DISEO COMPLETAMENTE AL AZAR (DCA)

Este diseo consiste en la asignacin de los tratamientos en forma completamente

aleatoria a las unidades experimentales (individuos, grupos, parcelas, jaulas, animales,
insectos, etc.). Debido a su aleatorizacin irrestricta, es conveniente que se utilicen
unidades experimentales de lo ms homogneas posibles: animales de la misma edad, del
mismo peso, similar estado fisiolgico; parcelas de igual tamao, etc., de manera de
disminuir la magnitud del error experimental, ocasionado por la variacin intrnseca de
las unidades experimentales. Este diseo es apropiado para experimentos de laboratorio,
invernadero, animales de bioterio, aves, conejos, cerdos, etc., es decir, situaciones
experimentales como de las condiciones ambientales que rodean el experimento.
Este diseo es el mas utilizado en la experimentacin con animales, asocindole la
tcnica del anlisis de covarianza y arreglos de tratamiento de tipo factorial.

Un anlisis de varianza (ANOVA) prueba la hiptesis de que las medias de dos o ms

poblaciones son iguales. Los ANOVA evalan la importancia de uno o ms factores
al comparar las medias de la variable de respuesta en los diferentes niveles de los
factores. Para ejecutar un ANOVA, debe tener una variable de respuesta continua y
al menos un factor categrico con dos o ms niveles. Los anlisis ANOVA requieren
datos de poblaciones que sigan una distribucin aproximadamente normal con
varianzas iguales entre los niveles de factores.

Diagrama de caja
Diagrama de cajas es una representacin grfica basada en cuartiles, mediante el cual se
visualiza un conjunto de datos que muestra las caractersticas principales de una
distribucin de frecuencias y seala los datos atpicos o extremos.

Transcripcin de Grafico de media y desviacion estandar

Es un grfico de control para
desviaciones estndar mustrales.
Por tanto, podemos usar los
grficos S para estudiar la
variabilidad del proceso y
detectar la posible existencia
de causas especiales.
Pruebas de Rango Mltiple
Una F significativa contesta en forma afirmativa que hay diferencias entre lostratamientos que se sometieron a prueba, pero no
establece cuales de ellos son diferentesentre s. Para saber esto, se recurre a otras tcnicas conocidas como pruebas de
rangomltiple. Aqu analizaremos las ms comnmente usadas, a saber:

Diferencia Mnima Significativa(DMS) para hacer comparaciones entre mediasadyacentes.

Comparador Duncan para hacer cualquier combinacin posible de comparacionesentre un
grupo de medias.
Comparador Tukey, para experimentos que implican un nmero elevado decomparaciones o
que se desea una prueba ms rigurosa que la de Duncan.

Comparador SNK(Studen Newman Keuls), similar en metodologa a Duncan pero conun nivel
intermedio de rigurosidad.
Comparador Dunnet,empleada para hacer comparaciones entre los tratamientos y eltestigo

Mnima Diferencia Significativa (LSD) como mtodo de

comparacin de diferencia de medias
Cuando se rechaza la hiptesis nula de no diferencia de ms de dos medias (H0: m
1 = m 2 = = mk) en un anlisis de varianza surge la pregunta acerca de cules
pares de medias son diferentes, puesto que el rechazo de una hiptesis nula con
cuatro tratamientos (H0: m 1 = m 2 = m 3 = m 4), podra deberse a uno o varios
de los seis pares de diferencias que se pueden tener.

Prueba de tukey
1. 1. Sirve para probar todas las diferencias entre medias de tratamientos de una
experiencia. La nica exigencia es que el nmero de repeticiones sea constante en
todos los tratamientos .
2. 2. Este mtodo sirve para comparar las medias de los tratamientos, dos a dos, o
sea para evaluar las hiptesis:
3. 3. 1. Se calcula el valor crtico de todas las comparaciones por pares. 2. Se obtiene
el error estndar de cada promedio. 3. Obtener el T. 4. Calcular la diferencia de
las medias y realizar las comparaciones con el valor crtico. 5. Hacer las
conclusiones

Contraste es la accin y efecto de contrastar (mostrar condiciones

opuestas o diferencias marcadas, comprobar la exactitud de algo). El
contraste, por lo tanto, puede ser la oposicin o contraposicin que
existe entre cosas o personas.
Modelos

Un modelo es una representacion formal de un sistema real, con el que se pretende aumentar
su comprension, hacer predicciones y ayudar a su control. Los modelos pueden ser f sicos
(descritos por variables medibles), analogos (diagrama de flujo) y simb olicos (matem aticos,
lingusticos, esquematicos). Los modelos matem aticos o cuantitativos son descritos por un
conjunto de smbolos y relaciones logicomatem aticas

Realizar una prueba de normalidad

Elija Estadsticas > Estadsticas bsicas > Prueba de normalidad. Los resultados de la
prueba indican si se debe rechazar o no se puede rechazar la hiptesis nula de que
los datos provienen de una poblacin distribuida normalmente. Puede realizar una
prueba de normalidad y producir una grfica de probabilidad normal en el mismo
anlisis. La prueba de normalidad y la grfica de probabilidad suelen ser las mejores
herramientas para juzgar la normalidad, especialmente cuando se trata de muestras
pequeas.

La varianza mide la mayor o menor dispersin de los valores de la variable respecto a la

media aritmtica. Cuanto mayor sea la varianza mayor dispersin existir y, por tanto,
menor representatividad tendr la media aritmtica. La varianza es una medida de
dispersin absoluta que viene expresada en unidades al cuadrado, por lo que ligado a este
trmino est el de desviacin tpica que viene expresado en las mismas unidades que la
variable.

INDEPENDENCIA ESTADSTICA
Dos variables estadsticas son estadsticamente independientes cuando el
comportamiento estadstico de una de ellas no se ve afectado por los valores que toma la
otra; esto es cuando las relativas de las distribuciones condicionadas no se ven afectadas
por la condicin, y coinciden en todos los casos con las frecuencias relativas marginales.

Esta definicin puede hacerse ms operativa, a travs de la caracterizacin siguiente:Dos

variables son estadsticamente independientes cuando para todos los pares de valores se
cumple que la frecuencia relativa conjunta es igual al producto de las frecuencias relativas
marginales.:

El tamao de la muestra normalmente es representado por "n" y siempre es un nmero

entero positivo. No se puede hablar de ningn tamao exacto de la muestra, ya que puede
variar dependiendiendo de los diferentes marcos de investigacin. Sin embargo, si todo lo
dems es igual, una muestra de tamao grande brinda mayor precisin en las estimaciones
de las diversas propiedades de la poblacin.