Académique Documents
Professionnel Documents
Culture Documents
PRESENTADO POR:
DOCENTE:
HUARAZ- PERU
2018
CONTENIDO
I. INTORODUCCIÓN ........................................................................................................... 1
II. MARCO CONSEPTUAL ................................................................................................... 2
Importancia del diseño experimental .................................................................................. 2
Planificación del diseño experimental ................................................................................ 3
Algunas definiciones básicas .............................................................................................. 4
Principios básicos del diseño experimental ........................................................................ 6
Análisis de varianza (ANVA) ............................................................................................. 8
Modelo matemático ............................................................................................................ 9
Tipos de modelos estadísticos ........................................................................................... 10
Diseños básicos ................................................................................................................. 11
Diseño completamente aleatorio o al azar (DCA) ............................................................ 11
III. EJEMPLOS DESARROLLADO...................................................................................... 16
IV. CONCLUCIONES ............................................................................................................ 21
V. BIBLIOGRAFIA .............................................................................................................. 22
CONTENIDO DE FIGURA
CONTENIDO DE TABLAS
para que un experimento tenga validez, tiene que ser realizado mediante un método objetivo,
y hasta ahora, la estadística es la única herramienta que cumple esa característica para la
En el presente documento se hace un breve reseña y ejemplo de lo que son de uso más
cultivo de tomate.
1
II. MARCO CONSEPTUAL
Bono Cabré (2011) señala que el diseño experimental es una estructura de investigación
donde al menos se manipula una variable y las unidades son asignadas aleatoriamente a los
así como la definición del análisis estadístico para evaluar los resultados, con el objetivo de
Es una estructura de investigación donde al menos se manipula una variable y las unidades
manipuladas. (p,35)
Ríos (2012) indica que el propósito del diseño experimental es proporcionar una cantidad
que el diseño o plan, sea tan simple como sea posible, es decir debe ser eficiente tanto en lo
una estimación del error que puede servir como norma por la que pueden ser medidos los
ambos de estos factores en sus diseños, esforzarse para lograr eficiencia estadística (buena
2
- Mejora en el rendimiento del proceso
4. Examen de los sucesos posibles y referencias en que se basan las razones que asegure
estadísticos que se les aplicará, para asegurar que se satisfagan las condiciones
3
Esta lista es una guía referencial para cualquier investigador, ya que puede asegurar
a). Variables
Arquero, Berzosa, García y Monje (2009) define que las variables se pueden
clasificar en:
Tanto la variable dependiente como la independiente están muy ligadas a la hipótesis del
dependiente en otro.
Variables extrañas: son las que no son ni la variable dependiente ni la independiente. (p,7)
4
b). Tratamiento
Ríos (2012) indica que se usa el término tratamiento, para denominar los diferentes
experimental. Un diseño de experimentos tendrá dos o más tratamientos, tal que una
comparación entre ellos permitirá resolver los problemas planteados al inicio del
de ellos y entender el papel que jugará para alcanzar los objetivos del experimento.
condiciones bajo las cuales van a ser comparados los tratamientos. Los tratamientos son
investigación. Si no se logra delinear con claridad esta hipótesis y el objetivo del estudio,
puede haber dificultades en la selección de los tratamientos y experimentos sin éxito. Por
eso es muy importante que el investigador se asegure de que los tratamientos elegidos
Ríos (2012) indica que se usará el término de unidad experimental para representar el
La unidad puede ser una parcela, un alumno en el laboratorio, un lote de semillas, una
5
experimental es el material experimental unitario que recibe la aplicación de un
unidades, que produzcan diversos resultados aun cuando se sujeten al mismo tratamiento:
estas diferencias, bien sean grandes o pequeñas, contribuyen a formar los errores
experimentales.
d). Factor
Ríos (2012) indica que es un factor es un grupo específico de tratamientos, como, por
químico, etc., se consideran un factor cada uno Las diversas categorías de un factor se
Al primero de ellos se le conoce como factor cuantitativo, tiene niveles asociado con
reproducción ya que:
6
- Proporciona una estimación del error experimental que actúa como una unidad
por el hecho de que es una precaución contra interferencias que pueden o no ocurrir, y ser
o no importantes si ocurren.
propósito del control local es hacer al diseño experimental más eficiente. Esta eficiencia
significa la reducción del error experimental mediante el control de todos los factores.
(p,198)
7
Análisis de varianza (ANVA)
El Análisis de Varianza, es una las técnicas más utilizadas en los análisis de los datos
significativas entre los promedios de los tratamientos (2 ó más), por lo que puede verse
estudia) en dos o más componentes, cada uno de los cuales puede ser atribuido a una
de experimentos, y puede ser usado para dos tipos de análisis: para contrastar hipótesis
acerca de varianzas y para contrastar hipótesis acerca de medias; aunque las conclusiones
evidente que cuantos más factores introduzcamos menos cantidad de variación residual
(error) quedará por explicar. Pero siempre quedará alguna variación residual (o error).
8
En algunos casos los datos o mediciones que se realizan no satisfacen las suposiciones,
sobre todo cuando las varianzas de las respuestas para diferentes tratamientos no son
iguales, entonces en estos casos interviene el criterio del investigador, ya que no se puede
las mediciones; es decir, usando las mediciones originales, se podrían usar sus raíces
Cuando es imposible lograr que se satisfagan estos supuestos del ANVA, se debe
Modelo matemático
El modelo matemático especificado debe indicar la relación que se supone que existe
fundamental que el modelo elegido se ajuste a la realidad con la mayor precisión posible.
𝑌 = ∑ 𝛼𝑖 + 𝑒 (1)
𝑖=1
En este modelo la respuesta viene dada por una combinación lineal de término que
representan las principales fuentes de variación planificada más un términ residual (error)
debido a las fuentes de variación no planificada. Los modelos que más se estudian y
9
Tipos de modelos estadísticos
Es un modelo en el que los niveles del factor han sido seleccionados por el
Es un modelo en el que todos los factores son factores de efectos aleatorios; es decir,
que sólo se incluyen en el experimento una muestra aleatoria simple de todos los posibles
niveles del mismo. Evidentemente se utilizan estos factores cuando tienen un número
muy grande de niveles y no es razonable o posible trabajar con todos ellos. En este caso
10
c). Modelo mixto
Diseños básicos
Los diseños básicos y de uso común en trabajos de investigación son los siguientes:
1. Diseño Completamente Aleatorio
2. Diseño de Bloques Aleatorios
3. Diseño Cuadrado Latino
Diseño completamente aleatorio o al azar (DCA)
niveles, por eso al diseño completamente aleatorio también se le llama diseño un factorial
experimentales.
11
b). Modelo aditivo lineal en el diseño completamente aleatorio
i = 1, 2,..., t (tratamientos)
Donde:
tratamiento.
12
Figura 2: Agrupación de resultados del experimento en el diseño completamente aleatorio
Donde:
13
1. Formulación de las hipótesis
Hipótesis Nula (HO ): Todos los efectos de los bloques son iguales
𝐻𝑂 : 𝑅1 = 𝑅2 = 𝑅3 =𝑅4
Hipótesis alterna (Ha ): Por lo menos uno de los efectos de los bloques es
diferente a las demás.
𝐻𝑎 : 𝑅1 ≠ 𝑅2 ≠ 𝑅3 ≠ 𝑅4
Tratamiento t-1
Bloque r-1
Error (t-1)(r-1)
Total tr-1
Donde:
𝑋2
𝑇𝑐 = ∶ 𝑡𝑒𝑟𝑚𝑖𝑛𝑜 𝑑𝑒 𝑐𝑜𝑟𝑟𝑒𝑐𝑐𝑐𝑖ó𝑛 (3)
𝑡𝑟
Coeficiente de variabilidad
14
𝑆
𝐶𝑉 = ∗ 100 (4)
𝑋̅
Donde:
S: Desviación estándar
𝑆 = √𝐶𝑀𝐸𝑟𝑟𝑜𝑟 (5)
distribución de F.
𝐶𝑀𝑇𝑟
𝐹𝑐 = ∶ 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 (6)
𝐶𝑀𝐸
15
III. EJEMPLOS DESARROLLADO
se desea evaluar el efecto de lámina de riego sobre el rendimiento, los tratamientos están
Kg
TRATAMIENTOS T1 T2 T3 T4
BLOQUES 150mm 155 mm 160mm 165mm
1 40 43.4 79.7 58.5
2 39.5 42.6 80 77.3
3 36.7 40.7 75.5 58.8
4 35.2 56.5 81.3 62.6
Elaboración propia
Realice el análisis de varianza (ANVA) y dé sus conclusiones α=0.05
SOLUCIÓN
planteamiento de la hipótesis
BLOQUES
Hipótesis Nula (𝐻𝑂 ): Todos los efectos de los bloques son iguales
𝐻𝑂 : 𝑅1 = 𝑅2 = 𝑅3 =𝑅4
16
Hipótesis alterna (𝐻𝑎 ): Por lo menos uno de los efectos de los bloques es
𝐻𝑎 : 𝑅1 ≠ 𝑅2 ≠ 𝑅3 ≠ 𝑅4
TRATAMIENTOS
Hipótesis Nula (𝐻𝑂 ): Todos los efectos de los tratamientos son iguales
𝐻𝑂 : 𝑅1 = 𝑅2 = 𝑅3 =𝑅4
Hipótesis alterna (𝐻𝑎 ): Por lo menos uno de los efectos de los tratamientos es
𝐻𝑎 : 𝑅1 ≠ 𝑅2 ≠ 𝑅3 ≠ 𝑅4
análisis de la varianza
Tabla 3: Representación simbólica del análisis de la variación del Bloque y tratamientos.
Entonces: después de la obtención del cuadro N1trabajamos con las ecuaciones 2,3,4,5y6
17
𝑡𝑟 =⋕ 𝑏𝑙𝑜𝑞𝑢𝑒𝑠 𝑥 ⋕ 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 =16
𝑋2
𝑇𝑐 = : termino de corrección
𝑡𝑟
9082
𝑇𝑐 = = 51563.06
16
𝑆𝐶 𝑇𝑜𝑡𝑎𝑙 = ∑𝑖𝑗 𝑋 2 𝑖𝑗 − 𝑇𝑐
∑𝑗 𝑋 2 𝑗
𝑆𝐶 𝐵𝑙𝑜𝑞𝑢𝑒𝑠 = − 𝑇𝐶
𝑡
(261.62 + 279.22 + ⋯ )
𝑆𝐶 𝐵𝑙𝑜𝑞𝑢𝑒𝑠 = − 69907.36
4
𝑆𝐶 𝐵𝑙𝑜𝑞𝑢𝑒𝑠 =363.1369
∑𝑖 𝑋 2 𝑖
𝑆𝐶 𝑇𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 = − 𝑇𝐶
𝑟
(297.22 + 356.52 + ⋯ )
𝑆𝐶 𝑇𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 = − 69907.36
4
𝑆𝐶 𝑇𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜𝑠 =4139.017
18
Tabla 4: Análisis de la variancia del bloque, cuando se tiene una
observación por unidad experimental (ANVA)
Fuente de Cuadrado F Calculado
GL SC
variabilidad Medio (Fc)
Bloques 3 63.138 21.05 2.969
tratamiento 3 2839.45 946.33 133.495
error 9 63.8 7.089
total 15 4565.654
Elaboración propia
𝛼 = 0.05 (95% de confianza) , donde para 3 y 9 GL los valores son 3.86 y 6.99
PARA BLOQUES
𝐹𝑇 = 3.86
𝐹𝑇 = 6.99
𝐹𝐶 = 2.969
𝑭𝑻 > 𝑭𝑪
El nivel de significancia es de 0.05 (95% de seguridad), cuya área a la derecha sea
PARA TRATAMIENTOS
𝐹𝑇 = 3.86
𝐹𝑇 = 6.99
𝐹𝐶 = 133.495
𝑭𝑪 > 𝑭𝑻
𝐹𝐶 logra ser mayor que 𝐹𝑇 entonces es cuando se rechaza la 𝐻𝑜 y se acepta 𝐻𝑎 , entonces
19
Conclusiones:
Dentro del análisis de la varianza de nuestros datos se observa que, a mayor valor
COEFICIENTE DE VARIABILIDAD
𝑆 = √63.804
𝑆 = 2.663
𝑋̅: Promedio
Entonces:
2.663
𝐶𝑉 = ∗ 100
50.76
𝐶𝑉 = 5.24%
Conclusión:
El coeficiente de variabilidad nos indica la relación entre el tamaño de la media y la
variabilidad de la variable, en nuestro caso el valor obtenido de CV nos indica que hay
mayor homogeneidad entre los valores de la variable (5<CV<10) por lo tanto tiene un
rendimiento excelente.
20
IV. CONCLUCIONES
Se conoció que el diseño experimental es muy importante debido a que experimentalmente
se puede determinar los factores que influen sobre el experimento de acuerdo a los
21
V. BIBLIOGRAFIA
Saltos, H. (1993). Diseño experimental. Ambato, Ecuador, Editorial Pío, 12, 89-92.
Recuperado de https://scholar.google.com.pe/scholar?hl=es&as_sdt=0%2C5&q
dise% B1o+experimental+repeticiones&oq.
folder_id=0&dvs=1529409761890~54
http://www.ub.edu/web/ub/es/universitat/campus_fac_dep/departaments/p/deppsicol
ogiasocialquantitativa.html
Cecilia Ríos Varillas (2012) Estadística y diseño de experimentos editorial Universidad Nacional
de Ingeniería
Corado y Corado, M. (2014). Evaluación de cuatro láminas de riego por goteo sobre el
2014/06/03/ Corado-Maximino.pdf
22
23