Diseños Experimentales Mg Sc Blgo. Orlando Advíncula Zeballos
• Fuente: Universidad Universidad de Alcalá
Etapas de la Investigación Selección del Tema de investigación
PROBLEMA
MARCO TEÓRICO
OBJETIVOS
DELIMITACIÓN DEL TEMA PLANTE PLANTEAMIE AMIENTO NTO ANTECEDENTES
IDENTIF IDENTIFICA ICACIÓ CIÓN N DESCRIPCIÓN
ANTECEDENTES
GENERALES ESPECÍFICOS
HIPÓTESIS VARIABLES
ALCANCE Y LÍMITES
FORMULACIÓN
METODOLOGÍA
METODOLOGÍA DEL TRABAJO RECOLECCIÓN DE DATOS CODIFICACIÓN TABULACIÓN PROC. DE DATOS
DISPONIBILIDAD DE RECURSOS
Elaboración de la
FUENTE: Universidad de Alcalá 4
Métodos Protocolos Guías
Investigación Revisión Bibliográfica
OBJETIVOS
Hipótesis
Materiales y Métodos Guías Protocolos Bibliografía
Resultados
Discusiones Contraste de ideas: Lo hallado vs
*Toma de muestras *Experimentos
Conclusiones
Preguntas de investigación • ¿Qué factores afectan a las características de
estudio?. • ¿Qué factores deben estudiarse? • ¿Cuántas veces debe realizar experimentos preliminares antes de conducir un experimento formal?. • ¿Cuál seria el modelo de estudio para los datos del experimento?.
Revisión de la calidad de datos
Si hay datos equivocados…..
• Resultados irreales • Mala construcción de las discusiones • Conclusiones erróneas
Composición y distribución del macrobentos en la Ensenada de Sechura, Piura, Perú Williams Yupanqui¹; Luis Quipúzcoa¹; Robert Marquina¹; Federico Velazco²; Edgardo Enríquez¹; Dimitri Gutiérrez1 ¹ Laboratorio de Bentos Marino. Dirección de Investigaciones Oceanográficas. Instituto del Mar del Perú. ² Laboratorio de Geología Marina. Dirección de Investigaciones Oceanográficas. Instituto del Mar del Perú
Metodología
Métodos • De acuerdo al tipo de investigación • Seguir protocolos establecidos para las tomas de muestras: Procedimiento de Toma de Muestra del Agua de Mar en Playas de Baño y Recreación http://bvs.minsa.gob.pe/local/minsa/1592.pdf
Resultados • Antes de hacer cualquier prueba estadística: Analizar la coherencia de los resultados obtenidos, si está acorde con la realidad . Por ejemplo en una comunidad, no sería posible que haya más depredadores más que presas. Este análisis es sumamente importante para analizar posibles errores a la hora de registrar la data o de analizar en el laboratorio.
Título 646.34
376.08
d a d i n i l a S _ a s a m o i B _ R A P R
105.83
-164.43
-434.69 23.30
27.15
31.00
Salinidad
34.85
38.70
Buscar modelos óptimos para los dato obtenidos: apoyo bibliográfico
Pero la bibliografía de fisiología vegetal……………
RESULTADOS
• Discusiones Contraste de lo que se ha encontrado respecto a otras investigaciones.
Conclusiones Síntesis de ideas.
Uso del Project: Actividades del proyecto
CUADRO DE VARIABLES Variables
Indicadores
Medida final Escala de la variable
Masa
Masa (Unidimensional)
100 kg
Continua
Índice de Masa Corporal
Peso Talla (Multidimensional)
25 kg/m2
Continua
Dolor
Escala visual
Leve Moderado Severo
Ordinal
Sexo del Paciente
Hombre Mujer
Nominal
Número de hijos
Número
Discreta
Principios del diseño Experimental
Un Experimento 1) Bien planificado 2) Correctamente conducido 3) Bien analizado 4) Cuidadosamente interpretado 20
Definiciones Básicas
Variable Respuesta: es la variable en estudio, cuyos cambios se desean estudiar. Es la variable dependiente. Factor: es la variable independiente. Es la variable que manipula el investigador, para estudiar sus efectos sobre la variable dependiente.
Nivel Del Factor: es cada una de las categorías, valores o formas específicas del factor.
21
Principios Básicos Del Diseño De Experimentos 1) Control Local: son las acciones empleadas por el investigador para disminuir o controlar el error experimental • Técnica • Selección De Unidades Experimentales Homogéneas Bloqueo • • Selección del Diseño Experimental Adecuado • Utilización De Covariables
22
2) Replicación como un medio para estimar la variancia del error experimental •Proporciona medias para estimar la variancia del error experimental •Permite aumentar la precisión para estimar las medias de los tratamientos. •Da seguridad contra resultados anormales por accidentes no previstos.
24
3)Aleatorización
para validar la estimación de la variancia del error
experimental.
Consiste en aplicar en forma aleatoria los tratamientos a las unidades experimentales. La aleatorización tiende a promediar entre los tratamientos cualquier efecto sistemático presente de forma que las comparaciones entre tratamientos midan sólo los efectos de los tratamientos mismos.
25
Ratones Macetas
¿Cómo sería la aleatorización para estas doce unidades muestrales?
Cada estanque posee 10 peces. Cada uno se le asigna un tratamiento, para los tratamientos.
¿Es correcto este esquema de aleatorización? ¿Se podría comparar los 3 tratamientos?
Réplicas y Pseudoréplicas Pseudoréplicas (falta de independencia entre réplicas)
28
29
Diseño Completo Aleatorizado DCA 30
Introducción En el caso de un Único Factor
(Experimento Unifactorial) y a Efectos Fijos ( Modelo I)
Y ij
j ij
.. .
En donde: Y ij es la variable aleatoria que que mide la respuesta del sujeto experimentado en el í-simo individuo que recibió el j-simo tratamiento; .. . j
Es el promedio general; El efecto del j-simo tratamiento, y;
Es la cantidad de variación no explicada por el Factor , también se conocerá como Error del Experimento, Variación Residual. ij
31
32
La Planificación del Experimento *Unidades homogéneas
33
Anova Un Criterio • Determina si la discrepancia entre las medias entre los tratamientos es mayor de lo que debería esperarse de las variaciones que ocurren dentro de los tratamientos. • Divide la Variación Total de los datos de la muestra en dos componentes.
34
Modelos E Hipotesis • Modelo a efectos fijos
H0 :
1
H1 :
i
=
2
..=
…
k=
0
0 al menos para una i
35
Comparaciones Sobre Los Promedios • Si rechazo la Hipótesis Nula en el Modelo a Efectos Fijos – Contrastes Ortogonales – Prueba de Dunnet – Prueba de Tukey – Intervalos de confianza
36
PROCEDIMIENTO • Normalidad de los residuales • Homogeneidad de varianzas • Analizar el p-value de los tratamientos del ANOVA Si es significativa el ANOVA:
• Prueba de comparación • En caso de no cumplir normalidad, optar por la prueba de Kruskall Wallis. Las transformaciones no suelen corregir la heterogeneidad de varianzas. 37
Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y
38
Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y
39
Diseño en Bloques Completos Aleatorizados DBCA
40
Diseño De Bloques Completos Aleatorizados • Se
pretende reducir el efecto de la variabilidad proveniente de causas propias del experimento pero independiente del efecto que se desea estudiar.
• Para
los fines del análisis de varianza el bloqueo introduce un efecto adicional ficticio, cuyo objetivo es separar del error experimental, alguna fuente de variabilidad conocida.
41
Análisis De La Varianza: Clasificaciones según dos Criterios El Diseño en Bloque Completo al Azar es un plan en el cual las unidades experimentales se asignan a grupos homogéneos, llamados bloques, y los tratamientos son, luego, asignados al azar dentro
de los bloques.
42
Objetivo del agrupamiento: lograr que las unidades dentro de un bloque sean lo más uniformes posible con respecto a la variable dependiente, de modo que las diferencias observadas se deban realmente a los tratamientos. Al controlar la variación dentro de los bloques reducimos la variabilidad del error experimental.
Completo: todos los tratamientos están incluidos en cada bloque.
EL MODELO (DE EFECTOS FIJOS) Yij = µ + αi + β j +
e ij
Modelo lineal aditivo: cada respuesta es la suma de los otros términos. Yij es la observación perteneciente al j-ésima bloque bajo el tratamiento i; las observaciones son independientes. µ es la media general αi es el efecto del tratamiento en el nivel i β j es el efecto del bloque en el nivel j eij es la variable aleatoria del error con distribución normal, con media = 0 y varianza 2 N (0 ; 2 ) e independiente.
44
45
EXPERIMENTO FACTORIAL
• Aplica a DCA , DBCA, DCL Se usa a niveles de factor
TIPOS DE FACTORES • Pueden ser cualitativos o cuantitativos • Pueden ser fijos o aleatorios -Si todos los factores son fijos en este experimentos, sean el modelo I *Si hay algunos que son aleatorios y otros fijos, sera el modelo III.(mixto) *Con todos los factores aleatorios será el modelo II.
Efectos en los Experimentos Factoriales • Efecto Principal: Es el efecto de un factor en promedio sobre los niveles de los otros factores. • Efecto de Interacción: esta dado por la variación que tiene un efecto simple de un factor al pasar de un nivel a otro factor
Gráfica de Interacciones
• Pueden que no se crucen las graficas, aun asi hay interacción.
• http://fcf.unse.edu.ar/archivos/seriesdidacticas/sd-21-estadistica.pdf
Las hipótesis Efectos Simples
•
La decisión se toma del ANVA sobre interacciones
•
Que no exista interacción significa que el efecto de un factor es el mismo en cualquiera de los niveles del otro, por lo que las conclusiones para los factores se obtendrán del analisis de sus efectos principales.
•
Si existe interacción, un factor dependerá de los niveles del otro. Para este caso se hará un análisis de los efectos simples.
53
ANCOVA ANALISIS DE COVARIANZA *DBCA *DCA
5 5
Fuente: J. Supo •
Factores controlables: manipulables, para eliminar la interferencia: control de la temperatura, o la dieta de los pacientes. Hay factores incontrolables: sexo, edad o el peso
inicial
• El ANCOVA es una fusión del ANOVA y de la regresión lineal. • Es un procedimiento estadístico que permite eliminar la heterogeneidad causada en la variable de interés (variable dependiente) por la influencia de una o más variables cuantitativas (covariables).
6 5
Básicamente, el fundamento del ANCOVA es un ANOVA al que a la variable dependiente se le ha eliminado el efecto producido por una o más covariables por regresión lineal múltiple. ANCOVA tiende a eliminar variables q cause disturbio
8 5
