análisis de experimentos con submuestras balanceadas
DESCRIPTION
Análisis de experimentos con submuestras balanceadas. OBJETIVO. Presentar un algoritmo para analizar cualquier diseño experimental con igual número de submuestras en las unidades experimentales. Unidad experimental vs Unidad de observación. - PowerPoint PPT PresentationTRANSCRIPT
Análisis de experimentos con submuestras balanceadas
OBJETIVO
Presentar un algoritmo para analizar cualquier diseño experimental con igual número de submuestras en las unidades experimentales.
.....Algoritmo Diseños experimentales con submuestreo
3
Unidad experimental vs Unidad de observaciónUnidad experimental: estructura básica del material experimental a la que se asigna y aplica un tratamiento, independiente de las otras unidades, y en la que se registran los valores que toma la variable-respuesta.
Unidad de observación: individuo al que se hace la medición (de la variable respuesta).
En ocasiones, unidad de observación (o simplemente observación) y unidad experimental, son lo mismo.
.....Algoritmo Diseños experimentales con submuestreo
4
Submuestreo: ¿qué es? y ¿para qué? En los diseños con submuestreo se toma (al azar) más de una observación por unidad experimental.
En contraparte, en los diseños estándar se toma una sola observación por unidad experimental.
El submuestro nos permite, además de estudiar la variabilidad entre unidades experimentales bajo condiciones similares, estimar la variabilidad de observaciones en las unidades experimentales.
.....Algoritmo Diseños experimentales con submuestreo
5
Submuestreo en imágenes
En este ejemplo ilustrativo tenemos n unidades experimentales con r = 3 submuestras en cada una.
…Unidad experimental 1 Unidad experimental 2
Unidad experimental n
PROBLEMÁTICA Aunque los investigadores usan el submuestreo regularmente en sus experimentos:
Con frecuencia interpretan las submuestras como repeticiones o usan los promedios para el análisis de varianza.
En la mayoría de los libros sólo se presenta la forma de hacer el análisis con submuestreo en los diseños completamente al azar (dca) y bloques (dbca), dejando implícito que la extensión a otros diseños es directo (lo que no es cierto).
.....Algoritmo Diseños experimentales con submuestreo
7
Análisis de un DCA con submuestreoFV GL SC CM Fcal
UE n 1 Y
rC
kik i
.,
2
trat t 1 Y
rnC
kk
t
k
..2
1
SCtrat
t 1
CMtrat
CMEE
EE t nkk
t( )
1
1 SC UE SCtrat( )
SCEE
n t CMEE
CMEM
EM n r 1 SCT SC UE ( ) SCEM
nr n
Total rn 1 Y Ckijk i j
2
, ,
.....Algoritmo Diseños experimentales con submuestreo
8
Análisis de un DBCA con submuestreoFV GL SC Fcal
UE tb 1 Y
rC
iki k
.2
,
bloq b 1 Y
rtC
ii
b
..2
1
CMbloq
CEEE
trat t 1 Y
rbC
kk
t
. .2
1
CMtrat
CMEE
EE b t 1 1 SC UE SCbloq SCtrat( ) CMEE
CMEM
EM tb r 1 YY
rijkj
ik
i
22
.
,k
Total rtb 1 Y Cikji j
2
,k ,
DISEÑO DE LAS UNIDADES EXPERIMENTALES
Cualquier diseño experimental puede ser conceptuado a través de un diseño de las unidades experimentales.
Puesto que cada observación es tomada en una unidad experimental
.....Algoritmo Diseños experimentales con submuestreo
10
Modelo general con submuestreo
Y Uij i ij
Yij i i ij
E Ui i var U i 2 E ij 0 var ij m 2 cov ,U i ij 0
Con el supuesto adicional de que i N~ , .0 2
O bien,presentando Ui, en su parte fija más su parte aleatoria,
.....Algoritmo Diseños experimentales con submuestreo
11
Identidad fundamental de las SC
SCT SC UE SCEM ( )En cualquier diseño experimental con submuestreo, la suma de cuadrados total (SCT) se particiona en la suma de cuadrados de las unidades experimentales, SC(UE), y la suma de cuadrados de las observaciones en las unidades experimentales, (SCEM).
Esta partición de la SCT, constituye el punto central para el análisis de cualquier diseño experimental con submuestreo
.....Algoritmo Diseños experimentales con submuestreo
12
Datos de un diseño con submuestreoSea Yij la j-ésima observación de la i-ésima unidad experimental, con i = 1, 2, …, n y j =1, 2, …, r,
i-ésima unidad experimental (UE) 1 2 . . . n
1 Y11 Y21 . . . Yn1 2
j-ésima submuestra
r
Y12
Y r1
Y22
Y r2
. . . . . .
Yn2
Ynr
total de la i-ésima UE Y1. Y2. . . . Yn.
.....Algoritmo Diseños experimentales con submuestreo
13
Diseño de las unidades experimentalesSea Yij la j-ésima observación de la i-ésima unidad experimental, con i=1, 2, …, n y j =1, 2, …, r,
i-ésima unidad experimental (UE) 1 2 . . . n
1 Y11 Y21 . . . Yn1 2
j-ésima submuestra
r
Y12
Y r1
Y22
Y r2
. . . . . .
Yn2
Ynr
total de la i-ésima UE Y1. Y2. . . . Yn.
SCT SC UE SCEM ( )
Yij i i ij
Presentación de los datos
Modelo lineal:
Identidad fundamental de las sumas de cuadrados
.....Algoritmo Diseños experimentales con submuestreo
14
Diseño de las unidades experimentales Las sumas de cuadrados de la identidad fundamental en el diseño de
las unidades experimentales están dadas por: SC UE r Y Yi
I
n( ) . ..
2
1
SCEM Y Yij ij
r
i
n
.
2
11
SCT Y Yijj
r
i
n
..
2
11Suma de cuadrados total
Suma de cuadrados del error de muestreo
Suma de cuadrados de las unidades experimentales
.....Algoritmo Diseños experimentales con submuestreo
15
Diseño de las unidades experimentales
11
12
1
21
22
2
1
2
1 1
1 1 0 0
1 1 0 0
1 1 0 0
1 0 1 0
1 0 1 0
1 0 1 0
1 0 0 1
1 0 0 1
1 0 0 1
YY
YYY
Y
YY
Y
r
r
n
n
nrnr nr n
x x
0
1
1
11
12
1
21
22
2
1
2
11
12
1
21
22
2
1
2
n n
r
r
n
n
nrnr
r
r
n
n
nrnr
x1
x 1 x 1
Forma matricial del modelo de las unidades experimentales
.....Algoritmo Diseños experimentales con submuestreo
16
Diseño de las unidades experimentalesEn el modelo matricial del diseño de las unidades experimentales:
•El vector y: es el de la variable-respuesta
•La matriz de 0’s y 1’s es la matriz diseño cuya primera columna es un vector 1, que representa la media global. Un 1 indica que la observación fue tomada de una determinada unidad experimental, de otro modo se pone 0.
•Luego siguen los vectores de efectos fijos y aleatorios.
Con el modelo matricial podemos reescribir las sumas de cuadrados de la identidad fundamental del siguiente modo.
.....Algoritmo Diseños experimentales con submuestreo
17
Diseño de las unidades experimentales
yJAy
nr
n
ii
n
ii
nrrnr
Y
r
YUESC
11')(
1
2..1
2.
rr
r
rr
r
nrxnr
n
i
rrrr
rrrr
rrrr
rrrr
irr
00
00
y
11
11
con 11
1
OJ
JOOO
OJOO
OOJO
OOOJ
A
i r i i i i
r r r
r r r
r r r nr nr
e e e
0
1
0
A A
O O O
O J O
O O O
'
x
Jnr es una matriz de puros 1’s nr x nr
.....Algoritmo Diseños experimentales con submuestreo
18
Diseño de las unidades experimentales
yJIy
nrnr
nrSCT
1'
yAIy
n
iinr r
SCEM1
1'
.....Algoritmo Diseños experimentales con submuestreo
19
Matriz de varianzas y covarianzas del vector de observaciones y Esperanzas de las sumas de cuadradosPara escribir los elementos anteriores, se rescribieron las sumas de cuadrados, que ya están en forma matricial, usando formas cuadráticas. La matriz de varianzas y covarianzas del vector de observaciones, se establece con base en los supuestos del modelo lineal con submuestreo.Las esperanzas de sumas de cuadrados, se establecen con base en la definición de la esperanza de una forma cuadrática.Los resultados de este desarrollo, se escriben de forma directa en las siguientes diapositivas.
.....Algoritmo Diseños experimentales con submuestreo
20
Matriz de varianzas y covarianzas del vector y
nrnr
Var
x
)(
ROO
ORO
OOR
y
R
2
m
m
m r r
2 2 2
2 2 2 2
2 2 2 2
x
donde
22, iijij EYYCov
Puesto que
22var mijY
.....Algoritmo Diseños experimentales con submuestreo
21
Esperanzas de las sumas de cuadrados
E SC UEr
n ri
n
i( ( )
2
1
21
1
1n ii
n
1 )()( 22222 rnnnrSCEME mmm
.....Algoritmo Diseños experimentales con submuestreo
22
Esperanzas de los cuadrados medios en diseño de las UEFV GL SC E(CM)
UE
n 1 Y YC' P PC2 1
2 2
11 r
r
n ii
n
EM n r 1 Y Ynr' I PC2
m2
Total nr 1 Y Ynr C' I P1
22 2 r
rm donde
.....Algoritmo Diseños experimentales con submuestreo
23
Por un procedimiento similar al anterior se desarrollaron las esperanzas de los cuadrados medios en los diseños completamente aleatorizado y de bloques. Los resultados se presentan enseguida.
Posteriormente estas E(CM*) del dca y dbca se concatenan con las del diseño general.
.....Algoritmo Diseños experimentales con submuestreo
24
Esperanzas de los cuadrados medios en el Diseño Completamente Aleatorizado
22 2 r
rm donde
FV GL SC E(CM)
Trat t 1 Y YC' P PT 1 m k k
k
tr
rt
n2 2 2
11
EE n t Y Y' P PC T2 m r2 2
EM nr n Y Ynr' I PC2
m2
Total nr 1 Y Ynr C' I P1
.....Algoritmo Diseños experimentales con submuestreo
25
Esperanzas de los cuadrados medios en el Diseño de Bloques
22 2 r
rm donde
FV GL SC E(CM)
bloq b 1 Y YB C' P PX
1 2 2
11r
rt
bB Bi
i
b
trat t 1 Y YT C' P PX
1
2
2
11r
rb
t kk
t
EE b t 1 1 Y YB T C' P P P PC X X2 1
m r
r2 2
2
EM bt r 1 Y Yrtb' I PC2
m2
Total rtb 1 Y Yrtb C' I P1
.....Algoritmo Diseños experimentales con submuestreo
26
En este punto se desarrolló el análisis de diseños experimentales con igual número de submuestras en las unidades.
1. Primero sobre las observaciones Yij
2. Luego sobre las observaciones Yi. /r
Se dividió en dos pasos:
.....Algoritmo Diseños experimentales con submuestreo
27
SC y E(CM) sobre Yij
FV GL SC E(CM)
Modelo r X 1 Y Ynr
' P PX 1 2 1
1
1
r nrnr nr
r
X
X I J X ' '
EE n r X Y Y' P PC X2
2
r
EM n r 1 Y Ynr' I PC2
m2
Total nr 1 Y Ynr nr' I P 1
X C Anr k nr n n kx x x
2
A
1 1 0 0
1 0 1 0
1 0 0 1
1 1 1 1
2 2 2 2
1
n n n n
n n n n
n n n n n tt t t t
x
con
y en el DCA
.....Algoritmo Diseños experimentales con submuestreo
28
SC y E(CM) sobre Yi. / rFV GL SC E(CM)
Modelo r A 1 Z
r
Z
rn
'PA P1
2 1
1
1
r Ar
nrn n
r
' 'A I J A
EE n r A Z
r nZ
r
'I PA
m r2 2
Total n 1 Z
r
Z
rn n
'
I P1
Z Y
Y
Y
Yn
C
.
.
.
2
1
2
donde
EL ALGORITMO DE TRES PASOS
Con base en el desarrollo presentado, el análisis de cualquier diseño experimental con el mismo número de submuestras en las unidades se resume en tres pasos.
.....Algoritmo Diseños experimentales con submuestreo
30
Paso 1
Se ajusta un modelo basado en las unidades experimentales puede ver modelo (2) ó (10) para obtener la suma de cuadrados total (SCT), la suma de cuadrados de las unidades (SC(UE)) y la suma de cuadrados del error muestral (SCEM). En este paso se usarán los datos originales Yij como variable respuesta.
.....Algoritmo Diseños experimentales con submuestreo
31
Paso 2 Enseguida se ajusta el modelo del diseño particular, usando como variable respuesta a las Yi./r (total de la i-ésima unidad experimental entre la raíz cuadrada del número de submuestras). En este paso se particiona la SC(UE), del Paso 1, en las sumas de cuadrados de las fuentes de variación correspondientes al diseño experimental particular.
Por ejemplo, en el diseño completamente al azar, la partición de la SC(UE) se hace en la suma de cuadrados de tratamientos (SCtrat) y la suma de cuadrados del error experimental (SCEE); en el diseño de bloques completos al azar, la partición de la SC(UE) se hace en la suma de cuadrados de bloques (SCbloq), la SCtrat y la SCEE.
.....Algoritmo Diseños experimentales con submuestreo
32
Paso 3Los valores de las sumas de cuadrados obtenidos en los pasos anteriores, se ordenan. Se toman las sumas de cuadrados en que se particionó la SC(UE) en el Paso 2 y la SCEM y la SCT obtenidos en el Paso 1 para que la Tabla de Análisis de Varianza (ANOVA) de su diseño con submuestreo quede completa.
.....Algoritmo Diseños experimentales con submuestreo
33
En la computadora con SASDATA DCAS;INFILE 'A:\EJDCA.DAT';INPUT TRAT $ UE RESP;PROC ANOVA; CLASS UE;MODEL RESP = UE;TITLE 'PARTICION 1: "SCT = SC(UE) + SCEM"';PROC SORT; BY TRAT UE;PROC MEANS; BY TRAT UE; VAR RESP;OUTPUT OUT=B SUM=SRESP;DATA DOS; SET B; RESPM=SRESP/SQRT(9);KEEP TRAT RESPM;PROC ANOVA; CLASS TRAT;MODEL RESPM = TRAT;TITLE 'PARTICION 2: "SC(UE) = SCtrat + SCEE"';RUN;
Para un diseño completamente aleatorizado
.....Algoritmo Diseños experimentales con submuestreo
34
En la computadora con SASDATA DBCAS;INFILE 'A;\EJDBCA.DAT';INPUT BLOQUE TRAT RESP;UE = (10 *BLOQUE) + TRAT;PROC ANOVA; CLASS UE;MODEL RESP=UE;TITLE 'PARTICION 1: "SCT = SC(UE)+ SCEM";PROC SORT;BY BLOQUE TRAT;PROC MEANS; BY BLOQUE TRAT; VAR RESP;OUTPUT OUT=B SUM=SRESP;DATA NUEVAS; SET B; Y=SRESP/SQRT(3);KEEP BLOQUE TRAT Y;PROC ANOVA; CLASSES BLOQUE TRAT;MODEL Y=BLOQUE TRAT;TITLE 'PARTICION 2: "SC(UE) = SCbloq + SCtrat + SCEE"';RUN;
Para un diseño de bloques
.....Algoritmo Diseños experimentales con submuestreo
35
En la computadora con SASDATA DCLS; INFILE 'A:\EJDCL.DAT';INPUT HIL COL TRAT $ RESP; UE=(HIL * 10)+ COL;PROC ANOVA; CLASS UE;MODEL RESP=UE;TITLE 'PARTICION 1: SCT = SC(UE) + SCEM ';PROC SORT;BY HIL COL TRAT;PROC MEANS; BY HIL COL TRAT; VAR RESP;OUTPUT OUT=B SUM=SRESP;DATA NUEVAS;SET B;Y=SRESP/SQRT(3);KEEP HIL COL TRAT Y;PROC ANOVA; CLASSES HIL COL TRAT;MODEL Y = HIL COL TRAT;TITLE 'PARTICION 2: SC(UE) = SCHIL +SCcol + SCtrat + SCEE ';RUN;
Para un diseño en cuadrado latino
.....Algoritmo Diseños experimentales con submuestreo
36
Gracias Gracias por su por su
atenciónatención [email protected]@[email protected][email protected]
Arturo A. Alvarado SeguraArturo A. Alvarado Segura