Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Diseño de experimentos Tema II: Diseños de un solo factor Temática: Diseños completamente al azar. DCA Sumario: ❖ Diseño completamente al azar ❖ Tratamiento de la información El diseño completamente al azar (DCA), es el más simple de todos los diseños que se utilizan para comparar dos o más tratamientos, dado que sólo consideran dos fuentes de variabilidad: los tratamientos y el error aleatorio. Diseño completamente al azar Diseños para comparar dos o más tratamientos. Diseños para estudiar el efecto de varios factores sobre la(s) respuesta(s). Diseños para determinar el punto óptimo de operación del proceso. Diseños para la optimización de una mezcla. Variable de respuesta Factor estudiado Factor Factor Factor Factor Nivel 1 Nivel 2 Nivel 3 Como es de un solo factor Niveles = Tratamientos Diseño completamente al azar Modelo matemático En un diseño completamente aleatorizado, el modelo matemático es una representación formal de la relación entre las variables del experimento. El modelo matemático describe cómo las variables independientes afectan a la variable dependiente y cómo se relacionan entre sí. El modelo matemático en un diseño completamente aleatorizado puede ser expresado de la siguiente manera: Y = μ + τ + ε Donde: ❖ Y representa la variable dependiente (la respuesta o el resultado medido). ❖ μ es la media general o el valor promedio de la variable dependiente en todo el experimento. ❖ τ es el efecto del tratamiento o de la condición experimental. ❖ ε es el error aleatorio, que incluye todos los factores no controlados o aleatorios que pueden afectar la variable dependiente y no están relacionados con el tratamiento. Diseño completamente al azar 𝐻𝑜: 𝜇1 = 𝜇2 = 𝜇3 = 𝜇 𝐻1: 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 ℎ𝑎𝑦 𝑢𝑛 𝜇𝑖 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 Hipótesis estadística Nivel de significación 𝛼 = 0,05 ¿Cuál? La técnica estadística utilizada en el DCA para decidir sobre las Hipótesis es la ANOVA DE UN FACTOR Diseño completamente al azar 𝑯𝒐: 𝝁𝟏 = 𝝁𝟐 = 𝝁𝟑 = 𝝁 𝑯𝟏: 𝑨𝒍 𝒎𝒆𝒏𝒐𝒔 𝒉𝒂𝒚 𝒖𝒏 𝝁𝒊 𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒕𝒆 Interpretación grafica Diseño completamente al azar Investigador desea conocer cuál es el mejor sustrato para favorecer el crecimiento de determinada especie de plantas sembradas en un vivero. Realizando el experimento de la siguiente forma Utiliza cuatro tipos diferentes de sustratos: turba, compost, gallinaza, humos de Lombriz Controla que las variables humedad, iluminación, temperatura se mantengan igual para todos los sustratos Al cabo de 20 días mide 16 plantas al azar de cada sustrato Diseño completamente al azar Altura de la planta Sustrato Humedad Temperatura Iluminación Turba Compost Gallinaza H. lombriz 𝐻𝑜: 𝜇1 = 𝜇2 = 𝜇3 = 𝜇4 = 𝜇 𝐻1: 𝐴𝑙 𝑚𝑒𝑛𝑜𝑠 ℎ𝑎𝑦 𝑢𝑛 𝜇𝑖 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 Hipótesis estadística Diseño completamente al azar Procesamiento Estadístico ANOVA de un factor Diseño completamente al azar Turba Gallinaza Compost H. de Lombriz 19,62 16,00 15,30 12,20 19,60 16,20 13,10 12,57 19,59 18,70 16,00 11,56 19,63 15,71 16,50 9,30 19,61 18,62 15,80 10,24 19,62 16,70 15,75 12,40 19,68 15,15 17,50 11,41 19,62 17,90 18,00 9,00 19,00 13,80 12,50 11,80 17,10 13,20 11,30 12,50 17,00 13,49 13,60 14,50 16,20 14,56 13,91 13,20 16,13 15,27 13,54 13,41 16,98 16,87 13,51 13,54 15,89 15,40 13,00 14,30 16,10 13,40 14,00 13,40 Sustrato Altura Turba 19,62 Turba 19,60 Turba 19,59 Turba 19,63 Turba 19,61 Turba 19,62 Turba 19,68 Turba 19,62 Turba 19,00 Turba 17,10 Turba 17,00 Turba 16,20 Turba 16,13 Turba 16,98 Turba 15,89 Turba 16,10 Gallinaza 16,00 Gallinaza 16,20 Gallinaza 18,70 Gallinaza 15,71 Gallinaza 18,62 Gallinaza 16,70 Tratamiento de la información Calculando ANOVA manualmente Tratamiento de la información Tratamiento de la información Tratamiento de la información Tratamiento de la información Tratamiento de la información Si la significación es menor que 0,05 se rechaza 𝑯𝟎 y se acepta 𝑯𝟏 Si la significación es mayor que 0,05 se a𝐜𝐞𝐩𝐭𝐚 𝑯𝟎 𝑯𝟎: 𝝁𝟏 = 𝝁𝟐 = 𝝁𝟑= 𝝁𝟒 = 𝝁 𝑯𝟏: 𝒂𝒍 𝒎𝒆𝒏𝒐𝒔 𝒉𝒂𝒚 𝒖𝒏 𝝁𝒊 𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒕𝒆 Tratamiento de la información Otras posibilidades de resultados Tratamiento de la información Tratamiento de la información Caso II Si la significación es menor que 0,05 se rechaza 𝑯𝟎 y se acepta 𝑯𝟏 Si la significación es mayor que 0,05 se a𝐜𝐞𝐩𝐭𝐚 𝑯𝟎 𝑯𝟎: 𝝁𝟏 = 𝝁𝟐 = 𝝁𝟑= 𝝁𝟒 = 𝝁 𝑯𝟏: 𝒂𝒍 𝒎𝒆𝒏𝒐𝒔 𝒉𝒂𝒚 𝒖𝒏 𝝁𝒊 𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒕𝒆 Tratamiento de la información Caso III Si la significación es menor que 0,05 se rechaza 𝑯𝟎 y se acepta 𝑯𝟏 Si la significación es mayor que 0,05 se a𝐜𝐞𝐩𝐭𝐚 𝑯𝟎 𝑯𝟎: 𝝁𝟏 = 𝝁𝟐 = 𝝁𝟑= 𝝁𝟒 = 𝝁 𝑯𝟏: 𝒂𝒍 𝒎𝒆𝒏𝒐𝒔 𝒉𝒂𝒚 𝒖𝒏 𝝁𝒊 𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒕𝒆 Diapositiva 1 Diapositiva 2 Diapositiva 3 Diapositiva 4 Diapositiva 5 Diapositiva 6 Diapositiva 7 Diapositiva 8 Diapositiva 9 Diapositiva 10 Diapositiva 11 Diapositiva 12 Diapositiva 13 Diapositiva 14 Diapositiva 15 Diapositiva 16 Diapositiva 17 Diapositiva 18 Diapositiva 19 Diapositiva 20 Diapositiva 21
Compartir