Este documento describe un análisis de varianza paramétrico y no paramétrico realizado con datos de un experimento de diseño completamente al azar. Los resultados mostraron que el método no paramétrico fue significativo mientras que el paramétrico no, por lo que el no paramétrico parece ser el mejor método para analizar estos datos. El método no paramétrico también fue más liberal en separar las medias de los tratamientos. Hubo diferencias significativas entre los tratamientos para la variable respuesta utilizando el método no paramétrico.

1. Gustavo Mora-Aguilera Manual de Practicas de Epidemiología FIT612/verano 2014 Colegio de Postgraduados 1
PRÁCTICA 6. ANALISIS DE VARIANZA
PARAMETRICO Y NO PARAMÉTRICO.
INTRODUCCIÓN
La investigación sobre aspectos fitosanitarios de cultivos agrícolas frecuentemente
requiere de evaluaciones con variables ordinales u nominales como la apariencia sanitaria de
árboles, p.e. 1=muerto, 2=muy malo,...6=muy bueno (Mora et al., 1988).
Por otra parte la incidencia o severidad de un daño es medida en porcentaje o
proporción. En ocasiones, como con datos porcentuales, es posible trasformar los valores (p.e.
raíz cuadrada) previo al uso de métodos paramétricos de análisis. Sin embargo, frecuentemente
la única alternativa es el uso de métodos no paramétricos. Otra razón para usar este enfoque de
análisis es cuando se sospecha que los datos, aunque contengan variables cuantitativas de tipo
continuo (p.e. de intervalo o proporción), no se apegan a una distribución normal o la varianza
no es homogénea entre las unidades experimentales (Infante y Zarate, 1984; Aczel, 1989).
Aunque los cálculos para un análisis de varianza mediante técnicas no paramétricas no es
complicado, p.e. Kruskal y Wallis para un diseño completamente al azar o el de Fridman para
un bloques completamente al azar, su poco uso se debe en parte a la escasa disponibilidad de
programas de cómputo que realicen automáticamente los cálculos. En este ejercicio se ilustran
procedimientos apropiados de SAS para métodos no paramétricos y paramétricos.
Los distintos parámetros asociados a una curva pueden ser usados en un ANVA, es
decir yo, xo, ri, yf , etc siempre y cuando provengan de un experimento con un diseño apropiado
para un ANVA. La variable respuesta usada en esta práctica es el ABCPE calculado en la
práctica previa. Su significado y cálculo, sin embargo, no es el propósito de esta práctica por lo
que se recomienda consultar las notas del curso. Para otros códigos de SAS para distintos
ANVA se recomienda el capítulo de Mora-Aguilera y Rivas (2001) sobre Bases para realizar
estudios de efectividad biológica de plaguicidas (Baustista y Diaz, eds. 2001)
OBJETIVO:
 Realizar un análisis de varianza paramétrico y no-paramétrico.
PROCEDIMIENTO:
Emplea los datos proporcionados en la práctica. Matriz de datos y la especificación del
código SAS se proporciona en la plataforma Moodle del Curso. Ejecuta el programa con las
variables y/o parámetros determinados por el profesor. Ejecuta (“corre”) el programa por etapas
para facilitar detección de errores. Guarda el contenido de tu PROGRAM EDITOR
frecuentemente.
Tu Turno
 Para el diseño experimental determinado en la práctica y comparando un método
paramétrico y un no-paramétrico ¿Cuál fue aparentemente el mejor método? Usa el
valor de F estimado y su significancia para contestar a esta pregunta así como la
separación de medias. Completa el siguiente Cuadro:
De acuerdo con la significancia obtenida con el método no paramétrico fue
altamente significativo, por que se dice que es el mejor método para el análisis de
estos datos.

2. Gustavo Mora-Aguilera Manual de Practicas de Epidemiología FIT612/verano 2014 Colegio de Postgraduados 2
Variable DCA
Paramétrico No Paramétrico
YF F value model=7.90
Pr > F=0.0105
F trat =7.90
Pr > F=0.0105
F value model=9.19
Pr > F=0.0067
F trat =9.19
Pr > F=0.0067**
 ¿Qué método fué más liberal en la separación de medias de tratamientos? Completa
el Cuadro siguiente y contesta con base en esa información:
Diseño Exp.
DCA paramétrico
Variable
YF
Método de
Comparación
Diferencia mínima significativa
||

YjiY o rango crítico
Separación entre medias
ordenadas por su magnitud
2 3…..13
Duncan 0.046 0.048
SNK 0.046 0.056
Tukey 0.057
Diseño Exp.
DCA No-
Paramétrico
Variable
YF
Método de
Comparación
Diferencia mínima significativa
||

YjiY o rango crítico
Separación entre medias
ordenadas por su magnitud
2 3…..13
Duncan 3.655 3.815
SNK 3.65 4.511
Tukey 4.51
 ¿Hubo diferencias significativas entre tratamientos con respecto a la variable
respuesta y el estimador de alguna otra representación? ¿Fueron los resultados
iguales? Realiza un Cuadro que incluya tratamientos, variable respuesta y la
separación de medias con un método liberal y uno conservador de tu elección
(incluye el valor de la media de tratamiento). Concluye en el contexto del problema.