

Entre grupos 4,214,225 3 1,404,742 155,711 ,000

Dentro de grupos 135,322 15 9,021

Total 4,349,547 18

Peso de los cerdos

HSD Tukey

Subconjunto
para alfa =
Dietas N 0.05
1 2 3 4
Dieta 1 5 60,620
Dieta 2 5 69,440
Dieta 4 5 86,240
Dieta 3 4 100,350
Sig. 1,000 1,000 1,000 1,000
 DISEÑO COMPLETAMENTE AL AZAR

4. En un invernadero, se realizó un experimento en tomate, para determinar el

rendimiento de cosecha, luego de la aplicación de tres fitohormonas. Los resultados
obtenidos en Kg/parcela, se muestra en la siguiente tabla:

rendimiento de
Fitohormonas cosecha
(tratamientos) (Kg/parcela)
T1 = A 20 28 27
T2 = B 42 45 41
T3 = C 37 36 39
a) Verifique los supuestos de normalidad y homocedasticidad

b) Realice el ANVA y concluya

c) Si fuera necesario, realice la prueba de Tukey al 5% de significancia. ¿Cuál o cuáles fitohormonas

recomendaría?
 Prueba de normalidad (Shapiro Wilk)
Pruebas de normalidad
Shapiro-Wilk
Es tadís tico gl Sig.
Rendim iento 0.926 9 0.443
de cos echa
*. Es to es un lím ite inferior de la s ignificación verdadera.
Si el p-valor > 0.05 = Existe normalidad
a. Corrección de s ignificación de Lilliefors

Prueba de homogeneidad de varianza (homocedasticidad) – Prueba de Levene

Prueba de homogeneidad de varianzas

Estadístic
o de
Levene gl1 gl2 Sig.
Rendimiento de Se basa en la 3,537 2 6 ,097
cosecha media
Se basa en la ,396 2 6 ,689
mediana Si el p-valor > 0.05 = Existe homocedasticidad
Se basa en la ,396 2 2,946 ,704
mediana y con gl
ajustado
Se basa en la 3,036 2 6 ,123
media recortada
 Realizar la prueba de ANOVA

ANOVA
Rendimiento de cosecha El p-valor < 0.05 = La prueba
Suma de Media
cuadrados gl cuadrática F Sig. resultó significativa. Los
Entre grupos 492,667 2 246,333 28,792 ,001 tratamientos con fitohormonas
Dentro de 51,333 6 8,556
grupos influyen sobre el rendimiento de
Total 544,000 8 cosecha del tomate. Al menos un
tratamiento es diferente a los
demás.
 Prueba Post Hoc (comparación de medias)

Rendimiento de cosecha
HSD Tukey a Podemos concluir
Tratamientos
Subconjunto para
alfa = 0.05 que los
fitohormonas N 1 2 tratamientos T2 y
Prueba de Tukey T1 3 25,00
T3 3 37,33 T3 fueron los que
T2 3 42,67
Sig. 1,000 ,143 produjeron
Se visualizan las medias para los grupos en los
subconjuntos homogéneos.
mayores
a. Utiliza el tamaño de la muestra de la media rendimiento de
armónica = 3,000.
cosecha de tomate.
Por lo tanto,
recomendaría las
fitohormonas C y B.
 DISEÑO COMPLETAMENTE AL AZAR

[Link] porcentaje de humedad relativa (HR) es determinante para el ataque (%) de

hongos en semillas. Para evaluar la susceptibilidad de las semillas de maní al ataque
de un hongo; se realizó un ensayo en cámaras de cría con tres porcentajes de HR:
70%, 80% y 90%. Cinco repeticiones fueron distribuidas para cada porcentaje de HR,
registrándose el porcentaje de semillas atacadas en un grupo de 100 semillas
(unidad experimental).

Porcentaje de HR Observaciones (Porcentaje de semillas atacadas)

T1 = 70 7 6 9 5 9
T2 = 80 12 15 17 18 20
T3 = 90 14 16 18 21 15
 Prueba de normalidad (Shapiro Wilk)
Pruebas de normalidad
Shapiro-Wilk
Estadístico gl Sig.
% semillas 0.939 15 0.368 Si el p-valor > 0.05 = Existe normalidad
atacadas
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

Prueba de homogeneidad de varianza (homocedasticidad) – Prueba de Levene

Prueba de homogeneidad de varianza

Estadístico
de Levene gl1 gl2 Sig.
% semillas atacadas Se basa en la media ,653 2 12 ,538
Se basa en la ,325 2 12 ,729
mediana Si el p-valor > 0.05 = Existe homocedasticidad
Se basa en la ,325 2 9,631 ,730
mediana y con gl
ajustado
Se basa en la media ,613 2 12 ,558
recortada
 Realizar la prueba de ANOVA

ANOVA
% semillas atacadas El p-valor < 0.05 = La prueba
Suma de Media
cuadrados gl cuadrática F Sig. resultó significativa. Los
Entre 294,933 2 147,467 21,901 ,000 tratamientos influyen sobre el % de
grupos
Dentro de 80,800 12 6,733 semillas de maní atacadas por
grupos hongos. Al menos un tratamiento
Total 375,733 14
es diferente a los demás.
 Prueba Post Hoc (comparación de medias)

HSD Tukey a
% semillas atacadas Concluimos que el
Subconjunto para alfa = 0.05
mejor tratamiento
Tratamientos - N 1 2 fue el T1 con 70%
T1 5 7,20
Prueba de Tukey T2 5 16,40 de HR, ya que
T3 5 16,80
Sig. 1,000 ,968 presentó el menor
Se visualizan las medias para los grupos en los subconjuntos
homogéneos.
promedio de % de
a. Utiliza el tamaño de la muestra de la media armónica = semillas de maní
5,000.
atacadas por
hongos.
 Practiquemos
6. Los siguientes datos corresponden a la resistencia a la tensión de fibras de algodón
correspondientes a 4 variedades diferentes. El experimento se realizó en un diseño
completamente aleatorizado. Los datos obtenidos son:
Variedades Repeticiones
A 7 7 11 9
B 17 18 18 12
C 19 25 22 19
D 7 10 11 15

a) Plantee la H0 y H1. Establezca el nivel de significancia. Efectúe el análisis de varianza

(ANVA). Concluya y decida si existen diferencias significativas entre las variedades.

b) Si fuera necesario realice la prueba de Duncan al 5 % de significancia. Concluya y

decida cual o cuáles variedades tienen fibras con mayor resistencia a la tensión.