Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
25Activity
0 of .
Results for:
No results containing your search query
P. 1
Analisis de Covarianza (ANCOVA)

Analisis de Covarianza (ANCOVA)

Ratings: (0)|Views: 3,797|Likes:
Published by rogerben
Analisis de covarianza.
Analisis de covarianza.

More info:

Categories:Types, Research
Published by: rogerben on Aug 10, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/15/2013

pdf

text

original

 
 133
CAPÍTULO 10
ANÁLISIS DE COVARIANZA (ANCOVA)
 
10.1 INTRODUCCIÓN
Uno de los problemas con el que frecuentemente se enfrenta el investigador, es el de controlar aquellos factores que no le he es posible medir y cuyo efecto no puede justificar, los cuales constituyenel error experimental. Una de las formas de minimizar este error es mediante la aleatorización de lostratamientos y la utilización de material experimental muy homogéneo. Sin embargo, la aleatorizacióndifcilmente cancela la influencia de las variables involucradas en el error y la disponibilidad dematerial experimental homogéneo no es frecuente en algunos experimentos, principalmente conanimales, quedando restringidos a experimentos de laboratorio, invernadero o con animales de bioterio.Ronald Fisher en 1932 desarrolló una técnica conocida como
Análisis de Covarianza
, quecombina el Análisis de Regresión con el Análisis de Varianza.
Covarianza
significa variaciónsimultánea de dos variables que se asume están influyendo sobre la variable respuesta. En este caso setiene la variable independiente tratamientos y otra variable que no es efecto de tratamientos pero queinfluye en la variable de respuesta, llamada a menudo:
covariable
.El Análisis de Covarianza consiste básicamente en elegir una o más variables adicionales ocovariables que estén relacionadas con la variable de respuesta, evitando que los promedios detratamientos se confundan con los de las covariables, incrementando de esa manera la precisión delexperimento. Por ejemplo: número de plantas por unidad experimental, pesos iniciales en animales,grado de infestación de garrapatas, das de lactancia o edad de destete, etc.; pueden ser covariables queinfluyan en el resultado final y cuyo efecto de regresión sobre la variable respuesta el investigador desea eliminar, ajustando las medias de tratamientos a una media común de X. En este análisis seasume que la variable dependiente Y está asociada en forma lineal con la variable independiente X,existiendo homogeneidad de pendientes.El procedimiento de análisis comprende:a) ANDEVA para X (covariable), b) ANDEVA para Y (variable de respuesta),c) Estimación del coeficiente angular de la regresión.d) Obtención de la ecuación de regresión y ajuste a los promedios de la variable de respuesta.
10.2 SUPOSICIONES BÁSICAS DEL ANÁLISIS DE COVARIANZA
Como es de esperarse, las suposiciones que se hacen cuando se efectúa un análisis decovarianza son similares a las requeridas para la regresión lineal y el análisis de varianza. De estamanera, se encuentran las suposiciones usuales de independencia, normalidad, homocedasticidad, Xfijas, etc. Para ser más exactos, se presenta a continuación los modelos estadsticoímatemáticosasociados con algunos de los diseños más comunes cuando se realiza un análisis de covarianza.
 
 134
a) Diseño Completamente al Azar
i = 1 , . . . , tY
ij
=  + 
i
+
E
(X
ij
 

X..
) + 
ij
  j = 1 , . . . , r Y
ij 
= Variable de respuesta medida en la jíésima repetición y el iíésimo tratamiento.= Media general
i 
= Efecto del iíésimo tratamiento.
E
= Coeficiente angular de la regresión.X
ij
= Variable independiente o covariable.
X..
=
Media general de la covariable.
ij
= Error experimental.
b) Diseño en bloques completos al azar.
i = 1 , . . . , tY
ij
=  + 
i
+
U
 j
+
E
(X
ij
 

X..
) + 
ij
  j = 1 , . . . , r Y
ij 
= Variable de respuesta medida en la jíésima repetición y el iíésimo tratamiento.= Media general
i 
= Efecto del iíésimo tratamiento.
U
 j
= Efecto del jíésimo bloque o repetición.
E
= Coeficiente angular de la regresión.X
ij
= Variable independiente o covariable.
X..
=
Media general de la covariable.
 
ij
= Error experimental.
c) Diseño cuadrado latino
i = 1 , . . . , tY
ijk 
=  + 
i
+
U
 j
+
J
+
E
(X
ijk 
 

X..
) + 
ijk 
k = 1 , . . . , t  j = 1 , . . . , Y
ijk  
= Variable de respuesta medida en la jíésima repetición y el iíésimo tratamiento.= Media general
i 
= Efecto del iíésimo tratamiento.
U
 j
= Efecto de la jíésima fila.
J
= Efecto de la kíésima columna.
E
= Coeficiente angular de la regresión.X
ijk 
= Variable independiente o covariable.
X.. =
Media general de la covariable.
 
ij k 
= Error experimental.Otra suposición necesaria para el análisis correcto de covarianza, es que la variable concomitante X, nodebe ser afectada por los tratamientos.
 
 135
10.3 EJEMPLO DE APLICACIÓN
Un grupo de estudiantes del curso de Investigación Agrcola de la Escuela Nacional Central deAgricultura evaluó en 1990 el efecto del tiempo de cosecha sobre el rendimiento de grano de maz. Seutilizaron 4 tratamientos y 3 repeticiones, con el diseño bloques completos al azar. Los tratamientosfueron: 30, 40, 50 y 60 das después de la polinización. El número de plantas planificado por parcelaútil fue de 52, pero al cosechar se obtuvieron diferentes números de plantas por unidad experimental.Los resultados se presentan en el cuadro siguiente:RepeticionesI II IIITratamientosx y x y x y x
i.
y
i.
 30 41 4.08 24 2.78 31 2.79 96 9.6540 37 4.72 32 4.92 38 4.50 107 14.1450 37 4.00 34 5.05 47 5.54 118 14.5960 35 4.59 22 3.63 44 6.20 101 14.42x
.j
, y
.j
150 17.39 112 16.38 160 19.03 422 52.801º. ANDEVA para las variables X y YANDEVA para X ANDEVA para Y
FV GL SC CMValor FFcrticaFV GL SC CMValor FFcrticaTrats. 3 89.67 29.89 0.98 4.76 Trats. 3 5.64 1.88 2.29 4.76Bloques 2 320.67 160.33 Bloques 2 0.89 0.45Error 6 183.33 30.56 Error 6 4.92 0.82Total 11 593.67 Total 11 11.45X = número de plantas Y = rendimiento expresado en kilogramos/unidad experimental.
2º. Estimación del coeficiente angular de la regresión y del coeficiente de correlación.
Factor de corrección = F.C. (
 x 
,
 y
)
=
trtijiji1j1i1j1
xy(422)(52.8)1856.8tr43
§·§·¨¸¨¸©¹©¹u
¦¦¦¦
 
Suma de Productos Total para
 x 
y
 y
. SPT(
 x 
,
 y
)
 
tijiji1j1
SPT(x,y)xyF.C.(x,y)[(414.08)(374.72)...(446.2)]1856.860.16
uuu
¦¦
 
Suma de Productos de Bloques para
 x 
y
 y
. SPB (
 x 
,
 y
)
 
t.j.ji1j1
xy[(15017.39)...(16019.03)]SPB(x,y)F.C.(x,y)1856.815.165t4
uu
¦¦
 

Activity (25)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
Katty Rodriguez liked this
Ana Muñoz liked this
Ana Muñoz liked this
Edgar De La Cruz liked this
Edgar De La Cruz liked this
educes777 liked this

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->