UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

Facultad de Economía y Planificación

Departamento de Estadística e Informática

MÉTODOS ESTADÍSTICOS PARA LA

INVESTIGACIÓN I

Diseño Completamente Aleatorio

Profesores del curso

MOTIVACIÓN

¿Cómo se puede identificar un experimento bajo un Diseño

Completamente al Azar?

¿cómo se aplican los procedimientos para realizar comparaciones

múltiples?

Métodos Estadísticos para la Investigación I

 LOGROS DE LA SESIÓN

Identificar un experimento en diseño completamente

al azar.

Analizar los resultados de un experimento en diseño

completamente al azar.

Aplicar los procedimientos de comparaciones múltiples

para comparar un conjunto de tratamientos de un
diseño completo al azar.

Métodos Estadísticos para la Investigación I

CONTENIDO

⮚ Diseño Completamente Aleatorio (DCA)

⮚ Prueba de Comparación

Métodos Estadísticos para la Investigación I

INTRODUCCIÓN
El Diseño Completamente al Azar (D.C.A.)
es el diseño más básico que se tiene en el
tema de Diseños Experimentales, esto
debido a que para su aplicación lo único que
se requiere es que todas las unidades
experimentales sean homogéneas, es decir
presenten las mismas condiciones iniciales.
Según los resultados que se obtengan del
Análisis de Varianza (ANVA o ANOVA); se
presentan algunas pruebas de comparación
de medias, donde cada una de ellas tienen
diferentes requisitos y condiciones para su
aplicación.
Métodos Estadísticos para la Investigación I
 1. Diseño Completamente Aleatorio
(DCA)

Tratamientos Totales
Repetición
1 2 … T
1 Y11 Y12 Yt1
… … …. …
ni Y1ni … Ytnt
Totales Y1. Y2. … Yt.

ni n1 n2 … nt
Promedios …

Métodos Estadísticos para la Investigación I

Modelo Aditivo Lineal

El Modelo Aditivo Lineal para un Diseño

Completamente al Azar es el siguiente:

Métodos Estadísticos para la Investigación I

Análisis de Varianza

Grados
Fuente de Suma de Cuadrados
de Fcal
Variación Cuadrados Medios
Libertad
Tratamiento t-1 SC(Trat) SC(Trat)/(t-1) CM(Trat)/CM(Error)
s

Error n-t SC(Error) SC(Error)/(n-t)

Total n-1 SC(Total)

Donde:

Métodos Estadísticos para la Investigación I

 Formulación de Hipótesis:

Para el Modelo I (Efectos fijos) las hipótesis

pueden basarse en:
a. Los efectos de los tratamientos:
Ho:
H1:

b. Las medias de los tratamientos

Ho:
H1:

Métodos Estadísticos para la Investigación I

Regla de Decisión

La hipótesis nula (Ho) se rechaza con un nivel de

significación α si:

Donde

Es el valor crítico o tabular

Métodos Estadísticos para la Investigación I

Coeficiente de variabilidad

Es una medida usada para evaluar el grado de homogeneidad

de los resultados de un experimento. Para saber si un
coeficiente de variabilidad es grande o pequeño, es preciso
tener experiencia con datos similares.

Métodos Estadísticos para la Investigación I

Aplicación 1

El gerente de personal de una compañía que fabrica

computadoras quiere capacitar a los empleados que
trabajan en operaciones de ensamblado mediante uno
de los 4 diferentes programas de motivación (Alfa, Beta,
Gamma y Sigma) que se ofrecen en el mercado. Como
no se decide por uno de ellos, realiza un experimento
que consiste en distribuir aleatoriamente a 20
empleados en los 4 programas de motivación para
posteriormente evaluar su tiempo de ensamblado (en
minutos). Los resultados luego de la capacitación
fueron los siguientes:

Métodos Estadísticos para la Investigación I

Aplicación 1

Programa
Repetición
Alfa Beta Gamma Sigma
1 64 59 65 58
2 67 58 68 60
3 62 61 63 59
4 64 59 64 62
5 66 58 65 60
Total 323 295 325 299
Promedio 64.6 59.0 65.0 59.8

Métodos Estadísticos para la Investigación I

Aplicación 1
a. Realice un análisis descriptivo de los resultados.

Métodos Estadísticos para la Investigación I

Aplicación 1

b. Defina el modelo aditivo lineal con cada uno de

sus componentes según el enunciado del
problema.
⮚ El Modelo Aditivo Lineal es:

Donde:
Tiempo de ensamblaje obtenido con el i-ésimo
programa de motivación en el j-ésimo empleado.
Efecto de la media general del tiempo de
ensamblaje.
Efecto del i-ésimo programa de motivación.
Efecto del error experimental en el i-ésimo
programa de motivación y el j-ésimo empleado

Métodos Estadísticos para la Investigación I

Aplicación 1

c. Verifique el supuesto que los errores se distribuyen

normalmente y que existe homogeneidad de varianzas.

Métodos Estadísticos para la Investigación I

Aplicación 1
SUPUESTO 1
⮚ Normalidad de errores

H0: Los errores se distribuyen normalmente

H1: Los errores no se distribuyen normalmente

α=0.05
p-valor = 0.155

Conclusión
A un nivel de significación de 0.05, no existe evidencia
estadística para rechazar H0. Por lo tanto no se puede
afirmar que los errores no se distribuyan
normalmente. Se cumple el supuesto de normalidad de
errores.

Métodos Estadísticos para la Investigación I

Aplicación 1
SUPUESTO 2
⮚ Homogeneidad de varianzas

α=0.05
p-valor = 0.811

Conclusión
A un nivel de significación de 0.05, no existe evidencia
estadística para rechazar H0. Por lo tanto no se puede
afirmar que las variancias de los tratamientos sean
heterogéneas. Se cumple el supuesto de
homogeneidad de varianzas.

Métodos Estadísticos para la Investigación I

Aplicación 1
d. ¿Se puede afirmar que al menos uno de los
programas de motivación difiere del resto al
analizar el tiempo medio de ensamblaje? De sus
conclusiones a un nivel de significación de 0.05.

Usando el Estadístico de Prueba F

1. Hipótesis:
𝐻0 : 𝜇𝑖 = 𝜇 ∀𝑖 = 1, … , 4 𝑜 𝐻0 : 𝜏𝑖 = 0 ∀𝑖 = 1, … , 4
𝐻1 : 𝜇𝑖 ≠ 𝜇 𝑝𝑎𝑟𝑎 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑎𝑙𝑔ú𝑛 𝑖 𝑜 𝐻1 : 𝜏𝑖 ≠ 0 𝑝𝑎𝑟𝑎 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑎𝑙𝑔ú𝑛 𝑖

2. α = 0.05

Métodos Estadísticos para la Investigación I

Aplicación 1
3. Estadístico de Prueba F

Desarrollo de la prueba

Métodos Estadísticos para la Investigación I

Aplicación 1
Tablas de Análisis de Varianza
Fuente de Grados de Suma de Cuadrados
Fcal Fcrit Sig.
Variación Libertad Cuadrados Medios
Programa 3 147.8 49.27 17.92 3.24 *
Error 16 44.0 2.75
Total 19 191.8

4. Criterio de Decisión
Como:

se rechaza H0 y se acepta H1.

A un nivel de significación de
0.05, existe evidencia
estadística para rechazar Ho
Métodos Estadísticos para la Investigación I
Aplicación 1
5. Conclusión
Se puede afirmar que al menos uno de los
programas de motivación difiere del resto al
analizar el tiempo medio de ensamblaje.

Métodos Estadísticos para la Investigación I

 Aplicación 1
Proceso en R

Métodos Estadísticos para la Investigación I

Aplicación 1
Usando reporte del R
1. Hipótesis:
𝐻0 : 𝜇𝑖 = 𝜇 ∀𝑖 = 1, … , 4 𝑜 𝐻0 : 𝜏𝑖 = 0 ∀𝑖 = 1, … , 4
𝐻1 : 𝜇𝑖 ≠ 𝜇 𝑝𝑎𝑟𝑎 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑎𝑙𝑔ú𝑛 𝑖 𝑜 𝐻1 : 𝜏𝑖 ≠ 0 𝑝𝑎𝑟𝑎 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑎𝑙𝑔ú𝑛 𝑖
2. α = 0.05
3. Usando el Valor-p
Valor – p = 0.000 ≤ 0.05, entonces RHo y se
acepta la H1

4. Conclusión
A un nivel de significación de 0.05, se puede
afirmar que al menos uno de los programas de
motivación difiere del resto al analizar el tiempo
medio de ensamblaje.
Métodos Estadísticos para la Investigación I
 2. Pruebas de Comparación

• Prueba T

• Prueba DLS

• Prueba de Tukey

• Prueba de Dunnett

• Prueba de Contrastes Ortogonales

Métodos Estadísticos para la Investigación I

 a. Prueba t
1. Hipótesis
Bilateral Unilateral
Caso A Caso B Caso C

Donde:
2. Nivel de significación α
3. Estadística de prueba:

Métodos Estadísticos para la Investigación I

 a. Prueba t

4. Regla de Decisión
Decisión Bilateral Unilateral
Caso A Caso B Caso C

Se rechaza ó
H0 si

5. Conclusiones

Métodos Estadísticos para la Investigación I

 Aplicación 2
Suponga que un objetivo del ejemplo de aplicación 1 es
comparar los programas de motivación Alfa y Beta.
Pruebe si el tiempo medio de ensamblaje del método Alfa
es superior al método Beta en 3 minutos. De sus
conclusiones a un α=0.05.

Métodos Estadísticos para la Investigación I

 Aplicación 2
Desarrollo de la prueba

4. Criterio de Decisión

Métodos Estadísticos para la Investigación I

 Aplicación 2

5. Conclusión
A un nivel de significación de 0.05 existe suficiente
evidencia estadística para rechazar Ho. Por lo tanto,
se puede afirmar que el tiempo promedio con el
programa de motivación alfa es superior al tiempo
promedio con el programa de motivación beta
distinto a 3 minutos.

Métodos Estadísticos para la Investigación I

 b. Prueba DLS

1. Hipótesis:

2. Nivel de significación α

3. Estadística de prueba:
Diferencia Límite Significativa

Métodos Estadísticos para la Investigación I

 Aplicación 3

Suponga que un objetivo del ejemplo de aplicación 1 es

comparar los programas de motivación Gamma y Sigma.
Pruebe si existen diferencias en el tiempo medio de ensamblaje
de ambos métodos. De sus conclusiones a un α=0.05

Métodos Estadísticos para la Investigación I

 Aplicación 3

Métodos Estadísticos para la Investigación I

 Aplicación 3
Proceso en R

Métodos Estadísticos para la Investigación I

c. Prueba Tukey

1. Hipótesis:

2. Nivel de significación α

3. Estadístico de prueba:
Amplitud Límite Significativa de Tukey

4. Regla de Decisión:
La hipótesis nula se rechaza con un nivel de significación α si:

|𝑌ത𝑖. − 𝑌ത𝑗. | > 𝐴𝐿𝑆(𝑇)

Métodos Estadísticos para la Investigación I
 Aplicación 4
Realice la prueba de Tukey para el caso del
ejemplo de aplicación 1
1. Hipótesis:

𝑯𝟎 : 𝝁𝟏 = 𝝁𝟐 𝑯𝟎 : 𝝁𝟏 = 𝝁𝟑 𝑯𝟎 : 𝝁𝟏 = 𝝁𝟒
𝑯𝟏 : 𝝁𝟏 ≠ 𝝁𝟐 𝑯𝟏 : 𝝁𝟏 ≠ 𝝁𝟑 𝑯𝟏 : 𝝁𝟏 ≠ 𝝁𝟒

𝑯𝟎 : 𝝁𝟐 = 𝝁𝟑 𝑯𝟎 : 𝝁𝟐 = 𝝁𝟒 𝑯𝟎 : 𝝁𝟑 = 𝝁𝟒
𝑯𝟏 : 𝝁𝟐 ≠ 𝝁𝟑 𝑯𝟏 : 𝝁𝟐 ≠ 𝝁𝟒 𝑯𝟏 : 𝝁𝟑 ≠ 𝝁𝟒

2. α = 0.05

Métodos Estadísticos para la Investigación I

 Aplicación 4

3. Estadística de prueba y criterio decisión:

El valor de AES(T) se ubica en la tabla con α=0.05 p=t=4 y
16 grados de libertad para el error

Comparación ALS(T) Significancia

Alfa – Beta 3.004 5.6 *
Alfa - Gamma 3.004 0.4 n.s.
Alfa – Sigma 3.004 4.8 *
Beta - Gamma 3.004 6.0 *
Beta – Sigma 3.004 0.8 n.s.
Gamma - Sigma 3.004 5.2 *

Métodos Estadísticos para la Investigación I

 Aplicación 4

4. Conclusiones

A un nivel de significación de 0.05, se puede afirmar que:

Existen diferencias significativas entre el programa de

motivación Beta con los programas de motivación Alfa y
Gamma al analizar el tiempo medio de ensamblaje.
Existen diferencias significativas entre el programa de
motivación Sigma con los programas de motivación Alfa y
Gamma al analizar el tiempo medio de ensamblaje.
Los programas de motivación Beta y Sigma brindan los
menores tiempos promedio de ensamblaje.

Métodos Estadísticos para la Investigación I

 Aplicación 4
Proceso en R

Métodos Estadísticos para la Investigación I

 d. Prueba Dunnett

1. Hipótesis

2. Nivel de significación α
3. Estadística de prueba:
Amplitud Límite Significativa de
Dunnett

Métodos Estadísticos para la Investigación I

 Aplicación 5
Suponga que para el ejemplo de aplicación 1 el
programa de motivación Alfa es considerado como
tratamiento testigo y que las comparaciones con dicho
tratamiento fueron planeadas. Realice la prueba de
Dunnett a un nivel de significación de 0.05

𝑯𝟎 : 𝝁𝟏 = 𝝁𝟐 𝑯𝟎 : 𝝁𝟏 = 𝝁𝟑 𝑯𝟎 : 𝝁𝟏 = 𝝁𝟒
𝑯𝟏 : 𝝁𝟏 ≠ 𝝁𝟐 𝑯𝟏 : 𝝁𝟏 ≠ 𝝁𝟑 𝑯𝟏 : 𝝁𝟏 ≠ 𝝁𝟒

Métodos Estadísticos para la Investigación I

 Aplicación 5

2. α=0.05
3. Estadística de Prueba y criterio de decisón

Comparación ALS(Dn) Significancia

Alfa – Beta 2.716 5.6 *
Alfa - Gamma 2.716 0.4 n.s.
Alfa – Sigma 2.716 4.8 *

Métodos Estadísticos para la Investigación I

 Aplicación 5

4. Conclusión
A un nivel de significación de 0.05, se puede
afirmar que existen diferencias significativas
entre el programa de motivación Alfa (testigo)
con los programas de motivación Beta y Sigma,
pero no con Gamma al analizar el tiempo medio
de ensamblaje.

Métodos Estadísticos para la Investigación I

 Aplicación 5
Proceso en R

Métodos Estadísticos para la Investigación I

 e. Prueba de Contrastes Ortogonales

1. Hipótesis:
Bilateral Unilateral
Caso A Caso B Caso C

2. Nivel de significación α

Métodos Estadísticos para la Investigación I

e. Prueba de Contrastes Ortogonales

3. Estadística de Prueba:

Número desigual de repeticiones:

Métodos Estadísticos para la Investigación I

e. Prueba de Contrastes Ortogonales

4. Regla de Decisión:

Decisión Bilateral Unilateral

Caso A Caso B Caso C

Se rechaza ó
H0 si

Métodos Estadísticos para la Investigación I

 Aplicación 6

Suponga que para el ejemplo de aplicación 1 los programas de

motivación Alfa y Beta fueron desarrollados por psicólogos
egresados de la universidad A y los programas de motivación
Gamma y Sigma fueron desarrollados por psicólogos egresados
de la universidad B. Si se planeó comparar si el tiempo medio de
ensamblaje del primer grupo es inferior al del segundo grupo,
realice la prueba de contrastes ortogonales a un nivel de
significación de 0.05.

Métodos Estadísticos para la Investigación I

 Aplicación 6

2. Nivel de significación: α=0.05

3. Estadístico de prueba:

Desarrollo de la prueba

Métodos Estadísticos para la Investigación I

 Aplicación 6

4. Criterio de decisión

Como tc > t(0.05,16)=-1.746, no se

rechaza Ho

5. Conclusión:
A un nivel de significación del 5% no se rechaza Ho. Luego no se
puede afirmar que el tiempo medio de ensamblaje del primer grupo
es inferior al del segundo grupo.
Métodos Estadísticos para la Investigación I
 Aplicación 6

5. Conclusión
A un nivel de significación del 0.05 no podemos
afirmar que el tiempo medio de ensamblaje de
los programas de motivación desarrollados por
psicólogos egresados de la universidad A sea
inferior al tiempo medio de ensamblaje de los
programas de motivación desarrollados por
psicólogos egresados de la universidad B.

Métodos Estadísticos para la Investigación I

 Aplicación 6
Proceso en R

Métodos Estadísticos para la Investigación I

 3. Ejercicio Propuesto
2. Un ingeniero zootecnista desea analizar la efectividad de
cuatro raciones de dieta en la ganancia de peso (en Kg) en
cerdos de raza Yorkshire. Para lo cual asignó las raciones de
manera aleatoria a los cerdos obteniendo los siguientes
resultados:

Raciones
A B C D
43 35 35 42
46 33 35 42
50 36 36 43
45 35 34 44
44 32 34 43
42 30 33 45
40 33 34 42
Suma 310 234 241 301
Promedi
44.29 33.429 34.429 43.000
o

Métodos Estadísticos para la Investigación I

 a. Establezca el modelo aditivo lineal y describa sus componentes en
términos del caso.
Asumiendo que se cumplen los supuestos necesarios:
b. Pruebe si al menos una de las raciones tiene efecto sobre la
ganancia de peso de los cerdos. Use α=0.05.
c. El ingeniero zootecnista afirma que existe diferencia significativa
entre la ración A y la ración D al analizar la ganancia promedio de
peso (en Kg). ¿Es cierta la afirmación del ingeniero? Realice una
prueba estadística adecuada. Use α=0.05.
d. Realice la prueba Tukey para comparar la ganancia promedio de
peso. Use α=0.05.
e. El ingeniero zootecnista afirma que la ganancia promedio obtenida
de aplicar las raciones A y B, en forma conjunta, supera a la
obtenida de aplicar las raciones C y D, también en forma conjunta.
¿Es cierta la afirmación del ingeniero? Realice la prueba estadística
más adecuada. Use α=0.05.
Métodos Estadísticos para la Investigación I
 Ejercicio Propuesto (Pág. 86)
1. Un ingeniero agrónomo está interesado en evaluar el
rendimiento (en toneladas) obtenido al utilizar distintas
variedades de mandarina sembradas en un campo
experimental. Para ello utilizó parcelas de 500 m2 con tres
surcos, de los cuáles sólo tomó el surco central para evitar
efectos de bordura.
Las variedades en estudio fueron las siguientes:
Grupo Satsuma: Clausellina (V1), Okitsu (V2), Owari (V3)
Grupo Tangores: Murcott (V4)
La información se presenta a continuación:
Cuadro N°1. Rendimiento (en t) según variedad
Total
V1 4.8 3.6 6 5.1 5.9 3.6 29
V2 2.8 3.9 2.7 3.6 1.2 14.2
V3 3.3 4.1 2.9 3.2 3.4 3.2 1.3 21.4
V4 4.5 6.1 5.2 4.2 5.5 3.2 28.7

Métodos Estadísticos para la Investigación I

 Ejercicio Propuesto
Cuadro N°2. Supuestos básicos
Prueba de Bartlett AD 0.683
Estadística de Prueba 0.11 Valor P 0.127

a) Presente el modelo aditivo lineal y describa cada uno de sus

componentes según el caso
b) Realice la verificación de supuestos para el experimento.
c) Realice el análisis de varianza y de sus conclusiones.
d) El ingeniero agrónomo afirma que el rendimiento medio obtenido
al aplicar la variedad Murcott supera al rendimiento medio
obtenido al aplicar la variedad Owari en más de 1500 kg.
Realice la prueba estadística más adecuada.
e) El ingeniero desea saber cuál(es) es(son) la(s) mejor(s)
variedad(es) de mandarina. Realice la prueba estadística más
adecuada.

Métodos Estadísticos para la Investigación I

 Ejercicio Propuesto

f) Suponga que la variedad Okitsu es considerada de uso

tradicional. Si el ingeniero está interesado en comparar dicha
variedad con el resto de variedades, realice la prueba
estadística más adecuada.
g) El ingeniero agrónomo afirma que el rendimiento medio
obtenido al aplicar las variedades del grupo Satsuma es
inferior al rendimiento medio obtenido al aplicar la variedad
del grupo Tangores. Realice la prueba estadística más
adecuada.

Métodos Estadísticos para la Investigación I

 Formulario

Métodos Estadísticos para la Investigación I

CONCLUSIÓN

1. Cuando se realiza un experimento bajo el Diseño

Completamente al Azar (DCA), la hipótesis de interés es
saber si existen diferencias en al menos uno de los
tratamientos analizados.
2. De acuerdo a los resultados obtenidos en el Análisis de
Varianza y según las condiciones del experimento y
requerimientos del investigador se pueden realizar pruebas
de comparación de medias.

Métodos Estadísticos para la Investigación I

Referencias

➢ R.G.D. Steel, & Torrie, J.H.(1985). Bioestadística Principios y

Procedimientos. McGraw Hill, ed Bogotá, Colombia.

➢ Montgomery, D. C. (2005). Diseño y análisis de experimentos

(2nd. Ed). México: Limusa Wiey.

➢ Kuehl, R. O., (2001). Diseño de experimentos: principios

estadísticos para el diseño y análisis de investigaciones. (2nd Ed).
International Thomson Editores, S.A. de C.V., Mexico, DF.

➢ Ramsey, F. L., & Schafer, D. W. (2002). The statistical sleuth: A

course in methods of data analysis. Australia: Duxbury/Thomson
Learning

Métodos Estadísticos para la Investigación I