Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Covarianza en Dbca

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 7

UNIVERSIDAD NACIONAL DE SAN MARTN -TARAPOTO

FACULTAD DE CIENCIAS AGRARIAS


DEPARTAMENTO ACADMICO AGROSILVO PASTORIL
ESCUELA ACADMICO-PROFESIONAL DE AGRONOMA

TEMA

: Covarianza en DBCA

CURSO

: Mtodos Estadisticos para la Investigacin

CICLO

: VII

DOCENTE

: Dr. Orlando Ros Ramrez

ESTUDIANTE: Marco Antonio Villafana Prez

Tarapoto Per
2016

ANLISIS DE COVARIANZA
Cuando en experimentacin, simultneamente a los valores de las
caractersticas en estudio, se observa sobre cada UE los valores de una o ms
variables jas cuya medida se realiza prcticamente sin error y adems es
importante determinar su efecto sobre las caractersticas de inters, entonces
se logra una reduccin del EE, a este mtodo de reduccin se conoce como
Anlisis de Covarianza. Este mtodo es otro de los tantos que se recomienda
en el anlisis de varianza para reducir el EE. Como se ha dicho en los captulos
anteriores estos mtodos se basan en:
a.

La seleccin de un material homogneo, o realizar el experimento en un


medio ambiente homogneo.

b.

Estraticar el medio ambiente en grupos homogneos, llamados normalmente bloques.

c.

El renamiento de la tcnica experimental.

Este anlisis, en particular, de reduccin se recomienda cuando la variacin


experimental no puede ser controlada por estraticacin (bloqueo), entonces,
en este caso es bueno introducir unas variables concomitantes o covariables
las cuales deben ser usadas cuidadosamente.

ANLISIS DE COVARIANZA EN UN DBCA


El modelo estadstico para un diseo de bloques es:

Con i = 1, 2,. . ., t (nmero de tratamientos) y j = 1, 2,. . ., r (nmero de


bloques). Los supuestos que se hacen para este modelo son bsicamente los
mismos del DCA con una covariable:
1.

Los x son jos, medidos sin error e independientes de los tratamientos.

2.

La regresin de Y con respecto a X luego de eliminar las diferencias


debidas a los tratamientos y a los bloques es lineal e independiente de
bloques y tratamientos.

3.

Los residuos se distribuyen normalmente con media cero y varianza


comn.

La varianza de los residuos se estima siguiendo la metodologa de los mnimos


cuadrados. A partir de sta se llega a los siguientes estimadores:

Y un estimador insesgado de la varianza poblacional

Donde

EA

, es:

2
= Eyy ( E xy/Exx) y, Exx, Exy y Eyy corresponden a las

sumas de cuadrados para el error experimental.

Algunos de los resultados de la tabla se obtienen a partir de las siguientes


expresiones:
Las sumas de cuadrados y productos cruzados para el total son:

Las
sumas
de
cruzados para bloques

cuadrados y productos
son:

Las sumas de cuadrados


para tratamientos son:

y productos cruzados

Las sumas de cuadrados y


error son:

productos

Adicionalmente,

para

el

Finalmente
tratamientos
es:

el

cuadrado medio de los


ajustado por covariable

A partir de la tabla se puede llevar a cabo tanto un anlisis de varianza para la


variable Y, antes del ajuste, como un anlisis de varianza para X.
Posteriormente, una vez hecho el ajuste, se realiza el anlisis de covarianza. Al
comparar los dos resultados del anlisis de varianza y el anlisis de covarianza
se puede ver el efecto de la covariable.
Probar la hiptesis:

Para antes del ajuste, el estadstico de prueba es:

Si este valor es mayor que el


(t1)(r1);) se rechaza H0.

valor de la tabla F(t1;

Despus del
para H0 es:

estadstico de prueba

ajuste,

el

Al igual que antes, si este valor es mayor que F(t1;(t1)(r1)1;) se rechaza


H0 y se concluye que hay
diferencia
de
los
tratamientos a travs de la
covariable.
Para contrastar la hiptesis
se hace uso del estadstico de prueba:

Ho: = 0 contra Ho : = 0,

Si este valor es mayor que F(1;(t1)(r1)1;) se rechaza la hiptesis de no


asociacin de la covariable con respecto a la variable respuesta.
Despus de realizar el anlisis de covarianza es necesario ajustar las medias
de los tratamientos si la covariable produjo alguna reduccin real en el error
experimental. La ecuacin para una media ajustada es:

La varianza de la media ajustada dada en la expresin anterior es:

La varianza de la diferencia de dos medias ajustadas est dado por:

Esta ecuacin se usa cuando los grados de libertad para el error son menores
de 20. Si son mayores de 20 se puede usar la siguiente aproximacin sugerida
por Finney (1946):

Para saber si se present algn aumento por el uso de la covariable, se usa la


siguiente ecuacin de eciencia relativa (ER)

Si ese valor es por ejemplo 150 %, quiere decir que 100 repeticiones con
covarianza son tan efectivas como 150 repeticiones sin covarianza.

También podría gustarte