DISEO COMPLETAMENTE AL AZAR (DCA) Este diseo consiste en la asignacin de los tratamientos en forma completamente aleatoria a las unidades

experimentales (individuos, grupos, parcelas, jaulas, animales, insectos, etc.). Debido a su aleatorizacin irrestricta, es conveniente que se utilicen unidades experimentales de lo ms homogneas posibles: animales de la misma edad, del mismo peso, similar estado fisiolgico; parcelas de igual tamao, etc., de manera de disminuir la magnitud del error experimental, ocasionado por la variacin intrnseca de las unidades experimentales. Este diseo es apropiado para experimentos de laboratorio, invernadero, animales de bioterio, aves, conejos, cerdos, etc., es decir, situaciones experimentales como de las condiciones ambientales que rodean el experimento. Este diseo es el mas utilizado en la experimentacin con animales, asocindole la tcnica del anlisis de covarianza y arreglos de tratamiento de tipo factorial. Aleatorizacin Para ejemplificar el proceso de aleatorizacin irrestricta de los tratamientos a las unidades experimentales, considrese la prueba de cuatro tratamientos, cada uno de ellos con cinco repeticiones. El proceso mencionado podra realizarse formando cuatro grupos de tarjetas, representando cada uno de ellos a un tratamiento en particular, digamos T1, repetido cinco veces, y as T2, T3 y T4. Posteriormente mzclense las tarjetas en una urna y extraiga una tarjeta al azar, asignando el tratamiento correspondiente a un animal, terreno, maceta, jaula o grupo de animales en que consista cada unidad experimental. Reptase el procedimiento sin reemplazo hasta terminar su asignacin.

Modelo estadstico asociado al diseo: i = 1,2,3,..., t j = 1,2,3,..., n donde: = Variable respuesta en la j-sima repeticin del i-simo tratamiento = Media general = Efecto del tratamiento i. = Error aleatorio, donde Anlisis de la Varianza para el modelo Ho: Ha: al menos un efecto de un tratamiento es diferente de los dems.

Fuentes de Variacin (F.V.) Tratamientos Error

Grados de Libertad (G.L.) t-1

Suma de Cuadrados (S.C.)

Cuadrados Medios (C.M.)

F0

Total

Ejemplo: Se realiz un experimento para probar el efecto de cinco fuentes de energa utilizadas en dietas para engorda de toretes (T1. Testigo, T2. Melaza, T3. Cebo, T4.Maz, T5. Sorgo) en las cuales se midi la ganancia de peso (GP) durante el perodo de engorda. Se consideraron 5 repeticiones por tratamientos (25 animales) y se plante la hiptesis de igualdad de medias de tratamientos.

Repeticin 1 Repeticin 2 Repeticin 3 Repeticin 4 Repeticin 5

Trat 1 980 1050 1100 1000 1120

Trat 2 1200 1230 1150 1390 1250

Trat 3 1300 1180 1200 1170 1050

Trat 4 1400 1350 1380 1420 1500

Trat 5 1350 1420 1550 1600 1490

Repetici n1 Repetici n2 Repetici n3 Repetici n4 Repetici n5

Trat 1 980 1050 1100 1000 1120 5 5250

Trat 2 1200 1230 1150 1390 1250 5 6220

Trat 3 1300 1180 1200 1170 1050 5 5900

Trat 4 1400 1350 1380 1420 1500 5 7050

Trat 5 1350 1420 1550 1600 1490 5 7410 =25 31830

1050 551250 0 552730 0 14800 3700

1244 773768 0 777000 0 32320

1180 696200 0 699380 0 31800

1410 994050 0 995330 0 12800

1482 1098162 0 =41134300 1102150 0 =41265900 39880 =131600

8080

7950

3200

9970

En primer lugar se calcular el factor de correccin:

= 40525956

S.C. TRAT =

- F.C. = 41134300 40525956 = 608344

S.C. TOTAL =

- F.C. = 41265900 40525956 = 739944

S.C.TOTAL = S.C. TRAT + S.C. ERROR Al despejar de la ecuacin anterior S.C. ERROR queda como: S.C. ERROR = S.C.TOTAL S.C. TRAT = 739944 608344 = 131600

C.M TRAT =

= (608344 / 4) = 152086

C.M. ERROR =

= ( 131600 / 20) = 6580

Fo=

= (152086 / 6580) = 23.11

Fuentes de Grados de Variacin (F.V.) Libertad (G.L.) Tratamientos Error Total 4 20 24

Suma de Cuadrados (S.C.) 608344 131600 739944

Cuadrados Medios (C.M.) 152086 6580

F0 23.11

Para probar que Ho:

en oposicin a Ha: al menos un tratamiento

diferente de los demas con un = 2.866 de la tabla correspondiente y puesto que Fo>2.866 se rechaza Ho con un que al menos un tratamiento es diferente. Programa en SAS para calcular los resultados del problema anterior: Data s; Input trat rep gp; Cards; 1 1 980 1 2 1050 1 3 1100 1 4 1000 1 5 1120 2 1 1200 2 2 1230 2 3 1150 2 4 1390 2 5 1250 3 1 1300 3 2 1180 3 3 1200 3 4 1170 3 5 1050 4 1 1400 4 2 1350 4 3 1380 4 4 1420 4 5 1500 5 1 1350 5 2 1420 5 3 1550 5 4 1600

5 5 1490 proc print; proc anova; class trat; model gp=trat; run; The SAS System OBS TRAT REP 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 5 5 5 5 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 980 1050 1100 1000 1120 1200 1230 1150 1390 1250 1300 1180 1200 1170 1050 1400 1350 1380 1420 1500 1350 1420 1550 1600 1490 GP 1

Analysis of Variance Procedure Class Level Information Class Levels Values TRAT 5 12345

Number of observations in data set = 25

Analysis of Variance Procedure Dependent Variable: GP Sum of Mean Source DF Squares Square F Value Model Error 4 20 608344.0000 152086.0000 131600.0000 24 6580.0000

Pr > F 0.0001

23.11

Corrected Total R-Square 0.822149

739944.0000 C.V. Root MSE 81.11720 GP Mean 1273.200

6.371128

Dependent Variable: GP Source TRAT DF 4 Anova SS Mean Square F Value 608344.0000 152086.0000 23.11 Pr > F 0.0001

Puede observarse en los resultados del SAS que la Suma de Cuadrados del Modelo es igual a la Suma de Cuadrados de Tratamientos, debido a que existe una sola fuente de variacin (excluyendo al error). El SAS, empleando el PROC GLM en lugar del PROC ANOVA proporciona dos tipos de Sumas de Cuadrados, la Suma de Cuadrados Secuencial (Type I SS) y la Suma de Cuadrados Parcial (Type III SS), las cuales se diferencian por la forma en que son incluidos los efectos en el modelo, esta ltima usada para probar los efectos que nos interesan (Tratamientos). As mismo el SAS proporciona informacin acerca de los siguientes parmetros: Coeficiente de determinacin (R-Square), Coeficiente de Variacin (C.V.), Raz cuadrada del cuadrado medio del error (Root MSE) y la media de la variable respuesta (GP Mean). En el ejemplo anterior se ve una columna que indica Pr>F con un valor de 0.0001 esto indica que los tratamientos a base de fuentes energticas en la engorda de becerros producen diferencias altamente significativas (P<.01, en este caso los animales, diferentes. Como se detecto que al menos un tratamiento era diferente del resto se procede a realizar una prueba de comparacin de sus valores medios. Para hacer esto es necesario agregar en el programa de SAS las siguientes instrucciones: Data s; Input trat rep gp; Cards;

1 1 980 1 2 1050 ... 5 5 1490 proc print; proc anova; class trat; model gp=trat; means trat/tukey; run; Al ejecutar el programa en SAS despus del anlisis de la varianza aparece la siguiente tabla: Analysis of Variance Procedure Tukey's Studentized Range (HSD) Test for variable: GP NOTE: This test controls the type I experimentwise error rate, but generally has a higher type II error rate than REGWQ. Alpha= 0.05 df= 20 MSE= 6580 Critical Value of Studentized Range= 4.232 Minimum Significant Difference= 153.52 Means with the same letter are not significantly different. Tukey Grouping A A A B B B 1482.00 1410.00 1244.00 1180.00 1050.00 Mean 5 5 5 4 5 2 5 3 5 1 N TRAT

C C C

Note que en la salida de SAS Alpha=0.05, se encuentran diferencias entre las medias, es decir los tratamientos a base de Sorgo(T5) y Maz (T4) son superiores al Testigo (T1) y a los de melaza y cebo (T2 y T3), adems la melaza fue superior al testigo. En la salida de SAS se seala que las medidas que tengan la misma letra en columna no son significativamente diferentes. Tukey no es la nica prueba que puede usar para comparacin de medias, de acuerdo al inters de su investigacin puede usar pruebas mas o menos estrictas

para encontrar diferencias entre medias de tratamientos, otras pruebas son: DUNCAN, SCHEFFE, DMS, SND, DUNNET, entre otras. Para efectuar otras pruebas cambie tukey por la prueba deseada: proc anova; class trat; model gp=trat; means trat/duncan; run; Tambin SAS puede hacer varias pruebas al mismo tiempo: proc anova; class trat; model gp=trat; means trat/tukey Duncan scheffe dms snk dunnet; run; Objetivos del diseo experimental.

Proporcionar la mxima cantidad de informacin pertinente al problema bajo investigacin. El diseo, plan o programa debe ser tan simple como sea posible. La investigacin debe efectuarse lo ms eficientemente posible; ahorrar tiempo, dinero, personal y material experimental. "Proporcionar la mxima cantidad de informacin al mnimo costo"

Caractersticas del diseo experimental:

1. Manipulacin: es la intervencin deliberada del investigador para provocar cambios en la v. dependiente. 2. Aleatorizacin: mayor tamao de los efectos frente a la equiparacin. Todos los diseos experimentales se caracterizan por la manipulacin, pero pueden ser clasificados atendiendo a la aleatorizacin en: Autnticamente experimentales. Cuasiexperimentales. En los diseos experimentales la aleatorizacin es como se distribuyen los sujetos en los diferentes grupos que forman parte del estudio. El primer ensayo clnico aleatorizado se efectu en 1.947 por Sir Austin Bradford Hill y lo llev a cabo sobre el efecto de la Estreptomicina en la Tuberculosis, es el primer estudio realizado con un diseo experimental, hasta ese momento

el diseo investigador que se realizaba era el estudio de casos, estudios observacionales simples.

La aleatorizacin mide y reduce el error. En las Ciencias de la Salud como es tan importante estudiar los efectos que produce una variable, sus consecuencias y la relacin causa-efecto que se puede producir, es muy importante conocer el error y reducirlo en todo lo posible, por ello los estudios de investigacin deben ser y deben reunir la caracterstica de la aleatorizacin, por ello deben utilizarse diseos experimentales. Ejemplo: Estudio de incidencia de Ca de pulmn. Para llevarlo a cabo se cogeran dos grupos de personas que debern reunir idnticas caractersticas en cuanto al mismo nmero de individuos que lo componen, grupos de edad que lo forman e idntica proporcin en cuanto al genero, posteriormente se procedera a la comparacin e investigacin de Ca de pulmn en cada uno de los grupos. VENTAJAS DEL de modelo matematico. 1. Se elimina el efecto de las variables perturbadoras o extraas, mediante el efecto de la aleatorizacin. 2. El control y manipulacin de las variables predictorias clarifican la direccin y naturaleza de la causa. 3. Flexibilidad, eficiencia, simetra y manipulacin estadstica.

VIABILIDAD DEL de modelo matematico..

1. 2. 3.

Imposibilidad de manipular algunas variables. Cuestiones ticas. Practicabilidad.

INCONVENIENTES DEL de modelo matematico..

1. 2. 3.

Dificultad de elegibilidad y manejo de las variables de control. Dificultad de disponer de muestras representativas. Falta de realismo.

CALIDAD DEL de modelo matematico..

1. 2. 3. 4.

Validez Interna. Validez Externa. Validez Ecolgica. Validez de Constructo.

FORMULAS DE VARIANZA.

Varianza La varianza es la media aritmtica del cuadrado de las desviaciones respecto a la media de una distribucin estadstica.

Varianza para datos agrupados

Para simplificar el clculo de la varianza vamos o utilizar las siguientes expresiones que son equivalentes a las anteriores.

Varianza para datos agrupados

Desviacin tpica La desviacin tpica es la raz cuadrada de la varianza.

Desviacin tpica para datos agrupados