UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
0bler Edwin Duran Sacramento
Página 1
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
DCA (DISEÑO COMPLETAMENTE AL AZAR) EJEMPLO 2.- se presentan los resultados de la descendencia de tres reproductores vacunos, expresados por los pesos de los terneros hijos de cada reproductor a los cuatro meses de nacidos. ¿Se puede llegar a la conclusión, de que existen diferencias entre los pesos promedios?
1 90 92 100 83 84 81 76
REPRODUCTORES 2 73 99 90 101 92 93 ….
3 101 96 64 103 …. …. ….
PESOS
Planteamos la hipótesis para interpretar: H0: los pesos promedios son iguales en todo los reproductores (u1 = u2= u3=0) H1: los pesos promedios son diferentes (al menos un u1 ≠ 0)
Paso 1: Paso 2:
Abrir SPSS Vista de variables – poner nombre de las variables
0bler Edwin Duran Sacramento
Página 2
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 3:
Vista de datos introducir datos
Se introducen por columna los reproductores 1, 2, 3, y los pesos se introducen también por columna
Una vez introducido los datos correctamente: pasamos al siguiente paso
Paso 4:
Analizar – comparar medias – ANOVA de un factor
Clic
0bler Edwin Duran Sacramento
Página 3
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Aparece automáticamente la ventana de ANOVA de un factor
Paso 5:
correr las variables:
❷
❶
En la lista de dependientes colocamos la variable Pesos, porque los peso dependen de los reproductores
Paso 6:
Clic en post hoc, y seleccione una de las pruebas que desea compar
Clic y aparece la ventana de post hoc
❶
❷ 0bler Edwin Duran Sacramento
Seleccione la prueba DMS, y clic en continuar y aceptar en la ventana de ANOVA de un factor Página 4
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Se obtiene automáticamente el resultado:
Paso 7:
Interpretar el resultado:
0.724
Interpretar: Como α= 0.05 < 0.724, entonces decimos no existen diferencias significativos en el tratamiento Entonces se acepta la H0, se concluye que los pesos promedio son iguales en los reproductores:
0bler Edwin Duran Sacramento
Página 5
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
DISEÑO BLOQUE COMPLETAMENTE AL AZAR (DBCA) EJEMPLO 9: En un experimento de riegos de cultivo de algodón se tuvieron los siguientes tratamientos que están expresados en metros cúbicos de agua absorbida por hectárea. T1 = 5400, T2 = 4800, T3 = 4200, T4 = 3600. El experimento se condujo en parcelas de 300m2 de área útil y los resultados están expresados en kilogramos.
BLOQUES I II III
T1 68 86 68
T2 73 90 71
TRATAMIENTOS T3 T4 53 50 62 62 46 50
Paso 1: Paso 2:
Abrir SPSS
Paso 3:
Se pone la etiqueta de valor para BLOQUES:
Vista de variables – poner nombre de las variables
1
❶ Introducir 1
I
❷ Introducir I
❸añadir y así sucesivamente hasta 3
0bler Edwin Duran Sacramento
Página 6
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 4:
Poner la etiqueta de valor para TRATAMIENTO:
1
❶ Introducir 1
T1
❷ Introducir T1
❸Añadir y así sucesivamente hasta llegar 4 y T4 Una vez introducido la etiqueta de valor para cada variable: pasamos a siguiente paso:
Paso 5:
En vista de valores, introducimos los datos:
Vemos los datos introducidos en columna, para cada variable:
0bler Edwin Duran Sacramento
Página 7
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 6:
Analizar – modelo lineal general – Univariante:
CLIC
Paso 7:
Corremos la variables en la variable dependiente y factores fijos
❶
❷
En la variable dependiente corremos la variable de REPETICIONES porque las REPETICIONES dependen de los BOQUES y TRATAMIENTOS
0bler Edwin Duran Sacramento
Página 8
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 8:
Clic en modelo
CLIC
Y aparece la ventana univariante modelo:
Paso 9:
Clic en personalizado: y corremos las dos variables: y clic continuar
Ya está corrido
Y volvemos a la ventana anterior de univariante:
CLIC
Se abre una ventana univariante: Comparaciones múltiples de Post hoc
0bler Edwin Duran Sacramento
Página 9
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 10:
corremos la variable Tratamiento por que para este ejercicio solo se quiere comparar tratamiento y luego seleccionamos las pruebas que se desea comparar
Y luego clic en continuar y aceptar en la ventana de univariante Y se obtiene la respuesta: Para interpretar pasamos al siguiente paso
Paso 11:
0bler Edwin Duran Sacramento
Página 10
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Interpretar: Como α= 0.05 ˃ 0.00, entonces decimos que existen diferencias significativas en bloques Entonces se rechaza la H0, se concluye que los
0bler Edwin Duran Sacramento
Página 11
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
DISEÑO CUADRADO LATINO (DCL) EJEMPLO 5: Un ingeniero está investigando el efecto que tienen cuatro métodos de ensamblaje (A, B, C y D), sobre el tiempo de ensamblaje de un componente electrónico de un ordenador. Se seleccionan cuatro trabajadores para realizar este estudio. Por otra parte, el ingeniero sabe que cada método de ensamblaje produce fatiga, por lo que el tiempo que tarda el ultimo ensamblaje puede ser el mayor que en el primero, independiente del método. Para controlar esta posible fuente de variabilidad el ingeniero utiliza el diseño cuadrado latino que aparece a continuación. Tiempo Orden de montaje 1 2 3 4
Paso 1: Paso 2:
Operario 1 10C 7B 5A 10D
Operario Operario2 Operario3 14D 7A 18C 11D 10B 11C 10A 10A
Operario4 8B 8A 9D 14C
Abrir SPSS Vista de variables – poner nombre de las variables
0bler Edwin Duran Sacramento
Página 12
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 3:
Poner la etiqueta de valor para las variable Orden de montaje:
❶ Introducir 1
1
OM1
❷ Introducir OM1
❸Añadir y así sucesivamente hasta llegar 4 y OM4 Una vez introducido la etiqueta de valor para variable clic Aceptar: y luego pasamos a siguiente paso:
Paso 4:
Ponemos la etiqueta de valor para la variable Operario
1
OP1
❶ Introducir 1 ❷ Introducir OP1
❸Añadir y así sucesivamente hasta llegar 4 y OP4 Una vez introducido la etiqueta de valor para variable Operario clic Aceptar: y luego pasamos a siguiente paso:
0bler Edwin Duran Sacramento
Página 13
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 5:
Ponemos la etiqueta de valor para la variable Tratamiento
❶ Introducir 1
1
❷ Introducir A
A
❸Añadir y así sucesivamente hasta llegar 4 y D
Una vez completado de introducir las etiquetas de valor: para todas las variables clic en aceptar: y pasamos al siguiente paso:
Paso 6:
Pasamos en: Vista de datos e introducimos los datos:
Para el tratamiento: A la letra A ponemos el valor de 1 A la letra B ponemos el valor de 2 A la letra C ponemos el valor de 3 A la letra D ponemos el valor de 4 pero estos números colocamos en columna
Las llaves indican cómo se colocan los datos, están por colores:
0bler Edwin Duran Sacramento
Página 14
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 7:
Analizar - modelo lineal general – univariante
CLIC
Aparece una ventana de univariante:
Paso 8:
Corremos las variables a lista de dependientes y a factores fijos:
❶
❷
En la variable dependiente corremos la variable TIEMPO porque el TIEMPO es el que depende de ORDEN MONTAJE, OPERARIO Y TRATAMIENTO
Una vez corrido las variables, clic en modelo, indicamos en el siguiente paso:
0bler Edwin Duran Sacramento
Página 15
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 9:
Corrida de variables al modelo
Clic en modelo y aparece la ventana de univariante: modelo Clic personalizado Corremos las 3 variables al cuadro de modelo
❶ Corremos las 3 variables al cuadro de modelo
❷ Ya están corridos las 3 variables
una vez corrido las 3 variables Clic continuar y se regresa automáticamente en la ventana anterior de univariante y clic en post hoc
0bler Edwin Duran Sacramento
Página 16
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 10:
corrida de variables para la prueba post hoc
❶corremos la variable tratamiento
❷una vez corrido va variable, seleccionamos las pruebas que se desea comparar
❸clic en continuar y clic en aceptar en la ventana de univariante Se obtiene la respuesta automáticamente, y luego analizamos en el siguiente paso
0bler Edwin Duran Sacramento
Página 17
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
PRUEBA DE FRIEDMAN Ejemplo 1: En el estudio de una tesis de la EAP. Ingeniería Agroindustrial sustitución de la carne de cuy Cavia porcellus para obtención de hamburguesas de Esteban (2009) en la evaluación organoléptica del atributo TEXTURA, según tratamiento, de las hamburguesas obtenidas se obtuvieron los siguientes resultados: PANELISTAS Trat. P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 T0 6 5 5 6 6 5 5 7 6 6 4 4 T1 5 6 6 6 5 5 6 5 6 4 5 6 T2 6 5 5 6 6 6 6 5 5 6 6 5 T3 6 6 6 6 5 6 6 6 6 6 6 6 T4 6 6 7 6 6 6 6 7 6 7 6 6 T5 7 6 6 7 6 7 7 7 6 6 7 7 Planteamos las hipótesis para comparar al final. HO: Los hamburguesas según tratamiento presenta el mismo atributo textura (to=t1=t2=t3=t4=t5)
H1: al menos uno de los tratamientos es diferente en el atributo de textura (ti≠0)
0bler Edwin Duran Sacramento
Página 18
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 1: Paso 2:
Abrir SPSS Vista de variables – Poner nombre de las variables
Se pone los tratamientos, de (T0 hasta T5)
Paso 3:
Vista de datos: INTRODUCIMOS LOS DATOS:
OJO Todos los datos de T: introducimos al SPSS en columna
Una vez introducido todos los datos pasamos al siguiente paso:
0bler Edwin Duran Sacramento
Página 19
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 4:
Clic -- Analizar – Pruebas no Paramétricas – K muestras Relacionadas
CLIC
Aparece una ventana de pruebas para varias muestras relacionadas:
Paso 5:
Corremos los tratamientos (T): al cuadro de variables de contraste
❶ Corremos las 5 variables al cuadro de modelo
❷ Ya están corridos las 5 variables
Una vez corrido las variables: clic en FRIEDMAN y clic en Aceptar Y obtenemos el valor del modelo estadístico:
0bler Edwin Duran Sacramento
Página 20
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 6:
Analizamos la respuesta:
2
Como: α = 0.05 y gl = 5 y X (0.05; 5) = 11.17:
(tabla A - )
Y el valor de modelo estadístico obtenido con el software es: T = 25.705 2
Cuando: el valor de modelo estadístico T es mayor que el valor de X obtenido en la tabla:
(25.705 ˃11.17): entonces se rechaza la H0, y se concluye que existe suficiente evidencia estadística para aceptar que al menos uno de los tratamientos presenta diferente textura.
Este mismo ejercicio compramos con el tipo de prueba de Wilcoxon
Paso 1:
El mismo ejercicio ya introducido:
0bler Edwin Duran Sacramento
Página 21
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Paso 2:
Analizar - pruebas no paramétricas – 2 muestras medias relacionadas
CLIC
Paso 3:
Corremos la variables:
❶
❷
Corremos las variables al cuadro de modelo
Ya están corridos las 5 variables Corremos las variables en el cuadro de contrastar pares: T0 con (T1, T2, T3, T4, T5) Y T1 con (T2, T3, T4, T5) y T2 con (T3, T4, T5) Y T3 con (T4, T5) y T4 con T5
0bler Edwin Duran Sacramento
Página 22
UNHEVAL– HUÁNUCO – FACULTAD CIENCIAS AGRARIAS – E.A.P. ING. AGROINDUSTRIA
Una vez corrido todas las variables correctamente: Clic en el tipo de prueba Wilcoxon, porque esta prueba es más exacto: y luego clic en Aceptar: Obtenemos respuesta:
Comparamos α =0.05 con todos los resultados (significación asintótica (bilateral) 0.05 0.05 0.05 0.05
< < < ˃
0.951 0.589 0.107 0.015
NS NS NS *
0bler Edwin Duran Sacramento
Página 23
