Professional Documents
Culture Documents
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