METODOS

DIFEERENCIAS MINIMA
SIGNIFICATIVA
(FISHER, TUKEY, DUNNETT)

WPS Office
[NOMBRE DE LA EMPRESA]  [Dirección de la compañía]
 1

Tabla de contenido Pag.

Introducción ……………………………………………………………………………………………………………… 2
ANOVA: Análisis de Variación …………………………………………………………………………………………. 3
Métodos para Detectar Diferencias Mínimas Significativas …............................................. 3
La Diferencia Significativa Mínima (DSM..........................................................................................4
Escribir el título del capítulo (nivel 2)............................................................................................5
Escribir el título del capítulo (nivel 3)........................................................................................6
 2

Introducción

En este caso explicaremos algunas técnicas para analizar con mayor detalle los datos
de un experimento, con posterioridad a la realización del Análisis de la Varianza (ANOVA).
Si dicho análisis confirma la existencia de diferencias significativas entre los tratamientos, es
conveniente investigar que medias son distintas. Para ello emplearemos diversas técnicas
cuyo objeto es identificar que tratamientos son estadísticamente diferentes y en cuanto
oscila el valor de esas diferencias. Consideraremos su aplicación únicamente al modelo de
efectos fijos.

El uso de estas técnicas, en algunos casos, esta superdotado al resultado del análisis
de la varianza; en otros casos, las técnicas pueden emplearse directamente sin haber
realizado previamente dicho análisis. Este conjunto de técnicas se engloba bajo la
denominación de contraste para comparaciones múltiples ya que su objetivo fundamental es
comprar entre sí; medias de tratamientos o grupos de ellas.

En primer lugar, estudiamos un procedimiento intuitivo y cualitativo basado en la

representación gráfica de los datos del experimento. después del método grafico
consideramos la técnica de comparación por parejas introducida por Fisher en 1935. Dicha
técnica, denominada Método de la Diferencia Mínima Significativa o Método LSD (Least
Significant Difference), se basa en la construcción de test de hipótesis para la diferencia de
cualquier par de medias.

Cuando el número posible de comparaciones es elevado, la aplicación reiterada este

procedimiento para un nivel de significación (α), puede conducir a un número grande de
rechazo de la hipótesis nula; aunque no exista diferencias reales. El intento de pailar el
problema de los falsos rechazos. justifica la introducción de otros procedimientos para
comparaciones múltiples.

A continuación, se aborda otra forma de solventar las diferencias mencionadas

anteriormente, basada en el rango estudientizado, que da lugar al método de la diferencia
significativa honesta propuesta por Tukey.

Otro problema de índole diferente, también ligado a las comparaciones múltiples,

consiste en las comparaciones de distintos tratamientos con un control que suele emplearse
en determinados campos de investigación, por ejemplo, de estudios epidemiológicos. Dicho
problema se aborda mediante el contraste de Dunnett.
 3

Al estudiar el comportamiento de los tratamientos de un factor, mediante un análisis de

la varianza, el único objetivo es saber si, globalmente, dichos tratamientos difieren
significativamente entre sí. Ahora estamos interesados, una vez aceptada la existencia de
diferencias entre los efectos del factor, en conocer que tratamientos concretos producen
mayor efecto o cuales son los tratamientos diferentes entre sí. En estas mismas
condiciones, puede ser útil también realizar comparaciones adicionales entre grupos de
medias de los tratamientos.

ANOVA: Análisis de Variación.

Es una prueba para la diferencia entre dos o más grupo. La variación total se subdivide
en variación que se debe a las diferencias entre los grupos y la variación de obedecer
dentro de grupos. La variación dentro del grupo se considera como error aleatorio.

 Métodos para Detectar Diferencias Mínimas Significativas

Diferencia Mínima Significativa; Es el método de comparación múltiple posiblemente más

utilizado, debido quizás a su fácil manera de aplicar. Es usualmente usado para comparar
una pareja de medias de tratamientos, pero puede ser utilizado para comparaciones de más
de dos medias de tratamientos.

La Diferencia Significativa Mínima (DSM); se define como la diferencia mínima que podría
existir entre dos medias de muestras significativamente diferentes. Para obtener la fórmula
para la DSM, se usa la prueba t de Student para la diferencia entre dos medias cuando las
varianzas no son diferentes cuyos estadísticos de contraste es:

Además, si se considera ni = nj = n, entonces:

Si este valor calculado es mayor que el valor teórico (de tablas) decimos que la diferencia
entre m 1 y m 2 es significativa. Así, la DSM puede considerarse como la menor de las

Existen varios procedimientos para determinar cuáles son los pares de medias que son
diferentes.

El más utilizado es el de la Diferencia Mínima Significativa (DSM) de Fisher. Éste

procedimiento es una extensión de la prueba t de Student para el caso de comparación de
 4

dos medias con varianza ponderada.

Previamente a realizar la prueba de diferencia mínima significativa (DSM) de Fisher

conviene realizar:

o Análisis para detectar datos anómalos o outliers.

o Análisis de la varianza. Cuando el análisis de varianza indica la existencia de una

diferencia significativa se desea conocer cuál de los pares de medias causa la
diferencia. Cuando las muestras son de igual tamaño la Diferencia Significativa
Mínima (DSM) de Fisher nos ayuda a localizar esta fuente.

El Análisis de la Varianza (ANOVA), es un método para comparar dos o más medidas. Se

puede decir, que es una colección de modelos estadísticos y sus procedimientos asociados,
en el cual la varianza está patrocinada en ciertos componentes debido a diferentes variables
definibles.

Los análisis ANOVA requieren datos de poblaciones que sigan una distribución
aproximadamente normal con varianzas iguales entre los niveles de factores. Sin embargo,
los procedimientos de ANOVA funcionan bastante bien incluso cuando se viola el supuesto
de normalidad, a menos que una o más de las distribuciones sean muy asimétricas o si las
varianzas son bastante diferentes.

Utilice el (ANOVA) cuando tenga un factor categórico y una respuesta continua y desee
determinar si las medias de las poblaciones de dos o más grupos son diferentes. Para
utilizar un ANOVA, debe recopilar una muestra de datos en cada nivel de la variable X.

Fisher en 1935 la denominó Prueba protectora de Fisher LSD, en la cual recomendó que
para que la tasa de error juiciosa por comparación sea aproximadamente igual a alpha (α)
se beben realizar dos etapas:

 Etapa I: Es probar Ho: U1 = U2 =...= Un; por la prueba F de tamaño alpha, si el valor
F no es significante se termina el análisis. Si el valor F es significante, entonces
sigue la etapa II.

 Etapa II: Se prueba cada comparación simple Ho: U1 = U2 por una prueba t al nivel
de significancia del alpha y con los grados de libertad (g.l) del CM_ EE (en un DCA
g.l=r(t-1), en un bloque g.l=(r-1)(t-1).

Esta prueba determina el valor mínimo necesario para considerar diferentes dos
tratamientos y lo utiliza para comparar los diferentes pares de medias que se deseen
evaluar. Los pares de medias que se comparan son los que han sido planeados antes de
ejecutar el experimento, por ello es una prueba para comparaciones planeadas.
 5

Supongamos que después de haber rechazado la hipótesis global, con base en una prueba
F de análisis de varianza, se desea probar Ho: U1 = U2, para i = i. Esto puede hacerse
empleando la estadística.

Y se rechaza la hipótesis nula Ho = Ui = Ur si

En forma general para probar cualquier (i=1,2,......,t) se plantea la hipótesis

modo Ho : C = 0 y se rechaza Ho si

Donde:

t a/2 Scontranste = diferencia mínima significativa(DMS),

t a/2 Percentil de la distribución t-student con grados de libertad dados por los grados de
libertad del error experimental

Scontranste = Desviación estándar del contraste que para el caso de la diferencia de dos
medias muestrales es dado por:

Como vemos el DMS depende del percentil de la distribución t-Student, el cuadrado medio
del error experimental (CME) y el número de réplicas r. Si r es grande entonces el DMS será
pequeño y permitirá detectar diferencias significativas pequeñas, por otro lado, si el CME
aumenta para un r fijo entonces la DMS es grande y se tiende a no detectar diferencias
significativas.

Ventajas

Fácil de realizar
Válida cuando se han planeado las comparaciones que se van a hacer previamente a la
obtención de los resultados.
 6

aná1
Desventajas

Puede dar resultados falsamente significativos en un nivel del (0.05) si el experimentador se

dedica a hacer comparaciones exclusivamente entre tratamientos de resultados extremos.
En el caso de que hubiera que hacer preferentemente comparaciones de resultados
extremos, es necesario optar por un nivel de (0.01) en lugar de (0.05), pero si el número de
tratamientos es elevado debe reemplazarse la (DMS) por otra prueba. Debido a este uso
incorrecto de la (DMS) se vacila en su recomendación. El uso incorrecto más común es
hacer comparaciones sugeridas por los datos.

Entonces, las hipótesis a aprobar son:

Ho= Hipótesis nula
Ha = Hipótesis alterna
1_ Total = T = T1 + T2 + T3 +... Tn

2 _ Factor de corrección (Fc) = T2

n
3 _ Sumas de los cuadrados totales: (Sct) = Xi x S2 - Fc

4 _ Sumas de cuadrados de Tratamientos = (ScTr) = Ti - Fc

ni

5 _ Sumas de cuadrados del error (SCE) = SCT - SCTr

Experimento 1

El departamento de producción quiere saber cuál método de inyección de gas produce

mayor aumento en la producción de una macolla de 18 pozos. Las técnicas a utilizar para el
estudio serán A; igual técnica de gas lift por inyección de un motocompresor B; igual técnica
de gas lift por inyección de un turbocompresor y C; igual técnica por inyección de gas por un
pozo inyector a razón de un tiempo de prueba de 10 meses y un 95% de confianza.

La siguiente tabla muestra los niveles de producción por mes según el método aplicado que
se utilizó. Se aplica un ANOVA.

TORRES Barriles dia por cada mes TOTALES N

A 72 73 73 77 82 82 83 84 85 89 0 0 0 0 800,00 10
B 81 82 83 83 83 84 87 90 92 93 0 0 0 0 858,00 10
C 77 78 79 88 89 90 91 95 95 98 0 0 0 0 880,00 10
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0,00 0
K 3 ∑T 2538,00
∑N 30
T² 6441444

1
 7

N²
5184 5329 5329 5929 6724 6724 6889 7056 7225 7921 0 0 0 0
6561 6724 6889 6889 6889 7056 7569 8100 8464 8649 0 0 0 0
5929 6084 6241 7744 7921 8100 8281 9025 9025 9604 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
∑ N² 216054

1) Fc= T²/N
Fc= 214714,8

2) SCT= ∑ N²-Fc
SCT= 1339,2

3) SCTr= 64000 137616,4 215056,4

SCTr= 341,6

4) SCE= 997,6

ANOVA
FACTORES F crítico
Grados de Suma de Cuadrados
DE Razón F (Estadístico de Prueba) (Tabla de
Libertad (GL) Cuadrados (SC) Medios (CM)
VARIACIÓN Fisher)
K-1 SCTr CMTr=SCTr/k-1 GL
F=CMTr/CME
Tratamiento K 3
341,6 CMTr 170,8
(2,27)
1 2
N-K SCE CMTr=SCE/N-K F= 4,62269447 3,35
ERROR N 30
997,6 CME 36,948
3 27
N-1
TOTAL 1339,2 Fcal 4,62 Fcrítico 3,35
29 4,62 > 3,35

Ho: se desprecia ya que el estadístico de prueba es mayor que el F crítico, esto quiere decir
que por lo menos uno de los tratamientos es diferente a los otros en un 95% de confianza.
Usando los valores de nuestro cuadro ANOVA, podemos calcular el estadístico de Fisher.
 8

LSD √2CME ●(1/ni+1/nk)

ni Números de datos (réplicas) los tratramientos.

nk Números de datos (réplicas) del tratramiento control.
α 0,05 Crítico de FisherTabla según los grados de libertad 3,35
k-1 2 Fα = 3,35
n-k 27 1/ni = 0,1
CME 36,9 1/nk = 0,1
ni 10 (CME)*2 = 73,9
nk 10 (1/ni)+(1/nk) = 0,2
CME●(1/ni+1/nk) 14,8 =
3,84
LSD= 12,9

Calculamos la diferencia absoluta entre cada tratamiento.

Sin Tratamiento ∑ A/n 800,00 10 80

∑ B/n 858,00 10 85,8
∑ C/n 880,00 10 88

l TA-TB l 5,8 < 12,88

l TA-TC l 8 < 12,88
l TB-TC l 2,2 < 12,88

CONCLUSIÓN: Todos los métodos de inyección probados no presentaron deferencias.

Esto quiere decir que los pozos aumentaron de manera proporcional al tratamiento.

Experimento 2

La industria petrolera posee cuatro plantas compresoras y se sabe que la planta A satisface
los requisitos de producción de pies cúbicos de gas por día impuesto por la industria para el
conteo de quema de gas por día con su % de condensado aceptado. Pero se quisiera
determinar cuál es la situación de los otros tres (3). Para el efecto se toma cinco (5)
muestras de los líquidos (condesado del gas) residuales de cada una de las plantas y se
determina la cantidad de condesado (Contaminante). Los resultados del experimento
aparecen en la siguiente tabla.
 9

TORRES Contaminantes (scf/d) TOTALES N

A 1,65 1,72 1,5 1,35 1,6 0 0 0 0 0 0 0 0 0 7,82 5
B 1,7 1,85 1,46 2,05 1,8 0 0 0 0 0 0 0 0 0 8,86 5
C 1,4 1,75 1,38 1,65 1,55 0 0 0 0 0 0 0 0 0 7,73 5
D 2,1 1,95 1,65 1,88 2 0 0 0 0 0 0 0 0 0 9,58 5
K 4 ∑T 33,99
∑N 20
T² 1155,32

N²
2,723 2,958 2,25 1,8225 2,56 0 0 0 0 0 0 0 0 0
2,89 3,423 2,1316 4,2025 3,24 0 0 0 0 0 0 0 0 0
1,96 3,063 1,9044 2,7225 2,403 0 0 0 0 0 0 0 0 0
4,41 3,803 2,7225 3,5344 4 0 0 0 0 0 0 0 0 0
∑ N² 58,72

1) Fc= T²/N
Fc= 57,766005

2) SCT= ∑ N²-Fc
SCT= 0,955295

3) SCTr= 12,23048 27,9304 39,88098 58,23626

SCTr= 0,470255

4) SCE= 0,48504

ANOVA
FACTORES Suma de F crítico
Grados de Libertad Cuadrados
DE Cuadrados Razón F (Estadístico de Prueba) (Tabla de
(GL) Medios (CM)
VARIACIÓN (SC) Fisher)
K-1 SCTr CMTr=SCTr/k-1 GL
F=CMTr/CME
Tratamiento K 4
0,470255 CMTr 0,1568
(3,16)
1 3
N-K SCE CMTr=SCE/N-K F= 5,170762549 3,24
ERROR N 20
0,48504 CME 0,0303
4 16
N-1
TOTAL 0,955295 Fcal 5,17 Fcrítico 3,24
19 5,17 > 3,24

Ho: se desprecia ya que el estadístico de prueba es mayor que el F crítico, esto quiere decir
que por lo menos uno de los tratamientos es diferente a los otros en un 95% de confianza.

Usando los valores de nuestro cuadro ANOVA, podemos calcular el estadístico de Fisher.
 10

LSD √2CME●(1/ni+1/nk)

ni Números de datos (réplicas) los tratramientos.

nk Números de datos (réplicas) del tratramiento control.
α 0,05 Crítico de Fisher Tabla según los grados de libertad 3,24
k-1 3 Fα = 3,24
n-k 16 1/ni = 0,2
CME 0,03 1/nk = 0,2
ni 5 (CME)*2 = 0,06
nk 5 (1/ni)+(1/nk) = 0,4
CME●(1/ni+1/nk) = 0,02
0,16
LSD= 0,5

Calculamos la diferencia absoluta entre cada tratamiento.

Sin Tratamiento ∑ A/n 7,82 5 1,56

∑ B/n 8,86 5 1,77
∑ C/n 7,73 5 1,55
∑ D/n 9,58 5 1,92

l TA-TB l 0,208 < 0,50

l TA-TC l 0,018 < 0,50
l TB-TC l 0,226 < 0,50
l TB-TDl 0,144 < 0,50
11
12
 13

CONCLUSIÓN: Ninguno de los métodos presenta diferencias mínimas significativas.

 El método de Tukey

La prueba de Tukey es similar a una prueba t de Student en cuanto a que se calcula una
única diferencia crítica para realizar todas las comparaciones entre las medias; sin
embargo, es también similar a la prueba de Duncan y de Newman-Keuls en cuanto a que el
valor de esta diferencia crítica depende del número de comparaciones que se haga.

Se utiliza en ANOVA para crear intervalos de confianza para todas las diferencias en parejas
entre las medias de los niveles de los factores mientras controla la tasa de error por familia
en un nivel especificado. Es importante considerar la tasa de error por familia cuando se
hacen comparaciones múltiples, porque la probabilidad de cometer un error de tipo I para
una serie de comparaciones es mayor que la tasa de error para cualquier comparación
individual. Para contrarrestar esta tasa de error más elevada, el método de Tukey ajusta el
nivel de confianza de cada intervalo individual para que el nivel de confianza simultáneo
resultante sea igual al valor que usted especifique.

La prueba de Tukey, es la más inconsistente de entre las pruebas para realizar

comparaciones múltiples. Esto significa que su veredicto cambiará de experimento a
experimento aún cuando no cambien las diferencias entre tratamientos, los grados de
libertad o el cuadrado medio del error (Saville, 1990)
Experimento 1
Experimento N°1

1) Un fabricante de equipos rotativos y reciprocantes desea hacer un estudio estadístico

fiable que le indique saber cuál de los cuatros (4) marcas de compresores a gas (Roll
Royce, Dreser Ram, Ariel y Cooper) es el más efectivo a nivel de compresión utilizado en
gas combustibles con una calidad (X=0,55) ya que estos equipos fueron probados con un
gas combustible a (X=0,85) manteniendo los mismos valores de compresión siendo
constante en su efectividad,

Para el estudio formó cuatro grupos con seis (6) compresores que hasta ese momento
 14

tuvieron las mismas condiciones de alimentación (gas

combustible), A razón de 6 meses en prueba

A partir del experimento los grupos serán:

Grupo A = Roll Royce
Grupo B = Dreser Ram
Grupo C = Ariel
Grupo D = Cooper

TORRES Media cada seis meses (scf/d) TOTALES N

A 1,9 2 2 3 1,8 2,1 0 0 0 0 0 0 0 0 12,80 6
B 1,4 1,5 1,6 1,7 1,5 1,4 0 0 0 0 0 0 0 0 9,10 6
C 1,8 2,1 2 1,9 2,1 2 0 0 0 0 0 0 0 0 11,90 6
D 1,5 1,4 1,5 1,6 1,6 1,8 0 0 0 0 0 0 0 0 9,40 6
K 4 ∑T 43,20
∑N 24
T² 1866,24

N²
3,61 4 4 9 3,24 4,41 0 0 0 0 0 0 0 0
1,96 2,25 2,56 2,89 2,25 1,96 0 0 0 0 0 0 0 0
3,24 4,41 4 3,61 4,41 4 0 0 0 0 0 0 0 0
2,25 1,96 2,25 2,56 2,56 3,24 0 0 0 0 0 0 0 0
∑ N² 80,62

1) Fc= T²/N
Fc= 77,76

2) SCT= ∑ N²-Fc
SCT= 2,86

3) SCTr= 27,30666667 41,10833333 64,71 79,43666667

SCTr= 1,676666667

4) SCE= 1,183333333

ANOVA
FACTORES F crítico
Grados de Libertad Suma de Cuadrados
DE Razón F (Estadístico de Prueba) (Tabla de
(GL) Cuadrados (SC) Medios (CM)
VARIACIÓN Fisher)
K-1 SCTr CMTr=SCTr/k-1 GL
F=CMTr/CME
Tratamiento K 4
1,676666667 CMTr 0,5589
(3,20)
1 3
N-K SCE CMTr=SCE/N-K F= 9,44600939 3,1
ERROR N 24
1,183333333 CME 0,0592
4 20
N-1
TOTAL 2,86 Fcal 9,45 Fcrítico 3,1
23 9,45 > 3,1
 15

Ho: se desprecia ya que el estadístico de prueba es mayor que el F crítico, esto quiere decir
que por lo menos uno de los tratamientos es diferente a los otros en un 95% de confianza.

Usando los valores de nuestro cuadro ANOVA, podemos calcular el estadístico de Tukey.

HSD √CME/n
ni Números de datos (réplicas) los tratramientos.
α 0,05 Crítico de Tukey Tabla según los grados de libertad 3,58
k-1 3 Qα = 3,58
n-k 20 n = 6
CME 0,06 (CME)/n = 0,01
n 6 = 0,1
HSD= 0,36

Calculamos la diferencia absoluta entre cada tratamiento.

Sin Tratamiento ∑ A/n 12,80 6 2,13

∑ B/n 9,10 6 1,52
∑ C/n 11,90 6 1,98
∑ D/n 9,40 6 1,57

l TA-TB l 0,616666667 > 0,36

l TA-TC l 0,15 < 0,36
l TB-TC l 0,466666667 > 0,36
l TB-TDl 0,05 < 0,36
CONCLUSIÓN: Se observa una paridad en los tratamientos, es decir, en los tratamientos
TA/TC y TB/TD no se evidencia diferencias mínimas y en los restantes si existen
diferencias.

Experimento 2

En una torre de glicol se aplica tres (3) fórmulas para aumentar los tiempos de secado de un
gas rico. Probar si existe diferencias en los tiempos medios de secados con las tres (3)
formulas, observándose los siguientes datos a un 95% de confianza

TORRES Tiempos de la prueba TOTALES N

A 13 11 8 11 8 0 0 0 0 0 0 0 0 0 51,00 5
B 13 11 14 14 10 0 0 0 0 0 0 0 0 0 62,00 5
C 4 1 3 4 2 0 0 0 0 0 0 0 0 0 14,00 5
K 3 ∑T 127,00
∑N 15
T² 16129
 16

N²
169 121 64 121 64 0 0 0 0 0 0 0 0 0
169 121 196 196 100 0 0 0 0 0 0 0 0 0
16 1 9 16 4 0 0 0 0 0 0 0 0 0
∑ N² 1367

1) Fc= T²/N
Fc= 1075,266667

2) SCT= ∑ N²-Fc
SCT= 291,7333333

3) SCTr= 520,2 1289 1328,2

SCTr= 252,9333333
4) SCE= 38,8

ANOVA
FACTORES F crítico
Grados de Libertad Suma de Cuadrados
DE Razón F (Estadístico de Prueba) (Tabla de
(GL) Cuadrados (SC) Medios (CM)
VARIACIÓN Fisher)
K-1 SCTr CMTr=SCTr/k-1 GL
F=CMTr/CME
Tratamien to K 3
252,9333333 CMTr 126,467
(2,12)
1 2
N-K SCE CMTr=SCE/N-K F= 39,1134021 3,89
ERROR N 15
38,8 CME 3,23333
3 12
N-1
TOTAL 291,7333333 Fcal 39,1 Fcrítico 3,89
14 39,1 > 3,89

Ho: se desprecia ya que el estadístico de prueba es mayor que el F crítico, esto quiere decir
que por lo menos uno de los tratamientos es diferente a los otros en un 95% de confianza.

Usando los valores de nuestro cuadro ANOVA, podemos calcular el estadístico de Tukey.

HSD √CME/n
 17

ni Números de datos (réplicas) los tratramientos.

α 0,05 Crítico de Tukey Tabla según los grados de libertad 3,58
k-1 2 Qα = 3,58
n-k 12 n = 5
CME 3,23 (CME)/n = 0,65
n 5 = 0,8
HSD= 2,88

Calculamos la diferencia absoluta entre cada tratamiento.

Sin Tratamiento ∑ A/n 51,00 5 10,2

∑ B/n 62,00 5 12,4
∑ C/n 14,00 5 2,8

l TA-TB l 2,2 < 2,88

l TA-TC l 7,4 > 2,88
l TB-TC l 9,6 > 2,88

CONCLUSIÓN: Se evidencia que el tratamiento TC presenta diferencias en los tiempos de

secado los demás tratamientos.

 El método de Dunnett

La prueba debe utilizarse cuando se quiere comparar la media del grupo control (ósea
que grupo al que no se le aplica tratamiento), con las medias de los grupos experimentales
(grupos que reciben tratamiento)

El método de cálculo de la prueba de Dunnett, es similar a una prueba t y la de Sheffe.

Dunnett utiliza una única diferencia crítica para realizar las comparaciones múltiples.

Por lo tanto, el objetivo central de esta prueba es detectar aquellos tratamientos que
difieren de ciertos tratamientos de interés, sin realizar todas las posibles comparaciones
entre los distintos pares de medias de tratamientos.

Se utiliza la fórmula:

Dα(K-1,l)● √CME ●(1/ni+1/nk)

 18

Se utiliza en ANOVA para crear intervalos de confianza para las diferencias entre la
media de cada nivel de factor y la media de un grupo de control. Si un intervalo contiene el
cero, no hay diferencia significativa entre las dos medias que están comparándose. Usted
especifica una tasa de error por familia para todas las comparaciones, y el método de
Dunnett determina los niveles de confianza para cada comparación individual según
corresponda.

Experimento 1

Un ingeniero en proceso está evaluando el efecto de tres (3) diferentes tratamientos de

separación y deshidratación de gas en diferentes torres deshidratadoras de glicol, para
determinar si hay incidencia en el volumen ( unidades en l/m³) de líquidos condensados
obtenidos en el proceso es decir, si hay un aumento o disminuye tal producción.
a) Haga un análisis de varianza e indique si existen diferencias significativas entre los
tratamientos.
b) Utilizando el método de Dunnet indique entre que tratamientos existen si se utiliza el
primer grupo de torres tratamiento control.
c) Señale que tratamientos no son útiles porque no generan incremento en la producción.

NOTA: La torre control o patrón la denominamos: sin tratamiento

TORRES Evaluaciones a razón de l/m³ por mes TOTALES N

SIN TRATAMIENTO 24,7 23,8 21,9 21,9 20,8 21,6 22,8 157,50 7
TRATAMIENTO 1 24,8 25,7 25,8 23,6 22,8 122,70 5
TRATAMIENTO 2 24,5 25,9 26,8 26,4 25,4 129,00 5
TRATAMIENTO 3 27,8 28,2 28,4 29,5 26,9 140,80 5
K 4 ∑T 550,00
∑N 22
T² 302500

N²
610 566,4 480 479,61 432,64 466,56 519,84
615 660,5 666 556,96 519,84
600 670,8 718 696,96 645,16
773 795,2 807 870,25 723,61
∑ N² 13872,68

1) Fc= T²/N
Fc= 13750

2) SCT= ∑ N²-Fc=
 19

SCT= 122,68

3) SCTr= 3543,75 6554,808 9883,008 13847,936

SCTr= 97,936

4) SCE= 24,744

ANOVA
FACTORES Razón F F crítico
Grados de Suma de Cuadrados
DE (Estadístico de (Tabla de
Libertad (GL) Cuadrados (SC) Medios (CM)
VARIACIÓN Prueba) Fisher)
K-1 SCTr CMTr=SCTr/k-1 GL
F=CMTr/CME
Tratamiento K 4
97,936 CMTr 32,645
(3,18)
1 3
N-K SCE CMTr=SCE/N-K F= 23,748 3,16
ERROR N 22
24,744 CME 1,3747
4 18
N-1
TOTAL 122,68 Fcal 23,748 Fcrítico 3,16
21 23,748 > 3,16

Ho: se desprecia ya que el estadístico de prueba es mayor que el F crítico, esto quiere decir
que por lo menos uno de los tratamientos es diferente a los otros en un 95% de confianza.

Usando los valores de nuestra tabla ANOVA aplicamos el estadístico de Dunnet.

ni Números de datos (réplicas) los tratramientos.

nk Números de datos (réplicas) del tratramiento control.
α 0,05 Crítico de Dunnet Tabla según los grados de libertad 2,56
k-1 3 Dα = 2,56
n-k 18 1/ni = 0,2
CME 1,375 1/nk = 0,1429
ni 5 (1/ni)+(1/nk) 0,3429
=
nk 7 CME●(1/ni+1/nk) =0,4713
0,6865
DUNNET= 1,7575

Calculamos la diferencia absoluta entre cada tratamiento.

Sin Tratamiento ∑ ST/n 157,50 7 22,5
∑ T1/n 122,70 5 24,54
∑ T2/n 129,00 5 25,8
∑ T3/n 140,80 5 28,16
 20

l T1-ST l 2,04 > 1,76 Se desprecia el Ho

l T2-ST l 3,3 > 1,76
l T3-ST l 5,66 > 1,76

CONCLUSIÓN: Todos los tratamientos de separación generaron aumento en la producción

de condensados más que las torres de deshidratación que no fueron sometidas a prueba,
es decir, la utilizada como tratamiento control (patrón).

Experimento 2

Un Ingeniero mecánico, decide evaluar el comportamiento del Caudal de Gas (Qgas), a

través de diferentes cañones (cuatro en total), decidiendo evaluar el aumento o disminución
de gas (resultados en psi, disponiendo de 5 años para su evaluación y un nivel de confianza
de 95 %. Los resultados obtenidos se muestran a continuación

NOTA: La torre control o patrón la denominamos: sin tratamiento

TORRES Evaluaciones a razón de pie cúbicos de gas por año TOTALES N

CAÑÓN DE BAJA 7 7 15 11 9 0 0 49,00 5
CAÑÓN DE MEDIA 12 15 17 18 15 0 0 77,00 5
CAÑÓN DE ALTA 14 18 18 19 19 0 0 88,00 5
CAÑÓN DE MEDIA/ALTA 19 25 22 19 23 0 0 108,00 5
K 4 ∑T 322,00
∑N 20
T² 103684

N²
49 49 225 121 81 0 0
144 225 289 324 225
196 324 324 361 361
361 625 484 361 529
∑ N² 5658

1) Fc= T²/N
Fc= 5184,2

2) SCT= ∑ N²-Fc
SCT= 473,8

3) SCTr= 480,2 1666 3214,8 5547,6

SCTr= 363,4

4) SCE= 110,4
 21

ANOVA
FACTORES Razón F F crítico
Grados de Suma de Cuadrados
DE (Estadístico de (Tabla de
Libertad (GL) Cuadrados (SC) Medios (CM)
VARIACIÓN Prueba) Fisher)
K-1 SCTr CMTr=SCTr/k-1 GL
F=CMTr/CME
Tratamiento K 4
363,4 CMTr 121,13
(3,16)
1 3
N-K SCE CMTr=SCE/N-K F= 17,556 3,24
ERROR N 20
110,4 CME 6,9
4 16
N-1
TOTAL 473,8 Fcal 17,556 F-crítico 3,24
19 17,556 > 3,24

Ho: se desprecia ya que el estadístico de prueba es mayor que el F crítico, esto quiere decir
que por lo menos uno de los tratamientos es diferente a los otros en un 95% de confianza.

Usando los valores de nuestra tabla ANOVA aplicamos el estadístico de Dunnet.

Dα(K-1,l) √CME●(1/ni+1/nk)

ni Números de datos (réplicas) los tratramientos.

nk Números de datos (réplicas) del tratamiento control.
α 0,05 Crítico de Dunnet. Tabla según los grados de libertad 2,56

k-1 3 Dα = 2,56
n-k 16 1/ni = 0,2
CME 6,9 1/nk = 0,2
ni 5 (1/ni)+(1/nk) = 0,4
nk 5 CME●(1/ni+1/nk) =2,76
1,6613
DUNNET= 4,253

Calculamos la diferencia absoluta entre cada tratamiento.

Sin Tratamiento ∑ ST/n 49,00 5 9,8 ST=CAÑÓN DE MEDIA/ALTA

∑ T1/n 77,00 5 15,4 T1= CAÑÓN DE BAJA
∑ T2/n 88,00 5 17,6 T2= CAÑÓN DE MEDIA
∑ T3/n 108,00 5 21,6 T3= CAÑÓN DE ALTA

l T1-ST l 5,6 > 4,25

l T2-ST l 7,8 > 4,25
l T3-ST l 11,8 > 4,25

CONCLUSIÓN: La variación de los cañones (diferentes diámetros) generaron aumento en

la producción en el Qgas más que el cañón (media/alta) utilizado como tratamiento control
(patrón). Hay diferencias entre los mismos.
 22

Anexos
23
24