COMPROBACIÓN DE LOS SUPUESTOS DEL ANÁLISIS DE VARIANZA CON INFOSTAT

COMPROBACIÓN DE LOS SUPUESTOS DEL ANÁLISIS DE VARIANZA CON INFOSTAT

Ing. Luis Manfredo Reyes

La técnica conocida como Análisis de Varianza (ANDEVA, ANOVA o ANVA), se utiliza intensamente en la experimentación para comparar varios grupos, llamados tratamientos.

La hipótesis nula que se prueba con el ANDEVA, es que “todos los tratamientos son iguales”,  contra la hipótesis alterna que “al menos uno de los tratamientos es distinto a los demás”.

El análisis de varianza, está construido sobre supuestos teóricos, que en la mayoría de casos nunca son comprobados.

Una de las excusas más utilizadas es “SI LA VARIABLE DE RESPUESTA ES CONTÍNUA, SEGURAMENTE ES NORMAL”.

También anteriormente, no se tenía la tecnología informática que permitiera realizar las pruebas en forma rápida y efectiva.

Ahora sí existe la tecnología (se acabaron las excusas). De todas las opciones disponibles, en ésta ocasión se discute el uso de Infostat para el proceso de comprobación de supuestos.

COMPROBACIÓN DE LOS SUPUESTOS DEL ANÁLISIS DE VARIANZA CON R

COMPROBACIÓN DE LOS SUPUESTOS DEL ANÁLISIS DE VARIANZA CON R

Ing. Luis Manfredo Reyes

La técnica conocida como Análisis de Varianza (ANDEVA, ANOVA o ANVA), se utiliza intensamente en la experimentación para comparar varios grupos, llamados tratamientos.

La hipótesis nula que se prueba con el ANDEVA, es que “todos los tratamientos son iguales”,  contra la hipótesis alterna que “al menos uno de los tratamientos es distinto a los demás”.

El análisis de varianza, está construido sobre supuestos teóricos, que en la mayoría de casos nunca son comprobados.

ANÁLISIS DE VARIANZA DEL DISEÑO AL COMPLETO AZAR EN GEOGEBRA

ANÁLISIS DE VARIANZA DEL DISEÑO AL COMPLETO AZAR EN

GEOGEBRA

Ing. Luis Manfredo Reyes
El diseño al completo azar, también conocido como Al Irrestricto azar, de una vía o Oneway, es el más sencillo de todos los diseños experimentales disponibles, pero tiene el inconveniente que para su utilización se requieren condiciones homogéneas en el sitio experimental (por ejemplo: laboratorio).

El diseño se puede manejar con iguales repeticiones (balanceado) o desiguales (desbalanceado).
Es posible realizar el análisis en GEOGEBRA

GeoGebra es un software matemático. Fue creado con la idea de ser usado  para la educación en colegios y universidades. Fue creado por Markus Hohenwarter, en el año 2001 en la Universidad de Salzburgo, luego en la Universidad de Atlantic, Florida, luego en la Universidad Estatal de Florida y actualmente , en la Universidad de Linz, Austria.

GeoGebra está escrito en Java y por tanto es posible usarlo en diferentes plataformas.

El software tiene dos partes importantes: un procesador geométrico y un procesador algebraico.

GeoGebra permite el trazado de construcciones geométricas de todo tipo así como la representación gráfica, el tratamiento algebraico y el cálculo de funciones reales de variable real, sus derivadas, integrales, etc.

ANÁLISIS DE VARIANZA Y PRUEBAS DE MEDIAS DEL DISEÑO AL COMPLETO AZAR EN SAS®

ANÁLISIS DE VARIANZA Y PRUEBAS DE MEDIAS DEL DISEÑO AL COMPLETO AZAR EN SAS®

Ing. Luis Manfredo Reyes
El diseño al completo azar, también conocido como Al Irrestricto azar, de una vía o Oneway, es el más sencillo de todos los diseños experimentales disponibles, pero tiene el inconveniente que para su utilización se requieren condiciones homogéneas en el sitio experimental (por ejemplo: laboratorio).

El diseño se puede manejar con iguales repeticiones (balanceado) o desiguales (desbalanceado).
Es posible realizar el análisis en SAS

ANALISIS DE VARIANZA CON SUBMUESTREO EN R

ANALISIS DE VARIANZA CON SUBMUESTREO EN R

Ing. Luis Manfredo Reyes

En el experimento tradicional, se toman datos de toda la unidad experimental y el único dato que se tiene es el que se utiliza para los cálculos del análisis de varianza

Pero què pasarìa si de la misma unidad experimental se toman varios datos?

La tècnica conocida como submuestreo (en inglès: Repeated Measures), consiste en tomar varios datos de una misma unidad experimental.

Objetivo: aumentar la precisiòn de los datos, reduciendo el error experimental

Ejemplo:

Experimento de comparación de 5 dietas para engorde de pollos

Unidad experimental: 10 pollos

Mètodo tradicional: sumar o promediar los datos de cada pollo dentro de la misma unidad experimental

Con submuestreo: tomar datos de cada uno e introducirlos al análisis de varianza

ANALISIS DE VARIANZA CON SUBMUESTREO EN INFOSTAT

ANALISIS DE VARIANZA CON SUBMUESTREO EN INFOSTAT

Ing. Luis Manfredo Reyes

En el experimento tradicional, se toman datos de toda la unidad experimental y el único dato que se tiene es el que se utiliza para los cálculos del análisis de varianza

Pero què pasarìa si de la misma unidad experimental se toman varios datos?

La tècnica conocida como submuestreo (en inglès: Repeated Measures), consiste en tomar varios datos de una misma unidad experimental.

Objetivo: aumentar la precisiòn de los datos, reduciendo el error experimental

Ejemplo:

Experimento de comparación de 5 dietas para engorde de pollos

Unidad experimental: 10 pollos

Mètodo tradicional: sumar o promediar los datos de cada pollo dentro de la misma unidad experimental

Con submuestreo: tomar datos de cada uno e introducirlos al análisis de varianza

ANÁLISIS DE SERIE DE EXPERIMENTOS EN EL ESPACIO CON INFOSTAT

ANÁLISIS DE SERIE DE EXPERIMENTOS EN EL ESPACIO CON INFOSTAT
Ing. Luis Manfredo Reyes

Cuando un experimento completo se repite en diferentes lugares, se tiene una serie de experimentos en el espacio. Adicionalmente un experimento se puede repetir en el mismo lugar, pero diferentes momentos (Serie de experimentos en el tiempo), o bien en diferentes lugares y diferentes momentos (Serie de experimentos en el espacio y el tiempo).

En el caso de la serie en el espacio, si se utiliza el diseño en bloques al azar,  ocurre el siguiente fenómeno: el bloque 1 de la localidad 1 no es el mismo bloque 1 de la localidad 2, etc. A ésto se le llama ANIDACIÖN y se dice que "el bloque está anidado en la localidad".

Si se utiliza el diseño al completo azar, no existe la anidación y se analiza como cualquier experimento factorial ordinario, usando la localidad como otro factor, y la interacción localidad por tratamiento como otro más. 

ANÁLISIS DE CONTRASTES ORTOGONALES CON R

ANÁLISIS DE CONTRASTES ORTOGONALES CON R
Ing. Luis Manfredo Reyes

En un análisis de varianza ordinario, se prueba la hipótesis que "Todos los tratamientos son iguales". En el caso de encontrar diferencias significativas, se debe proceder a realizar una prueba adicional, llamada Prueba de Medias.
Sin embargo, a veces se desea comparar grupos de tratamientos. Aquí es donde se emplea la prueba de Contrastes Ortogonales.
Existe mucha literatura disponible sobre los detalles de la prueba, pero el objetivo en el presente documento es mostrar cómo se realiza dicha prueba utilizando el paquete R.

ANÁLISIS DE CONTRASTES ORTOGONALES CON INFOSTAT

ANÁLISIS DE CONTRASTES ORTOGONALES CON INFOSTAT
Ing. Luis Manfredo Reyes

En un análisis de varianza ordinario, se prueba la hipótesis que "Todos los tratamientos son iguales". En el caso de encontrar diferencias significativas, se debe proceder a realizar una prueba adicional, llamada Prueba de Medias.
Sin embargo, a veces se desea comparar grupos de tratamientos. Aquí es donde se emplea la prueba de Contrastes Ortogonales.

ANÁLISIS DE VARIANZA DE UN DISEÑO EN BLOQUES AL AZAR DESBALANCEADO CON “INFOSTAT”

ANÁLISIS DE VARIANZA DE UN DISEÑO EN BLOQUES AL AZAR DESBALANCEADO CON “INFOSTAT”

Ing. Luis Manfredo Reyes

El diseño de bloques al azar es el más utilizado en todas partes, debido a que casi siempre existe una gradiente que debe ser controlada, y que no es de interés.

Pero el requisito para su análisis es que sea balanceado (iguales repeticiones  por tratamiento).

Cuando en ocasiones se pierden unidades experimentales, es necesario antes del análisis de varianza, estimar los datos faltantes  (Información detallada en  siguiente enlace: http://reyesestadistica.blogspot.com/2011/07/estimacion-de-datos-perdidos-en-el.html)

ANÁLISIS DE EXPERIMENTOS EN PARCELAS DIVIDIDAS CON “R”

ANÁLISIS DE EXPERIMENTOS EN PARCELAS DIVIDIDAS CON “R”

Ing. Luis Manfredo Reyes

Aunque en la literatura muchos autores lo consideran un diseño aparte, en realidad Parcelas Divididas es un arreglo especial  de tratamientos de un experimento factorial.

En un factorial tradicional se combinan los niveles “todos contra todos”, mientras que en parcelas divididas,  se define una “parcela grande” que contiene los niveles del factor A, y dentro de ella se definen las “parcelas chicas” que contienen los niveles del factor B.

La principal justificación del uso de éste arreglo es por manejo del experimento, pues comparada con el diseño tradicional se pierde precisión en la parcela grande, además de que existen dos errores que deben ser considerados.

PRUEBA DE TUKEY PARA EXPERIMENTOS DESBALANCEADOS

PRUEBA DE TUKEY PARA EXPERIMENTOS DESBALANCEADOS

Ing. Luis Manfredo Reyes

El análisis de varianza es una técnica para análisis de datos, donde se prueba la hipótesis nula  que “todos los tratamientos son iguales, contra la hipótesis alternativa que “al menos uno de los tratamientos es distinto a los demás”.

Lamentablemente, el objetivo deseado al realizar el experimento (encontrar el o los mejores tratamientos), no se puede  cumplir. Para ello es necesario realizar un procedimiento adicional, llamado Prueba de medias.