ANÁLISIS E INTERPRETACIÓN

DE DATOS EXPERIMENTALES
EN EL MEJORAMIENTO
GENÉTICO VEGETAL.
Ing. Agr. Pablo Mansilla
MGV-FCA, UNC.
ALGUNAS DEFINICIONES
NECESARIAS..
UNIDAD EXPERIMENTAL (UE)
Porción de material o terreno, un individuo o
grupo de individuos, susceptible de tratamiento
experimental y sobre la que se observa una
respuesta. Generalmente coincide con la Unidad
de Observación (UO).
Ejemplos: planta, parcela de terreno, alícuota de
materia prima (muestra de harina), grupo de insectos,
etc.
El tamaño de la unidad experimental es usualmente una
decisión arbitraria, pero afecta la calidad de la
observación de la variable respuesta.
RESPUESTA
Cuando se planifica un experimento, se
debe identificar la respuesta del sistema
que se va a evaluar

variables respuesta
(variables dependientes)

Univariadas (una sola

Cualitativas variable)

Cuantitativas Multivariadas (varias

variables)
 FACTORES
Las potenciales fuentes de variación de la/s
variable/s respuesta en un sistema experimental
identificadas a priori son llamadas factores
Los distintos estados o valores de los
factores se designan niveles
La combinación de niveles evaluados para un
conjunto de factores recibe el nombre de
tratamiento

TRATAMIENTO: conjunto de acciones que se

aplican sobre las unidades experimentales y que
son objeto de comparación.
EJEMPLOS…
“Se desea medir contenido de gluten
en 15 cultivares de trigo”
“Se desea comparar los rendimientos de 13
híbridos experimentales de maíz bajo
diferentes dosis de nitrógeno (50, 90 y 120
kg/ha)”

“Se desea comparar la efectividad de 3 fungicidas

(Benomyl, Captane e Iprodione) en diferentes
concentraciones ( 0.3, 3.0 y 30 mM) sobre cuatros
hongos fitopatógenos (Colletrotrichum acutatum,
Colletrotrichum fragariae, Colletrotrichum
gloesporioides y Fusarium oxysporum)”
 ERROR EXPERIMENTAL
El término error experimental se refiere a la
diferencia entre el valor observado de la
variable respuesta sobre una unidad
experimental y su valor esperado (de
acuerdo a un modelo).

El error experimental es el
responsable de la variación
observada entre unidades
experimentales tratadas de la
misma forma.
 COMPONENTES DEL ERROR
EXPERIMENTAL
Error de medición: Variación que introduce el
instrumento o procedimiento de medición.
Error de muestreo: Variación en la respuesta diferencial
de cada UE al tratamiento que recibe y depende de
propiedades inherentes a la UE.
Error de observación: Variación debida al submuestreo
de la unidad experimental.
Error de tratamiento: Variación en la respuesta debida
a los errores en la reproducción del tratamiento.
Usualmente, una vez obtenido un dato experimental,
no es posible identificar la magnitud de las distintas
componentes que, sumadas, conforman el error
experimental.
ALGUNOS RECURSOS DEL
DISEÑO DE EXPERIMENTOS

Aleatorización

Repetición

Bloqueo
 ALEATORIZACIÓN
Procedimiento de asignación aleatoria...
 de los tratamientos a las unidades
experimentales (distribución del error de
muestreo)
 del orden en que los tratamientos son
aplicados (control sobre posibles
variaciones en la aplicación de
tratamientos)
 del orden en que se miden las respuestas
(control de variaciones sistemáticas del
error de medición)
Permite distribuir aleatoriamente las
fuentes de error
 REPETICIÓN

Se considera repetición a la
aplicación de ese tratamiento a una
nueva unidad experimental.

Dado que toda observación tiene error,

para estimar insesgadamente el efecto
de un tratamiento, se debe promediar
sobre un conjunto de repeticiones.
 BLOQUEO
Aunque la aleatorización “distribuye los errores”
y controla el sesgo, no elimina ni minimiza el
error experimental.
El bloqueo es el resultado de un reconocimiento
a priori de fuentes sistemáticas de error y
permite obtener experimento más eficientes

DISEÑOS EN BLOQUES
El bloque señala que:
Las unidades experimentales dentro de un bloque
deben ser tan homogéneas como sea posible.

Las diferencia entre UE deben ser explicadas por las

diferencias entre bloques (heterogeneidad entre
bloques).
 EXPERIMENTO: 3 tratamientos en un Diseño
en Bloques Completos al Azar (DBCA), con 4
repeticiones

“en bloques completos” porque en cada bloque aparecen

todos los tratamientos, y “al azar” porque los
tratamientos son asignados en forma aleatoria dentro de
cada bloque.
Todas las UE de un mismo bloque tienen la misma
probabilidad de recibir cualquiera de los tratamientos.
Generalmente, el N° de R coincide con el N °de bloques.
 MODELO Y ANÁLISIS
Experimento bien planificado :
Análisis simple
Interpretación directa
• En estudios observacionales, el análisis se
transforma en una herramienta de exploración
de datos

• El objetivo es “encontrar el modelo apropiado”

• Se entra en un territorio donde la

interpretación de los resultados puede ser poco
confiable
ANÁLISIS DE LA VARIANZA
 ANÁLISIS DE LA VARIANZA

Descompone la variabilidad total en

la muestra (suma de cuadrados total
de las observaciones) en componentes
(CUADRADOS MEDIOS) asociados
cada uno a una fuente de variación
reconocida .
 ANÁLISIS DE LA VARIANZA
En experimentos con fines comparativos, usualmente se
realiza la aplicación de varios tratamientos a un conjunto
de unidades experimentales (parcelas, individuos,
macetas, etc.)

De esta manera, se logra que las alteraciones en las

respuestas (variables) puedan ser atribuidas a la acción de
los tratamientos, excepto por variaciones aleatorias.

El propósito es comparar medias de tratamientos con el

menor “ruido” posible.
OBJETIVO...

Establecer si las diferencias obtenidas entre las

medias estimadas reflejan las diferencias entre
las verdaderas medias (parámetros)
 El modelo lineal

Yij     i   ij
DISEÑO EN BOQUES
Efecto de Efecto de
tratamiento bloque

Yij=  + i + bj + ij
las variaciones debidas a la estructura presente entre
bloques, es eliminada de las comparaciones entre
unidades que reciben el mismo tratamiento.
El bloqueo permite disminuir el error
 CONTRASTE DE HIPÓTESIS
Hipótesis Nula:

El modelo más simple es adecuado para

explicar la variación observada en los datos

La hipótesis nula en un análisis de la

varianza es:
• Las medias de tratamientos son iguales

1   2  ...   a
La hipótesis alternativa es:
• Existe al menos una media que se
diferencia de las otras
 ¿Cómo se establece si el modelo más
simple es adecuado para los datos
observados?

Dicho de otra manera…

¿Cómo se decide si la hipótesis nula es

soportada por los datos
experimentales?
Se asume que la hipótesis nula es cierta

Se calcula una medida de credibilidad

de la hipótesis nula, conocida como p-
valor

Cuanto menor es el p-valor, menos

verosímil es la hipótesis nula

Se fija un umbral por debajo del cual la

hipótesis nula se rechaza, conocido como
nivel de significancia (α)
 Si se
rechaza
Ho
¿Cuál o cuáles
de las medias
poblacionales
son las
diferentes?
 PROCEDIMIENTOS DE
COMPARACIONES MÚLTIPLES
 Uno de los principales usos del ANOVA
en MGV es para ESTIMAR VARIANZAS…
FV SC GL CM є (CM)

ENTRE PROGENIES CME VE + R VG

DENTRO PROGENIES CMD VE

CUADRADO MEDIO DENTRO (CMD) = VARIANZA

AMBIENTAL (VE)

CUADRADO MEDIO ENTRE (CME) = VARIANZA

FENOTÍPICA (VE + VG * R), donde R es el N° de
Repeticiones.

VG = (CME – CMD)/R
%VG ó H2 (amplio) = (VG) / (VG + VE)
ACTIVIDAD PRÁCTICA

Documento Excel: “base

de datos para curso”
 TESIS…
EVALUACIÓN DEL VALOR NUTRICIONAL
DE MAÍCES ESPECIALES (Zea mays L.):
SELECCIÓN PARA CALIDAD
AGROALIMENTARIA

OBJETIVO GENERAL

Evaluar el valor nutritivo de maíces

especiales a partir de su composición
química, a fin de seleccionarlos para
calidad agroalimentaria.
PROTEÍNAS
Varían entre el 8 y
11% del peso del
grano
Posee una mutación natural en el gen recesivo
o2, que codifica para la síntesis de zeínas.

Limita la síntesis de
zeína, y se traduce en
la duplicación del
contenido de lisina y
triptófano

La expresión de este gen (doble recesivo) lo

convierte en maíz con valor nutritivo superior
al maíz normal (QPM) .
MATERIAL GENÉTICO: Prueba de progenies
 ANÁLISIS DE CORRELACIÓN
Se deben tener dos o más variables aleatorias
relevadas sobre cada UE.

El Coeficiente de correlación de Pearson (r) es una

medida de la magnitud de la asociación lineal entre
dos variables cuantitativas que no depende de las
unidades de medida de las variables originales.

Asume valores entre -1;1 y el signo indica la

dirección de la asociación.
LAS CORRELACIONES OBSERVADAS
ENTRE DOS VARIABLES NO PUEDEN SER
USADAS PARA ESTABLECER RELACIONES
CAUSALES.
 Valores p asociada a la prueba de hipotésis de correlación nula

Oleico Linoleico Linolénico Proteína

Oleico 1 0,000001 0,000002 0,004365
Linoleico -0,934921 1 0,017301 0,006484
Linolénico -0,467880 0,245027 1 0,119157
Proteína 0,291491 -0,278916 0,161833 1

Coeficientes de correlación (r)

p-valores ≤ a 0.05, estadísticamente significativos.

Los p-valores significativos se corresponden a un
coeficiente de correlación “r”.
Se analiza el valor “r” considerando su valor absoluto
y signo. Un signo positivo indica que ambas variables
se incrementan o disminuyen en el mismo sentido; un
signo negativo indica que mientras una variable se
incrementa, la otra disminuye.
 En MGV, el coeficiente de correlación de
Pearson permite determinar las correlaciones
fenotípicas entre caracteres, por ser la
resultante de efectos genéticos y ambientales.
UTILIDAD

Caracteres asociados al
rendimiento.

ESTABLECER CRITERIOS DE
SELECCIÓN
 ANÁLISIS DE SENDERO (PATH
ANALYSIS)
En el análisis de sendero se pretende construir
modelos de causa-efecto entre las variables a través
de la partición de la correlación.

Estos son efectos directos de una variable sobre otra

(senderos simples) y efectos indirectos de una
variable sobre otra, vía una o más variables
exógenas (senderos compuestos).

UTILIDAD

SELECCIÓN INDIRECTA
 INTERRELACIONES

CARÁCTER 1
Se calculan los coeficientes
de correlación fenotípica
entre los caracteres, y
rcp-1

CP r1-2

los efectos directos e

indirectos de los caracteres
rcp-2 analizados sobre el carácter
sobre el principal (CP).

CARÁCTER 2
EJEMPLO…

La correlación entre biomasa y área foliar es

significativa (r=-0.49, p=0.0272), y está casi
completamente determinada (-0.52) por la
correlación entre biomasa y semillas germinadas.
Las semillas germinadas, posee una fuerte correlación
con biomasa y un fuerte efecto indirecto sobre la
relación encontrada entre área foliar y biomasa.
MUCHAS
GRACIAS…