Documente Academic
Documente Profesional
Documente Cultură
1 Introducción
1.1 Conceptos de Diseño Experimental
..y un experimento diseñado es una prueba o una serie de pruebas en la/s cual/es se hacen cambios
intencionales y planificados a variables del proceso o del sistema, manera que se puedan observar e
identificar los cambios y las razones de dichos cambios en los resultados del experimento.
1 Introducción
1.1 Conceptos de Diseño Experimental
Un experimento aleatorio es aquel que, repetido bajo las mismas condiciones iniciales, da lugar a
resultados distintos, sin que exista una forma de predecir los resultados.
1 Introducción
1.1 Conceptos de Diseño Experimental
Ejemplo de experimento aleatorio: Una empresa de bolsa, para recomendar un valor para
compra, examina la cotización de las acciones de un gran número de compañías.
Para la próxima campaña, calificarán para compra el 40% de los valores que crecieron por
encima de la media como valores recomendados, al igual que un 20% de los que crecieron
alrededor de la media y un 10% de los que tuvieron un crecimiento inferior.
Diseño Experimental
1 Introducción
1.1 Conceptos de Diseño Experimental
Proceso
Un proceso o un sistema en estudio se puede entender como
una combinación de maquinas, métodos, personas y
cualquier otro recurso que transforme algún material
(tangible o no tangible) de entrada en
material/comportamiento de salida y que tiene una o más
respuestas observables.
Diseño Experimental
1 Introducción
1.1 Conceptos de Diseño Experimental
Objetivos Entre otros, los objetivos de un experimento son:
1. Determinar las variables controlables (xi) de mayor influencia en las respuestas (yi).
2. Determinar las zonas de valores de las variables controlables (xi) tal que las respuestas (yi) estén
cerca de los valores deseados (esperados, buscados, estimados).
3. Determinar los rangos de valores de las variables (xi) de tal manera que la variabilidad de las
respuestas sea pequeña.
4. Determinar los grupos de valores de las variables tal que los efectos de las variables no-
controlables, (wi), sean mínimos.
Diseño Experimental
1 Introducción
1.1 Conceptos de Diseño Experimental
Ejemplo: Se desea estudiar el efecto de dos procesos de separación de líquidos de un gas natural:
separación con solventes y mecánica. El objetivo del experimento es determinar el proceso de
separación que produce el mayor rendimiento (cantidad de hidrocarburo líquido). Para esto se propone
emplear varias muestras en cada procedimiento y luego medir la cantidad de líquido obtenido. Antes de
llevarse a cabo el grupo de pruebas, deben responderse las siguientes preguntas:
1. ¿Son estos los únicos medios de separación de líquidos del gas natural?
2. ¿Cuales son los factores que afectan el rendimiento y deben ser controlados durante la ejecución de las
pruebas
Diseño Experimental
1 Introducción
1.1 Conceptos de Diseño Experimental
4. ¿En qué orden se deben realizar las pruebas y como se las identificará?
Diseño Experimental
1 Introducción
1.1 Conceptos de Diseño Experimental
Ejemplo: Se desea conocer el efecto de simplificar trámites para obtener permisos de construcción: con
y sin visado del colegio de arquitectos. El objetivo del experimento es determinar el proceso
documentario que produce el mayor ahorro al sector privado. Para esto se propone emplear varias
muestras (solicitudes de permiso) en cada procedimiento y luego medir los gastos financieros
obtenidos. Antes de llevarse a cabo el grupo de pruebas, deben responderse las siguientes preguntas:
1. ¿Son estos los únicos formas de obtener permisos de construcción?
2. ¿Cuales son los factores que afectan el rendimiento (le emisión de permisos) y deben ser controlados
y/o tomados en cuenta durante la ejecución de las pruebas
Diseño Experimental
1 Introducción
1.1 Conceptos de Diseño Experimental
4. ¿En qué orden se deben realizar las pruebas (trámites) y como se las identificará?
Diseño Experimental
1 Introducción
1.1 Conceptos de Diseño Experimental
En resumen:
Diseño experimental es una técnica estadística que permite identificar y cuantificar las causas de un
efecto dentro de un estudio experimental.
El diseño experimental da una serie de pautas relativas qué variables hay manipular, de qué
manera, cuántas veces hay que repetir el experimento y en qué orden para poder establecer con
un grado de confianza predefinido la necesidad de una presunta relación de causa-efecto.
Diseño Experimental
1 Introducción
1.2 Aplicaciones del Diseño Experimental
Mejorar la productividad. Relación entre la cantidad de productos obtenida por un sistema productivo
y los recursos utilizados para obtener dicha producción.
Seleccionar parámetros de diseño críticos de tal manera de obtener un producto robusto y de manara
eficiente
Diseño Experimental
1 Introducción
1.2 Aplicaciones del Diseño Experimental - Ejemplo
Optimización de un proceso:
Supóngase que se desea mejorar el rendimiento
de un proceso químico que en la práctica se
efectúa a 155 grados y 1.7 horas, con 75 % de
rendimiento.
Por resultados previos de experimentos, se sabe
que las dos variables arriba mencionadas son las
más influenciables en el rendimiento. El gráfico
muestra líneas de rendimiento constante de 90,
95, 80, 75 y 70 % para diferentes combinaciones
de temperatura y tiempo.
Diseño Experimental
1 Introducción
1.2 Aplicaciones del Diseño Experimental - Ejemplo
Optimización de un proceso:
Diseño Experimental
1 Introducción
1.3 Principios Básicos del Diseño Experimental
Se entiende por Diseño Estadístico de Experimentos al proceso de planificación de los mismos de tal
manera que los datos recolectados puedan ser analizados estadísticamente. La Planificación debe
cumplir con los tres principios siguientes:
Replicación, aleatoriedad y formación de grupos o bloques.
2. Permite obtener una mejor estimación de los valores medidos en el experimento (efecto de un
cierto factor).
Uno de los errores más frecuentes es la pseudo replicación: réplicas que no son independientes entre sí.
16/05/2019 Jaime Ortega 14
Universidad Mayor de San Andrés
Diseño Experimental
1 Introducción
1.3 Principios Básicos del Diseño Experimental
Aleatoriedad
Distribución aleatoria tanto del material experimental como del orden en el cual se llevan a cabo las pruebas
experimentales.
Esto permite eliminar factores "externos" que afecten los resultados. Entre otros, estos factores son:
obtención forzada de resultados deseados, "predisposición" de instrumentos a ciertas respuestas, uso de
materiales diferentes y/o dimensiones diferentes en diferentes rangos de experimentación, encuestas
falsamente aplicadas, etc.
Grupos o Bloques
Técnica empleada para incrementar la precisión de un experimento. Un bloque es una porción del
material experimental o de la población en estudio, que deber ser más homogéneo/a que el total del
material o población considerado para la experimentación.
Diseño Experimental
1 Introducción
1.3 Principios Básicos del Diseño Experimental
Grupos o Bloques
Un tanque lleno de aceite vegetal puede parecer homogéneo; sin embargo, en el fondo del tanque puede
depositarse un sedimento, que es una parte esencial del aceite por lo que el material del tanque no será
homogéneo. (experimento típico para control aduanero)
Diseño Experimental
1 Introducción
1.4 Empleo de Técnicas Estadísticas en Experimentación
3.Se debe tener siempre en mente la significación estadística y la significación práctica. El obtener
resultados estadísticamente diferentes no implica que dichas diferencias tengan algún valor práctico.
4. Si no se conoce la física/razón de un problema, es poco práctico llevar a cabo experimentos y/o análisis
profundos de los mismos. Al principio de un trabajo, el conocimiento de rangos y niveles de
experimentación es intuitivo o simplemente no existe. Una ejecución secuencial de experimentos
iniciales, proveerá suficiente información para un subsiguiente y apropiado diseño experimental.
Diseño Experimental
1 Introducción
1.5 Conclusiones
Los experimentos permiten establecer de manera unívoca mecanismos de causa y efecto, que ninguna
otra forma de investigación es capaz de lograr.
Los experimentos por si sólos no establecen las preguntas que la ciencia debe plantear antes de
llevarles a cabo.
Diseño Experimental
Diseño Experimental
Diseño Experimental
Distribuciones de Probabilidad
Función de probabilidad de una variable aleatoria es una función que asigna a cada suceso definido sobre
la variable aleatoria, la probabilidad que dicho suceso ocurra.
La estructura de probabilidad de una variable aleatoria, llámese ésta y o (Y), se describe por su distribución
de probabilidades. Si y es discreta, a la distribución de probabilidades de y, p(y), se le llama función de
probabilidad de y . Si y es continua, la distribución de probabilidad de y, f(y), es denominada función de
densidad de y .
Diseño Experimental
Diseño Experimental
y discreta: y continua:
0 p( y j ) 1 yj 0 f ( y)
b
p (a y b) f ( y )dy
p( y y j ) p( y j ) yj a
f ( y )dy 1
p( y ) 1
todos y j
j
DISTRIBUCIONES CONTINUAS
Diseño Experimental
yf ( y )dy y continua
E ( y)
yp ( y )
y
todo
y discreta
Diseño Experimental
Por consiguiente:
6
1 1 1 1 1 1
𝐸 𝑦 = 𝑝(𝑦) 𝑦𝑖 = 1 +2 +3 +4 +5 +6 = 3.5
6 6 6 6 6 6
1
También se interpreta en el sentido que en 10 ejecuciones del experimento, por ejemplo, se espera que la
suma de los números obtenidos sea de (10)(3.5) = 35
Diseño Experimental
La Varianza se emplea de manera tan extensa que es conveniente definir un operador V tal que:
V ( y ) E ( y u ) 2
Diseño Experimental
2
y u f ( y )dy y continua
2
y p( y)
2
todo y u y discreta
Diseño Experimental
1 E (c ) c
2 E ( y)
3 E (cy ) cE ( y ) c
4 V (c ) 0
5 V ( y) 2
6 V (cy ) c 2V ( y ) c 2 2
Diseño Experimental
E ( y2 ) 2 y V ( y2 ) 22
E ( y1 y2 ) E ( y1 ) E ( y2 ) 1 2
V ( y1 y2 ) V ( y1 ) V ( y2 ) 12 22
Diseño Experimental
𝑁𝐶
𝑁!
Donde
𝑛 =
𝑁 − 𝑛 ! 𝑛!
Un estadígrafo es cualquier función matemática de las observaciones hechas sobre una muestra que no
contiene parámetros desconocidos y aporta más información que la misma población.
Media Muestral
n
Sean y1 , y2 , y3 ,........yn
y i
representantes de una muestra, se define la Media Muestral como: y i 1
n
16/05/2019 Jaime Ortega 31
Universidad Mayor de San Andrés
Diseño Experimental
Varianza Muestral
i
( y y ) 2
S2 i 1
n 1
Diseño Experimental
2.3. Muestreo y Distribuciones Muestrales
E( y) E(S 2 ) 2
3. Los estimadores puntuales tienen varianza mínima.
Se puede determinar la distribución de probabilidad de un estadígrafo si se conoce la distribución de
probabilidad de la población de la cual se extrajo la muestra. La distribución de probabilidad de un estadígrafo
se conoce como distribución muestral.
16/05/2019 Jaime Ortega 33
Universidad Mayor de San Andrés
Diseño Experimental
Distribución Normal Si y es una variable aleatoria normal, entonces la distribución de probabilidades de y es:
1
f ( y) (1/ 2 )[( y ) / ]
y
2
e
2
Donde μ es la media de la Distribución y 2 la Varianza.
Diseño Experimental
Frecuentemente se emplea la
notación y ~ N(μ,σ2) para indicar
que y se distribuye "normal" con
media y varianza .
Diseño Experimental
Diseño Experimental
𝑦 ~ 𝑁(𝜇, 𝜎 𝑛)
Si la distribución de la población no fuese normal; la distribución de la media muestral, 𝑦 , será
aproximadamente normal si se analizan muestras razonablemente grandes (n > 30). Este resultado se conoce
como el Teorema del Límite Central.
Diseño Experimental
La distribución de la media muestral, 𝑦, será normal con media μ=2.5 cm y desviación estándar
/ n 0.009 / 9 0.003 cm
Diseño Experimental
b) Calcular la fracción de dicha medias muestrales que se espera que exceda los 2.505 cm.
Para calcular la probabilidad que P ( y 2.505) es necesario emplear la variable normal estándar:
Diseño Experimental
En algunos casos, esta aproximación es adecuada para pequeños valores de n (n<10). En otros, se
requiere valores altos de n (n>100).
Diseño Experimental
El teorema central del límite es uno de los resultados fundamentales de la estadística. Este teorema nos dice
que si una muestra es lo bastante grande (generalmente cuando el tamaño muestral (n) supera los 30), sea
cual sea la distribución de la media muestral, la suma de las n variables, seguirá aproximadamente una
distribución normal estándar
Es decir, dada cualquier variable aleatoria, si extraemos muestras de tamaño n (n>30) y calculamos los
promedios muestrales, dichos promedios seguirán una distribución normal y la suma de dichos
promedios una distribución normal estándar.
Diseño Experimental
Si z1 , z2 , z3 ,.......zi ....zk
son variables aleatorias normales e independientes con media 0 y varianza 1, entonces la variable
z z .....z .....z
2
k
2
1
2
2
2
i
2
k
Diseño Experimental
f ( )
2 1
2 e
( k / 2 ) 1 2
/2
2 0
k/2 k
2
2
Diseño Experimental
Supóngase que y1 , y2 , y3 ,....... yi .... yn es una muestra aleatoria de una población N(μ , σ2).
y
n
i y
2
Entonces se cumple que:
i 1
~ n21
2
Diseño Experimental
Distribución t de Student
z
tk
k2 / k
Diseño Experimental
[(k 1) / 2] 1
f (t ) - < t <
k (k / 2) [(t 2 / k ) 1]( k 1) / 2
Diseño Experimental
Diseño Experimental
Distribución t de Student
z
Una consecuencia de la definición de la variable t tk
k2 / k
Es que si y1, y2 .... yi ,.... yn
y
Es una muestra aleatoria de una población que se distribuye N(μ,σ2), entonces la cantidad:
S/ n
se distribuye t con n-1 grados de libertad.
Diseño Experimental
Distribución t de Student
( y1 1 ) ( y2 2 )
Es un estadígrafo particularmente importante para comparar medias de
1 1
Sp 2 tratamientos.
n1 n2
(n1 1) S12 (n2 1) S22
El estimador Sp se calcula mediante: Sp
n1 n2 2
Diseño Experimental
Distribución F
La ultima distribución a considerar en este curso es la Distribución F.
Si u2 y v2 son dos variables aleatorias independientes chi-cuadrado, con u y v grados de libertad
respectivamente, entonces el radio
u2 / u
F 2 sigue la distribución F con (u,v)grados de libertad
v / v
Si y11, y12 ,.....y1,n1 y y21, y22 ,.....y2,n
2
En esta sección se estudiará la forma en la cual datos de experimentos comparativos pueden ser analizados
empleando procedimientos de " test de hipótesis "
Test de Hipótesis
Una hipótesis estadística es una afirmación acerca de los parámetros de una distribución de probabilidad.
Por ejemplo, en el caso de cemento portland, se puede afirmar que las resistencias medias a la tracción de
los dos cementos son iguales. Tal afirmación o hipótesis puede enunciarse de la siguiente manera
H o : 1 2
H1 : 1 2
donde μ1 y μ2 son las resistencias medias de los dos cementos, Ho es la hipótesis nula, y H1 es la hipótesis
alternativa.
Diseño Experimental
El procedimiento general consiste en especificar un valor de probabilidad de ocurrencia del error del tipo
I o nivel de significación de tal manera que la probabilidad de ocurrencia del error del tipo II sea lo
suficientemente pequeño.
Ahora, supóngase que se desea un error del primer tipo del orden de α=0.05 o 5% y por tanto el
intervalo de confianza al aceptar Ho será de 0.95 (95%)
Diseño Experimental
Para rechazar la hipótesis nula, se debe calcular un valor de variable aleatoria que esté la zona azul.
16/05/2019 Jaime Ortega 53
Universidad Mayor de San Andrés
Diseño Experimental
Para el caso del cemento Portland y del nuevo cemento, el investigador plantea H o : 1 2
que los dos cementos son iguales, con la objetivo de poder rechazar dicha H1 : 1 2
hipótesis. Lo que plantea, en términos matemáticos es:
( y1 1 ) ( y2 2 )
Se mencionó que la cantidad: 1 1 se distribuye t con n1+n2-2 grados de libertad
Sp
n1 n2
y1 y2
Si μ1 = μ2 entonces la cantidad 1 1
También se distribuye t con n1+n2-2 grados de libertad
Sp
n1 n2
n1 n2 2
16/05/2019 Jaime Ortega 54
Universidad Mayor de San Andrés
Diseño Experimental
2.4 Análisis de Medias y Diseño Aleatorio
Nuevo Cemento Cemento Portland
A partir de los datos
de la tabla de los
cementos se obtiene: y1 16.76 kg/cm 2 y2 17.92 kg/cm 2
S1 0.316 S1 0.247
n1 10 n1 10
9(0.100) 9(0.061)
El estimador de la S
2
0.081 S p 0.284
10 10 2
p
varianza común será:
Diseño Experimental
y1 y2 y1 y2
Si denominamos to a la cantidad Es decir: to
1 1 1 1
Sp Sp
n1 n2 n1 n2
16.76 17.92
to 9.13
0.248 1/ 10 1/ 10
Ahora, supóngase que se desea un error del primer tipo del orden de α=0.05 o 5% y por tanto un
intervalo de confianza de la media poblacional, μ , de 0.95 (95%)
Diseño Experimental
2.4 Análisis de Medias y Diseño Aleatorio
Mediante tablas, se ve que para 18 grados de libertad y 0.025 (2.5%), el valor de t es igual 2.101. Es
decir:
tα/2 = t0.025,18= 2.101
to 9.13 o t0 9.13
En otras palabras, las resistencias medias a la tracción de ambos cementos son diferentes.
16/05/2019 Jaime Ortega 58
Universidad Mayor de San Andrés
Diseño Experimental
Para probar o rechazar tal afirmación, un experimento puede diseñarse de la siguiente manera:
Diseño Experimental
Diseño Experimental
En este caso, dj es la variable aleatoria de interés, siendo el valor esperado de las diferencias
E (d j ) E ( y1 j y2 j ) E ( y1 j ) E ( y2 j ) 1 2 d
Es posible analizar la diferencia de las medias, 1 2 mediante inferencias acerca de la media de las
diferencias d
H o : d 0
H1 : d 0
Diseño Experimental
n (d d ) 2
1 n j
d dj y Sd2 j 1
n j 1 n 1
16/05/2019 Jaime Ortega 62
Universidad Mayor de San Andrés
Diseño Experimental
n (d d ) 2
d j
to 1 n
d dj y Sd
2 j 1
Sd / n n j 1 n 1
Por tanto no hay evidencia que indique que ambos tratamientos producen diferentes tiempos.
16/05/2019 Jaime Ortega 63
Universidad Mayor de San Andrés
Diseño Experimental
2.5 Muestreo – Tamaño de la Muestra n
En estadística un muestreo es la técnica para la
selección de una muestra a partir de una población.
Si el tamaño de la muestra es más pequeño que el
tamaño de la población, se puede extraer dos o más
muestras de la misma población. Al conjunto de
muestras que se pueden obtener de la población se
denomina espacio muestral.
Se espera que la muestra sea representativa de la
población de la cual se extrae dicha muestra
Es decir, se espera conseguir que sus
propiedades sean extrapolables a la población
La toma de muestras debe seguir rigurosamente los tres principios básicos del Diseño Experimental:
Replicación, Aleatoriedad y Homogeneidad.
16/05/2019 Jaime Ortega 64
Universidad Mayor de San Andrés
Diseño Experimental
El muestreo aleatorio simple sin sustitución se utiliza cuando cada una de las unidades de la población (de
tamaño N) tiene la misma probabilidad de ser elegida para integrar la muestra (de tamaño n);
consiguientemente, todas las posibles muestras de tamaño n tienen la misma probabilidad de ser elegidas.
Esta probabilidad es igual a f = n / N y se le denomina fracción de muestreo.
Diseño Experimental
El tamaño de muestra depende de los parámetros que se desean estimar. Es decir, podemos estar
interesados en conocer una media poblacional (μ), una proporción poblacional (P), diferencias de
medias (μ1 -μ2) o una diferencia de proporciones (P1 – P2). Para cada uno de los casos mencionados
anteriormente existe una determinada fórmula para determinar el tamaño de la muestra.
A continuación, se presentan fórmulas para calcular el tamaño de muestra que permitan estimar la
media poblacional (μ) considerando una muestra aleatoria simple. se observa una diferencia (error
absoluto de estimación) entre el parámetro y su estimador respectivo, que lo denotamos por ε, es decir:
ε= 𝑦−𝜇
Diseño Experimental
𝒁𝟐𝜶 𝟐 𝝈 𝟐𝑵
σ : es la desviación estándar de la población que puede
𝒏=
𝑵 − 𝟏 ε𝟐 + 𝒁𝟐𝜶 𝟐 𝝈𝟐 ser reemplazada por un estimador de una muestra
preliminar o “piloto” de tamaño mayor o igual a 30.
Diseño Experimental
Diseño Experimental
Ejemplo: en una empresa que empaca 1,200 costales de fruta cada día, se desea conocer, con un
nivel de confianza del 95%, el peso promedio de los costales. Se hizo una medición piloto con 36
costales, obteniéndose una desviación estándar de un kilogramo: (σ = 1Kg). El error de muestreo
no debiese superar los 100 gramos (0.1 Kg).
Utilizando la fórmula:
2
𝑍𝛼/2 𝜎2 𝑁 1200 × 1.962 × 12
𝑛= 2 = 2 2 2
= 292
2
𝑁 − 1 ε + 𝑍𝛼/2 𝜎 2 1199 × 0.1 + 1.96 × 1
Diseño Experimental
Para estimar el tamaño de muestras, de igual tamaño, cuando se analiza diferencia de medias, se emplea
la expresión:
Diseño Experimental
sensitivo al 350
error de 300
muestreo:
250
200
163
150
100
92
59
50
41
23
14 10 8
0 6 5
0,1 0,15 0,2 0,25 0,3 0,4 0,5 0,6 0,7 0,8 0,9
Diseño Experimental
Una empresa de fabricación de telas está interesada en maximizar la resistencia a la tracción de una
nueva fibra sintética que será empleada en la industria textil, por lo que comisiona a un ingeniero de
materiales hacer un estudio que combine dichas fibras sintéticas con fibras de algodón.
Por experiencia previa, el ingeniero sabe que el contenido de algodón afecta la resistencia.
Se sabe un incremento en el contenido de algodón, incrementará la mencionada resistencia; por ello,
decide llevar a cabo pruebas de resistencia con fibras que contienen 15, 20, 25, 30 y 35 % de algodón
(niveles de contenido de algodón). Para ejecutar las pruebas, decide emplear cinco muestras por cada
nivel de contenido.
Lo arriba mencionado es un ejemplo de un experimento de factor simple con a = 5 niveles del factor y
n = 5 replicas. Los 25 experimentos deben ser ejecutados en un orden totalmente aleatorio
Diseño Experimental
Contenido
de Algodón Número de Muestra
(%)
15 1 2 3 4 5
20 6 7 8 9 10
25 11 12 13 14 15
30 16 17 18 19 20
35 21 22 23 24 25
Diseño Experimental
Secuencia de las pruebas Número de muestra Contenido de Algodón
Diseño Experimental
Diseño Experimental
Análisis de Varianza
En general, la Tabla 3.3 pude
ser escrita en términos de la
Tabla 3.4
Diseño Experimental
Análisis de Varianza
Las observaciones de la Tabla 3.4 pueden ser descritas por un modelo estadístico lineal :
i 1,2,......a
yij i ij
j 1,2,......n
donde yij es la i - esima, j - esima observacion
es la media total (global)
i es un efecto debido al tratamiento i
ij es el error aleatorio con media 0 , varianza i2 ,
independie nte y distribuid o normal
A este modelo se le llama " Análisis de Varianza de Factor Simple" pues se investiga un sólo factor.
Diseño Experimental
Análisis de Varianza
Con respecto a los tratamientos o niveles, existen dos situaciones diferentes:
1. Los niveles o tratamientos ha sido escogidos por el investigador. Este modelo se conoce como "Modelo de
Efectos Fijos".
2. Los niveles o tratamientos ha sido escogidos al azar. Este modelo se conoce con el nombre de "Modelo de
Efectos Aleatorios" o "Modelo de Varianza de Componentes".
En este modelo, los efectos de tratamientos τi , se definen como desviaciones de la media total, es decir
que se cumple: 𝑎
𝜏𝑖 = 0
𝑖=1
Diseño Experimental
Análisis de Varianza
Ei ( yij ) i i i 1, 2,......., a
Es decir: si es que la media de los resultados de un tratamiento/variable, está afectado por ese tratamiento
El investigador esta interesado en probar el efecto de los tratamientos/variable. Esto es:
Ho : 1 2 3 ........... a
H1: i j para al menos un par i , j
El examen de la igualdad de los efectos de tratamiento es el examen de la variabilidad o varianza total por lo
que el procedimiento apropiado para probar " igualdad de efectos de tratamiento " es el Análisis de Varianza.
Diseño Experimental
Análisis de Varianza
Diseño Experimental
( y
i 1 j 1
ij
Y ) n ( yi Y ) ( yij yi ) 2
2
i 1
2
i 1 j 1
La suma de los cuadrados de las diferencias entre las medias de los tratamientos y la media total o suma de
cuadrados debido a los tratamientos: SCt
… mas la suma de los cuadrados de las diferencias entre las observaciones y las medias de cada
tratamiento o suma de cuadrados debido al error: SCe
16/05/2019 Jaime Ortega 82
Universidad Mayor de San Andrés
Diseño Experimental
a n a a n
( y Y ) n ( yi Y ) ( yij yi ) 2
a n
SCT ( yij Y ) 2
2 2
ij
i 1 j 1 i 1 j 1 i 1 i 1 j 1
a a n
SCt n ( yi Y ) 2
SCe ( yij yi ) 2
i 1 i 1 j 1
Si se dividen los términos entre los grados de libertad que les corresponden, se tendrá el estimador de la
varianza debido a los tratamientos y el estimador de la varianza debido al error. Es decir:
SCe SCt
Ve Vt
( N a) (a 1)
16/05/2019 Jaime Ortega 83
Universidad Mayor de San Andrés
Diseño Experimental
SCe SCt
Ve Vt
( N a) (a 1)
Si no existen diferencias entre las medias de los tratamientos o no hay diferencia entre tratamientos,
entonces los valores esperados de ambos estimadores serán idénticos e iguales a la varianza poblacional.
𝐸(𝑉𝑡 )
Si la hipótesis nula Ho: τi = 0 es verdadera, entonces se cumple que: ≈1
𝐸(𝑉𝑒 )
𝑉𝑡
Y que: 𝐹𝑜 = se distribuye F con a-1 y N-a grados de libertad.
𝑉𝑒
Pero si los valores estimados no fueran iguales, se debe sospechar que la diferencia observada debe ser
una consecuencia de las diferencias entre las medias de los tratamientos
Diseño Experimental
5
Yi 2 Y 2
SCt 475.76
i 1 n N