Monografia DCL

UNIVERSIDAD NACIONAL JOS FAUSTINO SANCHEZ CARRIN
FACULTAD DE INGENIERA INDUSTRIAL, SISTEMAS E

INFORMTICA
ESCUELA ACADMICA DE INGENIERA INDUSTRIAL
DISEO CUADRADO LATINO (DCL)
Curso: Estadstica Aplicada I
Docente: Vctor Silva Toledo
Ciclo: V
Integrantes:
Barrenechea Sarmiento Brithany

Estupin Bazalar Karla Thala
Loarte Sana Kimberly
Samanamud Natividad Ruben
Sanchez Marin Maricely
HUACHO - 2016
Aplicaciones de Analisis de Varianza
UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

FACULTAD DE INGENIERA INDUSTRIAL SISTEMAS E INFORMTICA
DEDICATORIA
Este trabajo est dedicado a nuestros padres que siempre nos estn apoyando
incondicionalmente en la parte econmica y moral para poder llegarnos a realizar como
excelentes profesionales.
A nuestros familiares que nos motivan, ayudan y que por sus experiencias a lo
largo de su vida nos brindan consejos para realizar todo de la mejor manera posible.
Ante todo a Dios que nos da la vida, nos otorg una familia la cual cada da nos
comporta sus enseanzas y fortalezas para seguir desempeando dando siempre lo
mejor.
Un agradecimiento en especial a nuestro profesor Vctor Silva Toledo por su

apoyo constantemente, por sus consejos, por compartir con nosotros sus experiencias
laborales, por motivarnos con este trabajo a investigar.
DISEO CUADRADO LATINO
2

AGRADECIMIENTO
Agradecemos de ante mano al grupo en general por el apoyo brindado en

nuestro tema de suma importancia del DISEO CUADRADO LATINO, no olvidando
de nuestro maestro de la materia por darnos conocimientos previos.
Agradecer hoy y siempre a nuestros familiares por el esfuerzo realizado en su

apoyo en nuestros estudios, de ser as no hubiese sido posible. A nuestros padres y
dems familiares ya que nos brindan el apoyo, la alegra y nos dan la fortaleza necesaria
para seguir adelante da a da.
3

INTRODUCCIN
4

1 CAPTULO I: GENERALIDADES
1.1 ANTECEDENTES:
El DCL se us originalmente en la agricultura para mejorar

significativamente los mtodos agrcola, se trataba de hallar la eficacia de los
fertilizantes en el rendimiento de las cosechas, buscndose plantar cosechas con
similares condiciones de suelo de modo que la calidad de la tierra no fuese un
factor indeseable que influyese en el rendimiento del terreno cultivado, y la
nica manera de asegurarse de tener condiciones idnticas de tierra era utilizar
siempre el mismo suelo.
En reas como la medicina y la zootecnia, las personas y animales hacen

las veces de bloques cuando reciben todos los tratamientos en secuencia.
1.2 OBJETIVOS:
Objetivo general:
- Analizar el diseo cuadrado latino, como herramienta en la toma de

Decisiones en el campo de la ingeniera
Objetivo especfico:
- Identificar las herramientas estadsticas potencialmente tiles en los

diferentes campos de la ingeniera.
- Explicar el desarrollo del diseo cuadrado latino
1.3 IMPORTANCIA:
La descripcin del diseo como un cuadrado es conveniente, aunque las

variables de control no sean factores fsicos sino lgicos como la raza, edad,
peso o el tiempo.
Los periodos entre un tratamiento y otro forman los bloques de la otra

variable, conformando un diseo de cuadrado latino. En general, se habla de fila
y columnas para indicar los bloques horizontales y verticales respectivamente, y
no se hacen diferencias entre los tipos de variables de control, y en consecuencia
obtener una mayor precisin de la prueba.
5

1.4 LIMITACIONES:
Las limitaciones que se encontraron en el presente trabajo de

investigacin fueron bsicamente relacionadas al desconocimiento parcial de la
realidad de los ejercicios presentados. Estos ejercicios fueron extrados de libros,
donde la visin del autor no necesariamente es compartida en el trabajo.
6

2 CAPTULO II: MARCO TERICO
2.1 CONCEPTOS FUNDAMENTALES:
MUESTRA: Es un subconjunto o parte de una poblacin. El tomar muestras se

hace con la intencin de no extendernos a sacar resultado de toda la poblacin
que representa.
MUESTRA ALEATORIA: Viene hacer la muestra elegida al azar, es la

muestra tomada de la poblacin en que todo individuo tiene la misma
probabilidad de poder ser elegido.
POBLACION: Tambin llamada UNIVERSO, es el conjunto de elementos de

referencia sobre el que se realizan las observaciones.
HIPOTESIS: Es el enunciado acerca del valor del parmetro poblacional.
VARIANZA: Es una media de dispersin definida como la esperanza del

cuadrado de la desviacin de dicha variable respecto a su media.
FUNCIN DE DISTRIBUCIN: Funcin que hace corresponder a cada uno

de los valores de la variable aleatoria discreta su probabilidad.
CONTRASTE DE HIPTESIS: Es el conjunto de reglas establecidas para

decidir entre la hiptesis nula o la alternativa, que debe ser aceptada en base al
resultado que se obtuvo de la muestra.
VARIABLE ALEATORIA: Toda funcin que tomas diferentes valores

numricos, dependiendo del resultado de un fenmeno aleatorio, con distintas
probabilidades.
VARIABLE ALEATORIA DISCRETA: Son aquellas que tienen un nmero

finito de valores.
VARIABLE ALEATORIA CONTINUA: Son aquellas que pueden tomar un

nmero infinito de valores en un intervalo determinado.
7

VARIABLE CATEGRICA: Es aquella que clasifica cada individuo de la

poblacin en varias clases mutuamente excluyentes.
ESTADSTICA DESCRIPTIVA: Es el procedimiento estadstico que sirven

para organizar y resumir conjuntos de datos numricos.
ESTADSTICA INFERENCIAL: Es el procedimiento estadstico que sirve

para deducir o inferir algo de un conjunto de datos numricos (poblacin),
seleccionando una parte de ellos (muestra).
GRADOS DE LIBERTAD: Es el nmero de observaciones linealmente

independientes en un conjunto de n observaciones. Los grados de libertad, son
iguales a n menos el nmero de restricciones impuestas al conjunto total de
datos.
HIPTESIS ALTERNATIVA: Es el aquel enunciado que no niega, ni afirma

lo que dice la hiptesis de investigacin.
HIPTESIS NULA: Es aquella que niega, lo que afirma la hiptesis de

investigacin.
MEDIA: Tambin conocida como la media aritmtica, que viene hacer el

promedio que se obtiene al sumar todos los elementos en un conjunto de valores.
NIVEL DE CONFIANZA: Es la probabilidad de que la estimacin que se

efectu se ajusta a la realidad.
NIVEL DE SIGNIFICANCIA: Es el riesgo que se asume, acerca de rechazar

la hiptesis nula cuando en realidad debe aceptarse por ser verdadera.
PRUEBAS NO PARAMTRICAS: Pruebas de hiptesis que implican datos

de niveles nominal y ordinal.
REGIN DE ACEPTACIN: Es el conjunto de valores de la estadstica de

prueba, que conducen aceptar la hiptesis nula.
REGIN DE RECHAZO O REGIN CRTICA: Es el conjunto de valores

de la estadstica de prueba, que conducen al rechazo de la hiptesis nula.
8

2.2 DEFINICION:
El diseo cuadrado latino se usa para eliminar dos fuentes de variabilidad

perturbadora, es decir, nos permite hacer la formacin de bloques sistemtica en dos
direcciones, por lo tanto las filas y columnas representan en realidad dos restricciones
sobre la aleatorizacin.
Es un diseo a tres criterios, tambin se le conoce como: Diseo Greco Latino, y

significa disear un experimento, que reduzca el error experimental en DBCA y de esta
forma, incrementar la precisin de la investigacin.
Es aquel diseo donde debe cumplirse lo siguiente:
Si se van a investigar r tratamientos, se necesitan r filas y r columnas; es

decir se necesitan r2 resultados.
Ejemplo 1: Si se desea estudiar la resistencia de tres (3) tipos de pieles,

entonces se hara necesario contar con: 3 tipos de mquinas, as como 3 mtodos de
fabricacin.
Ejemplo 2: Si se desea estudiar el rendimiento de cuatro (4) tipos de llantas,

entonces se hara necesario contar con: 4 tipos de carreteras, asi como 4 tipos de climas,
bajo los cuales se pruebe el experimento.
2.3 CARACTERISTICAS:
- Es denominado tambin clasificado a tres criterios

- En este diseo cada tratamiento esta una sola vez y al zar en cada fila (bloque) y
en cada columna.
- Es til cuando las unidades experimentales pueden agruparse de acuerdo a dos
fuentes de variacin, adems de los tratamientos respectivos.
2.4 USO
Este diseo se usa frecuentemente en los experimentos agrcolas e industriales.

Permite delimitar con seguridad los efectos relativos de varios tratamientos cuando se
impone unidades experimentales, una restriccin del tipo de doble bloque.
9

2.5 VENTAJAS:
- El ANVA es sencillo, aun cuando es ligeramente ms complicado que el DBCA.

- Se obtienen resultados ms exactos que en el DCA y DBCA.
- El anlisis estadstico es el mismo que en el DBCA y DCA.
- La omisin de resultados en el experimento no ocasiona ninguna complicacin
(Datos perdidos). Si los resultados o datos perdidos son numerosos, entonces el
DBCA es ms conveniente.
2.6 DESVENTAJAS:
- Como el nmero de tratamientos depende del nmero de bloques (filas) y de

columnas por consiguiente el nmero de unidades experimentales, esto le resta
flexibilidad al diseo para su uso; por ello no es recomendable para ms de 10
tratamientos.
- El nmero de tratamientos, filas y columnas debe ser igual, a veces es difcil
encontrar unidades experimentales que permitan armar los bloques homogneos
en las dos direcciones, ms an, si el nmero de tratamientos es grande.
- El error experimental tiende a incrementar al aumentar el ancho de los bloques y
el largo de las columnas.
- Este diseo tiene menos g.l. para el error experimental que en el DBCA y el
DCA, diferencia que se acenta a medida que disminuye el nmero de
tratamientos.
3 EL PROCESO DE CONSTRUCCION DE UN DCL:
1. Partir de un cuadrado latino estndar del tamao requerido: Supongamos que

necesitamos un cuadrado 4*4 y arbitrariamente hemos seleccionado el planteado
anteriormente, donde se observa el orden alfabtico de las letras en la primera fila y la
primera columna.
2. Aleatorizar todas las columnas del cuadrado elegido: Para este efecto existen
tablas de permutaciones o simplemente se elige un orden aleatorio (con ayuda de la
calculadora o de tablas de nmeros aleatorios) de las t columnas; para este caso, con
ayuda de la calculadora se encontraron los valores: 1, 3, 4.
1: Quiere decir que la primera columna permanece como estaba.
3: Entonces, la que antes era la tercera columna, ahora pasa a ser la segunda.
10

4: La que inicialmente era la cuarta columna, ahora pasa a ser la tercera, por
descarte, entonces, la que originalmente era la segunda columna, ahora pasa a ser la
cuarta, con lo que el cuadrado
A C D B
quedara:
B D A C
C A B D
D B C A
3. Aleatorizar todas las filas del cuadrado encontrado: Nuevamente, con ayuda
de la calculadora, el orden aleatorio encontrado fue: 3, 4, 1.
3: La que en el ltimo cuadrado era la tercera fila, ahora pasa a ser la primera.
4: La que era la cuarta fila, ahora se convierte en la segunda.
1: La primera fila debe ser ahora la tercera y por descarte, la segunda fila pasa
a ser la cuarta, quedando el siguiente cuadrado, que sera el definitivo:
C A B D
D B C A
A C D B
B D A C
3.1 NOTACIN EN UN DCL:
Para realizar el anlisis de varianza requerido en el DCL. Se requieren los

siguientes trminos:
11

Y... = Yijk = Gran total
Yi.. = Total del tratamiento i
Y.j. = Yijk = Total de la fila j
Y..k = Yijk = Total de la columna k
3.2 PARTICIN EN LA SC EN UN DLC:
En el DCA: SC T =SC Tr + SC E
En el DBCA: SC T =SC Tr + S C B +SC E
En el DCL: SC T =SC Tr + SC F + SCC +SC E
Dnde:
SC F : Suma de cuadrados de las filas.
SC C : Suma de cuadrados de las columnas.
T2
X ijk T 2 .. k T 2
N SC Tr=
r N
SC T =
T 2 i.. T 2 T 2. j . T 2
SC Tr= SC Tr=
r N r N
3.3 TABLA ANVA PARA UN DCL:
F.V. SC g.l. CM FC FT DECISIN
12

Tratam. SC Tr r1 CM Tr CM Tr *
CM E
DOSIS DE FUNGICIDA
AREA DE CULTIVO
Filas SC F r1 1 CM F 2 CM3F 4*
D A CMCE B
1
4.29 8.5 10.75 5.63
Columnas SC C r1 A CM B CMD C*
2 C C
4.24 8.03 CM
11.52
E 5.96
C D B A
3
ERROR SC E (r1)(r 2) 4.53 CM E7.94 11.49 5.47
B C A D
4
TOTAL SC T 2
R 1 4.26 6.75 11.52 6.01
Ft= F (1-) ;(r-1),(r-1)(r-2) TABLA
NOTA IMPORTANTE:
Las decisiones que sean tomadas en este diseo, tienen las mismas
consideraciones que en el DCA y DBCA; es decir:
Si:
Fc < Ft entonces debe ACEPTARSE Ho
Fc > Ft entonces debe RECHAZARSE Ho
Ejemplo Bsico:
En una estacin experimental se estudiaron cuatro tipos de dosis de fungicidas

(1:31Lt/H, 2:51Lt/H, 3:71Lt/H, y 4:91Lt/H), para el control del cultivo de 4
distintas variedades de papas. Los resultados se presentan a continuacin en Tm de
rendimiento de papa. El experimento se realiz en 4 distintas reas de cultivo.
13

Paso 0: Completar la tabla original
AREA DE DOSIS DE FUNGICIDA

Ti..
CULTIVO 1 2 3 4
D A C B
1 29.17
4.29 8.5 10.75 5.63
A B D C
2 29.75
4.24 8.03 11.52 5.96
C D B A
3 29.43
4.53 7.94 11.49 5.47
B C A D
4 28.54
4.26 6.75 11.52 6.01
T.j. 17.32 31.22 45.28 23.07 116.89
T..K = A: 29.73; B: 29.41; C: 27.99; D: 29.76 = 116.89
TC = 853.9545
PREGUNTA 1: Los tipos de dosis de fungicida son significativas?
PREGUNTA 2: Infiere el rea de cultivo en los resultados?
14

PREGUNTA 3: La variedades de papa influyen en el estudio?
Paso 1: Formular la hiptesis.
H0: Los tipos de dosis de fungicida no son significativas.
H1: Los tipos de dosis de fungicida son significativas.
H0: El rea cultivo no infiere en los resultados.
H1: El rea cultivo infiere en los resultados.
H0: Las variedades de papa no influyen en el estudio.
H1: Las variedades de papa influyen en el estudio.
Paso 2: Establecer el nivel de significancia.
Considerar = 5%
Paso 3: Realizar los clculos aplicando ANVA
SCT= X2ijk TC
SCT = (4.292 + 8.52 + 10.752++ 11.522 + 6.012) 853.9545
SCT = 966.6501 853.9545
SCT = 112.6956
SCTR= T2..k /r TC
SCTR =
(3242 + 3092 + 3312 + 3252) TC
44
SCTR= 854.4797 853.9545
SCTR = 0.5252
15

SCF= T2i.. /r TC
SC F = (29.17 + 29.752 + 29.432 + 28.542) TC

4
SC F = 854.1520 853.9545
SC F = 0.1975
SCC= T2.j. /r TC
(17.322 + 31.222 + 45.282 + 23.072) TC

SC C =
44
SC C = 964.2935 853.9545
SC C = 110.3390
Paso 4: Construccin de la tabla ANVA
F.V S.C g.l C.M FC FT Decisin

Rendimiento 0.52 3 0.17 0.63
< 4.76 ACEPTA(HO)
rea de cultivo 0.20 3 0.07 0.26 4.76 ACEPTA(HO)

<
Dosis de
fungicida
110.34 3 36.78 136.22 > 4.76 RECHAZA(HO)
Error 1.63 6 0.27
16

Total 112.69 15
Paso 5: formular las conclusiones y recomendaciones
CONCLUSIONES
Se han evaluado 4 variedades de papa

La prueba es realizada con nivel de significancia de 5%
En el anlisis de DOSIS DE FUNGICIDA, puesto que Fc es mayor que Ft, por
lo tanto se RECHAZA la Ho.
En el anlisis de FILAS, puesto que Fc es mayor que Ft, por lo tanto se
ACEPTA la Ho.
En el anlisis de COLUMNAS, puesto que Fc es mayor que Ft, por lo tanto se
ACEPTA la Ho.
RECOMENDACIN
Se recomienda realizar un estudio probando que tipo de dosis de fungicidas

es mejor, para que el estudio sea ms eficiente.
4 EFICIENCIA EN EL DCL:
As como en el DBCA, existe eficiencia al aplicar la tcnica con respecto al

DCA, en el DCL, de igual manera se puede comparar la eficiencia de aplicar el DCL,
con respecto al DCA y DBCA. Se consideran las mismas conclusiones y las siguientes
formulas:
CM F +CM C + ( r1 ) CM E
E DCL =
(
DCA
) (r +1)CM E
CM C + ( r 1 ) CM E
E DCL =
(
DCA
) r . CM E
17

Ejemplo Bsico:
En una estacin experimental se estudiaron cuatro tipos de dosis de fungicidas

(A:31k/H, B:51k/H, C:71k/H, y D:91k/H), para el control del cultivo de 4 distintas
variedades de papas. Los resultados se presentan a continuacin en Tm de rendimiento
de papa. El experimento se realiz en 4 distintas reas de cultivo.
DOSIS
AREA DE CULTIVO
1 2 3 4
D A C B
1
4.29 8.5 10.75 5.63
A B D C
2
4.24 8.03 11.52 5.96
C D B A
3
4.53 7.94 11.49 5.47
B C A D
4
4.26 6.75 11.52 6.01
EFICIENCIA EN EL DCL
PREGUNTA 4: Hubiera sido preferible aplicar el DCA?
PREGUNTA 5: Ha sido rentable aplicar el DCL en lugar del DBCA?
Paso 0: completar la tabla original
18

Disponibilidad Pendiente Ti..

del Nitrgeno 1 2 3 4
D A C B
1 29.17
4.29 8.5 10.75 5.63
A B D C
2 29.75
4.24 8.03 11.52 5.96
C D B A
3 29.43
4.53 7.94 11.49 5.47
B C A D
4 28.54
4.26 6.75 11.52 6.01
T.j. 17.32 31.22 45.28 23.07 116.89
T..K = A: 29.73; B: 29.41; C: 27.99; D: 29.76 = 116.89
TC = 853.9545
COMPARANDO EL DCL CON EL DCA
Paso 1: Aplicando la frmula. CMF = 0.07
EDCL/DCA = CMC = 110.34

CMF + CMC + (r-1) CME
(r+1) CME CME = 1.03
EDCL/DCA =
0.07 + 110.34+ (3) 1.03
(5)1.03
EDCL/DCA = 22.04
1.0379.83
CONSIDERACIONES:
Si EDCL/DCA > 1 entonces es RENTABLE aplicar el DCL en lugar del DCA

Si EDCL/DCA < 1 entonces no es RENTABLE aplicar el DCL.
Si EDCL/DCA = 1 entonces es INDIFERENTE aplicar el DCL o el DCA
19

Paso 2: Interpretacin
De acuerdo con el resultado podemos afirmar que efectivamente ha sido

RENTABLE aplicar el DCL en lugar del DCA.
COMPARANDO EL DCL CON EL DBCA
Paso 1: Aplicando la frmula.
CMC + (r-1) CME CMC = 110.34

EDCL/DBCA =
r CME CME = 1.03
110.34 + (3) 1.03
EDCL/DBCA =
(4) 1.03
EDCL/DBCA = 27.53
CONSIDERACIONES:
Si EDCL/DBCA > 1 entonces es RENTABLE aplicar el DCL en lugar del DBCA

Si EDCL/DBCA < 1 entonces no es RENTABLE aplicar el DCL.
Si EDCL/DBCA = 1 entonces es INDIFERENTE aplicar el DCL o el DBCA
Paso 2: Interpretacin
De acuerdo con el resultado podemos afirmar que efectivamente ha sido

RENTABLE aplicar el DCL en lugar del DBCA.
20

5 OBSERVACIN PRDIDAS:
En la realidad, al aplicar un experimento en este caso un DCL, ocurren

accidentes que brindan como resultados la perdida de una (01) o varias unidades
experimentales.
Ejemplo:
- Un animal puede destruir las plantas de una o varias parcelas.

- Un trabajador se enferma y no acude a planta.
- Un frasco puede romperse en el laboratorio.
- Uno o varios animales puede morirse o enfermarse.
- Un dato puede estar mal tomado.
Con la perdida de una o varias unidades experimentales, no se podra hacer

uso del procedimiento de anlisis del DCL, a menos que se estime un valor para
las unidades experimentales perdidas y se aplique el correspondiente ANVA.
21

6 UNA OBSERVACIN PERDIDA:
Los estadsticos ALLAN, WISHART y YATES presentan para 1 unidad

experimental perdida el siguiente procedimiento:
En aquellos casos en los que se pierde una unidad experimental se puede obtener
un valor estimado a partir de la siguiente ecuacin:
Donde:
t = nmero de tratamientos
H = total de valores observados para la hilera que contiene la unidad faltante
C = total de valores observados para la columna que contiene la unidad faltante
T = total del tratamiento que contiene la unidad faltante
S = gran total de valores observados.
Posteriormente al efectuar el ANOVA se debe restar un grado de libertad al error

experimental y, por lo tanto, al total.
22

7 DOS OBSERVACIONES PERDIDAS:
De haber perdido dos o ms valores se sugiere emplear el mtodo iterativo

empleando las siguientes ecuaciones:
Para el clculo del primero de los datos faltantes:
Para el clculo del segundo datos faltante.
Posteriormente se contina con el proceso iterativo hasta lograr la concurrencia.
23

8 CONCLUSIONES Y RECOMENDACIONES
24

9 BIBLIOGRAFA
9.1 FUENTES BIBLIOGRFICAS
25

Monografia DCL

Cargado por

Copyright:

Formatos disponibles

Monografia DCL

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Monografia DCL

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL JOS FAUSTINO SANCHEZ CARRIN

FACULTAD DE INGENIERA INDUSTRIAL, SISTEMAS E

ESCUELA ACADMICA DE INGENIERA INDUSTRIAL

DISEO CUADRADO LATINO (DCL)

Curso: Estadstica Aplicada I

Docente: Vctor Silva Toledo

Barrenechea Sarmiento Brithany

UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

Un agradecimiento en especial a nuestro profesor Vctor Silva Toledo por su

DISEO CUADRADO LATINO

UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

Agradecemos de ante mano al grupo en general por el apoyo brindado en

Agradecer hoy y siempre a nuestros familiares por el esfuerzo realizado en su

DISEO CUADRADO LATINO

UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

DISEO CUADRADO LATINO

UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

El DCL se us originalmente en la agricultura para mejorar

En reas como la medicina y la zootecnia, las personas y animales hacen

- Analizar el diseo cuadrado latino, como herramienta en la toma de

- Identificar las herramientas estadsticas potencialmente tiles en los

La descripcin del diseo como un cuadrado es conveniente, aunque las

Los periodos entre un tratamiento y otro forman los bloques de la otra

DISEO CUADRADO LATINO

UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

Las limitaciones que se encontraron en el presente trabajo de

DISEO CUADRADO LATINO

UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

2 CAPTULO II: MARCO TERICO

2.1 CONCEPTOS FUNDAMENTALES:

MUESTRA: Es un subconjunto o parte de una poblacin. El tomar muestras se

MUESTRA ALEATORIA: Viene hacer la muestra elegida al azar, es la

POBLACION: Tambin llamada UNIVERSO, es el conjunto de elementos de

HIPOTESIS: Es el enunciado acerca del valor del parmetro poblacional.

VARIANZA: Es una media de dispersin definida como la esperanza del

FUNCIN DE DISTRIBUCIN: Funcin que hace corresponder a cada uno

CONTRASTE DE HIPTESIS: Es el conjunto de reglas establecidas para

VARIABLE ALEATORIA: Toda funcin que tomas diferentes valores

VARIABLE ALEATORIA DISCRETA: Son aquellas que tienen un nmero

VARIABLE ALEATORIA CONTINUA: Son aquellas que pueden tomar un

DISEO CUADRADO LATINO

UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

VARIABLE CATEGRICA: Es aquella que clasifica cada individuo de la

ESTADSTICA DESCRIPTIVA: Es el procedimiento estadstico que sirven

ESTADSTICA INFERENCIAL: Es el procedimiento estadstico que sirve

GRADOS DE LIBERTAD: Es el nmero de observaciones linealmente

HIPTESIS ALTERNATIVA: Es el aquel enunciado que no niega, ni afirma

HIPTESIS NULA: Es aquella que niega, lo que afirma la hiptesis de

MEDIA: Tambin conocida como la media aritmtica, que viene hacer el

NIVEL DE CONFIANZA: Es la probabilidad de que la estimacin que se

NIVEL DE SIGNIFICANCIA: Es el riesgo que se asume, acerca de rechazar

PRUEBAS NO PARAMTRICAS: Pruebas de hiptesis que implican datos

REGIN DE ACEPTACIN: Es el conjunto de valores de la estadstica de

REGIN DE RECHAZO O REGIN CRTICA: Es el conjunto de valores

DISEO CUADRADO LATINO

UNIVERSIDAD NACIONAL JOS FAUSTINO SNCHEZ CARRIN

El diseo cuadrado latino se usa para eliminar dos fuentes de variabilidad

Es un diseo a tres criterios, tambin se le conoce como: Diseo Greco Latino, y