SlideShare une entreprise Scribd logo
1  sur  27
Télécharger pour lire hors ligne
 
Técnica estadística para analizar medidas que dependen de uno o varios tipos de efectos (factores) que operan simultáneamente - Cual es más importante - Estimar su influencia ¿ Estos 7 procedimientos de mineralización de Cu originan el mismo resultado? Factor controlado  : Variación de procedimientos Si  El factor controlado no introduce un efecto significativo (errores/diferencias aleatorias) No   El factor controlado introduce un efecto significativo (errores/diferencias sistemáticos) Comparación de métodos
Adopción/validación de un método como oficial Laboratorio 1 Laboratorio 2 Polvo fino Material granulado (trituración) Resultados exactos Resultados exactos Resultados exactos Resultados  sistemáticamente  más bajos Dos factores controlados: 1. Laboratorios 2. Tipo de muestras En este caso el efecto del laboratorio no es el mismo para todas las muestras INTERACCIÓN MUESTRA-LABORATORIO Ensayos interlaboratorios
Efecto de algunos factores y la interacción entre ellos sobre los resultados  ,[object Object],[object Object],[object Object],[object Object],Podremos investigar si un factor o una combinación de factores (interacción) tiene una influencia significativa sobre la respuesta. Diseño y Optimización de experimentos Desarrollo procedimiento analítico
H 0 Todas las muestras proceden de la misma población con media  µ y varianza  σ 0 2 Variación debido a errores aleatorios H 1   No todas proceden de la misma población con media  µ y varianza  σ 0 2 Variación debido a un sesgo o error sistemático Hallemos  σ 0 2  (s 0 2 )
Se componen las varianzas de cada columna en una varianza promediada Varianza dentro de las columnas (medias) Variación dentro de medias
Varianza de la media Varianza entre columnas (medias) Variación entre medias
H 0 El factor no introduce ninguna influencia en s 2 m ,  diferencias aleatorias S 2 p  = S 2 m Todas las medias pertenecen a la misma población H 1 El factor introduce una diferencia significativa en s 2 m ,  diferencias por sesgo S 2 p  ≠ S 2 m No todas las medias pertenecen a la misma población Varianza entre medias Varianza dentro de medias No afectados por el factor Puede ser afectada por el factor Se plantean las hipótesis
término adicional (efecto del factor) ¿Qué test evaluaba si dos varianzas diferían o no significativamente? Test F de Fischer Utilicémoslo !!! Varianza entre medias Puede ser afectada por el factor
Varianza entre columnas (medias) Varianza dentro de las columnas (medias) F  calculada Calculemos F real
Nº grados de libertad entre columnas (medias) Nº grados de libertad dentro de las columnas (medias) Averigüemos en tabla F crítico
F  calculada <   F  crítica F  calculada >   F  crítica No hay influencia del factor  controlado en las medias Pertenecen a la misma población (iguales) Diferencias aleatorias Hay influencia del factor  controlado en las medias No pertenecen a la misma población (no son iguales) Diferencias no aleatorias,  sesgo sistemático Comparemos F
ANOVA como separación de una Varianza total en sus componentes SS   Suma de cuadrados df   Grados de libertad SS A   Suma de cuadrados entre columnas/medias  SS R   Suma de cuadrados dentro de columna/media (suma de cuadrados residual) Siendo X la gran media de todas las medias y n:
SS R Dentro de media SS A Entre medias/columnas Hallamos cuadrados medios De nuevo Las MS son estimaciones de las varianzas, así MS R  es una estimación de  σ 2 , mientras que MS A  es una estimación de  σ 2  + nj  σ a 2
Planteamos test de hipótesis Recuerda n  = Número total de medidas, contabilizando todos los valores k  = Número de medias F  Calculada F  calculada >   F  crítica F  calculada <  F  crítica H 0 H 1
Ejemplo Análisis de Cu ¿todos los procedimientos de mineralización originan el mismo resultado ? k-1 n-k F  calculada >   F  crítica 23,15 >2,38 H 1 Los procedimientos de mineralización si  introducen un efecto significativo en los  resultados de análisis
Hemos realizado ANOVA y sabemos que se cumple  H 1 ¿ Cuales son las medias que difieren? Mínima diferencia significativa (LSD) Siendo: s  desviación estándar dentro de medias (s p ), ya calculado previamente para este caso particular = √3  n  número de medidas por media = 3 Nº Medidas Factor Fluorescencia de un reactivo Media1 3 Reciente 92 Media2 3 1 h oscuridad 97 Media3 3 1 h luz tenue 101 Media4 3 1 h luz 102
t  h(n-1) Siendo: h  nº de medias n  número de medidas por media Nº grados libertad = 4(3-1)=8 Calculemos t
Comparamos diferencia entre pares  adyacentes  de medias respecto a LSD Si par  X 1 -X 2  < LSD No difieren significativamente (caso 101 y 102) Si par  X 1 -X 2  > LSD Difieren significativamente  (caso de medias 92 y 97 entre si y con  los demás) Hallemos LSD y comparemos Nº Medidas Factor Fluorescencia de un reactivo Media1 3 Reciente 92 Media2 3 1 h oscuridad 97 Media3 3 1 h luz tenue 101 Media4 3 1 h luz 102
término adicional (efecto del factor) Recordemos F  calculada >   F  crítica Si Por lo tanto Podemos estimar  σ a 2  como una medida del efecto del factor
Factor A procedimientos de mineralización de la muestra Factor B Diferente tipo de desecado  Determinación de Cu en muestras de suelos (2 factores) ¿Cómo procedemos para conocer si los dos factores influyen o no? Si hay influencia ¿cual de ellos es el responsable en mayor medida?
Factor A Factor B SS A SS B SS R SS T Siendo  N= c . r Siendo  para cualquier T = ∑
Siendo  N= c . r Y de nuevo a comparar F  calculada  vs   F  crítica Factor A Factor B H 0  Factor A no influye H 1  Factor A influye H 0  Factor A no influye H 1  Factor A influye Dos test en vez de uno ! SS gl MS F  calculada F  crítica Factor A SS A c-1 SS A /c-1 F = MS A /MS R F(0.05, c-1, dif) Factor B SS B r-1 SS B /r-1 F = MS B /MS R F(0.05, r-1, dif) Residual SS R  =   SS T -SS A -SS B (N-1)-(c-1)-(r-1) SS R /dif - - Total SS T N-1 - - -
Influye el agente quelatante en el factor del día? No , con el quelatante A o B el cambio al segundo día produce la misma variación en el resultado (3% menos) Influye el día en el factor del agente quelatante? No , para cualquier día el cambio de agente quelatante de A a B produce la misma variación en el resultado (2% más) Ambos factores tienen efectos independientes en los resultados !!
¿Y ahora qué? El factor del agente quelatante no influye con la misma intensidad el primer que el segundo día El factor del día no influye con la misma intensidad si el agente quelatante es A que cuando es B Ambos factores son  dependientes  y por lo tanto hay una  interacción  entre ellos !! Factor A = f(Factor B) Factor B = f(Factor A)
SS A SS B SS Inte SS R SS T Siendo  C = T 2 /nrc   Término de corrección X ijk     Medida individual de cada celda Y SS T  =  SS A + SS B + SS inte + SS R
Siendo  n  nº de replicaciones por celda  Y de nuevo a comparar F  calculada  vs   F  crítica Factor A Factor B H 0  Factor A no influye H 1  Factor A influye H 0  Factor A no influye H 1  Factor A influye Tres test en vez de uno ! Interacción H 0  No hay interacción influye H 1  Hay interacción SS gl MS F  calculada F  crítica Factor A SS A c-1 SS A /(c-1) F = MS A /MS R F(0.05, c-1, dif) Factor B SS B r-1 SS B /(r-1) F = MS B /MS R F(0.05, r-1, dif) Interacción SS inte (c-1)(r-1) = inter SS int / inter F = MS inte /MS R F(0.05, inter, dif) Residual SS R rc(n-1) = dif SS R /[rc(n-1)] - - Total SS T rcn-1 SST/(rcn-1) - -

Contenu connexe

Tendances

Estimacion. limites o intervalos de confianza para la media y para las propor...
Estimacion. limites o intervalos de confianza para la media y para las propor...Estimacion. limites o intervalos de confianza para la media y para las propor...
Estimacion. limites o intervalos de confianza para la media y para las propor...eraperez
 
Capitulo 3 experimentos_con_un_solo_factor
Capitulo 3 experimentos_con_un_solo_factorCapitulo 3 experimentos_con_un_solo_factor
Capitulo 3 experimentos_con_un_solo_factorJorge Gonzalez Patiño
 
Distribucinfdefisher snedecor-130227210638-phpapp01
Distribucinfdefisher snedecor-130227210638-phpapp01Distribucinfdefisher snedecor-130227210638-phpapp01
Distribucinfdefisher snedecor-130227210638-phpapp01Milder AC
 
Experimentos de 2 factores
Experimentos de 2 factoresExperimentos de 2 factores
Experimentos de 2 factoresFelipe Huizar
 
Diferencias finitas y Ecuación de calor
Diferencias finitas y Ecuación de calorDiferencias finitas y Ecuación de calor
Diferencias finitas y Ecuación de calorAngel Vázquez Patiño
 
Prueba t varianzas combinadas
Prueba t varianzas combinadasPrueba t varianzas combinadas
Prueba t varianzas combinadasjagi100
 
Distribución f de fisher snedecor
Distribución f de fisher snedecorDistribución f de fisher snedecor
Distribución f de fisher snedecorpilosofando
 
348794911 problemas-aplicados-sobre-tension-superficial-mecanica-de-fluidos
348794911 problemas-aplicados-sobre-tension-superficial-mecanica-de-fluidos348794911 problemas-aplicados-sobre-tension-superficial-mecanica-de-fluidos
348794911 problemas-aplicados-sobre-tension-superficial-mecanica-de-fluidosAldairYP
 
Reacciones químicas de segundo orden
Reacciones químicas de segundo ordenReacciones químicas de segundo orden
Reacciones químicas de segundo ordenHumberto Cruz
 
Estimación de la diferencia de medias poblacionales
Estimación de la diferencia de medias poblacionalesEstimación de la diferencia de medias poblacionales
Estimación de la diferencia de medias poblacionalesEstefany Zavaleta
 
Disoluciones
DisolucionesDisoluciones
Disolucionesmoiss17
 
Ejercicios resueltos(f.vectoriales)(1)
Ejercicios resueltos(f.vectoriales)(1)Ejercicios resueltos(f.vectoriales)(1)
Ejercicios resueltos(f.vectoriales)(1)ratix
 
Propiedades de las_soluciones_18_de_marzo
Propiedades de las_soluciones_18_de_marzoPropiedades de las_soluciones_18_de_marzo
Propiedades de las_soluciones_18_de_marzoMariAndrea Gomez
 
Fundamentos de fisico quimica
Fundamentos de fisico quimicaFundamentos de fisico quimica
Fundamentos de fisico quimicatonitolobos
 
Aplicaciones de las ecuaciones diferenciales de segundo orden
Aplicaciones de las ecuaciones diferenciales de segundo ordenAplicaciones de las ecuaciones diferenciales de segundo orden
Aplicaciones de las ecuaciones diferenciales de segundo ordenAƞdrea DitƬerǐch
 

Tendances (20)

Clase sisli 11
Clase sisli 11Clase sisli 11
Clase sisli 11
 
5.disoluciones.
5.disoluciones.5.disoluciones.
5.disoluciones.
 
Estimacion. limites o intervalos de confianza para la media y para las propor...
Estimacion. limites o intervalos de confianza para la media y para las propor...Estimacion. limites o intervalos de confianza para la media y para las propor...
Estimacion. limites o intervalos de confianza para la media y para las propor...
 
Capitulo 3 experimentos_con_un_solo_factor
Capitulo 3 experimentos_con_un_solo_factorCapitulo 3 experimentos_con_un_solo_factor
Capitulo 3 experimentos_con_un_solo_factor
 
Distribucinfdefisher snedecor-130227210638-phpapp01
Distribucinfdefisher snedecor-130227210638-phpapp01Distribucinfdefisher snedecor-130227210638-phpapp01
Distribucinfdefisher snedecor-130227210638-phpapp01
 
Experimentos de 2 factores
Experimentos de 2 factoresExperimentos de 2 factores
Experimentos de 2 factores
 
Diferencias finitas y Ecuación de calor
Diferencias finitas y Ecuación de calorDiferencias finitas y Ecuación de calor
Diferencias finitas y Ecuación de calor
 
Prueba t varianzas combinadas
Prueba t varianzas combinadasPrueba t varianzas combinadas
Prueba t varianzas combinadas
 
Distribución f de fisher snedecor
Distribución f de fisher snedecorDistribución f de fisher snedecor
Distribución f de fisher snedecor
 
348794911 problemas-aplicados-sobre-tension-superficial-mecanica-de-fluidos
348794911 problemas-aplicados-sobre-tension-superficial-mecanica-de-fluidos348794911 problemas-aplicados-sobre-tension-superficial-mecanica-de-fluidos
348794911 problemas-aplicados-sobre-tension-superficial-mecanica-de-fluidos
 
Análisis de la varianza
Análisis de la varianzaAnálisis de la varianza
Análisis de la varianza
 
Reacciones químicas de segundo orden
Reacciones químicas de segundo ordenReacciones químicas de segundo orden
Reacciones químicas de segundo orden
 
Análisis de Varianza
Análisis de VarianzaAnálisis de Varianza
Análisis de Varianza
 
Estimación de la diferencia de medias poblacionales
Estimación de la diferencia de medias poblacionalesEstimación de la diferencia de medias poblacionales
Estimación de la diferencia de medias poblacionales
 
Disoluciones
DisolucionesDisoluciones
Disoluciones
 
Ejercicios resueltos(f.vectoriales)(1)
Ejercicios resueltos(f.vectoriales)(1)Ejercicios resueltos(f.vectoriales)(1)
Ejercicios resueltos(f.vectoriales)(1)
 
Propiedades de las_soluciones_18_de_marzo
Propiedades de las_soluciones_18_de_marzoPropiedades de las_soluciones_18_de_marzo
Propiedades de las_soluciones_18_de_marzo
 
Fundamentos de fisico quimica
Fundamentos de fisico quimicaFundamentos de fisico quimica
Fundamentos de fisico quimica
 
Solidosderevolucion
SolidosderevolucionSolidosderevolucion
Solidosderevolucion
 
Aplicaciones de las ecuaciones diferenciales de segundo orden
Aplicaciones de las ecuaciones diferenciales de segundo ordenAplicaciones de las ecuaciones diferenciales de segundo orden
Aplicaciones de las ecuaciones diferenciales de segundo orden
 

Similaire à Tema 3 Contrastes de SignificacióN (II) Anova

Similaire à Tema 3 Contrastes de SignificacióN (II) Anova (20)

ANOVA.ppt
ANOVA.pptANOVA.ppt
ANOVA.ppt
 
Analisis de varianza
Analisis de varianzaAnalisis de varianza
Analisis de varianza
 
La prueba anova1
La prueba  anova1La prueba  anova1
La prueba anova1
 
Analisis anva
Analisis anvaAnalisis anva
Analisis anva
 
Experimentos+Factoriales
Experimentos+FactorialesExperimentos+Factoriales
Experimentos+Factoriales
 
Web
WebWeb
Web
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
 
Laminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicasLaminas series bidimensionales y cronologicas
Laminas series bidimensionales y cronologicas
 
Clase 8 ede 2020
Clase 8 ede 2020Clase 8 ede 2020
Clase 8 ede 2020
 
Univariante.pptx
Univariante.pptxUnivariante.pptx
Univariante.pptx
 
Mic sesión 8b
Mic sesión 8bMic sesión 8b
Mic sesión 8b
 
Diseño factorial
Diseño factorialDiseño factorial
Diseño factorial
 
Clase ANOVA.ppt
Clase ANOVA.pptClase ANOVA.ppt
Clase ANOVA.ppt
 
Diseños factoriales 2016
Diseños factoriales 2016Diseños factoriales 2016
Diseños factoriales 2016
 
Diseño experimental ortogonal pdf
Diseño experimental ortogonal pdfDiseño experimental ortogonal pdf
Diseño experimental ortogonal pdf
 
Analisis de varianza
Analisis de varianzaAnalisis de varianza
Analisis de varianza
 
Tema 2 contrastes de significación (i)
Tema 2 contrastes de significación (i)Tema 2 contrastes de significación (i)
Tema 2 contrastes de significación (i)
 
7 arreglos factoriales 2015
7   arreglos factoriales 20157   arreglos factoriales 2015
7 arreglos factoriales 2015
 
Análisis funcional
Análisis funcionalAnálisis funcional
Análisis funcional
 

Plus de Francisco Molina

Tema 6 introducción al cálculo de incertidumbre
Tema 6 introducción al cálculo de incertidumbreTema 6 introducción al cálculo de incertidumbre
Tema 6 introducción al cálculo de incertidumbreFrancisco Molina
 
Tema 5 validación de métodos analíticos
Tema 5 validación de métodos analíticosTema 5 validación de métodos analíticos
Tema 5 validación de métodos analíticosFrancisco Molina
 
Tema 4 calibraciones y regresión
Tema 4 calibraciones y regresiónTema 4 calibraciones y regresión
Tema 4 calibraciones y regresiónFrancisco Molina
 
Valores CríTicos De Q Dixon G Grubss
Valores CríTicos De Q Dixon  G GrubssValores CríTicos De Q Dixon  G Grubss
Valores CríTicos De Q Dixon G GrubssFrancisco Molina
 
Valores Críticos de F Fischer
Valores Críticos de F FischerValores Críticos de F Fischer
Valores Críticos de F FischerFrancisco Molina
 
Tabla distribución t 2 colas
Tabla distribución t 2 colasTabla distribución t 2 colas
Tabla distribución t 2 colasFrancisco Molina
 
Tabla distribución t 1 cola
Tabla distribución t 1 colaTabla distribución t 1 cola
Tabla distribución t 1 colaFrancisco Molina
 
Tabla distribución normal 2 colas exclusión
Tabla distribución normal 2 colas exclusiónTabla distribución normal 2 colas exclusión
Tabla distribución normal 2 colas exclusiónFrancisco Molina
 
Tabla distribución normal 1 cola z=0 a derecha
Tabla distribución normal 1 cola z=0 a derechaTabla distribución normal 1 cola z=0 a derecha
Tabla distribución normal 1 cola z=0 a derechaFrancisco Molina
 
Tabla distribución normal 1 cola izquierda
Tabla distribución normal 1 cola izquierdaTabla distribución normal 1 cola izquierda
Tabla distribución normal 1 cola izquierdaFrancisco Molina
 
Tabla distribución normal 1 cola derecha
Tabla distribución normal 1 cola derechaTabla distribución normal 1 cola derecha
Tabla distribución normal 1 cola derechaFrancisco Molina
 
Tema 1 Medida y error. Distribuciones
Tema 1 Medida y error. DistribucionesTema 1 Medida y error. Distribuciones
Tema 1 Medida y error. DistribucionesFrancisco Molina
 

Plus de Francisco Molina (13)

Tema 6 introducción al cálculo de incertidumbre
Tema 6 introducción al cálculo de incertidumbreTema 6 introducción al cálculo de incertidumbre
Tema 6 introducción al cálculo de incertidumbre
 
Tema 5 validación de métodos analíticos
Tema 5 validación de métodos analíticosTema 5 validación de métodos analíticos
Tema 5 validación de métodos analíticos
 
Tema 4 calibraciones y regresión
Tema 4 calibraciones y regresiónTema 4 calibraciones y regresión
Tema 4 calibraciones y regresión
 
Valores CríTicos De Q Dixon G Grubss
Valores CríTicos De Q Dixon  G GrubssValores CríTicos De Q Dixon  G Grubss
Valores CríTicos De Q Dixon G Grubss
 
Valores Críticos de F Fischer
Valores Críticos de F FischerValores Críticos de F Fischer
Valores Críticos de F Fischer
 
Tabla distribución t 2 colas
Tabla distribución t 2 colasTabla distribución t 2 colas
Tabla distribución t 2 colas
 
Tabla distribución t 1 cola
Tabla distribución t 1 colaTabla distribución t 1 cola
Tabla distribución t 1 cola
 
Tabla distribución normal 2 colas exclusión
Tabla distribución normal 2 colas exclusiónTabla distribución normal 2 colas exclusión
Tabla distribución normal 2 colas exclusión
 
Tabla distribución normal 1 cola z=0 a derecha
Tabla distribución normal 1 cola z=0 a derechaTabla distribución normal 1 cola z=0 a derecha
Tabla distribución normal 1 cola z=0 a derecha
 
Tabla distribución normal 1 cola izquierda
Tabla distribución normal 1 cola izquierdaTabla distribución normal 1 cola izquierda
Tabla distribución normal 1 cola izquierda
 
Tabla distribución normal 1 cola derecha
Tabla distribución normal 1 cola derechaTabla distribución normal 1 cola derecha
Tabla distribución normal 1 cola derecha
 
Tema 1 Medida y error. Distribuciones
Tema 1 Medida y error. DistribucionesTema 1 Medida y error. Distribuciones
Tema 1 Medida y error. Distribuciones
 
Tema 0 Introducción
Tema 0 IntroducciónTema 0 Introducción
Tema 0 Introducción
 

Tema 3 Contrastes de SignificacióN (II) Anova

  • 1.  
  • 2. Técnica estadística para analizar medidas que dependen de uno o varios tipos de efectos (factores) que operan simultáneamente - Cual es más importante - Estimar su influencia ¿ Estos 7 procedimientos de mineralización de Cu originan el mismo resultado? Factor controlado : Variación de procedimientos Si El factor controlado no introduce un efecto significativo (errores/diferencias aleatorias) No El factor controlado introduce un efecto significativo (errores/diferencias sistemáticos) Comparación de métodos
  • 3. Adopción/validación de un método como oficial Laboratorio 1 Laboratorio 2 Polvo fino Material granulado (trituración) Resultados exactos Resultados exactos Resultados exactos Resultados sistemáticamente más bajos Dos factores controlados: 1. Laboratorios 2. Tipo de muestras En este caso el efecto del laboratorio no es el mismo para todas las muestras INTERACCIÓN MUESTRA-LABORATORIO Ensayos interlaboratorios
  • 4.
  • 5. H 0 Todas las muestras proceden de la misma población con media µ y varianza σ 0 2 Variación debido a errores aleatorios H 1 No todas proceden de la misma población con media µ y varianza σ 0 2 Variación debido a un sesgo o error sistemático Hallemos σ 0 2 (s 0 2 )
  • 6. Se componen las varianzas de cada columna en una varianza promediada Varianza dentro de las columnas (medias) Variación dentro de medias
  • 7. Varianza de la media Varianza entre columnas (medias) Variación entre medias
  • 8. H 0 El factor no introduce ninguna influencia en s 2 m , diferencias aleatorias S 2 p = S 2 m Todas las medias pertenecen a la misma población H 1 El factor introduce una diferencia significativa en s 2 m , diferencias por sesgo S 2 p ≠ S 2 m No todas las medias pertenecen a la misma población Varianza entre medias Varianza dentro de medias No afectados por el factor Puede ser afectada por el factor Se plantean las hipótesis
  • 9. término adicional (efecto del factor) ¿Qué test evaluaba si dos varianzas diferían o no significativamente? Test F de Fischer Utilicémoslo !!! Varianza entre medias Puede ser afectada por el factor
  • 10. Varianza entre columnas (medias) Varianza dentro de las columnas (medias) F calculada Calculemos F real
  • 11. Nº grados de libertad entre columnas (medias) Nº grados de libertad dentro de las columnas (medias) Averigüemos en tabla F crítico
  • 12. F calculada < F crítica F calculada > F crítica No hay influencia del factor controlado en las medias Pertenecen a la misma población (iguales) Diferencias aleatorias Hay influencia del factor controlado en las medias No pertenecen a la misma población (no son iguales) Diferencias no aleatorias, sesgo sistemático Comparemos F
  • 13. ANOVA como separación de una Varianza total en sus componentes SS Suma de cuadrados df Grados de libertad SS A Suma de cuadrados entre columnas/medias SS R Suma de cuadrados dentro de columna/media (suma de cuadrados residual) Siendo X la gran media de todas las medias y n:
  • 14. SS R Dentro de media SS A Entre medias/columnas Hallamos cuadrados medios De nuevo Las MS son estimaciones de las varianzas, así MS R es una estimación de σ 2 , mientras que MS A es una estimación de σ 2 + nj σ a 2
  • 15. Planteamos test de hipótesis Recuerda n = Número total de medidas, contabilizando todos los valores k = Número de medias F Calculada F calculada > F crítica F calculada < F crítica H 0 H 1
  • 16. Ejemplo Análisis de Cu ¿todos los procedimientos de mineralización originan el mismo resultado ? k-1 n-k F calculada > F crítica 23,15 >2,38 H 1 Los procedimientos de mineralización si introducen un efecto significativo en los resultados de análisis
  • 17. Hemos realizado ANOVA y sabemos que se cumple H 1 ¿ Cuales son las medias que difieren? Mínima diferencia significativa (LSD) Siendo: s desviación estándar dentro de medias (s p ), ya calculado previamente para este caso particular = √3 n número de medidas por media = 3 Nº Medidas Factor Fluorescencia de un reactivo Media1 3 Reciente 92 Media2 3 1 h oscuridad 97 Media3 3 1 h luz tenue 101 Media4 3 1 h luz 102
  • 18. t h(n-1) Siendo: h nº de medias n número de medidas por media Nº grados libertad = 4(3-1)=8 Calculemos t
  • 19. Comparamos diferencia entre pares adyacentes de medias respecto a LSD Si par X 1 -X 2 < LSD No difieren significativamente (caso 101 y 102) Si par X 1 -X 2 > LSD Difieren significativamente (caso de medias 92 y 97 entre si y con los demás) Hallemos LSD y comparemos Nº Medidas Factor Fluorescencia de un reactivo Media1 3 Reciente 92 Media2 3 1 h oscuridad 97 Media3 3 1 h luz tenue 101 Media4 3 1 h luz 102
  • 20. término adicional (efecto del factor) Recordemos F calculada > F crítica Si Por lo tanto Podemos estimar σ a 2 como una medida del efecto del factor
  • 21. Factor A procedimientos de mineralización de la muestra Factor B Diferente tipo de desecado Determinación de Cu en muestras de suelos (2 factores) ¿Cómo procedemos para conocer si los dos factores influyen o no? Si hay influencia ¿cual de ellos es el responsable en mayor medida?
  • 22. Factor A Factor B SS A SS B SS R SS T Siendo N= c . r Siendo para cualquier T = ∑
  • 23. Siendo N= c . r Y de nuevo a comparar F calculada vs F crítica Factor A Factor B H 0 Factor A no influye H 1 Factor A influye H 0 Factor A no influye H 1 Factor A influye Dos test en vez de uno ! SS gl MS F calculada F crítica Factor A SS A c-1 SS A /c-1 F = MS A /MS R F(0.05, c-1, dif) Factor B SS B r-1 SS B /r-1 F = MS B /MS R F(0.05, r-1, dif) Residual SS R = SS T -SS A -SS B (N-1)-(c-1)-(r-1) SS R /dif - - Total SS T N-1 - - -
  • 24. Influye el agente quelatante en el factor del día? No , con el quelatante A o B el cambio al segundo día produce la misma variación en el resultado (3% menos) Influye el día en el factor del agente quelatante? No , para cualquier día el cambio de agente quelatante de A a B produce la misma variación en el resultado (2% más) Ambos factores tienen efectos independientes en los resultados !!
  • 25. ¿Y ahora qué? El factor del agente quelatante no influye con la misma intensidad el primer que el segundo día El factor del día no influye con la misma intensidad si el agente quelatante es A que cuando es B Ambos factores son dependientes y por lo tanto hay una interacción entre ellos !! Factor A = f(Factor B) Factor B = f(Factor A)
  • 26. SS A SS B SS Inte SS R SS T Siendo C = T 2 /nrc Término de corrección X ijk Medida individual de cada celda Y SS T = SS A + SS B + SS inte + SS R
  • 27. Siendo n nº de replicaciones por celda Y de nuevo a comparar F calculada vs F crítica Factor A Factor B H 0 Factor A no influye H 1 Factor A influye H 0 Factor A no influye H 1 Factor A influye Tres test en vez de uno ! Interacción H 0 No hay interacción influye H 1 Hay interacción SS gl MS F calculada F crítica Factor A SS A c-1 SS A /(c-1) F = MS A /MS R F(0.05, c-1, dif) Factor B SS B r-1 SS B /(r-1) F = MS B /MS R F(0.05, r-1, dif) Interacción SS inte (c-1)(r-1) = inter SS int / inter F = MS inte /MS R F(0.05, inter, dif) Residual SS R rc(n-1) = dif SS R /[rc(n-1)] - - Total SS T rcn-1 SST/(rcn-1) - -