Docente: Mag.

Denís Leonor Mendoza Rivas

Huaraz/ 2017-II

20/01/2018 DEMERI 2017-II 1

 1. Introducción
Sabemos que un investigador cuenta con tres
fuentes principales de datos, que son:
• Del almacenamiento o archivamiento
rutinario que hacen las instituciones de
sus actividades,
• De las encuestas con fines específicos, y
• De los diseños experimentales, con
propósitos de investigación.

20/01/2018 DEMERI 2017-II 2

 1. Introducción
Tanto los rutinarios como los de las encuestas
tienen la característica de que no pueden ser
controlados por el investigador, se les tiene
que aceptar tal como son; con el propósito de
mejorar la calidad de los datos se ha
introducido una tercera fuente que es la de los
diseños experimentales.

20/01/2018 DEMERI 2017-II 3

 2. Diseños Experimentales
Diseñar un experimento significa en idear,
planificar o planear un experimento de modo
que se reúna la información que sea
pertinente al problema bajo investigación.

20/01/2018 DEMERI 2017-II 4

 Experimento
Es una búsqueda planificada de información con el
objeto de obtener nuevos conocimientos o para verificar
supuestos llamados hipótesis, además servirá para
determinar las principales causas de variación de las
respuestas; encontrar las condiciones experimentales con
los que se consigue un valor óptimo en la variable de
interés o respuesta; comparar las respuestas en los
diferentes niveles de observación de las variables
controladas y obtener un modelo estadístico-matemático
que nos permita hacer predicciones de las respuestas a
futuro.
20/01/2018 DEMERI 2017-II 5
 Usos
Los Diseños Experimentales en la actualidad son
usados en todos los campos del saber humano, pues
es parte de la Investigación Científica que se realiza
en estos campos. Sin embargo, hay campos en el
que se han realizado con mayor incidencia, como
son: la agronomía, la industria, la medicina, la
economía, la educación, etc. Así por ejemplo un
educador, requiere saber cuál es el mejor método de
enseñanza-aprendizaje para un grupo de alumnos en
una determinada disciplina

20/01/2018 DEMERI 2017-II 6

 DISEÑO DE UN EXPERIMENTO
El diseño de un experimento consiste, en la
secuencia completa y planificada de pasos
previstos de antemano para asegurar que se
tomarán los datos apropiados con el fin de
realizar un análisis objetivo de un problema
determinado y que conducirán a conclusiones
válidas.

20/01/2018 DEMERI 2017-II 7

 Los objetivos del diseño
experimental :
• Determinar cuáles de las variables independientes (factores) tienen
mayor influencia en la variable respuesta.
• Determinar el mejor valor o nivel de las variables independientes
que influyen en la variable respuesta, de modo que tenga en lo
posible un valor muy cercano al valor deseado.
• Determinar el mejor valor o nivel de las variables independientes
que influyen en la variable respuesta, de modo que la variabilidad
de esta sea lo más pequeño posible.
• Determinar el mejor valor o nivel de las variables independientes
que influyen en la variable respuesta, de tal manera que se
minimicen los efectos de las variables exógenas que no son
controladas.

20/01/2018 DEMERI 2017-II 8

 3. PRINCIPIOS BÁSICOS DE UN
DISEÑO DE EXPERIMENTOS
Entre los pioneros, que aportaron sus conocimientos
a este tema, tenemos al famoso Sir Ronald A. Fisher
quien fue el precursor de los Diseños Experimentales,
dos de sus principales obras: “Principios Estadísticos
para Investigadores”(1925) y “Diseños de
Experimentos” (1935), fueron muy requeridas por los
investigadores de la época, en la segunda obra se
estableció por primera vez los principios básicos de
los Diseños Experimentales, que son: La
Reproducción, la Aleatorización y el Control Local.

20/01/2018 DEMERI 2017-II 9

 LA REPRODUCCIÓN
Es la repetición del experimento básico o
tratamiento en diferentes unidades experimentales,
cuyas razones son las siguientes:
- Proporciona una estimación del error experimental,
que actúa como una unidad básica de medida para
indicar el significado de las diferencias observadas
o para determinar la amplitud de un intervalo de
confianza.
- Permite obtener una estimación más precisa del
efecto medio de cualquier factor, puesto que la
varianza de la media es igual a 2/n.
20/01/2018 DEMERI 2017-II 10
 ALEATORIZACIÓN
Es la asignación de las unidades
experimentales en forma aleatoria a los
diferentes tratamientos, con la finalidad de
estimar con mayor precisión el error
experimental, y eliminar el error sistemático
que pudiera haber al medir las respuestas.

20/01/2018 DEMERI 2017-II 11

 CONTROL LOCAL
Es la cantidad, forma y ponderación del balanceo,
bloqueo y agrupamiento de las unidades experimentales
que se emplean en el diseño experimental adoptado y
su función es hacer que el diseño sea más eficiente. En
otras palabras, es el control del error experimental
tomando medidas dentro del diseño experimental para
hacerlo más eficiente, de tal manera que pueda permitir
la reducción del error experimental y así hacerla más
sensible a cualquier prueba de significación.

20/01/2018 DEMERI 2017-II 12

 CONTROL LOCAL
BALANCEO.- Es la obtención y distribución de las unidades experimentales
adecuadas, el agrupamiento, el bloqueo y la asignación de los tratamientos a las
unidades experimentales de tal manera que resulte una configuración balanceada,
equilibrada y ponderada.
AGRUPAMIENTO.- Es la asignación o colocación de un conjunto de unidades
experimentales homogéneas en grupos de modo que los diferentes grupos puedan
sujetarse a los diferentes tratamientos, estos grupos pueden tener diferente
número de unidades experimentales.
BLOQUEO.- Es la distribución de las unidades experimentales en bloques o
grupos de tal manera que las unidades experimentales dentro de cada bloque sean
homogéneas, de esta manera la mayor parte de la variación predecible entre las
unidades experimentales queda confundida con el efecto de los bloques, en otros
términos el objetivo de este proceso es separar de la variación del error
experimental, la variación debida a la heterogeneidad de las unidades
experimentales; por lo tanto, se reducirá el valor del error experimental, y por
consiguiente los resultados serán más precisos.
20/01/2018 DEMERI 2017-II 13
 4. DEFINICIÓN DE TÉRMINOS USADOS
FACTOR.- Es la VARIABLE INDEPENDIENTE que
el investigador tiene bajo control y que debe ser aplicada
a las unidades experimentales y esperar el efecto o
respuesta que pueda tener.
Ejemplo: En el rendimiento académico de un alumno los
factores que puedan influir son muchos, tales como: el
docente, el método que emplea el docente, la situación
socio-económica del alumno, la hora de las clases, los
medios y materiales usados, etc.

20/01/2018 DEMERI 2017-II 14

 4. DEFINICIÓN DE TÉRMINOS USADOS
VARIABLE DEPENDIENTE.- Es la VARIABLE
RESPUESTA que refleja el efecto que pueda producir
la variable independiente o factor en la unidad
experimental asignada.
Ejemplo: Supongamos que queremos estudiar el
rendimiento de la papa por hectárea, los factores
pueden ser muchos, tales como: el abono, el suelo, el
riego, el tiempo de sembrío, los insecticidas etc., en
tanto que el rendimiento será la cantidad de papa
cosechada, la calidad, el tamaño, el sabor, etc.

20/01/2018 DEMERI 2017-II 15

 4. DEFINICIÓN DE TÉRMINOS
USADOS
VARIABLE EXÓGENA.- En todo experimento, además de las
variables independientes en estudio, existen otras que el
investigador no los controla pero que pueden influir en la
variable respuesta, a estas variables se les conoce como
variables exógenas, generalmente forman parte del error; el
investigador debe tener la capacidad de reducir su influencia
usando el diseño adecuado.
Ejemplo: En el estudio que se hace sobre el rendimiento
académico de un alumno, si el factor en estudio es el método de
enseñanza, entonces los demás factores citados anteriormente se
convierten en exógenas.

20/01/2018 DEMERI 2017-II 16

 4. DEFINICIÓN DE TÉRMINOS USADOS
NIVEL DE UN FACTOR.- Son las diversas cantidades,
valores, categorías o clasificaciones de los factores, que deben
ser aplicadas a las unidades experimentales, en otras palabras
es el grado de intensidad de un factor que se debe aplicar a un
unidad experimental.
Ejemplo. En un estudio sociológico los factores pueden ser:
FACTORES NIVELES
edad menos de 10 años,
de 10 a 20 años,
de 20 a 30 años y
más de 30 años
sexo mujer y
varón
la instrucción sin educación,
con primaria,
con secundaria,
20/01/2018 con superior
DEMERI 2017-II 17
 4. DEFINICIÓN DE TÉRMINOS
USADOS
TRATAMIENTO.- Son cada uno de los niveles escogidos de un factor
que deben ser aplicados a una unidad experimental; en términos más
amplios es el conjunto particular de condiciones experimentales que se
deben aplicar a las unidades experimentales. En caso de que haya más de
un factor o variable independiente en estudio, un tratamiento es la
combinación específica de los niveles de los factores en estudio o de los
que intervienen en el experimento.
Ejemplo: Si se está estudiando el rendimiento de la papa como
consecuencia de la variedad (factor A) con tres niveles Variedad a, b y c, y
el tipo de fertilizante (factor B) con tres niveles también: Fosfatado,
nitrogenado y animal; entonces un tratamiento puede ser el uso del abono
animal aplicado a la variedad “a” de la papa; en este caso habrían 9
tratamientos, una de ellas es la indicada.

20/01/2018 DEMERI 2017-II 18

 4. DEFINICIÓN DE TÉRMINOS
USADOS
ERROR EXPERIMENTAL.- Describe el fracaso de
llegar a resultados idénticos con dos unidades
experimentales tratadas idénticamente, este error
puede surgir de errores experimentales en sí, de
errores de observación, de errores de medición, de la
variabilidad del material experimental, de los efectos
combinados de todos los factores extraños o exógenos
que pudieran influir y que no han sido considerados o
controlados.

20/01/2018 DEMERI 2017-II 19

 4. DEFINICIÓN DE TÉRMINOS
USADOS
UNIDAD EXPERIMENTAL.- Es el ente más pequeño
o elemental al cual se le aplica un tratamiento en una
reproducción del experimento básico. La unidad
experimental dependerá del tipo de estudio que se
realiza; por lo tanto, puede ser una persona, un
animal, o una cosa; así en biología la unidad
experimental puede ser una muestra de tejido fibroso,
un ratón, una colonia de bacterias, etc., en un
experimento agrícola la unidad experimental podría
ser una parcela de terreno, una planta, un surco, una
hoja, etc.
20/01/2018 DEMERI 2017-II 20
 4. DEFINICIÓN DE TÉRMINOS
USADOS
TESTIGO. El testigo es el tratamiento de comparación
adicional que no está afectado por ningún tratamiento,
y que se sugiere que no debe faltar en un experimento;
por ejemplo, si se usan cinco tratamientos con
fertilizante, el testigo puede ser aquel tratamiento que
no incluye fertilizante. La elección del tratamiento
testigo es de gran importancia en cualquier
investigación, este se constituye como referencial del
experimento y sirve para la comparación de los
tratamientos en prueba.

20/01/2018 DEMERI 2017-II 21

 4. DEFINICIÓN DE TÉRMINOS
USADOS
MEDIDA.- Una medida es el valor de la variable, en
especial de la variable dependiente o respuesta mediante
el cual se determina el efecto de un tratamiento aplicado a
una unidad experimental.
Ejemplo: En el estudio del rendimiento académico de un
alumno, la medida será la nota que el alumno obtenga
después de aplicarse el método de enseñanza y luego de la
correspondiente evaluación. En el estudio del rendimiento
del trigo, la medida será la cantidad de trigo cosechado
por hectárea dado en toneladas o en kilogramos.

20/01/2018 DEMERI 2017-II 22

 5. Modelo Estadístico
Es una representación matemática de las
relaciones existentes entre los diversos
factores considerados en un diseño
experimental. Por ejemplo
Yij =  + i + ij
Dependiendo de la forma en la que son
elegidos los niveles de los factores en
estudio, los modelos pueden ser de tres tipos:

20/01/2018 DEMERI 2017-II 23

 TIPOS DE MODELOS:
MODELO I (MODELO A EFECTOS FIJOS) Modelo de
Análisis de Varianza, es cuando el investigador determina los t
tratamientos en forma específica y desea probar la hipótesis sobre
la igualdad de las medias de los tratamientos considerados y las
conclusiones no pueden extenderse a los demás tratamientos que
no fueron considerados.

20/01/2018 DEMERI 2017-II 24

 TIPOS DE MODELOS:
MODELO II (MODELO A EFECTOS VARIABLES)
Modelo de Componentes de Varianza, es cuando el
investigador selecciona una muestra aleatoria de t tratamientos
de una población grande de tratamientos, por consiguiente las
conclusiones se extienden a todos los tratamientos de la
población, considerados o no en el experimento, por lo que los
i son variables aleatorias.

20/01/2018 DEMERI 2017-II 25

 TIPOS DE MODELOS:
MODELO III (MODELO A EFECTOS MIXTOS) Se
presenta cuando se tiene una combinación de los dos modelos
anteriores, es decir cuando se tienen algunos factores con
efectos fijos y algunos factores con efectos aleatorios.

20/01/2018 DEMERI 2017-II 26

 6. Análisis de varianza (ANVA)
Técnica estadística que permite descomponer la variabilidad total de
los resultados de un experimento (tratamientos, bloques, error
experimental, etc.), con la finalidad de compararlas e identificar su
importancia relativa en la variabilidad total.

20/01/2018 DEMERI 2017-II 27

 6. Análisis de varianza (ANVA)
FUENTES DE VARIACION: Una fuente de variación esta
constituida por cualquier factor (variable independiente que afecta a
los resultados del experimento) o conjunto de factores controlados o
no por el investigador. Se distinguen tres tipos:

• Aquellas cuyo efecto sobre la respuesta es

de particular interés para el investigador
(factores tratamiento)
• Aquellas que no son de interés directo pero
que se contempla en el diseño para reducir
la variabilidad no planificada(bloques)
• Aquellas que no son contempladas en el
diseño (error experimental).

20/01/2018 DEMERI 2017-II 28

 I. DISEÑO CON UN FACTOR
I.1. DISEÑO COMPLETAMENTE ALEATORIO (DCA)
Es el más simple de todos los diseños, en el cual los
tratamientos son asignados completamente
al azar a las unidades experimentales o viceversa, este
diseño no impone ningún tipo de restricción, salvo que
las unidades experimentales sean totalmente
homogéneas.

20/01/2018 DEMERI 2017-II 29

 Aleatorización y croquis experimental
Suponga que va evaluar 4 tratamientos con tres
repeticiones cada uno, entonces se necesitara 12 unidades
experimentales.

Unidad Unidad T1 T2 T3 T4
N° aleatorios experimental tratamientos N° aleatorios experimental tratamientos
0,661 1 0,045 3 T1 3 5 9 8
0,478 2 0,225 7 T1 7 2 1 12
0,045 3 0,259 10 T1
10 11 4 6
0,665 4 0,398 5 T2
0,398 5 0,478 2 T2
0,900 6 0,601 11 T2
0,225 7 0,606 9 T3
0,784 8 0,661 1 T3
0,606 9 0,665 4 T3
0,259 10 0,784 8 T4
0,601 11 0,839 12 T4
0,839 12 0,900 6 T4

20/01/2018 DEMERI 2017-II 30

 DISEÑO COMPLETAMENTE ALEATORIO.
Ventajas:
• Es fácil de planificar y analizar, siendo muy flexible al
número de tratamientos y repeticiones.
• El número de repeticiones por tratamiento puede ser
diferente, a pesar de que es recomendable tener el
mismo número de repeticiones por tratamiento.
Desventajas:
• El diseño es eficiente solo para un pequeño número
de tratamientos y para material experimental
homogéneo.
20/01/2018 DEMERI 2017-II 31
 MODELO ESTADÍSTICO
Yij =  + i + ij  i = 1, 2, 3,……....t; j = 1, 2, 3,……..n
Donde:
• Yij : Es el valor de la respuesta o rendimiento observado, en el i-ésimo tratamiento y
en la j-ésima repetición. Son variables aleatorias
•  : Es el efecto medio verdadero. Es una constante.
• i : Es el efecto del i-ésimo tratamiento. Son variables distribuidas en forma normal
con media cero y varianza 2t, sí el modelo a usar es a efectos aleatorios. En
cambio, sí el modelo es a efectos fijos, entonces  i = 0
• ij : Es el efecto del error experimental en el i-ésimo tratamiento, de la j-ésima
repetición. Incluye efectos de factores exógrnos no considerados en el estudio.
Es una v.a. con DNI(0,2)
• t : Es el número de tratamientos.
• n : Es el número de repeticiones.
20/01/2018 DEMERI 2017-II 32
 SUPUESTOS
El modelo estadístico debe cumplir los siguientes supuestos:
1. Aditividad, los efectos del modelo son aditivos.
2. Linealidad, las relaciones entre los efectos del modelo son lineales.
3. Normalidad, los errores o residuos son variables aleatorias y deben tener
una distribución normal con media cero y varianza constante 2
4. Independencia, los resultados obtenidos en el experimento son
independientes entre sí. En otras palabras los errores deben ser
independientes entre sí.
5. Homogeneidad de varianzas, Las diferentes poblaciones generadas por la
aplicación de los diferentes tratamientos deben tener varianzas iguales u
homogéneas (2).
20/01/2018 DEMERI 2017-II 33
 ESTIMACION DE LOS EFECTOS
Los efectos del modelo son estimados por el método de
MINIMOS CUADRADOS:

20/01/2018 DEMERI 2017-II 34

 I) MODELO A EFECTOS FIJOS.
En este caso se hará un ANVA según el modelo I, en
consecuencia se probará la igualdad de los efectos de los
tratamientos; es decir, H0: i = 0  i = 1,2,3,….t.
Además, los efectos de los tratamientos i se considerará
como desviaciones de la media global , esto es:
Yij =  + i + ij
Yij = i + ij
i =  + i
i =  - i
 i = 0

20/01/2018 DEMERI 2017-II 35

 I) MODELO A EFECTOS FIJOS. SIMBOLOGIA

20/01/2018 DEMERI 2017-II 36

20/01/2018 DEMERI 2017-II 37
 EJEMPLO1:

20/01/2018 DEMERI 2017-II 38

 EJEMPLO2:

20/01/2018 DEMERI 2017-II 39

 INTERVALOS DE CONFIANZA PARA
LA MEDIA DEL i-ÉSIMO
TRATAMIENTO

20/01/2018 DEMERI 2017-II 40

 Ejemplo:
Use los datos del ejemplo anterior para obtener los intervalos
confidenciales para estimar los 5 promedios, con un 95% de
seguridad.

20/01/2018 DEMERI 2017-II 41

 PRUEBA DE IGUALDAD DE VARIANZAS:
Aún cuando la razón F que se obtiene del procedimiento del
ANVA es insensible a las alteraciones de la suposición de varianzas
iguales para las t poblaciones normales de los tratamientos en estudio
con tamaños de muestra iguales, aún así, debemos tener la
precaución de realizar una prueba preliminar sobre la homogeneidad
de varianzas, tal prueba en realidad es aconsejable cuando los
tamaños de muestra son diferentes; sin embargo, si hay una duda
razonable con respecto a la homogeneidad de varianzas
poblacionales, se debe realizar la prueba respectiva en cualquier
caso:
Ho: 12 = 22 =…….= t2
H1: No todas las varianzas son iguales.
20/01/2018 DEMERI 2017-II 42
 PRUEBA DE IGUALDAD DE VARIANZAS:
PRUEBA DE BARTLETT
Esta prueba se basa en un estadígrafo cuya distribución muestral
proporciona valores críticos exactos, cuando los tamaños muestrales son iguales;
sin embargo, con estos valores también se pueden obtener valores críticos
aproximados altamente precisos para tamaños de muestra diferentes.

20/01/2018 DEMERI 2017-II 43

 PRUEBA DE IGUALDAD DE VARIANZAS:

20/01/2018 DEMERI 2017-II 44

 Ejemplo:
De un estudio que se llevó a Después de un tiempo necesario se midió
cabo para medir los niveles de los efectos del fosfato, cuyos datos
codificados se presentan en el siguiente
actividad del fosfato en los cuadro. Cinco parcelas fueron desechadas
suelos eriazos, para lo cual se por problemas de erosión a causa de los
usaron 50 parcelas a los que se vientos. Pruebe si existen diferencias
les dividió en 4 grupos, de significativas en las medias y las varianzas
acuerdo a la cantidad de fosfato entre los grupos con  = 0,05
aplicado:
G.1. Grupo Control, 20
parcelas
G.2. 1kg/m2, 10 parcelas
G.3. 2kg/m2, 10 parcelas
G.4. 4kg/m2, 10 parcelas

20/01/2018 DEMERI 2017-II 45

 PRUEBA DE COCHRAN

20/01/2018 DEMERI 2017-II 46

 Ejemplo:
Se realizó un experimento industrial para determinar la
absorción media de humedad en concreto entre 5 mezclas diferentes
de concreto, las muestras se expusieron a la humedad por 48 horas;
se decidió 6 muestras para cada mezcla, por lo que se probó 30
muestras. Pruebe sí existe diferencia significativa entre los
promedios y las varianzas entre las diferentes mezclas, con  = 0,05,
los datos se encuentran en la siguiente tabla.

20/01/2018 DEMERI 2017-II 47

 COMPARACIONES MÚLTIPLES
Sí se rechaza Ho y se asume la alternativa como cierta, es decir
que no todas las medias son iguales, entonces surge la pregunta
de que cuáles pares de medias son diferentes y cuáles son iguales,
en consecuencia se tendría que comparar todos los posibles pares.
Si existen t tratamientos entonces habría t(t-1)/2 pares posibles.
Para hacer una simplificación de estas pruebas, existen varios
procedimientos cuyo objetivo es determinar cuáles son los pares
de medias que son diferentes, de los cuales sólo se presentarán
algunos de los más conocidos e importantes.

20/01/2018 DEMERI 2017-II 48

 PRUEBA DE LA DIFERENCIA
SIGNIFICATIVA MÍNIMA
Fue publicada por Fisher en 1935, en su libro Diseños
experimentales, este procedimiento es una extensión de la prueba t
para el caso de la comparación de 2 medias; este método se usa
para muestras de igual tamaño y consiste en determinar la
diferencia significativa mínima (D.S.M), que viene a ser la
diferencia mínima que podría existir entre 2 medias de muestras
significativamente diferentes; para derivar la fórmula se utiliza el
estadígrafo de la prueba t para probar la diferencia entre 2 medias
cuando las varianzas poblacionales son iguales:
20/01/2018 DEMERI 2017-II 49
 Procedimiento:

20/01/2018 DEMERI 2017-II 50

 Ejemplo:

Use el ejemplo de las mezclas de concreto para determinar la DSM, con  =

0,05

20/01/2018 DEMERI 2017-II 51

La tabla siguiente muestra los puntajes de ansiedad obtenidos
en muestras aleatorias independientes en un estudio sobre las
características de los fumadores de droga (cocaína), ¿existirá
diferencia significativa entre los niveles de ansiedad, entre los 4
grupos?, use  = 0,05
Muestras
Fumadores
1 2 3 4 5 6 7
No Fuma 23 17 13 18 15 16 17
Fuma Poco 25 28 27 24 30 28 27
Moderado 33 36 39 38 35 41 37
Regular 45 47 49 50 46 48 44
Bastante 56 55 72 74 68 71 66

20/01/2018 DEMERI 2017-II 52

 PRUEBA DE TUKEY
Cuando se hace una prueba simple
de comparación entre 2 medias, no
existe mayores problemas con la
decisión de rechazar la Ho, pero
cuando se realiza varias pruebas de
este tipo, existen serias dificultades
con la Tasa de Error Experimento
Juicio, es decir, con la probabilidad
de falso rechazo de al menos una
hipótesis, que está dado por la
siguiente expresión:

20/01/2018 DEMERI 2017-II 53

 PRUEBA DE TUKEY
Por consiguiente se recomienda tener en cuenta métodos que no
agraven los resultados, uno de esos métodos aparte de la
Diferencia Significativa Mínima (DSM), es la PRUEBA DE LA
DIFERENCIA SIGNIFICATIVA HONESTA DE JOHN
WILDER TUKEY (DSHT), esta prueba se usa al igual que la
DSM, después de que se haya rechazado la Ho del ANVA y
cuando los tamaños muestrales son iguales, pero en este caso se
emplea el valor q,t, con los grados de libertad del CME del
ANVA en lugar de t/2 , el valor q se obtiene de la tabla
correspondiente con un  determinado para los t tratamientos en
estudio y los grados de libertad del CME como ya se dijo.

20/01/2018 DEMERI 2017-II 54

 Ejemplo:
Use el ejemplo de las mezclas de concreto, para
determinar entre cuáles medias existen diferencias
significativas usando la DSHT.

20/01/2018 DEMERI 2017-II 55

 Ejemplo:
Un botánico realizó un experimento para comparar los efectos de
5 tratamientos diferentes sobre la cantidad de agua que pierden las
hojas de cierta planta. El investigador asignó al azar un total de 50
hojas a los 5 tratamientos. La tabla siguiente muestra las
cantidades en mlgr/cm2 de agua perdida durante 3 días. ¿A qué
conclusión llegará el botánico sobre los tratamientos, con un 95%
de seguridad?
Trata- Hojas
miento 1 2 3 4 5 6 7 8 9 10 Total

A 66 63 67 69 60 65 64 67 62 63 646

B 76 77 75 78 74 73 72 71 79 74 749

C 43 44 48 45 47 41 45 49 44 47 453

D 54 55 58 56 59 57 50 53 54 51 547

E 58 59 65 61 63 58 66 65 56 64 615
20/01/2018 DEMERI 2017-II 56
 PRUEBA DE DUNCAN
Se le llama también, Prueba de Rango Múltiple de David B.
Duncan, o intervalos múltiples de Duncan, este es otra prueba
para determinar la diferencia entre pares de medias después de que
se haya rechazado la hipótesis nula en el ANVA. Este
procedimiento también se basa en la noción general del Rango
Studentizado, el rango de cualquier subconjunto de t medias
muestrales debe exceder cierto valor antes de que se encuentre que
cualquiera de las t medias sea diferente, este valor se llama Rango
de Menor Significancia para las t medias y se le denota por Rt,
cuya expresión es el siguiente:

20/01/2018 DEMERI 2017-II 57

 PRUEBA DE DUNCAN
Los valores de rt cuya denominación es la de
rango studentizado de menor significancia,
t
depende del  que se desea y el número de nh  t
grados de libertad corresponde a los grados de  (1 / n )
i 1
i
libertad del CME del ANVA respectiva, el valor
se obtiene de la tabla correspondiente. Cuando
los tamaños muestrales son diferentes, se
recomienda reemplazarlos por la media
armónica de ellos:
20/01/2018 DEMERI 2017-II 58
 Ejemplo:
Use el ejemplo de las mezclas de concreto para
determinar, entre cuáles pares de medias existen
diferencias significativas.

20/01/2018 DEMERI 2017-II 59

 DISEÑO EN BLOQUES ALEATORIOS
COMPLETOS
La desventaja de los Diseños
Completamente Aleatorios es que no
siempre se tienen unidades elementales
totalmente homogéneas, por lo que es
necesario solucionar este problema
antes de planear un diseño
experimental, una de las formas de
solucionar este problema es estratificar
las unidades experimentales en grupos
homogéneos llamados bloques, por lo
que el diseño a usar toma el nombre de
bloques aleatorios

20/01/2018 DEMERI 2017-II 60

 DISEÑO EN BLOQUES ALEATORIOS
COMPLETOS
El objetivo de este diseño es el de aislar y remover de la
variación del error, la variación atribuida a los bloques para
asegurar que las medias de los tratamientos estén libres del
efecto de los bloques.
El procedimiento general para un diseño en bloques completamente
aleatorios, consiste en seleccionar “b” bloques y ejecutar una réplica
completa del experimento en cada bloque, por lo que debe haber t
observaciones en cada bloque, uno por cada nivel del factor en estudio y
el orden en el cual estas observaciones se ejecutan se asignan al azar
dentro del bloque.
20/01/2018 DEMERI 2017-II 61
 DISEÑO EN BLOQUES ALEATORIOS
COMPLETOS
Cualquier factor que afecte la variable respuesta y que varíe entre u.e.
aumentará la varianza del error experimental y disminuirá la precisión de
las comparaciones. Factores como la edad y el peso de los animales,
diferentes lotes de material, sexo de las personas y parcelas alejadas son
ejemplos de variables externas a los tratamientos o factores de ruido que
pueden incrementar la variación entre las observaciones de la variable
respuesta. Generalmente los criterios de bloqueo son:
• Proximidad (parcelas vecinas)
• Características físicas (edad, peso, sexo, etc.)
• Tiempo
• Manejo de las u.e. en el experimento. Entre otros.

20/01/2018 DEMERI 2017-II 62

 DISEÑO EN BLOQUES ALEATORIOS
COMPLETOS
El modelo lineal que se usa para este diseño es el siguiente:

Yij =  + i + j + ij
Donde: i = 1, 2,3,…, b
j = 1, 2,3,…, t
 = Es el efecto medio verdadero.
I = Es el efecto verdadero del i-ésimo bloque.
j = Es el efecto verdadero del j-ésimo tratamiento.
ij = Es el efecto verdadero de la unidad experimental en el i-
ésimo bloque y sujeto al j-ésimo tratamiento. Es una v.a. llamado
error experimental, tiene DNI (0,2)

20/01/2018 DEMERI 2017-II 63

20/01/2018 DEMERI 2017-II 64
 Ejemplo 1:
Se probaron 10 raciones respecto a sus diferencias en el engorde de cerdos, se
dispuso de 40 cerdos para la experimentación, pero por razones técnicas se
distribuyeron en 4 grupos (bloques) de 10 cerdos cada uno, los grupos se
formaron de acuerdo al peso, los 10 cerdos más pesados en el primer bloque, los
siguientes 10 cerdos más pesados en otro bloque y así sucesivamente; las 10
raciones (tratamientos) se asignaron al azar dentro de cada bloque, tal como se
indica en cuadro adjunto. Pruebe si las raciones producen diferentes efectos en el
engorde de los cerdos, con un  = 0,05.
Los bloques que se formaron, se presenta en el siguiente cuadro y los resultados
en el cuadro subsiguiente.

20/01/2018 DEMERI 2017-II 65

 Ejemplo 2:
Se efectuó un experimento para determinar el efecto de 4 sustancias
químicas diferentes sobre la resistencia de una tela. Las sustancias se
emplearon como parte del proceso terminal de planchado permanente,
para ello se escogieron 5 muestras de tela y se aplicó un diseño
aleatorizado por bloques completos, las pruebas se realizaron en forma
aleatoria con cada una de las muestras de tela. Los datos se presentan
en la siguiente tabla. Pruebe si los efectos de las sustancias químicas
son diferentes en las telas con un 95% de seguridad.

20/01/2018 DEMERI 2017-II 66

 Ejemplo 3:
Se consideraron 4 máquinas diferentes para el ensamblaje de un
producto particular, para el experimento se decidió utilizar 6
diferentes grupos de operadores, el diseño escogido fue el de bloques
aleatorios, con la finalidad de comparar el rendimiento de las
máquinas. Las máquinas se asignaron al azar a cada operador, y a los
operadores se les agrupó de acuerdo a su destreza, los datos se
registraron en segundos sobre el tiempo empleado para ensamblar un
producto. Use  = 0,05 para realizar el ANVA.

20/01/2018 DEMERI 2017-II 67