NT DISENOS EXPERIMENTALES AGRICULTURA Y LA GANADERIA j=" Fundamentos de la experimentacién agricola j= Disefio completamente al azar %@f Disefio de cuadro latino @% Experimentos factoriales fev" Disenio de parcela dividida Emilio Padron Corral trillas (@)DISENOS EXPERIMENTALES CON APLICACIONALA — AGRICULTURA Y LA GANADERIA Emilio Padrén Corral ' Pe t eee te ry N att EDITORIAL TRILLAS y Becta TeCtalogaeién en ta fuente WR Ss Pacrén Cora Fro a wed Dates expermmeioes: con actin a sys ye gorosera — 28 66, ~ Ménco ; Fifas ! UAAAN, 2009, ‘ipo. grat 24 on Biseyati pp. Si05220 ince ices Tn enero Osco expermert#e3 splcgccn a a ayaa ya genase San 979.000 1701985 1 Disero experimental 2, Agrcate “étados exaabicoe, p-esoz0u12 7530 la presentactin y lsposiiin en conjunto de DISeH0S EAPERINENTN.C5 on apicactin a 8 sarc 7 i ganacioris Sn prpeded cel ete. Fringuna parte de sta obre pueae regracuciaa 0 trasmica, medante nian stems a metode, eectrsnico a mectrico Tinewverad el frocopiads, ia erabactin ‘0 cskpder stems de recuperactin ¥ Simacenamiento de nformnace, “Sr consentinyenta 30 ‘eschto del ctor Derechos reservades @0m, 2009, Coltri Iias, 5A. ce CU usin Aammnisranva fi le Chunsosea 285 Col Peco Maria Araya, C, F 05340 Hiéxico, DF Tel, 56884235 FAK 30041508 IG ssa0ass7P33 2864 YS Dain Comercial Cazaie ce Vigo 1152 CP 0939, Mexico, Df al 26550995, Tan 5550870 wor tllas. com. emrtyo de a Cimars Nacional de Ie inaustia Eatoras eg, nom 38 Premera pir 96024 +) {Tigra entenor: izersexpenmentsies Spseacion a i apiultray ta qoradee) ‘Segunda ein, jlo 2009 Bon g7@607 1701925 irrpreso en Mico Pinte! Meco Se rermaen jose 2008 ‘reson imo 8A. row 0 ASS Introducci6n El objetivo del autor es oftecer al alumno un texto que cuibra el programa del curso Diseios experimentales con aplicavidn a la agrieuitura y la ganade- ria. Fn esta edicisn se incluyen indice, ejercicins, tablas, bibliogeafia y solu ciones a algunos ejercicios, Las temas de la obra pueden cubrirse en un semestre y complementarse con salidas a experimentos dle campo, laboralorio o inveriadero, con el pro pésito de que cl alumno comprenda mejor los eonceptas y pueda aplivarlos len casos especificus. Con respecto a las ejercivios, se espera que el estudiante panga mayor in terés en ellos, ya que algunos son investigaciones sobre aspecios agropecua- tlos realizados por niaesires de la Universidad Auténona Agraria Antonio Narto (UAAAN),indice de contenido Introduceién 5 Cap. 1. Fundamentos de la exper agricola 9 Intraduecidn, 9, Tratamiento, 10. Repeticién, 11. Disefio experimental, 11, Bloque, 12. Error experimental, 12. Blecei6n del disefio experisnental, 14, Disenios experimen. tales de nso més frecuente, 18, Andlisis de covcrianza, 16. Experimentas factoriales, 23. Experimentos en confun- dido, 24. Expetimentas en parocla dividida, 27. Técnica de aleatoriedad, 29. Analisis de varianza, 30. Grados de libertad, 30. Cap.2,Disefto completamente al azar 33 Intraduecién, 33. Disefo completamente al azar con igual timero de unidades por ratamienta, 34. Diseio comple- tamente al azar con diferente némero de unidades por tratamiento, 36. Prueba de rango multiple de Duncan, 38, Prueba de camparaciin milliple entre medias por el método de Tukey, 40, Prueba de Scheifé, 41. Contrastes ortogonales, 43, Modelo aditive lineal, 47. Ejercicios, $2. Cap. 3. Diseno de bloques completos al azar 55 Introduecién, 55, Disefio de bloques al azar, 55. Modelo Lineal aditive del disefto de bloques al azar. 59. Estima. cidn de parcelas perdidas, 60, Bjercicios, 61 Cap. 4 Disefio de cuadie latino a Introduceton, 67, Katimuelin de parcelas perdidas, 70, ‘Transformacione, 71, Hlerehelow 72cap. 5. Cap. 6. Cap. 8. cap. 1 ". Disefio de bloques incompletas (litice Anilisis de covarianza Intraduccibn, 75, Modelos con covarianza, 76. Ejerci ios, 02. Disefto generalizado de bloques al azar Introluceién, 85. Fjercicios, 48 mpl) Introduccion, 91. Procedimiento de edtculo, 92. Total de variedades ajustadas, 100. Erroves esténdar de las diferen cias dle las madias de variedades ajustadas, 101. Ffieiencia del diseno delatice simple en comparacién conel diseo de bloques al azar 103. Coeficiente de vari cicios, 103. Experimentes factoriales Introduccién, 107. Factorial 2°, 108. Intespretacién de las, Interacelones de das factores, 112. Factorial 2, 122. Expe- rimento facterial 3 3, LMI. Bjercicios, 150, Polinomios ertogonales Introduccin. 157. Meiodologla, 187. Ejercicios, 161 |. Coniusién ex experimentas factoriales Introduccién, 165. Confusion completa, 165. Confusida parcial, 170, Bjercielos, 176. Diseito de percela dividida Intraduceién, 181, Gufa para comparar medias, 187. Ejer Cicios, 189. Apéndice + Solueién ibliogra de algunos ejercicios indice analitico 75 85 oO 107 1s? 165 181 193 205 219 221 Fundamentos de la experimentaci6n agricola INTRODUCCION La estadistica es uno de los elementos basicos de la experimentacién agricola, ya que mediante ella se pueden obtener algunas conelusiones averca ce tales experiments. EI desarralio agricola de un pais se basa en las investigaciones que se realizan en eve campo, valiéndose de la experimentacida. Cualquier modalt dad en las técnicas de cultivo, al introducitse por primera vez a una regién, necesita de la experimentacién para poder adaptario y divulgarlo entre los agticultores. Esto se debe a que las condiciones de clima y suelo varian en cada regidn, estacisa y aia Para ef aprovechamnienta dptimo de Jas recursos disponibles, los expe imentos se deben diseitar de acuerdo con los principias estadisticos que permitea al expertmentador Megara conelusiones eorrectas acerea de un problema especifico. Los experimentadores y estadisticos deben planear los experimentos conjumamente, Para elio el estadistico debe tener un criteria prictico y el experimentadar, un criterio estadistive. Las etapas de todo trabajo de investigacidn se pueden resumir de la siguiente manera: 4) Enuneiado del problema, 1b} Objetivos generales y especiticos. ©) Formulacion de hipotesis, d) Seleeci6n del procedimiento y disetio experimental ¢) Realizacién del experimenta. 7) Aplicacién de los métodos estadisttcus @ los resultadas. 'g) Interpretacién de resultados, i) Analisis econdinico y su utilidad préctica para la comunidad, La biometria es primordial para analizar ¢ interpretar los datos y se mani fiosia en diversas formas;10 Cart. FLNoNnTes DF 14 FxRIMATACION 1) Bseudio de la variaeién de una poblacion de seres vivos. b) Comparacién entve poblaciones y muestras para juzgar su seme- janza 6) Interprotacign de resultados de experimentas bialigieos y agropecua- rigs, en donde se camparan poblaciones 0 muestras sametidas a dife- renites esiudios 0 pertenecientes a diierentes variedatles 0 cazas. 1) Determinacion de la relacién entre dos 0 mas variedades (correlacién yy regreaién). ¢) Aplicacién de métodos para reduc las fuentes de error cion de datos. 1) En poblaciones segregadas, separaciéa de la variacién atribuible a la seleccidn de los genes debido al medio, en estudios de hierencia cuan Uitotiva. en la correla- [En general, la experimentacién agricala la doen realizar los profesiona: les relacionadios con las cieneias agronémicas y bioldgicas, Disenar un experimento significa planear un trabajo de modo que redna la informacién aplicable al problema en Investigacidn. Steel y Torrie con: sideran un experimenty como ua pregunta que detectars nuevos hechos, conlirmard los resultados de ensayos anteriores y dard recomendaciones de aplicacién prtica EL experimento es ol conjunto de reglas usadas pata obtener una muestra e Is poblacidn y al concluir el ensayo obener informacin acerea de la pobla- i6n, Lille y Jackson alitman que el experimento es un elemento de investi: ‘gacidn utilizado para descubrie algo desconocicio, 0 para probar un principio 0 tuna hipstesis, Bs un casa importante del métoda cientifico, ya que las pregun= tas que el experimento pretende contestar seran fundamentales para apoyar 0 rechazar una hipotesis ‘TRATAMIENTO es una de las formas que, en cantidad 6 calidad, el factor a estudiar tora @urante el experimenta, Por ejemplo, si el factor a estudiar es variedad de arcvz, un \ralamiente es la variedad Macuspana; i el factor a estudiar es can tidad de lisina, eada una ce las dosis ce lisina aplicada durante el expesimento 5 un tratamiento, Los tratamientos a estndiar durante el experimento pueden set una combinacidn de varios factores simples: si quiere estudiarse la dis: taneta ene hileras y la distancia entre plantas en un cullivo, se pueden con- siderar tcalamientos simples como 80 em entre hileras 0 3 em entre plantas, 6 tratamientos combinados como 80 cm enice hileras y 3 bm enite plantas; en si, el tratamiento es una unidad a comparar Por ejemplo, en la industria el productor de detergents puede establecer ‘como tratarniento el tipo de agua (Suita o suave) I ira el agua, La «uiracién de} lavad, ha matey el tipo ae lava 9 soclolgh Deisormenanras 11 cos y psicolégices, los tratamientos se pueden referir a edad, sexo, grado de educacién, religiéa, etcétera, Unidlad experimental es el material experimental al que se aplica un tra tamiento de manera uniforme. Puede ser un animal, un conjunto de semis, tuna pareela, una maceta, un drbol, un tubo de ensayo, etcet ‘Tratamiento testigo Bs un Uatamienta que se compara, Por ejemplo, si se quiere probar en tuna regidn el grado de adaptacién y rendimiento de una variedad nueva de plétano, se planeard el ensayo de tal manera que se incluyen variedaules loca les como testigos. Si la aueva variedad! presenta mayor resistencia a enfer~ medades, insectos, vientos, precipitacién, ete., y en consecuencia produce mayor rendimiento por heclérea, esa variedad se recomendard para la zona. En investigacion con animales se pusslen probar sexos, localidades, racio- nes, épacas, sistemas de pastorea, carga animal dptima, tipos de vacuna, uso de vitaminas y minerales, etc, En tales casos, se forman grupos de animales lan hamagéneos camo sea posible para la investigacisn. Para formar los gr pos se deben eonsiderar aspectas camo edad, sexo y raza. Sia varios grupos dle animales se les administran diferentes dosis de vitaminas, pero no a un ‘grupo testigo, el analisis estalfstieo dar informacién acerca del aumento de peso, altura y precocidad de los aniaiales que recibieron la vitamina eompa- Tados can los que no la recibieron; en medicina al testiga se le ama placebo, ¥-usan agua, agua azueacada como testigo pata compararlo con ottes trata mientos que si llevan dosis del producto a tratar REPETICION Cuando en un experimento se tiene un conjunto de tratamientos para poder estimar el error experimental, es necesario que dichas tratamientos aparezcant mas de una vez en el experimente, para asi aumentar la precisin ile éste, controlar el error experimental y disminuir la desviacion estandar de la media. Por tanto, se entenderé por repetieldn al niimero de veces que un lralamiento aparece en el experimente. DISENO EXPERIMENTAL Es ol procedimiento que se sigue para asignar los Latamientos a las unidades experimentales. Bs un método aleatorio, o sea, de asignacién Al azar, porque se decide el tratamiento que cocresponde a cada unidad ‘experimental mediante UN sorlea ® por medio de una tabia de nvimeros sleatorios,12 BLOQUE Es un conjunto de unidades experimentales lo mas homogéneas posible, cen el cual aparecen tos los trazamienos una sola vez; dicho bloque se debe colocar perpendicular al gradiente para tratar de minimizar el error, ERROR EXPERIMENTAL Los resullados experimentaies varian no silo por la aveién de Tos trata mienios, sino tambien por varlaciones dnbieulales que lieiwlen « enmasearar cl efecto de los tratamienios. Por lo general, para expresar estas variaciones se usa el término error experimental, Pero el i6timino error no quiere decir ‘equivocacién, sino que incluye todo tipe de variacién externa ajena al mate ial experimental El error experimeriat es la jedida de variacidn que existe entre las obser vaciones de unicacies experimentales en el mismo tratamiento. es decir, la va racidn no proveniente de los tratamtientos. Existen dos clases de vasiaciones: la variaciin inherente al piatevial experimental, al que se aplican los tratamien tos, y la que proviene de la falta de uaitormidad ea la cealizacion fisica del experiment. $i los resultados obtenidos tienen la precisisn necesaria para egar a conclusiones vatidas, ninguna de las dos fuentes de variacién deber preacupar al investigador No se puede eliminar el error experimental, pero sus efectos se pueden roduicir para obtener una mejor estimacién de los efectos de los tratamientos, Las modalidades mas recomendadas para disminuir el error son: 4a) Utilizar unidades experimentales muy uniformes, camo suelo homo: _génea,"viegos, densidad de siembra, fertilizacion, coutrol de pages ¥ hierbas, etestera, b) Tamano adecuada de la anidad experimental ‘) Fliminacién del efecto de orilla y de la competencia entce tratamientas. dd) Disteibucién adecuada de los tratamiontas mediante sorteas. 6) Usar el niimero adecuade de repeticinnes paca cada tratamiento. 1) Ponier todos los tratamientos en igualdad de conéiviones, de manera que si alguno es superior a los dems, se pueda probar. Alrealizar los experimentos existen clertos detalles (Genicos que parecen ‘obvio; sin embargo, muchas veces pasan inadvertidos. Una ver que se tiene listo e! terreno para el experimento, es conveniente marear los contornos de Jos bloquies y la posicién de las parcelas de acuerdo con el diseno experimen= tal, Sel campo esta surcado y e, nimero de surcos por parcela es impar debe marcarse el surco central de cada parcela, y si-es par el primer surco de la erecha, Ademas, las bolsas que contengan. se 08 ete., que se aplican a lax pareelas, tendedn claramente ale blogue y Paoroommesn, 13 parcela a que pertenecen. Antes dle empezar la slembra y su preparacién, el ‘experimeniador debe veriflear que cada bolsa esté en el campo frente a la patcela cocrespondientt Durante la realizacisn del experimente debe quetiar claro que todss las la bores se haran con uniformidad pars todo el lute experimental, excepto las que eatén en estudio. Cuando se efectiian exnerimentos de abenamiento, variedades, etc., es importante conocer ef orizen de cada tratamiento, las caracteristicas de las variedades y e} analisis ce los abones. Los materiales para aplicar los tratamientos se leben conseguir y preparar oportunamente, nunca esperar hasta el dia del inicio del experimento, La slembra, abonamlente, labores culturales y otras, se deben realizar el mismo dia para todo e experimento. Lo anicrior es mecesaria en los lugares Muviosos, porque las labores realizadas antes y despues de llover encuentran el terreno en condiciones diterenies, lo eval puede causar variabilidad en Ta sgerminacién, efecto de los abonos, elc. $i no es posible realizar la labor com- plea en un dia se debe evitar dejar bloques sin terminar. se tata de experimentos comparativos de variedades es itil eamparar las caracteristicas de las variedades sembradas can aquellas que se obtienen al momento de la cosecia, para determinar come se adaptan a las condicier nnes ecolgicas de la localidad. También es muy importante que una parte de la semilla de las variedades in¢roducidas se cutive aparte para mantener su pureza, ademas de multiplicacla y aclimatarla, ya sea para utilizarla en expe- Nimentos siguientes o para distribultia enter los agricultores. En cieztos easos, pata mantener la pureza de la variedad es vecesario it al embolsado de las ores para evitar a polinizacién eruzada. Cuando se trabaja con varius obreros de campo es importante cuidar que nninguno se dedique a un mismo tratamiento en todas las repeliciaites del experimento, Ya que un obrero puede trabajar mejor que otra y, en conse: cueneia, el tratamiento que realice estara en vealsja. Un experimento nunca se debe sembrar fuera de épaca porque pierde su valor. Ea Jos experimentos de abouaznienta ao debe descariarse e! testigo sin abono, ni el testiga que representa la prictica de la localidad. Debido a que muchos experimentos se pierden por los éafios que eausan los anima- les se debe extremar la vigilancia, especialmeste en [a época préxiima a la coseca En la toma de datos y observaciones en los experimentos, es importante que el experimentador se libere de toda preferancia par determinada trata Iiento para evitar falsear de manera inconsciente los resultados. También es importante que é1 mismo ses quien haga las abservaciones y que anote sélo los datos debidamente comprobados. En Jos experimentos no deben Interesar solamente los rendimientos, ya que de proceder asi no se conccerian las cau- #14 que determinan ciertos resultados ce buena calidad del producto, Se acanseja revisa, los experimentos euanide menos une vez. por semana, para hacer Jas observaciones ‘Vodas las observaciones se leben anotar i conflar en ta memoria,14 C9901. Funnnwenros ne tn parmwarnersca Los datos deben estar en orden, de tal manera que otro expetimentador pueda utilizarlas si es necesario, Para muchos investigadores el tamafio y la forma de la unidad expert mental es tinicamente un problema de control, Sin embargo, investigaciones realizadas en diferentes cuitives con datos de ensayo on blanco, fan inci cado que el tamano adecuado se relaciona con el grado de precision y con tuna mejor estimacidn de los efectos de los tratamientos, el aspecio del costo por unidad experimental y la precisién del experimento; aqui se prefiere tun mayer numero de repeticiones que el tamaio, y la unidad experimental se orienta de manera que la mayor dimensién se dirija hacia donde esté la mayor variacisn del sucka, ELECCION DEL DISENO EXPERIMENTAL Cuando el experimentador ya definié ef objetivo del trabajo y los trata rmientos par probar, el sighiente paso es determinar et diseho experimental jue se debe usar. Paia un expetimento especfico, el mejor diseio es el mis neilo y el que use la medr eantidad de material para Tograr el objetive. En la practica, las unidads ales, las condiciones ambientales y de mangjo no son iguales, y los metodos de medida son inexactos. Por ello, ss necesario hacer repeticiones y uilizar un disefo experimental. Si se eonsicera que el experimentador estudia un fenomeno complejo (como la producvion de tigo, de leche o ef crecimiento de una colonia de hhongos), qne mantiene fijos todos los factores que intervienen en ef fedmeno yy que los métodos de metlida son exactes, el resultado ser4 el mistna vada vez aque se reaice el experimento, Entonces, cada combinacidn de factores deter- rina un resultado que permanecerd constant si se repite el experimenta, El eexperimentader, de acuerdo con su objetivo, varia uno o mas factores para evaluat el efecto de tales variaciones en el resultado, Delinase a jx como el promedia de todas las unidadles experimentales, y coma la diferencia entre jy el resultada cuando se tiene la corabinacién de factores determina por el tratamiento £, Cada resultado del expetimento, si éste se repite m veces, est4 determinado por la media general py el efeeto del tratamiento +. 1a ideniificacion de este fenémeno y la comprobacién de las supost- ciones que se hacen al proponerto, se basan en el siguiente: modelo ma tematico: Yeats i=Tyoat Lo Meee? Donde Y, son las observaciones obtenidas la j-ésima Vex que se repite el lexperimenio, cone sratasnienio iésiono, Euecevon 08 ostko nermmunian 15, Ahora, todas Jas variaciones no controlables y la imexactitud de las medi- viones forman un factor llamado exrar experimental (e). Entonces, ya se com pprende porqué cf modelo contiene al término aleatorio (error experimental} aya ropresentacion algebraica es: Yrptn+e F=1,..¢ — miimero de tratamientos J=Ty..7 — mfmero de repeticiones De acuerdo cor el modelo anterior, 1a variable aleatoria observable ¥, epende de wna media general, un efecto del tratamiento (2) y un términn aleatorio no cantrolable que varia cad vez que se zealiza el fendmeno (e) Cuando ya se ha comprendido la naturaleza del fendmeno y las posibilidades {el experimentader, se puede considerar que en cada unidad experimental se saliza el fenéineno, v el experimento se efectiia tr veces Yo=n tn ten Bente, Tratamiento 1 Y=nhn te, Yo= nett t ey Ve btnte, Tratamiento 2: wt tte tn te eal16 DISENOS EXPERIMENTALES DE USO MAS FRECUENTE Al momento en que el investigador inicia el experimento, se recomienda consultar al estadistico para que éte indique el modelo adecuado de dicho trabajo y no acudit con él ya que se Lengan los resultados. A continuacisn se leseriben los tres casos mas frecuentes de disenios experimentales, En el primer easo se analiza el dissio completamente al azar, sin tener ‘que agrupar las unidades experimentales, y asf sortear los tratamientos en Gstas. Role disefto se caractesiza por la suposici6u de que las unidades expe- rimentales son muy homogéneas. i el segundo caso se analiza el diseho de bloques completos al azar, que consiste en asignar aleatoriamente los ttatamientos a [a5 unidades experimen: tales dent de cada bloque. Aqui se analiza la diferencia entre blogues, lo cual permite una evaluacion mas precisa de las diferencias entre tratamien: tos. B] arreglo y anilisis de Jos datos es nas complicado en este diseno que en el diseno completamente al azar, pero a pesar de ello es el mds uilizade. Pot ejemplo, si se dispone de cuatro unidades experimentales de las razas Indebrasil, Brahmin, Cebit y Criollo, se puede agrupar a los animales sewn su raza (bloques) Enel casa del diseno de euado lati arreglo y analisis de datos es mas coniplicado. Se caracteriza por separar el bloque en dos fuentes controlables fe variaeién (hilera y columna), que aqut secdn tazas y origen. Esto permite evaluar con mas precisi6n el efecto del tratamiento, En el ejemplo citady de Tos animales, ademés de as condiciones expu tas, supdngase que una unidad experimental de cada raza e3 originaria de SAT (Tabasco) otra de la UAAAN’, olta es oriinaria de la Facultad de Agro- noma de la PANL? y las restantes de Chapingo. En este caso se puede clast ficar a las unidades experimentales por su raza y origen, Ademés, cada raza tiene una unidad experimental de cada arigen y viceversa. Este disefo tiene las limitaciones que en cada raza y en cada origen aparezcan todos los ta lamiontos, y que eada tratamiento aparezca s6lo una vez en cada raza ¥ en cada origen. ANALISIS DE COVARIANZA. El uso del anzlisis de covarianza es de gran utilidad en agronomia. Por jemplo, en el caso de parcelas experimentales en las que se prueba el rend miento de variedades dle maiz; niveles de fertilizacidn o fingicidas; cuando se Colonlo Superiore Amelia Tope Univeraiaal Autdvomna Ageia Anta Neto *Viniverian! Autonoma ae Nuevo Laan Anise oF covnmanzn 17 ‘observan dafios en las parcelas antes de la cosecha por granizada; ataque de plagas o pajaros, el andlisis de covarianza de los datos sin ajustar no epre- sentaré la yerdadera influencia de los tratamientos. Al eliminar por medio del andlisis de covarianza [2 variabilidad del rendimiento por parcela, se podran evaluar realmente los resultados. Es decir, se supone que la pablacién de plantas es igual en todas las parcelas y después de este ajuste se podré medir el verdadero potencial de cada tratamiento. BE] andlisis de covarianza permite ajustar las respuestas de las unidades experimentales en las que varfa un facior medible, con la respuesta que se hubiera obtenido si todas [as unidades experimentales hubieran tenido ell valor promedio del factor medible, para asf eliminar el efecto de ese factor. Por ejemplo, en un experimento para probar el efecto del fésforo aplicado después de la nacencia, la densidad de siembra antes de aplicar el féstoro se puede utilizar como vovariabie. EI analisis de covarianza también se puede ulilizar para ajuslar las res- puestas de las unidades experimentales al promedio de dos 0 més factares variables, que se Haman cavariables. Entonces, el anilisis se controla con los. factores medibles que no se pueden controlar experimentalmente, Per ejemplo, se quiere probar el efecto de seis complementos alimenticios cen el aumento de pesa en borregos de seis razas y se pretende agruparlos por razas; ademas el peso inicial de las unidades experimentales es diferente Puede pensarse en e] diseio euado latino, y utilizar como eritecios de clast ficacion razas y pesos iniciales, pero el criterio de pesos iniciales es mediible y no peanite la categorizael6n adecuada de las unidades experimentales. Es mejor unilizar el disefia de blaques al azar con las razaa como blogue y and lisis de covarianza, con el peso inicial de las unidades experimentales como covariable, De esta manera, se ajusta respecta al peso inical y se tienen més, sirados de libertad para el cuadcado medio del error, aparte de empezar un, disefio mas seneillo, Lo que se pretende en todo experimento es probar la veracidad de una hipétesis acerca del fensmeno en estudio, Cuando ésta se refiere a los pars netros del fenémeno se convierte en ripdtesis estadistica. Debido a la varia~ idm ambiental y a que les méiados de medida son inexactos, el resultado de {odo experimenta tiene un componente llamado error, que se debe al azac liste efecto aleatorio obliga al investigador a recurtir a la estadistica para pro- bar su hipétesis Cuando se dispone de un conjunto de unidades experimentales de las faiales ¢ son los tratamientos y r son las repeticiones, y se utiliza el disefio completamente al azar, entonces su modelo estadistica es el siguiente: Ym pr ate, C= Lyant D8 dvont1B Cap. 1, FuNDeMantos DE LA exreRmueNTACON Donde: variable aleatoria observable correspondiente al i-ésimo trata- miento y la j-ésima repeticiéa media general efecio del /-ésimo tratamiento cerrar experimental que se presenta al efectuar la j-ésima observa- cin del (-ésimo tratamiento sudinero de wratarnientos = nilmero de repeticiones Entonces, los resultados de los experimentos se pueden cvaluar por medio del andlisis de varianza, que se aplica a poblaciones que tienen las siguientes, propiedades: 4} Los etrores se distribuyen normalmente con media cero y varlanza para cada combinavién especifica de los factores que influyen en el fenémeno. 1) Los errores son independientes, 0) Los efectos de los factores en estudio y el efecto aleatorio son auitives. Al considerar la naturaleza del error, se observa que @; puede tomar valo- res positivos y negatives, y que los valores mAs cercanos a cero som mas fre- cuentes. La experiencia ha demostrado que en la mayotia cle los experimentos agrfcolas os errores siguen la distiibucién normal, Puede pensarse que en un experimento bien planeado, el valor de: error en una unidad experimental es independiente del valor que toma en etaiquier otra unidad experimental Notese que los incisas «ty 6 anteriores concuerdan con la idea intuitiva acerca de Io$ errores, y que el inciso c permite representar el fendmeno como una sma de términos, pero el camplimienta exaeto de los incisos a, by eno se presenta en un experimento real, y es necesario suponer que 3 cumplen para efectuar el analisis de varianza, Entre més diferentes sean les condiciones del experimento de las condiciones necesarias para aplicar el andlisis de varianza, més alejadas de li realidad serén las conclusiones del experimentador. La veracidad de las suposiciones basicas del andlisis de varianza se puede deterininar esiadisticamenie en el momento en que el conocimiento del mate rial experimental y el fendmeno sean adecuados, para transformar [os valores, de la respuesta de las unidades experimentales, y asi efeetuar el andlisis de varianza. Las transformaciones consisten en tomar la raiz cuadrada, el loga- ritmo ¥ el arcoseno u otto del valor orignal de la vaciable. Al transformar los resultados del experimento se tlenen nuevos valores para la respuesta de cada tunidad experimental, que cumplen mejor con las suposiciones bisicas del andlisis de varianza y con Tos que se efectia el andlisis y la prucha de hipote sia, para después voiverlos a transformer cn los valores origiiales, Axess necovananz, 19 Supényase que se trabaja un disefio completamente al azar, entonces lot resultados det experimento seran ir niimeros (observaciones), que represen tan las respuestas de las unidades experimentales: Yautute P=last P= lone? Interesa saber si existen diferencias entre los tratamientos, denoténdolor ten forma de hipotesis estauistica cuando se sefieren a los efectos de los trata: mientos 7, (C= 1, .£). Entonces: Hipdtesis de igualdad Hy 1, = 7: Hipstesis altemativa Hy 7, # 1; # 0 #7, Se tiene: Yurnta te Yrptntee Yrntate btn tes Ye= bt at ey Notese que hay robservaciones en las que se tiene la misma combinacls tie factores del fendmeno, o sea, el mismo tratamiento y s6lo varia el términe sleatorio, Entonces, la vatianza del error puede esiimarse ¢ veces, una en cade {ratamiento, El estimado de la varianza del esror obtenido al promediar lat {estimaciones de las tratamientos es la mejor manera de estima la varian: el error y se llama cuadrado medio det error. Ademds, cada tratamiente liene un promedio que se representa por ¥, para i = 1..., t, y que debido piopledades de 1a distribucién novia, tiene varianza o°/t, Entoneces, si los 4 Iso, ¢$0n iguales, cada ¥;e8 un promedio de la misma poblaciéa, y a cealeular la vartanza de ton ¥, we then20 que es un estimacio de afr. Si as valores de Tos «son diferentes, entances cada Y, estima un valor diferente y aunque todos tienen la misina varianza o°/r, Ja variaiza caleulada con ellos: 2 Gr m1 1 estima v/r + R, donde R es el kérmina positive: Un modelo puede ser fijo, aleatorio © mixto. Este concepto se entiende ‘mejor con un ejemplo. Supéngase que se quiere prabar la velocidad de tres lavadoras que se lamaran A, B y C, el modelo sera ® tl Yyeptate, Pa LBA cat Throne? i-ES EEF donde ¥, es la isima observacisn del Hésimo tratamiento, es la media general, 7 ex’ el efecto de la /-ésima lavadora y ¢, es el error de la j-ésima observacién de la ‘-é3ima lavadora. En este caso, los valores de 7, estén determinados por el electo de las lavadoras 4, B y C, respectivamente, y-el modelo ¢s fii. La inferencia del investigador es solamente acerca de las. lavadoras probadas; sise tienen tres tipos de lavadoras y de cada tipo se elige al azar una que lo represente, el valor dem, my 7, no es jo, porque depende. de la lavadora elegida en eada tipo dle lavadora. Cada tipo de lavadore +, i= 1, 2, 3 es aleatorio; entonces el modelo es aleatorio, La inferencia del investigador es respecto 2 los tres tipos de lavadoras, no s6lo respecto a las lavadoras utilizacas en el experimento como en el caso del manejo fijo. En ottos casos mas complicadas puede haber términos fijas ytérminos aleatarios yel modelo sera misto, Para el objetivo de esta obra, un estimador insesgado ¥, estima al parame. tro 7 cuando & (¥,) es igual a-+ donde £ (¥,) es la esperanza matematica de ¥, que indica que el promedio pondecado de todos los valores posibles de ¥,. es ry se utiliza como ponderacién para cada valor posible de Y, Antus oecomsanes 21 Por tanto, el cuadrado medio del error estima insesgadamente a a’, repre- sentado por F (CME) = * donde F es la esperanza matemdtica. La varianza caleulada con los promedios de los tratamientos es: ity a ha-e que estima a or/r, y se puede denatar como: (AE a-P)s ordnen ens et, 2 ‘ (4 Ze -7})= oR al nt nate Si el cuadradlo medio del error (CME) y el cuadrado medio det tra- tamiento (CMT) estiman «, esto se debe a que la hipétesis de igualdad Hi 7, = 1, = 1, no se rechaza, $i el cuadrado medio del error (CME} y el cadrado medio del tratamiento (CMT) no estiman a la misma varianza u’ fatonces existen é yf tales que t, + t;¥ se rechaza la hipstesis de igualdad, Indicada a continuacién Het El mecanisme para probar si dos funciones muestrales estiman a la misma varianza cansiste en obtener una F calculada (F): Dicha prueba so explica mas en detalle en los siguientes capitulos. cl easo del diseiio de bloques vempletos al azar, se agrupan las unt davtes experimentales segiin dos criterias de clasificacién, que se rigen por la hhaturaleza del material experimental ye] conceimiento que el investigador fonga del fendmeno. Las unidades experimentales dentro de cada bloque sun homogéneas y hay tina diferencia entre bloques que permite la clasificacion. En este caso, la oypuesta de cada unidad experimental esté formada por una media general, lun eleeto de tratamiento, un error aleatorio y un efecto de bloques que s¢ denotard por B para j= 1s. 1: sph tB by22 Cav. 1, FUNDAMENTOS DE LA E>ARIMENTACION Para facilitar el manejo de este diseto, supéngase que el nGimero de blo- ‘ques es igual al nimero Ge repeticiones. En el caso donde no hay interacciones entre tratamientos y bloques, se tiene el modelo: Si se considera que cada tratamiento se encuentra en todos los bloques, 1 promedio de los factores y, par lo tanto, Ia suma de dichos efectos de blo ques, serd cero, Asi, la variacion debida a bloques se identifica al considerar Ja varianza de los promedios de los bloques, quie por no haber interaccién los tratamientos no influyen en ellos, y su vatiacin se elimina del error. Por ello, se tiene una estimacién de la varianza del error més exacta, ya que se le quits la ‘variacion debida a bloques. Fl mejor estimador de la varianza del error es el cua- drado medio del error (CME), y la varianza calculada can los promedios de los tralamientos estima, como en el caso del disefo completamente al azar, a 0/7, ‘cuando Ia hipStesis de igualdad es clerta, por lo que al calcular la Fy ver su pto- Dabilidad de ocurrencia puede inferirse acerca de la hipétesis de igualdad i: Bina na eat Para el caso del dsefio de cuadro latino, los dos crterios de lasificacion de Jas unidades experimentales deben ser artoganales entte sty con les tratamien- tos, identificandose asi dos uentes de variacién que se eliminan del error. En la tabla 1.1 se muestran las fuentes de variacién identificadas en cada disefio y los grados de libertad de las estimaciones, que indican la preci siOn de los eftimadores; ya que a mayor aineso de grados de libertad es rmejor la estimacién, debido a que hay mayor probabilidad de que el valor del estimador esté cerca del valor real del parémetro, ‘Tabla 1.1, Analisis de varianza para disefios experimentales con uno y dos cri- lerios de clasificacién (t= tratamienios, ¢ = repeticiones) Diseiio completamente al ear Fuerues de dartacibn | Grados de Ubertad Siama decuadrades ‘Tratamientos ‘ Error tr-0 rune ‘Total corregion md Tuehtes de wariadn | Gmdos de liber Dive de bloques al azar ‘Suma de euarados ye _ye ae nques ra gu-8 Entre tatainientos ‘ Error experimental @-ne-D ‘Total correghdo wok Diged exndro latino ee ee a Eire hileras sue woe Innis rue Entre tratamientos bimor experimental t-ne-2 + Total coregico Boa EXPERIMENTOS FACTORIALES ‘Son experimentos factoriales aquellos en que se estudian simultneamen- le dos o mds factores, y se diferencian de los experimentos simples en que {ytos solamente estudian un factor. Los expetimentos factoriales no constitu yon en sf un diseio experimental, mas bien se deben realizar en cualquiera ie Lox disefios experimentales, Los experiment factorial ton ies gn investigacones en las cules se abe poco de varios f mara un. nuevo Cultivo en una zona tonvieneetdar i ‘épocas de slembra y densidad24 Cao. 1, FuNDaMENTOS DE LA LAFERNEN CON de planta, y en ocasiones es oportuno ineluir testigos locales en el ensayo. Si én un experimento simple con tina densidad de slembra s6lo se estudian va- riedades, podria suceder que la densidad sea desiavorable para alguna de las variedodes estudiadas o quia para ninguna de ells, porello, los resultados so Fan exréneos. En los experimentos exploratorios se deben inclu tres o mas factores, eon pocos niveles cal facter. {a informacidn que se obtiene de los expesimentos factoriales es amplia debido a que permite vomparar los niveles de cada factor ene sf, y ademas evaluar las interacciones que resutan de la combinaciin de los factores. Las interelaciones Ale los factores no se pueden prever del estudiv de los factors independientes, ya que los efectos no son aditivos. Por ejemplo, las caractefsticas del H.O agua) no son la suma de las earactersticas del (Hidrégena) ¥ del O (oxigen) en la naturale, los facies estén combinadas en varias formas, y ¢s pot ello que los experimentos factoriales tienen un amplio campo de aplicacién, En los experimentos factoriales todos ls niveles ce un factar se cambinan con todas los miveles de los otros factores. in un experimento de dos factores representados por 4 y 8, cada uno con dos niveles, su representaci6n factocial 5 (a), By, b, 0 sea 2X 2 = 4) 02 X 2.0 2, Si un experimento consta de tres factores con dos niveles cada uno, ef nimera ce combinaeiones en estudio se ria ocho y su representacign se puede hacer en cualquiera de as formas siguien- tes: 24,28, 2002 X 2 X 202". Unexperimento factorial representado por 3% 2° indica queen élseestudian tres aciores, uo eon resnivelesy das-condos niveles; este oxperimenia tendhria 3 x 2 % 2 ~ 12 combinaciones de tratamientos, Cada combinaci6n en los experimentos factorial tiene el caricter de ut tratamiento, EXPERIMENTOS EN CONFUNDIDO En experitentos factoriales con gran miimeto de combinaciones (taza Imientos) debido ala superficie de terreno que se necesita, es dificil comparar todos los efectos principales y sus respectivas interacciones. Otras veces el investigador sabe de antemano que algunas de las interacciones tienen poca importancia para su trabajo. En estas situaciones se usan los experimentos en confundido. Su principio es cesdoblar la repeticién en bloques mas pequeiios (blogues completos). En realidad fo que se hace és confuncir una o mas inte racciones.con los blaques de cada repeticién, El confundido es similar a un diseno de parcelas divididas, excepto que en verde tenet meuvt precision para las parvelas yrandes, las variables se acreglan de manera que se sacrifica informacién acerea de interacciones de alto grado ‘que son més difcites de interpretar. Sin embargo la pérdida de esta informacion se compensa con et incremento en precisién de los factores no confundidos, Cuando se confunden efectos factoriales en today ls repeticiones se habla de coufundido total, y si el confundlido se limita sé @ anias Tepeticiones, se trata de conftindida parcial, &n este caso se plerde en las repeticiones donde @) efecto se ha Borwestos aveonsuspne 25 $1 existen muchos tratamientos en un factorial, el error (pico por unidad ‘aumenta en comparacién con imn experimenta de un factor. Uno de Ios abjeti- vos del confundide es precisamente reducir el error estndar por parcela. Si el progésito del experiment es determinar una interaecién, un efecto principal se prede confundir, pero esto es raro, por lo geneval se trata de obtener infor: macién acerca de los efectos principales, Para tener una idea mds clara de lo indicado se analiza un ejemplo. ‘Supéngase el caso de un experimento factorial 2 x 2, en el cual se desea ‘eonfundir el efecto principal A. Silas cuatro combinaciones de los factores en ‘cade repeticidn se colocan en dos bloques de des combinaciones cata uno, se Jogri ol arregio de la tabla 1.2. Si se tienen tres repeticiones de este modelo, se pueden lograr estimacio nes dentro de cada blogue del efecto de B y de la interaccién AB, pero no para A; sien cada repeticiOn se resta el bloque A del bleque B, se tiene una estima- ‘ein del efecto de A, es decir, que el efecto principal de A esté estrechamente Unido a dos bloques de cada repeticion y no se puede destigar del blogue, 0 sea su efecto estd confundido en el efecto del blogue, Reenérdese que los efectos de B y AB son independientes de Tos bloques, {5 ein, son ortagonales a los blocs o libres de los efectos de ést0s. De este modo se logra restar del error la variabilidad debida a bloques de dos parcelas, y no de cuatro, como seria el caso si se hublera usado un experiment facto- Hial en disefio de bloques al azar. Fl andlisis de varlanza para estas compata- clones dentro de blogues se muestra en la tabla 1.3 De las fuentes ofteeidas, quiz solo convenga explicar que los gralos de Hibertad para el error, consideran el bloque uno con tres repeticiones como ea tun experimento en bloques al azar de dos tratamientos y tres repeticiones. EL ferro: tendria (2 = 1) (3 ~ 1) = dos grados de libertad. abla 1.2. Ixperimento factorial 2 x 2. Repeilciin— Blogue L 1 ab, 2 a 3 ab, Tabla 1.3. Analisis de varianza, Thieme de vartaelon _ Oraidos de liberdad Bloques 5 BAB 2 irae 426 Cap. 1, FuNDAMESTOS DEY EXPERIMENTACION ‘De la misma manera, el bloque dos con tres repeticiones daré dos grados de libertad para el error, Estos dos grupos de dos gratis de libertad cada no constitayen el error para el experimento completo, Fs decir, el exror en experimentos facloriales confundides esté formado de interaceiones entre tratamientos y bloques incompletos. "Aunue el efecto de A no se puede medir con tanta precision como para By AB, se tiene una idea vaga de su efecto al considerar el experimento de ora manera. En bloques al azar con tres repeticiones y dos tratamientos, el antdlisis de varianza serfa el que se da en la tabla 1. Si el confunclido es eficiente, el cuadrado medio del error para A con dos agrados de libertad debe ser mas grande que el cuadrado medio del error del experimento con cuatro grados de libertad. ‘Supéngase un ensayo con tres faclores A, B y C. Cada uno en des niveles y-con cuatro repericiones. EI andlisis de varianza ordinatio y el confundido se imestran en las tablas 1.5 y 1.6, respectivamente. Fl efecto de la varlabllidad del suelo se reduce a ocho bloques pequenos en confundido, que repercute en un menor error experimental, Para calcularla F,se ulilizan dos cuadtados medios cuyas esperanzas ditieren solamente en el término que se cuiere probar, que es el efecto de los tratamientos. Si el modelo 1 2 es aleatorio, se denota como oF? y si es fijo se denota como —— Dat Tabla 1.4. Analisis de varianza, eile de partido Grads de bertad Repeticiones 2 A Error para A Total Tabla 1.5. Andlisis de varianza ovcinario. Filette de variaclia’ Grados de Whertad Repeticiones 5 1 1 1 1 1 1 a 31 27 Tabla 1.6. Andl is de varianza confundido. uote de varincion Grados de tbertat (ABC) bleques A B 6 EXPERIMENTOS EN PARCELA DIVIDIDA En la figura 1.1 se muestra un experimento en parcela dividida, Este atre- so de tratamientos se utiliza cuando se necesita estidiar simulténeamente dos fictores y uno de ellos e3 més importante que el atro. También cuando debiio 4 limitaciones de tipo experimental es necesario tener dos tamaiios de unidades ‘experimentates, las grandes, en las cuales se aleatoriza de acuerdo con el di- Jo elegida (en este caso, bloques al azar) el factor menos Importance que ebido 2 su aaturaleza necesita unidades experimentales grandes; por ejem- plo, ldmina de rlego. Dentro de estas unidades experimentales grandes estén hay tnidades experimentales chicas. Fn ellas se aleatotiza el our factor, por ejemplo, variedades. El factor colocado en las parcelas chicas se estuclia con mayor precision debido al incremento de los grados de libertad del error b. i es ITT epee TDP tacarsnge HRA || [ose —Ianige er ana = Drenaje 3 Figs tot, Cro mento de parcela dividida,8 Ahora se quiere probar el efecto de una dieta en 1a produccién de lana. Hara efectuay e] experimenta se dispone de 18 borregos de la misma raza, sexo, Sad ¥ esp, Se propane el diserio completamente al azar con los borregos Como untidades experimentales. También se quiere probar el efecto de dos mné- todos de rapada en la prodtuccién de Tana, pero debido a la escasez ce material «experimental se quiere utilizar a los mismos borregos. Se planea un diseiio com- Hetamente aj azar con arreglo en parcelas dividas, donde las unidades experi- neniales grandes son los borregos. A éstos se les asigna al azar la dieta que les corresporile y a cada borrego se le rapa la mitad derecha con un método y la lequierda con otro método. Se asigna al azar el método de rapade a eada lato del botrego. Las unidades experimentales chicas son las mitades de horrego. £1 andtisis de Varianza tiene la forma que se muestra en la tabla 1.7. Tabla 1.7. Analisis de varianza, "Grados de libertad ‘uomies ce varie Diets ¥% Rapado — FC * an pe - we ~ sev scr apado por dieras @-ve-0 - Biorb» dr-n@-n * dar Evn-Fe Sehan mensional aspectos relacionados con la manera de reduc el eror expenental yqumentar la precsdn del experimento. fn ental refnamento de a tenica_y al procedimiento experimental se puede considerarlo siguiente: a} Los tratamientos se deben aplicar de manera uniforme (inclusive la toma de datos), Por ejemplo, en un ensayo de fertilizacion de pasto estrella con eustto repeticiones no es posible cortar y pesar fod el ensayo en ef mismo da; en consecuencia este trabajo se debe eompletar en dos o tres repetiiones.y dejar la tercera. © cuarta para el dia siguiente. Axi no habit diferencias entre tratamientos dentro se cada Trews ve aitawrenny — 29 +) Las vatlaciones externas se deben controlar de modo que todos los tratamientos actiien en idéaticas condiciones. Por ejemplo, si la variable de estudio es tun fungicida, el iniea elemento que debe varlar de una parcela experimental a otra es el tipo, la dosis o ambos. Todas las parcelas deben re- cibir la misma preparacién de terreno, igual densidad y época de siembra, labores de culuivo, riegos, fertilizacion, etcétera c) Es importante calibrar periddicamente los aparatos que se usan para tomar datos para controlar su precisién. Hay que emplear el mismo equipo, Por lo menos hasta terminar una repeticin. d) Con frecuencia e! investigador deja el trabajo rutinario en manos de asistentes, gulenes a pesar de la capacitacién que se Tes dé carecen de los ennocimientas del profesional. Es conveniente vigilar el trabajo de campo © laboratorio periédicamente, sobre todo cuando se califica con base en es: calas relativas de medida, porcentaje de enfermedad, vigor de pléntulas, eieétera, @) Se ha notade que el riimero de grados de libertad del error, afecta la precisién de un experimento. Las grados de libertad dependen de! niimera e repeticiones, tratamiento y disefio. E aumento en precision es importante ‘cuando existen menos de 20 grados de libertad para el error. Camo se ptiede Dobservar en los siguientes valores, deapnés de los 20 grados de libertad, el Valor de ¢disminuye muy poco: “Grades de tered hea 5 257 10 223 20 209 60 2.00 Por el contratio, cuando se trabaia con tablas de #, al incrementar los jrados de libertad del error se inerementa la precisidn del experimento. f) La precision de un experimento se puede aumentar mediante el uso de Ji técnica llamada covariance, TECNICA DE ALEATORIEDAD Debido a la variabilidad del suelo, para evitar que un tratamiento sea Javorecido o puesto en desyentaja en forma sistematica en sus repeticiones, Wisher ides 1a técnica de aleatoriedd, cuya finalidad es dar ura estimacién Anesgjaca del exror experimental, Las parcelas contiguas tienden a correlacionarse, por eso cualquiera de ‘lias dobe recibir al azar algiin tratamiento, La aleatoriedad tiende a destruir Ja corvelacidn entre errores y hacer vélidas las ce significacién, Bl ile ft i del ‘ent lado por la rifa de wn we30. Gar 1 Funmaventos b= ta narcuiveN tac que estén completamente mezcladas, cualquier secuencia en que salgan se considerard aleatoria, Cuando e) investigador tiene pocos tratamientos recu- tre a esta técnica. Sin embargo, es preterible recurnir a una tabla de miimeros aleatortos. ANALISIS DE VARIANZA. En el curso de estadfstiva se analizacon datos provenientes de dos mues- tras o dos tratamientos. Se observ que por medio de ia prueba‘ de Student es posible determinar si la variedad A es estadisticamente mis productiva que la variedad B, o si un forraje con fertilizante es mejor que un forraje sin fertilizante, El trabajo del investigador pocas veces se limita a estudiar dos tratamien- tos a la vez, Para ahorrar tiempo y esfuerzo, y para aumentar la precisi6n del experimento, por lo general se estudian mas de dos factores a la vez, con varies niveles dentro de cada factor. Sir Ronald A. Fisher introdujo el andlisis de verianza (ANVA), que es un procedimiento aritmético que consiste en desdoblar la suma de cuadra- dos total (variacién total) en fuentes de variacidn reconocidas, con todo y La vatiacién que no se pudo medir (proveniente de la variabilidad inherente al material experimental o de (a falta de homogeneidad del ambiente donde se realizé ol expetimento}; fuente de variacién que se conace como restduo 0 ertor experimental, Por ejemplo, cuando se tralé lo concemiente a regresién, Ja suma de cuadrados total se descompuso en suma de cuadrados debido a la regresion, mds la suma de cuadrados debido al ervor. ELANVA se utiliza en todos los campos de investigacién cuando los datos se miden cuantitativamente. Su uso ha side muy ventajoso en el diseiio expe- imental, La8 suposiciones bésicas del ANVA son: 4) Los efectos de trataatientos y ambientales son acitives, ) El error experimental es un elemento aleatorio, normal e indepen: diente, distribuido con media cero y vatianza comin. GRADOS DE LIBERTAD Los graddos de libertad son el niimero de observaciones menos el mimero de restvicciones impuestas, que se pueden hacer en un grupo de datos. Por ejemplo, si se supone que el rendimiento de cinco variedades de un cultivo es de 25, 26, 27, 28 y 29 ke, la media es 27 Ig. Las desviaciones de ios niimeros con respecta a su media (que deben sumar cero) son 25 26 av 28 a =a =} 0 Geoosorumens 31 En esta muestra de cinco datos, uno queda fio (la restriceién esté dada pot ¥ = 27}, porgue ¥ se utilizé como el origen para las desviaciones. Entonces quedan cuatro valores (cuatro grados de lihertad) que se pue- dea comparar independientemente con la media, 0 sea que el ouimero de grados de libertad de wna muestra de datos estd dado por el total de abserva- ciones menos uno (nt ~ 1). 1a varianza de la muestra esté dada por: go = FLAT sama de ensdradesconegies a ai sgrados de libertad es decir, la varianza es el cociente que resulta de dividir la suma de cuadrados entre el nimero de grados de libertad. Dentro del ANVA y para obtener el valor F (que denota La significacién entre tratamientos) se divide el cuadrado medio del tratamiento entre el euadrado medio del error. Al compatar el valor de # calculado con el # tabuledo, se podré establecer si existe significancia. Habra significancia en caso de que el valor F calculado sea mayor que el valor # labulado, Este ultimo se encuentca en Ja tabla de F, con el nivel de significancia apropiado, los grados de libertad del error en. Ja vertical y Jos grados de libertad para tratamiento en la horizontal. Si se rechaza la hipétesis nula de que no existen diferencias en ios tratamientos, el siguiente paso es eiectuar la pructia de comparacién miltiple entre medias de tratamiento, para conocer cudles de ellos son mejores,Disefio completamente al azar INTRODUCCION 1 disenio completamente al azar es cl diseiio uuis simple y se usa cuando Js unidades experimentales son homogéneas, y la variacién entre ellas es Inuy pequefa. Tal es el caso de experimentos de laboratorio, invemnadero, alliner0s, poieinas, etc. En experimentes en que las condiciones ambientales gon controladas, tal diseio es una prueba con un solo crterio de clasificacién, jas ventajas de este disenio son: 4) Es facil de planear. ) Es flexible en cuanto al ntimero de tratamientos y repeticiones, el limite ests dado por et ruimero de unidades experimentales en general ) No es necesario que el ntimero de tratamientos sea igual al ntimero de repeticianes. dd) No se estiman parcelas perdidas, ¢) El niimero de grades le libertad para el error aumenta por no tener muchas restricciones, Las desventajas del disefio completamente al azar son: 44) No es eficiente con material experimental heterogéneo. +b) Puesto que no existen restricciones en cuanto aa aleatoriedad, el error experimental incluye la variacisa total entre unidades experimentales. 1H andlisis de varianza para el disefio completamente al azar se muestra Ja tabla 2.1. % rt r= © factor de correccién.34 Tabla 2.1. Analisis de varianza, Fatal | Gadesde | Sumade | Coadradie Pabie Trevacon | tena | cuadmaos | mawae | x | ougaa oe - . ‘Watamiento —t— 1 = = 25 a re — a ae) © SCH op © SC Watamiento 3 Teal o Donde 1 = niimero de (ratamienios r= numero de repeticiones DISE}O COMPLETAMENTE AL AZAR CON IGUAL NUMERO DE UNIDADES POR TRATAMIENTO. En un ensayo con maceias se aplicaron cinco tratamientos a clones de pasto estrella, $e tomaron cuatro macelas por tratamiento. Los rendimientos se presentan en fa tabla 2.2. Se determinardn las siguientes hipstesis: ‘Tabla 2.2. Rendimientas del ensayo con macetas. ‘raiaintonies Hy Ry aan a @ 2 a mn 4% I Bp 2 @ 20820516? Media 9575-5725 7480 SL2l ALTS Hi; No existe diferencia entre tratarmientos. Hi; Si existe diferencia entre (ratamientos. (2823 20, = 82176 35 SC total 101? + S12 +... + $2! + 42? — FC = 8168 SC del tratamiento Soe we 7286 SC del error’= $C total — $C del tratamiento 8168 ~ 7286 882 Fs usual tomar como contiables C, menores de 30 96, anélisis de varianza se presenta en la tabla 2.3. Tabla 2.3. Analisis de varianza Fuenesde Gmailos de Swna de Cuadradas ia variaetin tbertad cuadiados medios Se 1x Pebanildad ‘Viatamientos «4 ~—=~=*«7286~=~«*BL:S—««309B 3.06 AGO™™ DOO ror 1s 2588. ‘oad 19 8168 + Sigaicallvo al 18; La F calculada (F) es: CM del uatamienio _ 1821.3 (M4 del error 588 R 0.98 1] valor de F tabulada (F) se encuentra en las tablas con cuatro grados de libertad en la horizoatal, y 15 grados de libertad en la vertical, Ademés, con ¢] nivel de significancia ya sea de 5% 0 de 1 9. El coeficiente de vasiacion (G)) indica la confiabilidad en. los datos, A medida que su valor disminuye la confabiied es mayor: c, = “2210p, BB og) — 2.668 (00) (100) = 11.96 % ou sa ‘Alcomparar el valor de F caleulado con el valor de F tabulada para 5% y 1 de significancia, se observa que F, es mayor que F, Jo cual Indica que hiay significancia, Por tanto, se rechaza H,. Esto quiere decir que ex'ste uno © Yyarios tratamientos mejores que fos demas. 81 Fes menor que Flos resultados no son significatives, Esto indica que se acepta la hipdtesis nula de que no exisien diferencias entre los tratamientos,36 Cv.2, DistNo coMpirTaMeNTE A. AZAR a7 El valor signiicativo de Fimplica que los tratamientos no pertenecen + po- . bleciones can pt comin. Indica que los tratamientos difieren en forma significati- factor de correccién (FO) es: rc = I" va, peto no sehala cual de ellos es el mejor. Para saberio se aplican las pricbas, 20 de comparacidn miiltiple entre medias de tratamiento, Algunas de las bases paca estas pruebassonelerraresténtiar dela media Sy elerroresténdar paral diferen- (45 +46 +49 +... + ad + aL + a? cia entre medias de tratamientos $;. En el ejemplo anterior estos valores serian: sad (= _ (ee aa Se Ge a FC= oy 32 000 2 20 Sa= 40 = 56 suma de cuadrados (SC) del tratamiento: Lea? 6B, 1707 | 378 a2 DISENO COMPLETAMENTE AL AZAR CON DIFERENTE NUMERO DE UNIDADES uma de cuadraos (5c) total: Avecesse presenta el caso de que por insuficiencia de material para todos tos AERA AER cee PARAS SPS BG AGE tratamienios, 0 porque se han perdid unidades experimentales, no se dispone Sa Heresies tociddveres de igual nimero de cbservaciones por tratamiento. Esta es una de las ventajas del ee ce eating loc det diseno completamente al azar, ya que los datos se pueden analizar directamente <8 - _ sintener queestimarparcelas perdidas, Parejemplo, seanatizé unexperimentode ‘Stata SC del tratamiento;se 32> eke ABB = 92 cuatro raciones para cerds cox. nueve cenios por racion. Durante el experimen tase presents una enfermedad y murieron 16 cerdos. Ca hipdtesis por probar es: Fn la tabla 2.5 se presenta el andlisis de varianza del experimento, El Vilor altamente significativa de F permite rechazar la hipdtesis nula de que {ip hay diferencias entre los tratamientos. Con estos resultados se proce-de a slelerminar mediante las pruebas de rango miltiple, cusles tratamientos son Jos mejores Hj: no existe diferencia entre los tratamientos. He: sf existe diferencia entre Jos tratamientos, Los aumentos de peso final se mugstran en la tabla 2.4. = ai el enor = LA Meer 99) = 141 (oq) = 3.52 % F 0 Tabla 2.4, Resultados del experimento con cerdos, Donde CM es el cuadrada medio en este caso del error. ‘Andlisis de varlanza, ‘Grados de Suma de Cundracas z liherid —cuadrados medio F, 5% 1% Probabilidad 7 30 4S 16 2 2 i ie Agneta L5G = 3.8%39 38 PRUEBA DE RANGO MULTIPLE ‘Medias a comparar 2 3 4 5 DE DUNCAN Volores de Duncan (@J 174.879.504.883 1a ventaja de esta prueba consiste en el hecho de que no necesita gue el ses veee tee aes valor de F sea significat vo para poderla usar. Es una prueba que permite comparar todas las medias entre sf, sin res- trieciones, Es posible e’ectuar t(r ~ 1)/2 comparaciones, o sea, de acuerdo con el ejemplo anterior 5(5 — 1)/2 = 10 comparaciones, Se aplicaré la prue- ba con los datos del disefio completamente al azar con igual nimero de uni- 1 2 3 @ s 95.75 745 $7.25 S125 A175 dades por tratamiento, 5 2 15870 Se ponen las medias en orden creciente o decreciente, segiin se prefiera, Isso 95 Tntamientos 1 3 @ 4 5 4 1670 Medias 9575 7450 S728 SS ALLTS as 2325| 60 Los datos siguientes se necesitan para efectuar la prucha: 3 sras| 167 1597 + cuadrado medio del ervor 58.8 see tas] 2 ‘* grados de libertal del error 15 2 750 | 1597 + niimero de uatartientos 5 ‘¢-mimero de repeticiones 4 21.25 ‘+ nivel de significancia b.o1 1 9875/0 Donde: wy = rangos de Duncan ge = {@ M, 8) = valor tabular de Duncan ‘Sy = error estander de la media = q : s* = euadrada medio del error = CME = nilmero de repeticiones M = mimero de medias a comparar '§ = grados de libertad del error = nivel de signiticancia (5 % 0 1 %) Ahora es necesario encontrar todas las diferencias entire las medias para compararlas contra la w, de cada comparacién de medias. — Seabee Sy = |=" traa continuacin: 3.83, Ahora, la tabla de Duncan, se mues Las medias dentro del rectSngulo son significativas y fuera de éste no son. sgnificativas, Obsérvese en Ia tabla 2.6 cémo las medias estadisticamente iguales se Identiffcan con la misma letra La medias unidas por una linea son iguales estadisticamente: 1 302 4 5 95.75 7450 S728 SL2S 41.75 Tabla 2.6 Tratamiento Media 1 rr 3 74.50 b 2 51.5 « 4 51.25 e 5 41.25 ©40 Con 2, Deseo comrtenneste at nzae Sila diferencia de medias es mayor que was medias son significativas, y siesto no se cumple, no son signilicativas, Asi, la media 1 es mejor, sin tomar en cuenta el analisis econdmico. PRUEBA DE COMPARACION MULTIPLE ENTRE MEDIAS POR EL METODO DE TUKEY Esta prueba se usa para hacer todas las comparaciones miiltiples posibles com F tratamientos y es valida cuando las tepeticiones estén completas: el procedimiento es ealcular un valor de de acuerdo con ta ecuacion: w= asi Donde: w, = ratigo de Tukey gi = valor tabular de Tukey (ee, ¢, = nivel de significancia 1 = miimero de tratamientas & = gtados de libertad del error Mr suadrado medio del error rmimero de repeticiones = error estandar de la media é r El valor de q se encuentra en las tablas de Tukey con el nimero de trata- rientos, los gfados de libertad del error y el nivel de significancia apropiado. EL nétodo consiste en encontrar todas las comparaciones posibles eon ¢ tra- @-0 tamientos, que son t » al poner las medias en onden creciente 0 decre- Gente, yrestar de Ta media mayor todaslas demas medias, y asf sucesivamente hasta que se terminen. $i estas diferencias de medias son mayores que w,, se dice que las medias son significattvas; en caso contrasio no son significativas. ‘éase el desarrollo con los datos del disehio completamente al azar con igual tnimero de unidades por tratamiento, Repeticidn: 1 3 a 4 5 98.73 7450 57.25 SIS AL.7S w= 957 G.83) 5.56 = 21,29 PRUGEA OF COMBARNCON MOLITLE DE MEDIAS TUKEY 4 Después que se encontré este valor, se busean las diferencias entre todas ‘medias (se puede hacer una tabulacién para seguirse): 1 3 2 4 5 STS aso 5725 25 ats 5 4L75 | $4.00 32,75 | 15.50 0 o 4 si25 | 44sa 2325 | 600 0 2 572s | 3850 [1725 0 a masv{ ais o 1 sz 1 0 w= 21.29 1 3 2 4 5 9878-7480 S725 BLS aL. Las medias unidas por una Kinea son estadisticamemte iguales, Bl trata Iniento 1 y el 3 san Jos mejores, independientemente del andlisis econémico. PRUEBA DE SCHEFFE Se considera la prueba mas estricta; sin embargo, es de facil aplicacién Porque utiliza los valores de la tabla de F que se usa est el ANVA. El valor © ‘obtenido para comparar las medias de los tratamicntos esté dado por: w = rango de Schetfé F = valor tabular de acuerdo con al niimero de grsdos de libertad del tratamiento y grados de libertad del error 4glados de libertad de los tratamientos hiimero de las tepeticiones 5, = cuadratle medio cel error C= coeficiente de los contrastes Como ejemplo se analizarén los mismos datos de las otras pruebas. cry = {489 0) (58.8) o (4) (58.8) — 23,9842 cw Diseho cowPustavenTe aL azas Las medias se arroglan en orden creciente o decreciente y para facilitar su ‘canttol se colocan de la siguiente manera: 9575 74590 $7.25 125 41.75 “as [S400 32.75 J 1850 9.50 0 sizs | aso [2325 600 0 57.25 | 38.50 | 1725 0 750 [2125 0 95.251 0 Los valores de las medias que quedan dentro del rectangulo son significa- {ivos, con respecto a los que se estan fuera ‘Tambiga se pnede representar de la siguiente manera, donde las medias unidas por una linea horizontal indican valares estadisticamente iguales. 1 i 2 4 5 9573 7450 5725S a7 Las medias 1 y 3 atin son las mejores; obsérvese que en la prueba de Dut: ean hbo acho diferencias sigalicativas, en Ja de Tukey hubo cinco y en la de Schelfé cuatro. Esto indica lo esrieto de Ia prusta de ScheiTé comparada con Jas dos anteriores En Jo referente a la prueba de comparaciin miiiple entre medias para diferente nimera de repeticiones por tratamiento, con base en la pruca de Duncan coa a = 0,01 (experimenio de raciones con cerdos), tenemos que la hipétesis por probar es: Hype = WS. Ma hey is] ‘Medias por comparar 2 3 aad 4s ay = qa WOME Cif, + Yr) Valor tabularde Duncan (q) ALL Donde: ay = rangos de Duncan CME = cvadrado medio del error {qa = Valor tabular de Duncan obtenido con grados de libertad del error y medias por comparar ny 1 repeticiones Connasrs omens 43 Obtengamas tos valores de 1: wy = 4.13 \2(1/4 = 1/9) = 3.8 wy = 4.34 204 + 175) = 4.11 why = 4.45 /2(1/4 + 1/2) = 5.45, wy = 4.13 2075 + 179) = 3.28 my = 4342072 + 179) + 1/5) = 5.30 wy; = 4.13 202 + 1/5) = 4.88 Los valores de wy se colocan en la tabla de diferencias entre medias para compatarlos con el valor respectivo, es devir, se ordenan las medias de mayer 4a menor en hilera y al revés en colurrma camo se observa a eontinuacién' “ararientos Cea Mets | 46 MM © sa fiz (45) 6(5.30)] 0 (4.88) 0 8) ao [12 @a1) 68.25) | 0 @ a | s@5) [o w af Sila diferencia enire las medias supera al valor de ws, 3e rechaza H., en caso contrario no se rechaza H,, Al comparar las medias de las raciones se encontré que la de ta racisn una supera 2 la de la cuatro, y éstas a la de las ues ¥ dos con un 99% de confianza, como se observa a continuacién, donde ‘medias unidas por la misma letra son estadsticamente iguales. CONTRASTES ORTOGONALES Esta es una prueba de comparacién entre tratamientas que el investigador debe conocer antes de iniciar su experimento. Previamente debe saber cudles ‘comparaciones de tratamientos son las que le dardn la informacién deseada, Para el andtisis de las eomparaciones se usan Jos totales de tratamientos en lugar de las medias, ‘asl se ahorra y se evitan ervores por rodonceo de ci4 can.2, DiiSo Commsravenre at aca El método consiste en descomponer los grados de libertad y 1a suma de cuadrados ara tratamientos. Existen (¢ ~ 1) contrastes ortogonales conde ¢ es el mimero de tratamientos. A continuacidn se preseata un ejemplo, tomada de Snedecor y Cochran. Se considera el efecto de la sombig, en la raz6n area foliar a peso de hoja ‘en tres especies de citricos (véase tabla 2.7) sto se analiz con el disefio de blogue al azar, y el ANVA se presenta en la tabla 28 Tabla 2.7. Tstamientos y repeticiones con sus observacianes. Trutamienos ——-Maranja ‘Tonia Mandarina Total Metin 1. Sol v2 30 123 35 108.33 2. Media soma 36 2 8 248 82.66 3. Sombra a 8 a 23 74.33 Tabla 2.8, Andlisis de varianza, Fuentes de Grados de Sumade Cuadrados pa ee pariaaidn —_Hibertad —cundrados _medios 5% 1% Prob, Tratamiento 2 88422 SHI «4326 694 18"? 0.008" Repetiidn 50.88 425.40 19.53 6.94 18" O09" sna? Las comparaciones de interés son las siguientes. Se podria medir el efecto de sombra por medio de la comparaci6n C, = 7, ~ Ts a {eol ~ sombra) y también saber silos resultados de la media sombra son pro- redlio simple de los de sol y sombra, o sea, C; = Ty ~ 27 + Ty @ Las ecuaciones (1) y (2) son funciones lineales. En la ecuaci6n (1) los totales 7, v7; tienen coc‘iciente 1; en Ja ecuacidn (2) los totales 7, y T tienen coeficiente 1, y el total 7; tiene coeficiente 2 (véase tabla 2.9), Regla 1 Cualqnier funcidn de la forma: PARE. +A T se llama contraste si: Za-0 En este pcoblemia se tienen dos lunciones lineales y se verd sl propiedad inicial a nT GQ=h+h-2% 1+1-2 o entonces C; y €; son contrastes. Regla 2: Si C es un posible contaste, 1a cantidad: op Sa fs una componente de a suma de evadradas de los tralamientos y representa ‘un conitaste con un grado de libertad. En el ejemplo, GQ=h-T G = 325 - 223, G = 102 (Gy = (0a)? = 10.404 r= mimero de repeticiones rea G=-T. Aal P= y= Ps 1 P= (-1F =1 2 & ‘entonces: sc= 044 = 1734 32) Sc (@)= 1734 G=T+h-27 C= 325 + 223 ~ 2(248) Gas (Ci) = (52) = 270446 (r= ay =1 y= Caiaa SC(C,] = 150 Regla 3: Se dice que los dos contrastes GaPN+ Pht t Pat G= Po Tht PaTet oe. + Pale Son ortogonales si: Ph Pat Pip Pr + Pie Past oes + Pua Pa = Si al comprobar la ortogonalidad algunos coeficientes de los tratamicntos no intervienen en el contraste, dichos cocticientes se toman como cero. En el ejemplo yy la multiplicacién de los coeticientes respectivos es! GN) +O-9+- DG D=0 l40-1=0 Entonees C, y C,s0n cantrastes ortogonales, ya que la suma del producto de sus coelicientes es cero, Regla 4; Si en ¢ tratantientos, ¢ ~ 1 contrastes son mutuamente ortogo- ales, se tendra a, a,c rEPL EPL rEPE SC de los tratamientos Para el ejemplo: SC(Ci) 47 Surta de cuadrados entre tratamientos = SC(C,) + SC (C,) = = 1734+ 150 1885 Tabla 2.9, Contrastes ortogonales. la a sol sombre Sombrt pie Porarients (8) ae) By ERE S +1 OO 1 04s 6 G 41-2 41 B80 ~ 1889 Tabla 2.10. Analisis de varianza descompuesto. Pientesde Grados de Suma de Cuadrados en vrecén —_thertadcuadrados— medios “ST Prob. Hecto de contra VM 1738705" 7. 22 oO Media sombxa conta ses 1 101s) oat 771 212 oar oe 4 waz signitestveal t En las tablas 2.9 y 2.10 se presenta el resumen de los célcues anteriores, fon su respective andlsis de varlanza Bl efecrs de soma fe significativo al 9% yel de media sombta contra sl testo de pruebas fue no sigaticativo, MODELO ADITIVO LINEAL Cada uno de los datos de una poblacién © muestra se pueden representar | modelo lineal: ¥; = y. + e, en donde yes el promedia de la poblacisn y [0 diserepancia entre ¥,y 4, Este término es el que origina la vaviabilidad la poblaci6n y de 1a muestra, ‘.o8 e de una poblacion forman una poblacién de errores eon un prome- gual a cero, o sea, que para la poblacién: & 6 $6, pero para ia muestra Se, # 0. Esto hace que ¥ differa de w. &48 car.2. Disxo commune AL xzat Considérese una poblactén hipotética formada por N = 7, con los siguien- tes datos, 2,11, 10, 15, 6, 13, 14; p= 11. Obsérvese que la suma de los es igual acer: nee Wt 3) 0 ut ( 9) 0 ut(-0) 15 n+ a 6 ut(-9) 13 w+ (+2) 4 n+ Ga ST =U (+0 Del modelo tineal, se puede despejar y el promedi Sien vez.de tomar toda la poblacién se considera una muestra, entonces resulta que Ye # 0. Por tanto, si de la poblacién anterior se toma una muestra-al azar fore miada por 15, 6, 4, se tiene que: ‘Maestra pte OCHA) 6 n+Cs) 4 a 25 Movao omounet — 49) y el promedio: Gu + (8) 3 n+ 9 3 11 2.66 = 834 ‘A medida que el tamano de la muestra se incrementa, mas se acercars Be, Va pdebide a que el término > tenders a cero. Cada dato de una poblacién se puede representar por el lineal ¥; = u + e,; si N es el conjunto de datos de la poblacién, se pueden Ueduci N valores dee, ¥ en este caso Ze, ~ 0 mientras que la suma de los 1 valores de e; de una muestra es diferente de cero, 0 sea Ee, + 0, entonces Bs, tiende a cero a medida que m se aproxima a W. Como en el disefio completamente al azar se consideran varias poblacio- nies, en el supuesto que éstas sean tres, representadas por a: as ¥ ay, SU Tes peetiva promedio sera yx, a ¥ us. Se puede considerar que estas poblaciones fon subpoblaciones ce una poblacién total euyo promedio es: Oy 40, +d 3 bh Las diferencias de los promedios de las subpoblaciones con respecta al promedio de la poblaci6n toial se representan por 74,» ¥ 7. Asi, se tiene que: me A pe = by we A estas diferencias se les lama efecto de los éradarntientos. De acuerdo con Jo anterior, un dato cualquiera de la poblacién «, estd dado por el modelo ‘aaitivo linea Yy= p+ 4+ 6y; un dato de la poblaci6a a, por: Yy = pt t+ ey y de la pablacién as por: ¥, =n +1 + ey A continuacién se explica lo que significa el modelo aditivo linea] en el diseho completamente al azar, En dicho disefo se consideran varias pobla- ‘ones muestreadas, Supdngase ja con un disefo completamenteBO Can.2, Disisio cammetaste aL azn al azar con tres tratamientos a,, a, ¥ a3, ¥ T= 3 (nuimero de repet Existen tres casos diferentes: caso 1: a0 40 40 40 0 Dn = 405 pas ~ 805 ye = 405 poe = 40 En este caso, i. = 40-¢s el promedio de les promedios de las tres pobla- clones; los efectns de los tratamientos son: Fe Bie pe = OFT = pa ~ con cada uno de los ey Caso 2: En este caso p.. = 30 es el promedio de los promedios de las tres pobla~ clones; los efectas del tratamiento som: Ba Be 2 con cata tno de los &4 Caso 3: a & le 2 2M 390 pp Vas = 28; Hae = 505 hy = 8B) pn = 80 Este caso es el mas real; jin, © 30 es el promedie 4 de los promedios de las tres poblaciones; los efectos dle los tal 7 hem Ot tae Mopito apivo unca, 51 eon cada uno de las ey ¥ 0 come se ve a continuacis & & =I 2 2 4 = = =o = =o Un dato cualquiera esté representado por el modo lineal adtivo: Yr wt nee Las repeticiones se pueden eonsiderar como un factor que esté implicivo Jos tratamientos. Por ello, este modelo se representa en forma ns precisa ‘He la manera siguiente: Yo = wt + Ge (, por ejemplo, en el caso 3 Ahora se ejemplificara con poblaciones hipotéticas: Poblacion a, (w= 6 ye Poblacion ay (ais = 4 ym. = 5) Vamsi t ty 2—5-1-2 4e5-140 6 2 SG e3W-1v08 Y=3G)+3(-) 24042 mee ty + Bey Yeo bra + day St Yeo Smtrn (ue. + Tu. +1) +n Yor = pee 252 Car. 2. Dist80 conmurmwente AL AZAR en caso de que Ja H, fuera cierta, entonces 1, = 7, ya que para la hipétesis tus, = Ha = bey Como consecuencia, Ja varianza entre tratamientos serfa cero, esladisticamente no significativa EJERCICIOS 1. En un experimento con 18 cerdos se analizaron tres raciones completa mente a azar los aummeutos de peso en kilogramos se indican a continuacions 6 5 4 6 a) Haga el andlisis de varianza, }b} Compare las medias del tratamiento, G) Caleule Gey F. dd) Haga la gra ¥ concluya. 2. Se analizaron cinco sistemas de riego en un cultive de maiz, con ocho repeticiones para cada sistema de riego. Los rendimientos medios en funcién de cada sistema de riego fueron: 200, 250, 300, 350 ¥ 400 kg/pareela. No se tienen los datos originales de las summas de cuadados. Suponga que el C, es 0.2. Pruche la hipétesis 1,: 1 = pe dande f # j con a = 0.05. Compare las medias de tratamiento, haga graficas, encuentre r* y eoncluya 3. En un experimento de invernadero (macetas). las medias de seis variedades de pasto estrella en aco repeticiones fueron: 6, 8, 10, 12, 14 y 16 kg/parcela itil. La yarianza de la media fue 4. Haga el ANVA y pruebe la hipdtesis I w, = y,con « = 0.05, Compare las medias de tratamiento, Calew ler’, haga la grafica y concluya 4, En un disefio completamente al azar, se aplicaron ocho tratamientos en cuatro cepeticiones, segiin se muestra en la siguiente tabla de ANVA: Fuente de varianza Grados deliberad “SC Tratamientos 180, Bue Toral 300 Buccs 53 4} Complete la tabla del ANVA. 1) Pruche la hipétesis de igual efecto de tratamiento con e ‘o) Eneuentte la varianza de Ja media de tratamiento. d) Encuentre r2. @) Dé conclusiones. 5. Se aplicaron ocho tratamientos en seis repeticiones. La desviacién estan- dar para la diferencia entre dos medias de tratamiento fue de y la calculada indispensable para probar la hip6tesis de igual media de tratamiento fue de 2 Realive a tabla ANVA, 6. Se aplicaron seis tatamientos a ocho repeticiones. La summa de cuadra dos del total fue de 3500 y la varianza de cada media de tratamiento fue 9 Haga la tabla de ANVA y pruebe la hipdtesis de igual electo de tratamiento coa ny = 0.05, 7. Eu un diseno completamente al azar, se asignaron cuatro tratamientos an =6,%) = 4, =9y 7 = § unidades experimentales, respectivamente. rusmte de variaeién Grndas de tibertad 90M "Tatamientos » ror Total 450 4) Complete la tabla del ANVA. ) Pruebe la hipotess Hx, = 7,con a = 0.05. «) Caleule 72 8. Finn experimento de lahoratario se utilizaron cuatro fertlizantes para medir el rendimienta de follaje en el pasto alemén, Los datos se indican en la tabla siguiente (diseto completamente al azar): ~ pertlizand ne so) 7 4 4D 6 7 oD 5 4) Haga el ANVA y prucbe la hipstesis Hz % = 5, 1) Realice la grafica y compare las medias de tratamiento 6) Caleule Gyr y eoncluya, 9, Se desea analizar en un experimento con tres tratamientos si existe linforimacion con base en Mg: 7) ® typ cOn ee = 0.01:20 20 m2.41 105.06 Ss} = 15.03 S} = 16.55 10, En un experimento se compararon ites métodos de ensenanza a cam- ppesinos, Para evaluar los métodos, los téentcos agropecuarios proparcionaron Instrumental a los campesinos y observaron los aciertos de los 24 campesi- nos, repartidos ocho por grupo. A contiauacién se dan los datos observados en tu diseito completamente al azar: Mélodbs de ensefaiza at » a oi v8 oD 18 3.30 » ww 13 3 2 ow 3% 3 MB 4) Haga el ANVA y pruebe la hipdtesis Hs 5, = 7, con ) Graficue y dé conclusiones. Realice la prueba de Tukey. 1) Eneuentre el Gyr 0.085. 11, En un experimento se analizé el efecto de cuatro dielas en lus estur diantes de un internada, Se tomaron muestras aleatorias de estudiantes para cada dieta, y se obtuvieron los siguientes datos, que representan la pérdida de peso en kilogfamos de estudiantes someticns a las cuatro dietas: reins Ce moneda 6 uo 5 8 3 8 30 1 0 5 % 8 6 7 4) Haga el ANVA y gratique, ’) Haga la prueba de Tukey. «) Eneuentre el C, 7 y dé conclusiones. Disefio de bloques completos al azar INTRODUCCION EJ objetivo del disefio de bloques completos al azar es reuni las unida- des experimentales a las cuales se aplicardn los tratamientos, en blaques de cierto tamano, de (al modo que los tratamientos se efectien dentro de cada bloque. La variabilidad entre unidades exnerimentales de bloques diferentes seté mayor que entce unidades dentro de! mismo blogue, como consecuencia, Jas diferencias encontradas entre unidades se deben principalmente a discre- pancias entre tratamientos. La disparidad que no se deba a tratamiento, se minimiza por el disefio y forma parte del ecror experimental. De acuerdo con esto, es facil observar que la variahilidad entre blaques na afecta las diferen- cias entre medias de tratamientos, porque en cada blogue apareee"una vez cada tratamiento, y asi los bloques y tratamientos son orlogonales. Durante el experimento todas las parvelas dentro del bloque se debea tratar igual, excepto cuando se aplique un tratamiento cuyo efecto se quiera medir. Por ejemplo, si los tratamientos son niveles de fertilizacién, todos los demés factores como preparacién del sucto, épaca, densidad de siembra, labores de cultivo, uso de plaguicidas, riegos y vatiedades deben ser exac tamente iguales para todas las parcelas; sino es asf, se introducirfan otras fuentes de variaciGn cuyo efecto no se podria medir, y ocultarian el efecto de Jos tratamientos en estudio, DISENIO DE BLOQUES AL AZAR El diseio de bloques completos al azar se caracteriza por su equilibrin, Holl planeacién y procedimiento de c&lculo simple. Su tinica desventaja es que cuando el niimero de tratamientos es alto, aumenta la superficie del {ermno dentso de cada bloque y también el error experimental,5G CaP. 3. DistRo 0c monUEs COMPLETOS AL AZAR fn saga se presenta a nomencaca de uke comin en el easo de una endenaciondoble (ae table (2x) actor de correccion Suuma de euadradas totales ~ 3) 3 — RC Tabla 3.1. Nomenclatura en una ordenacién doble. [Repeticiones ‘rataminto 7 Suma Media 1 Ya Ya Ye Ys Ys a % Ye & hm i t Yn Yo % om Fi Suna YB wo F Mesin Yh Fe ¥. Distso pr mogues aLazse 57 Se quiere probar la siguiente hipstesis ‘Tz no existen diferencias entre tratamieatos, Hg existen diferencias entre tratamientos, mas alld de lo que puede atti bbutrse al azar. Factor de correcsién = AC = (8! — 34 649 2 SCrotal ~ 42% 4 322+... + a0 + 268 — 24.640 = 1565 Tabla 3.2. Fjemplo del diseno de bloques completos al azar. Ce re a on Variedades i 2 3. a) Tot Bayo 2 6 38 aka Gastelum 2M 3032.75 Mantegula 2% 27.05, Testign 3% 2 R20 Cuvo rr re Firate 3092725 Toal ¥, 1823769 8.0 a 333 33833183 ALA? Suma de cuadados de los tratamientos = J, a wv nae s¢ repeticiomes =F — re _YEEVE+ YP ae 7 SC ertar = SC total ~ SC tratamientos ~ SC repeticiones Ejemplo: Los siguientes datos aon los resultados de seis variedades de frijol (ren dimiento expresado en g/parcela) en el que se usmiO CUA repeticiones por tratamiento (véase tabla 3.2), e+ + SC epetionse = HP * 28 SN 187" — 24 600 — 24 667 ~ 24 640 = 27 16? + 131? + 11 + 88 + 1632 + 109: + = 25 ool — 24 640 = 1251 565 — 27 ~ 1251 = 287 SC tratamiento SC error En la tabla 3.3 se muestra el andlisis de warianza. ‘abla 3.3. Anilisis de varianza, ie Gradosde Suma de Cuadradeg thertad eundiados mation Fy S% AM Prob Tatamiento 5 1sl— 250.20 13.08" 2.80 4.56 0.000" Repeticign 3 7 9 04732 ons Eiror 15 26719413,5B Cw. 3, Disko ut moquss cowpeas aL Azan Monr.o usta anrmooa pstko otstoquis a za 59) Los resultados muestran que 13.08 > 4.56, con a = 0.01. y Sy 15 grados que 3 telativamente bajo e indica confiabilidad en los datos, donde de libertad. Los datos de la tabla 3.3 indican que se debe rechazar H, por tanto, existen diferencias entre tratamientos. La prueba de significancia esta s= jon blecera la superioridad estadistica de una variedad respecto de otras. $e aplica Ja prueba de Duncan porque son pocos tratamientos (véase tabla 3.4). MODELO LINEAL ADITIVO DEL DISENO Tabla 3.4 DE BLOQUES AL AZAR “Madias a comparar 2 a 4 aie fo o ai? 4a? 450458 GS 309 952 98L 9.98 OTL En el disefio de bloques al azar, una observacién Y, se puede representar por el modelo ¥, =u +7, + Be, ait sat Donde: Y, = variable aleatoria observable 4 = media general ie aay Gana re eee eae 7540.75 32.75 2775 mas 4 = esror experimental para eada observacién (#) J toi 9.98 98 9.52, 30D 1 iio Le independ 7 os errores se distribuyen normal e independientemente con media cera | Sistas Gas! _ as |e y varianza 0°. Segiin sean los efectos de eratamientos y bloques, se pueden 998 9.81 [9S un. : tener dos modelos aras | 1450 1350 | 5.50 05 gat 9s | 9.09 ° @) Modelo fio. 1.08 tratamientos estudiados no incluyen toda la pobla- ‘i6n; Jos resultados se aplican a la porcién en que se realizé el ensayo 27.75 | 14.00 13.00 ou, ) Modelo a! azar. En él los tratamientos del ensayo se escogieron al azar 9529.09 ° de una poblacién de tratamientos; las conclusiones se aplican a toda 3275 9080 esta poblaviéa, = La representacién algebraica del ANVA de los modelos lineales aditivos 4025 1.00 dle los bloques al azar se muestra en la tabla 3.5, 4750 Silgstratamientaspertenecen almadelo ijo,entoncesaorepresentanalapo- blacion de tratamientos y, por tanto, r 2r'/(t — 1) no es igual aro En 1 2 3 4 5 6 cambio, si los tratamientos pettenecen al modelo al azar, entonces, por set airs 4075 42.75 m2 mR lescogios al azar, sf representan a la poblacién de tratamientos y en este caso F¥xi/(t — 1) puede sustinirse por ro Cuando ls tatamleatos pertenceen cualquiera de estos modelos, la forma de calcular el cuadrado medio de {ratamientos no verta, lo que cambia es la intespretacién de los resultados del andlisis estadistico, En realidad, 2 es la variacién de la interaccién de superaron el testigo. itatamientos por blogu ie si ‘Los cuadrados medios de fos tratamientos de ambos modelos se calculan er 100 = 13.7% de ta misma manera, la radica en que las conclusiones obtenidas del Contsanie de vanaslGa Go ‘modelo fj 0 alos tratamientos ineluidos en ek Las variedades Bayo y Cuyo son las mejores y todGO Car, 3, Diseio ne mogues cowneTs AL AZAR tudio, En ef modele al azar, las conclusiones no s6lo concieren a los trata~ mientos incluidas en el estudio, sino que se proyectan a las poblaciones de fratamientos para indicar que hay diferencias entre los efectos. Tabla 3.5. Representacién algebratca aes ae Boperaniza de enadnades medtos variacién bertad Maietojin Modelo at azar. Repeticion rt Bree ‘Tratamiento int wena Esvor o-ne-0 « oi Total a ESTIMACION DE PARCELAS PERDIDAS ‘Cuando se usa el diseno completamente al azar, la pérdida de una pareela ro afecia el procedimiento de edlculo, Con el diseno de bloques completos al azar, se puede presentar el caso de que un ataque de paijaros o insectos haya destruido una parcela, oque en un ensayo con animales uo deellos haya muer- {o. Bn tales casos es necesario estimar el valor que falta, antes de aplicar el andlisis de vatianza, mediante la ecuak B+T-G @-)e-0 Donde: ¥ = pareela estimaila = mimero de repeticiones B = tolal de blogues donde se peraid Ia parcela 1 = mimero de atamienios T= total de tratamientos donde se perdié la parcela C= total general Cuando ya se estimé este valor, se coloca en la parcela faltante y se analiza el experimento normalmente, sélo que los grados de libertad del error y coral se disminuyen una unidad. Esto se debe a que dicho valor 0 valores estiniados no tienen desviaciones, portal razén, no contribuyen. oe cuadrados del Erecicios 6 etter, Por tanto, en el total, ls suma de cuadrados del tratamiento estd aumen- luda la cantidad dada por la siguiente ecuacidn (siempre y cuando el nimero ide tratamientos sea mayor de 10): [a-e-n yl’ re-0 El error esténdar de la diferencia entte medias del tratamiento, que con- tiene el dato perdido, ¥ Ia media de cualquier otro tratamiento es: Donde: \imero de repeticiones del primer tratamiento por comparar \imero de repeticiones del segundo tratamiento por comparar Para la prueba de Duncan, wy = & $i. el valor tabular (t) se obtiene en Ja tabla te Duncan. BJERCICIOS 1. Este experimento se realiz6 en La Rosalera, en junto de 1981. Se anal yarn 12 variedates de soya con cuatro repeticiones en un diseno de bloques completos al azat. Los rendimientos se dan en kg/parceta. Yarieaues de sove i Bossier 2.08 a20ro.8s cor 1) 8589-599. 008 = 0210301 11 SyeCadel 156M 0.105 go 0302 ok Vieloria 8.105 02069304 usa Davis Oo 2073080 hs-s49s4o.m ois 08 Waa Conelios Glo aot 308.03 Cajeme gin 002 32a Sania Rosa ous 0208 ato Viroja ais 022 aman. Suprema G2 02080306 atid Brage Ou 0205 03096 1a) Haga el ANVA y prucbe la hip6tests de tratamiento. +b) Compare las medias de tratamiento, ©) Caleule el Cy. jue y dé conchusiones,62 Car. 3, Distko pe maQue coMmHOSAL AZAR 2, kn un experimento realizado en San Jan de la Vaquerfa en junio de 1981, se analizaron 12 variedades de soya con cuatto repeticiones en un diseio Ge bioques completos al azar. Los rendimientos se dan en kg/parcela Repetlones artes de soya 8 8 B 4 Bossier 0.103.202 oOo 1-5¢599-599.M 0.108 9.205 0303 O07 Tes Cale 56M 0.12 02070309 0.409 Victoria um 02080308 0a avis 0.19 oz08 306 as 5.549.540. 0107 og 0302 Oa Conchos oa a2 oats Cajeme 080.206.3080 Santa Rosa oz 2000310 aia Vieoja 010 oan 0.308, Suprema om 0210032 Odo, Bragg, 6 0.209 0307 ald 1) Haga el ANYA y pruebe la hipétesis de tratamiento, 1) Compare las medias de tratamiento, 4) Caleule el C, 1%; realice la grifica y dé conctusiones 3, Este experimento se efectud en La Rosalera, en junio de 1980. Se analizaron siete variedades de soya com cualry repeticiones en. un diseio de bloguiea completos al azar. Los rendimientas se dan en kg/parcela. Repeticiones ' lesa ye 9 Pete | Variedastes de soya hi A a n 145,599.599.M fed 9.495 T8-549-519-M 0.685 0.650 Sana Rosa 0.560 0520 Conchos 0.780 0.805, Davis 0.460) 7s Viroia 1so0 0.80 Sy Cadel 256.0 0720 a.s00 4a} Haga el ANVA y pruebe la hipétesis de tratamiento, 2} Compare las medias de tratamiente. ¢) Caleuleel Gy r*; trace la grfica y dé conclusiones 4. Este experimenta se hizo en San huan de la Vaquer‘a, en 1981. Se anal 2zaron 12 variedades de soya con cuatro repeticiones en un seo de blogues ‘compleios al azat. Los rendimientos se dan en kg/pareel Variedades de soya, i Pf Bossier 0.265; gag IkS-599.599-M 0320 465 i MS j-Cade-156-M1 0315 1.495 Victoria 0175 asa Davis 400 $45 15,599-549-M 0.260 0.350 Conchos 0240 ato Cajeme 0.860 os7s Santa Rosa oss, 0.320 Viroja 0.360 0.480 Suprema 0.165 as Bras o.045 ais 1) Hage el ANVA y pruebe la hipétesis de tratamiento. b) Compare las medias de tratarniento. ©) Caleule el C, v 7% dibuje la gréfica y dé conchusiones. 5, En un experimento realizado en La Rosalera, en 1981, se analizaron 12 variedades de soya con cuatra repeticiones en un disefio de bloques comple- los al azar, Los resultados se dan en kgyparcela, Voruedates de saya Bossice 0150 9.10 0.280 IES, 599-599-M o4gs 0.125 0.150 TSieCadeh 156M oz 9.210 0.275 Victoria 013s 0.090 0278 Davis 0.090 0.110 0.200 ICS, 549-549-M Ours 0.15 0.470 Conchos oup0 0375 0.265 Cajeme 0.090 0.080) 0.275 Santa Hosa 9200 one 6250 Vitoja 0130 0.175 0200 Suprema 01000195, 6300) Brags 100 0.040 0.150 a) Haga el ANVA y pruebe 1a hipétesis de tratamiento, +b) Compare las medias de tratamiento ¢} Caleule el C,y rs haga la grética y dé conclusiones. 6, Este experimento se efectué en La Rosalera, en junio te 1982. Se ana- lizaron siete variedadles de soya con cuatro repeticiones. Los rendimientos se ddan en Ky/parcela,Variedades de soya a 15 ¢-599-599-M 012s 0.125 1S-519-519-M 017s 04s, sania Rosa 0.200 0.0 Conchins pon 0375 Davis oso palo Viroja 130 75 Exroces 65 a) Haga el ANVA para metir el efecto de los operadores. Tome las sema: nas conto -epeticiones. 8) Prucbe Fi. ns = yw, con a = 0.05. ©) Compare las metas de tratamiento @) Caloule eC, y 1's grafique y dé conclusiones. 9. Un hotdnice determin6 los siguientes principios en una tabla de ants dle vatianza para varios datos obtenides con un diseha de bloques completa: mente al azar. Los promedios de los tratamientos fueron: 55, 68, 56, 66 y 5. MS yeCadel-156-M 0.200210 a) Haga el ANVA y pruebe [a hipétesis de tratamiento. 4) Compare las medias de tratamiento. ©) Calenle el C,¥ 7, gratique y dé conclusiones. 7, Rn un experimento realizado en San Juan de la Vaquer‘a, en junio de 1981, ve analizaron siete variedades de soya con cuatro repeticiones. Los ren- dlimientas se dan en kg/parcela Variedades de soya hi 18,-599.599-M 0.320) 15,-580-540-M (260) Santa Rosa 0.110 Conehos, 0.300 Davis aes, Virvia oo 1 Sy Cadel 156.M1 0.330 a) Haga el ANVA y prucbe la hipstesis de tatamiente. 4) Compare las medias de tratamiento. 6) Caleule el C, y r% trace la gréfiea y dé conclusiones. 8. Los siguientes resultados se obtuvieron en un experimento realizado. para determinar si diferentes operadores obienian resultados distintos en varias muestras de suelo, para analizar en el laboratorio el efecto del fsforo. Puente de wariaeton Grados delibertad = SCCM Promedio Bloques 2 si ‘Tralamientos 498 Enoor 40 Tol 18 2) Complete la tabla del ANVA y pruebe fig 7) = 1) 00 a = 0.05. ) Compare fas medias de tratamiento. 6) Caleulle C,y rs realice la graliea y dé eonelusiones.Disefio de cuadro latino INTRODUCCION En este diseiio la restriecién para conttolsr Is variabilidad esta en dos direcciones, hileras y columnas. Los tratamientos se arreglan en bloques de dos sentidos y cada tratamiento aparece una vez en cada hilera y columna. E] andlisis de los datos puede minimizar del error la variabilidad debida a hilera y-columna. Por ejemplo, constdérese: ‘+ Tratamientos con cinco niveles de vitamina para el crecimiento. * Hileras con cinco camadas de cerdas de cinco cerdas cada una. * Columnas con cinco sistemas de crianza, Debe existir el mismo mimero de tratamientos, hileras y columnas, o sea, I niimero de tratamientos es igual al mimero de repeticiones, Un arreglo para cualre Uatamientos podrfa ser AD B ¢ D Cc A OB co B DA BoA c oD BB andlisis de varianza para el disefio de cuadzo latino se da en la tabla 4.1 Tabla 4.1. Andlisis de varianza, Fuentes de Grndosde— Sumade | Cuadrados varacien Talamientos 7 ~ ler pa68 Tabla 4.1. (Continuacton,) Fuentes de Grados de variacion thera Columnas Un experimento con cuatro variedades de arroz, con gradientes en dos sentidos se muestra en la tabla 4.2 (el rendimiento se da en ke/parcela) Tabla 4.2. Experimento con cuatro variedades de artoz. “oval de teres BD AC 2 3 6 8 » a ¢ B »D 7 § 5 7 m dD Bb CoA 5 4 9 1 28 cA DB 6 9 5 5 25 Thal decotumnas 20225 96 Los tolales de cada tratamiento son: 20 SClotal = 2 +3 +64. = 576 = 74 SC itera = 19 = 244 + 28" +25" _ 576 = 195 4 2 28 25? + 308 SC columna o= 20° + 2! + 25° + 30" _ 57g 0 45,5 4 69 32! + 162 + 28? + 207 4 SC tratamientos 576 = 40 El andlisis de varianza se da en la tabla 4.3. Tabla 4.3, Andlisis de varianza, Pucniesde Gudosde Surade Caudrados wariztdn __lbertit_cueatratos meds 16 Pru Talamienios 3 40 13333 104.76 9.78°" 0.009 Heras a is «3S 2628 476 ONS O.14 Columnas 3 155 S166 3875 1.76 9.75NS O.OTS 6 5 13a ‘wal 5 740 significative al 1% NS= no signifeatwo;€, = 19.2 % La significancia de hiletas 0 columnas indica en qué direccisn del terreno estd la fertilidad del suelo. En este experimento no se detects dicha variabili- dad en ninguna hileta ni en columna. El coeficiente de variacidn indicard la ‘contiabilicad en los datos. [88-057 = 4 El andlisis comparativo indicaré cual o cuales tratamientos son los mejores: ‘Medias a comparar a a 4 ‘Valor tabular Duncan 3u4_ Sst we 302 3.18326 A c D oR a 325 | SS 50F 0 wel a fs OL RIE so 0 ps| 3 2 3a 0 er] a Aal o70 cw.4. DicRo De cuADKO LENG Las variedades A y C son las mejores, independientesnente del andi ‘econiimic. ESTIMACION DE PARCELAS PERDIDAS Cuando en el disefio de cuadro Latino se pierde una unidad experimental, se puede estimar con la siguiente ecuacién: r[H+C+T)-26 ©-De-2 Donde: Y = parcela estimada = total de hileras donde estd la parcela perdida C= total de columnas donde esti la parcela perdida ‘T = tolal del tratamiento donde esté la parcela perdida G = total general = nginero de repeticiones Igual que en el disefio de bloques al azar, la suma de cuadractos de los tratamientos se debe costegir cuando el mimero de tratamientos sea mayor de 10, restindole el siguiente término: [o-H-c-@-vrpP [e-ae-ay Si se quiere comparar los promedios de dos tratamientos, uno con una unidac pendida y ol otra sin ninguna perdia, la S, esté dada por la ecuacion indicaéa on et diseno de bloques completos a azar ‘Supdngase que se hubiera perdido la observaci6n de la eolumna cuatro, hilera dos, o tratamiento D, con rendimiento de 7 kg/parcela. Entonces hay {que restar ? ke, de La hilera, eolrmina y tratamiento donde se perdid fa parcela y también del total: 4(17 + 23 +13) ~ 2 (89) 3K2 ¥= Ese valor ¥ se lleva a la celda ¥y y el experimento se analiza de nuevo, pero se resta un grado de libertad dl ervey y del (otal, 7 El modelo lineal para este diseio es: Yau = pte + By + ty + Bea ie Yi = variable aleatoria observable 4 = media general ty — efecto de la -ésiiua hides B, = efecto de la jésima columna 1, = efecto cel k-ésimo tratamiento 40 = error experimental En la tabla 4.4 se presenta un ANVA para diseno de cuadro latino con prados de libertad, y esperanzas de cuadto medio para modelo fifo y al azar. Tabla 4.4. Andlisis de varianza, speranza de cuadrusos meios Proniesde Grados de vartactén hertad Modelo foe Mosilo ol azar Tratamiento of gfe 1) et + rel itera ra oF + BB} — 1) oF trot Cokumna opt apie 1) a3 4+ ra} bor wae 7 ‘TRANSFORMACIONES Existen conjuntos de datos que por su gran heterogeneldad no se pueden analizar normalmente. Por tanto, dichos datos se tiene que transformat. Por ejemplo, en entomologia las parcelas tratadas con insecticidas presentarén ur ‘mmpliointervalo en cuanto ala eantidad de insectas 0 al dato eausado parellos, 10 este caso, no se cumplen las suposiciones de independencia y normalidad. Pra usar ef andlisis de Varianza hay que transformar los datos, en cuyo casa la ‘prueba F es mucho més sensible para detectar diferencias reales entre ratamien- {os Kin wala, Jo que interesa ex controlar la gran heterogencidad del error.72 ‘Transformacién a raiz cuadrada Por lo general, cuando los datos se refieren al niimero de insectos en una rea dada so usa la distribucin Poisson, en cuyo caso la media y varianza son iguales. FE procedimionto para (ransformar los datos cansiste en extraer ls Taiz cusdrada de cada observacién antes de hacer el ANVA. Para valores muy pequelios se afiade a cada observacidn 0.5, y la raiz cuadrada queda como Y¥-+ OS. Este tipo de transformacién se recomienda cuando las observacio- nes estin expresadas como porcentajes. ‘Transformacién logaritmica Las efectos multiplicativos en la escala original se eanvierten en aditivos cena escala logaritmica, Para cantidades pequenas se afiade uno a cada obser- vvacién, y en lugar de log (¥) se toma log {Y + 3) ste tipo de transformacién se recomienda cuando las observaciones son inGimeros positivos que tengan un intervalo amplio, y cuando existan ceros, debido a que log (¥ + 3) es mas preciso. BJERCICIOS 1. Hay experimentos que afectan el rendimiento de obtencién de leche; par jemplo, en vacas lecheras la variaci6n entre individuos requiere muchos ani- males paca evaluar diferencias moderadas. Los esfuerzos para aplicar vatios tratamientos sucesivamente a la misma vaca se dilicultan por la disminu- ‘ign det flujo lécteo, la forma de las curvas de lactacidn, los efectos continues y la supuesta correlacién enire los errores &y. Se quiso controlar estas dificul- {adies mediante varios pares de cutadros latinos ostogonales (Cochran y Cox, 1941), donde las columnas representan vacas, las hileras petiodos sucesivos durante la lactacidn, y los tratamiento A (postira), B (poco grana), C (todo fe grang). En este ejemplo s6lo se utiliza un cuatro latino sin considerar efectos transportados. Los datos estén en libras de leche para un perioda de seis semanas. vaca Periado 1 2 8 1 ee ee ee) a SC kN 906 Eeacces 73 4) Hfectie el ANVA. 2) Haga La comparacién maitipte de medias. €) Caleule el C, y 1 realice la gratica y d6 conclusiones 2. Se hizo un experimento con 25 vacas, para analizar cinco tratamientos (dietas) ¥ medi ¢} aumento de peso en kilograms. Los datos se analizaron con un disefio de cusdro latino 280" 300" 25" 303008 Bie I 296" wet 380 320" 3m! 3654 Ags! ast 31s atts a 390! Son Sash! uh 2) Caleule el ANVA. ) Haga las comparaciones de medias, ) Caleule el Cyr. Realice la gréfica y dé conchustones. 3. Un cuadro latino de 6 * 6 se analizé con la fiualidad de probar seis fertilizantes en el cultivo de cebolla. Bfectiie un andlisis de varianza, con base en los datos siguientes en ke/parcela: was! as as’ a7! 523" Sash 57s” aa a7 aa7* 3958 ee rn sa Sas a7 Sea Sar 3868 385" asa" SQ? aa 72" 87° 396" ee Haga la prueba de Duncan, calcule C, y rs grafique ¥ dé conclusiones. Analice el cuadro sin la parcela 445°, 4, Bn un experimento realizado com mafz se analizaron cinco fertiizantes Los rendimientos se indican en kg/parcela: M565) gaa 483" 535" as Sr! 802" ois mm aise 900° 535° AS" B00" a5 eon" 9a" a) Caleule el ANVA. ‘b) Haga la comparacién miltiple de medias. ¢) Caleule el C, yr. «) Realice a grica y dé conclusiones,74 Cav. 4. DseNo De cuapRo LATINO 5. En un experimento realizado para comparar el efecta de cinco laminas ide riego en el cultivo del arroz, en la misma variedad, los zendimientos en kg/parcela fueron a 36" an 58 ae a 38 38" a“ 48° ar ae 40 5st ” ag 35% as 5a as an 48° 4) Calcule of ANVA. 6) Haga la comparacién mi ©) Caleule el Gyr ) Realice Ja gratica y dé conclusiones. 6, Se estudié el efecto de cinco complementos allmenticios en cerdos de cinco razas en 25 animales. Se desea analizar los inerementos diarios prome- tio de peso en kilograms: * » " x co Pa io " » 2 1" ¥ e 2 6 PY 3° v 2 y « 2 e 4 Calcule el ANVA y pruebe la hipdtesis de tratamiento, 5b) Compare las inedias de tratamiento. €) Calcule gl Gy @) Realice ia gréfica y dé conclusiones, 7. En un experimento se desea analizar el efecto de aplicar un tratamiento durante 12 meses en cinco razas dle ganado vacuno. Se dispone de 25 anima- les para medi el peso del animal al salir del rastro: 300" 200" 400" ano 29s 20" ars 300¢ goo 308 gto 38g ae 38 305" age 310" ast 328° 339° = $0 aga 1) Haga el ANVA y pruebe la hipdtesis de tratamiento, ) Compare las medias de tratamfento, ©) Caleule el G y 1 ) Realice la gratica y dé conclusiones, Analisis de covarianza INTRODUCCION El andlisis de cavarianza es un procedimiento muy importante en experi mentacién, pero lamentablemente no se usa con frecuencia. Utiliza el andlisis de variauza y el de regresién para eliminac la varlabilidad que existe en la variable independiente X; también ajusta medias de tratamiento y asi estima ‘mucho mejor el efecto de la variable independiente X sobre la variable depen- diente ¥. La variable independiente X es una observacién hecha en cada unidad experimental antes de aglicar los tratamientos, e indica hasta cierto grado la respuesta final ¥ de la unidad experimental. Por ejemplo, en un experimento ‘con cerdos se tienen pesos iniciales X y consumo de alimento ¥: si se hubie- ran usado varias raciones las diferencias entre sus efectos padrian 0 no ser significativas, es decir, puede o no haber diferencias en cuanto a la ealidad de \as raciones, Sin embargo, anes de Negar a conclusiones hay que preguntarse, tal existir variacién de los pesos iniciales de las camadas, la diferencia en los pesos finales de los cerlos se puede atribuir a la bondad de alguna de las racio- hes? @ gquizgs alguna parce de las diferencias en los pesos finales se debe a la diferencia en los pesos iniciales de dichas camadas? Con respeeto a esta sltima pregunta se sabe que fos echones de mayor peso a] nacer son ms agresivosy, fen consecuencia, consumen mayor cantidad de alimento y aummentan de peso ‘con mayor facilidad que los lechones pequeos de poco peso, A ajustar los valores de ¥ de acuerdo con los valores costespondientes| de X, es posible analizar con mayor precision lus resultados del ensayo. Por ‘medio de! andlisis de cavarianza se pucce calcular y eliminar la parte corres- ondiente a las diferencias en los pesos iniciales. En general, en ensayos de alimentacién con animales, las diferencias entre medias de tratamiento no ‘ajustadas se deben al valor nutritivo de jas raciones, ala cantidad consumida por Log animales, o a ambas causas, $i se ajustan las diferencias de aumento de peso a un peso Inicial comin y se aplican las raciones, las medias ajusta lag indicarin 91 en realidac! lag Yalor sutritivo diferente,76 CAB. 5, AnALIas Dr CoWARIANZA También es til el andlisis de covarianza para ensayos de tipo agrond- rico, Supéngase que se cuenta con parcelas experimentales, en las cuales se prueba el rendimiento de variedades de arroz, niveles de fertilizantes 0 fungicidas. $i se observan datios en las parcelas antes de la cosecha por gra- nizada, ataque de plagas 0 pdjaros, el andlisis de varianza de los datos no ajustados no representara el potencial de rendimiento de acuerdo con los tratamientos establecidos. Cuando por medio del andtisis de covarlanza se climine la varianza de rendimiento por parcela se podrén evalvar realmente los resultados. Es decir, se supone que la poblacién de plantas es igual cen todas las parcelas, y después de este ajuste seri posible medir los ren- dimientos potenciales de cada tralamientn. Los objetivos del andlisis de 4) Disminuir el error experimental con el respectivo aumento en preci sin del experimento, 1) Ajustar los promedios de los tratamientos. 6) Interpretar mejor los resultados en el experimento, especialmente en lo relacionado von la naturaleza de los efectos de los (ratamientos. ) Estimar el valor de las tinidades perdidas en los experimentos. Para efectuar el analisis de covarianza se debe suponer lo siguiente: @) Que los tratamientos no afecten las X. ') Las variables X y ¥ deben tener varianzas homogéneas, 6) Las variables X y ¥ deben tener distribucién normal ) La regresion de ¥ sobre X debe ser lineal } Los errores tienen distribucién normal con media cero y varianza MODELOS CON COVARIANZA Para el diseto completamente al azar, el modelo lineal analizado con covarianza esté dado por Ja ecuacion: Pt BOX) Binet LBs Para el diserio de bloques al azar, el modelo lineal es: XH) + ey ++ BT BR ii i Jm Le douat Moneucs con covmnancs 77 Para el disefio de cuadro latino, el modelo lineal es: Ves BE UEH Gt OK—H tm Liat GA U2oar ke Ltt ‘A cada modelo se le agregé el término de ajuste. Por ejemplo, para el diseno cle bloques al azar dicho tSrmino es B (X, ~ ¥) Para el disefio mencionado se tiene que: © media general 1X, = variable independiente 0 concomitante variable dependiente Yo B, = efecto de blogues B = coeficiente de regresion X = media general de la variable independiente 25, error experinetal En la tabla 5.1 se presenta el andlisis de covarianza para el diseio de blogues al azar. ‘En las tablas 5,2 y §.3 se representan los resultados de un ensayo con cinco camadas de cordos (repeticiones) y cuatro dietas (tratamiento), donde: X= peso inicial de los cerdos (variable independiente) Y¥ = peso final de los cordos (variable dependiente) Los andlisis de varlanza de la tabla 5.3 se analizaton con un disetio de bloques al azar normal, uno aplicado a X y otro a ¥. Se nota que no hay diferencia en el peso inicial (variabifidad) oi en el peso final debido al ata. imiento. ‘Ahora se calculan solo los términos que faltan en la tabla de andi covarianza, ya que SC (x) y SC (y} son conocidos. SPI) total = (4) (10) ~ 2) (5) +. + @) (9) + (0) B) ~ FC = 85.50 donde rc = {69 059. ~ 457.50 @ © oquen = 20225 + 02) eo 4...+ (10) 28) _ poursis de covarianza para un diseno de bleques al azar ‘Valores de¥ ausiados por & De-n-t 79 yetamtenteg = 22.60) + 00) G5) +--+ 0 BO) _ pos 35.50 SP del error = SP total ~ SP bloques ~ SP tratamientos = 83.50 = 6.75 ~ 38.5¢ 40.25 apy . Show? ion det = sci) - SC (por eyes dl enor) = $C (9) - = = 1220 — 0929" 2 67.27 9.60 SP Gy)? {ratamientos + error) = sc (y) - SC (uatamientos + enor) = $6 9) — “7 = 207.0 - 825" = p12 a7 SC {tratamientos ajustados) = 77.12 ~ 67.27 = 9.85 3 re ~ 328 ~ sans 612 Tabla 5.2. Resultados del experimento con cercos. 2 2 5 3 9 6 Bt 7 DB 3 3 408 2 5 4 © 4 6 4 2 4 6 1 1 6 © 2 9 15 3580 Tabla 5.3. Resultados del experimento con cerdos (ANVA Xy Y)- ANYAY ANVA ‘Fuentes de Grados de Suma de Cuadrados Grados de Suma de Cuadratos, ‘ariacién liberiad cuadrados medias libertad cuadrados adios | Hatamientos 3 88 2833NS BISA. G.OSNS Bloques 4 16 “40 4 20 1a Ersor BR m2 10.16. BR 2960 20 Tat » 223 195295 Tabla 5.4. Andlisis de covarianza. Grades untes de de de Sumade Cuadrado aracion libertad SClx) SC) Wri cuadiades medio Pe tonal 8295 a sloawes 1 s20 Tramentos 3 BIS 3 98S 3280.8 Ost Enor R296 aera? 6 thom 15 a7 78 mw 7 = 297%, Para tratamiento + error simplemente suma lo correspondiente a cada uno de ellos. En la tabla 5.4 se muestra el andlisis de covarianza (ANCOVA), Ya que F. F, es decir, 8.94 > 4.84 rechazdVs Ropetitde ve y 1 30120 as 18028190 AS 18D 2H 65 2 2 170 38 Io) 19 160181601875 3 40 200 «39 120 «20 1401917019162 4 20 150 40 140 18 130181022138 5 25 16020 wo 6.25 18017-1651 4) Maga el ANCOVA y pruebe las hip6tesis de tratamiento, b) Compare la medias de tratamiento, G) Calcule el C, y 7's disefie la gritica para medias de tratamientos y dé conclusiones. 5. En un experimento realizado con un diseno de bloques completos al ‘azar, para analizar el efecto de cinco raciones en el aumento de peso en 20 ‘vacas (cuatro repeticiones), surgid la dificultad de que los 20 animales renfar diferentes pesos iniciales; por eso, se decidié ajustar por covarianza (X es el peso inicial; ¥ es e] aumento de peso) acini) Racin? Racin Racin Racin Repeticiin = XY ey re ee x a 1 1s) 350 «M45 350-120-380 120 2990400 2 a9 360130 40010350315 120-380 3 GO 389120 380160 3301380105360 41) MO 155 390130 390155300149 350 4) Haga el ANCOVA y pruebe las hipstesis de tratamiento, ‘) Compare las medias le tratamiento {6 Calcule el C, y trace la gréfica para medias de tatamientos y dé conchusiones. Disefio generalizado de bloques al azar INTRODUCCION El experimento en que se ensayan ¢ tratamientos en r blaques completos yen el que ol tratamiento j se repite r, veces dentro de cada bloque comple- {o, se eonoce come diseio generalizado de bloques al azar. Su notacién e' la sigulente: total del bloque ¢ 7, = (otal del tratamiento j v=re Ey E! anflisis se wealiza de acuerdo om los siguientes pasos: 4a) Se calcula el factor de correccién: ©) Se calcula la suma de cuadrados del tratamiento: ae fart, SC del tratamiento86 CA», 6. Diseso orvenauznDo OF LOQUES AL Aza 4) Se calcula la suma de cuadrados total corregila: SC total corregida ~ J ¥7 ~ FC @) Se calcula la suma de cuadrados del error experimental: SC etror = $C total ~ SC tratamiento ~ SC bloques 1) Se construye el ANVA comp se muestra en la tabla 6.1: CM tratamiento CM error ccon (¢ ~ 1) grados de libertad para tratamiento, y (rE 1 —1— t+ 1) grados de libertad para el error: bajo He T= 7, se distribuye como una F yoratey DB io Hy By = By =. = B. se distribuye como una F con (r~ 1) OME {grados de libertad para Dloque y (rE xj —r~ ¢ + 1) grados de libertad para lenox: FQ@r=MyrEq—r- t+) Tabla 6.1. Andlisis de varianza. Fuentes te Grados de Sumade — Cuadrade variacicn Ubertad cuadrados Boaves 2 je la ‘Tratamientes |r Fe 7 Exe Ly - Fe ‘ SC erg = SC totaled = SCH Bogue = $C ‘Trl corregido a7 Tabla 6.2. Experimento hipotético. 3 1 2 1 4 @ 1) m4 i 5 6 7% 1 2 4 $8 1 2 2| 5 7 6% 6 4 48 4 1 2 1 2 «3 wo 2 mM 1 sat 23 1 2 4 19 a[4 4 2» 68 #7 8 M6 4325 8393 a9.1a5 4 ila 28s 4 aR 58 Suma) 6 8S IB ¥. ‘Veamos el siguiente ejemplo. Se tiene un experimento hipotético con cuatro bloques, cuatro tratamientos y ¢ parcelas/bloques, como se muestra en las tablas 6.2 y 6.3. Het =T He iej Hehe He Los célculos se muestran a continuacién: 4) Factor de correccisn: YA. _ (10857 4x6 r= = 49 051.04 b) SC total = (43)! + (7a)? +... (7) — 49051.04 0841.96 (284)? +... + (287)? 4) SC bloques = = 49.051.04 = 269.4688 Gao)? + (393, (ay + (232) 8 4 = 34 270,625 + 16705 ~ 49.051 = 1 924.585 d) SC tratamientos = 49051 €) SC error = SC total ~ SC bloques ~ SC tratamientos 1 841,96 — 269.46 — 1 924.585 = 18 647.915 Bi] andlisis de varianza se muestra en la tabla 6.4, Tabla 6.4, Analisis de varianra, “uentes de Grados de Suma de Giadrador maracion —Werted —cundradas medio. FSA “Bloaue 3 268.46 8 0082 SIBNS ‘Tatamiento 3 1924585 AL.SI8 0.584 S.1BNS Error 17 18647.915 1.096.936 Tal 2-20 MII C= 6% Puesto que F, fue menar que F, para tratamiento y para bloques, 10 se rechaza H, (no significativa), debido a que fue un ejemplo hipotético y ses ppuso que no existia interacrisn entie bloques y tratamiento. EJERCICIOS ‘un experimento realizado en La Rosalera, en junio de 1981, se ana- lizaron cinco variedades de soya con cuatro repeticiones. Los rendimientos s2 dan en kg/parcela (un surco de 3.2 m de parcela itil): Repeticién ‘Tratainientoyrendimiento 1 12 2 4° 5 084 035 046 0. 089 2 2 1 3 2 4 066 035 042 056 085 3 s 2 3 2 4 0.70 08 085 07 038 4 4 1 2 3 2 055 0.65 0.37 0.80 0.90 Eerccios 89 4) Caleule el ANVA. ) Compare las medias de tratamiento, 6) Galeule eC, y r*s realice la grsfica y dé conelustones. i) Convierta a kg/ha 2. Fn un experimento realizado en San Juan de la Vaquerfa en junio de 1981, se analizaron seis variedades de soya von cinco cepeticiones. Los rendli= :mientos se dan en ky/parcela (un surco de 3.2 m de parcela tl): Repetcion ‘Tratardentojrendiniento v 6 3 5 4 6 38 080 066 08 075 aa a8s 2 3 6 2 8 4 6 048 0.65 049 0.85 0.95 0.68, 3 13 6 5 6 8 090 om 068 09s O48 ay 4 4 3 1 6 6 3 055 049 070 072 084 049 5 36 2 6 3 4 058 072 068 0.60 a) Calcule el ANVA. +5) Compare las medias de tratamiento. ©) Caleule el G yr; Wace la grsfica y dé conclusions. 4) Convierta las datas a kg/ha.Disefio de bloques incompletos (latice simple) INTRODUCCION Existen clertos experimentos, en particular aquellos que se utilizan en fitogenética, que tienen muchas lineas, Por tal motivo, es necesario encontrar las mas representativas para cieta zona de estudio. En dichos experimen: (os se presenta un slto numero de tratamientos y es iiposible trabajarios, mediante un disetio de blogues completos al azar, porque no se podria con- twolar la variacién existente dentro de cada bloque. Ya se dijo que cuando existe un gran mtimero de factores y tratamientos se recurre al principio de confundido para tratar de confundir varias interaccio- nes, al dividir cada repeticiéa en varios bloques incompletos para disminuit Ja exvesiva heterogenetiad existente en el suelo debido al alio numero de tratamientos, y ast evitar tener bloques muy grandes. Los diseitos de bloques incompletos (latice simple) sélo incluyen parte del -ndimero total de tratamientos. Kxisten numeroses tratamientos que coinciden con un cuadado perfecto: 16, 25, 36, 49, 64,81, 121, en donde el tamaiio de bloques es la raiz cuadrada del mimero de tratamientos. Se les conoce como litice 4 x 4, 5 5, 6 X 6, 7 X 7, etc. Los bloques dentro de cada repeticiin se eben aleatorizar al igual que los tratamientos dentro de cada bloque. Si se presentan tratamientos que no fermen un cuadrado perfecto se ten: «dra que ullizar tatamtentos testigos para completar dicho cuadrado, es deci, que si se tuvieran 45 tratamientos se utilizarian cuatro testigos para completar Jos 49 que se requieren paca el Idtice 7 7. En el ldtice simple se usan dos tipos de repeticiones, una en donde los bloques incompietos van en hilera y aquellas en donde fos bloques incompletes van en colwmna; las que vant en hilera se representan por X y las que van en columnas se representan pot Y, Yy se requiere un minimo de dos repeticiones (una para X y la otra para ¥). Si existieran mas tepeticiones deben ser multiplos de dos, ya que X y Y deben tener el mismo nuimeto le repeticiones A continuacién #8 da un ejemplo con la construccién, método y andlisis ile un divenio hiiew ‘visite en Un experimento con 64 variedades de92 Cav, 7, Dio De BLOQUES INCOMRETOS 43, ‘mafz.en el cual se utiliza un disefio létice simple 8 X 8 con cuatro repeticio- Tabla 7.1. (Continuacion nes. Las repeticiones 1 y 3 son dos arreglos aleatorios del grupo X y las repe- ticiones 2 y 4 son dos arteglos del grupo ¥. Cada tepeticién contiene ocho Es |COk ‘blogues y cada bloque ocho variedades; una variedad tiene dos surcos y cada surco 10 plantas. E Bloques Bogue 33 364 8 38 298s a2 3 PROCEDIMIENTO DE CALCULO 29 Bl 362808 Los rendimientos individuales (ibras) de cada variedad de maiz, el arre- oe ‘lo aleatorio de bloques, las variedades dentro de bloguies, el total de bloques, a B63 368 262d 6 4 30 tl total de repeticiones y el total general se muestran en Ta tabla 7.1 ‘Las dos repeticiones del grupo X y las dos repeticiones del grupo ¥, mos- 4359 ars 356 378 342 9 3e9 SO 2799 tradas en la tabla 7.1, se combinan por bloques que contienen las mismas a 2 5% 2% 1 ss #4 10 variedades y se ordenan como se muestra en la tabla 7.2 5 38 MH 383 335 259 HS BS 284 202 Bin la tabla 7.3 se indica el total del rendimiento de las variedades. Los w 40 3% 8 Rw totales de las hileras son la suma de variedades que aparecieron juntas en 6 327 376 Re 3 M2 3 7 MS ard bloques del grupo X y los totales ce las columas son la suma de variedades vis 6 3B ? q {que aparecieron junias en bloques del grupo ¥. 7 2 OR 363 38 398 2758 2B 4 8 220 “0 Tabla 7.1. Rendimiento de variedades en libras de un experimento latice 8 38 363 996 335325349 384 28 simple. z - ~ 2186 q ‘Repetcion 1 Repeticion 3 | Bogie Grupo X, Blox Blogue Gnipo 8, Pepaitse 40 33373648 7 4 8 GU a 1 By Ra he Ma a2 Ro ay an 1 he fo fs 2s hs Sa ma se | ee ee ee 9 28 9 o of 3 6 58 2 M1" a2 331352 389 ALD A B49 308s 2 34 38923738 3B TIO now 9 i Bb w um 16 uw Boi mW Mm 9 RB 3 WS S25 387 398 S38 AAD SADA 3a 3h2 37 a8 2352347308 3 0 6 2 2 BH B 2 Ww @ n wy 4 4 387 353 Mo 38S 9 da 399 ake 4356 383920 23487 ae a 39 GF 58 4 3338? 5 Ha 26 M9 M7 $7 388 SR3 77a 5 Rs 3677 23 Ms 363 82 2966 i 2 4 7 4 1 6 48 4S 33 ee 6 Mos 382 382 2 3274.28 6 302 BS BS a WS 3 359 OLS » 2 wo mM 2 we mB 46 vo 4s ast 7 38 2-32 295 MSH WH 3188 7 ne B72 HS il 409 387 e823 6 8 4 1 3 7 2 5 2 % oN asa 8377 WA BR SOS 2 MA AL? 39.8 3265. 315 2S 441 sas 3942 298.8 8 z 23606 y Sues4 a fabla 7.1. (Contnuacién,) ‘Tabla 7.2. Combinacién de repeticiones por grupos. fi Repetieion 4 ‘Repeticiames 13, Grupo Ys 2 Bloques Gripox 7 a 7 BH 1S 1 20 30 4 8 6 bs 1 368 4 38 37 347 1008 $3.1 12 728 824 751 8S M9 mL 2 2 3% mw 2 0 0 2 a ow is w% 1 fe Me wi 34 Wa 36 354 389 MOS 719 79 806 6 799 MS 7% 714 aie i 0 38% Rk 7 we wp 0 4 2 2 2 3 Be RS BS Wd MS 3B 363 342 2052 68 @9 M4 7 662 7 6S 62 sa voy bas sz 8 % % 97 Rw 4 4s M2 ds 7 dor M2 38 369 2785 747 G5 761 704 775 M1 MA 9 5856 3 6M BoM 35 wo 5 2 39 2a BA Bs 321 398 359 267 Bl M4 89 2S XS MS 73 77.2 6187 9 3 8 ae 4 2 8 Mw 4 4% 47 4 6 Ba B2 Ds 3 9 6 6 Se 2488 7 49 675 G13 7B TD BB 565 5 3 a Be a 9 0 © 2 53 sh 55 56 7 3 35 LS 297 335 379 9 aS 7 738 TT a7 A MA OL 72 laa 2 % 8 oO Ow vy 8 9 © 6& @ & ow 8 35 WS HK 372-358 363 394 36S 9B Rs Ta 6 97 WA 2 Ga AL 5825 z nais6 E024 S874 GA 57K? Had HMR HI 597 47989 =——— Grantotal 92351 — _— — Oo : a Repetciones 2 y 4 | Los tolales de los bloyues de la tabla 7.1 se pasan a ta tabla 7.4, de tal oe ; a Ehitere modo que Ios blogues que contienen las mismas variedades se colocan frente & Lae ES ied sa Bera 4 frente en gada grupo, En la tabla 7.4, el terer total del grupo ¥ es 526.6 y 1 vos 8 a 8 ¢s la suma de tos blogues 2 (280.8) en la repeicion 2, y bloque 6 (243.8) en as as 715 Ms %8 O87 74 577 [a epeticidn 4, Las variedades 3, 11, 19, 27, 35,43, SL y 59 se incluyen en am- 2 Ww bs blogues 6 S79 GS 688 733 ORB HS UPD \ Los valores le ske, y rke, de la tabla 7.5 se pueden analizar de dos 3 Boo 3 8 maneres a9 wa 7 509 SS m1 566 ‘ ee ee . 741 73 594 BS 62 79 8 5523 re,= total de columnas del grupo ¥ en la tabla 7.2, menos toal de hi: : Bee ae lee ae tetas el grupo X que contienen las mismas variedades en la ae da yp By B Be Be dew. tabla 72. 4 ae. shelf de columns del geupo X en la tabla 7.2, menos total de gi Ms BB, By Be Bs Se oma hileras del grupo ¥ que contieuen las mismas variedades en la 5 Soe eS we . tabla 72. 86 727 PA 793 PL OHH ATA SMS 6 1 om 2 40 48 55 lt OA G82 652 2 774 662 6 681 S444 | EFH2 Sona 8361 5a 5587 AG SA 551 Adarwa uss 2 ura 25 3 197 a ne “at eumne 189.4 grupo convent & Gsm (38 @) 2802 © ma om @) mss ama 2306 *imem de logue, k 1 1 2 1.11581 Mor 1377 sg Lhe 136.8 wR 4 6 ana 1198 re Maa us sot B99 a7 al M6 36 0 @ a) 6) a 6) a 2 63 1389) a6 20 Maa 2a 908 46 mm 4 By 52 1683.9 @ 35 nat 23 @ 305 ase 187 uaa a is 29 184 165 45 16 ss 140 a 108 sé. m0 Maas 1686 1528 1507 2 1s 2s Mar 479 Fy ” us2 167 waa 46 1476 1367 a IMs a 16a uss. 128 40 23 x» 14541585 a at Woz 6 9. ou 1396 BA 183 5 150 le Ps 2 0 46 6 64 452 mas 4a Grupo ¥ Wepeicin? Repo & @* 2085 wy 78s G22 8) 652 G28) SH m8) as B34 G) Mss 29 (8) 880 moose) Ar (274 6)_267 22166 aise 9238.1 urna nig 58.4 s1g0 sora 5266 582.4 579 578.3 590.8 54.4 a4 97 Tabla 7.5. Analisis de valores. 2rke, Bike =i. 354 woz ns | nas ee | a 600 03 | se RS oe fe “a = 324 3 3547) ko, = total de hileras de la tabla 7.3, menos el doble de hileras det ‘stupa X que contienen las mismas variedades en la tabla 7.2 k¢,= total de columnas de latabla 7.3, menos el doble del total de hileras del grupo ¥ que contienen las misuias varledacies en la tabla 7.2 Por ejemplo, ol euarto valor de rk ¢, de la tabla 7,5 e» 26.4, obtenido de variedades 4, 12, 20, 28, 36, 44, 52 y 60, cuyo total de columnas segin la tabla, 7.3 es 1131.0, menas dos veces el total de la hilera (552.3) paca el grupo ¥ de la tabla 7.2, Para la observaciéu se tiene: Erke, 1 Er ke, = 0. Los célculos para e! andlisis de varianza son los siguientes: 1, Factor de corteccién 9233.1)! pe = 783-0" _ 333 008.34 256 2, Suma de euadrados total: SC total ‘3H 309,91 — 333008,34 = $301.57 5, Suma de cuadrados para tepeticiones: (2360.6)? + (2218.6)' + (2438. 64 = 333 612.02 ~ 333 008.34 = 603.68 SC repeticiones = rans. 4, Suma die euadrados para variedades (sin considerar blogs): (iszay’ + 049.0) 4 + (ag.ay SC vatiedades -7 = 334613,38 * 1604.999B Cw. 7, Disko De mogues NcoMAZTOS 8. La suma de cuadrados para bloques (sin las variedades) se toma de las dos componentes a y b. La componente a es la suma de dos interacciones, es decir, las sumas (conjunto total) de bloques que contienen las mismas variedades para las te- peticiones en donde estos bloques aparecen. Existe una dz estas interacciones para cada uno de los grupes X y ¥. Las datos conjugados se indiean en la tabla 7.4. Para el grupo X, se tiene: re = R89" _ ro 1751 28 Suma de euadrados total pars los totales de bloque del grupo X: (326.57 + pia +a + GION _ pp = 180922.59 ~ 179917.51 = 1005.08 Suma de cuadrados para los tatales de bloque del grupo X: + (687, (681.37 + (605.2) 16 180679.05 ~ 179917.5 = 761.54 ‘Suma de cuadrados para las repeticiones en el grupo X: (2360.6)° + (2638.3) _ @ FC = 17996468 - 179 917.51 = 47.17 ‘Suma de euadrados para la componente a del grupo X: 1005.08 ~ (761.54 + 47.17) = 1005.08 ~ 808.71 = 196.37 Para el grupo ¥ se tiene’ (4434.2)? 128 Factor de correceiém: FC = 153 610.39 Suma de cuadrados total para el total de bloques del grupo ¥: (298.5)! + (262.0)? +... + (267.0? _ a = 154 121,17 = 159 610,39 = 510,78 Fe Proceomuentoorchicuto 99 Suma de cuadrados para los totales de blaque del grupo ¥: (527.0)? + (5272) ~ 16 + (5444 C 7 153 877.54 ~ 153 610.39 = 267.15 ‘Suma de cuadrados para las repeticiones del grupo ¥: Suma de cuadrados para la componente a del grupo ¥: = 510,78 ~ (267.15 + 0.07) = 243.56 a suma de cuadrados total para Ja componente @ es la suma de cuadra dos para los grupos X y ¥: ‘SC componente a = 196.37 + 243.56 = 439.93 La suma de cuaclrados para la componente b se ebtiene com las sumas de cuadrados de los dos conjuntos de valores individuales r k ¢ de la tabla 7.5 con divisor rk, menos lasuma de cuaérades de los totales de los dos conjun- tos de valores eon divisor rie. (OL! + (aaa) +... + 51.3" 2 asa7y + (54.7)" | 256 SC componente b = 1277.56 — 982.91 = 294.65 | ‘SC componente 6, La suma de cuadrados para el error (inttabloque) es la suma de cuadra- {ios total menos la suma de cuadrados para las repeticlones, para los bloques: fin considerar las variedades y para las variedades (sin el bloque). 5301.57 ~ 603.68 ~ 1604.99 — 734.58 = 2356.32 Hl andlisis de varlanza para este ejemplo se muestra en. la tabla 7.6,100 Tabla 7.6. Anélisis de varianza del experimento en latice simple. Sumade Cuudrados is de Gradorae eon trad cuales tin Fo Repeticiones: - 603.68 201.23 Componente a. (k-Nr-Qas 439.93 Componente un Uk- = 14 294.65 "as re = 28 73458 2623 “about ere 63 10199 254s 3.74 000 fmpbogue (= 1) iri) to 25562 1465-5, ul TeSys SOT TOTAL DEVARIEDADES AJUSTADAS ian basico, si los promedios Para cualquier ndinero de repeticiones det plan bésico, si das componente. bs san para etna, actor que dard a coe: ‘id dol total de vatiedades para el efecto de blogue es: P on WRB +P DED 6, 8 el cuadrado medio del ertor para las componentes a y fi: R, e3 el ‘euadrado tuedio del error dentro del blaquie; K ese] niimero de pareelas en un, bloque y P es el niimero de repeticiones del plan baisieo. Por ejemplo: 226,23) 14.65 37.81 B '§(2(26.23)) + 14.65 434.33 0.087 Dos conjuintas de eorreecidn Ci y C} se obtienen al multiplicar cada uno de los valores rke de la tabla 7.5 por ps el primer C} corregido es: .o87 (~ 81.1) = ~ 7.0 Si el cuadrado medio para la componente b sélo se usa para estimar fy, se tiene: Barons siasone De Las rsiabncas 101 Stel cuadrado medio para Ja componente a s6lo se usa para estimar E, se tiene: _B-k KE = 5, Si P es uno, la componente @ no existe y B, es el cuadrado medio para la componente 6 solamente Si P es mayor que uno, m se puede detecminar mediante el promedio det cuadrado medio de las componentes @ y b por Fs. Sin embargo, el cuadrado ‘medio para la componente @ s6lo se puede usar con un pequefio etvor cuan. ddo la componente a tuvo 20 0 mas grads de libertad. Si, = £,, u toma el valor de cero y el experiment se analiza con un Aivelio de bloques al azar. Los otros se estiman de manera similar. Las comreceiones se indican en la tabla 7.3, al igual que Jos valores C} que estan al lado de los totales de la hilera del grupo X, y los valores C} debajo de Jos totales de la columna del grupo Y. Cada correccién debe tomar sut lugar frente de los totales de la hilera 0 columna que se utlizaron para estimar el valor ske (cuando se calculé el va- lor corzegido). En el ejemplo, los valores corregidos se muestran en la tabla 7.3, en el mismo oxen en que se estimaron en la tabla 7.5. Los totales de rendimiento de variedades se indican en la tabla 7,7; dichos lotales se estimaron con los rendimientos no ajustados y la correccidn de la tabla 7.3, Un rendimiento total ajustado se obtiene del rendimiemto no ajus- lado mds la correceién de a hilera para el tata del grupo X, mas la correccién \lebajo del coal para el grupo ¥, en que se indica la variedad. nla tabla 7.3 para la variedad 43, en la hllera seis y la columna ties, el rendimiento alustado es: 125-15 463 = 1298 ERRORES ESTANDAR DE LAS DIFERENCIAS DE LAS MEDIAS DE VARIEDADES AJUSTADAS 1. Para cualquier nimero de repeticiones del plan hasica de un disefio de litice simple, ef error esténdar de la diferencia entre dos medias de varledades ‘que aparece en el mismo blague en uno de les grupos es: 1+ w) = 7.325 (1.087) = (7.962275 = 2.8217102 “abla 7.7. Total de variedades ajustadas y rendimiento promedio. 1 2 3 4 5 6 # 6 1847354215703? 458 368 3963S DMT 08S 9 0 n 2 B 1“ 6 16 145.1 TA 1602 126.014.3152 M6 ADL Bei 368 = MOOS 366 RSH v7 20 2 nm Bom 1299 26 M21 10MM. 325 456 «SSS RS BGS 36D MG 2% % DL 2 i477 438.282 1336157. 1386 33 «9 SBD 87 BAS MG 3 Moe aD 76 0219391 1S 369850 WM? ADL 3838S 3B a oS aw 1524 1592987 MBL BA 1353 157.9 38138025 37D LBBB MS “9 50 st ssa 556 1386 «MSA M462 603 LL 153 123.3138 3390363365 AUT 353 BRAT 57658 5 0 a 8 68 ot M4 MOL M$ 158035146310 180.8 360350 6L 382 BBP HHT 2. Fl error estindar de una diferencia entre medias de variedades que no aparecen en el mismo bloque en uno de los grupos es: eee tel = (7a Gry = 85985 = r 932, 3, El error estindar promedio de una diferencia entre cualquiera de dos medias de variedades es: PEL 2kw = 7305 (1.1546) = (84579 = 2.908 kd 103 EFICIENCIA DEL DISENO DE LATICE SIMPLE EN COMPARACION CON EL DISENO. DE BLOQUES AL AZAR Si cl experimento se iniciara con un diseRo de bloques completos al azat de k* parcelas, la varianza del error promedio por parcela (é)) serfa el ta- tal de la suina Ue euadrados para bloques sin considerar las variedades ¥ la suma ée cuadrados del error (dentro de bloques) divicido enue los correspon dientes grados de libertad. (734.58 + 2958.52) _ 16 564 189 Para el disefio de létice simple la vatianza efectiva promedio par par- cela es: EAL + 2 kw] = 14.65 (2.392) = 35,0428 Por tanto, |2 eficiencia del diseio de létice simple en comparacién con el disefio de bloques completos al azar es: 16.364 35.0428 69% COEFICIENTE DE VARIACION El coeficiente de variacién por parceta es el error estandar promedio efec- tivo por parcela dividido entre el rendimiento promedio por parvela, que para lexperimento ce létice simple es; 35.0628 5.8196 “36.06” 36.06 = 16.4% EJERCICIOS 1, Bn un experimento con 49 variedades de frijol, analizado en un diseio. le bloques incompletos {latice simple) de 7 x 7 con cuatro repeticiones, se quiere seleccionar las mejores variedades con base en el mejor rendimiento y/paicela, consideranda la resistencia a plagas y enfermedades, Los datos son los siguient104 105 Bloque ineompiew | Bloque incomplete 1 Rpeticion 3 Grupo x. i — 1 eo aT 5b 8 tos $2 Te Os Tn 2 sos bu kk wow 2 8 ts ff 8 5 8 a fa“ 8 Ss GMa 3 6 1 uu cy 19 20 a 3 5 7 1 2 4 a 6 BG Ms Ss bobo b & hoe 4 an "aha = soy & 2 4 @ yw 2B 4 eS 7 4 8 4 8 OR 5 2 30 31 32 33 eS 35 5 u B 4 8 wo 9 2 Ce ae ee re ‘ soy wow a 8 6 we oe Roe 1% 3 4 3 4° 4 a ee ; a ee ee 7 yo Bo a Bw mB o 4 6 ae Se El numero superior de la parcela es el tratamiento, y el niimero inferior de Be ot . a aa cape la parcela es el rendimiento en kg/parcela. ee erate es ti 1 » Mw & 7 MM - $Me ba Ss 7 ey ee ee ee ee 1 } ee eee , ee ee ee She Ms ST as ‘ 4 8 & 2 4M Bw : ee ee 5 26 45 6 4204 3 © 5 + & 5 62 6 4 4 a2 7 a8 4 39 2 4 e ” * 3 B a 6 5 + 3 6 244 o a1 6 4d x 5 6.1 6 5 bow wp 6 2 6 8 @ wy we md 6 26 42 45 62 43 5 q 5 4 3 a 6 230 42 6 29 46 20 3b 10 a7 SA 7 9 45 32 38 LB 3 6 828 i dl Zz 7 14 5 4B 4 15, is uw a) Caleule el ANVA y ajuste las medias de! tratamiento. ee 7 }) Compare las medias det tratamiento. = G) Calcule eh y r. Tace ta yrdltea y sé eonclusiones.106 CaP, 7. Dsts0 nF a.couRs NcoMeLETOS 2, Se efectué un experimento con 25 vatiedades de maiz para mejo- ramiento, mediante un disefio de bloques incompletos (litice simple) de 5 X 5 con dos tepeticiones. Se desea seleccionar las mejores variedades con base en el rendimiento en kg/parcela (grano seco). Los datos son los siguientes: 1 2 3 4 = =S 2 1 as a 2 6 7 8 9 @ as 23 is aa de 3 nop on wo 28 14 326 ‘ woo mm 27219 5 a Rm on mo 30 Mia ‘oe incorpo Repo 2 Supe 1 » 4 2 1 Og Pon ow Boe M2319 Ok 3 a 9 3 7 B 21 L723 25 29 4 Ss 6 6 Ww 2 19 138 14 1816 5 2 9 a 8 4s 2520 2a 2732 a) Calcule el ANVA y ajuste las medias de tratamiento, }) Compare las medias del tratamiento. 4) Galeule eG, y 7, Disefie la gréfica y dé conclusiones, Experimentos factoriales INTRODUCCION Los experimentas factories son aquellos que prueban varios niveles de os 0 ms factores. Por ejemplo, facior 1, variedades, con cuatto niveles: CSA, CSAFLechera, CSATPorcina y CSAFLoma. Factor 2, densidad de la poblacisn, con tres niveles: 20, 30 y 40 mil plantas,ina, Factor 3, nitrégeno, con des nive- les: 6D y 100 kg/ha, En este caso, el numero de tatamientos es el resuliado de combinar los diferentes nlveles de los tes factores, 0 ea 4 x 3 X 2 = 24 ‘ratamientas, Por tanto, cuando se presente un experimento con dos © mids fac- (ores y se deba analizar como un expetimento factorial existe un arreglo para tuatamlentos y un disetic experimental para dicho arregio. Si se habla del ntimero de niveles, con dos puntos sélo se puede detinir luna recta, entonces al establecer dos niveles de tn factor, la respuesta de la planta a ese factor serd una recta (efecto lineal}. Los niveles minima y maximo, lamados rango de explorucidn, se definen a criterio del investigador. En espe- cial el nivel mAximo, que debe tener cierta posibitidad de que mas allé de él, la planta ya no zesponda, Si se incluyen tres o mas niveles de un factor, 1a respuesta dela planta se puede diviir en dos partes: efecto lineal y efecto cua Arético, El efecto cuadritico es muy importante porque si el experimenta muestra que el efecto existe, entonces se sabe que ya se flan alcanzado puntos clos que Ia planta disminuye su respuesta ante aumentos determinados de] factor en estudio; para el agricultor esto signilicacia gue por cada peso inver- tido su ganancia es cada vez menor. Si sdlo existe el efecto ines! no se han aleanzado puntos de rendimientos decrecientes y por lo tanto no se puede dleterminar el Sptimo, Para esto se necesita otro experimento y posiblemente ‘ito afo pata definir dicho éptimo. Por ello, es importante incluir mis de dos niveles en los factores y abarcar un amplio intervalo con esos niveles para saturar la respuesta de a planta y en un mismo ao saber desde qué nivel las readimlentos son decrecientes. Bl andtsis factorial es una aplicacién sistematica del métoéo que sirve ‘para obtener cierto tipo de contrastes ortogonales entre tratamientos. Supén-108 Cw. 8, Bxrtmwuntes crowns igase que un experimento incluye dos poreiones y dos niveles de ferilizantes paittogenados; se llamara al factor A, porcién (a, la porcién menor y a, la porcidn mayor) y al factor B, feriizante nitrogenado (by la cantidad menor y 8, la cantidad mayor). Con dos factores, cada uno a dos niveles, se tienen cuatro combinaciones de tratamientos ¥ étas serén: a,b,, ambos al nivel mas alto; a.h, ¥ ab, uno al nivel mas alto y otto al nivel ms bajo, y a,b, ambos al nivel més bajo, FACTORIAL 2* Supdngase un ensayo de dos factores, aitrOgeno y fésforo, cada uno en dos niveles, para examinar su efecto en el rendimiento de un eultivo. El nitré- eno se ensaya a los niveles ry 1, y el fostoro a los niveles p, yp. Si todas as combinaciones posibles se ensayan entre los dos niveles de nitrégeno y os dos de f6sforo, se tienen cuatro combinaciones de tratamientos que s° represenian simb6licameate asi: a) ny b) Ape o) ng a) xp, Con estos cuatro tratamientos en un disefio de r bloques completos al azar, se tendran 4r unidades experimentales. Para examinar los resultados de tal experiment se emples el modelo lineal: : Y= etait Bob as Donde: Lacy ot = efecto comiin a todas las abservaciones. = efecto debido al tratamiento n, Py tfecto Gel K-ésimo blaque. valor de la caracteristica en estudio, observado en la unidad expe- imental (0k. eq = errores aleatorias con media cero, varlanza o° y sin correlacion entre si En la tabla 6.1 se presenta el rendimiento de un experimento factorial y 1\la tabla B.2 se presenta st andlisis de vartanza 109 Tabla 8.1, Rendimiento de un experimento factorial, Blogues ‘ratamientos 2 7 Fo Reales Lena Ya Ya Yon Yu = Ta 2p Ws Fei . Ye Yaa Te 3s Cs Yoo 2 Yu Ya Ta Aap Yu Yur Sumas Ys : eo men. B BO B Los efectos de los tratamientos son: a a Se pueden efectuar los siguientes contrastes ortogonales: C= (~ te tt — te + ty) = t-te + ta + Th) 0 =< (4 tw ~ te ~ ta +t) Tabla 8,2. Andlisis de varianza. Puentes de Gradosdle Suma Casirados orincton —ibertad de cuaitrados —-medios LB Blogues r= 2 = cue Bis nt ar ouBys TY? ‘Tatamientos 3 =+-— or ours: er a Error110 9p. 8, Exreannenros sacronnues Betas contzastes se estiman asf (los correspondientes contrastes de las medias de los tratamientos): lle. we + Yo +¥) 6. = 2 Yon — Fn + Pn. + Fad 6, = Lia - Fo ~ Fou + Yad 2 Notese que ¢, puede escribirse como: & 3 [ese to) + (0 = ca} ‘ty ~ two = efecto del nitrégeno euando el fisforo se mantiene al nivel P. 1, — tw = efecto del nitrogene cuando el f6sforo se mantiene al nivel Py. Al promediar ambos efectos se obtiene: efecto medio del nitrigeno - [ro 70) + (tw - va =t Ahora, para el fosforo: ‘ta — tw = efecto del fésforo al nivel ny de nitrégena, 7) — 40 = efecto del fostoro al nivel n, de nitrdgeno, efecto meato del foro a [vw = ta) + (n= vs wit P =e -T +h 7. Wn.- Fat Fn, ~ Ye) Factoww 111 Se tienen r bloques completos al azar, el MELI* de J hy 25 send: MELE Aves) SBE dany = de % =D y la varianza del MELI es: var (Sayre =at Hay una regla que dice que si) X,Y; en el modelo general lineal es un contraste cualquiera de las observaciones ¥., entonces, st: contribucién a la (Yn + Yin — Fa. + Yu.) [eo + You +2. + Yow) + Won + Yan + oe Yio) ~ Wan + Ye + ++ + Yor) + Yn + Yd + ut Yn +. La contribucién a la suma de cuadrados general serd: * MIL Melo Hstinador ten venga,112 4 (tu + Te — Ta + Tu) 2 roy ry, re reo on Rn FG? SC (N) = Ty + TR = Te sc (N) Ty +Ty = Th sc (Ny te —F Qn +an- (HAT +257) Oe T+ Te (e+ BY “ar mtn @ sc) = ‘Asf queda definido el efecto del nitrégeno. ‘Ahora se vers el contraste C, ostogonal a C, a= Le tm — te +o +t) 2 su — tw = efecto del f6sfore al nivel 2 del nitségeno (N) ty ty = efecto del f6sforo al nivel n, del nitrégeno (N) entonces: efecto mediodel fésfora = —|(tay ~ tw] + (Fu ~ tl de aque Facto 2° por tanto: BME Brown, 7 sc (P) To tT ¥ Ts = Ta + Ta Asi, el efecto del f6sforo (P) queda definido. 113 Como N y P son ortegonales, las sumas de sus cuadrados (5¢) son aditivas. . Considérese ahioraG, ortogonalaé, y ¢ wl Cs = =| (tw — te — toe + ta | | puede tener dos inerpitacons § [Gort femal 6-0] efecto de! efecto cel Nalnivel Nal nivel Pidel Py del fostoro —_fsloro C, se define como la interaceién entre M y Py se denotard por NP. 1 We - Fu — Ta +a) 2 MELL (NP) 1 -+0 Ty * Ty) a yuede demostrar que: (Tu + To) = (Pw + edP ar SC INP} = yademés: sc np) = 3 — seq) - sey - = iC (tratamiento) ~ SC (N] ~ SC (P)114 Co9.8, Exrnavavros sacromsues ‘También se puede demostrar que Varianza (N) = Varlanza (P) = Varianza (NF) Varianza {N) = Varianza (¥,,) + Varianza (¥o.) por miedio de la ecuaetén general: hen ag Varianza (Edy 73) = SEAS El andlisis de varianza se muestra en Is tabla 8.3. ‘Tabla 8.3. Anilisis de varianza para un factorial 2 2. ag ee ae | et eee) eee Oa rr) sce cus a scr cur N 1 SC (N) CM (N) OM (NYS a 1 sc (P) cM) cM (YS ‘NP v3 SC (NP) cM WP) cM (PY vn seo Ste ate=3 1a tabla 8.4 es titi! para calcular la imteraccién. Con base en esta tabla se define lo siguiente: tae efecto del N al nivel p, de P = t9—%a Pe mp. efecto del N al nivel p, de? = ty — 7a uP. N.= efecto promedio de N= 2\(r ~ rab (tu ~ tw} Factoma2® 115 Entonces, la interaccién NP se define como: NP = 2 (t= ta) = ow = vo] z¢ im a + ty) o Tabla 8.4, Representacién de la interaccién para un factorial 2 2, “Nivel de BD Nive) ToT | TM av [ath | —_ TeT | Analogamente, se puede definir la interaceién PN como: Py = Ale - 14) - 6 + tru ~ 40) ~ (04 = ta) 1 = ta = te — 10 + ou) a @) (s decir, sein: las ecuaciones (1) y (2) se tiene que NP = PN, Un ejemplo de un factorial 2 x 2 es el siguiente. Se analizé un experi mento sobre nutricién animal con factors, raciones y suplemento, cada uno con dos niveles en seis repeticiones; los datos se muestran en la tabla 8.5, Las combinaciones de los tratamientos quedan asi: (0.0) =7c= 90 (04) = ns= 138 ] (1.0) =nRe= 108 (11) == 8 | total 480 La SC de los tratamientos se calcula con tres grados de libertad: 90% 4 138? + 108% + 1442 6116 Cov. 8. Exrexnsevts racroniats ‘Al considerar el efecto de interaceién y sustituir los valores de los trata mientos: Rens tre—rs—ne= 24 S=ns—retns— ne RS=ns—re—ns> ne 2 f; por tanto, se puede Estos son tres contrastes astogonales entre si; por tanto, se p 7 el método visto para caleular la suma de cuadrados de cada uno de los con: Lrastes, de acuerdo con Ia tabla 8.6 Tabla 8.5. Datos del experiment sobre nutsicién animal sane aul de 1 6 tramiznios 4 8 90, 7 consupiemento 16 ! imsuplemento 28 Be 6 108, reonsuplemento 16025 GS “anuplemento. 2830198225 ‘Tabla 8.6. Calculo de la suma de cuadrados de cada contraste rae ts ne) asl he ryt 144 10813890 c ht) mt R 4) ¢1 -1) -1 4x6 28 Sot) -1 +1 -1 M&M 4x6 a4 SB HL “1 mt Hl “RR 4x6 6 Tienes de Gradosde Sunade Sub- Vwotacién —Puertodcadrados _élsion 280 Tiatamientos 3 Boques ImeREWCION ve LaAsiTTRNCoONES 117 HL ANVA de un disefio de blogues al azar con arreglo factorial combinato- rig de 2 x 2 se da en la tabla 8.7, Del ANVA se observa cémo la adicién de suplemento a las raciones mejora el incremento de peso de los animales, INTERPRETACION DE LAS INTERACCIONES. DE DOS FACTORES Cuando se estudian clos » més factores simnltaneamente, los experimen {os facioriales tienen la ventaja de evaluar la conitibucisn debida a la accién Conjunta de Jos factores en estudio (interacrién), lo que no sucede en exper rmentos simples en los cuales se estudia un solo factor 1a interaecién se define como la ausencia de paraletismo en el comporta- miento de os fatores. Esto indica que al no haber intezaccién, los comportamien: tos dleben ser paralclos. Para entender las imteracciones y el comportamiento de los factores, es necesario graficar la variable en estudio (por lo general el rendi- ‘miento},respecto tos iratamientas relatives a una interacci6n dada Al realizar un expetimento factorial, usualmente no se interpretan a fondo las inieracciones por medio de un modelo sencillo. Dichas interacciones se pueden generar para saber qué ocutre cuando existen y eon ella lograt una Inejor interpretacién, El casa sencillo que serviré de modelo consiste en dos factores de varia cig: el factor variedades, con dos niveles, es decir, das variedades v. y 2, y el factor dosis con niveles dy d;, que pueden ser dosis de nitrégeno. Par Io tanto, se tienen cuatro teatamientos: dy. v, da, 2d. y Us dy. Para simpliicar se tiene una repeticion, Cuando no hay interaccisn entre los factores, se pueden representar dos variantes. Una de ellas es et paralelismo entre los comportamientos, y slo hay efecto de variedades, Supdnganse los siguientes resultados: Tatamiento Rendimiento nd, 6 wd: 6 nd 2 ad, 2 Estos datos se muestran en la tabla 8.8 y en la figura 8.1. Medliante el célculo de las sumas de cuadrados (SC) se comprobara que el paralelismo del comportamiento indica ausencia de interaccién, o sea, que sta vale cero:Inteamectcn oe casintemicciosts 119) 118 Las sumas de cuadrados son noc _ ner ‘a te sowy= PAS By Br +@! _ n6F ) —_a a 2 +B? ye eo sc(p) = EB 2 seen eaten ea =29 sor sen oe : a sc xparesiesi+s— 2 soy sc ‘= 80 — 64 — SCV - SCD = 80 - 64 -16-0=0 teeth aS En este caso hay efecto de varledades y de dosis, pero no hay interaccién (Gu valor es cero); por tanto, los comportamnientos de las variedades al tratarse con las dosis son paralelos. Esto indica que las dosis afectaron por igual a las, variedades (véase fig, 8.2) Cuando se tienen comportamientos semejantes a los de este caso, en que se observan dos rectas inclinadas, se piensa que es debido a la accisn con- junta (interacciGn) de los dos factores (dosis y variedades), pero en realidad 1no es ast. Este comporiamiento se debe a la accién aditiva de los dos efectos, yno a la accidn simulténea de las dosis y variedades, Tabla 8.8. Rendimiento V x D. ws ie 2D Tabla 8.9. Rendimienta ¥ x D. ve. ue 2D D 7 5 re > 5 3 8 | Fig, 8.1. Representacién gréfica de paralelismo. ‘Obsérvese que en este caso hay efecto de variedades y no hay efecto de: dosis, No hay interaccién; por tanta, las comportamilentos de las variedades al tratarse con la dosis son paralelos. sto indica que la dosis no afecté a ambas vvariedadles (véase figura 8.1). ‘La otva variante es cuando no hay interaccién, pero s{ efectos de dosis ¥ de variedades. Se tienen los rendimientos mostradas en la tabla 8.9, y en Ia figura 8.2 Fig. 8.2, Reprosentacién graica de paralelismo.120 Cav. 8, Cxrrmvanntos racTDRIALes tro caso es cuando se presenta interaccién (auseneia de paralclismo). Bn la tabla 8.10 y la figura 8.3 se presentan Jos caleulos de las sumas de cua- diados de Jos rendimientos. Cleulos de 1a suma de cuadrados: 108 +10 sew) = = ee) = leet, sc xD} ® ee 4 Este es tin caso muy importante porque peciite explicar muchas situa~ ciones. De acuerdo con las sumas de cuadrados obtenidas, se infiere que hhubo interaccién. Lo anterior se confirma porque los comportamientos de las vvariedades no son paralelos y no hubo efeeto de variedacles nit de dosis, Esto no es real porque sl se observant la figura 8.3 y los datos de la tabla 6.10, se nota. ‘que con D,, ¥, rindlé 4 y ¥, rindié 6; con D,, ¥, rindi6 6 y ¥; rindi6 4, lo que indica que sf hubo efecto de variedades porque su rendimiento fue distinto. La ‘abla 8.10. Rendimiento V x D. a D, 4 v, 6 4 0 wy a @ 20 Representacién gratica de ausenela de paralolismo, IteeractaciOn oF As miexacciones 124 razén es gue en un caso Ia diferencia fue en un sentido y en el nito en sentido contratio; por eso, en los promedios tales diferencias se compensan y dan la ‘misma impresion de que na hubo efecto de variedades. Las mismas observa ciones se postian hacer para dosis, Por tal motivo, en el caso de experimentos factoriales, hay interaceién, La significancia o no significancia de los factores ‘que interaccionian puede no ser valida, y de ahi que es muy iri um estudio gré- fico de los valores de donde se calculé la interaccidn, La interaccién significa «que una variedad se comporté de un modo ante las dosis y la otra de mode distinio y esa diferencia de respuestas anie las dosis generé el no paralelisim. Ena figura 8.3 se observa que al apliear D, la variedad recomendada debe ser V;, y que cuando se dispone de D la variedad recomendada debe ser V, ‘Los comportamientos no siempre se cruzan. Hay veces cue el cruce queda {wera delcampo explorado, pero decualquier modo la interaccisn existe con tal de que no haya paralelismo, porque dos Kiteas no paralelas al prolongarse en algiin pulto se eruzan, como se observa en las variedades presentadas ea figura 8.4 ‘A continuacién se comentaré el cruce de las rectas que representan los comportamientos, eon la salvedad de que en muchos experiiuentos el cruce no queda en la zona explorada. De cualquier modo el criterio aqui expuesto permits expltcar tales casos. intaci6n de la interacci6n,122 FACTORIAL 2 SupSngase un ensayo con los iactores N, P y K, cada une con dos niveles: a, Maj Ba Bs Ko K;. Aqui se pueden generar 2 x 2 x 2 = 2° combinaciones de ‘ratamientos, simbélicamente se representan como: Te Da ke 1 hk % Pky n, pk." = 8 uatamientos ensayados en r bloques completos. a Bk, py k, Se tendrén: hy Py Ke i pk, = S runidades experimentales. Puede usarse e! modelo lineal: Yoo = w+ Be + tay + para ng = 01 1p 2 gar Ys = D You = totales de bloque = ¥¥iy + totales para tratamiento E]ANVA se muestra en la tabla 8.11, Tabla 8.11. Andil'sis de varianza para un factorial 2’ Grados de Clare voriacion teria Sumade cuadrados __medios o BR OY? Blogues Zam 8 Th A 7 ‘Tratamientos Le Brrr Pordiferencta Facrowae 2? 123 ‘Los grados de libertad individuales para los tratamlentos se muestran a continuacién: Loon pomp kom pe ompk Noa ta Poa 1-2 Ht Hm HH wea a i i i i ss | NR 4G) 410-2 HP ma Ht we a AH oH AH A oH A Ge tee Hehe tech tao Sad Fad E~ tmp +t t40 + te — tes + on ~ a + te L Cp = (tan ~ Tim + Aan + Fun — Tom to + tm) a 1 = SC + tow — toe = tow + tue + ton — ta — To + Tan) = rao ~ Ten = tan = Tyo + Tea + 0 + Fon +) (4 tua = toe + tae = toe ta Ht = tan > Tn) (+ twa + to — twa — Ta — Tor — Te + ton + Tu) (= tam + toe + tow — Toe + Tees — Toe — Tor + Tin) 2) Efecto del nitrégeno al nivel pe de Py ky de Ke +) Efecto del nitrégeno al nivel p, de Py ky de K: 6) Bfecto del nltrégeno al nivel ps de Py k; de Xi Hs — toa ) Wecto det nitrégeno al nivel p, de P y k, de X: Ty ~ Tan124 Civ, 8. Exvisuattos Fxcronnies Becta del nitrégeno = N: Ne gli ~ tas) + Gun — Tas) + Gin — tan) + 2 =| = Leow + 50 tae + tn — ton FR tan HT) C, define ef efecto de P; C, define el efecto de K; etvétera. Ahora se enconttard la interaccidn NP: ND al nivel de ke de = +] (sp — ro) ~ Guo — vm| a Interaccién NP al nivel ky de K = aon ~F9i ~ tan + to) p= 1] (rue ~ tae) ~ (ome ~ ton) + Cen ~ ¥00) — Co 4 1 (6) — tt — nw Te Fin = Tn — Fan, Ft) Tambien la interaccién de N por K se obliene con el mismo método que NK = C,y de igual manera PK = €, bsérvese que para la interacein NPK: (Fur — Ton) ~ (te — Tao) + (7x0 — Toe] Px K = Ff = tei) 4 1 tom + ti + Toe — Tw + tay — Tn — to + tn) = ¢, = NK X P = PK XN = NPK Ahora se sabe que los estimadores son: fon. + Yas. ~ Yoo. + Pus — Yan + Poa. — Pou + Pond = ee Tew + Tin ~ Toe + Taw ~ Tos + Dia ~ Tow + Tin Cada efecto e interacci6n en el factorial 2* define un grado de libertad en el ARVA. Para derivar el andlisis estadistico se contruyen, ademds de 1a tabla de totales de los tratamientos, las tablas 8 125 Tabla 8.12. Arreglo WP. g BR mY % » te ow te y. ¥. Tabla 8.13. Areglo NK. & % fe Te te a nn ? Tabla 8.14. Arreglo PR Eee be Yu Ya Ee A Yea ee sew) = YEE YE YE + Yi — seq) - seqe)- & ® a sc (ny = 4h * Yeu > le + Ble _ serie) — sep 2 ar a SC (NPR) = SCT — SC {N) ~ SC(P) ~ SCOR) ~ $0 (NP) — SC (NK) ~ SC (PR) SE (tratamiento) = re [En la tabia 8.15 se da una parie del ANVA paca el factorial 2'126 ‘Tabla 8.15. Parte del andlisis de varianza, Feres de variactén Grados de Blogues Tratamientos peor y 1 ° 1 ne 1 nk 1 mK 1 ‘NP 1 ror “otal En seguida se presenta un efemplo numérico sobre factorial 2; en la tabla 8.16 5¢ dan los datos del experimento llamado Carero se tan = Sry = "FO= = donde r = BA 96 _ soso sn = SC (total) = (125.6) + (12. +... + @or.s}# = 730 897.74 — 703 891.12 ‘SC (total) = 27 006.62 sc @) = SBE YE, WSO +. + 2618 XL 8 & 8 8 SC (B) = 704 937.42 ~ 703 891.12 = 1046,30 127 % ey SC (tratamiento) = rt = (464.5)? + (496.97 +... + (7364)! YE 4 & = 722.405.01 ~ 703 891.12 SC [uratamiento) = 18 513.89 Tabla 8.16. Experimento Cafiero ens rae mos NOP tsk Sura Mate or rc Tw «200A ms tare 55 ass9—taa2s Tj 30 MO 1B IR TED HDS tek Te 4-200 200 6rd 1850 IMMA IS ors Tm 5 © 6 2 120 06 tHe Iss sons 27 ee ee ee ee To 70 200 200 HLA 7S SRD Leas Th. § 200 29 DML Ota ALS HELL Ta T1520 16S 11863 1262 aMG0 F = Wess Las tablas 8.17, 8.18 y 8.19 se usan para calcular la suma de cuadrados Ge los efectos e interacciones de las tratamientes. Tabla 8.17. Acreglo Wi. a 09553 1056.8 200 ims aa Sumas 2748 24712128 Tabla 8.18, Arregla NK a 200 Sumas 0 NH01 174.9 2305.0 200 as? 12963 2441.0 274s 287.2 47460 Tabla 8.19. Arreglo PR. 0 (HLA 1349.6 2305.0 2001050713903 2481.0 Sumas zit. 2733.9 4746.0 Con ayuda de las tablas anteriores se ebtiene: (2274.8) + (2471.2 VE sc (wy = = 120s.ai 16 "ke se = 012A +8 VE gamit . 16 i sc (wp) — 25837 + + W918) _ 56 Gy — se (py - 2 a rokr 2305.0)" + (2481.0) _ Y= 7aqa69,12 - 703 491.18) npkr a =sc (w) -s0 ey - 2 : pk +.0296.3) + 03203) — 50) gs ania 129 SC (PK: SC (NPK} = SC (tratamiento) ~ SC (NW) ~ SC (P) ~ sc (i) = sc (NK) ~ SC (PR) — SC (NP) 18 513.89 — 1205.41 ~ 16 281.11 ~ 1.35 ~ 578.00 356.44 — 56,71 SC (NPK) = 34,87 = 56.71 Después de calcular las cantidades, se puede construir ef cuadro del ana- lisis ée varianza, ‘Ahora se construye la tabla de ANVA (véase tabla 8.20) Tabla 0.20. Anélisis de varianza. Draaas | Fuentesde de Suma de Cuatmaios | euriacion libertad cumirados —nulon =F 8% Bloques 3 1ie30 348.77 Tatomions 7185.89 2644.84 746" 2.49 3.65 0.000 N 1 1205.41 320541 3.04.32 8.02 0.076 P 1 16281. 16281. 45.92" 6.000, NP 1 135 135 09st K 1 S730 578.00 3.63 on NK i 38644 356.41 1.01 0329 °K 1 5671 Som 0.16 0.095 NPR. 1 44973487 0. 0755 Error a 7406.43 354,59 ral 38-27 005.62 Sipe al 195; ev = 12.695, A pattir de esta prucha se concluye que sélo para el efecto de los trata nlentos se tienen diferencias significativas (« ~ 0,01). Tal diferencia se debe “exclusivamente al factor fésforo. Fla {aola 8.21 se observa el incremento en el rendiimiento debido a los {tes factores:nitnigeno (N), f6sfo7o (P) y potasio (K) De la tabla 8.21 se concluye que el f6sforo es el que produce los mejo- ‘9 rendimientos porque al inerementar de cero a 200 kg P/ha, se obtiene aumente de rendimiento de 45.1 t/ha, mientras que para iguales can- de Wy K se tienen los aumentos respectivos de N = 12.2 isha y 8.5 tha,130 ‘Tabla 8.21. Incremento en el rendimiento. ‘Nitrdgeno (12.2 (fia) Potasio (8.5 t/ha) Fosfor (431 /ha) ‘Tomeladas “Toreladas ‘Toneladas de cata decaf deeana Niveles por heetdrea’ Niveles por hectdrec _Niveles por nectdrea. o Mee 0 Mad 0 258 20 asd 2001562008 De acuerdo con los datos de la tabla §.22 se analizarén las grafias de li interaceiones, como se observa en La tabla 8.23. Tabla 8.22. Experimento con dos variedades, dos dosis y dos localidas des, con objeto dle analizar las gréficas. ‘Tratamiento Rendimterto ‘Tratamiento Rendimiento Vidi 4 VDL. 4 Vidi 6 VDL 6 V:Dily 6 wDL, « Vda 4 Vi Diba ‘ Tabla 8.23. Rendimiento V x Dx L by be yw % % Me D, 4 6 4 5 Dd, 6 4 6 4 a Li rendimiento de varledades por densidad (V x D), se obtiene sumar lovalidades (véase tabla 8.24) ‘Las sumas de cuadrados son: sc (0) = sc (v) = sey xD) won 18 42 — sew) — seib) = 208 ~ 200 = 8 131 Tabla 8.24. Rendimiento Vx D. Le 2B 8 2 DB 2 8 Hv 20 2 a Esto significa que existe (V x D), locualse confirma mediantela figuras. 5. La interaccién se maniflesta ponque Vy V, se compartan de diferente manera ante las dosis, Por eso V, se recomienda si se combina von D,; V; se recomienda si se combina con D.. -_ | 2) Basdadose en Ja tabla 8.23 se puede autlizat ta inter sumar densidades (véase tabla 8.25). ee Las sumas de cuairados son: sc (Vv) =0 SC (L) = 0 SCIVxt) =0 Fig. 8.5132 133 ‘Tabla 8.25, Rendimiento V * L. No hay interaccién de V % L, porlo que el comportamiento de V,, al pasar de E, a, e8 somejamte al de V,, al pasar de L, aL; (hg. 8.6) Fig. 87 Con base en la tabla 8.22 se calcula la interacciéu (V % D X Ll: SCUKDX 1) abe Ha Hele ear agra ge MO SC{Y] - SC(D) - SC(L) - SCV x1) = 8-0 o-o-0 En este caso no hay interaccién (V x D X L}. Esto se comprueba grit camente con la figura 8.8, tazada con los datos de la tabla 8.23, en dande se observa que en L, las variedades respanden a las dosis de manera dife- rente: , Fig, 8.6 ‘6) Rendimientos de densidades por localicad (1) X 1) al sumar varedak (véase (abla §.26). ‘Tabla 8.26. Rendimiento D * L. = | he 10 0 0 1 10 0 20 = 20 20 40 Las sumas de cuadrados son iguales al caso de sumar densidades. No interacvidn de desis por localidades (1 x L); por tanto, el comportamiento 1D, al pasar de 4 a Ly e5 semejante al de, al pasar de Ly aL (fi, 8:7).135 134 Gye. 8. ExpenwesTos FACTORS y la misma respuesta se repite en Z,. Lo anterior indica que en cualquier localidad V; darfa mejor resultado si se combinara con D;, y V, daria mejor resultado siempre y cuando se combinara con D,. Es decir, la respuesta de las varledades a las dosis no se altera con el cambio de localidad. ‘Con base en la tabla 8.27 se analiza el caso en donde la interaccidn de los tres factores toma valores significativos. Tabla 8,27. Rendimiento VX D x L. Fig. 8.9 En seguida, se exponen las suas de cuadrados de los efectos principales TA aN. aE AN y de las interacciones de los factores. ra a 1, Rendimiento de vatledlades por densidad (¥ x 1) al sumar Jocalidades L 10 20 (véase tabla 8.28). ly 10 10 20 av 20 20 40 Tabla 8.28, Rendimiento V * D. No hay efecto de las localidades ni de la iateraccién [VX 1), como se a observa en la figura 8.10. = 3. Rendimiento de dosis por localidad (DX 1) al samar variedades (ase tabla 8.20), Bw + Ww» = « sc(ox1) =0 Las sumas de cuadrados son: sc(V) =o sc (D) = 0 SC(V XD) =0 No hay efecto de variedades ni de dosis; tampoco de 1a interacci6i (¥ % D), como se observa en la figia 8.9. 2, Rendimiento de variedades por localidad (V XZ) al sumar densidad (véase tabla 8.29) Las sumas de cuadrades son: sev) =0 SC (L) = 0 Sc [V xl) = 0,Tabla 8.30. Rendimiento D ¥ L. D. D, EL by 0 10 0 0 » 20 40 Fig. 8.11 Con Jos datos de la tabla 8,27 se calcula la interaccién (Vx D x L); Fate Gta ge tat 46 SCL XD XL) = 4° +68 4 6 ~ & ~ se(v) - so(o) ~ sc) = 8c x D)- SCV x L)~ sc (Dx L) = 48 - 200 = 8 En este caso sélo se tiene Ia interaccién (V x D x 1.), que se mani ta como se nota en la figura 8,12, En Ly (localidad uno), V4 responde ante. Facrowa 2 137 losis de manera diferente que la variedad V,, Eu L, (localidad dos), las res- puestas de ¥, y V, se combinan de acuerdo con la respuesta de I,. Entonces, V, combinada con D. y ¥, combinada con D, se recomiendan en L,, mientras que en 1, se recomienda V, combinada con D, o bien, V, comibinada con D:. Fig. 8.12 Hay efectos significativas por concepto de (V x D x L).y algo de varia ign por concepto de (VX D}, (VX L} y ¥, segrin se analizaré con ayuda de la tabla 8.31. La tabla 8.31 se dividird para obtener los valores que permitan calcular Jas sumas de cuadrados de los factores principales y de sus interacciones. La primera particidn se muestra en la tabla 8.32. Tabla 8.31. Rendimiento Vx DX t. by13B Car. 8, ExreRMNTOs ractomaucs Las sumas de cuadrados son: 19 +218 40% | son + 44) _ sc] = 400 0 2 4 2 = 401 - 400=1 scp) = +2040 z 4 SC(V x D) = 10 +10? = 9% + 11° = 400 - 1 Esta interaccién se manifiesta porque V; mejora sv rendimiento con Diy cen tanto que ¥, la reduce con D,, come ce observa en la figura 8.13, El rendimiento de la interaccién (V x £) se da en la tabla 8.33. Tabla 8.33, Rendiniiento VX L. i Ce x 1 ri 20 L 9 0 20 Factors?) 139 Las sumas de cuadrados son: sey = SC (L) = 0 SC (V XE) = 10 + 10+ 9 + = 400 = 1 1 sta interaccién se manifiesta porque V, mejora su produccién al pasar de L, a L,, en tanto que V, baja su rendimiento al pasar de L, a L». Por €60, elt Ly se recomendarfa s6lo ¥;. 1 rendimiento de la interaccién (D X L) se presenta en la tabla 8.34, Tabla 8.34. Rendimiento D L. Faroe L 10 10 20 wo 0 20 2» 0 40 Las sumas de cuadrados son: scl) = 0 10? +108 410? + 10? 7 = SC {1) ~ sc (D) Sc (Dx 1) o 200 ~ 200 = Esto indica que no hay interaceién D X L. Con base en la tabla 8.31 se puede calcular la interaccin (V DX L} SC (V XD XL) = 4X 6X GX 4X GH AEX BX 7 SOF ~ sev) ~ sc) ~ 80 ty - sev xD) ~ $0 RL) = 214 ~ 200 Se concluye que V, mejora su rendimiento al tratarse con D, en la Jocalidad £,, en tanto que con V; sucede lo contrario. Ahora bien, esta respuesta de V, y V; se hace inversa y mucho mAs marcada en £,. Por tanto, en L, sdlo se recomendaria V, slempre y cuando se trate con D, (véase figura 8,14), En Ja tabla #45 se aportan datos para el caso en que todas las fuentes de vyoviaclon ’140 141 (Car. 8, EXERIMINTOS TRETORALES Tabla 8.35. Rendimiento Vx DX L, Las sumas de cuadrades son: SC (V) = 0.125 SC (Vx D) = 0.125 SC (L) = 1.125 0.025 3.125 5.225 Existen muchas combinaciones de la significancta de los factores y sus {nteraeciones, y en todos los casos es necesario interpretar correctamente los resultados del analisis de varianza, fn ocasiones las interaeetanes proporcie han mejor informacién que los factores, incluso aquellas de mayor orden. Por eso los factores no deben ser los Gnicos en interpretar como sucede con frecuencia en la préctica, | Debido a que hay interaccién (V X D X L}, no hay que centrarse en los efectos principales. En otras palabras, aunque haya efecto de variedades y \losis, no se puede definir una buena combinacion de variedad y dosis que sea general, Por tanto, en 1, y Dy es buena s6lo combinada con V;; D,, es buena s6lo si se combina con ¥j; mientras que en 1; s6la Vz combinada con 7, se recomendlaria ya que los comportamientos de V; y V,, ante D, y D, cambian al pasar de Z, aL, com se observa en la figura 8.15. sc(Vx DXL) EXPERIMENTO FACTORIAL 3 x 3 Con las bases establecidas en las secciones- anteriores, se analizaré vn ‘experliento en un cultivo de soya con dos factores, cada \uno con tres niveles.TAZ Cw. 8, Be snentas eactomates 76 Existen nueve combinaciones de tratamlentos para dicho experimento. Las Cuadro 8.1. Croquis de la parcelacién de campa y resultados. caracterfsicas cue interesan del experimento son las siguientes: — Ho12 18 Mos 6 L718 19 4) Variedades: tom | v0, vn. Va VB, VD. WD, VD planta alta planta media bw 2 Ww 6 2 8 wo 9 Ww planta baja a 150m by Distancia entre los surcos: " 222 28 24 28 26 DT R29 4d, = dos plantas cada 20 em res plantas catia 20 em YD. VO, VD. VD. VD. VD VD. VD. VD. Bos © BR BR 7 w Boo | ¢} Otros datos: | | Nuimero de bloques = 5 | Nuimero de parcelas por bloque = 9 B1o32 3a 34 3S 86 BT 8B | ‘Niimero de surcos por parcelas = 4 ‘Aneho del campo experimental ‘Largo del campo experimental | Area total de la parcela = 24m’ | Parcela titil = 8 m? Mw 2 9 6 9 2 9 HN 15 | | | | VP, Vi VD, Vy, Ww, WD VD, iD, UD, [575m ‘rea (otal del campo experimental = 1242 m’ Largo de los surcos = 10 m Aneho de los surcos = 0.8 m ‘Ancho de las calles por bloque = 1.5 1m ‘Ancho de las calles por parcela = 2.4 m a1 42 43 44 45 46 47 48 49 WD. Vi VD, Vi, WD, VD, WD, Mi, WD En el cuadro 8.1 se presenta un croquis de la divisién de la parcela. Para fines del experimento se tomaron sélo los rendimientos del sured 6 RP 6 v Bb ww UB central de los res que tenia cada patcela. En el coquis de divisicn de parcel se indica numeracién, eombinacién del tratamiento y rendimiento. Por elem plo, para la primera parcela del croquis se da 1 ~ 1, que significa que per ienece ai bloque uno ¥ parcela uno con combinacién de tratamiento V, Dy Sl $2 53 $4 55 56 $7 58 59 rendimiento 10; lad — 3 quiere decit que pertenece al blogue cuatro y parcel ° tres con combinacién de tratamiento VD. y rendimiesto 16, fees sees ard Suny en “nla fabla 8.36 se dan los rendimafentos por pareela expcesados en déale pe EE EE He Oe Oe ras de kilogeamo, wou 4 Mw Bow Bo 4” la tabla 8.37 tiene una doble entrada con los totales de tratamiento servird para desglosar las sumas de cuadrades, sa144 Tabla 8.36. Rendimientos del experimento factorial 3X 3. Bloque i 2 1 b W 2 3 6 0 9 88 2 o 22 9 wn 7 RB OF 5 vow aR 9 9 “ow 7 4 Vo w6 GR wo 2 we Be 5 130 18 18 4 os Tonal de raiamientos 5569 S858 «6D 844 6H 7h HB. v 182 182 194 58 D 157 195 196 sa Tabla 8.37. Torales de tratamiento. mR a do SS SBMA AST dH 195 a4 5B A196 oY 182 182 18548 Las sumas de cualrados son: 1572 +195" + 1967 __ Sas? SC (D) = 15 24 649 + 38.025 + 38416 300 304 ~ 8 4s 101.090 _ 300 304 15 5 = 6739.33 — 6673.42 SC (D) = 65.91 sc (yy = 182+ 1824 4 18H? __ SAB? 15 45 _, 33.124 + 33.124 + 22 856 _ 300 304 5 145 = 6673.60 ~ 6673.42 sc (V) = 0.18 sev x p) = Seb Sst + SAGES 458! 4 oat 4 74 548 co sc: Fe SC) SC) 3025 + 3364 + 1936 + 4761 + 3600 + 4356 + 4096 + 5076 5 __ 300 304 45 = 6795.6 ~ 6673.42 ~ 65.91 - 0.18 SC (V x D) = $6.09 897 + 97" 4 107" + 132" +123" 4B = SC (D) = Sc [V) SC (bloques) 5 5 mai + 9409 + 11449 + 17 @za + 15129 300 304 a nn ae 382 SOT ih a8 ~ Geral 3 5 Sc (bloques) = 141.24 SC ftolal) = 98 4 102 +... 142 +172 — HE = 357 a5 SC (error) = 357 — 141.25 — 56.09 — 65.91 — 0.18 = 93.57 Bl andlisis de varianza respectivamente se muestra en ta tabla 8.38. Si en les experimentos factoriales las interacciones son significati- yas, entonces ya no interesan las prucbas de hipstesis de los efectus prin tlpeles, pero sf interesan otras pruebas coma las concernientes a los efec os simples, que levargn a una interpretacién més satistactoria de los esultados ‘Ahora Se ealeulard el coeficiente de variabitidad. El rendimiento pramedio por parcela del experimento es: ns wy §X3K3146 Tabla 8.38, Analisis de varianza Fuentes de Cridos de Suna de Cuadrados i variacion libertad cuadrados medios BS «AMP Tlogses Sa —<851~—2D.09 Ba? 3.97" OOM y 2 i800) 003330 ah osm as D2 osoh 8895 ak aa Saat ono veo @ Sea a2 dan 2673.97 cmH ee — a Seuieioa =e Por tantor 0.1402, = 14.02 % En la tabla 8,39 se dan los rendimientos promedio por parcela. indudable que las diferencias de comportamiento de las variedades, a las tres clislancias enlre surcos, estan ligadas al habito vegetativo de las variedades. Por ser sighificativa la interaceién V x 1D es interesante estudiar los efec- tos simples det experimento, Por tanto, la suma de cuadtados de los efectos iimples de los niveles de 1 en cada nivel de V esté dada por 5st +69! +58? 182° SC (D) en Vi 21.74 5 15 ue oat SC (Dyen vy = SAM + GH 1A 5g 5 5 a haat Rae _ 1602 sc (wyeny, = SESE ETE _ Eo 56.54 5 5 La prueba de significancia se efecta con ol cuacrado medio del error, que aparece en la tabla 8.40, ‘Se deduce que entre los niveles de D hay diferencias significativas con Ia variedad ¥,, y diferencias muy significativas con la variedad Yi 147 Tabla 8.39, Rendimiento promedio por pareela, ordares ic ee ape aise eture sure W ¥ Bo dtistancia Ei 110 16 68 0a? a 38 120 Ba 13.00 a Le 128 us 13.07 Promedio de a ee varicdades 12.13 1216 Fuentes de Grados de Sumade Cuadrados variacidn —_Ubertad —cundrados —medios. =F, Enute D enV, 2 27408? AT Entre Den V, 2 3.74 187 asa Entre Dew ¥, 2 9652 9828 1682 tor 2 93.57 292 ‘Sigificative al 3%, Siguiiativo al 1% ‘Ahora se buscarén los achos contrastes oriogonales, dos correspondientes ol efecto principal de V, dos al efecto principal de D, y cuatro la interacelén de V XD, Se sigue la signiente notacidn: u,v, By Come t,, Ya Li; por tanto, los ocho contrastes se representan de la siguiente manera YW=@-Vih+d +1) Vi=(@- 2,41) dtd 41) Di= (+m + 1) @&— 1) D=W+u+N@&-A4+y ViDi= (= 1) @- 1) V.D.=(~ 1) @, - 24 + VD, = (v, ~ 2v, +1) (1) VD, = (v, — 24) +1) (= 2d, + D (¥) + ¥ + 1) ¥ (4 + a + 1) som tos totales marginales de los factares Vy D. (v, = 1) y (d, = 1) son Jos efectos lineales de Vy D, y (x — 2v, + 1) y {il = 2d + 1) non os efectos cuadrsticos de Vy D, Al desarrollar estas echo148 Coy, 8. Exremsenros actos cexpresiones se formaré tuna setie de contrastes ortoganales, cada uno con un grado de libertad. Los valores numéricos de los ocho contrastes se obtienen de Ta tabla de 3X 3 (tabla 8.41), con los (otales de Ios tratamientos del ejemplo anterior Yase habia trabajado con acho contrastes ortogonales, todos ellos en for~ ‘ma de producto de dos factores, el V y e! D, Esos productos contienen mueve ‘érminns ya desarrollados correspondientes a valores de la tabla 8.42. Por sjemplo, st se caleula el contraste V, D, se tendré: (2m 41) (~ 0) vd, — vy 2d + 2, a1 wD, segiin se puede observar en la tabla 8.42, donde en la parte superior se deben ccoloca” ns torales dle cada tratamiento. Tabla 8.41. Factorial de 3 X 3, fotales de tratamientos. T Sore ss 88 aa 15? 4, o 0 6 195 a 58 a m4 196 tee ‘Tabla 8.42, Coolicientes de los contrastes de un factorial 3 * 3) a yD ee ee ee Ro to HH Roo tH RHR ee ee es wo ot 420 -b Dott Bt wD, +1 -2 +1 -2 + 46-2 2 Al sustituir los valores numéricos: 1(74) = (44) — 2 (6a) + 2 (58) + (58) ~ (55) 74 — 44 — 128 + 116 + 58 — $8 = 248 ~ 227 vp, Bozweno mciow 3x3 149) Fis decir, V, D, es una componente de C, vista en el método paca encon:rar contrastes ortagonales, por tanto’ a1 si se elevan al cuadrado los coeticientes del contraste V. Di: V4O+ (UF + (24 +e OY (HP 12 con esto y el numero de repeticiones (cinco), se obtiene una campanente de la suma de cuadrados de los tratamientos, que es el contraste V, D,. cyt _ aan SC (Vs Ds) 5112) 60) 7.38 En [a tabla 8.43 se presentan el resto de los contrastes ortogonales ya estimados y en la tabla 8.44 se da et andlisis de varlanza para los can- irastes A parti de la tabla 8.44 se confirma lo altamente signiticativo (**) en el efecto lineal de las distancias, lo signiticativo (*) en e! efecto cuadnitico de Ja distancia, la alta significancia en VD, que representa el efecto lineal de D con el efecto lineal de V. Tabla 8.43, Conirastes ortogonales, Goatees Ce re cyte DO +39 1S 5x6 07 Do 321369 sxe 1521 % 2 4 5x6 0.133 v 2 a 5x18 005 vin 4a 729 5x4 36.45 VD +m aa sx 738 [oe xR 202 WD =a) 1849 5x36 1027 py ‘$C tratamiemtos 122.18150 Tabla 8.44. Andlisis de varianza Puentes de Grados de Suma de Quadradlos Eewcaos 151 2. Se realizé un experimento para analizar e] efecto correspondiente al pporceitaje de peso Ue planta dei talio en el cultiva de matz, en tres variedades yy tres densidades con dos repeticiones, variacién libertad cuatrados medio x i Bloques 4 Milas 38. 1209207397 a 1 507 507 17360 4157.0 D. 1 15.21 18.21 520 415 7.50° % i 0138 0.138 oor 4as 7.50 y 1 0.05 0.08 oo 43s 7.50 vp. 1 3645 20.45 1248 4157.80" vo, 1 78 738 asl 4157.50 vp. 1 2az 202 06s 4157.50 vp, 1 1027 10.27 351 4157.) Esror 2 9387 292 Total 387 ‘significative al §%. **Signlficasvo al 15 EJERCICIOS 1. En un experimento Hevado a cabo para analizar la produectéa de formaje seco en ton/ha en tres vatiedades de maiz.y tres densidades (20, 30 ¥ 40 mil plantasfha), se emple6 un disefio de bloques completamente al azar ccan clos repeticiones y arreglo factorial de 3 X 3: Densidaies i een Variedades vi e maiz 20, 0 ag Mil % w2 2s Ws Ws M2 9 % Bd 0s wd ns RS % BS a 189108107 @) Calcule et ANVA, +b) Biectie la comparacion de 1a media, 6) Caleule el Cyr. 4 Realice Ja grstica y dé conclusiones, | Reptiiones Dende ilps SEmEEON Veriedodes Mites plantayna "r h » 40 323367 50 32 467 o 339378 0 a3 478 50 436 467 a 395378 » “0 230 la 50 54543 oo SS 857 4) Hoga el ANVA y pruebe la hipstesis de tratamiento, ) Compare las medias de tratamiento, «) Caleule el, y 7". 4d) Trace la guifica y dé conelusiones. 3. Fl siguien’e experimento se'efectud en la sabana de Huimangusllo, ‘Tabasco (1975-1576), para medit el rendimiento de materia seca en kg/ha del pasto Grama Amarga con fertilizante nitrogenado y fosférico con un diseno de bloques completamente al azar, de arreglo factorial 4 X 4 en tes repeticiones: Repetitones P N a * 5 0 51003580030 o co 5320 72 ao sam 48764933 4006080 sels aaa 0 3900782 ast 40 wo s400 3846S mo 61304926 6130 405618579152 (Conatnnacisn.} Repettotones, 2 x n i a 377030, 0 wo war Bis S774 200 HH) ARG 7202 ann 568 58602 ° Sil 3923821 20 100 4107 37954329 200 6233380702 00 seed 5930792 4) Caloule el ANVA y pruebe la hipdtesis de tratamiento, b) Compare las medias de tratamiento, ¢ Caleule eG yr 1} Dibuje la grafica y dé conclusiones. 4. Este experimenio se hizo ea la sabana de Huimangu pletamente al azar con arreglo factorial 4 % 4 en (es repeticiones: Ropeticones | & NUR ate a 5 - 0 1M 1300 ‘00 0 100 1970 0 400 200 2500 700 400 100 2000 800 500 o 2300 900 on 0 100 2001200, 800 20 37001400) 800 400 33001500 600 0 2500 00 500 a 100 52001400 700 200 39001400, 00 00 30 1700 600 o 2800 500 00 19 10 38001400 900 200 aso 1500 1000 400, 600, 500 illo, Tabasco (1975-1976), pata medir el rendimiento del pasto Paidn (kg materia seca/ha), con fertilizacién nitragenada y fosférica mediante un disefio de bloques come Ferscos 153 4a) Calcule el ANVA y pruebe la hipétesis de tratamiento. »b) Compare las medias de tratamiento, } Caleule eC, yr’ 4) Hoga la grifica y 46 vconclusiones. 5. El siguien'e experimento se efectué en Ia sabana de Hnimanguilo, ‘Tabasco (1975-1976), para medir el rendimiento de! pasto Remolino con fer- tilizacién nitrogenada y fosférica en kilogramos de materia seca/ha, en tres épovas: having, noctes y sequlas, can tres repeticiones mediante un disefio de bloques completamente al azar con arreglo factorial 2 X 2X 3: 5 ae x > E 7 z iF (7 OL 55215492700 SS No 430240 wf s 340 750 7300 a xu 40 tee 2350 ~ 4o0<> 400 1200 350. hee 380 1000 6500 om 606002900 7 ey 350 900 400 wv s 600. 1900 7000 10 rik ata 300 “ee mw 25 7001500 so 4) Caleule el ANVA y prucbe la hipétesis de tratamiento, b) Compare las medias de tralamientos, ) Caleule el 3 y 73, 4) Realice la grafica y dé conclusiones, 6, Este experinento se efectué para anelizar el efecto de la inyeccién de ‘Thyroxina en el sexo y peso de pollos de sieve semanas. Los resultados se indi- ccan en gramos. Se us6 un disefio completamente al azar con arreglo factorial de2 2 com seis repeticiones: ‘Macho si so 3504) No. 354450 Sa 452385495 Hembra st 450 532495384496 385 No, 350396 37548095580154 Co». 8 Exeenwinros racroaies a) Haga el ANVA y pruebe la hipétesis de tratamiento con a ~ 0.05. 5) Compare las medias de watamientos. 6) Calcule el Cy 7. ) Realice la grilica y dé conclusiones. 7. fn un oxperimento se analiaé la diferencia de consumo de alimento cuaudo la manteca estaba rancia y cuando estaba fresea en ina dieta para, Falas (gramos} durante 40 dias, para 16 ratas de 30 a 40 dias al iniiar el experimento, Los factores fueron manteca (rancia y fresea) y sexo (macho, hembra): hubo cuatro repeticiones. analizadas en tin disefio completamente al azar con arreglo factorial de 2 x 2: Batado de Sexy larmuanteca 5 Macho Fresca sou 780805 Rancia 580490585, Hembra Fresca 00787958 Ranela 630505 S806 «@) Calcule el ANVA y pruebe la hipotesis de tratamiento. ») Compare Ins medias de tratamientos. 6) Calcule el Gy ) Trace la gratia y dé conclusiones. 8, Este experimento se efectué en [a sabana de Huimanguillo, Tabasco (1975-1976), para medir el rendimiento de pasto Remolino con fertilizacién nitrogenada y fosfbrica (kg/ha), con tres repeticiones mediante un diseno de bloques completamente al azar can arreglo factorial de 4 4: Repetciones p N r a a o 630 1000 350 ° 300 550 900 410 200 1010 1050 398 au 2s 800 376 ° 950 1000 350 0 100 3001400 585 200 1300 1800 585 00 12502000 635 155 (Continsacn.) Repaticiones P a 5 a ° 8001200 495 oF ‘0 800 1300) 746 200 m9 240 sas 400 15002500, uss a ao ato 525 20 100 12002068 ass 200 150) 2064 385 400 V0 2700 672 a) Caleule el ANVA y pruebe la hipétesis de tratamiento. 5) Compare las medias de tratamientos. ¢) Calcul el C, yr at) Haga la grdfica y dé conclusiones. 9. Hl siguiente experimento se cealizé para analizar mediante ua diseho de bloques completamente al azar, el efecto de tres variedades enanas de ‘mata, sembrailas en El Bajio, con aplicacién y sin aplicacion de insecticidas, en cuatro repeticiones. A continvacién se dan los rendimientas promedio de grano seco en ton/hu: Yc 4.6 Vi- = 3.7 V,~cr- 56 Vi-SI- 55 Vy~ ST 6.2 v,-Si- 5.9 La desviacién con respecto a la media fue de 4, los totales de los cuatro bloques fueron §, 6, 10-y 10.5. 1a) Haga el ANVA, +b) Compare las medias de los tcatamuentos. ©) Caleule el yr, d) Realice la grética y dé conctusiones.Polinomios ortogonales INTRODUCCION Se lama superficie de respuesta al experimento planeado para detectar cma tesponden los niveles Ue un factor cuando se comparan con vatlos niveles de 0110 factor. Tal serfa el caso al aplicar varias dasis de un fungicida en éiferentes nive- les de humedad ambiental en un invernadero, o de usar niveles de nitrégeno en dosis de {6sforo. En estos experimentos el investigador busca el punto maximo de la respuesta al factor estudiado, puesto que en general, el tipo de respuesta en experimentacién no es lineal, sino curvilinea. En tal situacién es posible aplicat el andlisis de regresién, sin embargo, cuando el incrementa o intervalo entre los niveles de un factor son iguales, se puede hacer el andlisis de los, «datos en forma mas sencilla, mediante coefiientes de polinomios artogonales. Los potinomios ortegonales son ecuaciones Ue regresion en las que cada luna esti asociada con tin exponente de la variable incependiente, X, X',X, y todas son mutuuamente independientes, es decir, son ortogonales. METODOLOGIA En la tabla 9.1 se presentan los coeficientes y grados del polinemio para comparaciones ortoganales, hasta en cinco niveles igualmente espaciados, Los coeficientes se obtienen de las siguientes ectaciones: a =K-k=p = pe - OBB), Hee = Wo - 9 a= pt (BEY) pe den Sin? 1), , {1Sn¢ — 230m + 407) eas 1008158 Tabla 9.1. Coeficientes y grados del polinomio para comparaciones ortogonales. Namen de niveles del factor 2 3 1 -1 0 41 2 2 41-20 41 6 4 L “3-1 +3 20 2 su 1 “ 4 3 -1 043 4 20 5 L tt ee) 2 4200-10-22 -10 42 ow 3 -1042 0 -2 #1 4 oe ee Donde: n= mtimera de niveles del factor. Ahora se multiplicara por un término conveniente pars que queden los fenteras mas pequetios, coma se muestra en [a tabla 9.2. X_y X, son los coeticientes lineal y cuadrético, respectivamente, de un polinomio de quinto grado con seis niveles, Estos polinemies ottogonales no se aplican para niveles que no son igualmente espaciades. Sie estucian cinco niveles de un factor, existen cuatro grados de libertad, que se pueden descom poner en uno asociado con la respuesta lineal, otro con la respuesta cuadrd tiea, uno con Ja respuesta etbica y el limo con la respuesta eudrtica, Por lo Tabla 9.2 merovoioda — 159 general, las respuestas de més interés son la Lineal, cuadttica y etbiea, aun cuando existen més niveles, Si solo la respuesta lineal es significativa, se deduce que la respuesta a varios niveles de un factor es constante, es decir, que de cada incrementa del factor se obtiene un aumento adicional en el otro factor. La respuesta puede sex positiva o negativa, segin aumente o disminuya la respuesta del segunda factor en celacién con el primero, Si la funcidn cuadratica es significativa, contonces la respuesta del segundo facior no es constante, es decir, los datos se ajustan a una pardbola, En la tabla 9.3 se da un ejemplo en el cual se sepa~ ran Tos grados de ibertad, en un ensayo que medina el efecto de la aplicacion de cinco niveles de azure, en parcelas de trébel blanca, Ca tabla 9.4 indica que existen diferencias significativas para niveles de azuite. Fntonces se separaré la summa de evadratos de trataraientos mediante polinomins ortogonales, como se muestra en la tabla 9.5, Tabla 9.3. Respuesta del irébol blanco a la aplicecién dle cinco niveles de azufte (escala rolaliva 1:10). ee Ripeditones kefta a x ° 20204 2.50 5 302 5 4 Mw 350 0 4 6 4 WF 42s 15 6 8 4 5 B 5R5 0 8 7 6 4 2 825 B 3208) aS Tabla 9.4, Analisis de varianza, Puewes te Grados de Suma de Cnadrados urine Libertad cundrados medios. Fr 3 295098 940 75 Repeticion ‘Tatamiento 4 3870 9.67 «3.86 326" San 1028, Exvr 229302 “Dial 7095 I aielss tag saetvo al 8 250%,160 Tabla 9.5, Polinomios ertogonales para cinco niveles. ‘Niles de azeftey regnest,cfal os ue Fimci00) M0) 7) 08) OD CO Ree Lineal 2 429 isl 40) 38.02 Cusdifiea 42-1 2 A 42 1 A] Om Gibco = #20 2 Ht 9 a) OD 41 om amy os Cuittin +1 "Signieativa al 1%; NS = no significa: 8 (caialentos) 387. Cuando se tienen cinco niveles, se pueden descomponer fos grados de libertad y suma de cuadrados en custze funciones: lineal, cuadrstica, etbiea y cuattica Pera la funcién lineal se tiene: = = 210) — 114) + Of17) + 1023) + 2025) = 39 ‘cuya suma dle euiadrados es: oe ear So - — = 38,02 rhe afar + Cyr + + + 2] Para la funcién cuadrstica: c'= (10) = 104) ~ 207) ~ 123) + 2025) y su ama de cuadrados es Os cy = ——— = 02 Pre [aye +e = ey C+ Car] Para Ja funci6n cubiea: C= = 1010) + 2014) + 0017) ~ 223) + 125) = - 3 ‘que tiene la suma de cvadrados: ce ay i POE ACU? + GY + OP + 2 +] tu 161 Para la funcién cudrtica: c (10) 4 (14) +6 17) 4 3) +125) = — 11 cuya suma de cuadrados es: co Di TLE al + Cay + OF + 4) + )'] 043 Se observa que 98 % de a suma de cuadrados para tratamiento correspon de. la funcién lineal, que sla nica significative, esdecirt, ~ 38-02 15 59, cow 1y 12 ado de Uber. De atuerd con eta remo se eonchuye aque por cada incvemento de cantidad de azufre aplicado, la poblacidn de trébol blanco aumenta constantemente hasta llegar al nivel de 15 kg de azuite ha, sin embargo, en la figura 9.1 se nota cue con la aplicacién de 20 kg/ha, hay un pequefio descenso en el rendiiento, visto en el quiebre de la linea. Esto sugeriria que es imperativo disefiar un segundo experimento y descariar quiza los niveles de Oy § kg de azutre, y aumentar das niveles que equivalgan 2.25 y 30 kg/ha, con la finalidad de ver si Ja curva de respuestas ain cae a partir de 20 kg de azutce/ba. HJERCICIOS |, Eh un experimento realizado mediante un dliseiio de bloques compl. al azar se analizaron einco niveles de melaza: 0, 5, 10, 15 y 20 kg en 20 ‘vacas y cuatro repeticiones para medit el vendimiento en kilogramoy:162 Niveles de metaza ‘wim, de ee ete repticién 0 «811520 200-250 2m 300 380 2d 290, 310385 20S 230 260 305 390 180 200 250290 19) Haga el ANVA y pruebe la hipétesis para tratamiento ) Cateute ef Cy 7". ©) Reallee la gréfica y dé conclusiones. 2, Enun experimento analizado mediante un disefio de blogues al azar se tuabajaron cinco niveles de fertitizacién (nitrogenada) en tn cultivo de papas los niveles de nitrdgeno fueron 0, 5, 10, 15 y 20 kg/ha, Se midié el rendi- rmiento en con/ha y se utilizaron cuatro repeticiones, Ntvelos de jerilizacicn Nam. de repeticén 0 S10 15 20 ro 43 42 noo5 a 44 5 6 6 33 n 3? 24 4) Hoga el ANVA y pruche la hipstesis para tratamiento. b) Caleule el Cyr’. ©) Realice la gréfica y dé conclusiones. 3, Se hizo una investigacién para analizar el efecto de cinco niveles de {sforo en el cultiva del tomate mediante un disefio de bloques completos al azar en cinco repeticiones. Para medir el rendimiento en kg/patcela los nive: les de fdsforo fueron: 0, 0.1, 0.2, 0.3 y 04 kg/parcela o ai 92 pa 08 1 28 2 29 28 45 2 2 mw ww 39 0 3 35 0 2 4 36 4 35 2 36 40 5 aaa Enwcicos 163 ‘@) Haga el ANVA y prucbe la hipétesis para tratamiento. b) Caleule el Gyr 4) Trace la gralica ¥ dé conclusiones. 4, En un experimenta en tin cultivo de cebolla, se analizaron cinco niveles de potasio: 0, 5, 10, 15 y 20 kg/ha, en cuatro tepeticiones. Los renclimientos cen toni/ha se indican a continuzcién. Se usd un diseiio de bloques completos al azar. Nira de ___Siveies de porasio repetici 50 is 20 34 205 6 6 ah 3 2 4 é 4 4) Haga el ANVA y pruche la hipétesis para tratamiento, 1b) Caleule el G yr ©) Dibuje la gralica y dé conclusiones.== Confusion en experimentos factoriales INTRODUCCION Una de Jas principales ventajas en los diseiios experimentales es el uso del principio de confundide, que se basa fundamentalmente en el diseno de bloques incompletos. Ademas incluye disefios con la caracteristica comin de que cada tepeticién queda repetida en varios bloques incompletas, para elitinar del error tuna mayor proporcidn de la heterogeneidad de Las unidades experimentales, CONFUSION COMPLETA, Cuando se analiza un factorial 2 * 2 x 2 se abtienen acho tratamientos, en el ANVA, con siete grados de libertad; luego esos siete grados de lihertad se separan en siete componentes, cada uno con un grado de libertad. A estos ‘componentes se les Hama eontrastes ariqgonales y Sern fundamentales para Jos experimentos factoriales confundidos. Ua ejemplo es analizar el contun- ido de una interaccién ABC en un factorial 2 x 2 x 2, con la salvedad de {que el confundido se aplica cuando existen varios factores y, pot tanto, inter acciones que son as que par lo general se canfunden, En la tabla 10.1 se da un experimento que consta de tres factores que se nombraran A, By C, cada uno con dos niveles, por lo que habré ocho trata mientos puesto que el producto de los niveles de los factores es 2 X 2X 2=8 tratamientos. ABC = abe ~be-ae + c—ah+b+a~1 Ep el cuadro 10.1 se presenta el croguis de! experimento con tres repeti clones, y en que la interaceién ABC esta confundida completamente. En los tres bloques incompletos (a), (a), estan Jos tratamientos b, c, ibe, a, y en 108 t4es blogues incompletos (2), B1(b), estan los tratamientos ac,166 Cav. 10, ConrusioN en PxPRRIVENTOS FACTORALES 1, ab, be. Entre Ba) y Bi()) de cade repeticién esta confundida Ja interaccién ABC. Sin embargo, en cada uno dle los bloques incompletos si se pueden estu- iar los efectos de A, B, C, AB, ACy BC, porque sus efectos se pueden mostrar en cada blaque incompleta, como se observa en el cuadro 10.2, ‘abla 10.1. Experimenta factorial de 2 x 2 2 eee ae We eee m8 1628088 8 2 0 8 6 as aR 3s wo 3 6 sw E 36 7 68 51 6 o 7 480 Cuadro 10.1 a@ [be me |] [ew te] we [oe 1 «| [a ae eb ]mw) s@ [ab ae] [ee eb] or ‘Cuadro 10.2 fo) Bs y= & 8 = = @ ae a ee -4 Mone =e aw ee eG wmo-- +e ew Para estudiar A, B, G AB, AC y BC, eada bloque incompleto acta coma ‘un blogue; entonces el arslisis de vatianza se debe ajustar ala forma presen tada en la tabla 10.2. Las sumas de cuadrados se determinan igual que para los experimentos Jactoriales. I caleulo de ABC = (a + b+ c+ abe) ~ (1 + ab + be + ac) 00 es necesario para el andlisis anterior. Sin embargo, si se desea probar esta interaccién se debe hacer con un margen de error apropialo. Conrusox conus — 167 En [a tabla 10.3 se presenta el arregio de bloques incompletos y los rendli- mientos, ¥ en la tabla 10.4 se da el rendimfenio de los tratamientos par eada repeticion. (480) _ 230 400 2 24 (89y! + (79)? + (65)? + (83)? + (BO}E + (00)? 4 Factor de correceién: FC = 9600 SC Bi = 9600) 39.612 = =~ 9600 = 9683 - 9600 = 53 SC total = 8° + 10% +.., +17 + 25" — 9600 = 10.324 ~ 9600 74 A continuavién se calculan las sumas de cuadradios para tratamientos par el método de contrastes artogonales, camo se indica en la tabla 10.5, y se hhace su respectivo ANVA (véase tabla 10.6) Para comprobvar si el confundida es eficiente, se efectiia el ANVA para ABC (véase tabla 10.7): (168)? + (1527 + C60) 8 28 224 + 23 104 + 25 600 8 SC repeticiones FC = 9600 RA 9600 = 9616 ~ 9600 = 16 SC ABC = 24 SC etor = $C blogues incompletos, 33-16-24 = 13 SC repeticiones ~ SC ABC Sielconfundido es eficiente, el cuadcado medio del eror para el ANVA de ABC tiene que ser mas granule que el cuacirado medio del error para el ANVA de los efectos principales e interacciones de primer orden. Con el ejemplo propuesto se observ6 que la varianza del error en confucutida (véase tabla 10.6), es mayor que la varianea del error para ABC (véase tabla 10.7) Cuando es un experimento totalmente conlundide se pierde una observa- cidn, ésta se estimars de la misma manera que se hizo en el diseno de bloques al azar, s6lo que cada mitad de la repeticién se analiza como un bloque. Ast, sige pierde la cbservacién sobre el tratamiento abe en la primera repeticion, s6lo afectari al bloque que la eontenga de los dos que forman la primera repeticidn. Si en la otra mitad de la repeticién se pierde otra observacién, sta se yuelve a estimar en ese bloque, independientemente del anterior, 0169 Tabla 10.2, Analisis de varianza Tabla 19.4. Rendimientn de cadla tratamienta por . repeticién. Puenies de Grados de a _ variaciin Wheriad Reperilones Momento 1 a 8) 1 a 0 BG 4 ie 19 Bt & 4 BM OB c we es AB Bo 8 aC i 8 2 6 Be 27 16 IF wo abc 2 7m bat Tabla 10.5. Suma de cuadradns para tratamientos por el método de contrastes ‘ial ortogonales, Fiano 1 @ ob ae mee) abe Tabla 10.3. Arreglo de blogues incomplelos y rendimienios. Ped ise Sis ieee Dealrat es once tee Repeticign 1 a toi ot th na +d 2 dee ee ee eee “Parcel 1 a4 eB =f 1-1 +1 41 Fi +1 om 576 muni ae Ht 1-1 4 42 = -1 41 om aC 4b -1 1-1-2 4d -t 41 wae wdimiento 24 —= a _ 38 me toed =a <2 -2 <1 4 42-40 900 ‘Tosa de blogues age =i 41 41-1 41 1-1 +1 = 98 om ‘incomplete a — ‘SC atamionta 482 sr Repelicion 2 a Se eC Tk 8 74 Tabla 10.6, Aniliss de va-ianza de un arregla 2 X 2 x 2.can AAC confundia Fratamienio wd ‘entes de Grados de Sum de Realnnientea 1% ue i pct —_ s meas Tar Ee A 7s 7s use gas omnst B 285 285108 533 Ost c 4 24a? 83300 SS AB 6 6 net 938054 Fares ac nas bs un sa 02 Tratamiento a Be ws ans etlcnenan tito 268 a9 Total ae logues Toa a5 incompletos gnliatvo al 1%; Gye 28.4%,170 ‘Tabla 10.7. Anilisis ce varianza para ABC Ruentes de Gradosde Sumade — Cuariradas. urtuade libertad cuadrados__medios Repetiviones 2 6 8 ABC 1 2 a 35 NS Error 2 65 “Tal 5 sea, se estima s6io una mitad perdida. Si se presentara el caso de que en el mismo blogue de la primera repeticién se perdieran dos observaciones, se estimarian las dos observaciones peididas en ese bloque. CONFUSION PARCIAL Es mas conveniente y itl el confundida parcial que el completo. Esto se debe a que Ih precisin aumentars en los efectos principales y en algunas interacciones (con mayor efectividad que en el ennfundide completa), ya que varios efectos de los traiamientos se eliminardn del andlisis, porque no dan informacisn suciente para cumplir Ios objetivos del modelo. En el factotial 2 2 2 anlerior, la interaccion ABC se ha confundi- do con bloques de cuatro unidades cada uno. Fn otras repetietones las inte- tacciones AB, AC y BC se pueden confondir de manera semejante a Tos blo- ques, como se alserva en la tabla 10.8 Tabla 10.8. Confundido de las interacciones con las bloques en un. experimento factorial 2 2 % 2 Inderatcty Repeticdn Blogues incorapletos confedide 1 at btetake ab ac bed ‘ABC 2 abe + ab +e+ 1 = ae — be AB 3 abe + ac tt ee wo 2 7 . 2 RSs 3 ya a a0 st wow mR % oem Re o 8 @ ‘a ba, Yoo we RD » to o@ 8 8 fi ho ware hoo6 & & = . ow BD % YO 5 , % 8 2 ow hoo wa 4 8 Bm EE a a re 4) Haga el ANVA y pruebelahipstest de tatamfeno, 3 ff apart as a ace, 4) Haga el ANVA y prusbe la hipétesis de tratamiento, ¢) Elabore la grafica y dé conclusiones. ) Compare las medias de tratamiento. 6) Galenlle el C, 1°; elabore la gréfica y dé conchusiones, 2. Rste experimento se hizo para analizar las distancias entre surcos (par . ; cela grande} y tres variedades (parcela chica) en el cultivo de maiz, con cuatro, 4. En este experimento se analizé el efecto de tres laminas de riego (par- I repeticiones, A continuacién se da el readimiento en kg/parcela: cela grande] y Wes variedades de arroz con tres repeticones. Las datos se indiean a continuacién en kg/parcela: Repaiciones istanaa—Yaretades — Repiicinis centre suureos de mate a & 5 fe Ldrenas Variedades WA SN a denies deamon > % =» OU See ere % om ae ae 2 0 Ve 32 50 0 ' v yw ot ve 08s », v > % 2 2 v 2» © 8 ‘ re ee) 1s “ uo» on ve » 2 © % ¥ wo 38 ¥, a eT ¥, ee re \ 20 ¥ 3 48 % 2 #8 8 % 8 —_—- ~ - — - a) Haga el ANVA y pruebe la hip6tesis de tratamiento. a) Haga el ANVA y pmebe la hipétesis de tratamiento. ‘b) Compare las medias de tratamiento. b) Compare las medias de tratamiento, ©) Calcule el G.y 7%; elabore la grdfica y dé conelusiones. 6) Caleule el C, y 7 realice la grafica y concluya. 5, Explique la diferencia que existe entre un experimento analizado con 3. En un experimento se analizaron las distanclas entre surcos (part arreglo factorial y uno con arreglo parcela dividida. Analice ambos con dos grande y tres variedades (parcela chica) en el eutivo de matz eon tres factores a tes niveles y cuatro repetciones: determine sua grados de Ibertad ticiones. A continuacién se da el rendimiento en kg/parcela: en la tabla de analisis de varianza,192 CaP, 11, Dist ve PaRcELA DINO 6, En un experimento estudiado mediante un disefio de bloques al azar con tres repeticiones, se analizaron tres Ifminas de riego en tres variedades de arroz y se midié el rendimiento en kg/parcela: clones ‘Léminas ——_Variedades aed deriego dears 5 BOS i 2 8S Apéndice 3M w ¥% a 8 % rr vs st 80 Tabla 1. Coeficientes de correlacién para un nivel de signilicancia . : et bla: oe para un nivel de significancia de 5 y 1%. v s 8 OF Gadesde Gata de % 52 SB era « fibertat * in-3) 5% 1% oa 5% 1% p38 0.296 3st ase 1a) Hoga el ANVA y pruehe la hipétesis de tratamiento. 1b} Compave las medias de tratamiento, 6) Caleule el Cy 75 elabore la gratica y dé conelusiones. 1 a9? a0 By 2 0950 oye a 2. Hste experiment se estudié mediante un diseiio de bloques al azar 7 oar oom, 2 oa 078 con atreglo de parcelas divididas. Se analizd el porcentaje en peso de planta, é Sant ane: a 0367 azo que corresponde a la hoja en el cultivo de maiz, en tres variedades de mafz, = o7se ag 26 361 oss (parcela chica), tres distancias entre plantas (parcela grande), con tres repeti- 6 obs » oss ose ita en Weare la 7 nso a8 0 ou nao Z oss 9 63 ciones y rend pos ns es 02 pas “0 Pe Re as » oste os 6 nara centre planter de mare 4 sss om 2 e 7 BR psa nse o 03235 ¥ 5 osia oa 70 osm vs ry os? oes 0 283 a q ae ame is 0482 0.06 0 0267 % 2 414 6 0.68 oso 0 0.258 % 390372 y 086 ozs as ozs 3 a 1% ose ost 150 8 | 430 473k » oa 09 200 oss os: | 373836 2 4s asi 300 ons as 2 ans 1526 400 108 ozs a) Haga el ANVA y pruebe la hipStesis de tratamiento, 2 aga asis 00 oe ans }) Compare las medias de tratamiento, 2 0.336 505, 100 62 8.081 ) Calcule el G y rs reatice la gratia y. jones.xs ws ass WS WS BE WS G9 GIO Lee soy We GL eet SB sve we fre GE TEE FE GEE orE Oe WE WE WE oF ves wt ove oe we OFC OT BT BT Le we we over e sro zea se9 uv9 i) IO LO wee ODL Gs OYE SeL SHY See Set wT mre ore we We WE OE we LE WE BE use che ary We Gs set oz wt wz we set we BT we Soe we Ore ost OF 2 wee we ove we Sez sy eee ore ore We sce SIS We oO WH wr we we 96f my SOY OOF Ore STh Ith RY GE ESD HEP DLS. OSE 5 mee ewe we woe 6? SOT IF SIE TE sre are oe Bee oF ° 56 6 48 6 966 SOOI stor AOI spor sO eeu GEM YoeL Zee aE 5s ort St WF OY HEF Ech teh wey Sey STS sts Ws ws wy a we we ae Orr Be HEE HEY GbE SUE Tse BE BE Or OF s wrt sept PEM LEME SUPE SSPE VFL OUTI weRT IZSI ZEEE Bes! GOT ave Oe os 8 2S 16S $6 965 09D mo | 919 99 GED BED BD I we awe we GE WWE S6E BE OD SOP Wy Bre ay ter : woe cour eome soe eer eee teee GT cove ise Hee WHR OVER TwOE THEW: me oe Uv we oe SY we tes WY tY WG eG are S% EM BT aes ors ws SCS HE Ses ars HTS TES FEE BES OPS HSS OL ‘ she wee CFG THEE HOG FSG SEG DE 7G EOS OFS SeE6 LOK Oss GHEE TD pret erst QE WEI FEL GEE BES LOI FL EEG OFGI SEI DEI OL Ise st 6 we we OES SPS LEE SES HEH 6S HE 96 Oe ESP OF z mea «919 eho 9019 409 9s09 TTI REE GTS SEE OLS STIS SWE KKH ESD aed She pee Gh cee Ieee cee HTT Seed wis ead aos Orc ess Pret inys Ors wees CHES HES SUP OEE 1 er dg wa © $9 2 8 8 % © 2 oe eae a pein meg (oipou opaipon3 oko) sopeczum wi0d PmIRGH ap Sem Spsopaey “J upPnquisip e| eed % 1% § “OL ap sovUNg “EEE : 2 E |SleaggeeSeqcseghSeSGE7 zg SR ELE SRRSESSSEEL ZEEE z ng hava ONG SURE ETE DRESSER GEES ABA REG 3 S| sR GRSSESEIRSRERESRRRRRSERRESERETZES SELL ESE 3 S\Sadddn eee oS SPSPSIIAS SS Bina eee Oe A ee aba Bo |g -n nee es woccane nen eee nA SSENERSBSSRNSRARERE a8 1% a gee Bas BRSTabla 3. (Continuacién.) Grados de Grados de lhertad para el nurerador (mayor cuadradio medio) ‘iheriad para et denominndor =P 1 02) 8 64 lh 8 OO 3 1) as6 30 261 269 261 259 251 247 248 242 238 238 230 fos $12 426 2a 363 348 337 329 323 318 313 300 307 3m 298 293 D1 1056 $02 699 642 600 S80 562 SA? $35 526 S18 Sil 5.00 402 430 0 1 328 292 273 26 282 246 28 238 235 332 228 aus 220 05 496 410 371 3AB 333 322 314 307 302 297 294 291 206 292 277 DM 100 756 635 599 SoH 539 52 506 495 485 478 47 4.60 asz 4a 1 1) 323 286 266 258 245 239 234 230 227 225 221 aur 2a os 455 358 359 336 320 309 301 295 250 286 282 279 27 270 265 Ol 965 720 622 Se? S32 S07 488 47 463 45d 446 440 429 aa 410 a 19 348 28 261 248 239 233 228 224 221 219 2s 210 206 D5 475 388 349 325 31 300 292 28 280 276 272 269 264 260 258 i) 933 693 595 Sai 506 482 365 450 439 330 422 G16 $05 358 3.86 2 1 314 276 250 243 235 228 223 220 216 214 210 208 201 (0s 467 380 341 318 302 252 261 277 272 267 263 260 255 2s 246 OL 907 670 S74 520 486 462 4M 430 419 410 402 396 3.85 378 367 14 M0 310 273 252 239 231 224 219 215 22 210 20s 201 1.95 S460 37 334 3 296 285 277 270 265 260 256 253 248 2a 239 1 S86 OSL 556 503 369 445 428 414 403 394 386 380 3.70 32 35 15 10 307 270 249 236 227 221 216 212 209 206 2.02 197 192 os 458 368 329 306 200 279 27 rol 259 255 251 248 243 239 233 OM G68 638 S42 489 456 432 aid 400 369 380 373 367 356 54s 3.36 16 10 305 267 246 233 224 218 213 2.09 206 203 199 Los 139 OS 449 363 324 301 285 274 266 259 254 249 245 242 237 238 228 Ol 853 G23 529 477 S44 420 G03 309 378 369 Sol 355 385 337 325 203 2.00 961Tabla 3. (Continuacién.) Grades de libertad para el mumerador (mayor cuaurado medio} 209 200 193 187 183 179° L7G in 5 200 Ss ee ee ee ee ee 10 289 250 228 235 206 1S) 18 1B LSS ~ 8 Le 200 188 05 448 333 293 270 254 235 228 222 218 214 210 208 263 194 0 760 542 458 404 373 333 320 308 300 202 287 277 257 30 30 288 249 228 708 205 19) 188 Las 142 we 1 197 3 17 382 292 2@ 25 2a 227 221 216 212 209 201 Los 193 756 539 $5l 402 370 S30 337 30s 238 290 281 274 265 255 2 os 413 330 290 267 251 am 225 219 214 210 RO 20 Laz 1a 1 750 S36 445 397 366 $42 325 S12 3m 394 286 290 270 2B 25 3 O§ 413 328 288 265 249 238 230 223 217 212 208 205 200 198 188 tr 74a 520 a2 393 36) 338 321 308 297 289 282 276 3.66 235 247 38 05 411 326 286 263 248 236 228 221 215 210 206 203 198 1981.8 1 739 525 43 349 358 335 318 304 258 Dan 278 are a6e 23h 23 8 05 410 325 285 262 246 235 225 249 216 209 205 202 196 1921.85 1 738 S21 434 386 Fs 332 315 S02 251 282 275 2 259 2st 240 aa nae 223 165 1a 861Tabla 4. Valores para la prueba de Duncan Sato deibertad ‘= nilmero de promedios incluidas en el rango oer ee a ee ee ee ee T 7s is0 is0 J80 180 iSO 180 180 180 180 180 180 180 180 180 in 990 900 $00 m0 900 900 0.0 910 90.0 900 910 9n0 900 900 2 05 809 6.09 6.09 6.02 609 6.09 G09 609 6.09 G09 6.09 6.09 6.09 6.09 m Wo 140 WO 140 140 160 140 180 140 MO 140 m0 140 140 3 OS 450 450 450 450 450 450 450 450 450 450 450 450 450 450 O 825 85 86 87 BS 89 89 90 90 90 91 92 93 93 4 OS 393 401 402 402 402 402 402 402 402 402 402 402 402 4.02 a 6 68 69 70 71 71 72 72 «73 73 TA 74 78 75 5 05 364 374 379 383 383 383 383 353 353 353 383 389 363 3.89 O 57) 596 6M 618 626 633 640 Gal 65 66 66 67 67 68 6 05 345 358 261 268 368 368 3.68 368 3.68 5.65 368 3.68 368 3.68, ML S24 S51 S65 573 581 S88 595 600 SO 61 62 62 63 63 Ds 335 347 354 358 360 36 361 36 361 36 36 361 36 3.61 D895 522 537 SAS 553. S61 Se 573 SB SS 5D 59 BO OD 05 326 339 347 352 385 356 356 356 350 356 355 356 356 3.56 474 $00 S14 $23 532 540 S47 SH 55 56 57 57 58 5B 05 320 334 341 347 350 352 352 352 352 352 352 352 352 352 Ol 460 485 499 S08 S17 525 S81 556 sa 55 535 56 57 57 OS 315 330 337 343 346 347 347 347347347 347 3347 38 Ml 448473 ABR 496 5.06 513 5.20 5.24 528 536 S42 SHB S54 5.55 05 3M 327 335 339 343 Bad 3483.46 3.45 346 346 347 348 O 439 463 477 486 doe SO S06 S12 55, 528 5M 538 539 05 308 323 333 336 340 342 344 344 348 345 3463.47 3.48 1 432 «455 468 475 484 492 496 502 Sar 547 522 524 526 0 306 321 330 335 338 341 342 344 345 345 346 348 347 3.47 ‘426 448 409 474 488 494 498 Sof 503 S13 S14 55 007‘abla 5. Valores para la prueba de Tukey. dos de el oz ime de prometios de los ratamientos SS ee a ee ee ee ee 5 "5 364 460 522 567 603 633 658 680 699 717 732 747 7.60 7.72 783 793 803 612 82 1 $70 G97 780 842 S97 932 9.67 9.97 1024 1048 1070 1089 11.08 1.24 1140 1155 11.68 11.81 11.93 6 «OS 3AG 3H 490 SL 505 589 G12 532 649 OOS 679 G92 703 714 724 76 743 75L 759 Ol $24 633 703 736 797 832 S61 BA7 9.10 930 O49 965 981 995 1008 0.2 1032 1049 10.54 7 OS 334 416 468 5.05 5.35 S61 S82 GOD 615 630 643 655 G66 676 O85 694 7.02 709 7.17 Ol 495 S52 654 701 747 768 794 G17 B37 B35 ATL 886 9.00 912 924 9.35 946 955 9.65 8 5 3.26 4.08 453 499 S.A7 54D $4) 5.77 592 GOS GIS 629 639 GAB G57 G65 673 GAO G>T 1 474 $63 620 663 696 724 747 768 7.87 803 BIS SA S44 SSS 865 8.76 8.85 B94 9.03 9 5320 395 442 476 SOL 524 S43 5.60 5.74 587 5.98 609 619 628 626 644 OS 658 6.4 1 460 5A3 596 635 666 GOL 713 732 749 765 778 791 808 £13 823 832 Bal B49 857 10 OS -35 388 433 465 491 5:12 $30 5a5 5.60 572 583 593 603 GI G20 627 O34 4D GAT OL 448 527 577 G14 GAR G67 687 705 72 7.36 748 760 7.71 781 791 799 807 BIS 8.22 TOS 31 382 426 457 482 503 S20 535 549 561 571 S81 590 599 605 G14 O20 026 6.33 O1 439 $14 $62 597 625 GAS 667 684 699 713 725 736 746 7.56 765 7.73 781 7.88 795 12 O5 308 3:77 4.20 451 475 495 5.12 S27 540 S51 562 S71 S80 588 5.95 6.03 GOD GIS 6.2L 1 432 $04 $30 SM G10 G32 G51 667 GBI G94 706 717 726 7.36 744 752 759 7.66 7.73 12 S306 373 415 445 469 485 505 SID 532 543 553 S63 S71 579 5.96 593 GOD GOS GAL (426 496 S40 573 598 G19 637 653 667 679 690 7Ol 710 7.19 727 734 742 748 755 1405303 370 41 441 464 483 499 5:13 525 536 S40 555 5.6L S72 5.79 585 592 S97 603 Ol Gal 489 532 563 588 GDR 626 GAl 654 665 677 687 G96 705 712 720 727 7.33 7.39 1S 0530 367 408 437 460 478 494 508 520 S31 540 Say S58 565 5.72 579 585 590 5.96 ‘i 417 483 525 556 580 S99 G16 G31 644 655 665 676 Ga G93 700 707 714 720 7.26204 Tabla 6. Tabla de coeficientes para un conjunto de camparaciones ortogonales ‘cuando los tratamientos estén igualmente espaciados. Grado Nimero ‘del de polino: —mrata- mia _mientos Compararién Ti Th Tet ' 2 neal “4 2 2 3 neal oo 4 2 Cuadritica 1 “ 6 3 4 Gneal a4 4 8B 2» Cuadritica 41 4 cabiea a8 3 2» 4 5 Gincal 2 DoH ry Cuadritica 32 i va « cabica 12 0 2H wo Cuaitiea Hon4 46 HL 7 5 6 tneal fog sk hl ae fs 7H Cuadrtiea «= 43-18 mt cabica si o47 +f 4 +5 180 cuattica Hons FR He et Quinta 148-190 He Solucién de algunos ejercicios Bjercicio 1. aa ‘Tratamiento Emon Probabilidad 1548 2.86 Total « nw Fjercicio 8. oL sc a Capitulo 2 cL sc MF 2 1944 94.72 7 62.44 an Probabilidad “Tratamientos ——3——2425.01—«808.33 9.520.008 ‘Tratamientos Error Total 6.66% 0.003, E 10 866.41 86.64 13 3201.42 Pearse Prueba de comparacién multiple de medias para tratamientos. Tratamientos Medias —_Razén 3 40207 206 Fjercicio 10, Capitulo 3 c«SC”||~!OM~*«*;:~S*C*«éPobabtidad |) Bjercicio 1. en ee = ree u o9a7 2981 Tiatamiento «0.00012 0.00001 0.77.6 wae “ous a9 oes seed oom Prueba de comparacién multiple de ‘medias para tratamientos. ‘Tratamtentos — Medias Razdn 1 2975 4 3 an.2s 2 19.87 Ejercicio 1. wv sc 431.11 35.24 53 484.11 Ga Warm “-Sigueavo al 196 Prueba de comparacién miiltiple de ‘medias para tratamientos. ‘Tratamtemtos Medias Raz 0.000014 Bjereicio 3, ny Ge Sa cM E Probabilidad ‘Tratamiento 6.00017 0.000016 Ll 0.213 Bloque 3 C6010 0.2008 17583 0.000 Error 336.0008 0.000011 Total 47 o.6ma? Gris enn Ejercicio 4. iW Gays om Probaablidad ‘Tratamiento 6 0.06 ool 0.674 0.673, Blogue 3 baz 0.05 3.69 0.031 Enror 180.28 ool ‘Total 7 Osi Ga mas%208 209 Bjercicio 9. jerecio 5. Vv eats Me rv oe cM _ Probabilidad iatamiento 222910 HAS 1.92 Traumiento 41349 Blogue + 9840 2360039 Ie-a 4.353 fxror 8 ATS 5964 column 43777888 bial 1480065 Enor 2 848 679 oe a ‘oul 41827 a G= ua _ Capitulo 4 Bjercicia 6. Serie bs aie FE __ Probabitidad oes sc Tratamiento 0.526 Tatamiento 2 s66166 0.89 ies nae Hilesa 2 14685900 7392950 0.99 nda is Columna “15749800 7874090 1.060.485 or brnor “1408764 7404382 a - 58587386 c= ans = 15.65% capitulo 5 Ejoreicto 2 Bjercisio 1 ae 2 a ae ‘Tratamiento v8? ose Covariatle 1 gras eras 0a29 sa “tiles 4724 072 Tratamients «S790? 76 «0.709.608 “Columna 5030 0188 Bloque 3 SINGH IESE 0.520.685 195i eal fron mn ma3.31 eae Toral 193223: - © 369% MIMD Equations = ~1.s80r210 Ejereicio 3. wv ae cM Provabilidad Covariable 1 yo 033 Tiatamiento #272 SLB 0.68 Bloque 322090907? 05 Error uo a ‘otal 1933 = 609% PMID Eaton ~ 013 Capitulo 6 jercicio 1. wv se CMF Probabiidadt Blogues 3 o.loss1s 0.036538 0.900 NS ‘Hatamiento «0.06565 04001883 0.539 Ns roe 13 os27st__0.usus77 oral 1 om77s ‘ Capitulo 7 Ejercivio 1 rv c ‘iotomiento OR Ost no ajustado “Repetclin 038038 BloqueAjusao 88285 Tatalento MST 0st (DATA NS siustado Trorinabloqwe 16 TOD al 2858 au Capitula 8 Bjereicio 1. ry Probubitidad Repeticién 1 296 2.96 2.89 0.125 Variedad 2 5.56 27827 0.125 Densidad 2 3.60 180 1.76 02a Var /Den, 4 424 1.05 1.08 o.4a6 8 Ejercicio 2, rv ll ae car F Probubilidad eke. way ae Varledad 2 75 3828 0.000 ** Densidad 2 a aba Var/Den. 4 09 2828606 “eur 8257832 “Taal 17 1003.91 _ one : Prueba de comparacién multiple de medias al 0.05 Den./Var.212 Prueba de comparacién multiple de medias al 0.05 Den./Var. 2. Trawamientos Medias Razen 2 4605 a 45.05 ® : 38.65 oO! Prueba de comparacién miiltiple de ‘medias al 0.05 Var./Den. 1. ‘Traxarnientos Prueba de comparacién miiltiple de medias al 0.05 Var./Den. 2. ‘Taremientos —Meilius—-Razén 3 5485 a Prueba de comparacién miiltipte de ‘medias al 0.05 Var./Den. 3. ‘Tatamientos Medias Razin 3 561 a Z 38.65 1 36.85 4 Ejereieia 6. Vv Sexo Inyeccion Sexoslnyeccién Error Total 23 GSC MF _Probabitidad 1 7? ome os? 160 Gan 074 b a5 35 00006 09? 2012628 _—S6a.39 231134685 Sc Probabilidad Mos 1410s 5.480.036 236439236139 —«92.02—S 000 39.5 39.504 0.524 12 30831 2569.25, 1528251 Prueba de comparacién miltiple de medias para Sexo al 0.05. Sexo Medias Razén. 2 700.05 a 1 641.25 ® Prueba de comparacién muiltipte de ‘medias para Inyeccion al 0.05, Inyecciones Medias Razén 2 549,375214 Capitulo 9 Fjereicio 1. vy sc cM Probabitidad Lineal 1 1755.62 1755.62.23 1.683 Cuadedtico 1 273.01_——279.01 0.08 0.86 1 wo 0.001 v.97 Cuaitico 1 D357 0.3571 0.000017 0.991 Error 1290984. 7582.08 Ejercicio 4. iv mt es cw. F_ Probabilidad Lineal 1 0025 0.250.025. v9 Cuadratico 10.0178 O.178——«0.0178 0.93 cbieo 1 16 16 0.65) i cudrtico 1 Las? as? na ost, Error 2 2952 2.46 215 Capitulo 10 Ejercicio wv Gh SC MR Probabiided loques ao 8 Repeticiones 199 Bloque dentro 2 0 0 repeticisn Variedad L225) 2.25 6.75, 0.04 Niurdgeno 10 oO Fosforo 1 0.25 0.25 0.75 0.57 Vane 1025 025 075 os? Var.*Fést. L t t 3 0.13 - Nit.+Fésf 1 625 6.25 18.75 0.005 “or 20 “Total - = 20.39% —_ - - Capito Bjerecio 1 5c __Probabilided Repeticiones 3 49.88 16.62 0.208 O.818 ‘Distancias 2 R16 3608 045 O66 6. 4968 2 65.33 1.99 “06 r 4 504.66, 126.16 3.84 0.02 ‘is 590.00 82.77 : 35 1827.0 G,= 1628 %Prucha de comparacién multiple de medias de Var. Dist. Variedades/bi 2 Prucha de comparacién mittipte de medias de Var,/Dist. 2, Variedades/Dist, 2 Medias Razin 38.28 335 22.25 Prueba de comparacion multiple de medias de Dist./Var. 2, Dist/Var. 2 Medias Razén Prueba de comparacién nuiltiple de ‘medias para Vat./Dist. 1. Vur/Dist.1 Medias Razin 2 BS a 3 1 31.75 bo Prueba de comparacién miltiple de ‘medias para Var./Dist, 2, Var/Dist.2 Medias Razin a Prucha de comparacién miltiple de ‘medias para Dist./Var. 2. Dist/Var. 2 Medias Razin. 1 BS 4 27 3 ah 2 + Bjercicio 2. Eereeio 6. i ae 8 wv aie 6s at © Probabilidad Repeticion 3 4860 Repaticién 2 gor 7403? Distancias 28.72.36 “Lamina “2 9176 4S8O1 57.49 0.002 “Esror(A) 6 479 ~—«7799 Bort) 4 798 Variedades 2 1s woz7 2 $5918 27959 23,29 6.000 Dste\er 5807 174k 3.90 0.019 4 S864 1340316 0.001 * Eror(B) 32.67 — mn M40 120 - i Taal Toral 26233696Prueba de comparacién maltiple de Var/Ldm, 2 Medias 420 25.38 Prueba de comparacién mtiple de rmoiias pata Var,/1im. 3. Vari. 4 Prueba de comparacién miltiple de medias para LAm./Var. 1. alan tia 4456 a a4 o 25.33 Prueba dle comparacin méitiple de medias para Lam./Var. 2. Var/Lam.2 Medias Rade Pracha de comparacién multiple de ‘medias para Léin,/Var. 3. Vor/am. 2 Medias ~ 51.66 5033) 35.38 Bibliografia Anderson, 1, Vy A. R, McLean, Design of expertmenus. A realistic approach, Marcel Dekker, {ne., Nueva York, 1974 Box, F. P. G., G. W. Hunter y 5. 1. Hunter, Statistics jor experimenters, art introduction to design, data analysis, and model building, John Wiley and Sons, 1978, Calzada, BJ. ¥ J. Calzada, Métadosestadisticos para ta investigaciOn, 3a. ed., Editorial Juridica, 5. A., Peri, 1370. Castile, A. M., Apurdtes del curso de diseftos expertmentaies, Contra de Bata istiea y Céleulo, Colegio de Poxgraduados, Chapingo, México, 1374 Cochran, G. Wy M. G. Cox, The design of experiments, John Wiley and Sous, Inc., Nueva York, 1957. Cox, D. R., Plannigh of Experiments, John Wiley and Sons, ine., Nueva Yori, 1 Fisher, R. A., Statistical methods for research workers, Oliver and Boyd, Ltd., Londres, 1925. __. The design of experiments, Oliver and Boyd, Ltd., Londres, 1935. Hicks, C., Pundomenict concepts in the design of experiments, Holt Rinehart ant Winston, Nueva York, 1968 Kempthorne, ,, Design anc analysis of experiments, Robert E. Kreger Publi shing Company ine, Huntington, Nueva York, 1973. Martinez, A. G., Diseno y analiss de experimentos eon catia de aztcar, Centro de Estadistica y Calculo, Colegia de Posgraduados, Escuela Nacional de Agcdcultura, Chapingo, México, 1971 — Teoria de ‘a regresin, notas de clase, Centro de Estadistica y Calculo, Colegio de Posgraduados, Escuela Nacional de Agricultura, Chapingo, México, 1972. __. Métoos econometrios, Centro de Estaistica y Céleulo, Colegio de Posgra- duados, Escuela Nacional de Agricultura, Chapingo, Négxico, 1974. Méndez, LR. Estadistica y miétovo cientdio, Comunicaciones Técnicas, IIMAS, UNAM, 1975.220° aiauacearia __.Lineamienios generates pant ta planwacidn de experimentos, Comunieacio, nes ‘Técnicas, IIMAS, UNAM, 1976 . Modelos estadisticos lineales, interpretacigin y aplicactones, FOCCAVI, ~conacyr, 1976 , Disefios que usar blagues, Comunicaciones Téenicas, MAS, UNAM, 1978, , Pruchas do hipétesis estadistieas, Comunicaciones ‘Técnicas, MAS, ‘UNAM, 1979. __, Concepios muy elementaies sobre: poblactén, objetivos © inferencia ‘estadistica, Comunicaciones Técnicas, LIMAS, UNAM, 1982. __, Camentaiias sabre el diseno y andlists de experimentos con animales, ‘Comunicaciones Técnicas, MAS, UNAM, 1983 Padnén, C. f., Matemdticas ara ciencias de ta comunicacion, Institute Teena Jgico y de Estudios Superiores de Monterrey, 1971. ange, VG. y P. V. Sukhatme, Metodos estadisticos para invesifgadores aartco- las, Fondo de Cultura Beondnics, 1959, Peng, K.C. The design and analysis of seienifte experiments, Addison Wesley Publishing Co., Beading, Massachusetts, 1967 Reyes, C. P, Diseto de experimenios agrieotes, “illas, 197% Snedecor, W. G. y G. W. Cochran, Statistical methods, ‘The Iowa State Univer- sily Press, 1967. Stoel, G. D, Rey H. J. Torrie, Prineiples ant procedares of statistics with spe- cial reference to the biologécat sciences, MeGraw-Hill Book Company, Inc., 1960. Yates F. 9 cols., Experimental desigit, Selected Papers of Griffin, Londres 1970. indice analitico Abonamiento, experimentos de, 13 fo completamente al, Aleacoriedad, 16cniea de, 2930 3637 ‘Anlisis con igual nimero de unidades por de covarianza, 16:23, 75:54 tratamiento, dseio com. objetives del. 76 pletamente al, 34-36 para un disefo de blogues al deswentajas det diseno completa- za, 781 mente al, 33 de varianza, 30 aseao confundide, 27t, 171 completamente al, 15, 19, 224, de un aimeglo 2 x 2x 2 con 3353 ABC canhuudita, 1691 de bloquies del factorial 2, 109 al, 231 en un expetimento faciocial completos al, 16, 21, 55 2% 2, 250261 modelo ordinario ex un experimento aditivo lineal en el disefio com: factorial 2 * 2, 261 pletamente al, 49 para ABC, 170¢ Tineal aditivo det disena de blo- para el diseno ‘ques al, 59:60 de cuadro latino, 67 ventajas del disefio completamen- generalizada de’ bloques al teal, 33 azar, 86t ara un experimento factorial — Bloque(s), 12 de 2 X22 168 al azar ara un factorial andlisis de covarianza para un 2x2, lat diseiio de, 781 2, 123 disefio factorial, 107 de, 23t Azar seneralizado de, 85-89 sficiencia del disefio de (At

Vous aimerez peut-être aussi

• Aprendiendo Estadistica Con R PDF

  

  Document9 pages

  Aprendiendo Estadistica Con R PDF

  Luis Zamudio

  Pas encore d'évaluation
• Diseño y Analisis de Experimentos Con STATISTIX PDF

  

  Document213 pages

  Diseño y Analisis de Experimentos Con STATISTIX PDF

  Luis Zamudio

  Pas encore d'évaluation
• Libro FEDEMADERAS La Reforestacion en Colombia Vision de Futuro

  

  Document116 pages

  Libro FEDEMADERAS La Reforestacion en Colombia Vision de Futuro

  Luis Zamudio

  Pas encore d'évaluation
• • Magazines
  • Podcasts
  • Partition
• Libro PRC Programa de Reforestacion Comercial Colombia

  

  Document122 pages

  Libro PRC Programa de Reforestacion Comercial Colombia

  Luis Zamudio

  Pas encore d'évaluation
• INTA - Métodos Est. Sensores

  

  Document24 pages

  INTA - Métodos Est. Sensores

  Luis Zamudio

  Pas encore d'évaluation
• NTC 787

  

  Document11 pages

  NTC 787

  Luis Zamudio

  Pas encore d'évaluation
• Introduccion R-10 PDF

  

  Document13 pages

  Introduccion R-10 PDF

  Luis Zamudio

  Pas encore d'évaluation
• NTC 785 PDF

  

  Document7 pages

  NTC 785 PDF

  Luis Zamudio

  Pas encore d'évaluation