Instituto tecnolgico superior de Teziutln Puebla.

13 de Noviembre del 2017

Unidad:
IV

Materia:
Estadstica Inferencial II
Tema:
Diseos experimentales, prueba Duncan, supuesto
estadstico.
Alumnos:
Ascencion Mndez Noemi
Del Valle Gerardo Giovanna
Garca Mndez Brenda Malene
Tovar Moreno Karla Daniela

Carrera:
Ingeniera en Gestin Empresarial.
 INTRODUCCION
El diseo de experimentos de un factor constituye la versin ms sencilla del
problema general de diseo de experimentos. Suele plantarse de la siguiente
manera, se requiere analizar una caracterstica cualitativa X (que suele llamarse
variable respuesta), sometida a niveles de un nico factor. Fundamentalmente, el
inters de estudio radica en si el factor tiene una influencia significativa sobre la
variable respuesta. Para esto, se obtendr, para cada uno de los niveles una muestra
aleatoria de valores X. estas observaciones Xij son observaciones independientes
con distribucin ( + ).

Los modelos de diseo de experimentos son modelos estadsticos clsicos cuyo

objetivo es averiguar si unos determinados factores influyen en una variable de
inters y, si existe influencia de algn factor.
Unos ejemplos donde habra que utilizar estos modelos son los siguientes:

En el rendimiento de un determinado tipo de mquina (unidades producidas por

da): se desea estudiar la influencia del trabajador que la maneja y la marca de la
mquina.

Se quiere estudiar la influencia de un tipo de pila elctrica y de la marca, en la

duracin de las pilas.

Una compaa telefnica est interesada en conocer la influencia de varios

factores en la variable duracin de una llamada telefnica. Los factores que se
consideran son los siguientes: hora a la que se produce la llamada; da de la semana
en que se realiza la llamada; zona de la ciudad desde la que se hace la llamada;
sexo del que realiza la llamada; tipo de telfono (pblico o privado) desde el que se
realiza la llamada.

Una compaa de software est interesada en estudiar la variable porcentaje en

que se comprime un fichero, al utilizar un programa de compresin teniendo en
cuenta el tipo de programa utilizado y el tipo de fichero que se comprime.
 Se quiere estudiar el rendimiento de los alumnos en una asignatura y, para ello,
se desean controlar diferentes factores: profesor que imparte la asignatura; mtodo
de enseanza; sexo del alumno.

CONCEPTUALIZACION
El diseo de experimentos ha sido creado por matemticos y estadsticos, por lo que
posee su propio lenguaje, el cual es necesario conocer para su mejor comprensin
y utilizacin, a continuacin, se describen los trminos ms importantes.

Factor: Una de las variables dependientes que son estudiadas en el experimento.

Esta puede ser cualitativa o cuantitativa.

Nivel: Valores que puede tener el factor a estudiar.

Combinacin: Es la asignacin de un solo nivel a un factor, o de varios niveles a

todos los factores en una corrida experimental.

Variable de respuesta: Es el resultado de una corrida experimental, variable a

estudiar.

Efecto: Es el cambio en la variable de respuesta por e cambio del nivel de un factor.

Interaccin: Cuando uno o ms factores trabajan juntos para producir un efecto

diferente que los efectos producidos por aquellos factores de manera individual.

Corrida experimental: Implementacin de cada una de las combinaciones.

Bloque: Agrupacin planeada de factores o combinaciones. Es realizada de manera

a minimizar la variacin no incluida en el diseo, ejemplo puede ser el turno de da
de la semana.

Replicacin: Repeticin de la corrida experimental.

 DISEOS EXPERIMENTALES
El diseo experimental es una estructura de investigacin donde al menos se
manipula una variable y las unidades son asignadas aleatoriamente a los distintos
niveles o categoras de la variable o variables manipuladas.

Modelo de variacin y constancia

a) Variacin sistemtica de la variable independiente

b) Control y neutralizacin de las variables extraas

Variables del diseo experimental

Tipo Accin

V. Independiente Manipulacin

V. Dependiente Medicin

V. Extraa Control

Papel de las variables en el contexto experimental

Variable Papel

V. Independiente Causa

V. Dependiente Efecto

V. Extraa Confusin

Manipulacin de la variable independiente

Manipulacin experimental de una variable independiente se refiere, en una

situacin simple, a la aplicacin de un valor dado de una variable a un grupo de
individuos y un valor diferente de la misma variable a un segundo grupo de
individuos.

Variable dependiente

La variable dependiente es conocida, tambin, por variable de medida, de respuesta

o de resultado. Es aquel aspecto de comportamiento sobre el que esperamos
observar el efecto de la variacin sistemtica de la variable independiente.

Control experimental
El control consiste en eliminar o bien neutralizar cualquier fuente de variacin
extraa capaz de confundir la accin de la variable de tratamiento.

Planificacin del diseo experimental

1. Formulacin de la hiptesis.
2. Seleccin de la variable independiente y dependiente adecuada.
3. Control de las variables extraas.
4. Manipulacin de la/s variable/s independiente/s y registro de la variable
dependiente o de medida.
5. Anlisis estadstico de los datos.
6. Inferencia de la relacin entre la variable independiente y la dependiente.

Objetivos especficos del Diseo experimental

OBJETIVOS CONSECUCION
Maximizar la variancia sistemtica Mediante la adecuada eleccin de los
primaria valores de la variable independiente

Control de las fuentes de variacin Mediante la seleccin de un diseo

secundarias adecuado

Minimizar la variancia del error Aumentando la precisin en la medida

de los registros y seleccin de sujetos
homogneos

Diseo experimental y control

Pasos del modelo de prueba estadstica

PASO 1 Formulacin de la Hiptesis de nulidad

PASO 2 Formulacin de la Hiptesis alternativa

PASO 3 Estadstico de la prueba y nivel de

significacin

PASO 4 Clculo del valor emprico del estadstico

de la prueba.

PASO 5 Decisin estadstica de aceptar o

rechazar la hiptesis de nulidad.
Rechazo de H0 Si p 0,05

Diseo experimental y causalidad

La caracterstica bsica del diseo experimental se reduce a la siguiente cuestin:

Cmo conseguir la equivalencia inicial de los grupos expuestos a los distintos
niveles o condiciones de la variable independiente? Esto se consigue mediante la
completa aleatorizacin de las unidades de observacin (por lo general, sujetos o
individuos) a los diferentes niveles de la variable manipulada o condiciones
experimentales.

En virtud de la aleatoriedad, se asume que los grupos son iguales en todas las
variables relevantes extraas y, por consiguiente, son comparables (es decir,
equivalentes). Cualquier diferencia constatada, al comparar los grupos
experimentales, ha de ser atribuida al nico factor de variacin sistemtica o variable
manipulada.

Clasificacin del Diseo experimental clsico

CANTIDAD DE
ESTRATEGIA DE VARIABLES
COMPARACIN INDEPENDIENTES

Simple
Diseos entre-grupos
Factorial

Diseos Diseos intra-sujetos o Simple

experimentales de medidas repetidas
Factorial

Diseos mixtos

Diseo de dos grupos

Una de las situaciones ms simples de investigacin experimental, tanto en ciencias

sociales como del comportamiento, es la formada por dos grupos, uno de control y
otro experimental. La condicin bsica de cualquier experimento es la presencia de
un grupo de contraste denominado grupo de no tratamiento o de control. Esto no
quiere decir que el diseo experimental de dos grupos slo se caracteriza por la
ausencia o presencia de tratamiento.

Clasificacin

Tcnica de control Diseo

Aleatorizacin Diseo de dos grupos completamente al
azar

Constancia Diseo de dos grupos apareados

Diseo de bloques de dos tratamientos

El sujeto como control propio Diseos de medidas repetidas (Sujetos

x Tratamientos)

Formato del diseo de dos grupos completamente al azar

A1 A2
(Grupo experimental) (Grupo control)
S S
U U
J J
E E
T T
O O
S S
Muestra
experimental Asignacin al azar

Formato del diseo de dos grupos emparejados

 A1 A2
(Grupo experimental) (Grupo control)
S S
U U
J J
E E
T T
O O
S S
Muestra
experimental Asignacin al azar

Diseos multigrupo

Los diseos multigrupo, de uso frecuente en ciencia psicolgica y social, son

estructuras de una sola variable independiente a tres o ms valores o niveles. Al
seleccionar ms de dos valores de la variable independiente o causal, es posible
extraer la relacin funcional entre la variable independiente y dependiente del
experimento.

Clasificacin

Tcnica de control Diseo

Aleatorizacin Diseo multigrupo (de tres o ms
grupos completamente al azar)

Constancia Diseo de bloques de grupos al azar

El sujeto como control propio Diseo de medidas repetidas con tres o

ms tratamientos (Sujetos x
Tratamientos)

Diseo multigrupo al azar

El diseo multigrupo completamente al azar requiere la asignacin aleatoria de los

sujetos de la muestra a los distintos grupos, sin restriccin alguna. Se trata de una
extensin del diseo de dos grupos, ya que en esta situacin se eligen de la variable
de tratamiento ms de dos valores o condiciones.
 Formato del diseo de multigrupo al azar

Tratamientos
A A A A
1 2 j a

Asignacin aleatoria
Muestra experimental

Diseo de bloques de grupos al azar

El principal objetivo de la experimentacin es el control de las fuentes de variacin

extraas. La neutralizacin o control de las variables extraas incide directamente
en la reduccin de la variacin del error. Es decir, las unidades varan con respecto
a cualquier variable a excepcin de la controlada. Siendo esto as, el margen de
variacin es menor que con la presencia de la variable extraa (o variable no
controlada).

Desde la lgica de la experimentacin, una tcnica ideal consiste en eliminar los

factores extraos. Ese ideal es imposible de conseguir, tanto en contextos de
investigacin social como conductual. Por esta razn, se han desarrollado unos
procedimientos que, asociados a la propia estructura del diseo, permiten controlar
una o ms variables extraas y neutralizar su accin sobre la variable dependiente.

Tcnica de bloques

Desde la lgica de la experimentacin, una tcnica ideal consiste en eliminar los

factores extraos. Ese ideal es imposible de conseguir, tanto en contextos de
investigacin social como conductual. Por esta razn, se han desarrollado unos
procedimientos que, asociados a la propia estructura del diseo, permiten controlar
una o ms variables extraas y neutralizar su accin sobre la variable dependiente.

Tcnica de bloques

Mediante la tcnica de bloques se pretende conseguir una mayor homogeneidad

entre los sujetos o unidades experimentales intra bloque y una reduccin del tamao
del error experimental. La formacin de bloques homogneos se realiza a partir de
los valores de una variable de carcter psicolgico, biolgico o social, altamente
relacionada con la variable dependiente.

Al mismo tiempo, la presencia del azar queda garantizada ya que, dentro de los
bloques, las unidades son asignadas aleatoriamente a las distintas condiciones
experimentales. Cada condicin representa un nivel o tratamiento de la variable
independiente

Ventajas de la tcnica de bloques

Son notorias las ventajas del diseo de bloques en investigacin psicolgica al

neutralizarse una potencial fuente de variacin extraa que, en caso contrario,
incrementara la variacin del error. En psicologa, la mayora de las fuentes de
variacin extraas, directamente asociadas a la heterogeneidad de los datos, se
derivan de las diferencias interindividuales. En consecuencia, son variables de sujeto
que no slo distorsionan la accin de los tratamientos sino que tambin incrementan
las diferencias entre las unidades.

Mediante la tcnica de bloques se consigue un material experimental mucho ms

homogneo, se reduce la magnitud del error experimental y se incrementa el grado
de precisin del experimento.

Diseo factorial

El diseo factorial, como estructura de investigacin, es la combinacin de dos o

ms diseos simples (o unifactoriales); es decir, el diseo factorial requiere la
manipulacin simultnea de dos o ms variables independientes (llamados factores),
en un mismo experimento.

Criterios de clasificacin

Cantidad de niveles por factor 2x2, 2x2x2, 2x3, 2x3x4, etc.

 Grado de control Diseo factorial completamente al azar
Diseo factorial de bloques

Efectos factoriales estimables

1. Efectos simples

2. Efectos principales

3. Efectos secundarios

Efectos factoriales simples

Es posible definir el efecto factorial simple como el efecto puntual de una variable
independiente o factor para cada valor de la otra.

Efectos factoriales principales

Los efectos factoriales principales, a diferencia de los simples, son el impacto global
de cada factor considerado de forma independiente, es decir, el efecto global de un
factor se deriva del promedio de los dos efectos simples.

Efectos factoriales secundarios

El efecto secundario o de interaccin se define por la relacin entre los factores o

variables independientes, es decir, el efecto cruzado.

Formado del diseo factorial 2 x 2 completamente al azar

 A1B1 A1B2 A2B1 A2B2
S S S S
U U U U
J J J J
E E E E
T T T T
O O O O
S S S S

Muestra Asignacin al azar

experimental

Representacin grfica de la interaccin

Interaccin nula Interaccin positiva

B1 B1

B2

B2
A1 A2 A1 A2
Interaccin negativa

B2
B1
Ventajas del diseo factorial

La disposicin bifactorial aporta informacin no slo de cada factor (efectos

principales), sino de su accin combinada (efecto de interaccin o efecto
secundario). De esta forma, con la misma cantidad de sujetos requerida para
experimentos de una sola variable independiente o factor, el investigador puede
estudiar, simultneamente, la accin de dos o ms variables manipuladas.

Ello supone un enorme ahorro de tiempo y esfuerzo. Si se tiene en cuenta la

posibilidad de analizar la accin conjunto o cruzada de las variables, se concluye que
el diseo factorial es una de las mejores herramientas de trabajo del mbito
psicolgico y social, puesto que la conducta es funcin de muchos factores que
actan simultneamente sobre el individuo.

Diseo de medidas repetidas

El diseo de medidas repetidas es una extensin del diseo de bloques, en que el

sujeto sustituye al bloque y acta de control propio. Con este formato, los sujetos
de la muestra reciben todos los tratamientos y repiten medidas o registros de
respuesta; asimismo, la comparacin de los tratamientos es intra-sujeto.

De este modo, el uso del procedimiento de medidas repetidas proporciona un control

ms efectivo de las fuentes de variacin extraas asociadas, por lo general, a las
caractersticas individuales; es decir, se consigue una reduccin de la variancia del
error.

Esto es as porque, al actuar el sujeto de bloque, la variabilidad debida a las

diferencias individuales es eliminada del error. De este modo, el diseo de medidas
repetidas es una estructura ms potente que los diseos completamente
aleatorizados.

Efectos de orden

Los efectos de orden se derivan de la propia estructura del diseo de medidas

repetidas, y deben ser neutralizados para que no confundan los efectos de los
tratamientos.

Tipos de efectos de orden

A) Efecto residual

B) Efecto de perodo

Efecto residual
 El efecto residual, conocido por error progresivo, se caracteriza por la persistencia
de la accin de un tratamiento ms all del perodo o tiempo de aplicacin.
Representa la progresiva acumulacin tanto de los efectos facilitadores de la
respuesta (efecto de la prctica, aprendizaje, etc.) como de los efectos
obstaculizadores (como la fatiga mental, cansancio fsico, etc.)

Cuando, como es frecuente en esos casos, se produce una persistencia del efecto
del tratamiento anterior sobre el tratamiento siguiente, se corre el riesgo de que los
efectos queden contaminados.

Solucin: ampliar los intervalos entre tratamientos

Efecto de perodo

Los efectos de perodo ocurren cuando, independientemente del tratamiento

aplicado, el sujeto responde al perodo o posicin que, en la secuencia, ocupa el
tratamiento (perodo de administracin). Cabe, por lo tanto, la posibilidad de que el
sujeto responda mejor al perodo que al tratamiento en s mismo. Cuando esto
ocurre, el efecto de perodo confunde la accin del tratamiento.

Solucin: contrabalanceo

Diseo de medidas repetidas simple de un grupo

El diseo simple de medidas repetidas es prototpico en esa clase de experimentos,

al incorporar la estrategia de comparacin intra-sujeto. Los sujetos se cruzan o
combinan con los tratamientos (Sujetos x Tratamientos). As mismo, es un diseo
simple o unifactorial porque slo se evala la accin de una variable independiente
o de tratamientos. La principal ventaja del diseo, dada su especial disposicin, es
la posibilidad de extraer del error una de sus fuentes de variacin ms importante:
la variacin atribuida a las diferencias individuales.

Estructura del diseo

La estructura el diseo de medidas repetidas simple es similar al formato factorial

de dos variables independientes. A diferencia del diseo factorial, la variable de
sujetos no es manipulada, ya que se trata de un pseudo-factor. La variable de
tratamientos est manipulada por el experimentador y es considerada como un
autntico factor.

Supngase, por ejemplo, que la variable sujetos, simbolizada por S, acta a n

valores, y que el factor A -variable de tratamiento-, a a valores que son aplicados,
de forma secuencial, a los sujetos de la muestra. Ntese la similitud entre este diseo
y el diseo bifactorial dado que, analticamente, la variable de sujetos acta como si
fuera un factor. La diferencia estriba slo en la naturaleza y objetivo de las dos
variables

La variable S representa la variabilidad entre sujetos y no es, por lo tanto, un factor

manipulado sino de control. La variable A es una dimensin de variacin manipulada
por el investigador. El propsito del experimento sigue siendo el anlisis del posible
impacto de la variable de tratamiento sobre la variable de respuesta.
Con este formato, no slo se controlan las diferencias individuales, por el pseudo-
factor de sujetos, sino que se minimiza la variancia del error al sustraer una de sus
principales fuentes.

As, el diseo de medidas repetidas simple es el procedimiento ms eficaz para

probar el efecto del tratamiento. Al controlar las diferencias interindividuales, este
diseo es, tambin, un potente procedimiento de anlisis, porque al reducir el error
se aumenta la precisin y efectividad en probar los efectos de la variable de
tratamiento.

Diseo de medidas repetidas multigrupo o factorial mixto

El diseo de medidas repetidas multigrupo, conocido tambin por diseo factorial

mixto, incorpora dos estrategias de inferencia de hiptesis: estrategia de
comparacin entre grupos y estrategia de comparacin intra sujetos. La estructura
mixta combina, en un mismo experimento, el procedimiento de grupos
independientes y el procedimiento con sujetos de control propio.

Puesto que el diseo mixto integra, en un mismo estudio, dos enfoques de

investigacin se aplica a aquellas situaciones donde estn presentes, por lo menos,
dos variables independientes. As, los valores o niveles de la primera variable
independiente genera grupos separados y su efecto se infiere por la comparacin
entre grupos o entre sujetos.

Esta variable independiente es conocida como variable entre. Los valores de la

segunda variable se administran a todos los sujetos, en cuyo caso los sujetos repiten
medidas. Dado el carcter de repeticin, esa segunda variable recibe el nombre de
variable intra. De esto se concluye que el diseo mixto requiere siempre una
estructura factorial. Por lo tanto, son experimentos donde intervienen como mnimo
dos variables.
 SUPUESTOS ESTADSTICOS
A. Actividad:
Los factores o componentes del modelo estadstico son aditivos, es decir la
variable respuesta es la suma de los efectos del modelo estadsticos.
B. Linealidad:
La relacin existente entre los factores o componentes del modelo
estadstico es del tipo lineal.
C. Normalidad:
Los valores resultados del experimento provienen de una distribucin de
probabilidad normal con media m y varianza s2.
D. Independencia:
Los resultados observados de un experimento son independientes entre s.
E. Varianzas Homogneas:
Las diversas poblaciones generadas por la aplicacin de dos o ms
tratamientos tienen varianzas homogneas (varianza comn).

Tabla de ANOVA para diseo completamente aleatorio

Tamaos de muestras iguales

Tamaos de muestras diferentes
Hiptesis
Prueba de Duncan
 IMPORTANCIA DEL DISEO EXPERIMENTAL DE UN FACTOR

El diseo experimental es importante ya que surgi desde el siglo pasado, el hombre

ha realizado experimentos desde sus orgenes. Por ello hombre primitivo probaba
frutos silvestres para conocer su sabor; utilizaba nuevos mtodos de caza, y si estos
daban resultados eran adoptados por la tribu. Pero el mejor mtodo de caza no daba
los mismos resultados siempre; ya que haba muchos factores que cambiaban de
una ocasin a otra. Desde entonces la humanidad ha tenido la necesidad de
mejorar sus procedimientos, durante muchos aos se utiliz la estrategia un-factor-
por-vez atribuida a Francis Bacon en el siglo XVII; esta estrategia consista en ir
modificando cada vez un solo factor y distinguir los efectos que tienen en la variable
de respuesta cada factor por separado. Esta tcnica era ineficiente para encontrar
las mejores condiciones del proceso. Estas tcnicas quedaron obsoletas, cuando en
1920 Sir Ronald Fisher descubri un mtodo ms eficiente para experimentar,
basado en los diseos factoriales. Este diseo fue aplicado por primera vez en
Inglaterra en la agricultura. Fisher desarroll y consolid los principios bsicos del
diseo de experimentos; en 1935 Fisher public su libro "Desing of Experiments".
De las investigaciones estadsticas de sus experimentos Fisher desarrollo el anlisis
de varianza y unific sus ideas sobre los principios del diseo de experimentos.

El diseo estadstico de experimentos es una metodologa que permite plantear

estrategias para seleccionar, controlar, analizar e interpretar diferentes condiciones
de un proceso de manera objetiva y sistemtica. El diseo de experimentos permite
mejorar un proceso y la calidad de sus productos.
 ALCANCES DEL DISEO EXPERIMENTAL EN EL AMBITO
EMPRESARIAL

El diseo experimental se distingue por el hecho de definir y controlar las variables

independientes antes de lanzarlas al mercado, intentando distintos tipos de
estmulos a los que respondan los clientes, antes de observar como ocurre
verdaderamente. Esto puede establecer diferencias y atribuir los estmulos en
cuestin como el envoltorio o el color de un producto, y no a otros factores como la
disponibilidad limitada del producto.

El objetivo de los alcances experimentales en el mbito empresarial es averiguar si

algunos factores de una variable existe influencia de algn otro.

La metodologa del diseo se basa en la experimentacin sabiendo en qu

condiciones indistinguibles se encuentren los resultados de variabilidad. Si la
experimentacin se realiza en un laboratorio donde la mayora delas causas de
variabilidad estn muy controladas, el error experimental ser pequeo y habr poca
variacin en los resultados del experimento. Pero si se experimentan procesos
industriales o administrativos la variabilidad ser mayor en los casos. Si la
variabilidad del diseo es grande solo se detectara la influencia con el error de
observacin.

Tambin estudia como variar las condiciones habituales de aplicacin de un proceso

emprico para aumentar la probabilidad de detectar cambios significativos en la
respuesta; de esta forma se obtiene un mayor conocimiento del comportamiento del
proceso de inters. Para que sea eficaz es fundamental que el experimento este bien
diseado.

La aplicacin de los mtodos requieres de juicio empresarial y un grado de

sofisticacin matemtica y estadstica, las cuales son especialmente tiles para las
empresas que tienen gran volumen de clientes y que se enfrentan a cambios rpidos
y contantes de sus mercados y oferta de productos.

PRUEBA DUNCAN
Caractersticas:
Se utiliza para efectuar comparaciones multiples entre dos medias de
tratamientos del experimento.
El nmero de comparaciones con D tratamientos es (t(t-1))/2.
Cuando el nmero de repeticiones es igual en los tratamientos, los clculos son
ms precisos que cuando se tiene diferente nmero de repeticiones por
tratamiento.
Calculando en el anlisis de varianza puede ser o no significativo.
Tiene el inconveniente cuando se cuenta con un alto nmero de
tratamientos, dado que el nivel de significancia se modifica en funcin a
ellos.
La prueba de DUNCAN permite comparar tratamientos no relacionados, es
decir todos los tratamientos contra todos a fin de establecer un orden de mritos.
Es decir, comparar las medias de los t niveles de un factor despus de haber
rechazado la Hiptesis nula de igualdad de medias mediante la tcnica ANOVA.
Todos los tests de comparaciones mltiples son tests que tratan de perfilar, tratan
de especificar, tratan de concretar, una Hiptesis alternativa genrica como la de
cualquiera de los Test ANOVA.

El Test de Duncan es muy similar al Test HSD de Tukey (Ver Herbario de tcnicas),
pero en lugar de trabajar con un umbral fijo trabaja con un umbral cambiante. Un
umbral que depender del nmero de medias implicadas en la comparacin.

Para saber el nmero de medias implicadas en la comparacin se ordenan las medias

muestrales de menor a mayor y as al hacer una comparacin entre dos medias
sabremos adems de las dos medias comparadas cuantas medias quedan dentro.
Este nmero de medias implicadas en cualquier comparacin de medias es el
parmetro p de este umbral.

Se basa el procedimiento, tambin, en la distribucin de los rangos estudentizados

(Ver Test HSD de Tukey en el Herbario de tcnicas).

Es interesante comparar el Test HSD y el Test de Duncan. Este cambio tanto en el

nmero de medias implicada como en el nivel de significacin genera un umbral ms
pequeo. Esto da una mayor capacidad de encontrar diferencias mediante el Test
de Duncan porque los umbrales son ms pequeos y, por lo tanto, es ms fcil
encontrar diferencias entre las medias comparadas. En estos casos, en Estadstica,
decimos que el Test de Tukey es ms conservador que el Test de Duncan o que
tiene menor potencia.

Si se quiere comparar las diferentes tcnicas de comparaciones mltiples es

recomendable leer el artculo Comparacin entre tcnicas de comparaciones
mltiples.

La estadstica de Prueba es denotado, por

Donde es el nmero de medias inclusives entre las dos medias a comparar para
diseos balanceados. Para aplicar esta prueba al nivel se debe pasar por las
siguientes etapas:

1. Determine el error estndar (desviacin estandar) de cada promedio, , el cual

es dado por la expresin:
Donde el CM es obtenido de la tabla Anova

2. Con los grados de libertad del error y el nivel de significancia determinar los
valores de (intervalos o amplitudes estandarizadas significativos) utilizando las
tablas de amplitudes estandarizadas de Duncan dadas por Harter (1960) y que se
encuentran en el libro de Miller (1992). Para encontrar estos valores, se requieren
los grados de libertad del error y el valor de .

3. Determinar las amplitudes minimas significativas denotadas por

calculados por la expresin:

4. Se ordenan de manera creciente los resultados promedios del experimento

5. Se comparan las medias ordenadas as:comienza a

comparar en el siguiente orden:

a) El promedio ms alto, con el ms bajo, comparando esta diferencia con

el intervalo mnimo significativo . Si esta diferencia es no significativa entonces
todas las otras diferencias son no significantes. Si la diferencia es significativa se
continua con b)

b) Posteriormente se calcula la diferencia entre el valor ms alto y el penltimo

y se compara con el intervalo mnimo significativo

c) Este procedimiento se contina hasta que todas las medias se han comparado
con la media ms grande .

d) A continuacin se compara la segunda media ms grande con la ms

pequea y se compara con el intervalo mnimo significativo .
Este proceso contina hasta que han sido comparadas las diferencias entre todos

los posibles pares.

Si una diferencia observada es mayor que el intervalo mnimo significativo, se

concluye que la pareja de medias comparadas son significativamente diferentes.

Para evitar contradicciones, ninguna diferencia entre una pareja de medias se

considera significativamente diferentes si stas se encuentran entre otras dos que
no difieren significativamente. A manera de ilustracin se tiene:

Cuando el diseo es desbalanceado pero los tamaos de rplicas

difieren marcadamente este mtodo puede adaptarse utilizando en vez de en la
estadstica, el valor de la media armnica de los tamaos de muestras

o alternativamente se puede reemplazar a por la media armnica de las medias

extremas, donde

y y son los tamaos de muestra correspondientes a las medias de

tratamientos menos pequeo y ms grande respectivamente.

Ejemplo

Al aplicar el mtodo de Duncan a los datos del ejemplo del algodn se tiene:

1. El error estndar de la media es

2. Determinacin de los intervalos significativos como y
Utilizacin la tabla VII del Apndice de Montgomery se tiene:

3. Los rangos mnimos significativos son:

4. Las medias ordenadas ascendentemente son:

5. Comparacin de las medias

 se
compara con porque entre y hay inclusive medias.Ver numeral 4 .

Al presentar en u diagrama de lneas los resultados se tiene

PRUEBA DEL RANGO MLTIPLE DE DUNCAN

La Prueba del Rango mltiple Duncan es otra prueba para determinar la diferencia
entre pares de medias despus que se ha rechazado la hiptesis nula en el anlisis
de varianza.

Este procedimiento emplea los valores de la tabla T-9 y consiste en calcular varios
"rangos" (Duncan los llama rangos significativos mnimos) dados por la frmula:

[13.8]

donde p toma valores entre 2 y K (K es el nmero de tratamientos), d se obtiene de

la tabla T-9 y el CMError se obtiene de la tabla de ANDEVA respectiva.
Ejemplo: Se realiz un experimento para determinar la cantidad (en gramos) de
grasa absorbida por 48 donas (doughnuts) usando ocho tipos diferentes de grasas
(aceites y mantecas). Las medias para los ocho tratamientos se muestran a
continuacin:

Se usaron seis "donas" en cada tipo de grasa y se obtuvo un cuadrado medio del
error de 141.6, los grados de libertad del error son 48 - 8 =40.

Seleccionando a = 0.05 para este ejemplo, los rangos de Duncan son:

Los valores 3.300, 3.266,..., 2.858 se obtuvieron de la tabla de Duncan (T-9) para a
= 0.05, 2 p 8 y 40 grados de libertad.

El siguiente paso es ordenar las medias en orden creciente para establecer los
"rangos".

El rango entre las medias mxima y mnima se compara con D8, esto es,

, entonces existe diferencia significativa entre las grasas 4 y 7.

El prximo paso es comparar subconjuntos de siete medias con el rango D7.

, entonces

, entonces

Como los dos exceden el rango D7 se subdividen estos dos subconjuntos en

conjuntos de seis medias.

, entonces

, entonces

, entonces

Nuevamente stos exceden D6, entonces stos se subdividen en subconjuntos de

cinco medias

, entonces

, entonces

, entonces

, entonces

Como las medias para las grasas 3, 2, 6 y 1 estn incluidos en el conjunto 43261
que fue no significativo, los rangos de las medias en el subconjunto 3261 no se
comparan con D4; solamente los rangos de las medias en el subconjunto 2615 se
comparan con D4; por lo tanto,
 , entonces

Los otros subconjuntos de cuatro medias (3,2,6,1) y (6,1,5,3) no se comparan con

D4 porque ya fueron declarados no significativos en los conjuntos de cinco medias.
Por lo tanto, el proceso termina.

Los resultados se muestran grficamente en la siguiente figura, donde las medias

que estn debajo de una lnea no son significativamente diferentes.

El investigador puede concluir que las cantidades absorbidas usando las grasas 4 y
3 son significativamente mayores que las 5, 8 y 7, y que la 2 es significativamente
mayor que las 8 y 7 y las dems grasas no son significativamente diferentes en
relacin con la cantidad absorbida.

Ejemplo: En una parcela donde se cultiva cebolla de manera orgnica se pretende

combatir los hongos de Fosarium oxisporum con dos soluciones de organo de
monte (lippia palmeri) y gobernadora (Larrea tridentata) mas un tratamiento testigo.
Se tomaron cinco muestras de 10 plantas cada una, y se obtuvo una media de la
calificacin de infeccin. Los datos recabados se muestran a continuacin y los
resultados de la tabla ANVA. Realice separacin de medias y explique resultados.

Nota: No es necesaria copiar estas tablas en la hoja de respuesta, solo extraer datos.