Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN I Profesores del curso UNIVERSIDAD NACIONAL AGRARIA LA MOLINA Facultad de Economía y Planificación Departamento de Estadística e Informática Semana X:Experimentos Factoriales: DCA 2020-II OBJETIVOS Planear un diseño experimental con dos o más factores en forma simultánea Medir los efectos: simples, principales e interacción Probar la hipótesis de interacción entre los factores Probar la hipótesis de los efectos principales y simples Aplicar pruebas de comparaciones específicas de tratamientos Métodos Estadísticos para la Investigación I 2020-II INTRODUCCIÓN En los experimentos simples conducidos en DCA, DBCA y DCL se estudia un solo factor. Los experimentos factoriales involucran en el estudio de dos o más factores. Donde los tratamientos son las combinaciones de los niveles de estos factores Los arreglos factoriales permiten evaluar los efectos principales, de interacción y los simples. Métodos Estadísticos para la Investigación I 2020-II VENTAJAS Y DESVENTAJAS VENTAJAS - Obtener información sobre varios factores en forma simultánea. - El incremento de grados de libertad para el error experimental disminuye la variancia del error experimental. - Amplía la base de la inferencia en relación a un factor. DESVENTAJAS - Requiere un mayor número de unidades experimentales. - Algunas combinaciones de niveles no serán de interés del investigador. - El análisis estadístico es más complicado. Métodos Estadísticos para la Investigación I 2020-II TIPOS DE EFECTOS Efectos Principales Efectos Simples Efecto de Interacción Abj Bai Miden los cambios en los niveles de un factor (Letra Mayúscula) manteniendo constante un nivel del otro (Letra minúscula) Miden los cambios entre los efectos simples de un factor a diferentes niveles del otro factor. AB Miden los cambios en los niveles de un factor sin considerar el otro. A B Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN I Un ingeniero en Industrias Alimentarias está interesado en determinar los efectos de la temperatura y la humedad en el almacenamiento de manzanas. De una producción de manzanas de características muy homogéneas se formaron 4 grupos de 5 unidades experimentales cada uno, donde cada unidad experimental estuvo formada por 200 manzanas, la variable respuesta que se consideró fue el número de manzanas malogradas por unidad experimental, después del almacenamiento. El ingeniero tiene interés en los siguientes niveles del factor temperatura (𝐴): 𝑎1 = 50∘𝐹, 𝑎2 = 70 ∘𝐹 y del factor humedad (𝐵): 𝑏1 = 10%, 𝑏2 = 50%. A continuación se dan los promedios de manzanas malogradas: Factor temperatura (A) Factor Humedad (B) Medias del factor A𝒃𝟏 = 𝟏𝟎%, 𝒃𝟐 = 𝟓𝟎% 𝒂𝟏 = 𝟓𝟎 ∘𝐅 8 5 6.5 𝒂𝟐 = 𝟕𝟎 ∘𝐅 11 7 9.0 Medias del factor B 9.5 6.0 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN I Efectos simples 𝐿1 = 𝐸𝑆 𝐴(𝑏1) = 11 − 8 = 3 𝐿2 = 𝐸𝑆 𝐴(𝑏2) = 7 − 5 = 2 𝐿3 = 𝐸𝑆 𝐵(𝑎1) = 5 − 8 = −3 𝐿4 = 𝐸𝑆 𝐵(𝑎2) = 7 − 11 = −4 Efectos principales 𝐿5 = 𝐸𝑃 𝐴(𝐵) = 9 − 6.5 = 2.5 𝐿6 = 𝐸𝑃 𝐵(𝐴) = 6 − 9.5 = −3.5 Con una humedad de 10%, al pasar de una temperatura de 70°F a 50°F, el número promedio de manzanas malogradas disminuye en 3 Considerando todos los niveles de humedad, al pasar de una temperatura de 70°F a 50°F, el número promedio de manzanas malogradas disminuye en 2.5 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN I Efectos de interacción 𝐿7 = 𝐸𝐼 (𝐴𝐵) = 𝐿2 − 𝐿1 = 2 − 3 = −1 𝐿8 = 𝐸𝐼 (𝐴𝐵) = 𝐿4 − 𝐿3 = −4 − (−3) = −1 Al pasar de una temperatura de 70°C a 50°C, el número promedio de manzanas malogradas, cuando se tiene una humedad de 10%, supera al obtenido con una humedad de 50% en 1 unidad. Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN I Métodos Estadísticos para la Investigación I 2020-II MODELO ADITIVO LINEAL ij ijk i j ijkij Y 1, , 1, , 1, , ij i p j q k r El modelo aditivo lineal para un Diseño Completamente al Azar es el siguiente: Métodos Estadísticos para la Investigación I 2020-II ESTIMACIÓN DE LOS EFECTOS El método de mínimos cuadrados tiene por objetivo minimizar: bajo las siguientes condiciones Encontrando finalmente que: 2 2 1 1 1 1 1 1 ij ijr rp q p q ijk ijk i j ij i j k i j k Q Y 1 1 1 1 0, 0, 0, 0 p q p q i j ij ij i j i j ... . .. . . ... .. ... . . . ... . ˆˆˆ ˆ ˆ ˆ ˆ ij ij i j i i ij ij j j ijk ijk ij Y Y Y Y Y Y Y Y Y Y Y Y Métodos Estadísticos para la Investigación I 2020-II PRUEBAS DE HIPÓTESIS Modelo I: Para el efecto de la interacción AB: Para el efecto principal A: Para el efecto principal B: 0 1 : 0 , : 0 , para al menos algún i i H i H i 0 1 : 0 , : 0 , para al menos algún j j H j H j 0 1 : 0 , , : 0 , para al menos algún , ij ij H i j H i j Métodos Estadísticos para la Investigación I 2020-II ANÁLISIS DE VARIANZA (ANVA) Variabilidad(Total) = Variabilidad(Tratamientos) + Variabilidad(Error) Variabilidad(Tratamientos) = Var(A) + Var(B) + Var(AB) F.V. GL SC CM Fc A p-1 SC(A) CM(A) CM(A)/CM(Error) B q-1 SC(B) CM(B) CM(B)/CM(Error) AB (p-1)(q-1) SC(AB) CM(AB) CM(AB)/CM(Error) Error Exp. pq(r-1) SC(Error) CM(Error) Total pqr-1 SC(Total) Métodos Estadísticos para la Investigación I 2020-II ANVA DE EFECTOS SIMPLES Cuadro ANVA F.V. GL SC CM Fc Abj p-1 SC(Abj) CM(Abj) CM(Abj)/CM(Error) … … … … … Bai q-1 SC(Bai) CM(Bai) CM(Bai)/CM(Error) … … … … … Error Exp. pq(r-1) SC(Error) CM(Error) Total pqr-1 SC(Total) Pruebas de hipótesis Para el efecto Abj: Para el efecto Bai: 0 1 2 1 : ... : Al menos un es i=1,2,...,p j j pj ij H H 0 1 2 1 : ... : Al menos un es =1,2,...,q i i iq ij H H j Métodos Estadísticos para la Investigación I 2020-II Pruebas de comparación Pruebas de comparación de medias de efectos principales Pruebas de comparación de medias de efectos simples Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II El departamento de nutrición humana y alimentos de una reconocida universidad realizó un estudio sobre la estabilidad de la vitamina C en el concentrado del jugo de naranja congelado reconstituido, que se almacena en un refrigerador durante un periodo de hasta una semana. Se probaron dos marcas de concentrados de jugo de naranja congelado reconstituido con tres períodos distintos, los cuales se refieren al número de días desde que se mezcló el jugo hasta que se probó (0 días, 3 días y 7 días). Se registraron los resultados, en miligramos de ácido ascórbico por litro. Se decidió usar un Diseño Completamente al Azar (DCA) con 4 repeticiones para cada uno de los tratamientos. Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II Periodo (días) 𝒃𝟏(𝟎) 𝒃𝟐(𝟑) 𝒃𝟑(𝟕) Marca Marca 𝒂𝟏 54.6 49.4 42.7 51.8 42.8 40.4 56.2 49.2 48.8 48.5 53.2 47.6 Marca 𝒂𝟐 56 48.8 55.2 49.6 44 48 48 44 50 48.4 42.4 49.2 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II a) Presente el modelo aditivo lineal 𝑌𝑖𝑗𝑘 = Cantidad de ácido ascórbico obtenida con la i-ésima marca de concentrado de jugo y el j-ésimo período en la k-ésima repetición. 𝜇 = Media general. 𝛼𝑖 = Efecto de la i-ésima marca. 𝛽𝑗 = Efecto del j-ésimo periodo. (𝛼𝛽)𝑖𝑗 = Efecto de la interacción entre la i-ésima marca y el j-ésimo periodo. 𝜖𝑖𝑗𝑘 = Efecto del error experimental obtenida con la i-ésima marca de concentrado de jugo y el j-ésimo período en la k-ésima repetición. ൧𝒀𝒊𝒋𝒌 = 𝝁 + 𝜶𝒊 + 𝜷𝒋 + (𝜶𝜷)𝒊𝒋 + 𝝐𝒊𝒋𝒌 𝒊 = 𝟏, . . . , 𝒑[𝒑 = 𝟐];𝒋 = 𝟏, . . . , 𝒒[𝒒 = 𝟑]; 𝒌 = 𝟏, . . . , 𝒓𝒊𝒋[𝒓𝒊𝒋 = 𝒓 = 𝟒 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II Tabla de Totales Tabla de Promedios 𝒀𝒊𝒋. 𝒀𝒊.. 𝒃𝟏(𝟎) 𝒃𝟐(𝟑) 𝒃𝟑(𝟕) 𝒂𝟏 211.1 194.6 179.5 585.20 𝒂𝟐 202.0 179.2 202.4 583.6 𝒀.𝒋. 413.1 373.8 381.9 𝑌... =1168.8 𝑌𝑖𝑗. 𝑌𝑖.. 𝑏1(0) 𝑏2(3) 𝑏3(7) 𝒂𝟏 52.775 48.650 44.875 48.767 𝒂𝟐 50.500 44.800 50.600 48.633 𝑌.𝑗. 51.6375 46.725 47.7375 𝑌... = 48.7 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II b) Estime: Efecto del primer nivel del factor A Efecto del segundo nivel del factor B Efecto de interacción entre el nivel 2 del factor A y el nivel 1 del factor B �̰�1 = 𝑌1.. − 𝑌... = 48.767 − 48.7 = 0.067 �̰�2 = 𝑌.2. − 𝑌... = 46.725 − 48.7 = −1.975 �̰� �̰�12 = 𝑌21. − 𝑌2.. − 𝑌.1. + 𝑌... = 50.5 − 48.633 − 51.6375 + 48.7 = −1.0705 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II c) Interprete el siguiente gráfico de interacción Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II 𝑇𝐶 = σ 𝑖=1 𝑝 σ 𝑗=1 𝑞 σ 𝑘=1 𝑟 𝑌𝑖𝑗𝑘 2 𝑝𝑞𝑟 = 𝑌... 2 𝑝𝑞𝑟 = 1168.82 2x3x4 = 56920.56 𝑆𝐶 Total = 𝑖=1 𝑝 𝑗=1 𝑞 𝑘=1 𝑟 𝑌𝑖𝑗𝑘 − 𝑌... 2 = 𝑖=1 𝑝 𝑗=1 𝑞 𝑘=1 𝑟 (𝑌𝑖𝑗𝑘2 − 𝑇𝐶) 𝑆𝐶(Total) = 𝑖=1 𝑝 𝑗=1 𝑞 𝑘=1 𝑟 𝑌𝑖𝑗𝑘 2 − 𝑇𝐶 = 54.62 + 49.42+. . . +49.22 − 𝑇𝐶 = 445.86 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II 𝑆𝐶(Combinado AB) 𝑖=1 𝑝 𝑗=1 𝑞 𝑌𝑖𝑗 2 𝑟 − 𝑇𝐶 = 211.12 + 194.6 + 179.52 + 2022 + 179.22 + 202.42 4 − 𝑇𝐶 = 212.195 𝑆𝐶(𝐴) = 𝑖=1 𝑝 𝑌𝑖.. 2 𝑞𝑟 − 𝑇𝐶 = 585.22 + 583.62 3x4 − 𝑇𝐶 = 0.1067 𝑆𝐶(𝐵) = 𝑗=1 𝑞 𝑌.𝑗. 2 𝑝𝑟 − 𝑇𝐶 = 413.12 + 373.82 + 381.92 2x4 − 𝑇𝐶 = 107.6475 𝑆𝐶 𝐴𝐵 = 𝑆𝐶 Combinado 𝐴𝐵 − 𝑆𝐶 𝐴 − 𝑆𝐶 𝐵 = 213.195 − 0.1067 − 107.6475 = 105.4408 𝑆𝐶 Error = 𝑆𝐶 Total − 𝑆𝐶 Combinado AB = 445.86 − 213665 = 232.665 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II ANVA El coeficiente de variabilidad para este experimento es: F.V. GL SC CM 𝐹𝑐 A p-1=1 0.1067 0.1067 0.0083 B q-1=2 107.6475 53.8238 4.1641 AB (p-1)(q-1)=2 105.4408 52.7204 4.0787(*) Error Exp. pq(r-1)=18 232.665 12.9258 Total pqr-1=23 445.86 𝑐𝑣 = 𝐶𝑀𝐸 𝑌... = 12.9258 48.7 x100 = 7.3824% Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II Reporte Minitab Análisis de varianza de Cantidad Fuente GL SC MC F P MARCA 1 0.107 0.1067 0.01 0.929 PERIODO 2 107.648 53.8238 4.16 0.033 MARCA*PERIODO 2 105.441 52.7204 4.08 0.035 Error 18 232.665 12.9258 Total 23 445.860 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II d) Pruebe la hipótesis del efecto de interacción. Use α=0.05 P1) Planteamiento de hipótesis: 𝐻0: (𝛼𝛽)𝑖𝑗 = 0 , 𝑖 = 1,2; 𝑗 = 1,2,3 𝐻1: (𝛼𝛽)𝑖𝑗 ≠ 0 , para al menos algún i, j P2) Nivel de significación α = 0.05 P3) Cálculo del estadístico de Prueba – Fórmula Para el efecto de interacción AB: 𝐹𝑐 = 𝐶𝑀(𝐴𝐵) 𝐶𝑀(Error) = 4.0787 ∼ 𝐹[2,18] Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II P4) Criterio de decisión Como 𝐹𝑐=4.0787 es mayor a F(0.95,2,18)=3.55 entonces se rechaza 𝐻0. P5) Conclusión A un nivel de significación del 5% existe evidencia estadística para rechazar 𝐻0. Luego se puede afirmar que existe interacción entre la marca de concentrado de jugo de naranja y el período de almacenamiento. Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II e) Realice el análisis de efectos simples. Use α=0.05 P1) Planteamiento de hipótesis: 𝐴 en 𝑏1: 𝐻0: 𝜇11. = 𝜇21. 𝐴 en 𝑏2: 𝐻0: 𝜇12. = 𝜇22. 𝐻1: 𝜇11. ≠ 𝜇21. 𝐻1: 𝜇12. ≠ 𝜇22. 𝐴 en 𝑏3: 𝐻0: 𝜇13. = 𝜇23. 𝐻1: 𝜇13. ≠ 𝜇23. 𝐵 en 𝑎1: 𝐻0 : 𝜇11. = 𝜇12. = 𝜇13. 𝐵 en 𝑎2: 𝐻0: 𝜇21. = 𝜇22. = 𝜇23. 𝐻1: Al menos un 𝜇1𝑗. es ≠ 𝐻1: Al menos un 𝜇2𝑗. es ≠ Para todo j=1,2,3 Para todo j=1,2,3 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II P2) Nivel de significación α = 0.05 P3) Cálculo del estadístico de Prueba 𝑆𝐶(𝐴𝑏𝑗) = 𝑖=1 𝑝 𝑌𝑖𝑗. 2 𝑟 − 𝑌.𝑗. 2 𝑝𝑟 𝑆𝐶(𝐴𝑏1) = 𝑖=1 𝑝 𝑌𝑖2. 2 𝑟 − 𝑌.1. 2 𝑝𝑟 = 211.12 + 2022 4 − 413.12 2x4 = 10.35125 𝑆𝐶(𝐴𝑏2) = 𝑖=1 𝑝 𝑌𝑖2. 2 𝑟 − 𝑌.2. 2 𝑝𝑟 = 194.62 + 179.22 4 − 373.82 2x4 = 29.645 𝑆𝐶(𝐴𝑏3) = 𝑖=1 𝑝 𝑌𝑖3. 2 𝑟 − 𝑌.3. 2 𝑝𝑟 = 179.52 + 202.42 4 − 381.92 2x4 = 65.55125 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II 𝑆𝐶(𝐵𝑎𝑖) = 𝑗=1 𝑞 𝑌𝑖𝑗. 2 𝑟 − 𝑌𝑖.. 2 𝑞𝑟 𝑆𝐶(𝐵𝑎1) = 𝑗=1 𝑞 𝑌1𝑗. 2 𝑟 − 𝑌1.. 2 𝑞𝑟 = 211.12 + 194.62 + 179.52 4 − 585.22 3x4 = 124.90167 𝑆𝐶(𝐵𝑎2) = 𝑗=1 𝑞 𝑌1𝑗. 2 𝑟 − 𝑌1.. 2 𝑞𝑟 = 2022 + 179.22 + 202.42 4 − 583.62 3x4 = 88.18667 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II Cuadro ANVA de efectos simples F.V. GL SC CM 𝐹𝑐 𝐹𝑡𝑎𝑏 𝐴𝑏1 p-1=1 10.35125 10.35125 0.8008(n.s.) F(0.95,1.18)=4.41 𝐴𝑏2 p-1=1 29.64500 29.64500 2.2935(n.s.) F(0.95,1.18)=4.41 𝐴𝑏3 p-1=1 65.55125 65.55125 5.0713 (*) F(0.95,1.18)=4.41 𝐵𝑎1 q-1=2 124.90167 62.45084 4.8315(*) F(0.95,2.18)=3.55 𝐵𝑎2 q-1=2 88.18667 44.09334 3.4113(n.s.) F(0.95,2.18)=3.55 Error Exp. pq(r-1)=18 232.665 12.9258 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II P4) Criterio de decisión Si 𝐹𝑐 > 𝐹𝑡𝑎𝑏 , entonces se rechaza 𝐻0. P5) Conclusión - No existen diferencias significativas entre las marcas de concentrado de jugo de naranja tanto a los 0 como a los 3 días de almacenamiento, pero que sí existe diferencia significativa entre las marcas a los 7 días, respecto al contenido medio de ácido ascórbico. - Al utilizar la marca 1 de concentrado de jugo de naranja, al menos uno de los períodos de almacenamiento presenta diferencias significativas con los demás, pero al utilizar la marca 2 no se presentaron diferencias significativas entre los períodos de almacenamiento, respecto al contenido medio de ácido ascórbico. Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II f) Realice la prueba de Tukey para el efecto simple Ba1. Use α=0.05 P1) Planteamiento de hipótesis: 𝐻0: 𝜇11. = 𝜇12. 𝐻0: 𝜇11. = 𝜇13. 𝐻1: 𝜇11. ≠ 𝜇12. 𝐻1: 𝜇11. ≠ 𝜇13. 𝐻0: 𝜇12. = 𝜇13. 𝐻1: 𝜇12. ≠ 𝜇13. Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II P2) Nivel de significación α = 0.05 P3) Cálculo del estadístico de Prueba y Criterios de decisión El valor tabular con un nivel de significación de 5%, p = 3 tratamientos y 18 grados de libertad del error experimental es AES(T) = 3.61. La amplitud límite significativa de Tukey será igual a: 𝐴𝐿𝑆(𝑇) = 𝐴𝐸𝑆(𝑇) 𝐶𝑀𝐸 𝑟 = 3.61 12.9258 4 = 6.4894 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II En la siguiente tabla se presentan las tres comparaciones: P5) Conclusión A un nivel de significación del 5% se puede afirmar que al analizar el contenido medio de ácido ascórbico en el concentrado de jugo de naranja de la marca 1, existe diferencia significativa entre un período de almacenamiento de 0 días con uno de 7 días, pero no existen diferencias significativas entre un período de almacenamiento de 3 días con los períodos de 0 días y 7 días. Niveles de B con la marca 1 𝑌1𝑖. − 𝑌𝑖𝑗. Significancia 1 vs 2 4.125 n.s. 1 vs 3 7.900 * 2 vs 3 3.775 n.s. Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II g) Verifique si hay evidencias estadísticas para afirmar que con el periodo de 0 días se obtiene un promedio de ácido ascórbico que excede en más de 2.5 miligramos por litro al promedio que se obtiene durante el periodo de 7 días considerando la marca 1 en el concentrado de jugo de naranja. Use α=0.05 P1) Planteamiento de hipótesis: 𝐻0: 𝜇11. − 𝜇13. = 2.5 𝐻1: 𝜇11. − 𝜇13. > 2.5 P2) Nivel de significación α = 0.05 P3) Estadístico de Prueba 𝑡𝑐 = 𝑌11. − 𝑌13. − 𝑘 2𝐶𝑀𝐸 𝑟 ∼𝑡 18 → 52.775 − 44.875 − 2.5 2x12.9258 4 = 2.1241 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN II P4) Criterio de decisión Como 𝑡𝑐 = 2.1241 es mayor a 𝑡0.95,18 = 1.734 entonces se rechaza 𝐻0. P5) Conclusión A un nivel de significación del 5% existe evidencia estadística para rechazar 𝐻0. Luego se puede afirmar que con el periodo de 0 días se obtiene un promedio de ácido ascórbico que excede en más de 2.5 mg por litro al que se obtiene durante el periodo de 7 días, considerando la marca 1 en el concentrado de jugo de naranja. Métodos Estadísticos para la Investigación I 2020-II PROBLEMA PROPUESTO 1 Se realizó un experimento en piñas de variedad Hawaiana donde se estudiaron 3 dosis de nitrógeno y dos tipos de manejo en parcelas de 30 mts². El interés fue evaluar el porcentaje de grados brix. Donde: A: Abonamiento nitrogenado (50, 80 y 100 kgs. De N. por Ha.) B: manejos (Convencional y orgánico) Los datos registrados se presentan en la siguiente tabla: a1 a2 a3 b1 b2 b1 b2 b1 b2 23.4 23.1 22.2 18.4 19.6 23.4 22.4 20.9 24.4 17.5 19 20.8 24.4 18.1 26.5 22.1 18 21.5 23.4 20.7 24.4 19.3 18.9 21.9 Métodos Estadísticos para la Investigación I 2020-II PROBLEMA PROPUESTO 1 Luego de verificar los supuestos básicos se obtuvo la siguiente salida en Minitab: a) Presente el modelo aditivo lineal e interprete cada uno de sus componentes en términos el enunciado. b) Interprete el gráfico de interacción. Ver Anexo c) Pruebe si existe interacción entre el manejo y el abono. Use un α=0.05 Fuente GL SC Ajust. MC Ajust. Valor F Valor p Manejo 1 14.73 14.727 6.53 0.020 Abono 2 13.25 6.625 2.94 0.079 Manejo*Abono 2 68.92 34.462 15.27 0.000 Error 18 40.62 2.257 Total 23 137.52 Métodos Estadísticos para la Investigación I 2020-II PROBLEMA PROPUESTO 1 Métodos Estadísticos para la Investigación I 2020-II PROBLEMA PROPUESTO 1 d) Use lo obtenido en c para realizar el análisis correspondiente. Use un α=0.05 e) ¿Se puede afirmar que cuando las piñas reciben una dosis de nitrógeno de 80 Kg, el porcentaje medio de grados brix con el manejo convencional es mayor que el del manejo orgánico en más de 2%? Use un α=0.05 f) Según especialistas se recomienda el manejo orgánico. Sugiera las condiciones de abono nitrogenado bajo las cuales se maximiza el porcentaje de grados brix. Realice la prueba estadística más adecuada con un α=0.05 Métodos Estadísticos para la Investigación I 2020-II Experimento factorial pxq con dos factores en DBCA APLICACIÓN III En un experimento se deseaba determinar el efecto de cuatro variedades de lechuga (a1,a2,a3 y a4) y de dos tipos de siembra (b1 y b2) sobre el rendimiento de lechugas (en Kg/parcela). Para ello se estableció un experimento factorial conducido en DBCA. Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN III Los datos se presentan a continuación: Bloques a1 a2 a3 a4 Y..kb1 b2 b1 b2 b1 b2 b1 b2 I 158 152 144 154 154 150 140 145 1197 II 151 148 145 132 132 135 125 130 1098 III 163 156 142 154 160 162 150 138 1225 IV 154 163 152 155 151 140 140 139 1194 Yij. 626 619 583 595 597 587 555 552 4714 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN III Presente el modelo aditivo lineal e interprete cada uno de sus componentes en términos del problema. Modelo Aditivo Lineal En el problema p=4, q=2, b=4 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN III Cuadro de Totales a1 a2 a3 a4 Total b1 626 583 597 555 2361 b2 619 595 587 552 2353 Total 1245 1178 1184 1107 4714 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN III Halle los efectos estimados del rendimiento medio de lechuga, variedades, tipos de siembra, (αβ)32 y bloques ε214. Estimación de los efectos Estimación del rendimiento medio de lechuga Ƹ𝜇 = ത𝑌… = 𝑌… 𝑝𝑞𝑏 = 4714 4𝑥2𝑥4 = 174.3125 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN III Estimación de los niveles del factor A 1 1.. ... 2 2.. ... 3 3.. ... 4 4.. ... 1245 ˆ 147.3125 8.3125 8 1178 ˆ 147.3125 0.0625 8 1184 ˆ 147.3125 0.6875 8 1107 ˆ 147.3125 8.9375 8 Y Y Y Y Y Y Y Y Estimación de los niveles del factor B 1 .1. ... 2 .2. ... 2361ˆ 147.3125 0.25 16 2353ˆ 147.3125 0.25 16 Y Y Y Y Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN III Estimación de la interacción del nivel 3 del factor A con el nivel 2 del factor B Estimación de los efectos 32 32. 3.. .2. ... 587 1184 2353ˆˆ 147.3125 1 4 8 16 Y Y Y Y Estimación de los efectos de los bloques: ..1 ...1 ..2 ...2 ..3 ...3 ..4 ...4 1197 147.3125 2.3125 8 1098 147.3125 10.0625 8 1225 147.3125 5.8125 8 1194 147.3125 1.9375 8 Y Y Y Y Y Y Y Y Métodos Estadísticos para la Investigación I 2020-II 214 214 214 21. ..4 ... 583 1194 4714 ˆ 152 4.3125 4 8 32 Y Y Y Y Estimación del error APLICACIÓN III APLICACIÓN III Fuente GL SC Ajust. MC Ajust. Valor F Valor p Variedad 3 1195.63 398.542 10.72 0.000 Siembra 1 2.00 2.000 0.05 0.819 Variedad*Siembra 3 35.75 11.917 0.32 0.810 Bloque 3 1153.12 384.375 10.34 0.000 Error 21 780.37 37.161 Total 31 3166.88 Reporte del programa Minitab 17: Análisis de Varianza Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN III 0.05 0 1.. 2.. 1 1.. 2.. : : H H 0 1.. 3.. 1 1.. 3.. : : H H 0 1.. 4.. 1 1.. 4.. : : H H 0 2.. 3.. 1 2.. 3.. : : H H 0 2.. 4.. 1 2.. 4.. : : H H 0 3.. 4.. 1 3.. 4.. : : H H Use la prueba de Tukey para evaluar si existen diferencias significativas entre las variedades de lechuga. Use 0.05 37.161 3.96 8.535 2 4 CME ALS T AES T qb Con , p= 4 niveles del factor medicamento y GLEE=21 : AES(T)=3.96 Métodos Estadísticos para la Investigación I 2020-II APLICACIÓN III A un nivel de significación del 5% no existe evidencia estadística para rechazar H0. Luego se puede afirmar que al analizar el rendimiento medio de lechuga existen diferencias significativas entre la variedad 4 con las variedades 1, 2 y 3, pero no existen diferencias significativas entre la variedad 3 con las variedades 1 y 2, ni entre la variedad 1 con la variedad 2 Métodos Estadísticos para la Investigación I 2020-II
Compartir