• Author / Uploaded
• Darly

Citation preview

Diseño Experimental

Fase 2 - Identificar y aplicar los diseños completamente al azar y bloques completos al azar

Presentado por:

Fanory Mestizo

Tutor

Diego Alberto Deaza

Universidad Nacional Abierta y a Distancia UNAD CEAD Palmira Septiembre del 2019

Introducción En el presente trabajo se tiene como objetivo demostrar en un primer momento la realización de unos ejercicios teóricos que permitieron conceptualizar un poco elementos que componen la estadística; en un segundo momento dada la apropiación de los temas se da pie para aspectos prácticos, en donde se toma en cuenta fórmulas de análisis de varianza, las cuales permitieron realizar los ejercicios usando el programa R.

Objetivos Objetivo general Desarrollar un diseño completamente al azar ejecutándolo mediante el programa R

Objetivos específicos 

Establecer una tabla de análisis de varianza ejecutada por el

programa R



Determinar la validación de supuestos del modelo y prueba de

comparación de medias. 

Interpretar resultados según los datos arrojados por el programa R

Preguntas orientadoras.

1. ¿Qué tipo de variables existen en estadística? R// Existen tres tipos de variables en estadística como son las siguientes: 

Variables cuantitativas continuas: se refieren a mediciones, por

ejemplo: o

Ambiental: PH, PM, BDQ, DBO

o

Zootecnia: Peso y altura

o

Agronomía: el peso del fruto, diámetro de cabeza



Variables cuantitativas discretas: se refieren a conteos, por ejemplo

o

Ambiental: número de empresas por barrio con decibles por encima

de lo permitido o

Zootecnia: el número de partos de una vaca de una edad definida, el

número de lechones por cerdita o

Agronomía: el número de dedos en plátano



Variables cualitativas nominales: se refiere aquella que los valores no

pueden ser sometidos a un criterio de orden; por ejemplo: el operador de un celular 

Variables cualitativas categórica: se refiere aquella que los valores

están en categorías; por ejemplo: el nivel académico de un trabajador, los estractos

2. ¿El diseño completamente al azar en qué condiciones se usa? R// El diseño completamente al azar, es utilizado bajo invernaderos, bajo condiciones experimentales controladas, es decir donde se garantice un suelo homogéneo; por ejemplo, en bancos de propagación. Los tratamientos y repeticiones se distribuyen aleatoriamente en el terreno o espacio en el laboratorio

3. ¿El diseño de bloques completamente al azar en qué condiciones se usa? R// Es utilizado por tratamientos que se distribuyen al azar en bloques completamente al azar y que al interior de cada bloque las condiciones sean homogéneas. 4. ¿En análisis de varianza cual es la hipótesis nula qué se prueba? R// Un análisis de varianza es una prueba de hipótesis y la hipótesis nula tiene que ver con todos los promedios, específicamente que sean de conteo para que así se pueda transformar. La hipótesis nula es que en los tratamientos no hay diferencia estadísticamente significativa, por lo menos un tratamiento debe comportarse diferente.

5. Seleccione en una tabla los componentes de análisis para un diseño completamente al azar, Recuerde que lo que el libro de Ruesga relaciona como S2 es cuadros medios o CME. EJEMPLO: En un experimento bajo el diseño completamente al azar se compararon 4 cepas nativas de Azotobacter, en el cultivo del pimiento variedad Verano 1, donde se evaluó como variable principal la altura de las plantas a los 35 días

6. ¿Los residuales del modelo para que se usan?

R// Los residuales del modelo se usan para el análisis de varianza 7. ¿En qué histograma se basan las distribuciones de probabilidad de variables continuas? R// Las distribuciones de probabilidad se usan en histogramas de variables cuantitativas (frecuencias relativas), ya que estas se pueden decir que son “empíricas” y se asocia con muestral, y la densidad de probabilidad. 8. ¿Qué se debe hacer con los datos de experimentos de conteos como el número de lechones o el número de frutos para poder hacer un análisis de varianza? R// Se debe realizar por medio de conteos para así mirar cuantos lechones y frutos se repiten, además se debe implementar el modelo de Poisson

Según la lectura 1. Modelo matemático. 𝑌𝑖𝑗 = 𝜇 + 𝑡 + 𝑒𝑖𝑗 𝑌𝑖𝑗 = es el j ésimo elemento perteneciente al i ésimo tratamiento 𝜇 = es la media general. 𝑇𝑖 = efecto debido al i ésimo tratamiento. 𝐸𝑖𝑗 =error experimental asociado al j ésimo elemento del i ésimo tratamiento.

2.

La fórmula de suma de cuadrados totales

3.

La fórmula de suma de cuadrados de tratamiento

4.

La fórmula de suma de cuadrados del error

5.

Cuál es la hipótesis La hipótesis que se va a probar es: 𝐻0 : 𝑇1 = 𝑇2 = 𝑇3 = 𝑇4 𝑣𝑠 𝐻𝐼 : Al menos 2 tratamientos diferentes.

Esta hipótesis se prueba con un análisis de varianza

6. Desarrollar en R análisis de varianza, validación de supuestos del modelo y prueba de comparación de medias. Debe en su informe registrar pantallazos del procesamiento en el programa R recuerde que la versión es 3.5.3

7. Redacte un breve párrafo en el que interprete el resultado de la tabla de análisis de varianza y el resultado de la validación de supuesto de normalidad y varianza constante.

De acuerdo a los resultados que arrojó el programa R de la tabla de análisis de varianza se obtuvo por medio del test de shapiro que existe una distribución con normalidad; dado que p-valor es mayor que 0.05 (0.8635>0.05), en donde no se rechaza la hipótesis nula de lo contrario o transformamos datos aplicando un test de estadística no paramétrica

Por otra parte, se obtuvo que no se rechaza la hipótesis nula, ya que presenta varianza constante.

Rescate de Datos. Cada estudiante integrante del grupo debe rescatar unos datos de un BCA de un texto y repetir el proceso anterior.

Resultados

De acuerdo a los resultados que arrojó el programa R de la tabla de análisis de varianza se obtuvo por medio del test de shapiro que no existe una distribución con normalidad; dado que p-valor es menor que 0.05 (0,2648