Sunteți pe pagina 1din 11

TRABAJO COLABORATIVO FASE 3 DISEÑO UNIFACTORIALES

POR:
DIEGO ALEXANDER LÓPEZ SOTO Código 71.557.290
HAMILTON GUEVARA Código
LINA MARCELA SALAZAR código 43461839
CARLOS JAVIER PEREZ Código
ROBINSON MORALES Código

TUTOR
CAROLINA MARIA BEDOYA

CURSO
DISEÑO EXPERIMENTAL
GRUPO 30156AA_612

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA


MEDELLÍN
Mayo 2019
1. A partir de la lectura del capítulo 3 del libro análisis y diseños de experimentos,
aplique los conceptos del diseño completamente al azar (DCA) y análisis de
varianza para el siguiente enunciado.

COMPARACIÓN DE 4 FÓRMULAS DE ENGORDE EN TILAPIAS


El equipo de desarrollo e innovación que lo componen zootecnistas e ingenieros de
alimentos de una empresa de cultivo de tilapia evalúa el efecto de cuatro fórmulas de
engorde (F1, F2, F3, F4), sobre el peso final de las tilapias (entendiendo que a mayor
peso en las tilapias la fórmula de engorde realizada es más eficiente). En primera
instancia, la estrategia experimental es aplicar cuatro veces las cuatro fórmulas de
engorde en orden completamente al aleatorio (las 16 pruebas al azar). Los pesos (kg)
obtenidos de las tilapias en la investigación se muestran en la siguiente tabla.

FÓRMULAS DE ENGORDE
F1 F2 F3 F4
2,66 3,2 3,01 3,52
2,52 3,42 3,13 3,71
2,74 3,47 3,25 3,78
2,9 3,64 3,38 3,79

a. Formule el interrogante del problema de investigación. (5 /120).


¿Definir con cual fórmula de concentrados el aumento de peso en kilogramo en las tilapias
es mayor?
b. Formule las hipótesis correspondientes (igualdad y alterna). (5 /120)
R/. Para la hipótesis de igualdad o nula.
𝐻𝑜 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4
Para la hipótesis alterna.
𝐻1 : 𝜇1 ≠ 𝜇2 ≠ 𝜇3 ≠ 𝜇4
C. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla
ANOVA,  = 0.05. (20 /120)
FORMULAS DE ENGORDE
F1 F2 F3 F4
2,66 3,2 3,01 3,52
2,52 3,42 3,13 3,71
2,74 3,47 3,25 3,78
2,9 3,64 3,38 3,79
Total 10,82 13,73 12,77 14,8 52,12
Promedio 3,56559162 4,52538461 4,209401566 4,88047238

Calculos
SCtrt 2,144
SCT 2,44
Y 52,12
N 16
C 169,78
SUM^2 172,22
SUM^2
trt 687,7
n 4

ANOVA
Gl
SC CM
Fuente de Grados F Cal F
Suma de Cuadrado Valor P
Variabilidad de F calculado Tabulado
Cuadrados Medio
Libertad
Tratamiento
Trt 2,14455 3 0,71485 28,8974229 3,49 0,000008988
Error Sc 0,29685 12 0,0247375
Total 2,4414 15
Alfa 0,05
ANÁLISIS DE
VARIANZA

Origen de Promedio Valor


Suma de Grados de
las de los F Probabilidad crítico para
cuadrados libertad
variaciones cuadrados F
Entre grupos 2,14365 3 0,71455 28,8852956 8,9884E-06 3,49029482
Dentro de
los grupos 0,29685 12 0,0247375

Total 2,4405 15

D. Realizar la validación de la ANOVA por medio de un programa estadístico


(diferente a Excel), adjuntar pantallazo. (20 /120)
E. A partir de los criterios del resultado del valor – P y FO (son dos criterios
diferentes), que se puede concluir con respecto a las hipótesis planteadas?. (10
/120)
Al realizar el anova se puede observar que el F tabulado es menor que el F calculado, lo
que significa que existe una gran diferencia estadística entre cada una de las muestras, no
todos los concentrados proporcionan la misma ganancia de peso en las tilapias, existe
diferencia entre al menos uno de los concentrados el cual genera mayor ganancia de peso
en las tilapias.
Según el resultado del valor P de 0,00000899 al ser menor al valor de significancia que se
estableció, nos permite decir que hay evidencias estadísticas para rechazar la hipótesis nula
de que todas las medias son iguales teniendo en cuenta un nivel de confianza del 95%.

F. Describa cual es la función y para qué es utilizado el método Tukey, después


del análisis de varianza de los resultados? Dentro del concepto responda si es
necesario utilizar este método si aceptamos o rechazamos la hipótesis de
igualdad (20 /120)

El método Tukey, sirve para probar todas las diferencias entre medias de tratamientos de
una experiencia. La única exigencia es que el número de repeticiones sea constante en
todos los tratamientos. Este método sirve para comparar las medias de los tratamientos, dos
a dos, o sea para evaluar las hipótesis (López Bautista, 2008).
Para el ejercicio propuesto si se puede utilizar este método ya que el ANOVA dio como
resultado una diferencia significativa en el valor p, al realizar la prueba de Tukey en el
minitab, podemos encontrar que las formulas F2 y F3 no tienen diferencias significativas
entre sus medias, mientras que las formulas F1 y F4 hay diferencias significativas entre sus
medias.

Su función es.
 Se calcula el valor crítico de todas las comparaciones por pares.

 Se obtiene el error estándar de cada promedio.

 Obtener el Tα.

 Calcular la diferencia de las medias y realizar las comparaciones con el valor

crítico.

Hacer las conclusiones

Sirve para.
 Probar todas las diferencias entre medias de tratamientos de una experiencia.

 La única exigencia es que el número de repeticiones sea constante en todos los

tratamientos

 Este método sirve para comparar las medias de los tratamientos, dos a dos, o sea

para evaluar las hipótesis.

 El método tukey sirve para comparar las diferencias entre las medias muéstrales

con el valor crítico.

Se utiliza el método tukey cuando se ha rechazado la hipótesis.


2. A partir de la lectura del capítulo 4 del libro análisis y diseños de experimentos, aplique
los conceptos del diseño en cuadro latino (DCL) y análisis de varianza para el siguiente
enunciado.
En un centro de investigación de agricultura se requiere estudiar el efecto de distintos tipos
de semilla en el rendimiento del maíz y se considera que en dicho rendimiento también
pueden influir los tipos de abonos empleados. Así, el factor de interés es el origen de la
semilla (A, B, C y D) y se controla dos factores de bloques el tipo de semilla y el tipo de
abono en función de la variable de respuesta.

Tipo de Tipo de semilla


abono 1 2 3 4
1 C=73 D=78 A=68 B=90
2 B=79 C=79 D=67 A=80
3 A=65 B=81 C=65 D=66
4 D=92 A=80 B=89 C=92

G. Realice los cálculos correspondientes al análisis de varianza y elabore la tabla


ANOVA  = 0.05. (20 /120)
Tipo de semilla
Tipo de abono Total Tipo de
1 2 3 4
abono
1 73 78 68 90 309
2 79 79 67 80 305
3 65 81 65 66 277
4 92 80 89 92 353

Total semilla 309 318 289 328 1244

Semilla Semilla Semilla Semilla


A B C D
Y 1244
293 339 309 303
N 16
C 96721
SCT 1403
SCR 740
SCC 206,5
SCTRT 294

El ANOVA de este experimento es;


FUENTE SC GL CM Fcal Ftab
TRT 294 3 98 3,61846154 4,76
RENGLONES 740 3 246,666667 9,10769231 4,76
COLUMNAS 206,5 3 68,8333333 2,54153846 4,76

ERROR 162,5 6 27,0833333

TOTAL 1403 15
H. A partir de los criterios del resultado del valor – P y FO (son dos criterios
diferentes), que se puede concluir con respecto a las hipótesis planteadas?. (20
/120)
Podemos concluir que si existe una diferencia significativa por el test F con respecto al tipo
de abono usado, mientras que no encontramos una diferencia significativa entre el origen de
la semilla y el tipo de semilla para este ejercicio, por lo que podemos aceptar la Hipótesis
alterna que dice que uno de los tratamientos es diferente.
En el ANOVA resultante con respecto al valor de p, se observa que no existe diferencia
entre el origen de las semillas y el tipo de semilla, en cambio hay una diferencia con el tipo
de abono usado ya que el nivel de significancia es menor a = 0.05.

REFERENCIAS

Gutiérrez. (2012).Análisis y diseño de experimentos.(3a. ed.) McGraw-Hill Interamericana.


(pp 52–61) Recuperado de http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=375&pg=

Jonathan Cuevas Ortuño. (2018). Diseño de un factor con Minitab 18 (One way - ANOVA).
Recuperado de https://www.youtube.com/watch?v=w62VPUXxu4Q
López Bautista, E. A. (2008, enero). Diseño y análisis de experimentos. Recuperado 28 de
mayo de 2019, de Issuu website:
https://issuu.com/byrong/docs/diseno_y_analisis_experimentos

Martínez Maldonado, C. E. (2017). ANDEVA Cuadrado Latino Minitab. Recuperado de


https://www.youtube.com/watch?v=TS7uOwPA0Bg

Minitab. (S. f.). Tabla de Análisis de varianza de ANOVA de un solo factor [Mtbtopic].
Recuperado 24 de mayo de 2019, de https://support.minitab.com/es-mx/minitab/18/help-
and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/all-
statistics-and-graphs/analysis-of-variance/

Roberto Salvatierra. (2018). Prueba de Tukey - Explicación, Ejemplo en Minitab y Excel.


Recuperado de https://www.youtube.com/watch?v=hz3fuGVm2js