UNIVERSIDAD NACIONALDETRUJILLO

FACULTAD DECIENCIAS AGROPECUARIAS

ESCUELADEINGENIERIAAGROINDUSTRIAL

MÉTODOS ESTADÍSTICOSPARALA
INVESTIGACIÓN
Tema: Diseño completamente al Azar en RStudio
Docente: Dr. Raúl Siche Jara
Integrantes:
 Mostacero Sagastegui, Janela
 Sánchez Altamirano, Johan
 Carrasco Mendoza, Girodel
 López Paredes, Frank
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

RStudio
 Es un software libre.
 Para utilizar RStudio se requiere haber
instalado R previamente.
 Es un entorno de análisis y programación
estadísticos
 Es un lenguaje de programación completo
con el que se añaden nuevas técnicas mediante
la definición de funciones.
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISEÑO COMPLETAMENTE AL AZAR

(DCA)
FACTORES CONTROLABLES

FACTORES NO CONTROLABLES
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISEÑO COMPLETAMENTE AL AZAR

(DCA)

 Método de análisis estadístico para estudiar el efecto que tienen

los niveles (o tratamientos) de un factor sobre la respuesta
observada.
 El diseño tiene j= 1,2,…, t tratamientos, que se distribuyen a
manera al azar en las unidades experimentales replicado rj veces.
 El numero de unidades experimentales es igual a rj
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

METODO LINEAL PARA UN DCA

yij=m+ti+eij j=1,2…,t
i=1,2…,rj

Donde:
yij = respuesta observada con el tratamiento i en la repetición j
m = media general
ti = efecto del tratamiento i; i=1,2,…,t
eij = termino de error asociado al tratamiento i la repetición j
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

EJEMPLO
- Numerosos factores contribuyen al funcionamiento suave de un motor eléctrico
("Increasing Market Share Through Improved Product and Process Desing: An
experimental Approach", Quality Engineering, 1991: 361-369). En particular, es
deseable mantener el ruido del motor y vibraciones a un mínimo. Para estudiar
el efecto que la marca de los cojinetes tiene en la vibración del motor, se
examinaron cinco marcas diferentes de cojinetes instalando cada tipo de
cojinete en muestras aleatorias distintas de seis motores. Se registró la cantidad
de vibración del motor( medida en micrones) cuando cada uno de los 30
motores estaba funcionando. Los datos de este estudio se dan a continuación.
Formule y pruebe las hipótesis pertinentes a un nivel de significación de 0.05 y
luego realice un análisis de comparaciones múltiples si es apropiado.
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN
Marca Vibracion
1 Marca1 13.1
2 Marca1 15.0
3 Marca1 14.0
4 Marca1 14.4
5 Marca1 14.0
6 Marca1 11.6
7 Marca 2 16.3
8 Marca 2 15.7
9 Marca 2 17.2
10 Marca 2 14.9
11 Marca 2 14.4
12 Marca 2 17.2
13 Marca3 13.7
14 Marca3 13.9
15 Marca3 12.4
16 Marca3 13.8
17 Marca3 14.9
18 Marca3 13.3
19 Marca4 15.7
20 Marca4 13.7
21 Marca4 14.4
22 Marca4 16.0
23 Marca4 13.9
24 Marca4 14.7
25 Marca5 13.5
26 Marca5 13.4
27 Marca5 13.2
28 Marca5 12.7
29 Marca5 13.4
30 Marca5 12.3
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

HIPOTESIS

H0 = Las cinco marcas producen en promedio igual P≥0.05

cantidad de vibración.
H1 = Al menos unas de las marcas produce una vibración P<0.05
promedio diferente.
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

SECUENCIA – RStudio
• Diseñar el cuadro de datos en Excel
• Guardar datos en una carpeta dentro de
Documentos (de preferencia)
• Transportar los datos a un bloc de notas
• En R elegir el directorio de trabajo
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

MEDIDAS DE POSICIÓN Y DISPERSIÓN

Media

Varianza

Desviación Estándar

Coeficiente de variación
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISTRIBUCIÓN NORMAL

Importancia

Efecto del límite

central

Robustez a la no
normalidad
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISTRIBUCIÓN NORMAL

Pruebas de Normalidad de una muestra

Pruebas Gráficas

Histograma de Frecuencias
IQR/S
Gráficos de Probabilidad normal

Pruebas Formales

Shapiro – Wilk N < 50

Kolmogorov – Smirnov N > 50
Test de D´Agostino N ≥ 10
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISTRIBUCIÓN NORMAL

Pruebas de Normalidad de una muestra

Ho = Los datos siguen una distribución normal p ≥ 0.05
Ha = Los datos no siguen una distribución normal p < 0.05

Pruebas Paramétricas
Sí

Prueba de Distribución
Normalidad normal

No No
Transformación Pruebas No Paramétricas

Sí
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN
DatosdelExperimento

Shapiro–Wilk n<50
PruebadeNormalidad Kolmogorov –Smirnov n≥50
TestdeD´Agostino n≥10
Transformación
Silosdatosvienendemuestras
transformadas,sedebecontinuar
SinDistribuciónNormal DistribuciónNormal conestosdatoshastaelfinaldel
análisisestadístico.

PruebasParamétricas
PruebasNoParamétricas
Comparacióndemedias
TestdeHomogeneidadde TestdeLevene
Varianzas

Transformación
2muestras kmuestras

Varianzas p<0.05 Varianzas p>0.05

Wilcoxon TestdeFriedman distintas iguales 1muestra
(Relacionadas) (Relacionadas)

Mann–Whitney Kruskal–Walis 2muestras Kmuestras 2muestras kmuestras PruebaT

(Independientes) (Independientes)

Kruskal–Walisó Kruskal–Walisó PruebT ANOVA

TestdeFriedman TestdeFriedman (Relacionada) (1Factor)
PruebT
Sialmenosun Testde (Independ.) Duncany/o Sial menosun
trat.esdiferente tratamientoes
Tamhane Tuckey diferente
PRUEBAS ESTADÍSTICAS
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

PRUEBAS PARAMÉTRICAS
Es la Prueba Paramétrica más poderosa que existe para determinar
diferencia entre dos poblaciones (ó tratamientos), sin embargo requiere
PRUEBA T que los datos pertenezcan a una DISTRIBUCIÓN NORMAL y que LAS
VARIANZAS DE LOS GRUPOS SEAN IGUALES (Existe una prueba T
para varianzas distintas).

Requiere una DISTRIBUCIÓN NORMAL MODERADA (ROBUSTA), sin

embargo es necesario que se cumpla la IGUALDAD DE VARIANZAS entre
ANOVA
las muestras. Caso contrario puede usarse la Prueba de Kruskal- Walsis o
el Test de Friedman (No Paramétricas)

DUNCAN Pruebas de Comparaciones múltiples de medias, son robustas a la falta de

Y/O normalidad, sin embargo requieren que se cumpla la IGUALDAD DE
TUCKEY VARIANZAS, caso contrario usar la Prueba Paramétrica de Tamhane.

TAMHANE Pruebas Paramétrica de Comparaciones múltiples de medias, robusta a la

falta de normalidad, no requiere que se cumpla la igualdad de varianzas.
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

PRUEBAS NO PARAMÉTRICAS
Prueba No Paramétrica, cuya finalidad es la misma que la
WILCOXON Prueba T para muestras relacionadas, por lo tanto requiere
que los individuos sean los mismos en ambos
tratamientos.
Prueba No Paramétrica, cuya finalidad es la misma que la
MANN – Prueba T para muestras independientes, por lo tanto NO
WHITNEY requiere que los individuos sean los mismos en ambos
tratamientos.

Prueba de Comparación de medias para más de 2

FRIEDMAN poblaciones (tratamientos), cuyos individuo deben haber
sido los mismos en todos los tratamientos.

Prueba de Comparación de medias para más de 2

KRUSKAL – poblaciones (tratamientos), cuyos individuos no
WALIS necesariamente deben haber sido los mismos en todos los
tratamientos.
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Análisis de Varianza(ANOVA)
• Idea básica
Descomponer la variabilidad total en las partes asociadas a
cada factor, más una residual (no justificables por los
factores estudiados).
Variabilidad debida Variabilidad residual
Variabilidad
= a diferencias entre + (diferencias dentro
total
tratamientos de cada tratamiento)

• Usos:
 Determinar si existen diferencias significativas entre tratamiento.
 Evaluar si los factores tienen efecto significativo sobre las respuestas.
• Nivel de significancia = 95% y valor de p = 0.05
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Diseño de Investigación
Factor: Variable (Independiente) que manipula el investigador
para estudiar sus efectos sobre la variable dependiente.
Nivel del Factor: es cada una de las categorías, valores o
formas específicas del factor.
Tratamientos: Conjunto de condiciones experimentales que
serán impuestas a una unidad experimental en un diseño
elegido. En experimentos unifactoriales, un tratamiento corres-
ponde a un nivel de factor. En experimentos multifactoriales,
un tratamiento corresponde a la combinación de niveles de
factores.
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Diseño de Investigación

Tratamiento Control: tratamiento al que no se le aplica

tratamiento alguno.
Réplicas: mediciones que se toman durante corridas
experimentales idénticas, pero separadas.
Repeticiones: mediciones que se toman durante la misma
corrida experimental.
Objetivo de réplica y/o repeticiones: Lograr mayor
precisión en la estimación de los efectos de los factores y de
sus interacciones, y estimar el error experimental.
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Ejemplo
En la siguiente tabla se muestran valores del parámetro de color L (Luminosidad)
medidas en 50 rodajas de yacón utilizando Colorímetro Konica Minolta (CKM) y
Sistema de Visión Computacional (SVC):

Colorímetro Konica Minolta Sistema de Visión Computacional

45 45 45 48 50 42.3 45.3 45 53.8 45.1
11 63 37 45 8 19.1 63.2 36.3 47.4 2.6
60 89 73 60 20 67.8 86.7 81 59.5 17.3
45 40 34 34 67 27.5 50 25.5 27 70
14 23 15 56 64 14.6 21 12.7 56 66.6
10 5 50 34 67 10.1 5.4 54.3 34 68.9
63 70 63 64 67 42.2 78.6 63 70.4 67.1
90 57 54 56 24 75 57 51.9 56.1 15.4
59 60 68 70 35 59 60 75.1 72.5 31.4
52 52 35 51 36 52 55.9 39.1 48.2 32.1
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Secuencia - SPSS

Analizar
Estadísticos descriptivos
Frecuencias

Estadísticos

CKM SVC
N Válidos 50 50
Perdidos 0 0
Media 47.6600 47.1600
Mediana 50.5000 50.9500
Moda 45.00 2.60 a
Desv. típ. 20.37466 21.64382
Varianza 415.127 468.455
Asimetría -.341 -.327
Error típ. de asimetría .337 .337
Curtosis -.310 -.790
Error típ. de curtosis .662 .662
Mínimo 5.00 2.60
Máximo 90.00 86.70
a. Existen varias modas. Se mos trará el menor de los valores.
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

PRUEBA ESTADÍSTICA: PASOS

Paso 1 Formulación de la Hipótesis de nulidad

Paso 2 Formulación de la Hipótesis alternativa

Paso 3 Estadístico de la prueba y nivel de significación

Cálculo del valor empírico del estadístico de la

Paso 4
prueba

Decisión estadística de aceptar o rechazar la

Paso 5
hipótesis nula
Rechazo de H0 Si p  0,05
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Pruebas de Normalidad de una muestra

Secuencia - SPSS
Pruebas Gráficas
Analizar
Histograma de Frecuencias Estadísticos descriptivos
Frecuencias
Gráficos
Histograma con curva normal
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Pruebas de Normalidad de una muestra

Pruebas Gráficas
Secuencia – SPSS
Shapiro – Wilk N < 50 Analizar
Kolmogorov – Smirnov N > 50 Estadísticos descriptivos
Explorar

Ho = Los datos siguen una distribución normal p ≥ 0.05

Ha = Los datos no siguen una distribución normal p < 0.05
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISEÑO CON DOS O MÁS

TRATAMIENTOS

Se realizó un experimento para

evaluar el efecto del tiempo de
almacenamiento a temperatura
ambiente en la flexibilidad de
masa panadera (dureza)
preparada con harina de quinua
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISEÑO CON DOS O MÁS

TRATAMIENTOS
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

DISEÑO CON DOS O MÁS

TRATAMIENTOS
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Dos opciones:

p < 0.05 Se rechaza la H0 o “Existen diferencias”

p > 0.05 Se acepta la H0 o “NO existen diferencias”

DISEÑO CON DOS O MÁS

TRATAMIENTOS
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

p < 0.05 Se rechaza la H0 o “Existen diferencias”

Prueba de Homogeneidad de Varianzas

(Test de Levene)

Se hace necesario una Prueba de

Comparación Múltiple

DISEÑO CON DOS O MÁS

TRATAMIENTOS
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Prueba de Homogeneidad de Varianzas (Test de Levene)

Dos opciones:

p < 0.05 NO se asumen varianzas iguales

p > 0.05 Se asumen varianzas iguales

DISEÑO CON DOS O MÁS

TRATAMIENTOS
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Prueba de Homogeneidad de Varianzas (Test de Levene)

DISEÑO CON DOS O MÁS

TRATAMIENTOS
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Prueba de Homogeneidad de Varianzas (Test de Levene)

p < 0.05 NO se asumen varianzas iguales

DISEÑO CON DOS O MÁS

TRATAMIENTOS
 MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Selección de una prueba de comparación múltiple

DISEÑO CON DOS O MÁS

TRATAMIENTOS
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Existen diferencias significativas entre

los tratamientos T1 = 0h; T3 = 24h y
T4 = 48h

DISEÑO CON DOS O MÁS

TRATAMIENTOS
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Graficando los resultados

Modificar la Variable
Independiente a Tratamiento
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Graficando los resultados

MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Graficando los resultados

MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Graficando los resultados

MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Graficando los resultados

T1 = 0h; T2 = 2h
T3 = 24h; T4 = 48h
T5 = 120 h
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN

Graficando los resultados

NO existen diferencias
significativas entre los
tratamientos T1 = 0h; T2 = 2h
y T5 = 120h
 Dr. Raúl Siche
rsiche@unitru.edu.pe
IngenieriaAgroindustrial-UNT