EXPERIMENTOS FACTORIALES

Documentos relacionados
EXPERIMENTOS FACTORIALES CON RESTRICCIONES DE ALEATORIZACION

Diseños Factoriales. Diseño de experimentos p. 1/18

Diseños Factoriales. Diseño de experimentos p. 1/25

Diseño de Experimentos. Diseños Factoriales

Diseño Factorial. Introducción

DISEÑO EN PARCELAS DIVIDIDAS

DISEÑOS DE PARCELAS DIVIDIDAS

DISEÑO EXPERIMENTAL FACTORIAL DE GRUPOS

Diseño de Experimentos Experimentos factoriales

Métodos de Diseño y Análisis de Experimentos

En clases anteriores hemos estudiado diseños aleatorizados a un factor (con y sin bloqueo), introduciendo el modelo de Análisis de la Varianza

Métodos de Diseño y Análisis de Experimentos

2013-B. Diseño y análisis de experimentos. El chocomilk ideal

ESQUEMA GENERAL DISEÑO FACTORIAL

4. DISEÑOS MULTIFACTORIALES O FACTORIALES

DISEÑOS MULTIFACTORIALES CON RESTRICCIONES DE ALEATORIZACIÓN. Diseños en bloques completos aleatorizados con dos tratamientos

AVISOS. Diseño Factorial 30/03/2015. Bioestadística II. Diseño Factorial. El miércoles 1 Abril no hay clases de BIO II

Diseño de Experimentos

Ideas básicas del diseño experimental

Diseño de Experimentos con varios factores. Jhon Jairo Padilla Aguilar, PhD.

DISEÑO DE CUADRADOS LATINOS

Capítulo 6. Análisis de la covarianza ANÁLISIS DE LA COVARIANZA UNIFACTORIAL INTRODUCCIÓN

Diseño de experimentos - Experimentos multifactoriales.

DISEÑO EN BLOQUES ALEATORIZADOS

Diferentes tamaños de u.e. Diseño de experimentos p. 1/24

DCA: Es el más simple de todos los diseños, solamente se estudia el. en diferentes tratamientos o niveles.

Estas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías

Experimentos con factores aleatorios. Diseño de experimentos p. 1/36

DISEÑO FACTORIAL MODELO JERÁRQUICO (0 ANIDADO)

APLICACIÓN DEL SISTEMA FLOWDRILL EN PLACAS DE ACERO INOXIDABLES

Tema 4. Análisis multivariante de la varianza

ANOVA de dos factores Tema Objetivo. Concepto de interacción

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO

ESQUEMA GENERAL. Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño factorial mixto

CENTRO UNIVERSITARIO UAEM ZUMPANGO LIC. DE INGENIERO AGRONOMO EN PRODUCCIÓN DISEÑO DE BLOQUES AL AZAR PRESENTA. DR en EDU. JOSÉ LUIS GUTIÉRREZ LIÑÁN

5. DISEÑO FACTORIALES 2 k

ESQUEMA GENERAL Concepto y formato del Diseño de grupo control no equivalente (DGCNE) Clasificación

Diseños con dos o más fuentes de variación (III): Otros diseños clásicos de experimentos

2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)

Diseño y análisis de experimentos

Modelos mixtos. Diseño de experimentos p. 1/26

ANOVA Análisis de la Varianza en diseño de experimentos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Diseños experimentales con los mismos sujetos. Diseños experimentales con los mismos sujetos. Diseños experimentales con los mismos sujetos

Escuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA

Diseño de Bloques al azar. Diseño de experimentos p. 1/25

CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS

DISEÑOS EXPERIMENTALES EN LAS CIENCIAS AGRÍCOLAS

Estadística III. Carrera: FOR Participantes Representante de las academias de Ingeniería Forestal de Institutos Tecnológicos.

Índice. Diseños factoriales. José Gabriel Palomo Sánchez E.U.A.T. U.P.M. Julio de 2011

Factoriales 1 EXPERIMENTOS CON FACTORIALES

DISEÑO PARCELAS DIVIDIDAS

DESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS

Métodos de Diseño y Análisis de Experimentos

ANOVA mul)factorial. Dept. of Marine Science and Applied Biology Jose Jacobo Zubcoff

Soluciones a los ejercicios propuestos del Tema 6

Diseño de Experimentos

NOTAS SOBRE DISEÑO DE EXPERIMENTOS

DISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO

Experimento Gauge R & R.

BASES DEL DISEÑO EXPERIMENTAL EN CIENCIA ANIMAL

Folleto de Estadísticas. Teoría del 2do Parcial

Pruebas de Hipótesis Multiples

Diseños Factoriales. Existen situaciones en la que se esta interesado en estudiar el efecto conjunto de dos

El diseño factorial: efecto de la interacción. (Modelo no aditivo)

Modelo de Análisis de la Covarianza. Introducción al modelo de Medidas Repetidas

ANÁLISIS DE LA VARIANZA MULTIFACTORIALES

DISEÑO DE EXPERIMENTOS

Diseño de Experimentos

Diseño de experimentos. Introducción

VIII Parcelas Divididas Experimentación en localidades

EXAMEN FINAL ESTADÍSTICA GENERAL (Ejemplo 4)

3.1. Diseño en Cuadrado Latino

Diseño de experimentos

En el pasado, en la realización de experimentos que envolvían más de un factor, y cada

DISEÑOS EXPERIMENTALES EN LAS CIENCIAS AGRÍCOLAS

Departamento de Ciencias del Mar y Biología Aplicada Prof. Jose Jacobo Zubcoff

TEMA 2 Diseño de experimentos: modelos con varios factores

TEMA 6 COMPROBACIÓN DE HIPÓTESIS ESPECÍFICAS DE INVESTIGACIÓN

ANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes

SOLUCIONES EJERCICIOS MISCELANEA. Problema 1. Dagoberto Salgado Horta Página 1

Tema V. EL ANOVA multifactorial

ESTADÍSTICA APLICADA A LA MEDICINA LABORAL

Experimentos factoriales con factores aleatorios

EXPERIMENTOS FACTORIALES

(DERIVADAS DE LA NORMAL)

Diseños en cuadrados de Youden

U ED Tudela Diseños de Investigación y Análisis de Datos - Tema 7

Bloque 3 Tema 14 ANÁLISIS DE LA VARIANZA. PRUEBA F

Evaluación de Regnum 25 EC en el cultivo de maíz para la producción de grano. Rodolfo Alberto Rubio Chávez. Maíz (Zea mays)

Segundo Examen Parcial

Análisis de la Varianza

Transcripción:

EXPERIMENTOS FCTORILES Generalidades Simbología Diseños Experimentales Ventajas Desventajas nálisis Estadístico Ventajas - Desventajas Ventajas 1. Economía en el material experimental, al obtener información sobre varios factores sin aumentar el tamaño del experimento. Todas las u.e. se utilizan para la evaluación de los efectos.. Se amplía la base de la inferencia en relación a un factor, ya que se estudia en las diferentes condiciones representadas por los niveles de otros factores. Se amplía el rango de validez del experimento. 3. Permite el estudio de la interacción, esto es, estudiar el grado y forma en la cual se modifica el efecto de un factor por los niveles de los otros factores. Desventajas 1. Se requiere un gran número de u.e., sobre todo cuando se prueban muchos factores o muchos niveles de algunos factores, es decir, se tiene un número grande de tratamientos.. El análisis es más complejo, puede ser dificultosa la interpretación, sobre todo cuando las interacciones son significativas 1

Modelo Lineal El modelo lineal al cual responde un experimento factorial de factores ( y ) montado en un Diseño Completamente leatorizado (DC) es el siguiente: Y ijk µ + τ + β + ( τβ ) + i j ij ε ijk Donde: Y ijk Observación bajo el i-ésimo nivel del factor, j-ésimo nivel del factor, repetición k. µ Media general del ensayo. τ i Efecto del tratamiento. β j Efecto del tratamiento. (τβ ) ij Efecto de la interacción ( x ). ε ijk Error experimental (factores no controlados). NOV Fuentes de Variación Suma de Cuadrados Grados de Libertad Factor a 1 Factor b 1 Cuadrado Medio F Calculado F D F D Interacción ( x ) x (a 1) (b 1) F D Error Experimental D E ab (r 1) D D E Total T t abr 1

Planteo de Hipótesis Hipótesis 1: No hay diferencias entre los niveles del factor Hipótesis : No hay diferencias entre los niveles del factor. Hipótesis 3: No hay interacción entre los factores (independencia) Comparación de medias Interacción No significativa Significativa Estudio los efectos principales Estudio las combinaciones o interacciones Comparación de medias (Si el factor en estudio tiene más de dos niveles) Comparación de medias Efecto Principal: Se define como la diferencia entre los niveles de un mismo factor a todos los niveles de los otros factores Combinaciones o interacciones: Surgen de combinar todos los factores a todos los niveles. 3

Test de Tukey Interacciones no significativas Interacciones significativas 1) Para comparar los efectos principales de. q ( α;e ;a ) S rb ) Para comparar los efectos principales de. q ( α;e ;b ).. S ra Para comparar entre sí todas las combinaciones formadas por los niveles de los factores q ( α;e ;ab ). S r Gráfico de Interacciones N 1 N 1 N 0 N 0 0 1 Nivel de P 0 1 Nivel de P N 1 N 1 N 0 N 0 0 1 Nivel de P 0 1 Nivel de P 4

Variantes (DC) Yijk µ + λ + τ + β + ( τβ ) + ε k i j ij ijk Fuentes de Variación Suma de Cuadrados Grados de Libertad Cuadrado Medio F Calculado loque b r 1 Factor a 1 Factor b 1 b F D F D Interacción ( x ) x (a 1) (b 1) F D Error Experimental D E (ab -1) (r 1) D D E Total T Glt abr 1 Ejemplo 1 Deseamos probar dos dosis de nitrógeno y dos de fósforo en un cultivo de maíz. El campo experimental presenta una pendiente pronunciada. Se aconsejan realizar 5 repeticiones por tratamiento. loques Tratamientos N 0P 0 N 1P 0 N 0P 1 N 1P 1 Totales de loque I 1,00 1,50 3,0 3,80 9,50 II 1,60,30 4,50 5,00 13,40 III 1,0 1,10 5,60 6,00 13,90 IV 1,30 1,40 5,50 6,0 14,40 V 1,30 1,60 4,40 4,80 1,10 Totales Tratamientos 6,40 7,90 3,0 5,80 63,30 Media Tratamientos 1,8 1,58 4,64 5,16 Planteo de Hipótesis que se someterán a prueba: Hipótesis 1: No hay diferencias de rendimiento entre los dos niveles de nitrógeno. Hipótesis : No hay diferencias de rendimiento entre los dos niveles de fósforo. Hipótesis 3: No hay interacción entre los factores (independencia). 5

NOV Fuentes de Variación Suma de cuadrados Cuadrados Medios loque 3,853 4 0,963 F Calculado Factor (N) 0,8405 1 0,8405,134 Factor (P) 60,045 1 60,045 15,836 * Interacción (N x P) 0,0605 1 0,0605 0,154 Dentro Error Experimental 4,77 1 0,3939 Total 69,6855 19 Suma de cuadrado total Yi i j k T Y i jk C Y,, i j k N i, j, k i, j, k j k Suma de cuadrado para cada factor Y + + Y a 1 L C rb Y1 + L + Yb C ra Suma de cuadrado para la interacción x x E Suma de cuadrado de tratamientos (E) Y11 + L + Y ab E C r Suma de cuadrado del error (D) D T x NOV Obtención de los F tabulados Fuentes de Variación del numerador del denominador Nivel de significancia F Tabulado F Cabulado Nitrógeno 1 1 0,05 4,75,134 Fósforo 1 1 0,05 4,75 15,836 * Interacción 1 1 0,05 4,75 0,154 Conclusión parcial Hipótesis 3: No hay interacción entre los factores (independencia). NO ES RECHZD Hipótesis 1: No hay diferencias de rendimiento entre los dos niveles de nitrógeno. NO ES RECHZD Hipótesis : No hay diferencias de rendimiento entre los dos niveles de fósforo. ES RECHZD 6

Gráfico de Interacción Rend. 6 5 4 3 1 0 P 1 P 0 0 1 N Test de Tukey S 0,3939 d. m. s5 % 5% q5% 3,08 0,6113 ra 5x Tratamiento Media Significancia Significancia P 0 1,43 X a P 1 4,90 X b 7

Ejemplo Cuadro de nálisis de la Varianza F.V. F p-valor Modelo 18,00 3 6,00 6,00 0,0061 Variedad 5,00 1 5,00 5,00 0,0399 Epoca 0,0 1 0,0 0,0 0,6607 Variedad*Epoca 1,80 1 1,80 1,80 0,005 Error 16,00 16 1,00 Total 34,00 19 7,7 Gráfico de Interacción Rendimiento 6,58 5,89 5,0 Varied ad Variedad Tukey lfa0,05 DMS1,80943 Error: 1,0000 : 16 Variedad Epoca Medias n,00 4,60 5 1,00 5,80 5 1,00 6,40 5,00 7,0 5 4,51 1 Ep oca Ejemplo 3 Cuadro de nálisis de la Varianza F.V. F p-valor Modelo 101,50 5 0,30 33, <0,0001 Hibrido 39,00 19,50 31,91 <0,0001 Densidad 1,50 1 1,50,45 0,1346 Hibrido*Densidad 61,00 30,50 49,91 <0,0001 Error 11,00 18 0,61 Total 11,50 3 Gráfico de Interacción 10,3 Densidad 8,54 Producción 6,75 Densidad 1 4,96 3,17 C Hibrido 8