Professional Documents
Culture Documents
Ana M. Bianco
Concentracin
Tratamiento
1
9.8
10.1
9.8
9.2
8.6
9.2
8.4
7.9
8.0
11.3
10.7
10.7
10.3
10.7
10.2
9.8
10.1
10.1
Ana M. Bianco
Podemos pensar que nuestros datos se disponen en una tabla de doble entrada como la anterior
(una entrada para el factor A y otra para B) y en la que en cada casilla tendremos las
replicaciones de cada una de las combinaciones de los factores A y B.
Factor A
.
.
Ana M. Bianco
Factor B
.
.
.
.
1
Y111
Y112
2
Y121
Y122
Y11K
Y211
Y212
Y12K
Y221
Y222
Y1JK
Y2J1
Y2J2
Y21K
Y22K
Y2JK
J
Y1J1
Y1J2
.
.
.
YIJ1
YIJ2
Yijl
.
YI11
YI12
.
YI21
YI22
YI1K
YI2K
YIJK
.
.
Ana M. Bianco
Yijk = ij + ijk
donde ijk representa el error, la media ij (que depende del cada nivel i del Factor A (Filas) y de
cada j nivel del Factor B (Columnas)) y el subndice k identifica la replicacin dentro de cada
casillero.
Asumiremos que
Cuando el nmero de observaciones dentro de cada casillero es constante decimos que el diseo
es balanceado. Vamos a considerar el caso balanceado.
Para cada observacin, podramos considerar un modelo que involucre una media general, el
efecto del tratamiento y el efecto de la concentracin de adrenalina:
Yijk = + i + j + ijk
Esto es lo que conocemos como Modelo Aditivo.
Veamos que podra ocurrir con ij .
Ana M. Bianco
Sin embargo, podra ocurrir que el efecto de cierto tratamiento no sea el mismo para los
distintos niveles de concentracin de adrenalina. En este caso diramos que hay interaccin.
Ana M. Bianco
Yijk = ij + ijk
Ana M. Bianco
Yijk = + i + j + ij + ijk
Notemos que
ij .. (i. .. ) (. j .. ) (ij i. . j .. )
que es de la forma + i + j + ij donde
ij
ij 0
j
Ana M. Bianco
Estimacin
Tenemos que minimizar
S (Yijk ij ) 2
i, j
S
(2) (Yijk ij ) 0
ij
k
con lo cual
ij Yij.
y queda
S (Yijk Yij. )2
i, j
Ana M. Bianco
1
:
0
:
0
:
0
:
0
1
:
1
0
:
..
..
..
..
..
..
..
..
0
0
:
0
:
:
1
11
:
:
IJ
rg(X) p IJ
, i , j y ij
Ana M. Bianco
10
..
i (i. .. )
j (. j .. )
ij (ij i. . j .. )
Resultando
y...
i ( yi.. y...)
j ( y. j . y...)
ij ( yij . yi.. y. j . y...)
Ana M. Bianco
11
La hiptesis de igualdad de los efectos de los I niveles del Factor A (filas) puede plantearse
mediante la hiptesis nula:
HA: 1 = 2 = ......= I = 0,
la hiptesis de igualdad de los J niveles del Factor B (columnas) se plantea como:
HB: 1 = 2 = ......= J = 0,
mientras que la ausencia de interacciones, la testearamos a travs de la hiptesis
HAB: 11 = 12 = ......= IJ = 0.
Ana M. Bianco
S (Yijk ij ) 2 (Yijk i j ij ) 2
i, j
i, j
((Yijk i j ij ) ( ) ( i i ) ( j j ) (ij ij )) 2
i, j
ij
ij 0
queda
S S IJK ( ) 2 JK ( i i ) 2 IK ( j j ) 2 K (ij ij ) 2
i
i, j
Esta expresin es muy til pues bajo HA, HB, o HAB permite ver que los estimadores son los
mismos que bajo .
12
Ana M. Bianco
i, j
, j j y ademas ij ij
En este caso adems tendramos
S A
S JK i
i
Anlogamente
13
Ana M. Bianco
SB S IK j2
j
S AB S K ij2
i, j
n - r S A S n - IJ
q
S
I -1
JK i
i
JK i
n - IJ
i
I - 1 (Yijk Yij. ) 2
i, j
En cuanto a los grados de libertad de cada una, es decir q, es el nmero de condiciones l.i.
estimables impuestas por cada hiptesis.
14
Ana M. Bianco
I-1
J-1
(I-1)(J-1)
SE:
ST:
IJ(K-1)
n-1=I*J*K-1
15
Ana M. Bianco
16
Ana M. Bianco
17
Ana M. Bianco
grasa<read.table("C:\\Users\\Ana\\ModeloLineal\\doctex\\grasa.txt",header=T)
grasa
attach(grasa)
names(grasa)
plot(Tolera~ SEXO + GRASA, data=grasa)
18
interaction.plot(SEXO,GRASA,Tolera,col=2:3)
Ana M. Bianco
19
interaction.plot(SEXO,GRASA,Tolera,col=2:3)
Ana M. Bianco
20
Ana M. Bianco
21
Ana M. Bianco
22
Como en este ejemplo p-valor es 0.3747 y no podemos rechazar HAB, estamos en condiciones de
testear HA y HB.
Si deseramos verificar si el sexo tiene algn efecto sobre la tolerancia al ejercicio fsico
deberamos testear
HB: 1 = 2 = 0,
y como el p-valor del test correspondiente es 0.3226, no podemos rechazar la hiptesis de que
el efecto del sexo sea nulo.
Ana M. Bianco
23
Si nos interesase realizar intervalos de confianza simultneos para las diferencias entre las medias
de los niveles de porcentaje de grasa podemos calcular los intervalos mediante el mtodo de
Tukey con un nivel global de 95%:
Ana M. Bianco
salida<-aov(Tolera~SEXO*GRASA)
tolera.tuk<-TukeyHSD(salida,"GRASA",ordered=FALSE,conf.level=0.95)
plot(tolera.tuk)
24
Ana M. Bianco
25
Ana M. Bianco
Yijk = + i + j + ij + ijk
interaction.plot(trat,concentra,Tiempo,col=2:3)
26
interaction.plot(concentra,trat,Tiempo,col=2:4)
Ana M. Bianco
27
Ana M. Bianco
Pr(>F)
7.084e-06 ***
1.011e-07 ***
0.04244 *
Como antes comenzamos por testear la hiptesis nula HAB. En este caso la hiptesis nula es
rechazada al 5%. Compararemos las medias de todas las combinaciones.
28
Ana M. Bianco
tiempo.tuk<-TukeyHSD(salida,ordered=FALSE,conf.level=0.95)
par(cex=0.5)
plot(tiempo.tuk,cex=2)
Tambien podria escribirse:
tiempo.tuk<TukeyHSD(salida,"trat:concentra",ordered=FALSE,conf.level=0.95)
29
Ana M. Bianco
30
Ana M. Bianco
TRAT
CONCENTRA
--------- --------1
2
2
2
3
2
1
1
2
1
3
1
MEAN
GROUPS
---------- ----------10.900
I
10.400
I I
10.000
.. I
9.9000
.. I
9.0000
.... I
8.1000
...... I
Donde se ve que hay cuatro grupos de medias que no difieren significativamente unas de otras.
31