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 Diseño Experimental DCL 2021-I OBJETIVOS Métodos Estadísticos para la Investigación I 2020-II Identificar si existe dos características o factores bloque para agrupar las unidades experimentales. Realizar el análisis estadístico de un diseño cuadrado latino (DCL). Aplicar los procedimientos de comparaciones múltiples y toma de decisiones en la comparación de grupos de tratamientos. Diseño Cuadrado Latino (DCL) En algunas situaciones puede suceder que el problema experimental obligue al investigador considerar un doble criterio de aleatorización (filas y columnas). En este caso el diseño más adecuado a utilizar es el Diseño Cuadrado Latino (D.C.L). En el D.C.L la heterogeneidad de las unidades experimentales es controlada por el investigador mediante la aplicación de bloqueo doble, en filas y columnas, siendo las unidades experimentales dentro de cada fila o columnas relativamente homogéneas. La distribución de los tratamientos a las unidades experimentales se realiza al azar y de manera tal que los tratamientos deben aparecer solo una vez en cada fila y en cada columna. Métodos Estadísticos para la Investigación I Diseño Cuadrado Latino (DCL) Se incrementa el error experimental ante la existencia de interacciones (filas x columnas, filas x tratamientos, columnas x tratamientos ó filas x columnas x tratamientos) 1. Croquis Experimental Métodos Estadísticos para la Investigación I Diseño Cuadrado Latino (DCL) 2. Modelo Aditivo Lineal: El modelo aditivo lineal es: Y(i)jk = + (i) + j + k + (i)jk i = 1, 2, 3,...,t (tratamientos), j = 1, 2, ...,t (filas), k = 1, 2, 3,..................,t (columnas) Y(i)jk : Valor observado de la variable en estudio para la U.E. bajo el j- esimo bloque fila, k-esimo bloque columna, sometida al i-esimo tratamiento. •: Efecto de la media general. (i) : Efecto del i-esimo tratamiento. j : Efecto del j-esimo bloque fila. k : Efecto del k-esimo bloque columna. (i)jk : Efecto del error experimental bajo el j-esimo bloque fila, k-esimo bloque columna, sometida al i-esimo tratamiento La simbología (i) indica que no es una clasificación ordinaria de tres vías. Métodos Estadísticos para la Investigación I Diseño Cuadrado Latino (DCL) 3. Estimación de los Efectos Los efectos del modelo , (i), j , k y (i)jk son estimados de modo que se minimice la siguiente expresión: La aplicación de este método da los siguientes resultados para la estimación de los parámetros ( ) ( ) ( )( ) 2 2 1 1 1 1 t b t t j ki jk i jk i i j i j Q Y = = = = = = − − − − ( )ˆ Y • ••= ( ) ( ) ( )ii Y Y •• • ••= − ( ) ( ) ˆ jj Y Y • • • ••= − ( ) ( ) ˆ kk Y Y • • • ••= − ( ) ( ) ( ) ( ) ( ) ( )2i j ki jk jkiY Y Y Y Y •• • • • • • ••= − − − + Métodos Estadísticos para la Investigación I Diseño Cuadrado Latino (DCL) 4. Análisis de Variancia En este modelo la variabilidad total se descompone en cuatro fuentes de variación de la siguiente manera: Var (Total) = Var (Tratamientos) + Var (Bloq. Fila) + Var(Bloq Col) + Var (Error) La variabilidad total es cuantificada por la suma de cuadrado total: ( ) ( ) ( ) ( )( ) ( ) ( ) 2 2 2 2 1 1 1 1 t t t b i jk i jk j k i j Y SC Total SC Y Y Y Y t • •• • •• = = = = = = − = − La suma de cuadrados de tratamientos es dado por: ( ) ( ) 2 1 t i i Y SC Tratamientos TC t •• = = − Métodos Estadísticos para la Investigación I Diseño Cuadrado Latino (DCL) La suma de cuadrados de bloques fila es dado por: ( ) ( ) 2 1 t j j Y SC Bloques Fila TC t • • = = − La suma de cuadrados de bloques columna es dado por: ( ) ( ) 2 1 t k j Y SC Bloques Columna TC t • • = = − La suma de cuadrados del error es dado por: SC(Error) = SC(Total) – SC(Trat.) – SC(Bloques Fila) – SC(Bloques Columna) El cual puede ser representado en el siguiente cuadro: Métodos Estadísticos para la Investigación I Diseño Cuadrado Latino (DCL) Fuente de Variación Grados de Libertad Suma de Cuadrados Cuadrados Medios Fcal Tratamientos t-1 SC(Trat) SC(Trat)/(t-1) CM(Trat)/CM(Err or) Bloques Fila t-1 SC(Bloq. Fila) SC(Bloq Fila)/(t-1) Bloque Col t-1 SC(Bloq. Col) SC(Bloq Col)/(t-1) Error (t-2)(t-1) SC(Error) SC(Error)/(t-2)(t-1) Total t2-1 SC(Total) Métodos Estadísticos para la Investigación I Diseño Cuadrado Latino (DCL) Hipótesis Para el Modelo I (Efectos fijos) Para el Modelo II (efectos aleatorios) Estadístico de Prueba Regla de Decisión La hipótesis nula Ho se rechaza con un nivel de significación α si: ( ), ~ GLTrat GLError CMTrat F F CMError = ( )1 , ,GLtrat GLErrorFcal F − ( )( )1 , ,tab crit GLTrat GLErrorF F F −= = Métodos Estadísticos para la Investigación I Diseño Cuadrado Latino (DCL) 5. Pruebas de Comparación de Medias de Tratamientos Aquí se presentarán algunas de las pruebas que también fueron desarrolladas en el DCA y DBCA, los supuestos y características de cada prueba son las mismas. A continuación se presentan las desviaciones estándar a utilizar en cada una de las pruebas: Prueba t y DLS: 2 d CME S t = Prueba de Contrastes Ortogonales 2 1 t iL i CME S C t = = Prueba de Tukey: d CME S t = Prueba de Dunnett: 2 d CME S t = Métodos Estadísticos para la Investigación I Diseño Cuadrado Latino (DCL) Ejemplo de Aplicación Para comparar el rendimiento de cuatro variedades de trigo (A, B, C y D) se llevó a cabo un experimento conducido en D.C.L. en parcelas con diferentes concentraciones de fósforo y diferentes tipos de riego. Los resultados experimentales se presentan expresados en Kg. por parcela. CONCENTRACIÓN FOSFORO TIPOS DE RIEGO Total 1 2 3 4 1 10.5 ( C ) 07.7 ( D ) 12.0 ( B ) 13.2 ( A ) 43.4 2 11.1 ( B ) 12.0 ( A ) 10.3 ( C ) 07.5 ( D ) 40.9 3 05.8 ( D ) 12.2 ( C ) 11.2 ( A ) 13.7 ( B ) 42.9 4 11.6 ( A ) 12.3 ( B ) 05.9 ( D ) 10.2 ( C ) 40.0 Total 39.0 44.2 39.4 44.6 167.2 4 4 2 ( ) 1 1 1837.64 i jk i j Y = = = Métodos Estadísticos para la Investigación I Diseño Cuadrado Latino (DCL) Ejemplo de Aplicación CONCENTRACIÓN FOSFORO TIPOS DE RIEGO Total 1 2 3 4 1 10.5 ( C ) 07.7 ( D ) 12.0 ( B ) 13.2 ( A ) 43.4 2 11.1 ( B ) 12.0 ( A ) 10.3 ( C ) 07.5 ( D ) 40.9 3 05.8 ( D ) 12.2 ( C ) 11.2 ( A ) 13.7 ( B ) 42.9 4 11.6 ( A ) 12.3 ( B ) 05.9 ( D ) 10.2 ( C ) 40.0 Total 39.0 44.2 39.4 44.6 167.2 a. Realice el análisis descriptivo respectivo. b. Defina el modelo aditivo lineal con cada uno de sus componentes según el enunciado del problema c. A un nivel de significación del 5%, ¿existe alguna variedad que tiene diferente rendimiento a las demás? Métodos Estadísticos para la Investigación I Referencias R.G.D. Steel, & Torrie, J.H.(1985). Bioestadística Principios y Procedimientos. McGraw Hill, ed Bogotá, Colombia. Montgomery, D. C. (2005). Diseño y análisis de experimentos (2nd. Ed). México: Limusa Wiey. Kuehl, R. O., (2001). Diseño de experimentos: principios estadísticos para el diseño y análisis de investigaciones. (2nd Ed). International Thomson Editores, S.A. de C.V., Mexico, DF. Ramsey, F. L., & Schafer, D. W. (2002).The statistical sleuth: A course in methods of data analysis. Australia: Duxbury/Thomson Learning Métodos Estadísticos para la Investigación I
Compartir