Unidad XI. Ejemplo y Ejercicios Arreglo Factorial
Unidad XI. Ejemplo y Ejercicios Arreglo Factorial
Unidad XI. Ejemplo y Ejercicios Arreglo Factorial
EJEMPLO #01. En un experimento en perros de la raza (Bóxer) se midió la reducción en centímetros del tamaño de un tumor de piel.
Para ello se utilizaron 2 tipos de Quimioterapia y 2 edades (Jóvenes y Adultos). Se quiere determinar el efecto de la quimioterapia y
las edades, además determinar si existe dependencia entre estos.
Edades
Quimioterapia Joven Adulta Total 1.- Variable Respuesta: Reducción del tamaño de un tumor de piel.
1.8 0.5 Tipo: Continua 𝑦~𝑁(𝜇, 𝜎 2 ); 𝛼 = 0.05
I 0.3 1 2.- Factores: Edad y Quimioterapia
1 2.5 Niveles: Edades→2
2 2 Quimioterapia→2
Sub-Total 5.1 6 11.1 Total de tratamientos: 2𝑥2 = 4
3 5.2 Repeticiones→4
II 2.5 5 Total de Observaciones→ 2𝑥2𝑥4 = 16
5 6
2 5.7
Sub-Total 12.5 21.9 34.4
Total 17.6 27.9 45.5
Donde:
𝒚𝒊𝒋𝒌 = Es la reducción del tamaño de un tumor de piel de la k-ésimo perro, j-ésima QUIMIOTERAPIA y la i-ésima EDAD.
𝝁 = Media General de la reducción del tamaño de un tumor de piel.
𝑬𝒊 = Efecto de la i-ésima EDAD.
𝑸𝒋 = Efecto de la j-ésima QUIMIOTERAPIA.
(𝑬𝑸)𝒊𝒋 = Efecto de la interacción de PRIMER ORDEN de la j-ésima QUIMIOTERAPIA y la i-ésima EDAD.
𝜺𝒊𝒋𝒌 = Efecto Aleatorio propio de cada observación.
4.- Hipótesis:
5.- Cálculos:
(𝐺𝑟𝑎𝑛 𝑇𝑜𝑡𝑎𝑙)2 (𝟒𝟓. 𝟓)2 (𝟓. 𝟏)𝟐 + (𝟔)𝟐 + (𝟏𝟐. 𝟓)𝟐 + (𝟐𝟏. 𝟗)𝟐
𝑭𝑪 = = = 𝟏𝟐𝟗. 𝟑𝟗 𝑺𝑪(𝑬∗𝑸) = − 𝟏𝟐𝟗. 𝟑𝟗 − 𝑺𝑪𝑬 − 𝑺𝑪𝑸
𝑛 16 184.61 𝟒
𝑺𝑪𝑻𝒐𝒕 = [(𝟏. 𝟖)𝟐 + ⋯ + (𝟓. 𝟕)𝟐 ] − 𝟏𝟐𝟗. 𝟑𝟗 = 𝟓𝟓. 𝟐𝟐 𝑺𝑪(𝑬∗𝑸) = 𝟏𝟕𝟒. 𝟒𝟕 − 𝟏𝟐𝟗. 𝟑𝟗 − 𝟔. 𝟔𝟑 − 𝟑𝟑. 𝟗𝟑 = 𝟒. 𝟓𝟏𝟖
136.02
(𝟏𝟕. 𝟔)𝟐 + (𝟐𝟕. 𝟗)𝟐 𝑺𝑪𝑹𝒆𝒔𝒊𝒅𝒖𝒂𝒍 = 𝑺𝑪𝑻𝒐𝒕 − 𝑺𝑪𝑬𝒅𝒂𝒅 − 𝑺𝑪𝑸𝒖𝒊𝒎𝒊𝒐𝒕𝒆𝒓𝒂𝒑𝒊𝒂 − 𝑺𝑪(𝑬∗𝑸) = 𝟏𝟎. 𝟏𝟒𝟐
𝑺𝑪𝑬𝒅𝒂𝒅 = − 𝟏𝟐𝟗. 𝟑𝟗 = 𝟔. 𝟔𝟑
𝟖
163.32
(𝟏𝟏. 𝟏)𝟐 + (𝟑𝟒. 𝟒)𝟐
𝑺𝑪𝑸𝒖𝒊𝒎𝒊𝒐𝒕𝒆𝒓𝒂𝒑𝒊𝒂 = − 𝟏𝟐𝟗. 𝟑𝟗 = 𝟑𝟑. 𝟗𝟑
𝟖
7.- Conclusión:
Edad: Se rechaza Ho, por lo tanto, existen diferencias significativas entre los promedios de las dos edades sobre la reducción del
tumor en piel (𝑝 < 0.05).
Quimioterapia: Se rechaza Ho, por lo tanto, existen diferencias significativas entre los promedios de las dos quimioterapias sobre la
reducción del tumor en piel (𝑝 < 0.05).
Edad*Quimioterapia: Se rechaza Ho, por lo tanto, hay efecto de la interacción de primer orden (Edad*Quimioterapia) sobre la
reducción del tumor en piel (𝑝 < 0.05).
8.- Prueba de Medias: Como la interacción de 1er orden resultó significativa se le realizará la prueba de medias.
Edades
Quimioterapia J A
I 𝟏. 𝟐𝟓𝟕 𝟏. 𝟓𝟎𝟎
II 𝟑. 𝟏𝟐𝟓 𝟓. 𝟒𝟕𝟓
̅𝑨𝑰 = 𝟑. 𝟏𝟐𝟓 − 𝟏. 𝟓𝟎𝟎 = 𝟏. 𝟔𝟐𝟓 > 𝟏. 𝟒𝟏𝟔 ; son heterogéneas; 𝑦̅𝐽𝐼𝐼 ≠ 𝑦̅𝐴𝐼 ; 𝑦̅𝐽𝐼
̅𝑱𝑰𝑰 − 𝒚
𝒚
̅𝑨𝑰 − 𝒚
𝒚 ̅ 𝐴𝐼 = 𝑦̅ 𝐽𝐼
̅𝑱𝑰 = 𝟏. 𝟓𝟎𝟎 − 𝟏. 𝟐𝟕𝟓 = 𝟎. 𝟐𝟐𝟓 < 𝟏. 𝟒𝟏𝟔; son homogéneas; 𝑦
9.- Interpretación: El mayor promedio de reducción del tumor en piel de los perros de raza Bóxer se obtuvo con la quimioterapia II en
la edad Adulta (𝑝 < 0.05), el menor promedio de reducción del tumor en piel se obtuvo con la quimioterapia I en la edad Juvenil quien
no presentó diferencias significativas con la quimioterapia I en pacientes adultos (𝑝 > 0.05). Se puede concluir que la quimioterapia
que mejor funciona en pacientes adultos y jóvenes es la II.
𝐻0 : 𝜇1 = 𝜇2 = 𝜇3 →Todos los promedios de las etapas respecto al % de grasa en la leche son iguales.
Etapas
𝐻𝑎 : Al menos un promedio de las etapas respecto al % de grasa en la leche difiere.
2
𝐻𝑜 : 𝜎𝐵𝑙𝑜𝑞 = 0 → NO hay efecto del ordeñador respecto al % de grasa en la leche de vaca.
Bloque Ordeñador 2
𝐻𝑎 : 𝜎𝐵𝑙𝑜𝑞 > 0 → SI hay efecto del ordeñador respecto al % de grasa en la leche de vaca.
7.- Conclusión:
Razas: Se rechaza la Ho, por lo tanto, existen diferencias altamente significativas entre los promedios de los grupos raciales respecto al %
de grasa en la leche de vaca (p < 0.01).
Edades: Se rechaza la Ho, por lo tanto, existen diferencias altamente significativas entre los dos promedios de las edades respecto al %
de grasa en la leche de vaca (p < 0.01).
Etapas: Se rechaza la Ho, por lo tanto, existen diferencias altamente significativas entre los promedios de las etapas respecto al % de
grasa en la leche de vaca (p < 0.01).
R*E: Se rechaza la Ho, por lo tanto, hay efecto de la interacción de primer orden (Razas*Edad) respecto al % de grasa en la leche de vaca
(p < 0.01).
R*Et: No se rechaza la Ho, por lo tanto, no hay efecto de la interacción de primer orden (Razas*Etapas) respecto al % de grasa en la leche
de vaca (p > 0.01).
E*Et: No se rechaza la Ho, por lo tanto, no hay efecto de la interacción de primer orden (Edades*Etapas) respecto al % de grasa en la
leche de vaca (p > 0.01).
R*E*Et: No se rechaza la Ho, por lo tanto, no hay efecto de la interacción de segundo orden (Razas*Edades*Etapas) respecto al % de
grasa en la leche de vaca (p > 0.01).
Ordeñador: No se rechaza la Ho, por lo tanto, no hay efecto del ordeñador respecto al % de grasa en la leche de vaca (p > 0.01).
8.- Prueba de Medias: Como la interacción de 1er orden (R*E) resultó significativa se les realizará la prueba de medias,
fijando uno de los factores de la siguiente manera:
Edad 1a:
Edad 2a:
Paso#04. Interpretación:
En la Edad 1a se observa que el mayor promedio de % de grasa en la leche se obtuvo con la raza Pardo Suiza (p < 0.01). Seguido por
la raza F1(HF*Br) con quien presentó diferencias significativas en el % de grasa en la leche (p < 0.01). Con la raza Holstein Freisian se
obtuvo el menor promedio de % de grasa en la leche (p < 0.01). En la Edad 2a el mayor promedio de % de grasa en la leche se obtuvo
con la F1(HF*Br) (p < 0.01). Seguido por la raza Pardo Suiza con quien presentó diferencias significativas en el % de grasa en la leche
(p < 0.01). Con la raza Holstein Freisian se obtuvo el menor promedio de % de grasa en la leche (p < 0.01).
Con los diferentes conjuntos de datos que se presenta a continuación, responda las siguientes preguntas:
֎ Indique: variable respuesta, tipo de variable, distribución, unidad experimental, factores, niveles, tratamientos, repeticiones
y total de observaciones.
֎ Establezca el modelo lineal aditivo describiendo cada uno de los términos del modelo.
֎ Establezca las hipótesis a probar.
֎ Realice los cálculos correspondientes.
֎ Realice el ANAVAR.
֎ Interprete los resultados.
֎ Realice la prueba de medias (Duncan) en el caso de ser necesario.
1.- Un proceso de producción química consiste de una primera reacción con un alcohol y una segunda reacción con una base. Se realizó
un experimento factorial con tres alcoholes y dos bases, con cuatro reacciones replica en un diseño totalmente aleatorizado. Los datos
se reunieron como porcentaje de la reacción, 𝛼 = 0.05:
Reacción Alcohol
Base 1 2 3 Total
91.3 89.3 89.5
A 89.9 90.4 87.6
90.7 88.1 88.3
91.4 91.4 90.3
Sub-Total 363.3 359.2 355.7 1078.2
87.3 92.3 93.1
B 89.4 90.6 90.7
91.5 91.5 91.5
88.3 94.7 89.8
Sub-Total 356.5 369.1 365.1 1090.7
Total 719.8 728.3 720.8 2168.9
Fuente: Robert O. Kuehl (2001), ¨Diseño de Experimentos¨
2.- Una compañía probó dos métodos químicos para determinar la glucosa en el suero. Se usaron tres recipientes con suero para el
experimento, cada uno contenía distintos niveles de glucosa mediante la adición de glucosa al nivel base. Se prepararon tres muestras
de suero de cada recipiente independientes del nivel de glucosa, con cada uno de los métodos químicos. Se midió la concentración de
glucosa (mg/dl) de todas las muestras en una corrida del espectómetro 𝛼 = 0.01:
Nivel de Glucosa
Método 1 2 3 Total
42.5 138.4 180.9
A 43.3 144.4 180.5
42.9 142.7 183.0
Sub-Total 128.7 425.5 544.4 1098.6
39.8 132.4 176.8
B 40.3 132.4 173.6
41.2 130.3 174.9
Sub-Total 121.3 395.1 525.3 1041.7
Total 250 820.6 1069.7 2140.3
Fuente: Robert O. Kuehl (2001), ¨Diseño de Experimentos¨
Tiempo
Cultivo 12hrs 18hrs Total
21 25
I 22 26
23 24
28 25
20 29
26 27
Sub-Total 140 156 296
37 31
II 39 34
38 29
38 33
35 30
36 35
Sub-Total 223 192 415
Total 363 348 711
Fuente: Douglas C. Montgomery (1993), ¨Diseño y Análisis de Experimentos¨
4.- Se encuentra en estudio el rendimiento de un proceso químico. Se cree que las dos variables más importantes son la presión y la
temperatura. Se seleccionan tres niveles de cada factor y se realiza un experimento factorial con dos réplicas. Se recopilan los
siguientes datos 𝛼 = 0.05:
Presión
Método 200 215 230 Total
90.4 90.7 90.2
Baja
90.2 90.6 90.4
Sub-Total 180.6 181.3 180.6 542.5
90.1 90.5 89.9
Media
90.3 90.6 90.1
Sub-Total 180.4 181.1 180 541.5
90.5 90.8 90.4
Alta
90.7 90.9 90.1
Sub-Total 181.2 181.7 180.5 543.4
Total 542.2 544.1 541.1 1627.4