You are on page 1of 5

Diseño Completamente aleatorizado con DESIGUAL número de observaciones:

 Suma total de cuadrados:  Suma de cuadrados entre


t nt
tratamientos:
∑ y 2 = ∑ ∑ yij2 t
i=1 j=1 Ti2
Tyy = ∑ − Myy
ni
 Suma de cuadrados debido a la i=1

media:  Suma de cuadrados del error

T2 experimental:
Myy =
∑ ni
Eyy = ∑ y 2 − Myy − Tyy

Otras fórmulas:
Intervalo de confianza para una media de Intervalo de confianza para diferencia de
tratamiento: medias de tratamientos:

E 2E
y̅i ± t (1−α , N−t)
√ (y̅i − y̅j ) ± t (1−α , N−t)

2 ni 2 ni

Diseño Completamente aleatorizado con IGUAL número de observaciones:

 Suma total de cuadrados:  Suma de cuadrados de los


t n
tratamientos:
∑ y 2 = ∑ ∑ yij2 t
i=1 j=1 Ti2
Tyy = ∑ − Myy
n
 Suma de cuadrados debido a la i=1

media:  Suma de cuadrados del error


T2 experimental:
Myy =
t(n)
Eyy = ∑ y 2 − Myy − Tyy
SUBMUESTREO en un diseño completamente aleatorizado con DESIGUAL número de
observaciones por unidad experimental:

 Suma total de cuadrados:  Suma de cuadrados del error


nt nij
t experimental:
2 2
∑y = ∑ ∑ ∑ yijk t nt
i=1 j=1 k=1
Eij2
Eyy = ∑ ∑ ( ) − Myy − Tyy
nij
 Suma de cuadrados debido a la media: i=1 j=1

∑ t 2i  Suma mancomunada de cuadrados


Myy =
N entre muestras de la misma unidad
 Suma de cuadrados de los experimental:
tratamientos:
Syy = ∑ y 2 − Myy − Tyy − Eyy
t
Ti2
Tyy = ∑ [ ni ] − Myy
∑j=1 nij
i=1

SUBMUESTREO en un diseño completamente aleatorizado con IGUAL número de


observaciones por unidad experimental:

 Suma total de cuadrados:  Suma mancomunada de cuadrados


t n m
entre muestras de la misma unidad
2 2
∑ y = ∑ ∑ ∑ yijk
experimental:
i=1 j=1 k=1

 Suma de cuadrados debido a la media: Syy = ∑ y 2 − Myy − Tyy − Eyy


(T)2
Myy = OTRAS FORMULAS:
t(n)(m)
 Suma de cuadrados de los  Varianza Estimada:
E−S
tratamientos: S2 =
m
Ti2
n  Error Estándar de una media de
Tyy = ∑[ ] − Myy tratamientos:
n(m)
i=1
E
 Suma de cuadrados del error Sy̅ = √
n(m)
experimental:
t ni
Eij2
Eyy = ∑ ∑ ( ) − Myy − Tyy
m
i=1 j=1
EFICIENCIA RELATIVA DE UN DISEÑO:
 Varianza Estimada de una Media Tratamiento:
Sn2 + m(S 2 )
̂ (y
V ̅i = )
n(m)
2
E − Sn2
S =
m
 Realiza un nuevo Diseño, se Estima nueva varianza:
S 2 + m′(S 2 )
̂ ′(y̅i ) = n
V
n′(m′)

̂ ′(𝐲̅𝐢) < 𝐕
𝐒𝐢: 𝐕 ̂(𝐲̅𝐢 ) , 𝐞𝐥 𝐧𝐮𝐞𝐯𝐨 𝐝𝐢𝐬𝐞ñ𝐨 𝐞𝐬 𝐦𝐚𝐬 𝐞𝐟𝐢𝐜𝐢𝐞𝐧𝐭𝐞 𝐪𝐮𝐞 𝐞𝐥 𝐚𝐧𝐭𝐞𝐫𝐢𝐨𝐫

Eficiencia Relativa de un nuevo diseño propuesto con Respecto al Anterior:


̂(y̅i )
V
ER = [ ′ ] x 100
V̂ (y̅i )

PRUEBA DE KRUSKAL WALLIS: método no paramétrico para análisis de varianza.


SI: 𝐇 > 𝓧𝟐(𝛂,𝐭−𝟏) se rechaza 𝐇𝟎

 En caso que SI haya EMPATE:  En caso que NO haya EMPATE:


t t
1 R2i N(N + 1)2 1 R2i
H = 2 [∑ − ] H= [∑ − 3(N + 1)2 ]
S ni 4 N(N + 1) ni
i=1 i=1

t n N(N + 1)
2
1 2
N(N + 1)2 S2 =
S = ∑ ∑ R IJ − 4
N−1 4
i=1 j=1
COMPARACIÓN o DIFERENCIA DE MEDIAS DE TRATAMIENTOS:
MÉTODO DE SCHEFFE: para comprar CONTRASTES, permite determinar cuáles de los Cj
son significativos.
Comparación de Medias de 5 ó 6 tratamientos: t
(Cij2 )
Scj = √E ∑
r1 = μ1 − μ3 ni
i=1

r2 = μ1 − μ4
Intervalo de Confianza:
r3 = μ2 − μ5 r3 = 2μ2 − μ5 − μ6
[Cj − Sα.j ≤ rj ≤ Cj + Sα,j ] = 1 − α
r4 = μ1 + μ2 − μ4 − μ5
Si: |𝐂𝐣 | > 𝐒𝛂.𝐣 → 𝐇𝟎 𝐝𝐞𝐛𝐞 𝐬𝐞𝐫 𝐫𝐞𝐜𝐡𝐚𝐳𝐚𝐝𝐚
Valores Críticos para comparar Cj:

Sα,j = Scj √(t − 1)F(1−α,t−1,N−t)

COMPARACIÓN DE PAREJAS DE MEDIAS:


MÉTODO DE LA MINIMA DIFERENCIA SIGNIFICATIVA (MDS): se aplica después de
rechaza una prueba.

 Para diferente número de  Para IGUAL número de


observaciones por tratamiento: observaciones por tratamiento:
1 1 2E
MDS = t (1−α,N−t) √E ( + ) MDS = t (1−α,N−t) √
2 ni nj 2 n

Si: |𝐲̅𝐢 − 𝐲̅𝐣 | > 𝐌𝐃𝐒 → 𝐒𝐞 𝐫𝐞𝐜𝐡𝐚𝐳𝐚 𝐇𝐨 ó 𝐞𝐬 𝐒𝐢𝐠𝐧𝐢𝐟𝐢𝐜𝐚𝐭𝐢𝐯𝐚

PRUEBA DE DUNCAN: Sirve para comparar parejas de medias, puede hacerse para igual
o diferente número de observaciones: (hacer uso de la tabla de Duncan para los valores
de D)

 Las muestras son del MISMO TAMAÑO:  Las muestras son de DIFERENTE TAMAÑO:

E E
Sy̅ = √ Sy̅ = √
ni nh

t
nh =
1
∑ti=1 ( )
ni
PRUEBAS PARA HOMOGENEIDAD DE VARIANZA:
PRUEBA DE BARTLETT:
t
log e 10
𝒳C2 = [∑(ni − 1) log S 2 − ∑(ni − 1) log Si2 ]
L
i=1

t
1 1 1
L=1+ [∑ − ]
3(t − 1) ni ∑(ni − 1)
i=1

2
∑(ni − 1)Si2
S =
∑(ni − 1)

Si: 𝓧𝟐𝐜 < 𝓧𝟐𝐓 → 𝐚𝐜𝐞𝐩𝐭𝐚𝐦𝐨𝐬 𝐇𝟎


𝐧𝐢 − 𝟏

𝐒𝐢𝟐
Valores Según
(𝐧𝐢 − 𝟏)𝐒𝐢𝟐
tratamientos
𝐥𝐨𝐠(𝐒𝐢𝟐 )

(𝐧𝐢 − 𝟏) 𝐥𝐨𝐠 𝐒𝐢𝟐

PRUEBA DE COCHRAN: Todas las muestras deben ser iguales.

2
S(mayor)
G=
∑ti=1 Si2

Si: 𝐆 < 𝐠 (𝛂,𝐧,𝐤) → 𝐚𝐜𝐞𝐩𝐭𝐚𝐦𝐨𝐬 𝐇𝟎

n=tamaño de las muestras

k=N° de muestras

PRUEBA DE LEVENE:

∑ ri (Z̅i∗ − Z̅∗∗ )
Fc = t−1 , Si: Fc < FT ∴ se 𝐚𝐜𝐞𝐩𝐭𝐚 𝐇𝟎
∑ ∑(Zij − Z̅i∗ )
N−t
 𝐫𝐢 = 𝐥𝐚𝐬 𝐫𝐞𝐩𝐞𝐭𝐢𝐜𝐢𝐨𝐧𝐞𝐬( 𝐞𝐥 𝐧𝐮𝐦𝐞𝐫𝐨 𝐝𝐞 𝐦𝐮𝐞𝐬𝐭𝐫𝐚𝐬)