FUNDAMENTOS DE ESTADISTICA.

...

CONCEPTOS BASICOS DE LOS DISEÑOS EXPERIMETALES

Diseñar un experimento simplemente significa planear un experimento, de modo que se reúna la información que sea pertinente al problema bajo investigación. El diseño de un experimento es pues , la secuencia completa de pasos tomados de antemano para asegurar que los datos apropiados se obtendrán de modo que permitan un análisis objetivo que conduzca a deducciones validas con respecto al problema establecido , tal definición de diseño experimental implica por su puesto que la persona que plantee el diseño entienda claramente los objetivos de la investigación propuesta

El propósito de cualquier diseño experimental es proporcionar una cantidad máxima de información pertinente al problema bajo investigación , sin embargo también es importante que el diseño o plan o programa de prueba sea tan simple como se pueda , además la investigación debería conducirse lo más eficientemente posible esto ,es deberá hacerse todo esfuerzo posible por ahorrar tiempo ,dinero, personal y material experimental . Afortunadamente la mayoría de los diseños estadísticos simples. No tan solo son fáciles de analizar, sino también son eficientes en ambos sentidos: el económico y el estadístico

TRATAMIENTO.- para el estadístico la palabra “tratamiento” implica el conjunto particular de condiciones experimentales que deben imponerse a una unidad experimental dentro de los confines del diseño seleccionado; tratamiento es pues cualquier procedimiento, método o estimulo cuyos efectos se desea estimar y comparar; un tratamiento puede referirse a una formula de fertilizante , una cantidad de agua a un cultivo, una ración alimenticia para ganado, una variedad de semilla. Etc.

UNIDAD EXPERIMENTAL.- es la unidad a la cual se le aplica un solo tratamiento en una reproducción del experimento básico.

TESTIGO..- sujeto tratamiento de comparación. Al realizar un experimento siempre se debe incluir un testigo para medir el resultado de dicho experimento o el avance de un programa,

REPETICION.- significa que un experimento se efectua dos o mas veces , su funcion es suministrar una información mas precisa de los efectos del tratamiento, el numero de repeticiones que se requieren en un experimento en particular, depende de la magnitud de las diferencias que deseamos detectar y de la variabilidad de los datos con los que estamos trabajando.

ERROR EXPERIMENTAL.- describe el fracaso de llegar a resultados idénticos con dos unidades experimentales tratadas idénticamente.

ALEATORIZACION..- es la asignación de tratamientos a unidades experimentales de modo que todas las unidades experimentales tengan iguales probabilidades de recibir un tratamiento, su función es asegurar estimaciones imparciales de medidas de tratamientos y del error experimental.

CONTROL LOCAL.-(bloqueo) permite ciertas restricciones sobre la selección aleatoria para reducir el error experimental.

HIPOTESIS ESTADISTICA.- son proposiciones a cerca de la distribución de la población, los tipos de hipótesis son: Hipótesis Nula (Ho) e Hipótesis Alternativa (Ha). Los procedimientos que nos permiten decidir “Aceptar” o “Rechazar” una hipótesis son llamados pruebas de hipótesis las cuales no son sino una regla de decisión.

ANALISIS DE VARIANZA (ANAVA).- Representa una poderosa herramienta de ingeniería estadística y de análisis de datos. Nos permite comparar muestras de dos o más de poblaciones y hacer inferencia a cerca de la relación entre las medias de la población correspondiente. El ANAVA es una de las técnicas más ampliamente usadas y mejor conocidas del análisis estadístico. Muchos de los análisis de datos desarrollas en la mayoría de las áreas del conocimiento aplican este análisis.

MODELO ESTADISTICO.- El concepto de modelo es el de una réplica de algo; así un aeroplano a escala, una muñeca, una maqueta, son modelos físicos .También existen muchos abstractos; por ejemplo el que describe el sistema solar con esferas de diferentes tamaños. Sin embargo , los más importantes para la ciencia son los modelos matemáticos , que son abstractos y emplean símbolos para representar conceptos que describen adecuadamente el mundo real, por ejemplo un círculo perfecto , el área está dada por

A = π r2

En física, los modelos son bastante precisos; en la biología, lo son menos. Una entidad biológica es en realidad muy complicada y casi imposible estudiarla en todos sus detalles, en estudios cuantitativos y cualitativos, tenemos limitar nuestra atención a ciertos rasgos principales del objeto en estudio, prescindiendo de otros muchos detalles e introduciendo suposiciones que simplifiquen el estudio.

En el análisis estadístico o cuantitativo también debemos adoptar un modelo, con el objeto de reducir los datos a unos cuantos parámetros y de fraccionar la variabilidad de las observaciones de acuerdo a las fuentes de variación conocidas.

Debido a que los modelos matemáticas determinan exactamente la relación entre las variables –lo cual requiere conocimiento de ellas- ya que en la práctica no es posible aplicar dichos modelos a los fenómenos aleatorios , en donde muchas variables que afectan a un fenómeno son desconocidas, en este último caso, el modelo que se postula se denomina modelo estadístico

Algunas diferencias entre un modelo matemático y un modelo estadístico

1.- el modelo estadístico es un modelo matemático en el cual interviene un elemento aleatorio que detonaremos por medio de una ϵ

2..- el modelo estadístico, en contraste con el modelo matemático, no se aplica a un solo evento, sino a un conjunto de ellos.

3.- en el modelo estadístico, a causa de un elemento aleatorio que interviene en él, no se puede determinar con exactitud el valor de una variable en función de otra. En el modelo estadístico, si es posible determinar las variables; por esta razón se llama modelo determinístico

Si consideramos a un tratamiento como un estimulo, que al ser aplicado a una unidad experimental es capaz de provocar una respuesta, ésta es una función de un conjunto de variables genéticas y ambientales. Que podemos clasificar en dos categorías: variables endógenas y variables exógenas. Las primeras son aquellas que no necesariamente están en estudio pero que pueden ser controladas, por ejemplo, el sexo, la raza, camada, variedad, fertilizante,