PRÁCTICA 13 (2015)

Apunte Español
Universidad Universidad Pompeu Fabra (UPF)
Grado Medicina - 2º curso
Asignatura Bioestadística
Año del apunte 2015
Páginas 7
Fecha de subida 20/04/2016
Descargas 4
Subido por

Vista previa del texto

Bioestadística 2º Medicina- UPF- UAB PRÁCTICA 13: Diseños experimentales Objetivos Construcción de diseños experimentales factoriales y factoriales fraccionales. Estimación de efectos y de su significación estadística.
Utilizaremos un simulador de experimentación! cada vez que hagamos un experimento va a salir un resultado distinto, igual que ocurre en el laboratorio.
Datos Te han encargado optimizar un cultivo bacteriano. Para ello, debes estudiar el efecto de una serie de características del medio de cultivo sobre el rendimiento del cultivo. En concreto, debes ajustar: " " " " pH ! 6 o 8 Temperatura ! 34 o 39 Grado de agitación ! lento o rápido Fuente de carbono ! glucosa o maltosa Para hacer un experimento usa el simulador que encontraras en http://lamia.imim.es/practicas y fija las condiciones del cultivo. Cada prueba costará 100€.
Protocolo 1. Diseña una serie de experimentos destinados a estimar los efectos principales de los factores que se mencionan más arriba intentando gastarte lo menos posible. Anota en tu informe: ph Temperatura Grado de agitación Fuente de carbono 6 8 34 39 Lento rápido Maltosa Glucosa -1 1 -1 1 -1 1 -1 1 Bioestadística 2º Medicina- UPF- UAB • La tabla de diseño Experimento pH Temperatura Grado de agitación Fuente de carbono 1 -1 -1 -1 -1 2 1 -1 -1 1 3 -1 1 -1 1 4 1 1 -1 -1 5 -1 -1 1 1 6 1 -1 1 -1 7 -1 1 1 -1 8 1 1 1 1 NOTA: El modo ideal de construir un diseño factorial fraccional sería 24 (4 condiciones) à 16 experimentos. Pero para reducir el nº de experimentos se hace 23 à 8 experimentos, donde la última columna se calcula multiplicando las otras 3.
• Los valores de rendimiento obtenidos • El coste total del estudio Experimento Rendimiento Coste acumulativo 1 53,598 100 2 65,138 100 3 29,256 100 4 28,697 100 5 59,343 100 6 57,637 100 7 20,632 100 8 35,131 100 800 • Los valores de los efectos estimados Efecto pH Efecto temperatura Efecto grado de agitación Efecto fuente de carbono -­‐53,598     -­‐53,598   -­‐53,598   -­‐53,598   65,138   -­‐29,256   28,697   -­‐59,343   57,637   -­‐20,632   35,131                 -­‐65,138   29,256   28,697   -­‐59,343   -­‐57,637   20,632   35,131   -­‐65,138   -­‐29,256   -­‐28,697   59,343   57,637   20,632   35,131   65,138   29,256   -­‐28,697   59,343   -­‐57,637   -­‐20,632   35,131   Total   23,774     -­‐122   -­‐3,946   28,304   Total/4   5,9435     -­‐30,5   -­‐0,9865   7,076   Bioestadística 2º Medicina- UPF- UAB 2. Acabas de recibir una subvención. Amplia el diseño como creas conveniente y repite el análisis de los efectos, utilizando ANOVA para estimar su significancia estadística y el IC95%.
Anota en tu informe: • La tabla de diseño Utilizamos los 8 experimentos anteriores y realizamos los otros 8 que nos faltan.
Experimento pH • Temperatura Grado de agitación Fuente de carbono 9 -1 -1 -1 -1 · -1 = 1 10 1 -1 -1 -1 11 -1 1 -1 -1 12 1 1 -1 1 13 -1 -1 1 -1 14 1 -1 1 1 15 -1 1 1 1 16 1 1 1 -1 Los valores de rendimiento obtenidos Experimento Rendimiento Coste acumulativo 9 58,901 100 10 58,357 100 11 21,33 100 12 32,682 100 13 51,386 100 14 64,586 100 15 29,136 100 16 26,968 100 1600 Bioestadística 2º Medicina- UPF- UAB • Los valores de los efectos estimados Total Total/8 • Efecto pH Efecto temperatura Efecto grado de agitación Efecto fuente de carbono -53,598 65,138 -29,256 28,697 -59,343 57,637 -20,632 35,131 -58,901 58,357 -21,33 32,682 -51,386 64,586 -29,136 26,968 45,614 5,70175 -53,598 -65,138 29,256 28,697 -59,343 -57,637 20,632 35,131 -58,901 -58,357 21,33 32,682 -51,386 -64,586 29,136 26,968 -245,114 -30,63925 -53,598 -65,138 -29,256 -28,697 59,343 57,637 20,632 35,131 -58,901 -58,357 -21,33 -32,682 51,386 64,586 29,136 26,968 -3,14 -0,3925 -53,598 65,138 29,256 -28,697 59,343 -57,637 -20,632 35,131 58,901 -58,357 -21,33 32,682 -51,386 64,586 29,136 -26,968 55,568 6,946 La significancia estadística de cada uno de los efectos Bioestadística 2º Medicina- UPF- UAB • El IC95 de cada uno de los efectos Pruebas de los efectos inter-sujetos Variable dependiente:Rendimiento Suma de cuadrados tipo Origen III Media gl cuadrática F Sig.
Modelo corregido 4078,698 a 4 1019,675 1170,073 ,000 Intersección 29996,335 1 29996,335 34420,681 ,000 130,040 1 130,040 149,220 ,000 3755,055 1 3755,055 4308,911 ,000 Gradoagitacion ,616 1 ,616 ,707 ,418 Fuentecarbono 192,988 1 192,988 221,453 ,000 Error 9,586 11 ,871 Total 34084,619 16 4088,284 15 pH Temperatura Total corregida a. R cuadrado = ,998 (R cuadrado corregida = ,997) Bioestadística 2º Medicina- UPF- UAB Estimaciones de los parámetros Variable dependiente:Rendimiento Intervalo de confianza 95% Parámetro B Error típ.
t Sig.
Límite inferior Límite superior Intersección 34,107 ,522 65,357 ,000 32,958 35,255 [pH=-1] -5,702 ,467 -12,216 ,000 -6,729 -4,674 [pH=1] 0 [Temperatura=-1] 0 a 0 a .
[Fuentecarbono=1] 0 .
65,642 .
.
.
.
,000 ,841 ,467 .
.
,467 -6,946 a .
,467 ,393 [Gradoagitacion=1] [Fuentecarbono=-1] .
30,639 [Temperatura=1] [Gradoagitacion=-1] a 29,612 .
,418 .
-14,881 .
.
.
-,635 .
,000 .
31,667 1,420 .
-7,973 .
-5,919 .
a. Al parámetro se le ha asignado el valor cero porque es redundante.
Para interpretar cuales son las condiciones óptimas del cultivo, primero nos fijamos en qué factores son estadísticamente significativos. En este caso, observamos que el grado de agitación no es estadísticamente significativo ya que su valor de p>0,05, por lo tanto se deduce que es un factor indiferente al rendimiento del cultivo. Los demás factores sí son estadísticamente significativos ya que obtienen un valor de p<0,05.
Para discriminar en cada factor cuál de las 2 condiciones es mejor para el rendimiento observamos el valor de dicho rendimiento en la tabla de Excel:   Efecto  pH   Efecto  temperatura   Efecto  grado  de  agitación   Efecto  fuente  de  carbono   Total/8   5,70175   -­‐30,63925   -­‐0,3925   6,946   *Se descarta, no es estadísticamente significativo.
Un valor positivo significa que, si aumentamos el grado del factor, el rendimiento, como consecuencia también aumenta. En caso contrario, si el valor es negativo, si aumentamos el grado del factor, el rendimiento disminuye.
En este caso, hemos obtenido: - Valor positivo de pH = 5,702. Esto indica que a un pH = 8 (valor mayor a 6) el rendimiento aumenta respecto si el pH fuera 6.
- Valor negativo de temperatura = -30,64. Esto indica que a una temperatura =39ºC (valor mayor a 34ºC) el rendimiento disminuirá respecto si la temperatura fuera 34ºC.
- Valor positivo de fuente de carbono = 6,946. Esto indica que usando una fuente de carbono de glucosa el rendimiento aumentará respecto si la fuente fuera maltosa.
Bioestadística 2º Medicina- UPF- UAB NOTA: Estos efectos son aditivos.
Ej.: Estimación de las condiciones óptimas para obtener gramos de penicilina de una bacteria.
El hecho de usar un pH 8, hace que se obtenga de media 5,7 gramos más de penicilina que si se usa un pH 6. Por lo contrario, usar una temperatura de 39, implicaría obtener 30,64 gramos de penicilina menos que si se usase una temperatura de 34.
• El coste total del estudio Cada experimento tenía un coste de 100€. Como hemos realizado 16 experimentos, el coste total del estudio es de 1.600€.
CONCLUSIÓN 3. Sugiere cuales son las condiciones óptimas de cultivo.
Las condiciones óptimas del cultivo son: PH=8 Temperatura= 34ºC Grado de agitación= indiferente Fuente de carbono= glucosa ...