DISEOS EXPERIMENTALES

FUNDAMENTOS DE LA EXPERIMENTACIN AGRCOLA

La estadstica.- Es uno de los elementos bsicos de la experimentacin agrcola, ya
que mediante ella se pueden obtener algunas conclusiones acerca de los experimentos.
La Bioestadstica.- Es el nombre que recibe la estadstica aplicada a los fenmenos
biolgicos: experimentos en los que es necesaria una valoracin estadstica, datos numricos
de enfermedades, etc.
El desarrollo agrcola de un pas se basa en las investigaciones que se realizan en ese
campo, valindose de la experimentacin. Cualquier modalidad en las tcnicas de cultivo al
introducirse por primera vez a una regin, necesita de la experimentacin para poder
adoptarlo y divulgarlo entre los agricultores. Esto se debe a que las condiciones de clima y
suelo varan en cada regin, estacin y ao.
Disear un experimento significa planear un trabajo de modo que rena la
informacin aplicable al problema de la investigacin.
ASPECTOS GENERALES
El Diseo de Experimentos tuvo su inicio terico a partir de 1935 por Sir Ronald A. Fisher,
quin sent la base de la teora del Diseo Experimental y que a la fecha se encuentra
bastante desarrollada y ampliada. Actualmente las aplicaciones son mltiples, especialmente
en la investigacin de las ciencias naturales, ingeniera, laboratorios y casi todas las ramas
de las ciencias sociales.
La experimentacin proporciona los datos experimentales, en contraste con los datos de la
observacin; los datos de la observacin se representan como su nombre indica por
observaciones de las unidades elementales de una poblacin o de una muestra, y no deben
ser cambiados ni modificados por ningn intento de parte de un investigador en el curso de
la observacin.


ORIENTACIONES GENERALES EN LA EXPERIMENTACION AGRICOLA
En la planificacin agrcola o biolgica y en el desarrollo de una investigacin en particular,
son de inters los siguientes aspectos:
Especificar los problemas: Con el fin de probar hiptesis o encontrar respuestas. Es
necesario considerar que los experimentos sean:
Experimentos simples: Cuando se estudia un solo factor de variacin; por ejemplo,
probar cinco variedades de sorgo, estudiar cinco dosis de nitrgeno en trigo, etc.
Experimentos factoriales: Cuando se estudian simultneamente dos o ms factores
que influyen en la produccin; por ejemplo, estudiar tres variedades, cada una sembrada a
tres densidades de siembra, o bien tratamientos de fsforo, nitrgeno y potasio, cada uno a
cuatro dosis por unidad de superficie.
Ubicar el lugar adecuado para la realizacin de los experimentos: Para lo cual se debe
elegir una localidad accesible y representativa de reas agrcolas, de suelo uniforme, con
unidades experimentales lo ms uniforme posible, y escoger el material adecuado para
experimentos, de manera que pueda estratificarse (agruparse unidades experimentales
con caractersticas homogneas) el terreno correctamente para formar grupos uniformes
y de fcil manejo.
Reducir las fuentes de error: Tanto del experimento como de aquellos errores o
equivocaciones operacionales. Es muy importante que en la seleccin de datos, muestreo,
etc., el personal responsable est constituido por tcnicos o personas con entrenamiento.
Mantener constante los diversos factores: Que pueden afectar a la produccin o la
calidad del producto, de manera que los nicos factores de variacin sean los
tratamientos objeto de estudio.
Extremar precauciones y ser cautos en los resultados experimentales: Considerando que
un experimento es una observacin de una muestra en una poblacin de experimentos.
Repetir experimentos uniformes en diferentes localidades, suelos y aos.
Tener conocimiento de la tecnologa de campo y saber cules son los problemas del
productor.
En la planeacin o diseo de un experimento agronmico, es necesario aplicar un
conjunto de disciplinas y conocimientos biolgicos con el fin de encontrar una respuesta
correcta a un problema especfico. Por ejemplo, si se comparan diversas variedades de trigo,
todos los factores de la produccin que influyen en el comportamiento de las variedades
deben permanecer constantes y las nicas fuentes de variacin o diferencias sern
presentadas por las variedades de trigo, si tales fuentes existen. Para lograr lo anterior, es
necesario contar con ciertos conocimientos sobre:
Suelos, a fin de elegir el terreno ms uniforme y adecuado para realizar el
experimento.
Fertilizacin, para cuando sea necesario planear experimentos con fertilizantes
qumicos o abonos orgnicos.
Topografa e hidrulica, para trazar parcelas, niveles, riegos, etc.
Especialidades afines como: Botnica, entomologa, fitopatologa, fisiologa, gentica,
ecologa, etc. para poder trabajar con seres vivos.
Tecnologas de Cultivos, sistemas agroforestales, y zootecnia, para manejar las
unidades experimentales.
Estadstica (biometra o bioestadstica), para evaluar y separar las diversas causas de
variacin y para realizar la interpretacin de los resultados experimentales.
PASOS AL PLANEAR UN EXPERIMENTO:
El mtodo cientfico sugiere que en el planeamiento de la experimentacin se debe tener
presente las siguientes etapas:
a. Definir el problema: En esta etapa se debe determinar los antecedentes, importancia,
objetivos, hiptesis a probar y revisin de la bibliografa.
b. Planeamiento y diseo del experimento: En esta etapa se debe tener en cuenta: Lugar de
ejecucin del experimento, tamao de la parcela o unidad experimental, nmero de
repeticiones por tratamiento, equipos e instrumentos a utilizar y mtodos de evaluacin de
los resultados
c. Ejecucin del experimento.
d. Recoleccin de datos del experimento.
e. Ordenamiento de la informacin experimental.
f. Discusin de los resultados obtenidos.
g. Anlisis econmico de los tratamientos que se probaron y utilidad prctica.
h. Conclusin final y recomendacin.

DISEO DEL EXPERIMENTO
Este trmino se utiliza para planear un experimento de manera que se pueda obtener la
informacin pertinente a un determinado problema que se investiga y as tomar decisiones
correctas. El diseo adecuado del experimento es una etapa fundamental de la
experimentacin, que permite el suministro correcto de datos a posteriori, los que a su vez
conducirn a un anlisis objetivo y con deducciones vlidas del problema.
PROPOSITO DE UN DISEO EXPERIMENTAL
El propsito de un diseo experimental es proporcionar mtodos que permitan obtener la
mayor cantidad de informacin vlida acerca de una investigacin, teniendo en cuenta el
factor costo y el uso adecuado del material disponible mediante mtodos que permitan
disminuir el error experimental.
Ejemplo 1. Un investigador desea probar la efectividad de un antibitico sobre cierta
bacteria. Para tal efecto, aplica una dosis conocida del antibitico en cajas petri que
contienen colonias de la bacteria y observa si stas continan no su desarrollo. Lo que
registra es la proporcin de colonias que sobreviven despus de 24 horas. Con el objeto de
tener una referencia, deja un nmero de cajas petri sin aplicar y observa tambin el
desarrollo de las colonias.
Ejemplo 2. Un investigador desea probar la efectividad de un nuevo medicamento para
regular los niveles de azcar en la sangre de pacientes diabticos. Para este fin administra el
medicamento a un grupo de 20 pacientes y observa su evolucin. Diariamente toma
muestras de sangre y registra el nivel de azcar. Como punto de referencia, selecciona al
mismo tiempo otro grupo de 20 pacientes diabticos y les administra un placebo; en este
caso, tambin se analizan muestras diarias de sangre.
En ambos casos se tienen poblaciones, que han sido generadas por la accin de un
investigador, mediante el uso de dos tratamientos. Un tratamiento puede ser una sustancia,
una tcnica, un proceso, etc. La idea es que el experimentador aplica los tratamientos a
unidades que reciben el nombre de Unidades Experimentales. En el ejemplo 1, las unidades
experimentales seran las colonias de bacterias contenidas en cajas petri, mientras que en el
ejemplo 2 cada paciente diabtico constituye una unidad experimental. Mediante la
aplicacin de tratamientos el investigador observa una respuesta en cada unidad
experimental. En el ejemplo 1 la respuesta es la sobrevivencia de las colonias; en el ejemplo
2 el nivel de azcar en la sangre.
En el proceso descrito, un aspecto muy importante para hacer comparaciones que tengan
validez, es la manera en que las unidades experimentales son asignadas a uno u otro
tratamiento. La manera en que se escoge a las unidades que tendrn cada tratamiento es
llamada un Diseo Experimental.
En resumen, en Estadstica los datos de inters son colecciones de observaciones obtenidas
estudiando el comportamiento de un fenmeno, ya se en estado natural o bien bajo control.
Cuando estudiamos un fenmeno en su estado natural, utilizamos el Diseo de Muestreo.
Cuando estudiamos un fenmeno bajo control, aplicando tratamientos a unidades
experimentales para observar una respuesta, utilizamos el Diseo de Experimentos.

CONCEPTOS BSICOS DE LA EXPERIMENTACIN


EXPERIMENTO.-
Steel y Torrie Consideran un experimento como una pregunta que detectar nuevos
hechos, confirmar los resultados de ensayos anteriores y dar recomendaciones de
aplicacin prctica.
Litlle y Jackson Afirman que el experimento es un elemento de investigacin
utilizada para descubrir algo desconocido para probar un principio una
hiptesis.
Cuando se proyecta un experimento, el investigador debe tener en mente dos
aspectos bsicos:
1).- La eleccin propiamente hablando, del arreglo geomtrico diseo experimental
2).- La composicin proyecto de los tratamientos, lo cual constituye el diseo de
tratamientos.
Un experimento bien concebido y diseado debe ser lo mas simple posible, tener
grandes posibilidades de alcanzar su objetivo y evitar los errores tendenciosos y sistemticos.
Sus conclusiones debern poseer un amplio rango de validez y los datos recabados a partir
del mismo deben de estar sujetos al anlisis a travs de procedimientos estadsticos vlidos.
POBLACION.- Es la coleccin conjunto de individuos, objetos eventos cuyas propiedades
sern analizadas. Dado que la estadstica utiliza nmeros, la poblacin es el conjunto
integrado por todos los posibles valores de una variable.
MUESTRA.- Es una parte de la poblacin. Est constituida por los individuos, objetos o
medidas seleccionados de la poblacin por el recolector de la muestra. En trminos de
nmeros, la muestra es el conjunto de datos que se colectan en una investigacin. Es
importante sealar que la muestra puede ser la poblacin completa.
VARIABLE-. Es una caracterstica que no es constante, sino que vara entre los miembros de
una poblacin muestra. Caracterstica de inters sobre cada elemento individual de una
poblacin o muestra. Las variables pueden ser cualitativas cuantitativas.
Las variables cualitativas de atributos son aquellas para las cuales no es posible hacer
mediciones numricas, por ejemplo, el color de los ojos de los estudiantes del curso de
Bioestadstica; en este caso, se hace una observacin cuando se asigna a un individuo a una
de varias categoras mutuamente excluyentes.
Las variables de tipo cuantitativo son aquellas que pueden medirse porque poseen un orden
o rango natural, por ejemplo, la estatura y el peso de los estudiantes del curso de
Bioestadstica.
DATO.- Valor de la variable asociado a un elemento de la poblacin muestra. Este valor
puede ser un nmero, una palabra o un smbolo.
DATOS.- Conjunto de valores recolectados para la variable de cada uno de los elementos
que pertenecen a la muestra.
PARAMETRO.- Valor numrico que resumen todos los datos de una poblacin completa.
TRATAMIENTO: Es una de las formas que en cantidad calidad, el factor a estudiar toma
durante el experimento. Por ejemplo; s el factor a estudiar son variedades de tomate, un
tratamiento es la variedad Ro Grande; s el factor a estudiar es cantidad de fertilizante, cada
una de las dosis de fertilizante aplicada durante el experimento es un tratamiento.
Los tratamientos a estudiar durante el experimento pueden ser una combinacin de
varios factores simples; s quiere estudiarse la distancia entre hileras y la distancia entre
plantas en un cultivo, se pueden considerar tratamientos simples como 80 cm. entre hileras
3 cm. entre plantas; combinados como 80 cm. entre hileras y 3 cm. entre plantas.

Por ejemplo en la Industria, el productor de detergentes puede establecer como
tratamiento el tipo de agua (dura suave), la temperatura del agua, la duracin del lavado,
la marca y el tipo de lavadora, etc. En los estudios Sociolgicos y Psicolgicos, los
tratamientos se pueden referir a edad, sexo, grado de educacin, religin, etc.
TRATAMIENTO TESTIGO.- Es un elemento sujeto de comparacin que se considera como
un tratamiento mas de la investigacin que se va a realizar. Por ejemplo, s desea probar en
una regin el rendimiento de una variedad nueva de tomate, se planear el ensayo de tal
manera que se incluyan variedades locales como testigo. Si la nueva variedad presenta
mayor resistencia a plagas y enfermedades y en consecuencia produce mayor rendimiento
por hectrea, esa variedad es la que se recomendar para la zona donde se realiz el ensayo.
UNIDAD EXPERIMENTAL.- Es el material experimental al que se le aplica un tratamiento de
manera uniforme. El material experimental puede ser un animal, un conjunto de semillas,
una parcela, una maceta, un rbol, un tubo de ensaye, etc.
El material experimental debe ser suficientemente homogneo; la variabilidad debe
ser mnima para que los efectos de tratamientos sean notables. En experimentos con
animales la uniformidad debe referirse a peso, edad, raza, etc. En experimentos de campo,
las unidades experimentales (parcelas) deben recibir las mismas labores agrcolas en un
momento dado.
REPETICIN.- Cuando en un experimento se tiene un conjunto de tratamientos para poder
estimar el error experimental, es necesario que dichos tratamientos aparezcan ms de una
vez en el experimento, para as aumentar la precisin de la investigacin, controlar el error
experimental y disminuir la desviacin estndar de la media. Por lo tanto se entender por
repeticin el nmero de veces que un tratamiento aparecer en el experimento. Por regla
general, en las investigaciones de campo se recomiendan entre cuatro y ocho repeticiones
para un grado de precisin razonable.

BLOQUE.- Es un conjunto de unidades experimentales lo mas homogneos posibles, en el
cual aparecen todos los tratamientos una sola vez, dicho bloque se debe de colocar
perpendicularmente a un gradiente de variabilidad fertilidad para tratar de minimizar el
error experimental.
DISEO EXPERIMENTAL.- Es el procedimiento que se sigue para asignar los tratamientos a
las unidades experimentales. Es un mtodo aleatorio sea de asignacin al azar, porque se
decide el tratamiento que corresponde a cada unidad experimental mediante un sorteo
por medio de una tabla de nmeros aleatorios. El diseo experimental tiene como objetivo,
definir el arreglo de los tratamientos sobre las unidades experimentales, de tal modo que se
obtengan estimaciones de los contrastes de inters para el investigador con la mayor
precisin posible.
HIPTESIS.- La consideracin del conjunto de hechos acerca de un sujeto conduce al
establecimiento de una hiptesis. Es una idea provisoria de cmo los hechos han de ser
interpretados y explicados.
Hiptesis nula (Ho).- t
1
= t
2
= t
3
= t
n
No existe diferencia significativa

Hiptesis alternativa (Ha).- t
1
t
2
t
3
Si existe diferencia significativa

VARIABLE.- Es una caracterstica medible de una unidad experimental.- Por ejemplo altura
de plantas, dimetro de frutos, das a floracin, rendimiento, incremento de peso, rea
foliar, etc.
ALEATORIZACIN.- Es la base para interpretar los resultados de un experimento y consiste
en asignar los tratamientos al azar sobre las unidades experimentales. La aleatorizacin
asegura, en primer lugar, la independencia probabilstica de las observaciones, en segundo
lugar, el proceso de aleatorizacin elimina cualquier efecto sistemtico que pudiera existir
en el material experimental.
ERROR EXPERIMENTAL.- Los errores experimentales varan no solo por la accin de los
tratamientos, sino tambin por variaciones ambientales que tienden a enmascarar el efecto
de los tratamientos. Por lo general para expresar estas variaciones se usa el error
experimental. El trmino error no quiere decir equivocacin, sino que incluye todo tipo de
variacin externa ajena al material experimental. El error experimental es la medida de
variacin que existe entre las observaciones de unidades experimentales en el mismo
tratamiento, es decir, la variacin no proveniente de los tratamientos. El error experimental
no se puede eliminar, pero sus efectos se pueden reducir.

MODALIDADES MS RECOMENDABLES PARA DISMINUIR EL ERROR
EXPERIMENTAL.
+ Utilizar unidades experimentales muy uniformes (suelo homogneo, riegos, etc.)
+ Tamao adecuado de la unidad experimental.
+ Eliminacin del efecto de orilla.
+ Distribucin adecuada de los tratamientos mediante sorteos.
+ Usar el nmero adecuado de repeticiones.
+ Poner todos los tratamientos en igualdad de condiciones
EFECTOS DE ORILLA.- Con relacin a los experimentos de campo, es comn observar que
las plantas situadas en los linderos de las parcelas muestran un mayor rendimiento que las
plantas en cualquier punto interior. La razn es universalmente conocida, puesto que las
plantas interiores estn sujetas a una mayor competencia por luz y por nutrientes, que las
plantas situadas en los linderos. Por otra parte, los tratamientos de un experimento que
favorecen el buen desarrollo de las plantas, ejercen una influencia negativa sobre las plantas
de las parcelas vecinas, que han recibido un tratamiento que no favorece notablemente al
desarrollo de las plantas. Tal efecto se conoce como efecto de orilla y debe eliminarse
hasta donde sea posible, de los experimentos que se conducen.
PARCELA TIL PARCELA EFECTIVA.- Cuando se van a analizar las variables
correspondientes al experimento se elimina una faja alrededor de la parcela, haciendo la
observacin de las variables sobre el lote que queda despus de eliminar la faja exterior. De
acuerdo con De la loma (1966), deben eliminarse los dos surco laterales de cada orilla y en
los extremos ( las cabeceras ), debe eliminarse la longitud equivalente a dos matas a la
anchura ocupada por dos surcos.
ANLISIS DE LOS DATOS E INTERPRETACIN DE LOS RESULTADOS.-Todos los datos
debern analizarse tal como fueron planeados; los resultados se debern interpretar a la luz
de las condiciones experimentales; se comprobar la hiptesis y deber definirse la
relacin de los resultados con los hechos previamente establecidos.
PRUEBAS DE COMPARACION DE MEDIAS.-Es propsito de todo investigador que realiza un
anlisis de variancia de un experimento en particular, realizar la prueba sobre el efecto de
los tratamientos en estudio, para ello hace uso de la prueba F el cual indicar si los efectos
de todos los tratamientos son iguales o diferentes; en caso de aceptar la hiptesis de que
todos los tratamientos no tienen el mismo efecto, entonces es necesario realizar pruebas de
comparacin de promedios a fin de saber entre que tratamientos hay diferencias.
ANALISIS DE LA VARIANZA.- Es una tcnica estadstica que sirve para analizar la variacin
total de los resultados experimentales de un diseo en particular, descomponindolo en
fuentes de variacin independientes atribuibles a cada uno de los efectos en que constituye
el diseo experimental.
COEFICIENTE DE VARIACION. Es una medida de variabilidad relativa (sin unidades de
medida) cuyo uso es para cuantificar en trminos porcentuales la variabilidad de las
unidades experimentales frente a la aplicacin de un determinado tratamiento. En
experimentacin no controlada (condiciones de campo) se considera que un coeficiente de
variabilidad mayor a 35% es elevado por lo que se debe tener especial cuidado en las
interpretaciones y conclusiones; en condiciones controladas (laboratorio) se considera un
coeficiente de variabilidad mayor como elevado.
VARIABLE DE RESPUESTA.- Es la variable que evaluara los efectos de los tratamientos. Por
ejemplo:
Rendimiento de un cultivo en kg por parcela;
Ganancia de peso en kg por cerdo;
Altura de la planta;
Das a germinacin, etc.
FACTOR.- Es una variable independiente que afecta los resultados del experimento. Un
Factor en estudio es aquel cuyos valores son controlados y cuyo efecto ser evaluado en los
resultados del experimento. A los diferentes valores que son estudiados se les llama Niveles
del Factor. En un experimento se puede evaluar un solo factor o ms de uno. Es importante
mencionar que la dificultad en la conduccin y anlisis de los resultados de un experimento
aumentara considerablemente conforme mas factores sean evaluados. Por ejemplo:
Factor: Distancia entre plantas.
Niveles: 0.4, 0.6 y 0.8 m de distancia entre plantas.
Factor: Dosis de Nitrgeno.
Niveles: 10, 20, 30 y 40 kg por parcela.
Factor: Dosis de Vitamina B
12
en la alimentacin de cerdos.
Niveles: 5, 10 y 15 lb
-1
de racin.




MODELO ESTADISTICO.- Es una representacin matemtica de la relacin existente entre
los diversos factores o componentes considerados en un diseo experimental.
Por ejemplo:
X
ij
= + t
i
+
j
+
ij



i
= 1, 2, t

j
= 1, 2,.... r
Donde:
X
ij
= Es la observacin del tratamiento
i
en el bloque
j
.
= Es el efecto verdadero de la media general.
t
i
= Es el efecto del
i
- simo tratamiento.

j
= Es el efecto del
j
- simo bloque.

ij
= Es el error experimental.
DISEO EXPERIMENTAL COMPLETAMENTE AL AZAR (DCA)
Es el tipo de arreglo ms sencillo; Los tratamientos estn asignados completamente al azar a
las unidades experimentales (individuos, grupos, parcelas, jaulas, animales, insectos, etc.),
por lo que la variabilidad total de las observaciones se debe por lo general a dos cosas:
- Una debido al efecto de los tratamientos
- Otra debido al error experimental
Por otra parte, el anlisis de la varianza contiene nicamente dos fuentes de variacin y se
caracteriza porque:
- Puede aplicarse cuando se estudian dos o ms tratamientos
- Las unidades experimentales deben de ser homogneas
- Los tratamientos deben de asignarse a las unidades experimentales totalmente al
azar.

VENTAJAS:
Puede utilizarse cuando las repeticiones por tratamiento son diferentes.
Cuando sea probable que parte del experimento, ya sean unidades experimentales o
tratamientos se pierdan o se rechacen por alguna razn.
El anlisis estadstico que se desarrolla es sencillo.
En experimentos pequeos, se tiene mayor precisin, ya que contiene ms grados de
libertad para estimar el error experimental.
DESVENTAJAS:
Cuando las unidades experimentales son heterogneas pierde precisin
La variacin que existe entre las unidades experimentales forma parte del error
experimental.
Este diseo se utiliza cuando las unidades experimentales son esencialmente homogneas
(animales de la misma edad, del mismo peso, similar estado fisiolgico; parcelas de igual
tamao, etc.) o sea, que no es posible identificar un factor que las afecte sistemticamente.
Por ello, es poco utilizado a nivel de campo sin embargo, puede utilizarse en invernaderos,
laboratorios, rea pecuaria (aves. conejos, cerdos, etc.,) en los cuales debe de existir mayor
control de los factores que las puedan afectar.
ANALISIS ESTADISTICO:
Las suposiciones que se consideran para probar la hiptesis de igualdad por efecto de
tratamientos con el ANAVA son:
Los valores observados de un tratamiento son una muestra aleatoria de un conjunto
infinito de observaciones del tratamiento bajo las mismas condiciones del
experimento.
Las variaciones en las unidades experimentales tratadas igualmente es la misma para
todos los tratamientos.
Las observaciones se distribuyen normalmente.
Estas suposiciones son equivalentes a asumir que se tienen t muestras aleatorias
independientes procedentes de t poblaciones normales con varianza comn.
Las observaciones procedentes de cada una de las unidades experimentales pueden ajustarse
a un modelo estadstico. El desarrollo teorico de los diseos experimentales esta basado en la
teora de los modelos lineales.

MODELO ESTADISTICO

ij
= t
i
+ +
ij
con i = 1,2,3.t. y

j = 1,2,3n
k

Donde:

ij
= Variable de respuesta en la j-esima repeticin del i-esimo tratamiento
t
i
= Efecto verdadero del i-esimo tratamiento

ij
= Es el error experimental de la ij-esima observacin


HIPOTESIS EN PRUEBA:

Ho: t
1
= t
2
= t
3
...... = t
k

Ha: Existe por lo menos un efecto diferente

TABLA DE ANOVA PARA UN DISEO EXPERIMENTAL COMPLETAMENTE AL AZAR
CUANDO LOS TRATAMIENTOS TIENEN IGUAL NUMERO DE REPETICIONES





Fuentes de
Variacin

Grados de
libertad

Sumas de
Cuadrados
(SC)

Cuadrados
Medios (CM)

Fc

Ft
0.05 0.01


Tratamientos


a-1

X
2
i
.


-
F.C.
n

SCtrat/gltrat


CMtrat/CMerror



Error

Diferencia

SCtot - SCtrat

SCerror/glerror



Total


an-1

X
2
ij - F.
C.


TABLA DE ANOVA PARA UN DISEO EXPERIMENTAL COMPLETAMENTE AL AZAR
CUANDO LOS TRATAMIENTOS TIENEN DIFERENTE NUMERO DE REPETICIONES

__________
F.C. = CME
_______ X 100
__
X




Fuentes de
Variacin

Grados
de
libertad

Sumas de
Cuadrados (SC)

Cuadrados
Medios (CM)

Fc

Ft
0.05 0.01


Tratamientos


a-1
X
2
i
.

X
2
2
.
+ -
F.C.
n
1
n
2


SCtrat/gltrat


CMtrat/CMerror



Error

Diferen.

SCtot - SCtrat

SCerror/glerror



Total


an-1

X
2
ij - F. C.


1.- Se realiz un experimento para evaluar los efectos de aplicaciones de azufre para reducir la
Roa de la Papa. La razn de las aplicaciones de azufre es aumentar la acidez del suelo, ya
que esta enfermedad no prospera en suelos muy cidos. Adems de las parcelas sin
tratamiento que se utilizaron como testigo, se compararon tres dosis; 300, 600 y 1200 kg ha
-1
.
Las aplicaciones se probaron en otoo. El azufre se espolvore a mano sobre la superficie del
suelo y posteriormente se incorpor con un rastreo de discos a una profundidad de 10 cm. La
variable por analizar es el ndice de roa.
Diseo de campo e ndice de roa de la papa

F300
8
O
12
F600
16
F1200
10
O
10
F1200
4
F600
10
O
24
F300
8
F600
18
O
30
F600
18
F300
16
F1200
4
F1200
5
F300
4
F600
12
F1200
7
F300
9
F1200
17

Notacin: F = Otoo; O = Testigo. Los nmeros 300, 600 y 1200 son las cantidades
de azufre en kg ha
-1


















DISEO BLOQUES COMPLETAMENTE AL AZAR
CARACTERSTICAS

- El diseo es muy eficiente cuando el material experimental no es completamente
homogneo.
- En las investigaciones de campo, los ensayos en blanco (sin aplicacin de
tratamientos), permite descubrir si es que existe la direccin del gradiente de
fertilidad.
- En los experimentos agrcolas de campo, las parcelas se agrupan en bloques, de tal
forma que stos se tracen de manera perpendicular al gradiente de variacin que se
desea eliminar, generalmente es la pendiente.
- Se sugiere que las labores agrcolas sean realizadas por bloque repeticin.
- Este tipo de diseo es muy flexible, ya que puede tener cualquier nmero de bloques
y tratamientos, con un mnimo de dos bloques.
- Es posible estimar datos perdidos.
- Cuando el nmero de tratamientos es muy grande es difcil mantener la
homogeneidad dentro de los bloques y estima el error experimental con menos
grados de libertad que el diseo completamente al azar.
- La aleatorizacin de los tratamientos sobre las unidades experimentales se realiza
independientemente para cada bloque, asignando al azar un tratamiento a cada
unidad experimental del propio bloque. Generalmente el sorteo de los tratamientos
se hace por medio de tarjetas.
- En los experimentos de campo es recomendable que las unidades experimentales de
un bloque sean ms menos uniformes.
- En experimentos con animales (cerdos), los bloques deben de estar formados por
grupos de animales que tengan aproximadamente el mismo peso y edad bien que
provengan de una sola camada.
- En experimentos con especies forestales de gran tamao, la unidad experimental
puede ser un rbol y los bloques deben de agruparse con rboles ms menos de la
misma altura, con el mismo volumen de copa y con dimetro de tallo ms menos
similar. No es necesario que los rboles de un mismo bloque estn fsicamente juntos,
ya que es ms importante las caractersticas propias de los rboles que el rea
experimental para definir uniformidad.
En la siguiente figura se muestra un experimento con diseo de bloques completamente
al azar con cuatro repeticiones y seis tratamientos debidamente aleatorizados sobre las
unidades experimentales de cada bloque. Las letras sobre las parcelas denotan a los
tratamientos y los nmeros a las unidades experimentales.



I



II


III


IV


Caractersticas de la unidad experimental

- Cinco surcos de 8.0 metros de largo por 4.0 metros de ancho.
- Parcela efectiva Parcela til: tres surcos centrales de 7.0 metros de largo.
- Nmero de unidades experimentales del lote experimental: 24.
El modelo estadstico del diseo experimental de bloques completamente al azar es.
Xij = + i + j + ij

i = 1, 2,..... t
j = 1, 2,.... r
Donde:
Xij = Es la observacin del tratamiento i en el bloque j.
= Es el efecto verdadero de la media general.
i = Es el efecto del i simo tratamiento.
j = Es el efecto del j simo bloque.
ij = Es el error experimental.


1
C

2
D
3
A
4
F
5
B
6
E
7
E
8
F
9
B
10
D
11
A
12
C
13
D

14
C
15
F
16
E
17
B
18
A
19
D


20
A
21
F
22
B
23
C
24
E
MODELO DEL ANLISIS DE VARIANZA (ANAVA) PARA UN DISEO EXPERIMENTAL
DE BLOQUES COMPLETAMENTE AL AZAR




Donde: a = nmero de tratamientos
n = nmero de repeticiones


C. V. Cuadrado Medio del Error
X 100

Media General

Fuentes de
Variacin

Grados de
libertad

Sumas de
Cuadrados
(SC)

Cuadrados
Medios (CM)

Fc

Ft
0.05 0.01


Tratamientos


a -1

X
2
i
.

-
F. C.
i = 1
n

SCtrat/gltrat


CMtrat/CMerror




CMbloque/CMerror

Bloque

n -1

X
2
j
. -
F. C.
j = 1
t


SCboque/glbloque




Error

Diferencia

SCtot -
SCtrat

SCerror/glerror



Total


an -1

X
2
ij -
F. C.
i j



t, r
Factor de Correccin = F. C. = X
2
i j

i j
a n

Factor de Correccin = F. C. = (Gran Total)
2
a n
Hiptesis nula = (Ho) = No existe diferencia estadstica entre tratamientos
Hiptesis alternativa = (Ha) = Si existe diferencia estadstica entre tratamientos



DISEO DE BLOQUES COMPLETAMENTE AL AZAR CON PARCELA PERDIDA

En los experimentos de campo es frecuente perder la observacin en una
varias unidades experimentales debido a baja emergencia de plantas, daos de
animales, daos de maquinaria u otros daos mecnicos. En los experimentos con
animales tambin es frecuente perder informacin en una varias de las unidades
experimentales debido a enfermedad muerte de los animales en el perodo del
experimento.
Cuando se pierde informacin en una unidad experimental, no es posible
analizar el experimento debido a que el diseo requiere para su anlisis de igual
nmero de repeticiones por tratamiento, por lo que es necesario hacer una
estimacin de la observacin faltante.
Para ilustrar la tcnica del clculo de la parcela perdida, consideremos el siguiente
ejemplo en donde se compararon cinco variedades de sorgo con el siguiente croquis
de campo:




I


T
5


T
2


T
1


T
3


T
4


II


T
4


T
1


T
3


T
5


T
2


III


T
3


T
5


T
4


T
2


T
1


IV


T
5


T
2


T
1


T
4


T
3


Los datos de rendimiento de grano por parcela til en kg. Fueron los siguientes:


BLOQUES

TRATAMIENTOS

1 2 3 4 5

I

6 7 8 9 12

II

7 7 7 9 12

III

7 8 8 X
43
14

IV

8 9 9 11 15

La observacin del tratamiento 4 en la repeticin III, se estimar usando la
siguiente ecuacin:
Xij = X
43
= aT + nB - G

(a - 1) ( n -1 )





Donde:

Xij = X
43
= Rendimiento de la parcela perdida

a = Nmero de tratamientos

n = Nmero de bloques

T = Total del tratamiento que contiene la parcela perdida

B = Total del bloque que contiene la parcela perdida

G = Total de todas las observaciones

Clculo del dato perdido

Xij = X
43
= 5 (29) + 4 (37) - 173

(4) (3)


Xij = X
43
= 145 + 148 - 173

12

Xij = X
43
= 120
= 10
12


El dato obtenido se sustituye en el lugar de la observacin faltante y se hace
en la forma acostumbrada, con la diferencia de que se resta un grado de libertad al
error experimental.




La tabla de los datos de rendimiento de grano por parcela til queda de la siguiente
manera:


BLOQUES


TRATAMIENTOS

1 2 3 4 5 Xj

I

6 7 8 9 12 42

II

7 7 7 9 12 42

III

7 8 8 10 14 47

IV

8 9 9 11 15 152

Xi

28 31 32 39 53 183 = G



7.0 7.75 8.0 9.75 13.25




T A B L A D E D A T O S
VARIABLE: Rendimiento de Grano
---------------------------------------------------------------------------------
B L O Q U E S
TRATA. I II III IV
---------------------------------------------------------------------------------
1 6.0000 7.0000 7.0000 8.0000
2 7.0000 7.0000 8.0000 9.0000
3 8.0000 7.0000 8.0000 9.0000
4 9.0000 9.0000 10.0000 11.0000
5 12.0000 12.0000 14.0000 15.0000
---------------------------------------------------------------------------------





A N A L I S I S D E V A R I A N Z A
---------------------------------------------------------------------------------
FV GL SC CM F P>F
---------------------------------------------------------------------------------
TRATAMIENTOS 4 100.300049 25.075012 110.3354** 0.000
BLOQUES 3 13.750122 4.583374 20.1678** 0.000
ERROR 11 2.499878 0.227262
TOTAL 18 116.550049
---------------------------------------------------------------------------------
C.V. = 5.210051%

A N A L I S I S D E V A R I A N Z A
CORRIGIENDO LA SUMA DE CUADRADOS DE BLOQUES Y TRATAMIENTOS
---------------------------------------------------------------------------------
FV GL SC CM F P>F
---------------------------------------------------------------------------------
TRATAMIENTOS 4 99.850052 24.962513 109.8404 0.000
BLOQUES 3 13.439545 4.479848 19.7123 0.000
ERROR 11 2.499878 0.227262
TOTAL 18 116.550049
---------------------------------------------------------------------------------
C.V. = 5.210051%
PARA MAS INFORMACION SOBRE LA DIFERENCIA ENTRE LOS DOS ANALISIS DE
VARIANZA CONSULTAR:
Steel, R.G.D y J. H. Torrie. 1985. Bioestadstica:
Principios y Procedimientos. Segunda Ed. McGraw-Hill.












COMPARACION DE MEDIAS
T A B L A D E M E D I A S
----------------------------------------------------------
TRATAMIENTO MEDIA
----------------------------------------------------------
1 7.000000
2 7.750000
3 8.000000
4 9.750000
5 13.250000
---------------------------------------------------------

T A B L A D E D A T O S
VARIABLE: Rendimiento de Grano
------------------------------------------------------------
NUMERO DE TRATAMIENTOS = 5
NUMERO DE REPETICIONES = 4
CUADRADO MEDIO DEL ERROR = 0.2273
GRADOS DE LIBERTAD DEL ERROR = 11
------------------------------------------------------------

T A B L A D E M E D I A S
----------------------------------------------------------------
TRATAMIENTO MEDIA
----------------------------------------------------------------
5 13.2500 A
4 9.7500 B
3 8.0000 C
2 7.7500 C
1 7.0000 D
----------------------------------------------------------------
NIVEL DE SIGNIFICANCIA = 0.05
DMS = 0.7419






EJEMPLO:
Se compararon 6 variedades de sorgo, la unidad experimental fue de 5 surcos de 8m de
largo. Se consider como parcela til a los tres surcos centrales, eliminando 0.5 m en los
extremos.
Para la construccin del croquis, se asignan al azar todos los tratamientos a cada bloque y
despus se aleatorizan los bloques, quedando:
I t5 t2 t1 t3 t6 t4
II t4 t1 t3 t5 t6 t2
III t6 t3 t4 t2 t5 t1
IV t5 t2 t1 t6 t4 t3

Para evaluar los tratamientos se utiliz como variable principal el rendimiento por parcela
expresado en kg, los datos obtenidos fueron:
Tratamientos
Bloques: 1 2 3 4 5 6 E
I 8 7 6 7 8 4 45
II 8 8 7 8 8 10 49
III 9 9 7 7 9 11 52
IV 9 10 7 8 10 11 55
E
34 34 27 30 35 41 201

RESULTADO DEL A N A L I S I S D E V A R I A N Z A

FV GL SC CM F c P>F Ft .05 .01

TRATAMIENTOS 5 28.375000 5.675000 20.6364** 0.000 2.90 4.56
BLOQUES 3 9.125000 3.041667 11.0606** 0.001 3.29 5.42
ERROR 15 4.125000 0.275000
TOTAL 23 41.625000

C.V. = 6.26%
Se comparan las medias, de tal forma que si el valor absoluto de la diferencia de dos medias
es mayor que DMS, entonces se rechaza la hiptesis nula.

T A B L A D E M E D I A S

TRATAMIENTO MEDIA

1 8.500000 b
2 8.500000 b
3 6.750000 c
4 7.500000 c
5 8.750000 b
6 10.250000 a

La comparacin de medias por el Mtodo de Duncan, quedando exactamente igual a la
tabla anterior.

OTRO EJERCICIO:
4 individuos participaron en un experimento para comparar 3 mtodos de liberacin de la
tensin nerviosa. Cada individuo fue puesto en una situacin de tensin nerviosa en tres
ocasiones diferentes. Por cada vez se utiliz un mtodo diferente para reducir el estrs en
cada individuo. La variable de respuesta es el total de reduccin del nivel de tensin
nerviosa antes y despus de la aplicacin del tratamiento. Los resultados son los siguientes:
Tratamiento
Individuo A B C
1 16 26 22
2 16 20 23
3 17 21 22
4 28 29 36





















SECRETARA DE EDUCACIN PBLICA
DIRECCIN GENERAL DE EDUCACIN SUPERIOR TECNOLGICA
INSTITUTO TECNOLGICO DEL VALLE DEL GUADIANA
Tercera Evaluacin Parcial 2010
Titular de la Materia: Jos Luis Monrrez Rodrguez
Nombre del alumno: _________________________________________ Grupo: _________

I. Resuelva el siguiente problema:

1.- En un experimento bajo un diseo experimental bloques completos al azar, se
determin la razn de superficie foliar a peso seco, en tres
especies de ctricos para tres condiciones de sombra.
Condiciones de
sombra
Naranjo Shamouti Toronja Marsh Mandarina Clementina
Sol 112 90 123
Media sombra 86 73 89
Sombra 80 62 81

a).- Realice el anlisis de varianza
b).- compare las medias de tratamientos
c). Compruebe hiptesis
d).- concluya los resultados















SECRETARA DE EDUCACIN PBLICA
DIRECCIN GENERAL DE EDUCACIN SUPERIOR TECNOLGICA
INSTITUTO TECNOLGICO DEL VALLE DEL GUADIANA
Tercera Evaluacin Parcial 2010
Titular de la Materia: Jos Luis Monrrez Rodrguez
Nombre del alumno: _________________________________________ Grupo: _________

I. Resuelva el siguiente problema:

Los siguientes resultados se obtuvieron en un experimento realizado en el laboratorio para
determinar el efecto del fsforo (ppm) en diferentes muestras de suelo con distintos
laboratoristas.

Laboratoristas

Muestra
de Suelo
(A)
Muestra
de Suelo
(B)
Muestra
de Suelo
(C)
Muestra
de Suelo
(D)
Muestra
de Suelo
(E)
CENID-
RASPA
420 350 570 390 485
ITVG 472 427 389 517 308
INIFAP 539 525 518 498 489

a).- Realice el anlisis de varianza
b).- compare las medias de tratamientos
c). Compruebe hiptesis
d). Calcule el C.V.
d).- concluya los resultados













DISEO EXPERIMENTAL CUADRO LATINO

CARACTERSTICAS

+ Una variante del diseo experimental de bloques completamente al azar, la constituye el
cuadro latino.
+ Es un diseo experimental que puede emplearse para controlar variabilidad de acuerdo
con dos criterios; que en los experimentos de campo se denominan hileras y
columnas.
+ Cuando en un experimento de campo se observan gradientes de fertilidad en dos
direcciones, se recomienda el diseo en cuadro latino.
+ Se caracteriza porque ensaya t sobre t
2
unidades experimentales.
+ Las unidades experimentales se agrupan en bloques completos de acuerdo con los dos
criterios de clasificacin del material experimental.
+ En los experimentos de campo se generan bloques completos, tanto en el sentido de las
hileras, como por columnas.
+ La caracterstica fundamental del diseo consiste en que un tratamiento cualquiera
aparece representado una sola vez en la misma hilera en la misma columna. Por
ejemplo, para 4 tratamientos denotados por las letras latinas A, B, C, D, se puede
representar por el siguiente arreglo.










Cuadro latino cclico

COLUMNAS

I II III IV



H
I
L
E
R
A
S




En experimentos pecuarios donde se desea evaluar diferentes tratamientos para
suministrar hierro a cerdos recin nacidos. Los cerdos son de diferente camada y de
cada camada tienen diferentes pesos al nacer. Se recomienda bloquear respecto a los pesos
iniciales y las camadas. Si se desean evaluar cuatro tratamientos, el croquis del experimento
quedara de la siguiente manera:
CAMADAS
I II III IV



PESOS
INICIALES




Se puede observar que los cuatro tratamientos estn evaluados en todas las camas y en
todos los niveles de peso.
Se recomienda al menos 12 grados de libertad en el error.
La desventaja de este tipo de diseo experimental es que cuando se ensayan ms de 10
tratamientos se requiere un nmero relativamente grande de unidades experimentales.

A

B

C

D
D
A

B

C

C

D

A

B

B

C

D

A

T2

T1

T3

T4

T1

T3

T4

T2

T3

T4

T2

T1

T4

T2

T1

T3
El modelo estadstico del diseo experimental de cuadro latino es.

X
ijk
= +
i
+ H
j
+ C
k
+

ijk

i = 1, 2, ..... t

j = 1, 2, ....... h

k = 1, 2, ....... k

Donde:
X
ijk
= Es la observacin del tratamiento i en la hilera j en la columna
k


= Es el efecto verdadero de la media general.

i
= Es el efecto del i simo tratamiento.

H
j
= Es el efecto del j sima hilera.

C
k
= Es el efecto del
k
sima columna.

ijk
= Es el error experimental.





















MODELO DEL ANLISIS DE VARIANZA ( ANAVA ) PARA UN DISEO
EXPERIMENTAL DE CUADRO LATINO

Fuentes de
Variacin
( F. V. )
Grados de
Libertad
(G. L.)
Suma de Cuadrados
(S. C.)
Cuadrados
Medios
(C. M.)
Valor de F
Calculada
(F c)
Valor de F de
tablas
(F t)
0.5 0.1

Tratamiento

A

t - 1
E
X
2
i.

i =1 - F.C.
r
I
E

A

I

L


Hileras
B

h - 1
F
X
2
j.

j =1 - F.C.
t
J
F

B

J

L


Columnas


C

k 1
G
X
2
K.

K =1 - F.C.
T
K
G

C

K

L


Error
D

( t 1 ) ( t 2)
H

Diferencia
L
H

D


Total


t
2
- 1

X
2
i j

k
- F. C.
i j
k



Donde: t = nmero de tratamientos
h = nmero de hileras
k = nmero de columnas
r = numero de repeticiones







C. V. = Cuadrado Medio del Error
X 100
Media General

t, h, k
Factor de Correccin = F. C. = X
2
i j k

i j k
t
2


Factor de Correccin = F. C. = ( Gran Total )
2
t
2

Hiptesis nula = ( Ho ) = No existe diferencia estadstica entre tratamientos
Hiptesis alternativa = ( Ha ) = Si existe diferencia estadstica entre tratamientos

ESTIMACIN DE PARCELA PERDIDA PARA UN DISEO EXPERIMENTAL DE CUADRO
LATINO

Cuando en el diseo de cuadro latino se pierde el valor obtenido de una parcela
experimental, se puede estimar con la siguiente ecuacin:



X = r [ H + C + T ] - 2 G
( r - 1 ) ( r - 2 )

Donde :

X = Valor estimado de la parcela perdida
H = Total de la hilera donde est la parcela perdida.
C = Total de la columna donde est la parcela perdida.
T = Total del tratamiento donde est la parcela perdida.
G = Total general.
r = Nmero de repeticiones.


El valor se coloca en el lugar correspondiente y el experimento se analiza con la diferencia
de que se resta un grado ms de libertad del error y total

Por ejemplo

Grados de libertad del tratamiento = t - 1
Grados de libertad de las hileras = h 1
Grados de libertad de las columnas = k 1
Grados de libertad del error = ( t - 1 ) ( t 2 ) - 1
Grados de libertad total = t
2
1 - 1





























Ejemplos:
1.- Se realiz un experimento con 25 vacas, para analizar cinco dietas y medir el
aumento de peso en kilogramos por vaca. Los datos se analizaron bajo un diseo
experimental cuadro latino 5 x 5.

280 B

300 D

295 C

340 A

300 E

310 C

316 A

296 B

286 E

380 D

320 D

370 E

365 A

195 C

315 B

319 A

313 B

314 E

316 D

321 C

390 E

360 C

325 D

317 B

330 A
a).- Calcule el ANAVA
b).- Realice la comparacin de Medias por el Mtodo de DMS con una de 0.05
c).- Determine el Coeficiente de Variacin
d).- Conclusiones de sus resultados
A N A L I S I S D E V A R I A N Z A
---------------------------------------------------------------------------------
FV GL SC CM Fc Ft
----------------------------------------------------------------- 0.05-----0.01
TRATAMIENTOS 4 6087.250000 1521.812500 0.9358 NS 3.26 5.41
HILERAS 4 4724.000000 1181.000000 0.7262
COLUMNAS 4 5430.500000 1357.625000 0.8349
ERROR 12 19514.000000 1626.166626
TOTAL 24 35755.750000
---------------------------------------------------------------------------------
C.V. = 12.6445%
T A B L A D E M E D I A S
---------------------------------------------------------------
TRATAMIENTO MEDIA
---------------------------------------------------------------
1 334.000000
2 304.200012
3 296.200012
4 328.200012
5 332.000000
----------------------------------------------------------------
2.- En un experimento realizado con maz para grano se analizaron cinco dosis de
fertilizantes bajo un diseo experimental cuadro latino. Los rendimientos se indican en
kg/parcela til

540 E

565 A

635 D

428 C

485 B

535 B

495 C

572 A

530 E

692 D

892 A

600 B

615 E

700 D

615 C

900 D

425 E

535 C

645 B

800 A

475 C

850 D

600 B

900 A

425 E
a).- Calcule el ANAVA
b).- Realice la comparacin de Medias por el Mtodo de DMS con una de 0.05
c).- Determine el Coeficiente de Variacin
d).- Conclusiones de sus resultados

A N A L I S I S D E V A R I A N Z A
-------------------------------------------------------------------------------
FV GL SC CM Fc Ft
---------------------------------------------------------------------0.05--0.01
TRATAMIENTOS 4 306540.00 76635.00 8.2555 ** 3.26 5.41
HILERAS 4 88754.00 22188.500 2.3903 NS
COLUMNAS 4 24662.00 6165.500 0.6642 NS
ERROR 12 111395.00 9282.917
TOTAL 24 531351.00
-------------------------------------------------------------------------------
C.V. = 15.5862%
T A B L A D E M E D I A S
------------------------------------------------------------------------
TRATAMIENTO MEDIA
------------------------------------------------------------------------
1 745.799988
2 573.000000
3 509.600006
4 755.400024
5 507.000000
-------------------------------------------------------------------------
COMPARACION DE MEDIAS POR EL METODO DE LA DIFERENCIA MINIMA
SIGNIFICATIVA (D.M.S.)

T A B L A D E M E D I A S
----------------------------------------------------------------------------
TRATAMIENTO MEDIA
---------------------------------------------------------------------------
4 755.4000 a
1 745.8000 a
2 573.0000 b
3 509.6000 b
5 507.0000 b
---------------------------------------------------------------------------
NIVEL DE SIGNIFICANCIA = 0.05
DMS = 132.7790

T A B L A D E M E D I A S
---------------------------------------------------------------------------
TRATAMIENTO MEDIA
--------------------------------------------------------------------------
4 755.4000 a
1 745.8000 a
2 573.0000 a b
3 509.6000 b
5 507.0000 b
--------------------------------------------------------------------------
NIVEL DE SIGNIFICANCIA = 0.01
DMS = 186.1588










3.- Bajo un diseo experimental cuadro latino 6 x 6 un experimento se analiz con la
finalidad de probar seis fertilizantes en el cultivo de cebolla. Los resultados obtenidos
fueron ( kg/parcela til. ).


445 C

450 E

425 A

417 B

523 D

543 F

575 D

425 C

475 E

518 F

427 B

395 A

572 A

489 F

517 B

452 E

600 C

392 D

545 B

479 A

572 C

482 D

X
645
F

386 E

385 F

462 B

560 D

472 A

572 E

387 E

396 E

435 D

542 F

492 C

595 A

392 B

a).- Calcule el ANAVA analizndolo sin la parcela (645)
b).- Realice la comparacin de Medias por el Mtodo de Duncan con una de 0.05
c).- Determine el Coeficiente de Variacin
d).- Conclusiones de sus resultados


















PRUEBAS DE SIGNIFICANCIA DE LAS MEDIAS

Importancia de la aplicacin de las pruebas
Cuando se tienen varios tratamientos, se presenta el problema de hacer las
comparaciones de las medias de los tratamientos, con el fin de discriminar variables
y clasificar los tratamientos para elegir el mejor si es necesario.
La prueba de F significativo indica realmente que la variabilidad entre los
tratamientos no se debe al azar, sino a un efecto distinto de dichos tratamientos lo
cual es equivalente a indicar que las diferencias entre las medias de las poblaciones,
estimadas por las medias de las muestras; sin embargo, la prueba de F no indica
cuales medias son iguales cuales son diferentes, ya que puede suceder que en una
serie de tratamientos la prueba de F indique diferencias en el conjunto pero un par
de tratamientos sea igual.
Con los datos del anlisis de varianza se hacen las pruebas de significancia de las
diferencias las comparaciones entre las medias de los tratamientos.- Para ello
existen varios mtodos.
PRUEBAS DE COMPARACIN DE MEDIAS PARA DETERMINAR LA SIGNIFICANCIA
DE LAS DIFERENCIAS ENTRE LOS TRATAMIENTOS.
DIFERENCIA MNIMA SIGNIFICATIVA (DMS)
En un experimento se evaluaron seis variedades de maz bajo un diseo experimental
bloques al azar. Las medias de rendimiento de grano en kg por parcela til de los
tratamientos fueron:
Tratamientos Medias

1 8.50
2 8.50
3 6.75
4 7.50
5 8.75
6 10.25
Se ordenan las medias de tratamientos de mayor a menor

Tratamientos. Medias

6 10.25
5 8.75
1 8.50
2 8.50
4 7.50
3 6.75

+ Se calcula el Error Estndar ( EE ) de la diferencia de medias

Cuando se tiene diferente nmero de repeticiones por tratamiento



EE = CME [1 ni + 1 nj]


DONDE:
EE = Error Estndar
CME = Cuadrado Medio del Error
ni = Nmero de repeticiones de las media i
nj = Nmero de repeticiones de la media j

Cuando se tiene el mismo nmero de repeticiones por tratamiento


EE = 2 (CME)
n

En el ejemplo el EE es:


EE = 2 (0.275) = 0.3708

4


+ Se obtiene de las tablas de t student t ( , gl )

En donde: = nivel de significancia (0.05 y/o 0.01)

gl = grados de libertad del error
S = 0.05 y gl = 15;

Entonces t (0.05, 15) = 2.131

+ Se calcula la Diferencia Mnima Significativa ( DMS )

DMS = t (, gl) (EE)

DMS = (2.131) (0.3708)

DMS = 0.790


+ Se comparan las medias, de tal forma que si el valor absoluto de la diferencia de
dos medias es mayor del valor de DMS, entonces se rechaza la hiptesis nula
(medias diferentes), De lo contrario, si las diferencias de dos medias es menor que
el valor de DMS, se acepta la hiptesis nula (medias iguales).
En el ejemplo se tiene lo siguiente:

10.25 - 8.75 = 1.50 > 0.790 medias diferentes
8.75 - 8.50 = 0.25 < 0.790 medias iguales
8.75 - 7.50 = 1.25 > 0.790 medias diferentes
8.50 - 7.50 = 1.00 > 0.790 medias diferentes
7.50 - 6.75 = 0.75 < 0.790 medias iguales

Los resultados se presentan en una tabla en donde las medias estadsticamente iguales (que
no son diferentes) se identifican con la misma letra.

Tratamientos. Medias
6 10.25 a
5 8.75 b
1 8.50 b
2 8.50 b
4 7.50 c
3 6.75 c

+ Con respecto a los resultados del ejemplo, se concluye que el tratamiento 6, es el
que mostr ser diferente estadsticamente a los dems; y que los tratamientos 5, 1
y 2 respectivamente estadsticamente no son diferentes; as mismo los
tratamientos 4 y 3 estadsticamente no son diferentes.
+ S en el ejemplo, la variable a evaluar es rendimiento, entonces se dice que el
tratamiento 6 fue el que produjo el mayor rendimiento, por lo tanto se considera
que fue el mejor. Sin embargo, si la variable a evaluar es la aplicacin de un
producto qumico u orgnico para reducir el porcentaje de infestacin de un
patgeno, en esta caso el tratamiento 3 es el que se recomendara.

PRUEBA DE RANGO MLTIPLE DE DUNCAN
+ Se ordenan las medias de tratamientos de mayor a menor
En un ejemplo de un diseo bloques al azar se tienen las siguientes medias.

Tratamientos. Medias
6 10.25
5 8.75
1 8.50
2 8.50
4 7.50
3 6.75

+ Se calcula el Error Estndar ( EE ) de la diferencia de medias
Cuando se tiene diferentes nmero de repeticiones por tratamiento


EE = CME [1 ni + 1 nj]



DONDE:

EE = Error Estndar
CME = Cuadrado Medio del Error
ni = Nmero de repeticiones de las media i
nj = Nmero de repeticiones de la media j

+ S los tratamientos tienen el mismo nmero de repeticiones, entonces el Error
Estndar es.


EE = (CME)
r

En el ejemplo el EE es:


EE = (0.275) = 0.2622
4


+ Se obtiene de las tablas para la prueba de Duncan los valores de Rangos
Estudentizados ( RE ) con:
= nivel de significancia ( 0.05 y/o 0.01 )
gl = grados de libertad del error


Para el ejemplo se tiene que:

= 0.05; p = 2, 3, 4, 5, 6
gl = 15; entonces los Rangos Estudentizados ( RE ) son:

p = 2 3 4 5 6

RE = 3.01 3.16 3.25 3.31 3.36


+ Se obtienen los Rangos Mnimos Estudentizados (RME) multiplicando los
Rangos Estudentizados (RE) por el Error Estndar (EE) (0.2622).

p = 2 3 4 5 6

RE = 3.01 3.16 3.25 3.31 3.36

RME = 0.79 0.83 0.85 0.87 0.88

+ Se comparan las medias, de tal forma que si el valor absoluto de la diferencia de
dos medias es mayor que Rango Mnimo Estudentizado (RME) correspondiente,
entonces se rechaza la hiptesis nula: Ho = i = j.

En el ejemplo la comparacin de medias es:

10.25 - 8.75 = 1.50 > 0.790 medias diferentes
8.75 - 8.50 = 0.25 < 0.790 medias iguales
8.75 - 7.50 = 1.25 > 0.790 medias diferentes
8.50 - 7.50 = 1.00 > 0.790 medias diferentes
7.50 - 6.75 = 0.75 < 0.790 medias iguales

+ Los resultados se presentan en una tabla en donde las medias estadsticamente
iguales (que no son diferentes) se identifican con la misma letra.

Tratamientos. Medias

6 10.25 a
5 8.75 b
1 8.50 b
2 8.50 b
4 7.50 c
3 6.75 c

+ Con respecto a los resultados del ejemplo, se concluye que el tratamiento 6, es el
que mostr ser diferente estadsticamente a los dems; y que los tratamientos 5, 1
y 2 respectivamente estadsticamente no son diferentes; as mismo los
tratamientos 4 y 3 estadsticamente no son diferentes.

S en el ejemplo, la variable a evaluar es rendimiento, entonces se dice que el
tratamiento 6 fue el que produjo el mayor rendimiento, por lo tanto se considera
que fue el mejor. Sin embargo, si los tratamientos a evaluar fueran la aplicacin
de un producto qumico u orgnico para reducir el porcentaje de infestacin de
un patgeno, y la variable fuera numero de plantas enfermas despus de la
aplicacin de los tratamientos en este caso el tratamiento 3 es el que se
recomendara.


Las caractersticas del diseo siempre triunfan sobre las caractersticas del anlisis
G. E. Dallal
100% de todos los desastres son fallas del diseo no del anlisis
Ron Marks
Proponer que la pobreza del diseo pueda ser corregida por sutiles tcnicas de anlisis, es
contrario al buen pensamiento del cientfico
Stuart Pocock
EXPERIMENTOS FACTORIALES
Los experimentos factoriales: Son en los que se estudian ms de dos factores
simultneamente, de modo que los tratamientos se forman por las combinaciones de los
niveles de cada factor.
Un experimento factorial no constituye un nuevo diseo experimental, sino un diseo
para la formacin de los tratamientos.
Los experimentos factoriales pueden ser conducidos bajo los lineamientos de un diseo
experimental completamente al azar, bloques completamente al azar y cuadro latino.
Los experimentos factoriales son ampliamente utilizados y son de gran valor en el trabajo
exploratorio cuando se sabe poco sobre los niveles ptimos de los factores o ni siquiera que
factores son importantes.
Estos experimentos son tiles tambin en campos de estudios ms complejos en los que se
sabe que un factor no acta independientemente sino en estrecha relacin con otros
factores.
VENTAJAS Y DESVENTAJAS
Ventajas:
Permite obtener ms informacin que en un experimento de un solo factor, ya que se
estudian los efectos principales, los efectos simples, los efectos cruzados y de interaccin
entre factores.
Todas las unidades intervienen en la estimacin de los efectos principales y de
interaccin, por lo que el nmero de repeticiones es elevado para estos casos.
El nmero de grados de libertad para el error experimental es alto, comparndolo con los
grados de libertad de los experimentos simples de los mismos factores, lo que contribuye a
disminuir la variancia del error experimental, aumentando por este motivo la precisin del
experimento.
Desventajas:
Se requiere un mayor nmero de unidades experimentales que en los experimentos con
un solo factor.
Dado que todos los niveles de un factor se combinan con todos los niveles de los otros, por
requerimientos del anlisis estadstico se tendr que algunas combinaciones que no son de
inters por el investigador, sern tambin incluidas en el experimento.
El anlisis estadstico y la interpretacin de los resultados son ms complicados que en los
experimentos con un solo factor, y la dificultad aumenta considerablemente conforme mas
factores son incluidos.
Notacin y Definiciones:
FACTORIAL.- Es una combinacin de factores para formar tratamientos.
Factor: Es un conjunto de tratamientos de una misma clase o caracterstica. Ejemplo: tipos
de riego, dosis de fertilizacin, variedades de cultivo, manejo de crianzas, etc.
Es aquel donde los valores son controlados y cuyo efecto ser evaluado en los resultados del
experimento.
Los factores son designados por letras maysculas: Por ejemplo en un experimento donde
se evalan 3 densidades de siembra con 4 dosis de nitrgeno y 2 variedades de maz por
unidad experimental, el factor densidad de siembra se denota con la letra A, el factor dosis
de nitrgeno con la letra B y las variedades de maz con la letra C.
Niveles de un factor: Son valores que son estudiados dentro de un factor
Los niveles de un factor son denotados con letras minsculas con subndices. Por ejemplo,
las 3 densidades de siembra se denotan por a
1
, a
2
, a
3
, las 4 dosis de nitrgeno por b
1
, b
2
, b
3
,
b
4
y las 2 variedades de maz se denotan por c
1
y c
2
.
Una combinacin de letras minsculas con sus respectivos subndices es utilizar para
denotar una combinacin de los niveles de los factores. Por ejemplo la combinacin a
2
, b
2
, c
1

denotara el tratamiento conformado por la aplicacin de la densidad a
2
de semilla con la
dosis b
2
de nitrgeno y la variedad c
1
de maz.
Ejemplos:
Factor: Distancia de siembra en un cultivo.
Niveles: 40, 60 y 80 cm;
Factor: Aplicacin de Nitrgeno.
Niveles: 10, 20, 30 y 40 kg por parcela:
Factor: Dosis de vitamina B
12
en la alimentacin de cerdos.
Niveles: 5, 10 y 15 lb
-1
de racin alimenticia
Factor: Frmacos utilizados para inducir la relajacin muscular.
Niveles: Innovar, Droperidol, Fentanyl.
TIPOS DE FACTORES:
Dependiendo de la naturaleza de los niveles de los factores, estos pueden ser: Cualitativos o
Cuantitativos; en el ejemplo de densidades de siembra (factor A) y dosis de nitrgeno (factor
B), son Cuantitativos, las variedades de maz (factor C), son Cualitativos.
En el caso de factores Cuantitativos, estos pueden ser igualmente espaciados o no. Por
ejemplo para el factor B, niveles de nitrgeno (0, 10, 20 y 30 kg por parcela) y de (10, 20,
40 y 80 kg por parcela) constituiran niveles igualmente espaciados y no igualmente
espaciados respectivamente.
Adicionalmente, los factores pueden ser fijos o al azar, dependiendo de la forma en que son
seleccionados sus niveles.
Un experimento factorial con todos sus factores fijos corresponder a un modelo I o de
efectos fijos.
Un experimento factorial con todos sus factores aleatorios corresponder a un modelo II o
de efectos aleatorios.
Un experimento factorial con algunos factores fijos y otros aleatorios corresponder a un
modelo III o de efectos mixtos.
TIPOS DE EXPERIMENTOS FACTORIALES:
Un experimento factorial queda definido por el numero de factores y niveles de cada
factor.
Un experimento factorial puede ser denotado utilizando las letras correspondientes a los
factores antecedidas por el numero de niveles correspondiente a cada uno. Por ejemplo, el
experimento con 3 niveles del factor A, 4 del factor B y 2 del factor C puede ser denotado
por 3A 4B 2C o simplemente 3X4X2.

EFECTOS EN LOS EXPERIMENTOS FACTORIALES:
Efecto Simple: Es el efecto de un factor, en un nivel de los dems factores.
Efecto Principal: Es el efecto de un factor en promedio sobre los niveles de los otros
factores.
Efecto de Interaccin: Esta dado por la variacin que tiene un efecto simple de un factor
al pasar de un nivel a otro de otro factor.
Efecto Cruzado: Esta dado por las combinaciones cruzadas de dos factores.
Modelo Estadstico (DCA)
Y
ijk
= +
i
+
j
+ ( )
ij
+
ijk

i = 1,., p j = 1,., q k = 1,., r
ij

Donde:
Y
ijk
= Es el valor o rendimiento observado con el i-esimo nivel del factor A, j.esimo nivel del
factor B, k.esima repeticin.
= Es el efecto de la media general.

i
= Es el efecto del i-esimo nivel del factor A.

j
= Es el efecto del j-esimo nivel del factor B.
( )
ij
= Es el efecto de la interaccin en el i-esimo nivel del factor A, j-esimo nivel del
factor B.

ijk
= Es el efecto del error experimental en el i-esimo nivel del factor A, j-esimo nivel del
factor B, k-esima repeticin.
p = Es el numero de niveles del factor A.
q = Es el numero de niveles del factor B.
r
ij
= Es el numero de repeticiones en el i-esimo nivel del factor A, j-esimo nivel del factor B.
Ejemplos de factoriales
En un experimento con arreglo combinatorio y distribucin en cinco bloques al azar, se
estudiaron cuatro variedades de maz y tres dosis de nitrgeno (kg ha
-1
). Los rendimientos
de grano seco en ton ha
-1
fueron los siguientes.
No. de
Tratamiento

Variedad
Dosis
Kg ha
-1

Bloques
I II III IV V
Suma de
Tratamientos
x
i.

1 H-1 50 3 2 3 3 2 13
2 100 4 4 4 5 5 22
3 150 6 5 6 7 6 30
4 H-2 50 5 5 6 6 5 27
5 100 6 5 6 7 7 31
6 150 7 8 8 9 8 40
7 V-1 50 2 1 1 2 1 7
8 100 2 2 3 3 2 12
9 150 5 4 5 6 6 26
10 V-2 50 4 5 4 3 2 18
11 100 6 6 5 5 4 26
12 150 7 8 7 8 8 38
Suma por Bloque X..
k
57 55 58 64 56 290





Estudio de la interaccin variedad por dosis. Suma de cinco repeticiones.
Variedad Dosis
50 100 150
Suma por Variedad
X
i..

H.1 13 22 30 65
H.2 27 31 40 98
V-1 7 12 26 45
V-2 18 26 38 82
Suma por Dosis X.
j
. 65 91 134 290

Promedios con base en la unidad experimental
Variedad Dosis
50 100 150
Promedio para las
variedades
X
i

H.1 2.6 4.4 6.0 4.33
H.2 5.4 6.2 8.0 6.53
V-1 1.4 2.4 5.2 3.00
V-2 3.6 5.2 7.6 5.47
Promedio X
j
3.25 4.55 6.70 4.83
Para cualquier dosis


Para calcular los promedios, ton ha
-1
, con base en la unidad experimental, se determinan de
la siguiente manera:
Por ejemplo, el H-1 a la dosis de 50 kg ha
-1

13 : 5 = 2.6



La observacin de los valores y las lneas de tendencia indican lo siguiente:
a). Todas las variedades aumentan su produccin de grano al incrementarse la dosis de
nitrgeno.
b). Se manifiesta un paralelismo entre las lneas de tendencia; es decir, hay un efecto aditivo.
Aparentemente, no hay interaccin; la prueba de F en el anlisis de varianza lo confirmara.
c). Todas las variedades manifiestan una tendencia lineal. El H-2 y el V-1 indican cierto
efecto cuadrtico; el anlisis de regresin lo revelara.
Procedimiento para el calculo de la S.C.
* Factor de Correccin: F.C. = (GT)
2
abn = (290)
2
4x3x5 = 84,100 60
F.C. = 1,401.67
*S.C.
total
= X
2
ijk
F.C.= 3
2
+ 4
2
+ . + 8
2
1,401.67
S.C.
total
= 254.33
*S.C.
tratamiento
= X
2
ij.
n F.C. = 13
2
+ 22
2
+ . + 38
2
5 1,401.67
S.C.
tratamiento
= 229.53
*S.C.
bloques
= X
2
..k
ab F.C. = 57
2
+ 55
2
+ . + 56
2
4X3 1,401.67
S.C.
bloques
= 4.14
*S.C.
error
= S.C.
total
(S.C.
tratamiento
+ S.C.
bloques
)
S.C.
error
= 254.33 (229.53 + 4.14)
S.C.
error
= 20.64
Divisin de G.L. y S.C. de los tratamientos:
*Factor A:
G.L. = a 1 = 4 1 = 3
S.C.
A
= X
2
i..
bn F.C. = 65
2
+ 98
2
+. 82
2
3 X 5 1,401.67
S.C.
A
= 103.53
*Factor B:
G.L. = b 1 = 3 1 = 2
S.C.
B
= X
2
j.
an F.C. = 65
2
+ 91
2
+ 134
2


4 X 5 1,401.67
S.C.
B
= 121.43
* Interaccion A X B:
G.L. = (a 1) (b 1) = (4 1) (3 1) = 6
S.C.
AB
= (X
2
ij.
n F.C.) (S.C.
A
+ S.C.
B
)
S.C.
AB
= (13
2
+ 22
2
+.38
2

5 1,401.67

) (103.53 + 121.43)
S.C.
AB
= (8,156 5 1,401.67) - (224.96)
S.C.
AB
= (1,631.20 - 1,401.67) - (224.96)
S.C.
AB
= 229.53 224.96.0
S.C.
AB
= 4.57










A N A L I S I S D E V A R I A N Z A PARA UN EXPERIMENTO CON AREGLO
COMBINATORIO Y DISTRIBUCION EN BLOQUES AL AZAR

FV GL SC CM Fc Ft

TRATAMIENTOS (11) (229.53) (20.87) 44.50 2.08 2.80
BLOQUES 4 4.166748 1.041687 2.2214
FACTOR A (Var.) 3 103.533447 34.511150 73.5942 2.81 4.24
FACTOR B (Dosis) 2 121.433350 60.716675 129.4768 3.20 5.10
INTERACCION 6 4.566528 0.761088 1.6230 2.30 3.22
ERROR 44 20.633301 0.468939
TOTAL 59 254.333374
___________________________________________________________________________
C.V. =C.M.E. Media General X 100
C.V. = 0.469 4.833 X 100
C.V. = 0.6848357 4.833 X 100
C.V. = 0.1416999 X 100
C.V. = 14.17 %





T A B L A D E D A T O S
VARIABLE: Rendimiento de grano seco

B L O Q U E S
A B 1 2 3 4 5

1 1 3.0000 2.0000 3.0000 3.0000 2.0000
1 2 4.0000 4.0000 4.0000 5.0000 5.0000
1 3 6.0000 5.0000 6.0000 7.0000 6.0000
2 1 5.0000 5.0000 6.0000 6.0000 5.0000
2 2 6.0000 5.0000 6.0000 7.0000 7.0000
2 3 7.0000 8.0000 8.0000 9.0000 8.0000
3 1 2.0000 1.0000 1.0000 2.0000 1.0000
3 2 2.0000 2.0000 3.0000 3.0000 2.0000
3 3 5.0000 4.0000 5.0000 6.0000 6.0000
4 1 4.0000 5.0000 4.0000 3.0000 2.0000
4 2 6.0000 6.0000 5.0000 5.0000 4.0000
4 3 7.0000 8.0000 7.0000 8.0000 8.0000





A N A L I S I S D E V A R I A N Z A

FV GL SC CM Fc Ft
0.05 .01
REPETICIONES 4 4.166748 1.041687 2.2214
FACTOR A 3 103.533447 34.511150 73.5942** 2.81 4.24
FACTOR B 2 121.433350 60.716675 129.4768** 3.20 5.10
INTERACCION 6 4.566528 0.761088 1.6230 NS 2.30 3.22
ERROR 44 20.633301 0.468939
TOTAL 59 254.333374
Tratamientos 11 229.53 20.87 44.50 2.08 2.80

C.V. = 14.17%
TABLA DE MEDIAS DEL FACTOR A

FACTOR A MEDIA

1 4.333333
2 6.533333
3 3.000000
4 5.466667


TABLA DE MEDIAS DE TRATAMIENTOS AB

FACTOR B
FACTOR A 1 2 3 MEDIA

1 2.6000 4.4000 6.0000 4.3333
2 5.4000 6.2000 8.0000 6.5333
3 1.4000 2.4000 5.2000 3.0000
4 3.6000 5.2000 7.6000 5.4667

MEDIA 3.2500 4.5500 6.7000 4.8333

COMPARACION DE MEDIAS DEL FACTOR A
-------------------------------------------------------------------
TRATAMIENTO MEDIA
--------------------------------------------------------------------
2 6.5333 a
4 5.4667 b
1 4.3333 c
3 3.0000 d
-----------------------------------------------------------------------
NIVEL DE SIGNIFICANCIA = 0.05
DMS = 0.5046


COMPARACION DE MEDIAS DEL FACTOR B
----------------------------------------------------------------------
TRATAMIENTO MEDIA
----------------------------------------------------------------------
3 6.7000 a
2 4.5500 b
1 3.2500 c
---------------------------------------------------------------------
NIVEL DE SIGNIFICANCIA = 0.05
DMS = 0.4370