ESTADISTICA EN LA INVESTIGACIN AGROPECUARIA

NOCIONES BSICAS DEL DISEO DE EXPERIMENTOS Y SU APLICACIN EN EL

MANEJO DE PASTURAS

ELOINA MESA F.1

GERARDO RAMREZ G. 2

Profesora Asociada Depto de Produccin e Investigacin de Operaciones- Universidad del Valle.

Email: eloimesa@pino.univalle.edu.co
2
Consultor Estadstico del Programa de Forrajes Tropicales CIAT
Email: g.ramirezg@javerianacali.edu.co

TABLA DE CONTENIDO
INTRODUCCION...................................................................................................

1. PROCESO DE INVESTIGACIN Y METODO CIENTIFICO........................

1.1 ETAPAS DEL METODO CIENTIFICO........................................................
1.2 LA ESTADISTICA Y EL METODO CIENTIFICO......................................

1
2
4

2. CONCEPTOS BASICOS DEL DISEO EXPERIMENTAL..........................

2.1 FACTOR.........................................................................................................
2.2 TRATAMIENTO...........................................................................................
2.3 UNIDAD EXPERIMENTAL.........................................................................
2.4 REPETICION.................................................................................................
2.5 ERROR EXPERIMENTAL...........................................................................
2.6 VARIABLE....................................................................................................
2.7 EXPERIMENTO............................................................................................
2.8 ANALISIS DE VARIANZA..........................................................................

5
5
5
6
6
6
6
6
7

3. DISEO COMPLETAMENTE AL AZAR.......................................................

3.1 CARACTERISTICAS.....................................................................................
3.2 MODELO ESTADISTICO.............................................................................
3.3 TABLA DE ANALISIS DE VARIANZA......................................................
3.4 EJEMPLO.......................................................................................................

8
8
8
9
10

4. DISEO DE BLOQUES AL AZAR................................................................

4.1 CARACTERISTICAS....................................................................................
4.2 MODELO MATEMATICO...........................................................................
4.3 TABLA DE ANALISIS DE VARIANZA.....................................................
4.4 EJEMPLO......................................................................................................

13
13
13
14
15

5. DISEO DE PARCELAS DIVIDIDAS.........................................................

5.1 CARACTERISTICAS..................................................................................
5.2 MODELO MATEMATICO.........................................................................
5.3 TABLA DE ANALISIS DE VARIANZA...................................................
5.4 EJEMPLO....................................................................................................

19
19
19
20
23

BIBLIOGRAFIA..................................................................................................

29

INTRODUCCION
Entre los objetivos de la Red Internacional de Evaluacin de Pastos Tropicales RIEPT, estn
el estudio del rango de adaptacin de germoplasma forrajero en los diferentes ecosistemas,
proporcionar germoplasma seleccionado por ecosistemas a las Instituciones Nacionales que
investigan en pasturas y promover el desarrollo tecnolgico de produccin intercambiando
metodologas de investigacin e informacin cientfica.
Para el logro de estos objetivos, la RIEPT conduce diferentes tipos de ensayos regionales, a
travs de las Instituciones Nacionales participantes y el Programa de Forrajes Tropicales. A
partir de los Bancos de Germoplasma el material gentico pasa por sucesivas pruebas con el
fin de seleccionar los mejores ecotipos en cada ecosistema: Ensayos Regionales A (ERA)
donde se evala un gran nmero de ecotipos en lugares que son representativos de cada
ecosistema; los Ensayos Regionales B (ERB) evalan la produccin bajo corte, de ecotipos
que se han seleccionado en A, en diferentes ambientes; los Ensayos Regionales C (ERC)
donde se evala el efecto del animal sobre la estabilidad y persistencia de las pasturas
seleccionadas en B; y finalmente, los Ensayos Regionales D (ERD) que evalan la
produccin de las mejores pasturas bien sea solas o en asocio, en trminos de ganancia de
peso del animal o produccin de leche, comparndolas con el testigo local. Esta secuencia de
evaluacin del germoplasma requiere de una metodologa para la recopilacin, anlisis e
interpretacin de la informacin generada en cada una de estas etapas, de tal forma que se
puedan hacer comparaciones estadsticas vlidas.
Este escrito tiene como objetivo describir y explicar el uso de la estadstica en
experimentacin con pasturas, considerando la definicin de elementos bsicos del Diseo
Experimental, algunos de los diseos experimentales ms usados en este tipo de
evaluaciones, as como la interpretacin de los resultados que se obtienen a travs de las
mismas. Es importante resaltar que no se entrar en ningn caso en detalles tericos
profundos, ya que el fin es mostrar cmo y cundo utilizar un diseo experimental especfico.
1. PROCESO DE INVESTIGACION Y METODO CIENTIFICO
Segn Webster, la investigacin es el estudio crtico y exhaustivo que tiene como fin describir
nuevos hechos y hacer una correcta interpretacin de los mismos; as pues, es la bsqueda de
la naturaleza, las razones y consecuencias de un conjunto particular de circunstancias, cuando
stas son controladas experimentalmente y registradas tal y como ocurren. La investigacin
consta esencialmente de dos elementos: observacin (el conocimiento es obtenido a travs de
la percepcin) y razonamiento (la relacin de los hechos con el conocimiento ya existente es
estudiado hasta donde el estado actual del conocimiento y la habilidad del investigador lo
permitan).

Aunque las tcnicas de investigacin difieren de una ciencia a otra, todas tienen una filosofa
comn: el mtodo cientfico (bsqueda de la verdad a partir de la observacin,
experimentacin y consideraciones lgicas), y las ciencias agrcolas y pecuarias no son ajenas
a esta situacin.
1.1 ETAPAS DEL METODO CIENTIFICO
A continuacin se describen brevemente las etapas del Mtodo Cientfico.
1.1.1

Planteamiento del problema. Debe especificarse el problema objeto de estudio, con

una debida justificacin indicando las razones que llevan al Investigador a escogerlo.
Es importante hacer una delimitacin del problema especificando el alcance de esos
lmites; la delimitacin tiene que ver con el tiempo que se va a dedicar a la
investigacin, material y fuentes bibliogrficas con que se cuenta y los recursos con
que se cuenta (humano, institucional, econmicos, etc.).

1.1.2

Planteamiento de objetivos. Es el enunciado claro y preciso de las metas que se

persiguen. Un objetivo bien formulado es aquel que logra transmitir lo que se pretende
obtener como resultado de la investigacin; se debe plantear un objetivo general
(enunciado claro y preciso de lo que se pretende con la investigacin) y unos objetivos
especficos (indicando lo que se pretende realizar en las diferentes etapas de la
investigacin). Los objetivos deben ser revisados en cada una de las etapas del
proceso de investigacin, ya que al final stos deben identificarse con los resultados.

1.1.3

Formulacin de Hiptesis. Un buen entendimiento del problema y los objetivos,

permiten al Investigador formular hiptesis y planear un procedimiento experimental
ms eficientemente. El planteamiento de las hiptesis debe ser tal que la verificacin o
no de ellas, sea llevada a cabo por observacin directa con un procedimiento
experimental; en general la hiptesis debe proveer la respuesta a un problema, dar
explicacin de hechos ya conocidos o predecir observaciones que pueden ser
verificadas; por esto, las hiptesis deben ser planteadas antes del proceso
experimental.

Una hiptesis, en trminos estadsticos, es una proposicin acerca de uno o ms

parmetros de una poblacin. En la formulacin de hiptesis se plantea una hiptesis nula
(Ho) y una hiptesis alterna (Ha); la hiptesis nula es generalmente una proposicin de no
diferencia entre los parmetros involucrados y tiene asociada una proposicin alterna
excluyente. Cuando una hiptesis es planteada y probada, puede ocurrir lo siguiente: rechazar
la hiptesis nula cuando sta es verdadera, o no rechazar Ho cuando es falsa, lo que se conoce
como Error Tipo I y Error Tipo II respectivamente; el Cuadro siguiente muestra la situacin
descrita:
2

Situacin Real
Ho Verdadera
Ho Falsa
Rechaza Ho
No rechaza Ho

Error Tipo I
No hay error

No hay error
Error Tipo II

La mxima probabilidad de cometer el error tipo I se conoce como : nivel de significancia.

1.1.4

El procedimiento experimental. Se debe considerar lo siguiente:

i)

Seleccin de tratamientos: tener claridad en el papel que juegan los

tratamientos para el logro de los objetivos; si el inters es conocer cul o cules
tratamientos son los mejores nicamente, o se tiene inters en conocer el
porqu los tratamientos se comportan de una u otra forma; si es necesario
incluir o no un tratamiento testigo o control que permita tener un punto de
referencia para compararlos: si por ejemplo se desea probar la efectividad de
la fertilizacin en un rea determinada, se hace necesario un tratamiento
control (no aplicacin) que permite aclarar si es necesario fertilizar.

ii)

Seleccin de las caractersticas a observar, as como las unidades de medida.

iii)

Definicin de las unidades experimentales, nmero de repeticiones y diseo

experimental.

iv)

Planteamiento de una metodologa de anlisis que permita verificar con validez

las hiptesis planteadas.

1.1.5

Anlisis e interpretacin de resultados. Los resultados deben ser interpretados a la luz

de la evidencia obtenida y de las consideraciones tericas del rea bajo estudio; la
interpretacin de resultados es una de las principales contribuciones del anlisis
estadstico.

1.1.6

Preparacin de un escrito. Los resultados de una investigacin deben ser reportados a

travs de un escrito presentando el problema bajo investigacin, los mtodos
empleados para su solucin, los resultados, conclusiones y recomendaciones
obtenidas; el escrito debe ser claro y preciso de tal forma que el lector obtenga una
idea fiel de lo realizado en la investigacin.

1.2 LA ESTADISTICA Y EL METODO CIENTIFICO

Considerando las diferentes etapas del Mtodo Cientfico un punto importante est
relacionado con la formulacin y prueba de hiptesis; stas deben ser formuladas de tal forma
que la verificacin se logra por observacin directa a travs de un procedimiento experimental
y que las conclusiones obtenidas puedan ser verificadas.
La estadstica es quien proporciona un conjunto de tcnicas y mtodos, los cuales son de gran
valor en el proceso de investigacin; la estadstica tiene que ver con la recoleccin y
organizacin de datos, diseo de encuestas y experimentos, medicin de la magnitud de la
variacin en el diseo de encuestas y de experimentos, estimacin de parmetros y pruebas de
hiptesis y la relacin entre dos o ms variables entre otros; as, la estadstica entra a formar
parte del mtodo cientfico a travs del proceso experimental, seleccionando un diseo
experimental adecuado, controlando factores que puedan influir en el mismo y sugiriendo una
metodologa de anlisis que permita hacer inferencia de los datos observados. En la aplicacin
de los Mtodos Estadsticos se debe tener en cuenta el rea en la cual la investigacin est
siendo conducida y el buen conocimiento de la teora estadstica para asegurar una
correspondencia entre los datos y los supuestos, para el uso de una metodologa de tal forma
que las estimaciones sean vlidas. Dada la importancia del proceso experimental se presentan
en la siguiente seccin algunas consideraciones bsicas del Diseo de Experimentos.

2. CONCEPTOS BASICOS DEL DISEO EXPERIMENTAL

El Diseo Experimental est relacionado con la planeacin de un experimento de tal forma
que la informacin colectada sea relevante a un problema bajo estudio; se debe considerar una
secuencia de pasos que aseguren que los datos obtenidos permitan un anlisis objetivo e
inferencias vlidas con respecto al problema establecido; el diseo seleccionado debe
proporcionar la mayor cantidad de informacin en forma econmica y con buena precisin.
Las siguientes definiciones permitirn una mejor comprensin del diseo de experimentos:
a. FACTOR
Es todo aquello que introduce variacin en la respuesta de las unidades experimentales. Los
factores pueden ser:
Desde el punto de vista de manejo en el experimento:

Factores controlables: aquellos factores que el Investigador manipula en el

experimento y en los que tiene inters en estimar su efecto frente a una variable de
respuesta. Ejemplo: la temperatura, variedades de un cultivo, sistemas de pastoreo, etc.
Factores no controlables: no son controlados por el Investigador durante el
experimento.

Desde el punto de vista de su forma pueden ser:

Factores cualitativos: su forma o modo de presentacin (niveles) corresponde a un

atributo. Ejemplo: el factor carga animal puede presentarse de tres formas: carga alta,
carga media y carga baja.
Factores cuantitativos: su forma de presentacin (niveles) es cuantificable y se pueden
ordenar segn su magnitud. Ejemplo: en el factor fertilizacin puede considerarse la
aplicacin de las siguientes dosis: 20, 40 y 60 kg/Ha.
b. TRATAMIENTO

Se refiere a las combinaciones de los diferentes niveles de los factores controlables, cuyos
efectos se desean estimar y comparar. Ejemplo: suponga los factores Variedad y Fertilizacin
nitrogenada a tres (3) y dos (2) niveles respectivamente, as:
Factor
Variedad
Fertilizacin

Niveles
V1
V2
N1
N2

V3

Los tratamientos resultantes seran:

V1N1
V2N1
V3N1

V1N2
V2N2
V3N2

El nmero de tratamientos es igual al producto de los niveles de los factores bajo estudio.
c. UNIDAD EXPERIMENTAL
Es la unidad de material a la cual se le aplica un tratamiento. Ejemplo: una parcela de una (1)
hectrea, un grupo de animales, una caja de petri, una matera con una muestra de suelo, etc.
d. REPETICION
Es el nmero de unidades experimentales a las cuales se les aplica el mismo tratamiento.
e. ERROR EXPERIMENTAL
Es la variacin debida a factores no controlables por el Investigador, es decir, las diferencias
en respuesta presentada por las unidades experimentales que son tratados igualmente; en
general el error experimental puede reflejar errores de experimentacin, errores de
observacin, errores de medicin y variacin de las unidades experimentales.
f. VARIABLE
Es la caracterstica que se observa y registra en todas y cada una de las unidades
experimentales. Las variables pueden ser: continuas (toma valores en un intervalo dado), por
ejemplo: produccin de materia seca en kg/Ha, porcentaje de cobertura, etc. o discretas (toma
valores en puntos especficos), por ejemplo el nmero de das a floracin, nmero de tallo
basales, etc.
g. EXPERIMENTO
Procedimiento que permite obtener observaciones bajo condiciones controladas con el fin de
verificar una o ms hiptesis.
h. ANALISIS DE VARIANZA
Es una tcnica estadstica que permite descomponer la variacin total de una variable
(caracterstica bajo estudio) en la variacin debida a factores controlables y no controlables,
con el fin de verificar si existen diferencias entre tratamientos.
6

Antes de pasar a describir algunos de los Diseos de Experimentos ms utilizados en

investigacin agrcola, veamos los requerimientos para que un Diseo Experimental sea
vlido:
i)

Aleatorizacin. La asignacin de los tratamientos a las unidades experimentales debe

ser tal que ninguno de ellos sea favorecido o castigado; la asignacin debe hacerse al
azar y no en forma sistemtica ni subjetiva; la asignacin de los tratamientos a las
unidades experimentales es diferente para cada diseo experimental y ser descrita
con cada uno de ellos.

ii)

Uso de repeticiones. El hecho de tener repeticiones en un experimento, permite la

estimacin del error experimental sin el cual no se podran hacer pruebas de hiptesis.

3. DISEO COMPLETAMENTE AL AZAR (DCA)

En este diseo se espera que todas las unidades experimentales sean homogneas con respecto
a la variabilidad que pueda presentarse en la variable de respuestas; esta situacin es comn
en experimentos en laboratorio, ensayos en invernadero y algunos experimentos con
animales, donde se controlan varios factores ambientales.
a. CARACTERISTICAS

El diseo no presenta restricciones en cuanto al nmero de tratamientos.

El nmero de repeticiones puede variar de tratamiento a tratamiento, aunque se

recomienda tener el mismo nmero de repeticiones para todos los tratamientos.

La asignacin de los tratamientos a las unidades experimentales es al azar sin ninguna
restriccin, es decir, todas las unidades experimentales tienen la misma probabilidad
de recibir un tratamiento dado.

b. MODELO ESTADISTICO
El modelo estadstico para el DCA se escribe de la siguiente forma:

yij =

+ j + ij
Variacin aleatoria
asociada al tratamiento j
en la repeticin i.
Efecto del tratamiento j
Media general
Variable respuesta observada en el tratamiento j,
repeticin i

Se asume que los errores ij se distribuyen normal e independientemente con media cero (0) y
varianza 2.
c. TABLA DE ANALISIS DE VARIANZA
La Tabla de Anlisis de varianza para este diseo, considerando t tratamientos y r repeticiones
por tratamiento, es de la siguiente forma:
Fuentes de
variacin

Grados de
libertad

Suma de
cuadrados

Tratamiento

t-1

Error

t(r-1)

Diferencia

Total

rt-1

yij2 -FC

y.j2 FC

Cuadrados
medios

Valor de F.

SCtrat./t-1

CMtrat./CMerror

SCerror./t(r-1)

Donde:
r

y. j yij
i 1

y.. yij8
i 1 J 1

, FC

y..2
rt

En este anlisis la hiptesis de inters es:

Ho:

No hay diferencias estadsticas entre los promedios de los tratamientos bajo estudio.

Ha:

Al menos uno de los promedios de tratamientos es diferente a los dems.

La hiptesis se prueba utilizando la estadstica F de la siguiente forma:

Se compara con el valor de las tablas de la distribucin de F, con los grados de libertad
CM Trat
Fc
CM Error
asociados a tratamientos y al error experimental y con un nivel de significancia
especificado.
Si Fc > F de tablas, entonces se rechaza Ho.
d. EJEMPLO
La tabla siguiente muestra los datos correspondientes al peso seco de la parte area de una
leguminosa, como respuesta a la utilizacin de nueve cepas de Rhizobium.
CEPAS
Rep 1
Cepa 995
Cepa 1670
Cepa 2372
Cepa 51
Cepa 4079
Cepa 3796L
Cepa 4103
Cepa +N
Cepa N

0.0758
0.4689
0.5369
0.0713
0.3076
0.3443
0.2296
0.3083
0.0564

PESO SECO
PARTE AREA (gramos)
Rep 2
Rep 3
0.0828
0.4599
0.4311
0.0913
0.3015
0.3735
0.1686
0.3768
0.0833

0.0709
0.4454
0.4926
0.0988
0.1587
0.4820
0.3087
0.4493
0.0956

TOTAL
Rep 4
0.0592
0.3981
0.4540
0.0550
0.2920
0.3889
0.3352
0.4909
0.1252

0.2887
1.7723
1.9146
0.3164
1.0590
1.5887
1.0421
1.6553
0.3605
9.9676

El experimento corresponde al proyecto MSPT-88, etapa-2I en el cual se probaron 85 cepas y

se llev a cabo en CIAT (Palmira). Para el ejemplo y por razones prcticas se consideraron 9

cepas con el fin de mostrar el procedimiento de clculo y construccin de la Tabla de Anlisis

de Varianza.
Procedimiento de clculo:
-

Calcular factor de correccin

FC

y..2
rt

= (0.0758 + 0.4689 + ... + 0.1252) 2 / 36

= (9.9676)2 / 36 = 2.7598

Calcular suma de cuadrados total

r

SCTotal yij2 FC
i 1 J 1

= (0.07582 + 0.46892 + ... + 0.12522 ) 2.7598

= 3.6992 2.7598 = 0.9394
-

Calcular suma de cuadrados de tratamientos

t

SCTrar
j 1

y.2j
FC
r

= (0.28872 + 1.77232 + ... + 0.36052) /4 2.7598

= 14.4931/4 2.7598 = 0.8635
-

Calcular suma de cuadrados del Error

SCError = SCtotal SCtrat
= 0.9394 0.8635
= 0.0759

Tabla de anlisis de Varianza

10

F de V
Cepas
Error
Total

G.L.

SC

CM

Fc

8
17
35

0.8635
0.0759
0.9394

0.1079
0.0045

23.98

Promedio: 0.2769
CV (%): 19
El valor de Fc = 23.98 se compara con el valor de las tablas de la distribucin F con 8 y 17
grados de libertad y un nivel de = 0.05. El valor de las tablas es F t = 2.55; dado que Fc > Ft
se rechaza la hiptesis nula, es decir, el promedio de peso seco es estadsticamente diferente,
al menos para una cepa frente a las dems. Una prueba de comparacin mltiple permite
determinar cual es la mejor o mejores cepas en cuanto a la variable respuesta.
En la tabla siguiente se muestra los promedios de las nueve cepas y la agrupacin de
promedios que realiza la prueba de comparacin de Tukey utilizando un nivel de significancia
del 5%. Los promedios que tienen la misma letra no son estadsticamente diferentes. As por
ejemplo la Cepa 4099 y la Cepa 4103 no presentan diferencias entre si; igualmente ocurre
entre las cepas Cepac-N, Cepa 51 y Cepa 995, pero los dos grupos de cepas s son diferentes
estadsticamente. Los promedios de peso ms altos lo presentan las 4 cepas que estn en el
grupo A, las cuales no presentan diferencias estadsticas entre si.
Agrupacin de promedios segn la prueba de comparacin mltiple de Tukey.
GRUPO

PROMEDIO

CEPA

A
0.4786
4
Cepa 2372
A
0.4431
4
Cepa 1670
A
0.4063
4
Cepa +N
A
0.3972
4
Cepa 3796L
B
0.2649
4
Cepa 4099
B
0.2605
4
Cepa 4103
C
0.0901
4
Cepac N
C
0.0791
4
Cepa 51
C
0.0722
4
Cepa 995
Promedios con la misma letra no son significativamente
diferentes

11

4. DISEO DE BLOQUES COMPLETOS AL AZAR

Su uso es adecuado cuando el material experimental es heterogneo pero posible de organizar
en grupos de unidades relativamente pequeos; se requiere que las unidades que estn
organizadas en un grupo (bloque) sean lo ms homogneas posible, buscando la mayor
heterogeneidad entre los grupos. Generalmente el nmero de unidades por grupo es igual al
nmero de tratamientos.
a. CARACTERISTICAS

Cada bloque debe contener todos los tratamientos, los cuales se asignan al azar,
repitiendo el sorteo tantas veces como bloques haya. El diseo permite emplear
cualquier nmero de repeticiones, siendo el trmino bloque sinnimo de repeticin.

El nmero de tratamientos no debe ser muy grande con el fin de garantizar la

homogeneidad de cada bloque.

No es necesario que los bloques estn fsicamente juntos, ni que las parcelas que la
integran queden adyacentes. Si parcelas separadas tienen las mismas caractersticas,
ellas pueden integrar un bloque.

Los tratamientos pueden ser varios niveles de un factor o combinacin de varios

factores.

Cuando la heterogeneidad del suelo presenta una clara tendencia (gradiente) los
bloques se deben ubicar perpendiculares al gradiente.

Al entrar los bloques como una fuente de variacin se reduce el error experimental.
b. MODELO MATEMTICO
El modelo matemtico asociado al diseo supone aditividad de los efectos de bloque y
tratamiento (2 criterios de clasificacin sin interaccin). As, el modelo para r repeticiones
(bloques) y t tratamientos, se puede expresar de la siguiente manera:

12

 + j + i + ij

yij =

Variacin aleatoria
asociada al tratamiento j
en la repeticin i.
Efecto de la repeticin i
Efecto del tratamiento j
Media general
Variable respuesta observada en el tratamiento j,
repeticin i

Se supone que los errores son independientes entre si y estn normalmente distribuidos con
media 0 y varianza comn 2.
c. TABLA DE ANALISIS DE VARIANZA
La Tabla de Anlisis de Varianza para el diseo de B.C.A., considerando r bloques y t
tratamientos se presenta de la siguiente forma:
Fuentes de
variacin

Grados de
libertad

Suma de
cuadrados

Cuadrados
medios

Valor de F.

Prob de
F.

Bloques

r-1

yi.2 /t -FC

SCbloque./r-1

CMbloque./CMerror

Prob>F

Tratamiento

t-1

y.j2 /r-FC

SCtrat./t-1

CMtrat./CMerror

Prob>F

Error

(r-1)(t-1)

Diferencia

Total

rt-1

yij2 -FC

SCerror./(r-1)(t-1)

Nomenclatura:
Y..
:
Suma de todos los valores observados.
Yi.
:
Suma de valores observados en el bloque i
Y.j
:
Suma de valores observados en el tratamiento j
FC= Y..2 / rt : Factor de correccin

13

Las hiptesis a probar en un diseo de BCA son:

1.

Ho
Ha

: 1 = 2 = ... = t = 0 (no hay efecto de los tratamientos).

: al menos uno de los promedios de los tratamientos es diferente
a los dems.

Esta hiptesis se prueba calculando

Fcalc = CM (trat)
CM (error)
Comparando este valor con el valor de la Tabla de la distribucin F con los grados de libertad
asociados a tratamientos y error experimental y con un nivel de significancia especificada.
2.

Ho

: 1 = 2 = ... = r = 0

Ha

: Al menos uno de los promedios de los bloques es diferente a los dems.

Esta hiptesis se prueba calculando:

Fcalc = CM (bloques)
CM (error)
Y comparando este valor con el valor de la Tabla de la distribucin F con los grados de
libertad asociados a tratamientos y error experimental y con un nivel de significancia .
4.4 EJEMPLO
Se desea comparar el rendimiento de materia seca (gramos/planta) de 11 ecotipos de la
especie de leguminosa Desmodium strigillosum en su cuarto corte. El ensayo corresponde a la
disciplina de germoplasma de Forrajes Tropicales y est ubicado en Santander de Quilichao.
Los ecotipos son: 13149, 13153, 13155, 13156, 13158, 13159, 13386, 13189, 13661, 23723,
23724.
Se utiliz un diseo de BCA con 4 repeticiones y los tratamientos son los 11 ecotipos.
Cmo se hizo?
1. Se dividi el terreno en 4 bloques de acuerdo al anlisis de suelos.
2. Se dividi cada bloque en 11 partes iguales, cada una representando una parcela.

14

3. A cada parcela se le asign un ecotipo de una manera aleatoria en cada uno de los 4
bloques.
El dato de la variable a analizar corresponde al promedio del peso seco de 4 plantas (unidad
experimental), las cuales han sido previamente establecidas. El corte se hace a la altura de 10
centmetros. El resumen de los datos se presenta a continuacin:
Rendimiento de materia seca (gr/planta) para 11 ecotipos de Desmodium strigillosum
TRATAMIENTO
BLOQUE
TOTAL
NO.
NOMBRE
(1)
(2)
(3)
(4)
1
13149
105.2
86.9
77.8
77.8
347.7
2
13153
78.4
41.6
39.2
49.0
208.2
3
13155
78.4
78.4
49.9
40.4
247.1
4
13156
106.4
61.1
83.7
33.9
285.0
5
13158
86.4
66.0
63.7
27.3
243.4
6
13159
101.5
35.3
46.3
35.3
218.4
7
13189
34.5
52.3
41.6
31.2
159.6
8
13386
47.7
8.1
11.3
6.8
73.6
9
13661
78.4
73.8
92.2
62.3
306.7
10
23723
71.1
54.5
59.2
26.0
210.8
11
23724
82.7
115.8
82.7
75.6
356.8
Total
870.3
673.8
647.6
465.6
2657.3
Media
79.12
61.26
58.87
42.33
De acuerdo con la Tabla anterior, los resultados obtenidos son los siguientes:
Procedimiento de clculo:
Calcular factor de correccin
FC

y..2
rt

= (2657.3)2 = 160482.802
44
-

Calcular Sumas de Cuadrados Totales

r

SCTotal yij2 FC
i 1 J 1

= 191804.89 160482.802 = 31322.088

15

MEDIA
86.93
52.05
61.78
71.25
60.85
54.6
39.9
18.4
76.68
52.7
89.2
60.39

Calcular Sumas de Cuadrados para Bloques

r

SC Bloque
i 1

y i2.
FC
t

= 1847597.65 - 160482.802 = 7480.6207

11
-

Calcular Sumas de Cuadrados para Tratamientos

t

SCTrar
j 1

y.2j
FC
r

= 710164.95 - 160482.802 = 17058.4355

4
-

Calcular Sumas de Cuadrados del Error

SC (error)= SC(Total) SC (Bloq) SC (Trat) = 6783.0318

Con base en los datos anteriores se construye la Tabla de Anlisis de Varianza.

FUENTES DE
VARIACIN
Bloques
Tratamientos
Error
Total

GRADOS
DE
LIBERTAD
3
10
30
43

SUMA DE
CUADRADOS

CUADRADO
MEDIO

FC

7480.6205
17058.4355
6783.0318
31322.0880

2493.5400
1705.8435
226.1010

11.028
7.540

Clculo de la F de Tablas

Fuentes de Variacin
a) Para Bloques

Valor de la cuantila en la tabla

de distribucin de F
Gra. de Liber
= 0.05
=0.01
F 3,30

2.92
16

4.51

b) Para Tratamientos

F 10,30

2.16

2.98

Regla de decisin:
Como es necesario probar 2 hiptesis, se procede de la siguiente forma:
Como F caculada = 7.54 > F tablas = 2.16, entonces se rechaza la hiptesis nula, es decir,
existe por lo menos un ecotipo cuyo promedio de materia seca por planta es diferente de los
dems.
Como F calculada = 11.028 > F tablas = 2.92, entonces se rechaza la hiptesis nula, es decir,
existe por lo menos un bloque cuyo promedio de materia seca por planta es diferente de los
dems.
Observacin:
En la mayora de los experimentos, la hiptesis nula de que no hay diferencia entre bloques
no es de importancia particular, ya que los bloques son una fuente de variacin reconocida.
Si el efecto de bloques es significativo, ello indica que la precisin del experimento ha
aumentado debido al uso del diseo en relacin con el diseo completamente aleatorizado.
La prueba de Duncan permite comparar todos los tratamientos simultneamente. La tabla
siguiente muestra la agrupacin de medias de los tratamientos para esta prueba:
Agrupacin de promedios segn la prueba de comparacin mltiple de Duncan.
GRUPO

PROMEDIO

ECOTIPO

A
89.20
4
23724
AB
86.92
4
13149
ABC
76.67
4
13661
ABC
71.25
4
13156
ABC
61.77
4
13155
ABC
60.85
4
13158
ABCD
54.60
4
13159
ABCD
5270
4
23723
BCD
52.05
4
13153
CD
39.90
4
13186
D
18.40
4
13386
Los promedios que tienen la misma letra no son
significativamente diferentes.
17

5. DISEO DE PARCELAS DIVIDIDAS

Se utiliza cuando se estudian simultneamente dos factores (estructura factorial) y se requiere

mayor precisin para la comparacin de uno de ellos.
a. CARACTERISTICAS

Se emplean parcelas de diferente tamao, la mayor llamada parcela principal y la

menor llamada sub-parcela.

A la parcela principal o unidad completa se le asignan al azar los niveles de un factor.

Estas se dividen en sub-parcelas o sub-unidades a las cuales se les asigna los niveles
del otro factor tambin al azar.

El tamao de la parcela principal depende del nmero de niveles del factor asignado a
las sub-parcelas.

La precisin para comparacin de tratamientos asignados a las sub-parcelas es mayor

que la de los asignados a la parcela principal.
Observacin:
Hay factores que por su misma naturaleza requieren tamaos relativamente grandes.
Ejemplo:

1)
2)
3)

Sistema de preparacin de tierras.

Sistema de manejo de agua.
Sistema de cosecha.

b. MODELO MATEMATICO
El modelo para r repeticiones, p parcelas principales y s sub-parcelas , se expresa de la
siguiente manera:

18

yijk =

+ R i + A j + ij+ B k+AB jk+ ijk Es el trmino error asociado a las subunidades

y con base en el cual se realizarn pruebas de
hiptesis para el factor asignado a ellas y la
interaccin de los factores.

Efecto de la interaccin de la
j-sima unidad principal y la
k-sima subunidad.
Efecto de la k-sima
subunidad
Es el trmino error asociado a las unidades
principales y con base en el cual se realizarn
pruebas de hiptesis para el factor asignado a
ellas
Efecto de la j-sima unidad principal
Efecto de la i-sima repeticin
Media general (constante)
Variable aleatoria observada en la i-sima repeticin de la j-sima
unidad principal y la k-sima subunidad

Nota: los supuestos de este modelo son los mismos que los planteados en los modelos
anteriores.
c. TABLA DE ANALISIS DE VARIANZA
La Tabla de Anlisis de Varianza para el diseo de parcelas divididas considerando
repeticiones, p parcelas principales y s sub-parcelas, se presenta en la tabla siguiente:

19

Tabla de Anlisis de Varianza para el diseo de Parcelas Divididas.

Fuentes de
variacin
Repeticin
(Bloque)

Grados de
libertad
r-1

Suma de cuadrados
r

SC BLOQ
i 1

Parcela
Principal

SC PP
(r-1) (p-1)

SC Error ( a )
i 1 j 1

q-1

yij2 .
q

(p-1)(q-1)

SC SP
p

SC PPxSP
j 1 k 1

Error b

(r-1)(q-1)p

SCbloque./r-1

CMbloque./
CMError(a)

SCPP./p-1

CMPP./
CMError(a)

rpq-1

FC

y ..2
k
rp

FC

SC PP SC SP FC

SCError (a) /
(r-1)(p-1)
SCSP /q-1

CMSP./
CMError(b)

SC(PPxSP) /
(p-1)(q-1)

CM(PPxSP).
/
CMError(b)

SC Error (b ) SC TOT SC Bloque SC PP SC SP SC Error ( a ) SC PPxSPSCError (b) /

(r-1)(q-1)p
r

Total

y .2jk
r

y .2j.
rq

SC bloque SC PP FC

k 1

Par.principal

FC

Valor de
F.

p-1
j 1

Rep x Parc.
Principal
(error a)
Sub-parcela

y i2 ..
pq

Cuadrados
medios

2
SCTOT yijk

FC

i 1 j 1 k 1

Nomenclatura:
Yi..
:
Suma de valores observados en la repeticin i
Y.j.
:
Suma de los valores observados en la parcela principal j
..k
Y
:
Suma de los valores observados en la sub-parcela k
Y...
:
Suma de todos los valores observados
Yij.
:
Suma de valores observados en la repeticin i y parcela principal j
Y.jk
:
Suma de valores observados en la parcela principal j y sub-parcela k
FC = Y ...2 / rpq : Factor de Correccin

Las hiptesis a probar en un diseo de parcelas divididas son:

20

1.

2.

Ho

: PP1 = PP2 = ... = PPp = 0 (no hay diferencia entre promedios de los
tratamientos asignados a la parcela
principal.

Ha

: al menos uno de los promedios de los tratamientos asignados a la parcela

principal es diferente de los dems.

Ho

: SP1 = SP2 ... = SPq = 0 (no hay efecto de los tratamientos asignados a la subparcela).

Ha

: al menos uno de los promedios de los tratamientos asignados a la sub-parcela

es diferente de los dems.

3.

Ho

: PS11 = PS12 = ... PSpq = 0 (no hay efecto de la interaccin parcela principal x
sub-parcela.

Ha

: al menos uno de los promedios es diferente de los dems (hay interaccin).

La primera hiptesis se prueba calculando:

F = C.M. (PP)
C.M. (Error a)
Y comparando este valor con el valor de la tabla de la distribucin F con los grados de
libertad asociados a parcela principal y error(a), con un nivel de significancia especificado.
La segunda hiptesis se prueba calculando:
F = C.M. (Sub)
C.M. (Error b)
Y comparando con el valor de la tabla de distribucin F, con los grados de libertad asociados a
sub-parcela y error(b) y con un nivel de significancia especificado.
La tercera hiptesis se prueba calculando:
F = C.M. (PPxSP)
C.M. (Error b)

21

Y comparando este valor con el valor de la tabla de distribucin F teniendo en cuenta los
grados de libertad asociados a la interaccin parcela principal x sub-parcela y un nivel de
significancia especificado.
d. EJEMPLO
Se desea comparar el rendimiento de materia seca en gramos de 7 ecotipos de gramneas para
4 niveles de un fertilizante (1, 2, 3, 4).
Los ecotipos objeto de estudio son los siguientes: 606, 673, 6053, 6299, 6369, 6387, 6780.
Se utiliz un diseo de parcelas divididas con 4 repeticiones, en donde las parcelas
principales son los 7 ecotipos y las sub-parcelas son los niveles del fertilizante.
Se hizo de la siguiente manera:
1. Se dividi el terreno en 4 bloques o repeticiones.
2. Cada bloque se dividi en 7 partes iguales, cada una representa una parcela principal.
3. A cada parcela principal se le asign al azar un ecotipo. Este proceso se realiz en cada
repeticin.
4. Cada parcela principal se dividi en 4 sub-parcelas a las cuales se les asign
aleatoriamente los niveles del fertilizante. (El tamao de la sub-parcela es 1m2).
El dato de la variable a analizar corresponde al rea til de la subparcela.
El resumen de los datos se presenta en la tabla siguiente:
Rendimiento en gramos de materia seca para 6 ecotipos de Gramneas.
ECOTIPO
606
673
6053
6299
6369
6387
6780
Total
Media

Repeticin I
NIVEL DE FERTILIZANTE
F1
F2
F3
32
93
66
43
92
77
30
82
103
41
64
68
54
79
72
36
80
78
27
75
74
263
565
538
37.57
80.71
76.86

22

TOTAL

MEDIA

F4
125
108
126
108
92
94
110
763
109.0

316
320
341
281
297
288
286
2129

79
80
85.25
70.25
74.25
72
71.5
78.28

ECOTIPO
606
673
6053
6299
6369
6387
6780
Total
Media

Repeticin II
NIVEL DE FERTILIZANTE
44
87
75
42
72
74
51
90
115
42
84
80
0
77
74
36
84
77
20
74
75
235
568
570
33.57
81.14
81.43

107
105
125
115
94
106
94
746
106.57

TOTAL
MEDIA
313
78.25
293
73.25
381
95.25
321
80.25
245
61.25
303
75.75
263
65.75
2119
75.68

ECOTIPO
606
673
6053
6299
6369
6387
6780
Total
Media

Repeticin III
NIVEL DE FERTILIZANTE
46
70
68
20
78
81
59
78
102
42
81
65
0
64
54
50
72
87
38
78
66
255
521
523
36.43
74.43
74.71

92
105
122
84
88
106
100
697
99.57

TOTAL
MEDIA
276
69
284
71
361
90.25
272
68
206
51.5
315
78.75
282
70.5
1996
71.28

Informacin adicional sobre totales:

Repeticiones
I
Total
Media
Ecotipos
Total
Media

606
905
75.42

673
897
74.75

II
2129
76.04

III
2119
75.68

6053
1083
90.25

6299
874
72.83

6369
748
62.33

1996
71.28
6387
906
75.5

6780
831
69.25

Niveles

F1

F2

F3

F4

Total
Media

573
35.86

1654
78.76

1631
77.67

2206
105.05

Gran Total:
6244
Media General: 74.33

23

De acuerdo a los datos presentados en la tabla, los resultados obtenidos son los siguientes:
p

FC

y
i 1 j 1 k 1

2
ijk

rpq

Y...2
84

= (6244)2 = 464137.33
84
p

2
SCTOT yijk

FC

= 528966 464137.33 = 64828.67

i 1 j 1 k 1

SCbloque
i 1

yi2 ..
pq

FC

= 13006818 - 464137.33 = 391.88

7x4

SC E cot ipos

y .2j.
rq

j 1

FC

= 5631300 - 464137.33 = 5137.67

3x4

SC Niveles
k 1

y ..2k
rp

FC

= 10829322

- 464137.33 = 51544.67

7x3
r

SC Error ( a )
i 1 j 1

yij2 .
q

SC REP SC PP FC = 1885792 -464137.33391.885137.67 =

1781.12
4
p

SC PPxSP
j 1 k 1

y .2jk
r

SC PP SC SP FC =1568458 - 464137.33 5137.6751544.67 =

1999.66
3
SC Error ( b ) SCTOT SC Bloque SC PP SC SP SC Error ( a ) SC PPxSP

= 64828.67 - [391.88+5137.67+51544.67+1781.12+1999.66] = 3973.67

Con base en los datos anteriores se puede construir la tabla de anlisis de varianza .
Tabla de Anlisis de Varianza.
FUENTES DE
VARIACION

GRADOS DE
LIBERTAD

SUMA DE
CUADRADOS
24

CUADRADO
MEDIO

F
CALCULADA

Repeticiones

391.88

195.94

1.32

Ecotipos
Rep x ecotipo
Niveles
Ecto x niveles
Error b

6
12
3
18
42

5137.67
1781.12
51544.67
1999.66
3973.67

856.28
148.43
17181.56
111.09
94.61

5.76

Total

83

64828.67

181.60
1.17

Clculo de la F de Tablas

Fuentes de Variacin
a) Para ecotipos
b) Para niveles
c) Para ecotipos x niveles

Grados de Libertad
F 6,12
F 3,42
F 18,42

Valor de la cuantila en la tabla

de distribucin F
= 0.05
=0.01
3.00
2.84
1.84

4.82
4.31
2.37

Regla de decisin:
Como es necesario probar 3 hiptesis, se procede de la siguiente forma:
Primero se considera la interaccin y se prueba su efecto; si sta es significativa, se analiza a
travs de pruebas de comparacin mltiple o utilizando un modelo de regresin dependiendo
del tipo de factores involucrados en la interaccin: cualitativos y/o cuantitativos.
Para ecotipo x nivel:
Como F calculada = 1.17 < Ftablas, entonces no se rechaza la hiptesis nula, es decir, no hay
interaccin entre ecotipo y niveles de fertilizante. El paso siguiente es comparar los 4 niveles
del fertilizante para identificar aquel que presente la mayor produccin de materia seca; de
igual forma se compara los ecotipos para seleccionar los que presentan la mayor produccin
de materia seca.
Para ecotipos:
Como F calculada = 5.76 > Ftablas = 3.00, entonces se rechaza la hiptesis nula, es decir, existe
por lo menos un ecotipo cuyo promedio de materia seca es diferente de los dems.
25

Para niveles de fertilizante:

Como F calculada = 181.6 > Ftablas, entonces se rechaza la hiptesis nula, es decir, existe por
lo menos un nivel de fertilizante para el cual, el promedio de material seca es diferente a los
dems.
Para analizar cada uno de los efectos se utiliza una prueba de comparacin mltiple con el fin
de identificar cual o cuales promedios presentan diferencias. Para este ejemplo se utiliz la
Prueba de Comparacin Mltiple de Duncan con un nivel de significancia = 0.05. Los
resultados se presentan a continuacin.
Agrupacin de promedios segn la prueba de comparacin mltiple de Duncan.
GRUPO

PROMEDIO

FERTILIZANTE

A
105.05
21
B
78.76
21
B
77.67
21
C
35.86
21
Los promedios con la misma letra no son significativamente diferentes.

F4
F2
F3
F1

Agrupacin de promedios segn la prueba de comparacin mltiple de Duncan.

GRUPO

PROMEDIO

A
90.25
12
B
75.5
12
B
75.42
12
B
74.75
12
BC
72.83
12
BC
69.25
12
C
62.33
12
Los promedios con la misma letra no son significativamente diferentes.

ECOTIPOS
6053
6687
606
573
6299
6780
6369

La prueba permite seleccionar el fertilizante F4 como el que presenta la mayor produccin de

materia seca y el ecotipo 6053 con la mejor produccin frente a los otros ecotipos
considerados.

26

Es importante tener en cuenta que si el efecto de interaccin de los factores fuera

significativo, se debe analizar la interaccin y no los efectos simples por separado como se
hizo en este caso.
El diseo de parcela divididas se hace extensivo en su uso para 3 o ms factores dependiendo
de las necesidades y condiciones del experimento.
Los diseos presentados en este trabajo, fueron considerados teniendo en cuenta el uso
frecuente de los mismos en investigaciones con forrajes, sin embargo vale la pena aclarar que
en este tipo de investigacin tambin se utilizan otros diseos no considerados en el escrito.

BIBLIOGRAFIA
1.

COCHRAN, W. And COX, G. Diseos Experimentales. Editorial Trillas. Mxico,

1983.
27

2.

FEDERER, W. Experimental design: theory and aplications. The MaCcMillan

Company. New York, 1955.

3.

GOMEZ, K and GOMEZ, A. Statistical procedures for agricultural research. Second

edition. John Wiley & Sons. 1984.

4.

KEMPTHORNE, O. The designs and analysis of experiments. John Wiley & Sons,
Inc. 1973.

5.

LITTLE, THOMAS M. HILLS, F. JACKSON, Mtodos Estadsticos para la

Investigacin en la Agricultura. Editoral Trillas, S.A. de C.V.Mxico 1987

6.

MEAD, R. The design of experiments Statistical research. Basic concepts and

techniques for research workers. Iowa State University. Press/Ames. 1988.

7.

MONTGOMERY, DOUGLAS C. Diseo y Anlisis de Experimentos Grupo Editorial

Iberoamrica, S.A. de C.V. 1991

8.

STEEL/TORRIE. Bioestadstica: Principios y Procedimientos. Mc Graw-Hill

Latinoamericana, S.A. 1985.

28