El documento describe los principios de los diseños completamente aleatorizados y el análisis de varianza. Explica que en un diseño completamente aleatorio la aleatorización es irrestricta y tiene las ventajas de ser flexible y justa para cualquier número de tratamientos. También describe diferentes métodos para el análisis de diseños completamente aleatorizados como el modelo de medias de celda, modelos de componentes de varianzas, y pruebas de localización no paramétricas.

1. Autores:
Hanyel Acuña Araya
Antonella Alfaro Cruz
Yuliet Ramírez Salas
Capítulo 5: Diseños
completamente aleatorizados
y tamaño de muestra

2. 3. DCA a través del modelo súper parametrizado
Se refiere a la comparación de la igualdad de efectos de tratamiento
Hipótesis asociadas
•Se pueden hacer estimaciones y pruebas de hipótesis
2-Principios del análisis de varianza
Permite la descomposición de las diferentes fuentes de variación para analizar datos provenientes de un experimento aleatorio
1- Diseño completamente aleatorio
Aleatorización irrestricta
Ventaja
• Es flexible, sea justa a cualquier número de tratamientos.
• Observaciones perdidas no crean dificultades en el análisis
Desventajas
•Exige una muestra homogénea, la cual es difícil de
obtener

3. 6.
Análisis
de
un
DCA
a
través
de
pruebas
de
localización
no
paramétricas
5-
Modelos
de
Componentes
de
Varianzas
4-
DCA
a
través
del
modelo
de
medias
de
celda
Aleatorización
irrestricta
Ventaja
• El uso de modelos
de medias es que
el sistema tiene
solución única
Se divide en:
• Reducción de la
suma de
cuadrados
• Hipótesis
asociadas
Determinan el
procedimiento para
usarlo en el
análisis, ya cuando
los tratamientos son
fijos o el modelo ll
cuando los
tratamientos son
aleatorios.
Acá t muestras
aleatorias han sido
obtenidas desde t
poblaciones,
posiblemente
diferentes.
Prueba de Kruskal-
Wallis
• Ayuda a identificar
las poblaciones
que tienen
características
diferentes.

4. Número de réplicas en un diseño
completamente aleatorizado
• Tamaño de la
muestra a
partir de la
potencia
• Método de
Harris-Hurvitz-
Mood
• Método de
Tukey
• Número de
réplicas en el
modelo de
efectos
aleatorios
• Determinación
del tamaño de
muestra con
costo variable
por tratamiento

5. 8. SUBMUESTREO EN
DISEÑOS
COMPLETAMENTE
ALEATORIZADOS
• Modelo lineal en un DCA
con submuestreo
• Inferencia con
submuestro
10. SUBMUESTREO CON
FACTORES ALEATORIOS
EN DCA
9. COMPARACIÓN DE UN
DCA SIN Y CON
SUBMUESTREO
• El número de réplicas r
requerido puede ser
grande, de hecho, mucho
más grande de lo que
puede ser posible tanto
económicamente como en
las condiciones del
experimento