UNIDAD V: DISEO EXPERIMENTAL

TEMA
PRINCIPIOS DE EXPERIMENTACIN
17.1.INTRODUCCIN
17.2.FACTOR Y RESPUESTA
17.3.TRATAMIENTO
17.4.UNIDAD EXPERIMENTAL Y REPETICIN
17.5.DISEO EXPERIMENTAL Y MODELIZACIN
17.6.ERROR EXPERIMENTAL
17.7.TIPOS DE EXPERIMENTOS Y SUS OBJETIVOS
17.8.PRINCIPIOS ESTADISTICOS FUNDAMENTALES DEL DISEO EXPERIMENTAL
17.9.PRECISIN Y EFICIENCIA
17.10.PLANIFICACIN DE INVESTIGACIONES

17.1. INTRODUCCIN
En la actualidad, la investigacin cientfica no solo es importante en los laboratorios de una
universidad o de un instituto de investigacin, sino tambin en la produccin a campo o la industrial,
donde cada vez es mayor la necesidad de producir ms y de mejor calidad. La competitividad de los
mercados, ya no solo implica lograr que la produccin cumpla con las especificaciones establecidas,
sino de trabajar para el logro de la mejora continua de los procesos productivos. A nivel de campo,
implica la necesidad de innovar permanentemente, creando nuevos productos y desarrollando nuevas
tecnologas. Ambas actividades requieren la realizacin de experimentos.
Un experimento cientfico es un proceso de investigacin cientfica, que asegura la obtencin de
conclusiones generales y vlidas. Si bien existen diferentes clases de experimentos, nos interesan en
particular los experimentos controlados, que se caracterizan porque las variables de inters se pueden
fijar en determinadas condiciones, de modo de poder explicar relaciones de causalidad. Tales
experimentos, esencialmente, consisten en aplicar un estmulo a una unidad experimental y medir la
correspondiente respuesta.

El estmulo o causa, es una variable sometida a estudio o a ensayo de comparacin, que est bajo
control del experimentador, en el sentido que es l quien determina las condiciones bajo las cuales se
pondrn en evidencia sus efectos sobre la respuesta. En el contexto de los diseos experimentales, el
trmino estmulo es intercambiable con los trminos variable independiente, factor y tratamiento.

La unidad experimental es la mnima porcin de material experimental que es asignada a una condicin
experimental, o bien a la que se le aplica un estmulo para provocar una respuesta. En otras palabras,
es el sustrato receptor de un tratamiento. En los experimentos agronmicos, muchas veces se usa como
sinnimo de unidad experimental la expresin parcela experimental.

La respuesta, es una variable, medida en las unidades experimentales, que refleja cualquier efecto
asociado con la manipulacin del estmulo o variable independiente. En experimentacin variable
dependiente y respuesta son trminos intercambiables, porque se trata de relaciones causa-efecto (la
variacin del estmulo es la causa de la modificacin observada en la respuesta)

A modo de ilustracin daremos algunos ejemplos concretos:

Propsito Estmulo Unidad experimental Respuesta

Aumentar el Sistema de poda un claro de viedo rendimiento de uva, en kg
rendimiento
Reproducir material Medio de cultivo in vitro una gradilla con 5 tubos de peso de las races, en g
vegetal ensayo
Aumentar rendimiento poca de siembra Una parcela sembrada de % de semillas
10 m2 germinadas
Incrementar perodo Temperatura una bandeja de fruta % de humedad perdida
conservacin por la fruta
Aumentar rendimiento Dieta un vacuno aumento de peso, en kg
Incrementar vida til Conservante un yogurt n de das apto para
consumo
La Estadstica juega un rol muy importante en el diseo de experimentos y el anlisis de los
datos obtenidos, porque en el trabajo experimental siempre est presente lo que se conoce como
variabilidad experimental. Esta variabilidad se debe a muchas causas que la Estadstica permite
283
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
discriminar, para lo cual existen tres aspectos fundamentales a considerar en el diseo y el anlisis del
experimento, denominados principios fundamentales de la experimentacin, que sern desarrollados
en extenso al final de este captulo:

aleatorizacin,
repeticin
control
Las consideraciones estadsticas comienzan en la etapa inicial de formulacin del problema a
investigar. En la etapa de planificacin del experimento o del diseo experimental, se deben definir las
variables, el tipo y cantidad de datos a recolectar, la manipulacin de las variables, el alcance de las
conclusiones, etc. Se tiene en cuenta que el objetivo general es que el diseo estadstico, controle lo
mejor posible las fuentes de variacin que interfieren en la medicin de los efectos de las variables de
inters. De esta forma, los datos experimentales permitirn estimar la magnitud de la variacin
controlada y variacin no controlada. La principal fuente de la variacin no controlada en el diseo
estadstico de los experimentos, es la variabilidad debida al error experimental.
El error experimental se produce debido a muchas variables que escapan al control del
experimentador y se explica, esencialmente pero no totalmente, por la naturaleza del sustrato que no es
homognea: todas las unidades experimentales no son perfectamente idnticas y el ambiente tampoco
las afecta igualmente. En la etapa final de extraccin de conclusiones a partir del experimento, el anlisis
estadstico permitir modelar la variabilidad general de los datos en funcin de los efectos de los
factores elegidos, en presencia de esa otra fuente de variabilidad que no es deseable pero que resulta
ineludible, porque es inherente a toda experimentacin y permitir inferir acerca de la significancia de la
relacin causa-efecto. Sintticamente, el rol de la Estadstica en el experimentador se muestra en el
siguiente cuadro:

Planificacin del proyecto Diseo experimental Anlisis de resultados

Definir qu medir Controlar fuentes de Inferir sobre modelos

variacin conocidas
Calificar la magnitud de Inferir sobre diferencias
la variacin a esperar Estimar la variacin de medias
incontrolada
Identificar los factores Indicar acciones
que influirn Aportar datos para la
modelizacin

En este captulo trataremos la introduccin al planteamiento y conduccin de los experimentos en

relacin con los objetivos, el anlisis y la eficiencia. Se encontrar cierta familiaridad con la terminologa
y simbologa a utilizar proveniente de las unidades precedentes (estadstica descriptiva, probabilidad e
inferencia estadstica) y se introducirn nuevos conceptos especficos del diseo experimental. Se ver
que el anlisis soporte de los datos experimentales, en la bsqueda de modelos explicativos, es el
anlisis de la varianza. Adems, se introducir alguna nueva terminologa propia de este campo, para
permitir nuevos enfoques relacionados con la prueba de F en el anlisis de la varianza.

17.2. FACTOR Y RESPUESTA

Se llama factor a una variable experimental controlable, que produce un efecto de inters que se
valora a travs de la respuesta observada en la unidad experimental. Los factores pueden ser variables
cuantitativas as como variables cualitativas. Son ejemplos, para el primer caso, la dosis de un
insecticida, la temperatura de incubacin, la profundidad de aradura, el pH, etc, en tanto que para el
segundo lo son el tipo de fertilizante, la variedad, el mtodo de determinacin, el aditivo, etc. El criterio
que adoptaremos para su denotacin general es, utilizar las primeras letras latinas en mayscula (factor
A, factor B, factor C, etc).
A cada una de las modalidades o posibilidades que tiene un factor, se la denomina nivel. Segn
la naturaleza del factor, los niveles pueden ser cuantitativos o bien cualitativos. Los niveles de un factor
pueden ser elegidos arbitrariamente a priori y ejecutados durante la realizacin del experimento como
fueron estipulados (de ah, factor bajo control del experimentador). Para simbolizar los niveles se usa la
minscula correspondiente a la letra que identifica el factor acompaada por un subndice. Por ejemplo
si se experimenta con tres dosis de un fertilizante nitrogenado (0-150-300 kg/ha) el factor fertilizacin (A)
tiene tres niveles cuantitativos que podran simbolizarse como a0, a1 y a2, mientras que si se experimenta
con cuatro variedades, el factor variedad (B) tiene cuatro niveles cualitativos indicados con b0, b1, b2 y b3.
Tambin resulta prctico utilizar smbolos asociados con el nombre del factor, y entonces tendramos, n0,
n1 y n2, para el primer caso, y v0, v1, v2 y v3 para el segundo.
El efecto del factor, en su forma ms simple es el efecto individual de un nico factor estudiado
en dos niveles, el cual se mide a travs de una diferencia entre los valores de respuesta promedio:
Efecto del factor A = respuesta promedio para el nivel a2 - respuesta promedio para el nivel a1

284
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
Como ya se ver ms adelante, en experimentacin, se pueden analizar efectos de tres clases:
efectos simples, efectos principales y efectos de interaccin.
Por su parte, la respuesta es la variable que expresa el resultado del experimento. Si bien en un
contexto amplio la respuesta puede ser una variable de tipo cualitativo o bien cuantitativo, en este curso
consideraremos que la variable a medir debe ser de naturaleza cuantitativa continua. Tambin
admitiremos variables discretas, las que requerirn de una transformacin de los datos para efectuar el
anlisis.

17.3. TRATAMIENTO
Un tratamiento es una condicin que se aplica a una unidad experimental, y que constituye
aquello cuyo efecto es el principal el objetivo de conocimiento a partir de la investigacin. Puede
referirse a un procedimiento (dieta alimenticia, caudal de riego, combinacin temperatura-humedad, u
otro), cuyo efecto en el material experimental se desea medir y comparar con el de otros tratamientos.
Los efectos del tratamiento son estimados mediante la aplicacin de tratamientos a por lo menos dos
unidades experimentales, por regla general a ms de dos, y promediando los resultados para cada
tratamiento. Las pruebas de significancia determinan la posibilidad de que las diferencias de tratamiento
pudieran haber ocurrido solamente por casualidad. Cuando se mide el efecto de un tratamiento, como ya
veremos, el experimentador puede proceder a medir la unidad experimental completa o bien solo cierta
fraccin de la misma. Por lo tanto la unidad experimental inicial puede ser medida en forma completa o
mediante muestreo.
Se habla de tratamientos simples cuando se tienen situaciones como las ejemplificadas al
explicar el trmino nivel. Pero adems, mediante la combinacin entre los niveles de dos o ms factores,
se tienen los tratamientos combinados. Por ejemplo si en un experimento interesa estudiar el efecto
de la fertilizacin nitrogenada y el de la fosfatada, un tratamiento combinado podra ser n1 p1, que se
referira al tratamiento con nitrgeno y fsforo ambos en dosis simple. Adems de estos dos tipos
generales de tratamientos, existen otros ms particulares:
a) Testigo: modalidad del material experimental o tratamiento que sirve de referencia en una
comparacin. Por ejemplo en un experimento con herbicidas, el tratamiento testigo puede
consistir en la no aplicacin de herbicida (testigo absoluto) o bien en la aplicacin de una
pulverizacin con agua. En un experimento con nuevas variedades el tratamiento testigo puede
ser la variedad local que ms difundida se encuentra; en experimentos en laboratorio, un testigo
podra ser un mtodo de anlisis oficial.
b) Placebo: en el mbito de la medicina suele usarse como tratamiento de referencia algo que en
aspecto no es diferenciable del verdadero tratamiento, por ejemplo una aspirina o una pastilla de
azcar, en lugar del medicamento de inters.
Por ltimo, cabe indicar que al seleccionar un conjunto de tratamientos, es importante definir
cada tratamiento cuidadosamente y considerarlo con respecto a cada uno de los dems tratamientos
para asegurarse, en lo posible, que el conjunto d respuestas eficientes relacionadas con los objetivos
del experimento. En ciertos tipos de experimentos, los tratamientos tienen efecto sustancial sobre la
precisin. Esto es especialmente cierto en el caso de los experimentos donde se prueban varios factores
simultneamente, y en consecuencia se tienen tratamientos combinados, lo que ser estudiado en el
captulo de experimentos polifactoriales. Tambin es importante un estudio cuidadoso cuando se
experimenta con factores cuantitativos. Supngase que el experimentador est midiendo el efecto del
aumento de los niveles de un nutriente sobre la respuesta de una planta, o del tiempo en la vida til de
cierto alimento, entonces se deberan incluir varios niveles para determinar si la relacin causa-efecto es
de naturaleza lineal o curvilnea. Aqu, la eleccin del nmero de niveles as como su espaciamiento es
importante para lograr respuestas apropiadas a las preguntas planteadas.
En general, a mayor conocimiento del experimentador en cuanto a tratamientos, mejor es el
procedimiento de contraste que el estadstico puede idear. Este conocimiento a menudo impone la clase
y cantidad de un tratamiento particular en un conjunto de tratamientos. Esto, a su vez, puede influir en la
precisin del experimento.

17.4. UNIDAD EXPERIMENTAL Y REPETICIN

Las unidades experimentales, conforman las entidades fsicas o el material sobre el cual se har
la observacin del efecto de un tratamiento, y por ello deben reunir ciertas caractersticas:
a) Homogeneidad: Las respuestas a diferentes efectos son comparables, cuando las observaciones se
han hecho sobre unidades experimentales que slo son diferenciables por el tratamiento que han
recibido. En el resto de las caractersticas, las unidades son tan parecidas como sea posible, sin
embargo, en la realidad siempre existirn diferencias. De la habilidad para manejar o controlar esta falta
de uniformidad, depender la capacidad para estimar con satisfactoria precisin los efectos de los
tratamientos. Si un tratamiento se aplica a una serie de unidades experimentales que tienen cierta
particularidad y otro se aplica a otra serie con caractersticas diferentes, no se sabr a quien atribuir las
diferencias que se observen en la respuesta medible. Por ejemplo, sea un ensayo de germinacin con
tres diferentes temperaturas y para cada temperatura se usa simiente comprada a diferentes semilleras;
285
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
la mala o buen germinacin no podr atribuirse al efecto de la temperatura porque la causa podra ser la
calidad de la semilla o bien deberse a ambos aspectos, pero lamentablemente no diferenciables. Los
efectos de la temperatura y de la calidad estaran confundidos entre s.
b) Tamao: El efecto del tratamiento puede medirse utilizando a la parcela en forma ntegra o no. Lo
primero ocurrir cuando; por ejemplo, se coseche una parcela de plantas de tomate completamente y se
pese lo producido, ms all que lo producido por cada planta se pese individualmente, para obtener
despus un peso total o bien se haga una pesada nica de la produccin de todas las plantas
(naturalmente, habr diferencias en cuanto a los errores de medicin). Pero a veces solamente se mide
una fraccin de la unidad experimental. Tal caso se da cuando en un experimento para evaluar el control
de insectos despus de aplicar ciertos tratamientos fitosanitarios se toma una muestra de 50 hojas a
partir de cada rbol para hacer recuentos, o bien, en un experimento con diferentes condiciones de
conservacin frigorfica para cereza, se toman peridicamente muestras de frutos de las cajas para
evaluar la prdida de humedad. O sea, que se recurre al muestreo dentro de la unidad experimental.
Estos casos se presentan cuando la unidad experimental es muy grande, inadecuada a los efectos
prcticos o la medicin implica la destruccin del material. El muestreo deber ser tenido en cuenta
posteriormente en el anlisis de los datos porque introduce una nueva fuente de variacin en los datos
(error de muestreo).
c) Cantidad: cuando un tratamiento aparece ms de una vez en un experimento se dice que est
repetido, es decir que se llama repeticin a la coleccin de dos o ms observaciones de respuesta,
bajo un conjunto de condiciones experimentales idnticas. Es importante notar que cada repeticin
corresponde a una unidad experimental diferente, a saber, si se toma una porcin de alimento o de
suelo, y a partir de ella se hacen tres mediciones analticas, no se tienen tres repeticiones genuinas sino
simplemente tres mediciones sobre la misma unidad experimental. En el caso de que en un diseo todos
los tratamientos estn repetidos el mismo nmero de veces, se habla de diseo balanceado, mientras
que si el nmero de repeticiones vara, se trata de un diseo no balanceado.
Existen diversos factores que afectan el nmero de repeticiones:
1) el factor ms importante es el grado de precisin deseada. Como regla general, cuanto ms pequea
sea la discrepancia que se desea poner en evidencia para rechazar una hiptesis nula de igualdad de
efectos de tratamientos, mayor ser el nmero de repeticiones requeridas. Por ejemplo, no tiene objeto
usar 10 repeticiones para detectar una diferencia que en magnitud es grande y entonces en la mayora
de los casos se puede detectar con 4 repeticiones; en el otro extremo, tampoco es de utilidad llevar a
cabo un experimento en el que el nmero de repeticiones sea insuficiente para detectar diferencias
importantes.
Para medir cualquier discrepancia con respecto a la hiptesis nula, el error experimental, esto es,
la variacin entre observaciones experimentales tratadas de manera anloga, debe proporcionar la
unidad de medida. Como veremos, cuando no es prctico hacer una observacin en la unidad
experimental completa, por ejemplo, en el caso de determinaciones bromatolgicas, para evaluar el
contenido protenico de un alimento, se suele tomar una muestra de la unidad experimental, y a partir de
ella por submuestro diferentes porciones de la misma. Usualmente la variacin entre unidades
experimentales es grande en comparacin con la variacin entre muestras de una sola unidad. No hay
razn para detectar un nmero grande de determinaciones qumicas en cada unidad experimental, ya
que la medicin del error experimental debe estar basado en la variacin entre unidades experimentales
diferentes, no en la variacin entre muestras repetidas de esas unidades.
Ciertos materiales son naturalmente ms variables que otros. Considrese el problema de
heterogeneidad del suelo. Ciertos suelos son ms uniformes que otros y, para la misma precisin, se
necesitan menos repeticiones en suelos uniformes que en los heterogneos. Igualmente, diferentes
cultivos desarrollados en la misma localidad, presentan variabilidad desigual.
2) Tambin el nmero de tratamientos afecta la precisin de un experimento y el nmero de
repeticiones necesarias para el grado de precisin dado.
3) El diseo experimental adems afecta la precisin de un experimento y el nmero de repeticin
necesarias. Cuando el nmero de tratamientos es grande y es necesario usar unidades experimentales
ms heterogneas, entonces aumenta el error experimental por unidad y esto no es bueno.
4) Desafortunadamente, el nmero de repeticiones a menudo est determinado en gran parte por los
fondos, el tiempo disponible para el experimento o aspectos operativos que atentan contra un nmero de
repeticiones suficiente. No se justifica un experimento si no puede obtenerse la necesaria precisin con
los fondos de que se dispone. La solucin es posponer el experimento hasta que se tenga los fondos
suficientes, o reducir el nmero de tratamientos de modo que se tenga el nmero de repeticiones
necesarias y la precisin para los tratamientos. El nmero prctico de repeticiones para un experimento
se alcanza cuando el costo del experimento en material, tiempo, etc., ya no se compensa con el
aumento de la informacin.
A modo de conclusin vale mencionar lo siguiente:
a) no existe un nmero mgico para la cantidad de repeticiones. Con informacin apropiada y
criterio, se puede, por lo general, encontrar un mtodo para determinar las repeticiones
necesarias, lo cual merece cierto tiempo de estudio por las consecuencias que puede traer.

286
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
b) las repeticiones no reducen el error debido a tcnicas defectuosas, es ms aumentan el efecto
indeseable de stas.
c) la bsqueda de una significancia estadstica por s (captar la evidencia de una diferencia
significativa, en relacin a la hiptesis nula) puede no dar informacin sobre la importancia
prctica de una discrepancia. La magnitud de una discrepancia real de significancia prctica
puede juzgarse mediante el conocimiento tcnico del tema en estudio; esta magnitud junto con la
medida de lo deseable que sea detectarla sirve para determinar la precisin requerida y, en
definitiva, el nmero de repeticiones necesarias

Mayor nmero de repeticiones cuando:

se conoce que la variabilidad (2 o %CV) del material experimental es grande
el tamao de la diferencia esperada entre efectos medios de los tratamientos es pequea
interesan conclusiones a un nivel de significancia, , pequeo
interesan conclusiones para una potencia de prueba, 1-, alta

17.5. DISEO EXPERIMENTAL Y MODELIZACIN

El concepto de diseo experimental se refiere a la eleccin de los tratamientos, a fijar el nmero
de repeticiones y a elegir el mecanismo de aleatorizacin para asignar los tratamientos a las diferentes
unidades experimentales. El diagrama o croquis, que resume esta informacin suele denominarse
dispositivo experimental. El caso ms simple lo vimos al tratar el anlisis de dos muestras
independientes y sera vlido para disear un experimento con dos tratamientos. En tanto que el
siguiente dispositivo
b1 b3 b2
b3 b1 b3
b1 b2 b2
b3 b3 b1
permite reconocer que se refiere a un experimento monofactorial, donde el factor B tiene 3 modalidades
(k=3) y, cada modalidad del factor ha sido asignada al azar a cuatro unidades experimentales, por lo
tanto todos los tratamientos se repiten 4 veces (r=4). Quiere decir que el nmero total de unidades
experimentales para el experimento es igual a 12, esto es k.r = 3x4.
Para el estadstico, el diseo experimental es un conjunto de reglas que permiten extraer una
muestra no sesgada de la poblacin de inters, y esto hace, como ya se anticipara, que la definicin de
la poblacin sea lo ms importante para que la informacin recabada con un experimento resulte til a
los efectos para los cuales se hizo.
El propsito del diseo experimental es:
Proporcionar un modo eficiente de confirmar o desechar hiptesis acerca de la respuesta a un
tratamiento
Proporcionar estimaciones de los efectos de tratamientos o de las diferencias entre efectos de
tratamiento
Asignar confiabilidad a las estimaciones e hiptesis
Estimar la variabilidad del material experimental
Incrementar la precisin en la evaluacin de las comparaciones de inters eliminando variacin
extraa
Proporcionar un patrn sistemtico y eficiente para conducir un experimento
Se ha visto que la formulacin de un modelo estadstico se diferencia de la de un modelo
matemtico, en que el primero incluye a un trmino que representa la variabilidad siempre est presente
en el mundo real. En los captulos de anlisis de la varianza y de anlisis de la regresin,
respectivamente, estos trminos fueron ij y i. En el caso particular de los modelos que permite
construir el anlisis de la varianza, aplicado a datos obtenidos bajo condiciones experimentales
controladas, se pueden reducir a la siguiente forma:

Respuesta observada en una unidad experimental = (efectos asignables) + (efectos residuales)

Es importante notar que en este caso es apropiado dar la denominacin de respuesta con
referencia al valor observado de la variable cuantitativa dependiente1, o valor de una variable
dependiente (dependencia funcional y causal). Los efectos asignables se relacionan con variables
identificadas controladas que suelen denominarse factores. Los efectos no atribuibles a ningn factor

1
Recordar que en el anlisis de regresin se advirti que en trminos generales no es apropiado utilizar la expresin respuesta,
por cuanto muchas veces los datos utilizados no provienen de un experimento controlado.
287
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
controlado se denominan efectos residuales que se relacionan con variables aleatorias que de modo
generalizado son denominadas error experimental.
El modelo explicativo ms simple, de lo observable en una unidad experimental, es el modelo de
la media
Yi = + i donde:
La variable respuesta en la i-sima unidad experimental, presenta un valor dado por una media general
y, el efecto del error experimental de esa i-sima unidad experimental i. Este modelo es el apropiado
para representar aquella situacin donde no se aplicaron tratamientos o bien los mismos no produjeron
efecto.
Si se tratara de un experimento donde los tratamientos produjeron efectos diferentes, el modelo
es
Yij = + j + ij donde:
Yij: es el valor de la variable respuesta Y en la i-sima unidad experimental que ha recibido el j-simo
tratamiento
: la media verdadera para el experimento
j : efecto del j-simo tratamiento
ij: efecto del error experimental en la i-sima unidad experimental que ha recibido el j-simo tratamiento
El modelo propuesto para el experimento se somete a prueba a travs del anlisis de la varianza
que se ver que es un mtodo muy flexible, en el contexto del anlisis experimental, para construir
modelos estadsticos explicativos del comportamiento de las diferentes fuentes de variacin.

17.6. ERROR EXPERIMENTAL

Una caracterstica de todo material de experimental es la variacin. El error experimental
describe la variabilidad de las unidades experimentales tratadas. Las causas que determinan el error
experimental son variadas:
1) La variabilidad existente que presenta el sustrato donde se aplicarn los tratamientos o variacin
natural de las unidades experimentales. Cualquiera sean las precauciones que se tomen con
respecto a la homogeneidad de las parcelas, siempre inevitablemente se presentarn diferencias. Ni
an los frutos que pertenecen a una misma planta y estn en la misma rama resultan idnticos.
2) La variabilidad debido a cualquier falta involuntaria e inconsciente de uniformidad en la realizacin
del experimento
3) La variabilidad debido a los errores de medicin (errores aleatorios)
4) La variabilidad debido a todas las variables que no son consideradas en el experimento. La cantidad
de agua recibida por las parcelas nunca es igual, tambin actan gradientes trmicos, etc, un sin
nmero de causas posibles de variacin que van ms all del control razonable de un
experimentador. Es una sumatoria de muchsimas e insignificantes variaciones que no interesa
discriminar, y que hasta pueden deberse a causas ignoradas por el experimentador.
Las dos primeras son las fuentes principales de la variacin debida al error experimental, y sus
magnitudes relativas son bastante diferentes segn los varios campos de investigacin. Experimentos
fsicos, experimentos qumicos, experimentos biolgicos, y experimentos psicolgicos, presentan de
menor a mayor error experimental. En general, en los experimentos agronmicos esta variabilidad es
considerablemente menor cuando se experimenta en laboratorio y no a campo, cuando se experimenta
en un invernculo y no a campo abierto, etc.
En un experimento de nutricin con conejos como material experimental, los individuos tendrn
constitucin gentica diferente a menos que haya una alta endogamia; sta es variabilidad inherente al
material experimental. Los conejos se colocarn en jaulas sujetas a diferencias de calor, luz y otros
factores, que determinarn una falta de uniformidad en la realizacin del experimento.

El error experimental es una medida de la variacin entre observaciones sobre unidades

experimentales, tratadas independientemente de manera similar. Un importante objetivo del anlisis
estadstico es obtener una estimacin de la varianza del error experimental.

En realidad es un poco desafortunada la denominacin de error experimental. Es importante

notar que no implica la existencia de errores en el sentido de estar equivocados, sino que el error
experimental se refiere a una fuente de variacin que incluye el efecto de todas las fuentes de variacin
no controladas que afectan cada medicin en particular.
Una vez que reconocemos la existencia de una variabilidad inherente al material experimental,
entendemos la dificultad para evaluar el efecto de un tratamiento, ya que en la respuesta su efecto se
confunde con el efecto de la variabilidad inherente al material experimental.

288
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
Recordando que un objetivo fundamental del los experimentos es estimar el efecto de un
tratamiento y, conociendo que V(Y) = 2/n, resulta que para obtener estimaciones precisas (intervalos
pequeos) y tambin poder en las pruebas de hiptesis, slo hay una formas de lograrlo y es
controlando las dos principales fuentes de error experimental. Esto debe hacerse desde el momento
inicial de la formulacin del problema y el diseo experimental, a travs de planificar:
1) el manejo del material experimental
2) el refinamiento de la tcnica experimental.

17.7. TIPOS DE EXPERIMENTOS Y SUS OBJETIVOS

El concepto de experimento aleatorio fue introducido en la unidad de probabilidad. Ahora
analizaremos este tipo de experimentos desde otro enfoque: el experimento como un proceso de
bsqueda planificada para obtener: a) nuevos conocimientos, b) confirmar y c) demostrar resultados
experimentados. Tal indagacin procura la informacin vlida necesaria para la toma de decisiones,
tales como la recomendacin de sembrar ciertas variedades, utilizar un determinado procedimiento de
anlisis, introducir una nueva lnea de produccin, etc. Desde este punto de vista, los experimentos
pueden clasificarse dentro de tres categoras:
a) Experimento preliminar o piloto: no se tiene un conocimiento profundo sobre el tema y en l se
somete a prueba un nmero grande de tratamientos con el objeto de obtener una mayor
comprensin del fenmeno de inters para continuar estudios ms especficos. En general se
prueban muchos tratamientos con pocas observaciones para cada tratamiento.
b) Experimento crtico: en este tipo se centrar la atencin en este curso de Estadstica. A travs
de l se busca comparar las respuestas obtenidas con un grupo elegido o seleccionado de
diferentes tratamientos, y usa un nmero suficiente de observaciones de las respuestas, para
tener seguridad razonable de detectar diferencias significativas.
En tales experimentos es necesario tener bien claro la poblacin a la cual se pretende extender
las inferencias, a los efectos de que el experimento proporcione la informacin de inters. Supongamos,
que el objetivo principal de un experimento es comparar el engorde de cerdos, logrado con diferentes
raciones en cierta localidad. Tambin supongamos que, en la regin se cran diferentes razas de cerdos
y que algunos establecimientos usan comederos mecnicos y otros los alimentan manualmente. Si en el
experimento solo se usa una raza de cerdos que se alimentan con comederos mecnicos, los
resultados experimentales difcilmente podrn generalizarse a toda la poblacin, esto es todas las razas
criadas y ambos mtodos de alimentacin. Otro ejemplo podra ser el experimento para comparar la
eficacia de diferentes fungicidas en el control del dumping-off de almcigos. Se conoce que existen
especies ms sensibles a esta enfermedad y que tambin es importante el factor suelo y la temperatura.
Para poder dar recomendaciones generales, el experimentador deber comparar los fungicidas
aplicados a varias especies y diferentes tipos de suelo y temperaturas. En algunos casos, cuando se
persigue informacin crtica de carcter muy general, no resulta suficiente la informacin que puede
obtenerse a partir de un solo experimento y habr que montar toda una red de experimentos.
c) Experimento demostrativo: es llevado a cabo sobre todo por los extensionistas, con la finalidad
de mostrar las diferencias que se han comprobado con los experimentos crticos. Por ejemplo, se
monta un experimento con una serie de parcelas grandes cultivadas con hbridos de tomate de
reciente obtencin, para su comparacin con hbrido ya difundido en la zona.
Otro tipo de clasificacin de los experimentos tiene en cuenta la cantidad de factores que se
incluyen en l. Si en un mismo experimento se utiliza un factor, se habla de experimentos
monofactoriales (tratamientos simples) y si se trata de dos o ms factores, de polifactoriales
(tratamientos combinados).
A esta altura, es claro, que los experimentos se disean con dos objetivos fundamentales:
1) Proporcionar respuestas a una o ms preguntas de inters. Con esto en mente, los
experimentadores formulan sus hiptesis y deciden cuales son las comparaciones de tratamientos
que les proporcionarn la informacin ms relevante. Disean el experimento poniendo a los
diferentes tratamientos en condiciones comparables, o bien dndole ms precisin a ciertas
comparaciones de tratamientos ms a que otras. Aplican los tratamientos y posteriormente, la
observacin o medicin sobre el material experimental, aporta datos cuyo anlisis estadstico lleva
a decidir acerca de cul o cules de las hiptesis planteadas inicialmente pueden sostenerse a la
luz de la evidencia emprica. Por tanto, el diseo experimental busca dilucidar si los tratamientos
producen efectos significativos y, en el caso de que as sea, identificar aquellos tratamientos que
produzcan la mejor respuesta.
2) Un segundo objetivo bsico de la experimentacin suele ser estimar los efectos de los tratamientos
(estimaciones de diferencias de medias).

289
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL

17.8. PRINCIPIOS ESTADISTICOS FUNDAMENTALES DEL DISEO

EXPERIMENTAL
En el trabajo experimental es importante establecer una relacin entre causa y efecto; en otras
palabras cuando se mide una respuesta y se observa algn cambio o diferencia, el inters se centra en
saber cual es la causa de tal cambio. Es por esto que a la hora del diseo experimental se consideran
rectores tres importantes principios:

Repeticin: un tratamiento se efecta por lo menos dos veces

Aleatorizacin: asignacin aleatoria del tratamiento a las unidades experimentales
Control : reduccin del error experimental

Repeticin
Este principio tiene por funcin:
1) Permitir una estimacin del error experimental ( 2), que es necesaria tanto para las pruebas
de significancia como para la estimacin por intervalos de confianza
2) Brindar una medicin ms precisa de los efectos del tratamiento (tambin mejora precisin del
experimento), mediante la reduccin del error tpico de la media de los tratamientos.
3) Aumentar el alcance de la inferencia del experimento a travs de la seleccin y del uso
apropiado de unidades experimentales ms variables.
Si en un experimento cada tratamiento se aplica slo una vez, se dice que es un experimento con
repeticin nica. De l no es posible estimar el error experimental; el experimento no es autosuficiente
para aportar la informacin necesaria para hacer inferencia. Cualquier diferencia observada entre dos
datos experimentales podra atribuirse tanto a que los efectos de los tratamientos son diferentes como a
que hay diferencias debido a las unidades experimentales como a que ocurren ambas cosas.
Recordando, el nmero de repeticiones depende fundamentalmente de la variabilidad del
material con que estamos trabajando y de la magnitud de las diferencias que deseamos detectar.
Adems, la repeticin es un medio de aumentar el alcance de la inferencia de un experimento. Sin
embargo, esto puede introducir ms variabilidad y en tal caso habr que introducir otro tipo de control,
procurando la uniformidad dentro de la parcela y la heterogeneidad entre las repeticiones (recordar el
concepto anlogo en el muestreo estratificado).
Para aumentar el alcance de la inferencia, por ejemplo evaluando los tratamientos en las
diferentes condiciones ambientales, se pueden hacer repeticiones en coincidencia con localidades o
aos diferentes. Tanto las repeticiones en espacio (localidades) como en el tiempo (aos) se pueden
considerar como tipos amplios de repeticin (el experimento completo se repite en el espacio o en el
tiempo). Naturalmente, se debern tomar ciertas precauciones, ya que por la magnitud o distribucin del
experimento posiblemente intervendrn diferentes personas y esto, a su vez, puede agregar variabilidad.

Aleatorizacin
Cuando los tratamientos se aplican a las unidades experimentales de una manera no aleatoria y
seleccionada, se trata de un diseo sistemtico, El inters se centra en los experimentos que utilizan
diseos aleatorizados; slo trabajando con unidades a la cuales se les aplica un tratamiento al azar se
podr responder toda pregunta respecto la posible presencia de una verdadera diferencia de efectos de
tratamientos.
En el caso de los diseos sistemticos existe el serio riesgo de tener una subestimacin o bien
una sobreestimacin del error experimental, as como desigualdades de precisin en las diversas
comparaciones entre medias de tratamientos. Esto es especialmente evidente en muchos experimentos
a campo o bien referidos a procesos productivos continuos cuando, respectivamente, se hace una toma
de datos sistemtica a travs del espacio y del tiempo. Por ejemplo, numerosos estudios han
demostrado que parcelas adyacentes de terreno cultivado tienden a dar un rendimiento ms semejante
que aquellas que estn ms separadas entre s. Los datos experimentales tomados sobre estas
parcelas tendrn residuos de error correlacionados y, si los tratamientos se disponen en el mismo orden
sistemtico en cada repeticin, pueden ocurrir diferencias considerables en la precisin de las
comparaciones para diferentes tratamientos. Est comprobado que la precisin de comparaciones entre
tratamientos que estuvieron dispuestos fsicamente ms cerca (parcelas experimentales ms parecidas)
es mayor que la de los que estn ms alejados.
Las funciones del principio de aleatorizacin son:
1) asegurar la independencia de los errores
2) asegurar estimaciones imparciales del error experimental y los errores tpicos
3) hacer que sean vlidas las inferencias, pruebas de significancia y estimaciones de medias

290
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
La aleatorizacin requiere recurrir a algn mecanismo que asegure que un tratamiento particular
no resultar favorecido, o desfavorecido, por alguna fuente externa de variacin conocida o
desconocida en forma consistente a travs de todas las repeticiones. Una asignacin de las unidades a
los tratamientos (o viceversa) hace que todas las unidades consideradas tengan iguales probabilidades
de recibir un tratamiento dado. Por ejemplo, cuando el suelo de las parcelas presentan diferente
fertilidad (alta-media-baja) o bien existen manchones de salinidad, la aleatorizacin da igual oportunidad
a los tratamientos de que caigan en las distintas unidades. Adems como los sorteos son
independientes, a lo largo de las repeticiones puede esperarse que todos los tratamientos queden en
igualdad de condiciones.

Control del error experimental

El control del error puede lograrse mediante dos instrumentos: el control estadstico y el
refinamiento de la tcnica experimental.
a) Control estadstico del error experimental: se hace a travs del diseo experimental, la eleccin
del tamao y la forma de las unidades experimentales y, el uso de observaciones concomitantes
1) El diseo experimental: El uso del diseo experimental como medio de controlar el error experimental
ha sido ampliamente investigado y, uno de los diseos experimentales apropiados es el diseo de
bloques aleatorizados.
Cuando el nmero de tratamientos es grande, implica que el nmero de unidades experimentales
puede resultar grande y, en consecuencia que resulten poco homogneas y aumente el error
experimental por unidad enmascarando los verdaderos efectos de tratamientos. Adems, puede ocurrir
que al planificar se reconozca que el sustrato presenta gran variabilidad. Tal conocimiento previo
permitir utilizar la estrategia de agrupar unidades experimentales semejantes.
El agrupamiento de unidades experimentales es una tcnica para el control del error
experimental, cuyo objetivo es repartir la variacin total de modo que la mxima variabilidad quede
entre los grupos (intergrupo) y simultneamente, la variabilidad sea mnima dentro de ellos (intragrupo).
En una segunda etapa del diseo experimental, la distribucin de los tratamientos se hace
estableciendo ciertas restricciones: en cada agrupamiento se debe aplicar un conjunto de tratamientos.
Con este procedimiento, las diferencias observadas medirn las verdaderas diferencias de tratamientos
mejor que si no se hubiera hecho la agrupacin porque se logra una reduccin controlada del error
experimental. Los grupos de unidades similares reciben el nombre de bloques.
Un tipo de diseo denominado diseo de bloques completos al azar consiste en formar
subconjuntos de unidades experimentales homogneas o bloques. En cada bloque se aplican todos
los tratamientos, resultando cada uno de ellos al mismo tiempo una repeticin del tratamiento, por
tanto el experimento se tiene tantas repeticiones como bloques. La variabilidad debido a diferencias
entre los bloques produce un efecto de bloque que se puede separar de la variacin total del
experimento. Significa que el diseo de bloques (aleatorizados) permite que parte de la variacin
natural entre el conjunto de unidades experimentales (muy posiblemente, la ms importante, porque ha
sido detectada anticipadamente) se trate matemticamente, de modo que no contribuya en nada a las
diferencias entre medias de tratamientos. Por ejemplo, considrese un experimento con dos
tratamientos y que las unidades experimentales son 20 cerdos obtenidos en pares de 10 camadas. Si
no se tienen en cuenta los pares (se arma un solo grupo de cerdos) y, totalmente al azar se asignan 10
cerdos a cada tratamiento especfico, entonces el modelo que describe la respuesta experimental que
ya fuera presentado es
 =  +  +  , donde cada ij incluye entre otras, la variabilidad debida a
tener cerdos con diferente procedencia gentica y, esto, determinar una poblacin con una cierta
varianza Pero veamos ahora otra posibilidad, trabajar con los pares de cerdos. Si los dos miembros
de cada apareamiento (mismo origen) se asignan aleatoriamente, a cada uno de los dos tratamientos,
ya no resultar adecuado el modelo dado. El nuevo modelo para explicar los datos experimentales es

 =  +
+  + 

donde aparece un nuevo trmino  , que est referido a la contribucin debida a la variacin
entre los pares de cerdos. No solo ha sido discriminada la variacin debida a los tratamientos, sino que
tambin se ha discriminado, a partir error experimental, la variabilidad debida a los diferentes camadas
de los cerdos, en consecuencia puede esperarse una variabilidad debido al error algo menor que la del
primer modelo. Significa que, la eleccin de un diseo con pares no aleatorios ha controlado el error
experimental 2, bajo el supuesto que los pares presentaban diferencias y entonces eran una fuente
adicional de variacin. Esto es, siempre que la varianza natural entre las observaciones sobre
individuos del mismo par sea menor que la de las observaciones entre individuos de pares diferentes.
Se ha visto que el sentido comn y la agudeza son armas muy valiosas para reconocer fuentes de
variacin y someterlas al control estadstico.
Existen dos categoras de diseos de bloques aleatorizados:
diseo de bloques completos aleatorizados : cuando cada bloque est formado por
una cantidad de unidades que permite contener a todos los tratamientos. En este caso, cada bloque
completo es al mismo tiempo una repeticin.

291
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
diseos de bloques incompletos: a medida que el nmero de tratamientos en un
experimento aumenta, tambin lo hace directamente el nmero de unidades experimentales necesarias
para una repeticin, y por ende el tamao del bloque. En la mayora de los casos, esto conlleva a un
incremento en el error experimental, o sea, un aumento en la varianza de la poblacin principal, y el
bloqueo ya no produce el efecto deseado. Para estos casos se cuenta con diseos en los cuales se
subdivide el bloque completo en varios bloques incompletos, de modo que cada bloque incompleto
contenga slo una parte del total de los tratamientos. La subdivisin en bloques incompletos se hace
de acuerdo con ciertas reglas, de tal manera que el error experimental pueda estimarse ente unidades
dentro de los bloques incompletos. La precisin se aumenta hasta el punto en que las unidades
experimentales dentro de un bloque incompleto sean ms uniformes que los bloques incompletos
dentro de una repeticin. El diseo de parcelas divididas es un ejemplo de bloques incompletos,
caracterizado porque permite aumentar la precisin de ciertas comparaciones (porque tienen mayor
nmero de repeticiones) a expensas de otras (con menor nmero de repeticiones). Esto resulta til
cuando hay tratamientos que interesan ms que otros. En experimentos en los que las comparaciones
entre todos los tratamientos tienen esencialmente la misma importancia se usa un tipo diferente de
diseo de bloques incompletos. Los tratamientos se asignan a las unidades experimentales de manera
que cada tratamiento se presenta el mismo nmero de veces con cada uno de los otros tratamientos
dentro de su conjunto completo de bloques incompletos. Tales diseos se conocen como bloques
incompletos balanceados. Finalmente hay otro tipo de diseo experimental, conocido como ltices
parcialmente balanceados, donde cada tratamiento se presenta solamente con ciertos tratamientos, no
con todos, en su conjunto de bloques incompletos.
A modo de conclusin puede decirse que frente a una situacin dada, el mejor diseo
experimental es el diseo ms simple disponible que proporcione la precisin requerida. No vale la
pena usar un diseo complicado si no se obtiene un aumento de precisin.
2) El tamao y forma de las unidades experimentales: Como regla general, las unidades experimentales
grandes presentan menos variacin que las pequeas. Esta regla se cumple, en particular, cuando los
errores aleatorios se distribuyen normalmente con varianza comn, y es una consecuencia de la relacin
2Y = 2/n. Sin embargo, un aumento en el tamao de la unidad experimental trae, a menudo como
consecuencia, una limitante en el nmero de repeticiones que pueden tenerse, debido a que por lo
general el material experimental de que suele disponerse en un experimento dado no es abundante.
Bajo esta situacin, generalmente es ms til lograr una repeticin adecuada de parcelas pequeas que
de parcelas grandes.
En el campo agronmico, es importante poder realizar ensayos de uniformidad, que son
experimentos en blanco, es decir, donde no se aplican tratamientos o bien se cultiva en forma pareja
con el mismo paquete tecnolgico a todo. Luego se evalan los rendimientos en parcelas de tamao
bsico, por ejemplo 1m x1m, y se estima el error experimental simulando parcelas experimentales de
diferente tamao y forma, as como de bloques. De esta forma se ha podido demostrar empricamente
que las parcelas individuales deben ser relativamente largas y angostas para lograr la mxima
precisin, en tanto que el bloque, completo o incompleto, debe ser aproximadamente cuadrado. Para
una variabilidad dada entre unidades experimentales, este proceder tiende a maximizar la variacin
entre bloques, a la vez que minimiza la variacin entre parcelas dentro de los bloques. Una variacin
grande entre bloques indica que su uso ha sido til porque esta variacin se elimina del error
experimental y, adems, no contribuye a las diferencias entre las medias de tratamientos. Cuando los
bloques son cuadrados, las diferencias entre bloques tienden a ser grandes. Es conveniente tener una
variacin pequea entre parcelas dentro de bloques y, al mismo tiempo, tener la parcela representativa
del bloque. En terrenos donde se presentan curvas de nivel de fertilidad definidas, la mayor precisin
se obtiene cuando, los lados largos de las parcelas son perpendiculares a las curvas, o bien paralelos
a la direccin del gradiente.
3) Uso de observaciones concomitantes: En muchos experimentos se puede aumentar la precisin
mediante el uso de observaciones complementarias y una tcnica estadstica, con fundamento en el
anlisis de la varianza y el de la regresin, llamada anlisis de covarianza. Se usa este anlisis cuando
la variacin entre unidades experimentalmente se debe, en parte, a variacin en alguna otra u otras
caractersticas medibles y no suficientemente controlables para que sean tiles al asignar unidades
experimentales a bloques completos o incompletos con base en resultados semejantes.
b) Refinamiento de la tcnica
La importancia de seguir una tcnica cuidadosa en la conduccin de un experimento es evidente
por s misma. Es responsabilidad del experimentador ver que se haga todo lo posible para asegurar que
se cumpla esta premisa porque ningn tipo de anlisis estadstico, o de otra clase, puede mejorar los
datos obtenidos mediante experimentos mal efectuados. En general, la variacin proveniente de una
tcnica deficiente no es aleatoria, y por tanto no est sujeta a las leyes del azar, que son en las que se
basa la inferencia estadstica. Esta variacin puede denominarse inexactitud, en contraste con la falta de
precisin. Desafortunadamente, la exactitud en la tcnica no siempre produce alta precisin, ya que sta
tambin tiene que ver con la variabilidad aleatoria entre unidades experimentales, la cual puede ser
bastante grande.
Una tcnica defectuosa puede afectar los resultados de dos modos:

292
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
1) Invalidando las inferencias: tal el caso en que la tcnica aumenta el error experimental en
general, a travs de errores sistemticos. Estos errores, que no siempre puede detectarse
mediante la observacin de las medidas individuales, no estn sujetos a las leyes del azar, por lo
tanto no son controlables estadsticamente. Simplemente hay que evitarlos, detectarlos y
corregirlos. Tambin puede producir medidas consistentemente sesgadas, que si bien no afecten
al error experimental en las diferencias entre las medias de tratamientos, s lo haga sobre los
valores de las medias de tratamientos. El error experimental no puede detectar sesgos. El error
experimental estima la precisin o la repetibilidad de las medidas, pero no estima la exactitud.
2) Introduciendo errores cuyas fluctuaciones son de naturaleza ms o menos aleatoria y,
posiblemente, sujetas a las leyes del azar. Tales fluctuaciones, si son grandes debern revelarse
por s mismas en la estimacin del error experimental, posiblemente mediante la observacin del
coeficiente de variacin. Frente a estimaciones del error experimental consistentemente altas, los
experimentadores deberan analizar en mayor profundidad sus datos.
A continuacin se consideran algunos puntos de tcnica que deben tenerse en cuenta al efectuar
un experimento:
Tener uniformidad en la aplicacin de los tratamientos. Por ejemplo, aplicar en forma pareja una
pulverizacin o un riego, hacer el corte de un forraje a una altura fija en todas las parcelas o bien el
llenado de tubos de ensayos a un nivel dado, cosechar todo el mismo da, etc.
Deber ejercerse control sobre las influencias externas, de tal manera que todos los tratamientos
produzcan sus efectos en condiciones comparables y deseables. Por ejemplo, para comparar los
efectos de varios tratamientos puede ser necesario crear una epidemia mediante el uso de un
inculo artificial. Deben hacerse esfuerzos para lograr la mayor uniformidad posible en la epidemia.
Por otra parte, si es imposible lograr condiciones uniformes, puede ser posible todava lograrlo
usando bloques. Por ejemplo, en experimentos de cultivos, si no se puede efectuar un experimento
completo o si no se puede cosechar en un da, es conveniente hacer bloques completos en un da;
en experimentos de laboratorio donde es necesario emplear varios tcnicos, es aconsejable que
cada uno de ellos se encargue de uno o ms conjuntos completos de tratamientos.
Siempre debe tenerse cuidado para no cometer errores grandes, o registrar cualquier novedad
(granizada, enfermedad, etc) que se presenten durante la experimentacin; la adecuada supervisin
de los asistentes y un riguroso escrutinio de los datos servirn de mucho para evitarlos y hacer
correcciones adecuadas.
Hacer estudios adicionales. Por ejemplo, si se obtienen valores grandes del coeficiente de variacin,
o estimaciones del error experimental consistentemente altas, los experimentadores podrn cotejar
con referencias de otros investigadores en el mismo campo, y as recabar ms datos para descubrir
el origen de los errores. A veces en el anlisis de la varianza se obtienen valores calculados de F
menores a la unidad, esto significa que la variabilidad experimental ha superado a la variabilidad
que producen en la respuesta los cambios de los niveles del factor (varianza del numerador menor a
la varianza del denominador). Si se rechaza el modelo estadstico se deber revisar el proceso
experimental para ver si se satisfacen las correspondientes suposiciones:
o Si no se emple la aleatorizacin debida, la suposicin de independencia es dudosa.
o Si se posee un nmero suficiente de datos se podr probar la suposicin de normalidad mediante
la representacin grfica de los mismos, o mediante la aplicacin de los tests correspondientes.
o Corroborar la suposicin de varianzas homogneas.
o Rever el planeamiento y el experimento en s, para ver si el modelo lineal supuesto es una buena
aproximacin a la realidad.
Un punto que algunas veces se pasa por alto es que una medida puede estar sujeta a dos
principales fuentes de variacin, una de las cuales es considerablemente mayor que la otra. Como
ilustracin, considrese la cantidad de protenas por parcela producidas por un cultivo forrajero. La
cantidad es una funcin del rendimiento por parcela y del porcentaje de protena. La variacin entre
medidas del rendimiento del forraje es mucho mayor que la variacin entre las determinaciones del
porcentaje de protena. Como consecuencia, hay que esforzarse ms en reducir la parte del error
experimental asociada con el rendimiento del forraje, que la asociada con el porcentaje de protena.
En general, cuando estn presentes varias fuentes de variacin es ms til tratar de controlar la
fuente ms grande.

17.9. PRECISIN Y EFICIENCIA

El nmero de tratamientos afecta la precisin de un experimento y el nmero de repeticiones
necesarias para el grado de precisin dado. Por ejemplo, si aumentamos el nmero de tratamientos y
mantenemos constante el nmero de repeticiones para cada uno, entonces aumentamos el tamao del
experimento y el nmero de grados de libertad para la estimacin de 2. Si ahora  =    tiene un r
menor habr una estimacin ms deficiente de 2. Como resultado se tiene menos precisin. El nmero
de repeticiones debe aumentarse para lograr una precisin fijada. Todo este razonamiento es ms
apropiado para experimentos pequeos, por ejemplo, con menos de 20 grados de libertad en el error.
293
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
La precisin, sensibilidad o cantidad de informacin de un experimento se mide por el
inverso de la varianza de una media. Si I representa la cantidad de informacin, entonces
I =1/2y , luego I = r /2
Es decir, una estimacin de la informacin depende de 2; a medida que 2 aumenta, la cantidad de
informacin decrece. Tambin cuanto mayor es r, mayor es la cantidad de informacin. Es importante
tener en cuenta lo bien que s2 estima a 2 y esto est afectado por el nmero de grados de libertad
disponibles para la estimacin. Los grados de libertad dependen del nmero de repeticiones, del nmero
de tratamientos y del diseo experimental. Cuando el nmero de grados de libertad es inferior a 20, bien
vale la pena incrementar la precisin. Por ejemplo, observemos que t0,025 para 5 grados de libertad, es
2,57; para 10 grados de libertad, 2,23; para 20 grados de libertad, 2,09 y para 60 grados de libertad,
2,00. El valor de t a todo nivel de probabilidad disminuye notablemente por cada grado ms de libertad
hasta llegar a 20; ms all de este valor, la disminucin es lenta.

Para comparar dos diseos experimentales, se compara la cantidad de informacin. Esta da la

eficiencia relativa.

El procedimiento, tal como lo presenta Cochran y Cox, para estima la eficiencia del diseo 1 en relacin
con el diseo 2 se hace mediante
2 2
( r1 + 1) /( r1 + 3)s1 ( r1 + 1)(r2 + 3)s 2
RE = 2
= 2
( r2 + 1)(r2 + 3)s 2 ( r2 + 1)(r1 + 3)s1
Donde s21 y s22 son los cuadrados medios de los diseos uno y dos respectivamente, y r1 y r2 son el
nmero de repeticiones del diseo 1 y 2 respectivamente. Si el nmero de observaciones en una media
de un tratamiento difiere en los dos experimentos en comparacin, sustityase s21 y s22 por s2Y1 y s2Y2 .
Supngase que deseamos comparar un diseo que tiene 5 grados de libertad para
2
estimar con otro que tiene 10 grados de libertad; esto podra ser una comparacin de un experimento
pareado con uno no pareado de dos tratamientos y seis repeticiones. El diseo pareado es ms preciso
que el no pareado slo si la eficiencia del primero con relacin al ltimo es mayor que 1. Si la eficacia
relativa resulta
2 2 2
( r1 + 1)(r2 + 3)s 2 (6)(13)s 2 s2
2
= 2
= 0,886 2
,
( r2 + 1)( r1 + 3)s1 (11)(8)s1 s1
es decir, menor que 1, el apareamiento no se justifica ya que 0,886  es mayor que  .

17.10. PLANIFICACIN DE INVESTIGACIONES

Todas nuestras actividades asociadas con planear y realizar estudios de investigacin tienen
implicaciones estadsticas. Los principios que se presentan constituyen la base para la estructura de un
estudio de investigacin. Si la estructura es razonable, el estudio funcionar de manera adecuada y se
obtendr la informacin para la que fue diseado. Si la estructura tiene fallas, el estudio no funcionar
bien y presentar informacin incompleta o errnea.
Un programa de investigacin es un esfuerzo organizado de un cientfico para adquirir
conocimientos sobre un proceso natural o artificial. La buena planeacin ayuda al cientfico a organizar
las tareas necesarias para un estudio de investigacin. El estudio individual exige que el cientfico tome
una serie de decisiones crticas. No es posible exagerar la importancia de desarrollar un plan por escrito.
Al iniciar el estudio, el investigador sagaz desarrolla una lista de verificacin de aspectos
concretos; algunos de los que suelen incluirse son:
objetivos especficos del experimento
identificacin de los factores que influyen y cules de ellos varan y cules permanecen
constantes
caractersticas a medir
procedimientos particulares para realizar las pruebas o medir las caractersticas
nmero de repeticiones del experimento bsico a realizar
recursos y materiales disponibles.
Las preguntas que centran nuestra atencin a travs del proceso de diseo incluyen: Cul es el
objetivo?, Qu se quiere averiguar? y Por qu interesa esta investigacin?. Las preguntas de
seguimiento productivo para cada actividad en el proceso, tales como: Cmo se va a realizar la
tarea? y Por qu se hace esta tarea?, dirigen la atencin a definir el papel de cada actividad en el
estudio de investigacin.
En el campo cientfico, es fundamental establecer con claridad las hiptesis de investigacin con
relacin al objetivo de la misma. Estas hiptesis se vinculan con un conjunto de circunstancias y
294
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL
consecuencias, y para su evaluacin es importante identificar los tratamientos y la importancia que
puede tener cada uno de ellos. Luego, son las hiptesis de investigacin las que generan el diseo de
los tratamientos de modo que en experimentacin la relacin entre los tratamientos y las hiptesis es
directa, y de la eleccin de ellos depende que el experimento resulte exitoso.
Cuando se eligen los tratamientos adecuados en respuesta a una hiptesis de investigacin, es
posible comprender mejor los mecanismos fundamentales, ya sean fsicos, qumicos, biolgicos o
sociales. En algunos casos, el objetivo puede ser escoger al ganador" para encontrar un tratamiento
que proporcione la respuesta deseada; en otros casos, el experimento se usa para aclarar los
mecanismos bsicos asociados con los tratamientos, en trminos de su influencia sobre las variables de
respuesta medidas. En este ltimo caso, una hiptesis slida motiva la seleccin de los tratamientos. Se
concluye entonces que es forzoso que el investigador se asegure de que los tratamientos elegidos son
tiles al objetivo de la evaluacin de la hiptesis de investigacin.
En el marco de investigaciones reales mediante investigaciones experimentales, los tratamientos se
corresponden con condiciones impuestas por el investigador, por ejemplo podra existir inters en
investigar cmo controlar la mortandad de plantines de tomate cuando son atacados por un patgeno
del suelo, en este caso el objetivo del estudio puede quedar ligado a la formulacin de hiptesis como:
No todos los fungicidas disponibles en el mercado tienen la misma eficiencia en el control del
patgeno, o bien La eficiencia de un cierto fungicida vara con la dosis de aplicacin. En el primer caso
los tratamientos sern los fungicidas que se elija experimentar, y en el segundo las dosis del fungicida
que se consideren efectivas. Por otra parte, en el caso de las investigaciones observacionales, los
tratamientos se corresponden con condiciones existentes. Por ejemplo podra interesar indagar el
rendimiento de estudiantes universitarios y entonces podra establecerse la hiptesis de que el
rendimiento depende de las caractersticas demogrficas familiares. Tales caractersticas podran ser el
nivel educativo de los padres, el ingreso econmico familiar, el tipo de formacin que tuvieron en el nivel
educativo previo y la edad de ingreso a la universidad. Es fcil ver que los valores de estas variables
surgirn una vez que se haya medido a los estudiantes que integraron la muestra.

295
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013
 UNIDAD V: DISEO EXPERIMENTAL

296
Ctedra de Clculo Estadstico y Biometra Facultad de Ciencias Agrarias UNCuyo / Ciclo 2013