DISEÑO EXPERIMENTAL

UNIDAD 2: FASE 3 - DISEÑOS UNIFACTORIALES

ESTUDIANTE
ARIEL MONTENEGRO LEDESMA
CODIGO; 76236899

DIRECTOR
JUAN CAMILO MENDOZA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
POPAYAN CAUCA: MARZO DE 2020
 Apéndice 3

1. A partir de la lectura del capítulo 3 del libro análisis y diseños de

experimentos, aplique los conceptos del diseño completamente al azar
(DCA) y análisis de varianza para el siguiente enunciado.

COMPARACIÓN DE 4 FÓRMULAS DE ENGORDE EN TILAPIAS

El equipo de desarrollo e innovación que lo componen zootecnistas e

ingenieros de alimentos de una empresa de cultivo de tilapia evalúa el
efecto de cinco fórmulas de engorde (F1, F2, F3, F4, F5), sobre el peso final
de las tilapias (entendiendo que a mayor peso en las tilapias la fórmula de
engorde realizada es más eficiente). En primera instancia, la estrategia
experimental es aplicar cuatro veces las 5 fórmulas de engorde en orden
completamente al aleatorio (las 20 pruebas al azar). Los pesos (kg)
obtenidos de las tilapias en la investigación se muestran en la siguiente
tabla.

FÓRMULAS DE ENGORDE
F1 F2 F3 F4 F5
2,66 3,2 3,01 3,52 4,00
2,52 3,42 3,13 3,71 3,89
2,74 3,47 3,25 3,78 3,90
2,9 3,64 3,38 3,79 4,12

a. Formule el interrogante del problema de investigación. (5 /120)

¿Existen diferencias entre las cinco formulas al momento de engordar los

cultivos de tilapia, en cuanto a su peso promedio?

b. Formule las hipótesis correspondientes (igualdad y alterna). (5 /120)

H 0 :μ 1=μ2=μ3 =μ4 =μ 5

H 1 : μ i ≠ μ j para alguni≠ j =( 1,2,3,4,5 )

c. Realice los cálculos correspondientes al análisis de varianza y elabore la

tabla ANOVA,  = 0.05. (20 /120)

Vamos a realizar una tabla resumen en la que organizaremos la información y

realizar los cálculos con facilidad.
 Formula de engorde
  F1 F2 F3 F4 F5 Cálculo
5 4
2,66 3,2 3,01 3,52 4 ∑ ∑ Y 2ij=2,662 +3,22+ 3,012+ …+4,122=235,53
i=1 j=1
Observaciones 2,52 3,42 3,13 3,71 3,89
2,74 3,47 3,25 3,78 3,9
2,9 3,64 3,38 3,79 4,12
5 4
Total por tratamiento
10,82 13,73 12,77 14,8 15,91 Y ..=∑ ∑ Y ij =2,66+3,2+3,01+…+ 4,12=68,03
(Y ¿¿ i.)¿ i=1 j=1
Numero de datos en
4 4 4 4 4 N=20total de mediciones
cada tratamiento ( n i)

Cálculos manuales:

1- Suma total de cuadrados o variabilidad de los datos:

Y 2..
5 4 2
2 ( 68,03 )
S C F =∑ ∑ Y ij − =235,5379− =4,133855
i= j j=1 N 20

2- Suma de cuadrados de tratamientos o variabilidad debida a la diferencia

entre fórmulas de engorde.

5
Y 2i . Y 2.. ( 10,822+ 13,732+12,77 2+14,8 2+15,912 ) ( 68,03 )2
S C formula=∑ − = −
i=1 4 N 4 20

S C formula=235,206575−231,404045

S C formula=3,80253

3- Suma de cuadrados del error o variabilidad dentro de las fórmulas de

engorde

S C E=S C F −S C formula

S C E=4,133855−3,80253=0,331325

4- Cuadrados medios de fórmulas y del error. Con N=20 y k =5

 S Cformula 3,80253
C M formula = = =0,9506325
k−1 5−1

S C E 0,331325
C M E= = =0,022088
N−K 20−5

5- Estadístico de prueba.
C M formula 0,9506325
F 0= = =43,038
C ME 0,022088

6- El valor de la significancia observada o valor-p es el área bajo la curva

de la distribución
F k−1 ,N −k =F 4,15

A la derecha de F 0=43,038 .

La cual obtenemos de Excel usando la formula

¿ DISTR . F ( F 0 , k−1 , N−k )

¿ DISTR . F ( 43.0388 , 4 , 15 )

El valor-p es 4,75125 x 10−8

Completamos la tabla ANOVA

Suma de
Fuente de cuadrad Grados de Cuadrad
variabilidad os libertad o medio F Valor-p
Fórmulas de 0,95063
engorde 3,80253 4 25 43,038 4,75125 x 10−8
0,33132 0,02208
Error 5 15 8
4,13385
Total 5 19

d. Realizar la validación de la ANOVA por medio de un programa estadístico

(diferente a Excel), adjuntar pantallazo. (20 /120)
 e. A partir de los criterios del resultado del valor – P y FO (son dos criterios
diferentes), ¿qué se puede concluir con respecto a las hipótesis
planteadas? (10 /120)

Criterio valor-p

El Valor− p=4,75125 x 10−8 es mucho menor a la significancia prefijada

∝=0,05
se rechaza H 0 ,con lo cual se concluye que sí hay diferencia o efectos de las
fórmulas de engorde en cuanto al peso promedio.

Criterio F 0

Comparar el estadístico de prueba contra un numero critico de tablas.

El valor crítico para una significancia de ∝=0,05

F 0.05 ,4 , 15=3,06

Tenemos que
F 0=43,038> F 0.05 , 4 ,15=3,06
Entonces se rechaza H 0 ,con lo cual se concluye que sí hay diferencia o efectos
de las formulas de engorde en cuanto al peso promedio.

f. Describa cual es la función y para qué es utilizado el método Tukey,

después del análisis de varianza de los resultados. Dentro del concepto
responda si es necesario utilizar este método si aceptamos o
rechazamos la hipótesis de igualdad (20 /120)

La prueba de Tukey hace parte del subgrupo de pruebas de rango múltiples en

el grupo de experimentos con un solo factor.

Función: Para comparar pares de medias de una forma más conservadora,

consiste en comparar las diferencias entre medias muestrales con el valor
crítico, el cual está dado por la siguiente ecuación.

CME
T ∝=q∝ (k , N−k)
√ ni

Donde:
C M E=Cuadrado medio del error

ni =Número de observaciones por formula

q ∝ ( k , N−k )=Punto porcentual de la tabla rango estudentizado

k =Número de formulas
N−k=grados de libertad para el error
∝=Nivel de significancia
Se declaran diferentes los pares de medias que cuya diferencia muestral en
valor absoluto sea mayor que T ∝

Después de haber aceptado la hipótesis de igualdad no es necesario realizar la

prueba de Tukey.

En caso contrario, cuando se rechaza la hipótesis de igualdad, aplicamos la

prueba de Tukey para identificar la media muestral con mejor rendimiento, en
nuestro caso se identifica la mejor fórmula de engorde.

Vamos a aplicar la prueba para nuestro caso.

0,022088
T 0.05=q 0.05 ( 5 , 15 )
√ 4
De la tabla obtenemos que q 0.05 ( 5 , 15 )=4.37

0,022088
T 0.05=4.37
√ 4
=0,3247

Tenemos las siguientes medias muestrales

μ1=2,705

μ2=3,4325

μ3=3,1925

μ4 =3,7

μ5=3,9775

Diferencia Diferencia muestral Prueba de Decisión

poblacional Tukey
μ1−μ 2 |2,705−3,4325|=0,7275 0,7275>0,3247 Significativa
μ1−μ3 |2,705−3,1925|=0,4875 0,4875>0,3247 Significativa
 μ1−μ 4 |2,705−3,7|=0,995 0,995>0,3247 Significativa
μ1−μ5 |2,705−3,9775|=1,2725 1,2775>0,3247 Significativa
μ2−μ 3 |3,4325−3,1925|=0,24 0,24<0,3247 No significativa
μ2−μ 4 |3,4325−3,7|=0,2675 0,2675<0,3247 No significativa
μ2−μ 5 |3,4325−3,9775|=0,545 0,545>0,3247 Significativa
μ3−μ 4 |3,1925−3,7|=0,5075 0,5075>0,3247 Significativa
μ3−μ 5 |3,1925−3,9775|=0,785 0,785>0,3247 Significativa
μ4 −μ5 |3,7−3,9775|=0,2775 0,2275<0,3247 No significativa

De la anterior tabla se puede concluir que:

μ1 ≠ μ2 ≠ μ 3 ≠ μ5

μ4 =μ5

El método no encuentra diferencia entre la formula 4 y 5.

2. A partir de la lectura del capítulo 4 del libro análisis y diseños de

experimentos, aplique los conceptos del diseño en cuadro latino (DCL) y
análisis de varianza para el siguiente enunciado.

En un centro de investigación de agricultura se requiere estudiar el efecto de

distintos tipos de semilla en el rendimiento del maíz y se considera que en
dicho rendimiento también pueden influir los tipos de abonos empleados. Así,
el factor de interés es el origen de la semilla (A, B, C y D) y se controla dos
factores de bloques el tipo de semilla y el tipo de abono en función de la
variable de respuesta.

Tipo de Tipo de semilla

abono 1 2 3 4
1 C=73 D=78 A=68 B=90
2 B=79 C=79 D=67 A=80
3 A=65 B=81 C=65 D=66
4 D=92 A=80 B=89 C=92

a. Realice los cálculos correspondientes al análisis de varianza y elabore la

tabla ANOVA  = 0.01. (20 /120)

Debemos completar la información de la tabla 4.5

 Calculo suma de cuadrados:

Hallamos el promedio:
73+78+68+ 90+…+ 92
Ý = =77,75
16
Suma cuadrados Total:
4 4
2 2 2 2
S CTotal =∑ ∑ ( y ijk− Ý ..) =( 73−77,75 ) + ( 78−77,75 ) +…+ ( 92−77,75 ) =1403
i =1 j=1

Suma cuadrados Tipo de abono:

4
2
S Crenglones =∑ 4 ( y´i..− Ý ..)
i=1

Tenemos
y´1.. =77,25

y´2.. =76,25

y´3.. =69,25

y´4.. =88,25

S Crenglones =4 [ ( 77,25−77,75 ) ¿ ¿ 2+ ( 76,25−77,75 )2 + ( 69,25−77,75 )2+ ( 88,25−77,75 )2 ]=740 ¿

Suma cuadrados Tipo de semilla:
4
2
S Ccolumnas =∑ 4 ( y´. j .−Y´ ..)
j=1

Tenemos
y´.1. =77,25

y´.2. =79,5

y´.3. =72,25

y´.4 .=82

S Ccolumnas =4 [ ( 77,25−77,75 ) ¿ ¿ 2+ ( 79,5−77,75 )2+ ( 72,25−77,75 )2+ ( 82−77,75 )2 ]=206,5¿

Suma cuadrados origen:

4
2
S C formulas=∑ k ( y´.. k −Y´ .. )
k=1

Tenemos
y´.. A=73,25

y´.. B =84,75

y´.. C =77,25

y´.. D =75,75

S Corigen =4 [ ( 73,25−77,75 ) ¿ ¿ 2+ ( 84,75−77,75 )2+ ( 77,25−77,75 )2 + ( 75,75−77,75 )2 ]=294 ¿

Suma cuadrados error:

S Cerror =S C Total −S C origen−S C columnas−S C renglones

S Cerror =1403−294−206,5−740

S Cerror =162,5

Calculo cuadrado medio:

Origen de la semilla:
S C origen 294
C M origen = = =98
k −1 3
Tipo de abono:
S C renglones 740
C M renglones = = =246,67
k −1 3
Tipo de semilla:
S C columnas 206,5
C M columnas= = =68,83
k −1 3

Error:
S Cerror 162,5
C M error = = =27,083
(k −2)(k−1) 6
Cálculo de valor F:

Origen de la semilla:
C M origen 98
F 0= = =3,6185
C M error 27,083

Tipo de abono:
C M renglones 246,67
F 0= = =9,107692
C M error 27,083

Tipo de semilla:
C M columnas 68,83
F 0= = =2,541538
C M error 27,083

Cálculo valor-p

El valor de la significancia observada o valor-p es el área bajo la curva de la

distribución.

La cual obtenemos de Excel usando la formula

¿ DISTR . F ( F 0 , k−1 ,(k−1)(k −2) )

A la derecha de

F 0=3.6185 →=DISTR . F ( 3.6185 , 3 , 6 ) →Valor− p=0,08439

F 0=9.107692 →=DISTR . F ( 9.107692, 3 , 6 ) →Valor− p=0,01187

F 0=2.541538 →=DISTR . F (2.541538 , 3 , 6 ) →Valor− p=0,15259

 Completamos la tabla ANOVA.

Suma de
Fuente de cuadrad Grados de Cuadrad
variabilidad os libertad o medio F Valor-p
Origen de la semilla 294 3 98 3,6185 0,08439
Tipo de abono 740 3 246,67 9,107692 0,01187
Tipo de semilla 206,5 3 68,83 2,541538 0,15259
Error 162,5 6 27,083
Total 1403 15

b. A partir de los criterios del resultado del valor – P y FO (son dos criterios
diferentes), ¿qué se puede concluir con respecto a las hipótesis
planteadas? (20 /120)

Criterio valor-p

El Valor− p=0,08439 es mayor a la significancia prefijada ∝=0,05 , entonces

se concluye que no hay información suficiente para concluir que el origen
de la semilla tiene un efecto importante.

El Valor− p=0,01187 es menor a la significancia prefijada ∝=0,05 , se

observa que hay diferencia entre los tipos de abono.

El Valor− p=0,15259 es mayor a la significancia prefijada ∝=0,05 , entonces

se concluye que no hay información suficiente para concluir que el tipo de
semilla tiene un efecto importante.

Criterio F 0

Comparar el estadístico de prueba contra un numero critico de tablas.

El valor crítico para una significancia de ∝=0,05

F 0.05 ,3 ,6 =4,53
Tenemos que
F 0=3,6185< F 0.05 ,3 ,6 =4,53

F 0=¿9,107692¿ F 0.05 ,3 ,6 =4,53 → Sí hay diferencia

F 0=2,541538< F 0.05 ,3 ,6 =4,53

Entonces se concluye que sí hay diferencia o efectos del tipo de abono en

cuanto al rendimiento de la semilla.
BIBLIOGRAFIA

 Gutiérrez,H. (2012).Análisis y diseño de experimentos.(3a. ed.)

McGraw-Hill Interamericana. (pp 52–61) Recuperado
de http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=375&pg=

 Gutiérrez,H. (2012).Análisis y diseño de experimentos.(3a. ed.)

McGraw-Hill Interamericana. (pp 92-96) Recuperado
de http://bibliotecavirtual.unad.edu.co:2053/book.aspx?i=375&pg=