UNIVERSIDAD NACIONAL TORIBIO RODRIGUEZ DE MENDOZA – INGENIERIA AGROINDUSTRIAL EJERCICIOS DE APLICACION DE DCA, DBCA, DCL Y COMPARACIONES MULTIPLES 1) DISEÑO COMPLETAMENTE AL AZAR. CON NUMERO DE TRATAMIENTOS IGUALES Se desea probar la hipótesis de que las notas de estadística en pruebas objetivas cortas dependen de la hora de realización de la prueba. Para ello se han escogido al azar.5 alumnos de turno matutino, vespertino y nocturno. Las pruebas arrojaron los resultados siguientes: MATUTINO VESPERTINO NOCTURNO 16 10 15 17 11 08 18 12 09 19 13 13 20 14 14 90 60 59 209 b) Análisis de varianza. a) Análisis estadístico de datos. Yij = µ+τi + εij µ es el efecto de la media. τi es el efecto del tratamiento. εij es el efecto del error experimental en el tratamiento H0: µ1 = µ2 i ≠ j H1: µ1 ≠ µ2 (al menos una es diferente) α = 5% - 1% c) Estadística de prueba ANVA FUENTE DE VARIACION Tratamiento Error Total SUMA DE CUADRADOS SCT=124.13 SCE=58.8 SC total=182.93 GRADOS DE LIBERTAD t-1=3-1=2 T(r-1)=12 r*t -1=14 CUADRADO MEDIO CMT= 62.065 CME=4.9 F – CAL. 12.667 𝒀𝟐 SUMA DE CUADRADO TOTAL ∑ ∑ 𝒀𝟐 ij − 𝒓𝒕 = 182.93 SUMA DE CUADRADOS DEL TRATAMIENTO ∑ ∑ 𝒀𝟐 𝑖 𝒏 𝒀𝟐 − 𝒓𝒕 = 124.13 SCE= SC total – SCT = 58.8 d) Decisión Rechazar H0 si: FC > F(gl trat + gl error) α =3.89. Se rechaza H0 e) Conclusión. Si existe diferencia significativa entre los alumnos que estudian en diferentes turnos CURSO: METODOS ESTADISTICOS ALUMNO: RUIZ YOPLAC LORD KELVIN CICLO: VIII UNIVERSIDAD NACIONAL TORIBIO RODRIGUEZ DE MENDOZA – INGENIERIA AGROINDUSTRIAL 2) DISEÑO COMPLETAMENTE AL AZAR. CON DIFERENTE NUMERO DE TRATAMIENTOS. Se tiene los siguientes resultados de 4 tratamientos los cuales pertenecen a los tiempos de coagulación de sangre para 24 animales que fueron aleatoriamente asignados a una de cuatro dietas (A, B, C, D) DIETA A 62 60 63 59 DIETA B 63 67 71 64 65 66 DIETA C 68 66 71 67 68 68 244 396 408 f) Análisis estadístico de datos. DIETA D 56 62 60 61 63 64 63 59 488 1536 g) Análisis de varianza. Yij = µ+τi + εij µ es el efecto de la media. τi es el efecto del tratamiento. εij es el efecto del error experimental en el tratamiento ∑ 𝑹𝒊 = 𝟐𝟒 R1 = 4, R2 = 6, R3 = 6, R4 = 8 H0: µ1 = µ2 i ≠ j H1: µ1 ≠ µ2 (al menos una es diferente) α = 5% - 1% h) Estadística de prueba ANVA FUENTE DE VARIACION Tratamiento Error Total SUMA DE GRADOS DE CUADRADO CUADRADOS LIBERTAD MEDIO t-1=4-1=3 SCT= 228 CMT= 57 SCE= 112 ∑ 𝑹𝒊 − 𝒕 = 𝟐𝟎 CME= 5.6 SC total= 340 ∑ 𝑹𝒊 − 𝟏 = 𝟐𝟑 SUMA DE CUADRADO TOTAL ∑ ∑ 𝒀𝟐 ij − 𝒀𝟐 𝒓𝒊 F – CAL. 10.18 = 340 SUMA DE CUADRADOS DEL TRATAMIENTO ∑ ∑ 𝒀𝟐 𝑖 𝒓𝒊 − 𝒀𝟐 𝒓𝒊 = 228 SCE= SC total – SCT = 112 ∑ 𝑹𝒊 − 𝟏 − (𝒕 − 𝟏) = 𝟐𝟎 CURSO: METODOS ESTADISTICOS ALUMNO: RUIZ YOPLAC LORD KELVIN CICLO: VIII UNIVERSIDAD NACIONAL TORIBIO RODRIGUEZ DE MENDOZA – INGENIERIA AGROINDUSTRIAL i) Decisión Rechazar H0 si: FC > F(gl Se rechaza H0 trat + gl error) α =3.10. Conclusión. Si existe diferencia significativa entre los tiempos de coagulación de sangre de los 24 animales pertenecientes a los diferentes tratamientos. EJERCICIO DBCA En un trabajo realizado el 2012 se comparó el efecto de varios herbicidas sobre el peso de las flores de gladiolos. El peso promedio por inflorescencia en onzas se da a continuación para cuatro tratamientos: Bloques Tratamiento Control 2.4-DTCA DN/Cr Sesin total de Bloque𝒚.𝒋 tratamiento 1 1,25 2,05 1,95 1,75 2 1,73 1,56 2 1,93 3 1,82 1,68 1,83 1,7 4 1,31 1,69 1,81 1,59 7 7,22 7,03 6,4 Total𝑦𝑖 . 6,11 6,98 7,59 6,97 𝟐𝟕, 𝟔𝟓 a) Modelo aditivo lineal y explique sus componentes 𝜸𝒊𝒋 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 + 𝜺𝒊𝒋 𝜸𝒊𝒋 = efecto del peso en las flores gladiolo 𝝁 = Efecto de la media en el peso de los gladiolos 𝝉𝒊 = Efecto del tipo de hervicida en el peso de los gladiolos 𝜷𝒋 = Efecto de los Bloques en el peso de los gladiolos𝑗 𝜺𝒊𝒋 = Efecto del error experimental b) Cuál es la hipótesis nula y alterna en términos estadísticos agronómicos c) 𝑯𝟎 : 𝝁𝒊 = 𝝁𝒋 i ≠ 𝒋 𝒍os herbicidas no tienen efecto sobre el peso de las flores gladiolo d) 𝑯𝒂 : 𝝁𝒊 ≠ 𝝁𝒋 Al menos uno de los herbicidas tiene efecto sobre el peso de las flores de gladiolo CURSO: METODOS ESTADISTICOS ALUMNO: RUIZ YOPLAC LORD KELVIN CICLO: VIII UNIVERSIDAD NACIONAL TORIBIO RODRIGUEZ DE MENDOZA – INGENIERIA AGROINDUSTRIAL e) Realice el análisis de varianza y diga si es conveniente ejecutar prueba de comparaciones múltiples de tratamientos y porque. Análisis de varianza SC total= ∑𝑏𝑖=1 SC bloque SC trata = SC fuente de variación (f y) Bloques ∑𝑡𝑖=1 𝑌𝑖𝑗 − ∑ 𝑦2𝑗 error ∑ 𝑦2𝑗 = 𝑏 − 𝑡 𝑦 2 .. = 𝑏𝑡 =SC − 𝑌..2 𝑏𝑡 𝑦 2 .. = 𝑏𝑡 = 1.252 + 2.052 + 1.952 + ⋯ + 1.592 (6.112+6.982+7.592+6.972 )/4 – 27.652 16 = 0.7488 27.652/16 =0.0925 (72+7.222+7.032+6.42 )/4 – 27.652/16 =0.277 total – SC bloq – SC Suma de cuadrados (SC) grados de libertad (gl) 0.09256 𝐛−𝟏 = 4−1= 𝟑 0.277 𝐭−𝟏 =4−1=3 trat= 0.75-0.28-0.095= Cuadrados medios CM SC/gl 0.09467 = 0.031557 3 0.3764 𝑭𝒄 = CM/CME 𝐶𝑀𝐵𝑙 = 𝐶𝑀𝐸 0.075 0.031557 0.4182 = Tratamientos 0.2777 = 0.092567 3 Total 0.7488 B*t-1 = 4x4-1 = 15 0.7488 = 0.04992 15 Error 0.3764 (b-1)*(t-1)=3x3 =9 0.3764 = 0.4182 9 Rechazar 𝑯𝟎 si 𝐶𝑀𝑇 0.092567 = 𝐶𝑀𝐸 0.4182 = 𝟎. 𝟐𝟐 𝑡𝑎𝑏𝑙𝑎 𝐹𝑐 > 𝐹(𝑔𝑙𝑇𝑟𝑎𝑡;𝑔𝑙𝐸)∝ = 𝟎. 𝟐𝟐 > 𝟑. 𝟖𝟔 Conclusión: existe evidencia estadística para afirmar que no existe diferencia significativa entre tratamientos con un nivel de 5% de significación; por lo tanto no es conveniente utilizar pruebas de comparaciones múltiples de tratamiento CURSO: METODOS ESTADISTICOS ALUMNO: RUIZ YOPLAC LORD KELVIN CICLO: VIII UNIVERSIDAD NACIONAL TORIBIO RODRIGUEZ DE MENDOZA – INGENIERIA AGROINDUSTRIAL EJERCICIO DISEÑO CUADRAO LATINO (DCL) Se realizó un experimento para observar el rendimiento en kilogramos por parcela de 5 variedades de garbanzo (A, B, C, D) en el cual se tuvo que utilizar el diseño cuadrado latino. Las filas fueron definidas como niveles de riego y las columnas como fertilidad del suelo. NIVELES FERTILIDAD DEL SUELO DE RIEGO 1 2 3 B=65 C=80 A=55 1 C=95 A=60 E=94 2 A=63 E=98 D=79 3 E=97 D=94 B=46 4 D=76 B=54 C=106 5 TOTAL 396 386 380 Realizar el respectivo cuadro ANVA y su respectiva hipótesis. 4 E=83 D=95 B=69 C=71 A=36 354 5 D=80 B=62 C=100 A=42 E=96 380 TOTAL 363 406 409 350 368 1896 EVALUACIÓN DE SUPUESTO MODELO 𝜸𝒊𝒋 = 𝝁 + 𝜶𝒊 + 𝜷𝒋 +𝝉𝒌 + 𝜺𝒊𝒋𝒌 Si cumple con los requisitos de linealidad, aditivita, aleatoriedad, repetición, control local, independencia. 𝜸𝒊𝒋 = variable respuesta aumento del rendimiento en kilogramos por parcela. 𝝁 = efecto de la media en el rendimiento. 𝝉𝒌 = efecto del tratamiento 𝜷𝒋 = efecto de la columna (fertilidad del suelo) 𝜶𝒊 = efecto de la fila (niveles de riego) 𝜺𝒊𝒋𝒌 = error experimental Supuestos: linealidad, aditividad, independencia, igualdad de varianzas, normalidad. ANALISIS DE VARIANZA. Columnas. 𝑯𝟎 : 𝜷 𝒋 = 𝟎 𝑯𝒂 : 𝜷 𝒋 ≠ 𝟎 Filas 𝑯𝟎 : 𝜶𝒊 = 𝟎 𝑯𝒂 : 𝜶𝒊 ≠ 𝟎 Tratamientos. 𝑯𝟎 : 𝝁 𝒊 = 𝝁 𝒋 i ≠ 𝒋 𝑯𝒂 : 𝝁𝒊 ≠ 𝝁𝒋 (Al menos una es diferente) Estadística de prueba “F” Nivel de significación α=5% Columnas r=5 Tratamientos = 5 n=5 CURSO: METODOS ESTADISTICOS ALUMNO: RUIZ YOPLAC LORD KELVIN CICLO: VIII UNIVERSIDAD NACIONAL TORIBIO RODRIGUEZ DE MENDOZA – INGENIERIA AGROINDUSTRIAL Cuadro ANVA fuente de variación (f) Bloques (filas) Bloque (columna) Suma de cuadrados (SC) 569.35 192.96 grados de libertad (gl) n-1=4 n-1= 4 Cuadrados medios CM SC/ gl 142.25 48.24 tratamiento Error 3934.36 4960.68 n-1= 4 (n-1)(n-2)=12 983.59 413.39 Total 9657.36 N2 -1=24 402.39 SC total= ∑𝑏𝑖=1 SC filas ∑ 𝑦2𝑗 = SC columna = SC trata = ∑𝑡𝑖=1 𝑌𝑖𝑗 − ∑ 𝑦2𝑗 ∑ 𝑦2𝑘 𝑛 𝑛 𝑛 − 𝑌..2 𝑛∗𝑛 𝑦 2 .. = 𝑛∗𝑛 = 652 + 952 + ⋯ + 962 - 18962 25 𝑭𝒄 = CM/CME 0.344 0.116 0.238 = 9657.36 (3632+4062+4092+…..+3682)/5 – 18962/25= 569.36 𝑦 2 .. − 𝑛∗𝑛= (3962+3862+3802+…+3802 )/5 – 18962/25 =192.96 𝑦 2 .. − 𝑛∗𝑛= (2562+2962+4522+…+4242 )/5 – 18962/25 =3934.36 SC error =SC total – SC bloq – SC trat = 9657.36 – 569.36 – 192.96 – 3934.36 = 4960.68 A B C D 63 65 95 76 60 54 80 94 55 46 106 79 36 69 71 95 42 62 100 80 256 296 452 424 Decisión: Rechazar si Fc > F(n-1),(n-1)(n-2)α tabla FILAS Aceptamos H0 COLUMNAS Aceptamos H0 Fertilidad del suelo. niveles de riego existe diferencia No Existe diferencia No significativa en la fertilidad significativamente los del suelo niveles de riego TRATAMIENTOS Aceptamos H0 Tratamiento No existe diferencia significativa en los tratamientos CURSO: METODOS ESTADISTICOS ALUMNO: RUIZ YOPLAC LORD KELVIN CICLO: VIII UNIVERSIDAD NACIONAL TORIBIO RODRIGUEZ DE MENDOZA – INGENIERIA AGROINDUSTRIAL COMPERACIONES MULTIPLES DUNCAN, DUNNET, TUKEY. 1.- COMPARACION MULTIPLE DE DUNNET. Tomando los datos del DBCA se realizó la prueba dunnet. Comparando, control y sesin al 5% 𝑯𝟎 : 𝝁𝑪𝒐𝒏𝒕𝒓𝒐𝒍 = 𝝁𝑺𝒆𝒔𝒊𝒏 P = t-1 y gl Error al 0.05 𝑯𝒂 : 𝝁𝑪𝒐𝒏𝒕𝒓𝒐𝒍 ≠ 𝝁𝑺𝒆𝒔𝒊𝒏 P = 4-1 =3 P= nº de tratamientos sin incluir el control ∝ = 𝟎. 𝟎𝟓 𝑨𝑳𝑺𝑫𝑵 = (𝑻𝑫𝑵 )(𝓼𝒙̅𝒊 −𝒙̅𝒋 ) Gl Error = 9 𝑻𝑫𝑵 : Se obtiene de la tabla Dunnett (𝓼𝒙̅𝒊 −𝒙̅𝒋 ) = √ 𝟐×𝑪𝑴𝑬 𝒓 𝑻𝑫𝑵(𝟗,𝟑)𝟎.𝟎𝟓 = 𝟐. 𝟖𝟏 𝟐×0.4182 =√ 𝟒 = 𝟎𝟒𝟓𝟕 𝑨𝑳𝑺𝑫𝑵 = 𝟐. 𝟖𝟏𝒙𝟎. 𝟒𝟓𝟕 = 𝟏. 𝟐𝟖𝟒𝟏𝟕 Rechazar 𝑯𝟎 si: |𝑥̅𝑐𝑜𝑛𝑡𝑟𝑜𝑙 − 𝑥̅𝑠𝑒𝑠𝑖𝑛 | ≥ 𝐴𝐿𝑆𝐷𝑁 |x̅c − x̅s | Significación 𝑯𝟎 𝐀𝐋𝐒𝐃𝐍 |μc − μ2.4−DT | 1.28 NO * 𝟎. 𝟐𝟏𝟕𝟓 < 1.28 NO * 𝟎. 𝟑𝟕 < |μc − μDN/CR | |μc − μSesin | 1.28 NO * 𝟎. 𝟐𝟏𝟓 < Decisión: Se acepta 𝑯𝟎 ya que no existe diferencia significativa |𝐱̅ 𝐜𝐨𝐧𝐭𝐫𝐨𝐥 − 𝐱̅ 𝐬𝐞𝐬𝐢𝐧 | < 𝐀𝐋𝐒𝐃𝐍 Conclusión: todos los tratamientos son homogéneos. Y no existe ninguna diferencia significativa entre los tratamientos. 2.- COMPARACION MULTIPLE DE DUNCAN. Con la finalidad de estudiar el efecto de 5 raciones para ganado ovino, se llevó a cabo un experimento conducido en D. C. A. Los resultados del incremento en peso (en Kg.) al final del experimento se presentan a continuación. Observaciones RACIONES (i) (j) R1 R2 R3 R4 R5 1 4.228 4.529 4.994 5.626 4.891 2 4.330 4.956 4.373 5.373 5.142 3 3.791 4.160 5.642 4.932 5.002 4 4.008 4.650 5.124 4.843 3.992 5 3.910 3.891 4.562 5.217 4.810 CURSO: METODOS ESTADISTICOS ALUMNO: RUIZ YOPLAC LORD KELVIN CICLO: VIII UNIVERSIDAD NACIONAL TORIBIO RODRIGUEZ DE MENDOZA – INGENIERIA AGROINDUSTRIAL TOTAL MEDIA 20.267 4.0534 22.186 4.4372 24.695 4.939 25.991 5.1982 23.837 4.7674 116.976 a) Utilice la Prueba de Duncan para comprobar la ración 2 con la ración 3. Use α=0.05 GRADOS CUADRADO DE Fc MEDIO LIBERTAD 3,9741 4 0,9935 6,3788 3,1151 20 0,1558 7,0892 24 PRUEBA DE DUNCAN FUENTE DE SUMA DE VARIACIÓN CUADRADOS Tratamiento Error Total H0: µR2 = µR3 Ha: µR2 ≠ µR3 𝑨𝑬𝑺𝑫 (glE; P)α: De tabla Duncan glE = 20 α = 0.05 P=t–1=5– 1=4 α=0.05 𝑨𝑳𝑺𝑫 = 𝑨𝑬𝑺𝑫 (𝓼𝒙̅𝑹𝟐 −𝒙̅𝑹𝟑 ) 𝟐𝑪𝑴𝑬 𝓼𝒙̅𝑹𝟐 −𝒙̅𝑹𝟑 = √ √ 𝟐𝒙𝟎.𝟏𝟓𝟓𝟖 𝟓 𝒓 = = 𝟎. 𝟐𝟒𝟗𝟔 P 𝑨𝑬𝑺𝑫 𝑨𝑳𝑺𝑫 Comparaciones 2 2.95 0.73632 𝒕(𝒕−𝟏) 𝟐 = 3 3.10 0.77376 5(4) 2 4 3.18 0.79372 5 3.25 0.8112 = 𝟏𝟎 Ordenando promedios (ascendente) R1 4.0534 R2 4.4372 R5 4.7674 R3 4.939 R4 5.1982 Comparación con tratamientos ordenados H0 µ2 = µ3 |𝒙 ̅̅̅𝟐 − 𝒙 ̅𝟑 | 0.5018 P 3 ALSD 0.77376 Decisión Acepta H0 Significación 0 Conclusión: La evidencia estadística no permite afirmar que exista diferencia significativa entre el efecto de la ración 2 y la ración 3 sobre el aumento en peso del ganad ovino. CURSO: METODOS ESTADISTICOS ALUMNO: RUIZ YOPLAC LORD KELVIN CICLO: VIII UNIVERSIDAD NACIONAL TORIBIO RODRIGUEZ DE MENDOZA – INGENIERIA AGROINDUSTRIAL 3.- COMPARACION MULTIPLE DE TUKEY. Tomando datos del ejercicio anterior. Comprobar las raciones 4 y 5 PRUEBA DE TUKEY FUENTE DE SUMA DE VARIACIÓN CUADRADOS 3,9741 3,1151 7,0892 Tratamiento Error Total GRADOS CUADRADO DE Fc MEDIO LIBERTAD 4 0,9935 6,3788 20 0,1558 24 𝑨𝑬𝑺𝑫 (glE; P)α: De tabla de Tukey glE = 20 α = 0.05 P=t=5 𝑨𝑬𝑺𝑫 (20; 5)0.05 = 4.45 Hipótesis H0: µR4 = µR5 Ha: µR4 ≠ µR5 α=0.05 𝑨𝑳𝑺𝑻 = (4.45)(0.1765) = 𝟎. 𝟕𝟖𝟓𝟒𝟐𝟓 𝑨𝑳𝑺𝑻 = (𝑨𝑬𝑺𝑻 )(𝓼𝒙̅𝑹𝟒 −𝒙̅𝑹𝟓 ) 𝑪𝑴𝑬 𝓼𝒙̅𝑹𝟐 −𝒙̅𝑹𝟑 = √ 𝒓 𝟎.𝟏𝟓𝟓𝟖 =√ = 𝟓 𝟎. 𝟏𝟕𝟔𝟓 Comparaciones 𝒕(𝒕 − 𝟏) 5(4) = = 𝟏𝟎 𝟐 2 Ordenando promedios (ascendente) R1 4.0534 R2 4.4372 R5 4.7674 R3 4.939 R4 5.1982 Comparación con tratamientos ordenados H0 µ4 = µ5 |𝒙 ̅̅̅𝟒 − 𝒙 ̅𝟓 | 0.4308 ALST 0.7854 Decisión Acepta H0 Significancia 0 Conclusión: La evidencia estadística no permite afirmar que exista diferencia significativa entre el efecto de la ración 4 y la ración 5 sobre el aumento en peso del ganado ovino. CURSO: METODOS ESTADISTICOS ALUMNO: RUIZ YOPLAC LORD KELVIN CICLO: VIII