DISEÑOS EXPERIMENTALES

ANALISIS DE VARIANZA EN DISEÑOS EXPERIMENTLES

Es una técnica matemática que permite descomponer una fuente de variación total en
sus componentes atribuibles a las fuentes de variación conocidas, mediante dicha
técnica se hallará dos componentes:
a) 𝑆𝑡2 , que estima a la varianza común (𝜎𝑒2 ) mas algo atribuible a los tratamientos:
𝜎𝑒2 + 𝜃𝑡
b) 𝑆𝑒2 , que estima a la varianza común 𝜎𝑒2

DISEÑOS COMPLETAMENTE ALEATORIOS (DCA)

El diseño completamente al azar es aquel en el cual los tratamientos son asignados en
forma aleatoria a las variables experimentales, o viceversa, sin ninguna restricción; por
lo tanto, se considera que es un diseño eficiente cundo las unidades experimentales de
las que se disponen son muy homogéneas. Debido a su simplicidad, el diseño
completamente aleatorio es usado frecuentemente.

CARACTERÍSTICAS:
a) Los tratamientos se distribuyen de manera aleatoria en todas las unidades
experimentales, y el número de repeticiones o unidades por tratamiento puede ser
igual o diferente.
b) Este diseño es útil cuando las unidades experimentales tienen una variabilidad
uniformemente repetida.
c) El DCA proporciona el máximo número de grados de libertad para la estimación del
error experimental, además no requiere estimar datos faltantes, es decir, el diseño
puede analizarse con diferente número de repeticiones por tratamiento.

MODELO ESTADÍSTICO LINEAL:

En este diseño el valor de cada unidad experimental 𝑌𝑖𝑗 se aplica según el modelo
estadístico lineal.
𝑌𝑖𝑗 = 𝜇 + 𝑟𝑖 + 𝜀𝑖𝑗 ;
𝑖 = 1,2, … , 𝑡
𝑗 = 1,2, … , 𝑟

DONDE:
𝑌𝑖𝑗 = Es una observación en la j-ésima unidad experimental, sujeto al i-ésimo tratamiento
𝑟𝑖 = Es efecto el i-ésimo tratamiento
𝜇 = Es el efecto e la media general o constante común
𝜀𝑖𝑗 = Efecto verdadero de la j-ésima unidad experimental (réplica), sujeta al i-ésimo
tratamiento (erro experimental)

Mg. Noé Coila Jallahui 1

ESQUEMA DEL DISEÑO:
Repeticiones Tratamientos
(j) 1 2 3 …… t Total

1 𝑌11 𝑌21 𝑌31 …… 𝑌𝑡1 𝑌.1

2 𝑌12 𝑌22 𝑌32 …… 𝑌𝑡2 𝑌.2

3 𝑌13 𝑌23 𝑌33 …… 𝑌𝑡3 𝑌.3

⋮ …… …… …… …… …… ……

⋮ …… …… …… …… …… ……

R 𝑌1𝑟 𝑌2𝑟 𝑌3𝑟 …… 𝑌𝑡𝑟 𝑌.𝑟

Total (t) 𝑌1. 𝑌2. 𝑌3. …… 𝑌𝑡. 𝑌..

Total (r) 𝑛1. 𝑛2. 𝑛3. …… 𝑛𝑡. 𝑛..

VENTAJAS:
a) Es simple de planificar
b) El número de repeticiones puede variar de tratamiento a tratamiento
c) Existe unos grados de libertad para estimar el error experimental
d) Es flexible en cuanto al número de repeticiones y tratamientos
e) Es útil cuando las unidades experimentales tienen una variabilidad uniforme
repartida
f) Cuando se pierde alguna parcela experimental se puede considerar que se tenía
diferente número de repeticiones por tratamiento
g) El erro experimental puede obtenerse separadamente para cada tratamiento, para
comprobar la suposición de homogeneidad del error

DESVENTAJAS:
a) Es más apropiado para pequeño número de tratamiento y para un material
experimental homogéneo y uniformemente distribuido
b) No se puede controlar el error experimental, por lo tanto, no es un diseño muy
preciso
c) Cuando se tiene diferente número de repeticiones por tratamientos, es necesario
calcular un error estándar para cada pareja e medias si se quiere comparar sus
diferencias.

Mg. Noé Coila Jallahui 2

TABLA ANVA (Fórmulas):

C.M.E
F. de V. G.L S.C C.M
Modelo I Modelo II
𝑡 𝑆𝐶𝑡𝑟𝑎𝑡 𝑡
Tratamientos t-1 𝑌𝑖.2 𝑌..2 𝑟𝑡2 𝜎 2 + 𝑟𝜎𝑟2
2
∑ − 𝑡−1 𝜎 +𝑟∑
𝑟 𝑡𝑟 𝑡−1
𝑖=1 𝑖=1

𝑡 𝑟 𝑡 𝑆𝐶𝑒𝑟𝑟𝑜𝑟
Error t(r-1) 𝑌𝑖.2 𝜎2 𝜎2
experimental ∑. ∑ 𝑌𝑖𝑗2 −∑ 𝑡(𝑟 − 1)
𝑟
𝑖=1 𝑗=1 𝑖=1

𝒕 𝒓
Total tr-1 𝒀𝟐.. ---- ---- ----
∑. ∑ 𝒀𝟐𝒊𝒋 −
𝒕𝒓
𝒊=𝟏 𝒋=𝟏

√𝐶𝑀𝑒𝑟𝑟𝑜𝑟
𝐶. 𝑉 = 𝑌̅
∗ 100
𝑌..2
𝑇𝐶 = 𝑡𝑟
, 𝑌 =Gran Total
Dónde:
F. de V. = Fuente de Variación
G.L = Grados de Libertad
S.C = Suma de Cuadrados
C.M = Cuadrado Medio
C.M.E = Cuadrado Medio del Error
C.V = Co – Varianza
T.C = Total de Cuadrados

OBSERVACIÓN
A) Modelo I:
Llamado modelo de análisis de varianza o de efectos fijos este modelo supone que
los 𝑡1 de una determinada sub población, son una cantidad fija, una variable no
aleatoria.
B) Modelo II:
Llamado modelo de componentes de varianza o de defectos al azar. Los
tratamientos considerados dentro de un experimento se asumen como una muestra
al azar extraída desde una población de tratamientos.

PROCEDIMINETO PARA LA PRUEBA ESTADÍSTICA DE HIPÓTESIS

I) La hipótesis a probarse es:
𝐻0 : 𝜏𝑖 = 0
𝐻𝑎 : 𝑛𝑜 𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝑟𝑖 = 0

II) Nivel de Significancia: 𝛼 = 0.05 ó 𝛼 = 0.01

𝐶𝑀
III) Estadística de Prueba: 𝐹𝐶 = 𝐶𝑀𝑡𝑟𝑎𝑡
𝑒𝑟𝑜𝑟

Mg. Noé Coila Jallahui 3

IV) Regla de Decisión:
𝑛1
a) Si 𝐹𝑐 ≤ 𝐹𝑛2,𝛼
1 𝑛
b) Si 𝐹𝑐 > 𝐹𝑛2,0.05 , se rechaza la 𝐻0 , representándose por un asterisco (*), lo
cual significa que la prueba es significativa.
𝑛1
c) 𝐹𝑐 > 𝐹𝑛2,0.01 , se rechaza la 𝐻0 , representándose por dos asteriscos (**), lo
cual significa que a la prueba es altamente significativa

EJERCICIO 01:
Un empresario va a decidir la compra de 4 máquinas de marcas de diferentes para su
uso en una producción específica. Por esto, utilizo cada máquina al azar para procesar 6
unidades del producto registrando los tiempos por unidad en segundos, resultando así
el experimento completamente al azar. Los datos observados de las 4 muestras
independientes se listan a continuación.

Tabla: Y= Tiempos empleados en la producción

Unidad de A= Máquinas
producción
Marca 1 Marca 2 Marca 3 Marca 4

1 55 60 64 42

2 46 58 62 45

3 45 68 51 52

4 73 58 57 44

5 50 63 65 42

6 63 52 68 50

a) Realice un análisis descriptivo de las muestras utilizando una gráfica de líneas de las
medias de las muestras con el objetivo de ver si existan indicios de medias
poblacionales distintas.
b) Con el nivel de significancia 𝛼 = 0.01, pruebe la hipótesis de las maquinas que
utilizan la misma velocidad media para procesar el producto.

Solución:

Unidad de Máquinas Total

producción Marca 1 Marca 2 Marca 3 Marca 4
1 55 60 64 42 221

2 46 58 62 45 211

3 45 68 51 52 216

Mg. Noé Coila Jallahui 4

 4 73 58 57 44 232

5 50 63 65 42 220

6 63 52 68 50 233

Total 𝑌𝑖. 332 359 367 275 𝑌.. = 1333

𝑛𝑖 = 𝑟 6 6 6 6 𝑛 = 24

𝑌̅𝑖. 55.33 59.83 61.17 45.83 𝑌̅.. = 55.54

GRÁFICA DE TIEMPOS PROMEDIOS DE MAQUINAS

Medias 𝑌̅𝑖.

Máquinas

G.L de Máquina (𝐺. 𝐿𝑡𝑟𝑎𝑡 ): 𝑡 − 1 = 4 − 1 = 3

G.L de Error (𝐺. 𝐿𝑒𝑟𝑟𝑜𝑟 ): 𝑡(𝑟 − 1) = 4(6 − 1) = 20
G.L de Total (𝐺. 𝐿𝑡𝑜𝑡𝑎𝑙 ): 𝑡𝑟 − 1 = (4 ∗ 6) − 1 = 23

a) Total de cuadrados
𝑌..2 (1333)2
𝑇𝐶 = 𝑡𝑟
= 4∗6
= 74037.042
b) Suma de Cuadrados (SC) de Máquinas
∑ 𝑌𝑖.2 (332)2+(359)2 +(367)2 +(275)2
𝑆𝐶𝑡𝑟𝑎𝑡. = − 𝑇𝐶 = − 74037.042
𝑟 6
𝑆𝐶𝑡𝑟𝑎𝑡. = 74903.167 − 74037.042 = 866.125

c) Suma de Cuadrados del total

𝑡 𝑟

𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = ∑. ∑ 𝑌𝑖𝑗2 − 𝑇𝐶 = (55)2 + (46)2 + ⋯ + (42)2 + (50)2 − 74037.042

𝑖=1 𝑗=1
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 75591 − 74037.042 = 1883.958
d) Suma de Cuadrados del error
𝑆𝐶𝑒𝑟𝑟𝑜𝑟 = 𝑆𝐶𝑡𝑜𝑡𝑎𝑙 − 𝑆𝐶𝑡𝑟𝑎𝑡
𝑆𝐶𝑒𝑟𝑟𝑜𝑟 = 1883.958 − 866.125 = 1017.833

Mg. Noé Coila Jallahui 5

TABLA ANVA (Análisis de Varianza)

F. de V. G.L S.C C.M F.C

Trat. 3 866.125 288.708

Error 20 1017.833 50.892 5.673

Total 23 1883.958 --- ---

1) La hipótesis a probar
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 ó (𝛼1 = 0), 𝜇𝑖 = 𝑣𝑒𝑙𝑜𝑐𝑖𝑎𝑑 𝑚𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑚á𝑞𝑢𝑖𝑛𝑎
𝐻𝑎 : 𝜇1 ≠ 𝜇2 ≠ 𝜇3 ≠ 𝜇4 ó (𝛼1 ≠ 0)
2) Nivel de significancia
𝛼 = 0.01

3) Prueba estadística
𝐶𝑀 288.7.8
𝐹𝐶 = 𝐶𝑀 𝑡𝑟𝑎𝑡. = 50.892
= 5.673
𝑒𝑟𝑟𝑜𝑟
4) Decisión:
3
𝑆𝑖 𝐹𝐶 > 𝐹20,0.01 ⟹ 5.673 > 4.94
𝐹0.99,3,20
5) Conclusión
Por lo tanto se puede decir que la 𝐻0 se rechaza, entonces el factor máquina
tiene el efecto significativo sobre el tiempo necesario para realizar la
producción, existen diferencias significativas entre las medias de las máquinas.

EJERCICIO 02:
Cuatro empresas 𝐸1 , 𝐸2 , 𝐸3 , 𝐸4 necesitan trabajadores de Contabilidad o
Administración en Marketing y convocan a un concurso para que trabajen en sus
empresas, para ello evalúan las calificaciones y se extraen al azar una muestra de
calificaciones de cada concursante, resultando la siguiente tabla de datos.

Empresarios

𝐸1 𝐸2 𝐸3 𝐸4

12 14 13 10

11 16 12 14

09 13 08 17

17 18 11 14

17 12 15

12

Mg. Noé Coila Jallahui 6

 a) Realice un análisis descriptivo de las muestras utilizando una gráfica de líneas de las
medias de las muestras con el objetivo de ver si existe extracción al azar, de una
muestra de calificaciones de cada concursante
b) Al nivel de significación 𝛼 = 0.05, ¿se puede concluir que existen diferencias
significativas en las calificaciones obtenidas con los 4 empresarios?

Solución:

Concursantes Empresarios Total

𝐸1 𝐸2 𝐸3 𝐸4

1 12 14 13 10 49

2 11 16 12 14 53

3 09 13 08 17 47

4 17 18 11 14 60

5 17 12 15 44

6 12 12

Total 𝑌𝑖. 49 90 56 70 𝑌.. = 265

𝑛𝑖 = 𝑟 4 6 5 6 𝑛 = 20

𝑌̅𝑖. 12.25 15.0 11.2 14.0 𝑌̅.. = 13.25

a) GRAFICA DE CALIFICACIÓN DE CADA CONCURSANTE

𝑌̅𝑖.

EMPRESARIOS

Mg. Noé Coila Jallahui 7

b) Grados de libertad
𝐺. 𝐿𝑡𝑟𝑎𝑡 : 𝑡 − 1 = 4 − 1 = 3

𝐺. 𝐿𝑒𝑟𝑟𝑜𝑟 : 𝑡(𝑟 − 1) = 4(6 − 1) = 20

𝐺. 𝐿𝑡𝑜𝑡𝑎𝑙 : 𝑡𝑟 − 1 = (4 ∗ 6) − 1 = 23

c) Factor de corrección
𝑌..2 (265)2
𝑇𝐶 = 𝑡𝑟
= 4∗6
= 2926.04

d) Suma de Cuadrados
∑ 𝑌𝑖.2 (49)2 (90)2 (56)2 (70)2
𝑆𝐶𝑡𝑟𝑎𝑡. = − 𝑇𝐶 = + + + − 2926.04
𝑟 4 6 5 5
𝑆𝐶𝑡𝑟𝑎𝑡. = 600.25 + 1350 + 627.2 + 980 − 2926.04
𝑆𝐶𝑡𝑟𝑎𝑡. = 631.41

e) Suma de cuadrados del total

𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = ∑𝑡𝑖=1. ∑𝑟𝑗=1 𝑌𝑖𝑗2 − 𝑇𝐶 = (12)2 + (11)2 + ⋯ + (14)2 + (15)2 − 2926.04
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 3661 − 2926.04
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 734.96
TABLA DE ANVA
F. de V. G.L S.C C.M F.C

Trat. 3 631.41 210.47 40.65

Error 20 103.55 5.1775
Total 23 734.96 ….

1) Hipótesis a probar:
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 ó (𝛼𝐼 = 0), 𝑝𝑎𝑟𝑎 𝑖 = 1,2,3,4
𝐻𝑎 : 𝜇1 ≠ 𝜇2 ≠ 𝜇3 ≠ 𝜇4 ó (𝛼𝑖 ≠ 0)
2) Nivel de significancia:
𝛼 = 0.05 = 5% ⇒ 95%
3) Prueba estadística:
𝐶𝑀𝑡𝑟𝑎𝑡. 210.47
𝐹𝐶 = = = 40.65
𝐶𝑀𝑒𝑟𝑟𝑜𝑟 5.1775
4) Decisión:
3
𝑆𝑖 𝐹𝐶 > 𝐹0.95,20 ⟹ 40.65 >
5) Conclusión:
Por lo tanto se puede decir que la 𝐹𝐶 = 40.65 > se rechazará la 𝐻0 , por lo
tanto el factor de los 4 empresarios no tiene efecto sobre la calificación del
resultado final de los concursantes.
Nota:
Si la 𝐹𝐶 > 𝐹𝑡 , Se aceptará la 𝐻𝑎
Si la 𝐹𝑐 < 𝐹𝑡 , Se rechazará la 𝐻𝑎 , y se aceptará la 𝐻0

Mg. Noé Coila Jallahui 8

EJERCICIO 03:

En una empresa de negocios internacionales en México, se estudió a 5 instituciones de

negocios, los cuales constituían una muestra de reparación en la región y en cada
empresa fueron elegidos al azar a 10 trabajadores para verificar su rendimiento y
desempeño en dicha empresa, con la información obtenida se verifico lo que se buscaba
de dichos trabajadores.
Veamos los datos de información en la siguiente tabla de los trabajadores y las
instituciones.

(Tratamientos) Instituciones
Trabajadores 1 2 3 4 5
1 145 138 135 131 153

2 150 147 146 135 148

3 162 137 153 145 148

4 145 150 157 156 140

5 151 135 140 154 148

6 158 150 154 140 152

7 146 157 150 128 138

8 150 150 133 145 149

9 160 154 132 135 135

10 155 130 147 131 157

Total 1522 1448 1447 1400 1468 𝑌.. = 7285

GRADOS DE LIBERTAD
Grados de Libertad de Instituciones (𝐺. 𝐿𝑡𝑟𝑎𝑡 ): t-1 = 5-1 = 4
Grados de Libertad de trabajadores (𝐺. 𝐿𝑒𝑟𝑟𝑜𝑟 ): t(r-1) = 5(9) = 45
Grados de Libertad del total (𝐺. 𝐿𝑡𝑜𝑡𝑎𝑙 ): tr-1 = 5*10-1=49

a) TOTAL DE CUADRADOS
𝑌..2 (7285)2
𝑇𝐶 = 𝑡𝑟
= 5(10)
= 1061424.5
b) SUMA DE CUADRADOS
𝑌𝑖.2 15222 +14482 +14472 +14002 +14682
𝑆𝐶𝑡𝑟𝑎𝑡 = ∑𝑡𝑖=1 𝑟
− 𝑇𝐶 = 10
− 1061424.5
𝑆𝐶𝑡𝑟𝑎𝑡 = 777.60

Mg. Noé Coila Jallahui 9

c) SUMA DE CUADRADOS DEL TOTAL
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = ∑𝑡𝑖=1. ∑𝑟𝑗=1 𝑌𝑖𝑗2 − 𝑇𝐶 = 1452 + 1502 + ⋯ + 1352 + 1572 − 1061424.5
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 1065351 − 1061424.5 = 3926050

d) SUMA DE CUADRADOS DEL ERROR

𝑆𝐶𝑒𝑟𝑟𝑜𝑟 = 𝑆𝐶𝑡𝑜𝑡𝑎𝑙 − 𝑆𝐶𝑡𝑟𝑎𝑡 = 3926.50 − 777.60 = 3148.90

TABLA ANVA PARA TRABAJADORES DE LAS INTITUCIONES

F. de V. G.L S.C C.M F.C C.M.E

Tratamientos 4 777.60 194.40 2.78 𝜎𝑒2 + 10𝜎𝑡2

Error Experimental 45 3184.90 69.98 𝜎𝑒2

Total 49 3926.50

CONCLUSIÓN

Como 𝐹𝐶 > 𝐹𝑇 = 2.57 entonces existen evidencias estadísticas significativas (𝑝 ≤

0.05) entre las empresas de negocios internacionales y las instituciones estudiadas junto
con los trabajadores del estudio que se acaba de realizar.

DISEÑO BLOQUE COMPLETAMENTE AL AZAR (DBCA)

Este diseño es más ampliamente conocido y difundido de los diseños estadísticos, se

caracteriza por que los tratamientos se distribuyen en forma aleatoria a un grupo de
unidades experimentales denominados bloques, la finalidad es que las unidades
experimentales dentro de un bloque sean lo más homogéneas posibles.
Los bloques pueden estar formados por áreas homogéneas de un terreno, grupo de
animales que puedan manipularse en forma uniforme (una misma raza, misma edad,
mismo peso, etc.)
La variabilidad natural existente entre las unidades experimentales puede ser
subdividida por el hecho a haber agrupado las unidades experimentales en grupos
heterogéneos (Bloques) pero conformados por unidades homogéneas.
Así parte de lo que es la variabilidad natural de las unidades que puede ser distribuida a
algo conocido como bloques y otra parte seguirá siendo variabilidad natural de las
unidades experimentales.

Los bloques o repeticiones pueden ser: días, observadores, animales, pacientes,

colegios, clones, laboratorios, estafas, cámaras de crecimiento. etc. Así este diseño
podría ser usado para controlar una fuente de variación en el material experimental y
no solamente la variación entre bloques en un campo.

Mg. Noé Coila Jallahui 10

Ejemplo 1:
Si se tiene un terreno con diferentes niveles dependientes, para instalar un
experimento se podría distribuir del siguiente modo en un ensayo de 4 tratamientos:

Bloque 1: mayor pendiente del terreno

𝑇1 𝑇2 𝑇3 𝑇4

Bloque 2: pendiente media del terreno

𝑇3 𝑇1 𝑇4 𝑇2

Bloque 3: poca pendiente del terreno

𝑇4 𝑇3 𝑇1 𝑇2

Ejemplo 2:
Se tiene tres empresas diferentes, pero de la misma empresa se podría bloquear en
forma similar, así en un experimento de cuatro tratamientos.

Bloque 1: Empresa 1

𝑇1 𝑇2 𝑇3 𝑇4

Bloque 2: Empresa 2

𝑇3 𝑇1 𝑇4 𝑇2

Bloque 3: Empresa 3

𝑇4 𝑇3 𝑇1 𝑇2

VENTAJAS:

1) PRECISIÓN:
Este diseño da resultado más preciso que el diseño completo al azar, para la mayoría
de los tratamientos experimentales. La eliminación de la suma de cuadrados del
bloque desde la suma de cuadrados del error usualmente resulta en un
decrecimiento en el cuadrado medio del error a pesar de la pérdida de grados de
libertad para estimar el error. Permite ganar mayor precisión en el experimento,
principalmente cuando existen diferencias significativas entre bloques.

Mg. Noé Coila Jallahui 11

2) FLEXIBILIDAD:
No existe una restricción en relación al número de tratamientos y de repeticiones
sin embargo el aumento del número de tratamientos conlleva a la pérdida de
homogeneidad dentro de bloques.
Es un diseño bastante usado por su adaptabilidad, recomendándose generalmente
más de tres bloques y por lo menos dos tratamientos por bloque. Es factible realizar
el análisis experimental, cuando por alguna causa se hubiera perdido algún bloque.
Además si el resultado es una unidad experimental no se llegaría a registrar (pérdida
de la unidad experimental), existen técnicas estadísticas simples para poder estimar
los resultados.

DESVENTAJAS:
1) La desventaja de este diseño es que no es adecuado a gran número de tratamientos
y para los casos en que el bloque contenga considerable variabilidad.
2) Cuando existen pérdidas de muchas unidades experimentales, el análisis estadístico
se complica seriamente y muchas veces no es posible analizarlo.
3) No es recomendable utilizar este diseño cuando se verifica que existe iteración
entre bloques y tratamientos.

MODELO ESTADÍTICO LINEAL DEL DBCA:

𝑌𝑖𝑗 = 𝜇.. + 𝜏𝑖 + 𝛽𝑖𝑗 + 𝜀𝑖𝑗 ; 𝑖 = 1,2,3, … , 𝑡 (𝑡=tratamientos)
𝑋𝑖𝑗 = 𝜇 + 𝛼𝑖 + 𝛽𝑗 + 𝜀𝑖𝑗 ; 𝑖 = 1,2,3, … , 𝑟 (𝑟=bloques o repeticiones)
Dónde:
𝑌𝑖𝑗 = variable de respuesta observada con el j-ésimo bloque que recibe el i-ésimo
tratamiento.
𝜇 = media poblacional
𝜏𝑖 = es el efecto del tratamiento “𝑖”: (𝜇𝑖. − 𝜇.. )
𝛽𝑗 = es el efecto del bloque “𝑗”: (𝜇𝑖𝑗 − 𝜇.. )

- En el modelo I (efecto fijo) están sujetas a restricción

∑𝑡𝑖=1 𝜏𝑖 = 0 ; ∑𝑟𝑗=1 𝛽𝑗 = 0

- En el modelo II (efecto al azar) son variables aleatorias

𝜏𝑖 ~𝑁(0, 𝜎𝑡2 ); 𝛽𝑗 ~(0, 𝜎𝛽2 )
𝜀𝑖𝑗 = Término que representa el error de 𝑌𝑖𝑗 , se considera variable aleatoria distribuida
en forma normal e independiente con media cero y varianza constante esto es:
𝜀𝑖𝑗 ~𝑁(0, 𝜎𝑒2 )
HIPÓTESIS MODELO I MODELO II

Respecto a tratamientos 𝐻0 : 𝜏𝑖 = 0 𝐻0 : 𝜎𝑡2 = 0

𝐻𝑎 : 𝜏𝑖 ≠ 0 𝐻𝑎 : 𝜎𝑡2 ≠ 0

Respecto a bloques 𝐻0 : 𝛽𝑗 = 0 𝐻0 : 𝜎𝛽2 = 0

𝐻𝑎 : 𝛽𝑗 ≠ 0 𝐻𝑎 : 𝜎𝛽2 = 0

Mg. Noé Coila Jallahui 12

 ANALISIS DE VARIANZA DE DBCA

F. de V. G.L S.C C.M F.C C.M.E (II)

𝑟
Bloques 𝑟−1 𝑌.𝑗2 𝑌..2 𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒 𝐶𝑀𝑏𝑙𝑜𝑞𝑢𝑒 𝜎𝑒2 + 𝑡𝜎𝛽2
∑ − 𝑟−1 𝐶𝑀𝑒𝑟𝑟𝑜𝑟
𝑡 𝑡𝑟
𝑗=1
𝑡 𝑆𝐶𝑡𝑟𝑎𝑡. 𝐶𝑀𝑡𝑟𝑎𝑡.
Tratamientos 𝑡−1 𝑌𝑖.2 𝑌..2 𝜎𝑒2 + 𝑟𝜎𝑡2
∑ − 𝑡−1 𝐶𝑀𝑒𝑟𝑟𝑜𝑟
𝑟 𝑟𝑡
𝑖=1
Error (𝑡 − 1)(𝑟 𝑆𝐶𝑒𝑟𝑟𝑜𝑟 𝑒𝑥𝑝. = 𝑆𝐶𝑡𝑜𝑡𝑎𝑙 𝑆𝐶𝑒𝑟𝑟𝑜𝑟 𝜎𝑒2
experimental − 1) − (𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒 (𝑡 − 1)(𝑟 − 1)
+ 𝑆𝐶𝑡𝑟𝑎𝑡 )

𝒕 𝒓
Total 𝒕𝒓 − 𝟏
∑. ∑ 𝒀𝟐𝒊𝒋 − 𝑻𝑪
𝒊=𝟏 𝒋=𝟏

𝑌..2
𝑇𝐶 =
𝑡𝑟

𝑆𝐶𝑒𝑟𝑟𝑜𝑟 = 𝑆𝐶𝑡𝑜𝑡𝑎𝑙 − (𝑆𝐶𝑡𝑟𝑎𝑡. + 𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒 )

√𝐶𝑀𝑒𝑟𝑟𝑜𝑟
𝐶𝑉. = ̅ ..
𝑌
∗ 100
𝑡𝑟
EJERCICIO 01:
La estructura financiera de una firma se refiere a la forma en que se dividen sus activos
de la empresa por debe y haber, y el apalancamiento financiero se refiere al porcentaje
de activos financiados por deuda. En un estudio financiero se afirma que el
apalancamiento financiero puede utilizarse para aumentar la tasa de rendimiento sobre
la inversión, es decir que los accionistas pueden recibir rendimientos más altos con la
misma cantidad de inversión gracias a su uso, los siguientes datos muestran las tasas de
rendimiento utilizando tres niveles diferentes de apalancamiento financiero a un nivel
de control (deuda cero) de 20 empresas seleccionada al azar.

Deuda cero:
CONTROL BAJO MEDIO ALTO

𝑇2 = 2.0 𝑇4 = 3.2 𝑇2 = 4.5 𝑇1 = 7.9

𝑇4 = 4.2 𝑇2 = 7.4 𝑇3 = 11.6 𝑇3 = 5.8

𝑇1 = 4.6 𝑇1 = 2.0 𝑇5 = 6.8 𝑇2 = 6.8

𝑇3 = 6.8 𝑇5 = 4.0 𝑇1 = 7.0 𝑇5 = 11.0

𝑇5 = 1.6 𝑇3 = 1.8 𝑇4 = 6.0 𝑇4 = 9.2

Mg. Noé Coila Jallahui 13

 a) Realice un análisis descriptivo de los experimentos demostrando en una gráfica de
líneas de las medias, con el objetivo de ver si existe alguna significancia en los 4
niveles de apalancamiento financiero.
b) ¿Existen diferencias reales entre las medias de los 4 niveles de rendimiento al nivel
de significación del 1% y 5%?
c) Halle la covarianza para los 4 niveles de rendimiento

SOLUCIÓN:
El modelo de este diseño es: 𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + 𝜀𝑖𝑗 donde:
𝜏𝑖 = es el nivel de apalancamiento 𝑖 = 1,2,3,4,5
𝛽𝑗 = es el bloque de taza de rendimiento financiero 𝑗 = 1,2,3,4,5

BLOQUES NIVEL DE APALANCAMIENTO TOTAL DE MEDIA DE

CONTROL BAJO MEDIO ALTO BLOQUE 𝑌.𝑗 BLOQUE 𝑌̅.𝑗

1 4.6 2.0 7.0 7.9 21.5 5.375

2 2.0 7.4 4.5 6.8 20.7 5.175

3 6.8 1.8 11.6 5.8 26.0 6.5

4 4.2 3.2 6.0 9.2 22.6 5.65

5 1.6 4.0 6.8 11.0 23.4 5.85

Total 𝑌𝑖. 19.2 18.4 35.9 40.7 𝑌.. = 114. .2

Medias 𝑌̅𝑖. 3.84 3.68 7.18 8.14 𝑌̅.. = 5.71

N=20

A) GRÁFICA

𝑌̅𝑖.

NIVEL DE APALANCAMIENTO

Mg. Noé Coila Jallahui 14

GRADOS DE LIBERTAD

𝐺. 𝐿𝐵𝑙𝑜𝑞𝑢𝑒𝑠 : 𝑟 − 1 = 5 − 1 = 3

𝐺. 𝐿 𝑇𝑟𝑎𝑡. : 𝑡 − 1 = 4 − 1 = 3

𝐺. 𝐿𝑒𝑟𝑟𝑜𝑟 𝑒𝑥𝑝. : (𝑟 − 1)(𝑡 − 1) = (5 − 1)(4 − 1) = (4)(3) = 12

𝐺. 𝐿 𝑇𝑜𝑡𝑎𝑙 : 𝑡𝑟 − 1 = 4(5) − 1 = 19

TOTAL DE CUADRADOS

𝑌..2 (114.2)2
𝑇𝐶 = = = 652.082
𝑡𝑟 4∗5

SUMA DE CUADRADOS PARA BLOQUES

𝑌.𝑗2 𝑌2 (21.5)2 +(20.7)2 +(26.0)2 +(22.6)2 +(23.4)2
𝑆𝐶𝐵𝑙𝑜𝑞𝑢𝑒𝑠 = ∑𝑟𝑗=1 𝑡
− 𝑡𝑟.. = 4
− 652.082
𝑆𝐶𝐵𝑙𝑜𝑞𝑢𝑒𝑠 = 4.183
SUMA DE CUADRADOS PARA TRATAMIENTOS
∑ 𝑌𝑖.2 (19.2)2 +(18.4)2 +(35.9)2 +(40.7)2
𝑆𝐶𝑡𝑟𝑎𝑡. = − 𝑇𝐶 = − 652.082
𝑟 5
𝑆𝐶𝑡𝑟𝑎𝑡. = 730.5 − 652.082
𝑆𝐶𝑡𝑟𝑎𝑡. = 78.418

SUMA DE CUADRADOS DEL TOTAL

5 4

𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = ∑. ∑ 𝑌𝑖𝑗2 − 𝑇𝐶
𝑖=1 𝑗=1
= (4.6)2 + (2.0)2 + (6.8)2 + (4.2)2 + (1.6)2 + ⋯ + (11.0)2
− 652.082
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 813.82 − 652.082
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 161.738

𝑆𝐶𝐸𝑟𝑟𝑜𝑠 𝑒𝑥𝑝 = 𝑆𝐶𝑇𝑜𝑡𝑎𝑙 − (𝑆𝐶𝐵𝑙𝑜𝑞𝑢𝑒 + 𝑆𝐶𝑡𝑟𝑎𝑡. )

𝑆𝐶𝐸𝑟𝑟𝑜𝑠 𝑒𝑥𝑝 = 161.738 − (4.183 + 78.418)
𝑆𝐶𝐸𝑟𝑟𝑜𝑠 𝑒𝑥𝑝 = 79.137

TABLA DE ANOVA

F. de V. G.L S.C C.M F.C

Bloques (A) 4 4.183 1.046 𝐹𝑐𝐴 = 0.158

Tratamientos (B) 3 78.418 26.139 𝐹𝑐𝐴 = 3.963
Error Experimental 12 79.137 6.595
TOTAL 19 161.738 ….

Mg. Noé Coila Jallahui 15

 B)

1) Hipótesis a probar:

𝐻0 : 𝛼𝑖 = 0, ∀ 𝑖 = 1,2,3,4 (𝑙𝑜𝑠 𝑎𝑝𝑎𝑙𝑎𝑛𝑐𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜𝑠 𝑠𝑜𝑛 𝑛𝑢𝑙𝑜𝑠)

𝐻𝑎 : 𝛼𝑖 ≠ 0 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜𝑠 𝑑𝑒 𝑙𝑜𝑠 𝛼𝑖 𝑛𝑜 𝑒𝑠 𝑛𝑢𝑙𝑜

2) Nivel de significancia:

𝛼 = 1% ⟹ 0.01 ⟹ 99% = 0.99

𝛼 = 5% ⟹ 0.05 ⟹ 95% = 0.95

2) Prueba estadística:
𝐶𝑀𝐵 1.046
𝐹𝐶𝐴 = 𝐶𝑀 = 6.595 = 0.158
𝐸 𝑒𝑥𝑝.
𝐶𝑀 26.139
𝐹𝐶𝐵 = 𝐶𝑀 𝑇𝑟𝑎𝑡. = 6.595
= 3.963
𝐸.𝑒𝑥𝑝.

3) Decisión:
4
𝑆𝑖 𝐹𝐶𝐴 > 𝐹0.99,4,12 = 5.41 ⟹ 𝐹𝐶𝐴 = 0.158 > 𝐹0.99,12 = 5.41
3
𝑆𝑖 𝐹𝐶𝐵 > 𝐹0.05,3,12 = 3.49 ⟹ 𝐹𝐶𝐵 = 3.963 > 𝐹0.05,12 = 3.49

4) Conclusión:

4
Podemos decir que en 𝐹𝐶𝐴 = 0.158 > 𝐹0.99,12 = 5.41, se debe aceptar la 𝐻0
concluyendo que al menos uno de los apalancamientos financieros es igual.
3
Dado que 𝐹𝐶𝐵 = 3.49 > 𝐹0.05,12 = 3.49, se debe aceptar la 𝐻𝑎 concluyendo que
al menos uno de los apalancamientos financieros es diferente.

EJERCICIO 02:

Se realizó un estudio para comprobar el rendimiento de cinco variedades de arroz

(𝐴1 , 𝐴2 , 𝐴3 , 𝐴4 , 𝐴5 ). Para el experimento se disponían de cuatro lugares de siembra de
igual tamaño y fertilidad en SAN MARTÍN. Cada lugar fue dividido en cinco parcelas
iguales y se sembró las cinco variedades de arroz en las cinco parcelas de cada lugar,
asignando aleatoriamente, una variedad a una parcela, consiguiendo así un diseño
experimental aleatorizado por bloques. Se registran los siguientes rendimientos en
cientos de kilogramos.

LUGAR 1 LUGAR 2 LUGAR 3 LUGAR 4

A2 =15 A5=8 A3=7 A4=13

A1=12 A3=7 A2=14 A5=7

A5=13 A1=7 A4=12 A3=6

A4=16 A2=12 A5=8 A1=6

A3=11 A4=12 A1=8 A2=10

Mg. Noé Coila Jallahui 16

 a) Realice un análisis descriptivo de los experimentos utilizando una gráfica de líneas
de las medias, con el objetivo de ver si existe alguna significación en las 5 variedades
de arroz en cinco parcelas iguales.
b) ¿Es válida la conclusión de que no existen diferencias significativas en los
rendimientos de las cinco variedades de arroz? Use el nivel de significancia 𝛼 = 5%.
c) ¿Fue este diseño por bloques el adecuado para la experimentación? Aplique 𝛼 =
0.05

SOLUCIÓN:
El modelo de este diseño es: 𝑌𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + 𝜀𝑖𝑗 donde:
𝜏𝑖 = es el efecto de la variedad de arroz 𝑖, 𝑖 = 1,2,3,4,5
𝛽𝑗 = es efecto del bloque el terreno 𝑗, 𝑗 = 1,2,3,4

TABLA: Y=Rendimiento de variedades de arroz por bloques

Lugares Variedades de arroz Total de Media de
(bloques) A1 A2 A3 A4 A5 bloque 𝑌.𝑗 bloque 𝑌̅.𝑗

1 12 15 11 16 13 67 13.4

2 7 12 7 12 8 46 9.2

3 8 14 7 12 8 49 9.8

4 6 10 6 13 7 42 8.4

Total 𝑌𝑖. 33 51 31 53 36 𝑌.. = 204

Medias 𝑌̅𝑖. 8.25 12.75 7.75 13.25 9.0 𝑌̅.. = 10.2

N=20

a) Gráfica:

̅𝑌𝑖.

Variedad de arroz

Mg. Noé Coila Jallahui 17

 GRADOS DE LIBERTAD

𝐺. 𝐿𝐵𝑙𝑜𝑞𝑢𝑒𝑠 : 𝑟 − 1 = 4 − 1 = 3

𝐺. 𝐿 𝑇𝑟𝑎𝑡. : 𝑡 − 1 = 5 − 1 = 4

𝐺. 𝐿𝑒𝑟𝑟𝑜𝑟 𝑒𝑥𝑝. : (𝑟 − 1)(𝑡 − 1) = (4 − 1)(5 − 1) = (3)(4) = 12

𝐺. 𝐿 𝑇𝑜𝑡𝑎𝑙 : 𝑡𝑟 − 1 = 5(4) − 1 = 19

TOTAL DE CUADRADOS
𝑌..2 (204)2
𝑇𝐶 = 𝑡𝑟
= 4∗5
= 2080.8

SUMA DE CUADRADOS PARA BLOQUES

𝑌.𝑗2 𝑌2 (67)2 +(46)2 +(49)2 +(42)2
𝑆𝐶𝐵𝑙𝑜𝑞𝑢𝑒𝑠 = ∑𝑟𝑗=1 𝑡
− 𝑡𝑟.. = 5
− 73.2

SUMA DE CUADRADOS PARA TRATAMIENTOS

∑ 𝑌𝑖.2 (33)2 +(51)2 +(31)2 +(53)2 +(36)2
𝑆𝐶𝑡𝑟𝑎𝑡. = − 𝑇𝐶 = − 2080.8 = 108.2
𝑟 4

SUMA DE CUADRADOS DEL TOTAL

𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = ∑5𝑖=1. ∑4𝑗=1 𝑌𝑖𝑗2 − 𝑇𝐶 = 122 + 72 + 82 + 62 + 152 + 122 + 142 + 102 +
112 + 72 + 72 + 62 + 162 + 122 + 122 + 132 + 132 + 82 + 82 + 72 − 2080.8
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 144 + 49 + 64 + 36 + 225 + 144 + 196 + 100 + 121 + 49 + 49 + 36
+ 256 + 144 + 144 + 169 + 169 + 64 + 64 + 49 − 2080.8
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 2272 − 2080.8
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 191.2
𝑆𝐶𝐸𝑟𝑟𝑜𝑠 𝑒𝑥𝑝 = 𝑆𝐶𝑇𝑜𝑡𝑎𝑙 − (𝑆𝐶𝐵𝑙𝑜𝑞𝑢𝑒 + 𝑆𝐶𝑡𝑟𝑎𝑡. )
𝑆𝐶𝐸𝑟𝑟𝑜𝑠 𝑒𝑥𝑝 = 191.2 − (73.2 + 108.2)
𝑆𝐶𝐸𝑟𝑟𝑜𝑠 𝑒𝑥𝑝 = 9.8
TABLA DE ANOVA O ANÁLISIS DE VARIANZA:
F. de V. G.L S.C C.M F.C

Bloques (Lugares A) 3 73.2 24.400 𝐹𝐴 = 29.865

Tratamientos (Variedad de arroz 4 108.2 27.050 𝐹𝐴 = 33.109
B)
Error Experimental 12 9.8 0.817
TOTAL 19 191.2 ….

b)

1) Hipótesis a probar:

𝐻0 : 𝛼𝑖 = 0 ∀ 𝑖 =
1,2,3,4 (𝑙𝑜𝑠 𝑒𝑓𝑒𝑐𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑒𝑑𝑎𝑑𝑒𝑠 𝑑𝑒 𝑎𝑟𝑟𝑜𝑧 𝑠𝑜𝑛 𝑛𝑢𝑙𝑜𝑠)
𝐻𝑎 : 𝛼𝑖 ≠ 0 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑜𝑠 𝑑𝑒 𝑙𝑜𝑠 𝛼𝑖 𝑛𝑜 𝑒𝑠 𝑛𝑢𝑙𝑜

Mg. Noé Coila Jallahui 18

2) Nivel de significancia:
𝛼 = 5% = 0.05 ⇒ 95%

3) Prueba estadística:
𝐶𝑀𝐴 24.400
𝐹𝐶𝐴 = 𝐶𝑀 = 0.817
= 29.865
𝐸 𝑒𝑥𝑝.
𝐶𝑀𝑇𝑟𝑎𝑡. 27.050
𝐹𝐶𝐵 = = = 33.109
𝐶𝑀𝐸 𝑒𝑥𝑝. 0.817

4) Decisión:

3
𝑆𝑖 𝐹𝐶𝐴 > 𝐹0.95,3,12 = 3.49 ⟹ 𝐹𝐶𝐴 = 29.865 > 𝐹0.95,12 = 3.49
3
𝑆𝑖 𝐹𝐶𝐵 > 𝐹0.95,4,12 = 3.26 ⟹ 𝐹𝐶𝐵 = 33.109 > 𝐹0.95,12 = 3.26

5) Conclusión:

3
Podemos decir que en 𝐹𝐶𝐴 = 29.865 > 𝐹0.95,12 = 3.49, se debe aceptar la 𝐻𝑎
concluyendo que al menos uno de los lugares de siembra produce efectos en la
producción.
3
Dado que 𝐹𝐶𝐵 = 33.109 > 𝐹0.95,12 = 3.26, se debe rechazar la 𝐻0 y se concluye
que el manos una de las variedades de arroz produce efecto en el rendimiento o al
menos una de las medias de rendimiento e diferente al promedio global.

c) Respuesta:
3
Por otro lado como 𝐹𝐴 = 29.865 > 𝐹0.95,3,12 = 3.49, 𝑦 𝐹𝐵 = 33.109 > 𝐹0.95,12 =
3.26 entonces podemos concluir que al menos de los lugares de siembra produce
efectos en la producción, esto, en el diseño por boques ha sido el adecuado para
la experimentación.

EJERCICIO 03:

Se ensayó en departamento de Puno (provincia de Ilave), las diferentes variedades de

trigo primaveral, para esto se condujo como tratamientos las siguientes variedades:
Huanca, Pachacútec, Bucks – Chrc’s y testigo, con tres repeticiones por tratamiento, los
rendimientos están dados en gramos, tal como se presentan en el siguiente cuadro.

Bloque Variedades Total 𝑌𝑖𝑗

Huanca Pachacútec Bucks – Chrc’s testigo
I 595.40 563.80 433.25 423.70 2016.15

II 537.95 484.40 622.35 529.65 2174.35

III 738.00 543.55 530.25 352.00 2163.80

𝑌𝑖. 1871.35 1591.75 1585.85 1305.35 𝑌.. = 6354.30

Mg. Noé Coila Jallahui 19

 GRADOS DE LIBERTAD
Bloques: 𝑟 − 1 = 3.1 = 2
Tratamientos: 𝑡 − 1 = 4-1 = 3
Error Experimental: (𝑡 − 1)(𝑟 − 1) =(3-1)(4-1)= 2*3 = 6
Total: 𝑡𝑟 − 1 = 4*3-1 = 11

SUMA DE CUADRADOS:
1) Total de Cuadrados
𝑌..2 6354.302
𝑇𝐶 = 𝑡𝑟
= 4∗3
= 3364760.708
2) Suma de Cuadrados para Bloques
𝑌.𝑗2 𝑌2 2016.152 +2174.352 +2163.802
𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒𝑠 = ∑𝑟𝑗=1 𝑡
− 𝑡𝑟.. = 4
− 3364760.708
𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒𝑠 = 3911.58875

3) Suma de Cuadrados para Tratamientos

𝑌𝑖.2 𝑌..2 1871.352 +1591.752 +1585.852 +1305.352
𝑆𝐶𝑡𝑟𝑎𝑡 = ∑𝑡𝑖=1 − = − 3364760.708
𝑟 𝑟𝑡 3
𝑆𝐶𝑡𝑟𝑎𝑡 = 53398.5358

4) Suma de Cuadrados del Total

𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = ∑𝑡𝑖=1. ∑𝑟𝑗=1 𝑌𝑖𝑗2 − 𝑇𝐶
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 595.402 + 537.952 + ⋯ + 529.652 + 352.02 − 3364760.708
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 111880.0175

5) Suma de Cuadrados del Error Experimental

𝑆𝐶𝑒𝑟𝑟𝑜𝑟 𝑒𝑥𝑝. = 𝑆𝐶𝑡𝑜𝑡𝑎𝑙 − (𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒 + 𝑆𝐶𝑡𝑟𝑎𝑡 )
𝑆𝐶𝑒𝑟𝑟𝑜𝑟 𝑒𝑥𝑝. = 111880.0175 − (3911.58875 + 53398.5358) =
54569.89295

F. de V. G.L S.C C.M F.C

Bloques 2 3911.5888 1955.7944 0.22

Tratamientos 3 53398.5358 17799.5119 1.96

Error 6 54569.8929 9094.9822

Experimental
Total 11 111880.0175

CONCLUSIÓN:
No hay evidencias estadísticas de diferencia de bloques, por lo tanto, no fue necesario
bloquear, tampoco existe diferencia estadística para tratamientos en el rendimiento en
gramos de trigo.
√𝐶𝑀𝑒𝑟𝑟𝑜𝑟 √9094.9822 95.3676161
𝐶𝑉. = ̅ ..
𝑌
∗ 100 = 6354.30⁄ ∗ 100 = 529.525
∗ 100 = 18.01
𝑡𝑟
12

Mg. Noé Coila Jallahui 20

 EJERCICIO 04:
Se va a comprar 5 variedades de maíz con respecto a sus rendimientos, disponiéndose
para tal efecto de 20 parcelas experimentales, sin embargo, existe que hay tendencia
de fertilidad del suelo el norte a sur, siendo más fértiles las parcelas del norte que del
sur. Parece razonable agrupar a las parcelas en 4 grupos de 5 parcelas cada uno; es decir,
es conveniente utilizar un DBCA con 4 réplicas, los resultados se muestran en el cuadro.
Calcular el ANVA, CV.

Parcelas Variedades de maíz 𝑌𝑖𝑗

de maíz 𝑉1 𝑉2 𝑉3 𝑉4 𝑉5
I 117 119 118 120 121 595

II 121 122 116 123 128 610

III 119 125 117 125 129 615

IV 111 118 113 120 118 580

𝑌𝑖 468 484 464 488 496 2400

𝑌..2 (2400)2
𝑇𝐶 = 𝑡𝑟
= 5(4)
= 288000

GRADOS DE LIBERTAD

- 𝐺. 𝐿𝑏𝑙𝑜𝑞𝑢𝑒 = 𝑟 − 1 = 4 − 1 = 3
- 𝐺. 𝐿𝑡𝑟𝑎𝑡 = 𝑡 − 1 = 5 − 1 = 4
- 𝐺. 𝐿𝑒𝑟𝑟𝑜𝑟 = (𝑡 − 1)(𝑟 − 1) = (5 − 1)(4 − 1) = 12
- 𝐺. 𝐿𝑡𝑜𝑡𝑎𝑙 = 𝑡𝑟 − 1 = 5(4) − 1 = 19

SUMA DE CUADRADO DE BLOQUES

𝑌.𝑗2
𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒 = ∑𝑟𝑗=1 − 𝑇𝐶 = (𝑌.12 + 𝑌.22 + 𝑌.32 + 𝑌.42 )⁄5 − 𝑇𝐶
𝑡
𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒 = (595) + (610)2 + (615)2 + (580)2 ⁄5 − 𝑇𝐶
2

1440750
𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒 = 5
− 288000
𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒 = 150

SUMA DE CUADRADO DE TRATAMIENTOS

𝑌𝑖..2 𝑌 2 +𝑌 2 +𝑌 2 +𝑌 2
𝑆𝐶𝑡𝑟𝑎𝑡. = ∑𝑡=5
𝑖=1 𝑟
− 𝑇𝐶 = .1 .2 4 .3 .4 − 𝑇𝐶
(468)2 +(484)2 +(464)2 +(488)2 +(496)2
𝑆𝐶𝑡𝑟𝑎𝑡. = 4
− 𝑇𝐶
1152736
𝑆𝐶𝑡𝑟𝑎𝑡. = 4
− 288000
𝑆𝐶𝑡𝑟𝑎𝑡. = 184

Mg. Noé Coila Jallahui 21

SUMA DE CUADRADO DEL TOTAL

𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = ∑𝑡𝑖=1. ∑𝑟𝑗=1 𝑌𝑖𝑗2 − 𝑇𝐶 = ∑ 𝑌1𝐽

2 2
+ ∑ 𝑌2𝐽 2
+ ∑ 𝑌3𝐽 2
+ ∑ 𝑌4𝐽 2
+ ∑ 𝑌5𝐽 − 𝑇𝐶
2 2 2 2 2
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 𝑌11 + 𝑌12 + 𝑌13 + 𝑌14 + 𝑌15 − 𝑇𝐶
𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = (117) + (121) + ⋯ + (119)2 + (118)2 − 𝑇𝐶
2 2

𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 288338 − 288000

𝑆𝐶𝑡𝑜𝑡𝑎𝑙 = 388

SUMA DE CUADRADO DE ERROR EXPERIMENTAL

𝑆𝐶𝑒𝑟𝑟𝑜𝑟 = 𝑆𝐶𝑡𝑜𝑡𝑎𝑙 − (𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒 + 𝑆𝐶𝑡𝑟𝑎𝑡. )
𝑆𝐶𝑒𝑟𝑟𝑜𝑟 = 388 − (150 − 184)
𝑆𝐶𝑒𝑟𝑟𝑜𝑟 = 54

CUADRADOS MEDIOS
𝑆𝐶𝑏𝑙𝑜𝑞𝑢𝑒 150
𝐶𝑀𝑏𝑙𝑜𝑞𝑢𝑒 = = = 50
𝐺𝐿𝑏𝑙𝑜𝑞𝑢𝑒 3
𝑆𝐶 184
𝐶𝑀𝑡𝑟𝑎𝑡. = 𝐺𝐿𝑡𝑟𝑎𝑡. = 4 = 46
𝑡𝑟𝑎𝑡.
𝑆𝐶 54
𝐶𝑀𝑒𝑟𝑟𝑜𝑟 = 𝐺𝐿𝑒𝑟𝑟𝑜𝑟 = 12 = 4.5
𝑒𝑟𝑟𝑜𝑟

TABLA DE ANALISIS DE VARIANZA (ANVA)

F. de V. G.L S.C C.M F.C

Bloque 3 150 50 1.0870

Tratamiento 4 184 46 10.2222

Error 12 54 4.5
Experimental
Total 19 388

√𝐶𝑀𝑒𝑟𝑟𝑜𝑟 √4.5 2.1213

𝐶𝑉. = ̅ ..
𝑌
∗ 100 = 2400⁄20 ∗ 100 = 120
∗ 100
𝑡𝑟
𝐶𝑉. = 0.0177 ∗ 100 = 1.767

Completar las pruebas de hipótesis y sus gráficas:

Mg. Noé Coila Jallahui 22