Manual Spss Para Resolver Dca,Dbca,Dcl y Friedman

UNHEVAL HUNUCO FACULTAD CIENCIAS AGRARIAS E.A.P. ING. AGROINDUSTRIA

0bler Edwin Duran Sacramento

Pgina 1


DCA (DISEO COMPLETAMENTE AL AZAR) EJEMPLO 2.- se presentan los resultados de la descendencia de tres reproductores vacunos, expresados por los pesos de los terneros hijos de cada reproductor a los cuatro meses de nacidos. Se puede llegar a la conclusin, de que existen diferencias entre los pesos promedios? REPRODUCTORES 2 73 99 90 101 92 93 .

1 90 92 100 83 84 81 76

3 101 96 64 103 . . .

PESOS

Planteamos la hiptesis para interpretar: H0: los pesos promedios son iguales en todo los reproductores (u1 = u2= u3=0) H1: los pesos promedios son diferentes (al menos un u1 0)

Paso 1: Paso 2:

Abrir SPSS Vista de variables poner nombre de las variables


Pgina 2


Paso 3:

Vista de datos introducir datos

Se introducen por columna los reproductores 1, 2, 3, y los pesos se introducen tambin por columna

Una vez introducido los datos correctamente: pasamos al siguiente paso

Paso 4:

Analizar comparar medias ANOVA de un factor

Clic


Pgina 3


Aparece automticamente la ventana de ANOVA de un factor

Paso 5:

correr las variables:

En la lista de dependientes colocamos la variable Pesos, porque los peso dependen de los reproductores

Paso 6:

Clic en post hoc, y seleccione una de las pruebas que desea compar

Clic y aparece la ventana de post hoc


Seleccione la prueba DMS, y clic en continuar y aceptar en la ventana de ANOVA de un factor Pgina 4


Se obtiene automticamente el resultado:

Paso 7:

Interpretar el resultado:

0.724

Interpretar: Como = 0.05 < 0.724, entonces decimos no existen diferencias significativos en el tratamiento Entonces se acepta la H0, se concluye que los pesos promedio son iguales en los reproductores:


Pgina 5


DISEO BLOQUE COMPLETAMENTE AL AZAR (DBCA) EJEMPLO 9: En un experimento de riegos de cultivo de algodn se tuvieron los siguientes tratamientos que estn expresados en metros cbicos de agua absorbida por hectrea. T1 = 5400, T2 = 4800, T3 = 4200, T4 = 3600. El experimento se condujo en parcelas de 300m2 de rea til y los resultados estn expresados en kilogramos. TRATAMIENTOS T3 T4 53 50 62 62 46 50

BLOQUES I II III

T1 68 86 68

T2 73 90 71

Paso 1: Paso 2:


Paso 3:

Se pone la etiqueta de valor para BLOQUES:

1 I

Introducir 1 Introducir I

aadir y as sucesivamente hasta 3


Pgina 6


Paso 4:

Poner la etiqueta de valor para TRATAMIENTO:

1

Introducir 1 Introducir T1

T1

Aadir y as sucesivamentehasta llegar 4 y T4 Una vez introducido la etiqueta de valor para cada variable: pasamos a siguiente paso:

Paso 5:

En vista de valores, introducimos los datos:

Vemos los datos introducidos en columna, para cada variable:


Pgina 7


Paso 6:

Analizar modelo lineal general Univariante:

CLIC

Paso 7:

Corremos la variables en la variable dependiente y factores fijos

En la variable dependiente corremos la variable de REPETICIONES porque las REPETICIONES dependen de los BOQUES y TRATAMIENTOS


Pgina 8


Paso 8:

Clic en modelo

CLIC

Y aparece la ventana univariante modelo:

Paso 9:

Clic en personalizado: y corremos las dos variables: y clic continuar

Ya est corrido

Y volvemos a la ventana anterior de univariante:

CLIC

Se abre una ventana univariante: Comparaciones mltiples de Post hoc


Pgina 9


Paso 10:

corremos la variable Tratamiento por que para este ejercicio solo se quiere comparar tratamiento y luego seleccionamos las pruebas que se desea comparar

Y luego clic en continuar y aceptar en la ventana de univariante Y se obtiene la respuesta: Para interpretar pasamos al siguiente paso

Paso 11:


Pgina 10


Interpretar: Como = 0.05 0.00, entonces decimos que existen diferencias significativas en bloques Entonces se rechaza la H0, se concluye que los


Pgina 11


DISEO CUADRADO LATINO (DCL) EJEMPLO 5: Un ingeniero est investigando el efecto que tienen cuatro mtodos de ensamblaje (A, B, C y D), sobre el tiempo de ensamblaje de un componente electrnico de un ordenador. Se seleccionan cuatro trabajadores para realizar este estudio. Por otra parte, el ingeniero sabe que cada mtodo de ensamblaje produce fatiga, por lo que el tiempo que tarda el ultimo ensamblaje puede ser el mayor que en el primero, independiente del mtodo. Para controlar esta posible fuente de variabilidad el ingeniero utiliza el diseo cuadrado latino que aparece a continuacin. Tiempo Orden de montaje 1 2 3 4 Operario Operario2 Operario3 14D 7A 18C 11D 10B 11C 10A 10A

Operario 1 10C 7B 5A 10D

Operario4 8B 8A 9D 14C

Paso 1: Paso 2:



Pgina 12


Paso 3:

Poner la etiqueta de valor para las variable Orden de montaje:

1

Introducir 1 Introducir OM1

OM1

Aadir y as sucesivamentehasta llegar 4 y OM4 Una vez introducido la etiqueta de valor para variable clic Aceptar: y luego pasamos a siguiente paso:

Paso 4:

Ponemos la etiqueta de valor para la variable Operario

1

Introducir 1 Introducir OP1

OP1

Aadir y as sucesivamentehasta llegar 4 y OP4 Una vez introducido la etiqueta de valor para variable Operario clic Aceptar: y luego pasamos a siguiente paso:


Pgina 13


Paso 5:

Ponemos la etiqueta de valor para la variable Tratamiento

1

Introducir 1 Introducir A

A

Aadir y as sucesivamentehasta llegar 4 y D

Una vez completado de introducir las etiquetas de valor: para todas las variables clic en aceptar: y pasamos al siguiente paso:

Paso 6:

Pasamos en: Vista de datos e introducimos los datos:

Para el tratamiento: A la letra A ponemos el valor de 1 A la letra B ponemos el valor de 2 A la letra C ponemos el valor de 3 A la letra D ponemos el valor de 4 pero estos nmeros colocamos en columna

Las llaves indican cmo se colocan los datos, estn por colores:


Pgina 14


Paso 7:

Analizar - modelo lineal general univariante

CLIC

Aparece una ventana de univariante:

Paso 8:

Corremos las variables a lista de dependientes y a factores fijos:

En la variable dependiente corremos la variable TIEMPO porque el TIEMPO es el que depende de ORDEN MONTAJE, OPERARIO Y TRATAMIENTO

Una vez corrido las variables, clic en modelo, indicamos en el siguiente paso:


Pgina 15


Paso 9:

Corrida de variables al modelo

Clic en modelo y aparece la ventana de univariante: modelo Clic personalizado Corremos las 3 variables al cuadro de modelo

Corremos las 3 variables al cuadro de modelo

Ya estn corridos las 3 variables

una vez corrido las 3 variables Clic continuar y se regresa automticamente en la ventana anterior de univariante y clic en post hoc


Pgina 16


Paso 10:

corrida de variables para la prueba post hoc

corremos la variable tratamiento

una vez corrido va variable, seleccionamoslas pruebas que se desea comparar

clic en continuar y clic en aceptar en la ventana de univarianteSe obtiene la respuesta automticamente, y luego analizamos en el siguiente paso


Pgina 17


PRUEBA DE FRIEDMAN Ejemplo 1: En el estudio de una tesis de la EAP. Ingeniera Agroindustrial sustitucin de la carne de cuy Cavia porcellus para obtencin de hamburguesas de Esteban (2009) en la evaluacin organolptica del atributo TEXTURA, segn tratamiento, de las hamburguesas obtenidas se obtuvieron los siguientes resultados: PANELISTAS Trat. P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 T0 6 5 5 6 6 5 5 7 6 6 4 4 T1 5 6 6 6 5 5 6 5 6 4 5 6 T2 6 5 5 6 6 6 6 5 5 6 6 5 T3 6 6 6 6 5 6 6 6 6 6 6 6 T4 6 6 7 6 6 6 6 7 6 7 6 6 T5 7 6 6 7 6 7 7 7 6 6 7 7 Planteamos las hiptesis para comparar al final. HO: Los hamburguesas segn tratamiento presenta el mismo atributo textura (to=t1=t2=t3=t4=t5)

H1: al menos uno de los tratamientos es diferente en el atributo de textura (ti0)


Pgina 18


Paso 1: Paso 2:

Abrir SPSS Vista de variables Poner nombre de las variables

Se pone los tratamientos, de (T0 hasta T5)

Paso 3:

Vista de datos: INTRODUCIMOS LOS DATOS:

OJO Todos los datos de T: introducimos al SPSS en columna

Una vez introducido todos los datos pasamos al siguiente paso:


Pgina 19


Paso 4:

Clic -- Analizar Pruebas no Paramtricas K muestras Relacionadas

CLIC

Aparece una ventana de pruebas para varias muestras relacionadas:

Paso 5:

Corremos los tratamientos (T): al cuadro de variables de contraste

Corremos las 5 variables al cuadro de modelo


Una vez corrido las variables: clic en FRIEDMAN y clic en Aceptar Y obtenemos el valor del modelo estadstico:


Pgina 20


Paso 6:

Analizamos la respuesta:

Como: = 0.05 y gl = 5 y X (0.05; 5) = 11.17:

2

(tabla A - )

Y el valor de modelo estadstico obtenido con el software es: T = 25.705 Cuando: el valor de modelo estadstico T es mayor que el valor de X obtenido en la tabla:2

(25.705 11.17): entonces se rechaza la H0, y se concluye que existe suficiente evidenciaestadstica para aceptar que al menos uno de los tratamientos presenta diferente textura.

Este mismo ejercicio compramos con el tipo de prueba de Wilcoxon

Paso 1:

El mismo ejercicio ya introducido:


Pgina 21


Paso 2:

Analizar - pruebas no paramtricas 2 muestras medias relacionadas

CLIC

Paso 3:

Corremos la variables:

Corremos las variables al cuadro de modelo


Corremos las variables en el cuadro de contrastar pares: T0 con (T1, T2, T3, T4, T5) Y T1 con (T2, T3, T4, T5) y T2 con (T3, T4, T5) Y T3 con (T4, T5) y T4 con T5


Pgina 22


Una vez corrido todas las variables correctamente: Clic en el tipo de prueba Wilcoxon, porque esta prueba es ms exacto: y luego clic en Aceptar: Obtenemos respuesta:

Comparamos =0.05 con todos los resultados (significacin asinttica (bilateral) 0.05 0.05 0.05 0.05 < < < 0.951 0.589 0.107 0.015 NS NS NS *


Pgina 23

Documents

Manual Spss Para Resolver Dca,Dbca,Dcl y Friedman