DISEÑOS EXPERIMENTALES DE CLASIFICACIÓN.

3ra. PRÁCTICA.
Diseño completamente al azar (DCA) simple: 08/05/19

1.- Objetivo:

a.- Explicar qué es y en qué consiste el DCA.

b.- Hacer conocer a los estudiantes, las características y el Modelo Aditivo Lineal en el
desarrollo de ejercicios de un diseño completamente aleatorizado.
2.- Fundamento teórico del DCA.
Un DCA es cuando las unidades experimentales (u. e.: por ejemplo, animales de raza, edad,
sexo, etc.) en un ensayo deben ser totalmente homogéneas. Es el diseño más elemental y
sencillo por su planeamiento y análisis numérico.

Características ventajosas del DCA.

a.- Los tratamientos se distribuyen al azar en las u. e. o viceversa.
b.- Se usa en cualquier área de investigación; así como en laboratorios, invernaderos,
estanques, establos, etc.
c.- No hay limitación en cuanto al número de tratamientos (de 2 hasta n); pero es preferible
conducir un experimento con pocos tratamientos y alto número de repeticiones.
d.- No es necesario que todos los tratamientos tengan igual número de repeticiones.
e.- Genera mayor número posible de grados de libertad (g.l.) para el error experimental.

Desventajas:
a.- Si las u. e. son heterogéneas entre sí, mayor será el error experimental, y la precisión del
experimento disminuirá.
b.- Si el desarrollo es por cálculo numérico manual, las pruebas estadísticas son más
trabajosos cuando el número de repeticiones no es igual para todos los tratamientos.
Modelo Aditivo Lineal:
Para la comprensión y el buen desarrollo de un diseño experimental, se debe conocer bien el
modelo aditivo lineal. Para el DCA existen 2 modelos:
a) Sin muestreo: Yij= μ + Ʈi + εij; una observación por cada unidad experimental.
b) Con muestreo: Yijk= μ + Ʈi + εij + εijk; con más de una observación por cada unidad
experimental.
1
Donde se lee:
a.- μ, es la media de las observaciones. Es un valor constante.
b.- Ʈi, es el efecto del tratamiento i.
c.- εij, es el efecto del error experimental que se produce en el tratamiento i, y en la
jotaésima repetición. Hay un solo error.
d.- εijk, es el efecto del error experimental que se da en el tratamiento i, en la jotaésima
repetición y en la k-ésima unidad de muestreo. Se observan dos errores: el experimental y el
de muestreo.

3.- Procedimiento.
Primer ejercicio.
Se está probando 4 tipos de raciones alimenticias (pellets) para conejos raza california, a los
cuales se les ha alimentado a 20 de los conejos destetados durante 30 días. El aumento de
peso en g se muestra a continuación:
1. Rac 2. 43. 24. 45. 2 6. 3
ión 0 4 6 0 5
1
7. Rac 8. 29. 210. 211. 3 12. 4
ión 9 7 0 9 5
2
13. Rac 14. 115. 316. 117. 3 18. 3
ión 1 1 7 7 9
3
19. Rac 20. 121. 222. 223. 3 24. 2
ión 7 1 8 3 1
4
¿Diga si existen diferencias estadísticas entre las cuatro raciones para los conejos?

Desarrollo:
A.- Para desarrollar el presente ejercicio se tiene que realizar el ANVA (análisis de
variancia/varianza); para ello, se tiene que entender lo siguiente:

2
1.- Se establecen las hipótesis suponiendo que las medias (µ) de las observaciones de la
hipótesis planteada (Ho) deben ser iguales o semejantes, y la alterna (Ha) lo contrario:
Ho: µ1 = µ2 = µ3 = µ4
Ha: µ1 ≠ µ2 ≠ µ3 ≠ µ4
2.- Nivel de significancia: α (alpha)= 0.05;
3.- Muestra o Nº observaciones de la población (n= 20 animales).
4.- Prueba estadística: Prueba de F, cuyo Fc (F calculado) se compara con Fα (F de la tabla),
que en SAS, nos indica el valor de probabilidad mayor que F (Pr > F), el cual se compara
contra el valor 0,05.
5. En este ejercicio, el modelo aditivo lineal es:
Yij= µ + Ʈi + εij (i-ésimo tratamiento y j-ésima repetición)
6. Para los cálculos del ANVA se debe saber los grados de libertad, que también SAS lo
proporciona directamente: a. del total, 20-1=19
b. del tratamiento, 4-1= 3
c. del error, es la diferencia 19-3= 16
B.- Continuando con el desarrollo, se abre la ventana Editor, y en el se colocan todos los
datos, instrucciones y el Proc (procedimiento) a trabajar, de la forma siguiente:
data dca;
input trat aument;
cards;
1 40
1 24
1 46
1 20
1 35
2 29
2 27
2 20
2 39
2 45
3 11
3 31
3 17
3 37
3 39
4 17
4 21
4 28
4 33
4 21
;
proc anova;
3
class trat;
model aument=trat;
run;

Significado de los “comandos”:

a.- data dca, nos indica que se trata de los datos del diseño completamente aleatorizado.
b.- input trat aument; es decir, ingresa información de los tratamientos (1, 2, 3 y 4) en la
primera columna; aument, es el aumento de peso de las carpas, que a su vez es el valor de
la variable respuesta Y, en la segunda columna.
c.- cards, es la tarjeta que registra y almacena los datos.

d.- proc anova, es el procedimiento del análisis de varianza.

e.- class trat, indica que clasifica los datos en base a los tratamientos.
f.- model aument=trat, se refiere al modelo aditivo lineal, en la que considera los efectos del
aumento de peso (o variable respuesta Y) es en función de los tratamientos.
g.- run, comando indicando que se puede “correr” el programa para ver el resultado.

Salida de SAS.
Para obtener los resultados se digita en F8 o en Submit (acepta la corrida de SAS),
apareciendo lo siguiente:
4
The SAS System 12:17 Wednesday, December 22, 2009 1

The ANOVA Procedure

Class Level Information
Class Levels Values
trat 4 1234
Number of observations 20

The SAS System 12:17 Wednesday, December 22, 2009 2

The ANOVA Procedure

Dependent Variable: aument
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 3 270.000000 90.000000 0.87 0.4752
Error 16 1648.000000 103.000000
Corrected Total 19 1918.000000

Cuadro de ANVA
25. Fuen 26. 27.
G 28. 29. 30. P 31. Conclusión
tes L S.C. C. r
M. F >
c F
32. Trat 33. 34. 35. 36. 0
37. 0. 38. n.s. (0.05 <
amie 270. 90. . 4 0.4752)
n 3 000 00 8 7
0 7 5
2
39. Erro 40. 41.
1 1648 42. 10 43. 44. 45.
r 6 .000 3.0
00
46. Total 47. 48.
1 1918 49. 50. 51. 52.
9 .000
En consecuencia: No existe suficiente evidencia estadística para rechazar la Ho
(Ho: µ1 = µ2 = µ3 = µ4). Por lo tanto, no existen diferencias estadísticas entre las cuatro
raciones.
R-Square Coeff Var Root MSE aument Mean
0.140772 34.99618 10.14889 29.00000

5
Source DF Anova SS Mean Square F Value Pr > F
trat 3 270.0000000 90.0000000 0.87 0.4752
(NOTA: Mayor explicación de los resultados se hará en clase).

Segundo ejercicio.
Los datos del cuadro representan unas pruebas llevadas a cabo para probar la eficacia del
medicamento Gentamicina en 14 truchas arco iris, que es un antibacteriano que combate al
Flavobacterium psychrophilum, cuya patología es la “enfermedad bacteriana del agua fría”. La
dosis utilizada es: baja (1, 0.2 mg), media (2, 0.4 mg) y alta (3, 0.6 mg). La variable respuesta
(Y) es la presencia de cepas en porcentaje (%), un mes después de la aplicación del
antibiótico. Se desea saber si hay diferencias entre las dosis aplicadas y mostrar esa
diferencia mediante un diagrama.
53. 54. % 56. % 58. % 60. % 62. %
ce ce ce ce ce
pa pa pa pa pa
s s s s s
55. 57. 59. 61. 63.
P Pe Pe Pe Pe
ez z2 z3 z4 z5
1
64. Dosis 1: baja 65. 7. 66. 8.3 67. 6.9 68. 5.0 69. 10.
7 2
70. Dosis 2: 71. 5. 72. 2.4 73. 2.7 74. 4.3 75.
media 9
76. Dosis 3: alta 77. 78. 79. 80. 81.
1. 0.2 3.4 3.6 1.1
9
Desarrollo: Para el desarrollo de este y los siguientes ejercicios se tendrá en cuenta lo
explicado en el item (a) del ejercicio anterior (estadística teórica e inferencial). Seguidamente,
se abre la ventana Editor de SAS y se colocan los datos del cuadro en forma de columnas
con sus correspondientes comandos, de la siguiente manera:
data gentamicina;
input pez dosis cepas;
cards;
6
 1 1 7.7
2 1 8.3
3 1 6.9
4 1 5.0
5 1 10.2
1 2 5.9
2 2 2.4
3 2 2.7
4 2 4.3
1 3 1.9
2 3 0.2
3 3 3.4
4 3 3.6
5 3 1.1
;
proc anova;
class dosis;
model cepas=dosis;
proc plot data=gentamicina;
plot cepas*pez='o';
run;
Lectura de los comandos:
a.- data gentamicina, son datos obtenidos del estudio con el antibiótico; también podría ser:
data dca, data ejemplo, etc. Siempre debe iniciar con data, seguido de cualquier frase.
b.- input pez dosis cepas, hacemos de conocimiento del programa SAS que ingresa tres
columnas: una de los peces, la que sigue es de las dosis y la última es de las cepas.
c.- cards, tarjeta de datos, concepto similar al anterior ejercicio; en todo ejercicio se debe de
colocar.
d.- proc anova, es el procedimiento de análisis de varianza. También se puede emplear proc
glm (Modelo Lineal General), que desarrolla el ANVA con observaciones perdidas y otros.
e.- class dosis, después de proc anova o proc glm, debe ir la variable clasificatoria como
dosis o trat.
f.- model cepas=dosis, con esta inscripción se le está indicando al programa que en el
modelo aditivo lineal, los efectos de las cepas es debido a la dosis proporcionada al pez
g.- proc plot data gentamicina, con este comando le estamos ordenando a SAS para que
grafique los datos de la gentamicina.

7
h.- plot cepas*pez='o', aquí se le hace saber deseamos que grafique como un diagrama de
dispersión: cepas en el eje (Y) de las ordenadas, y pez en el eje (X) de las abscisas; así
mismo, el símbolo usado para graficar es ´o´.
i.- run, indica que está listo para “correr” el programa SAS.

Salida de SAS.
Para obtener el resultado se digita F8 o Submit, observándose en la ventana Output de SAS
lo siguiente:
The SAS System 06:49 Thursday, December 23, 2009 1
The ANOVA Procedure
Class Level Information
Class Levels Values
dosis 3 123
Number of observations: 14

The SAS System 06:49 Thursday, December 23, 2009 2

The ANOVA Procedure
Dependent Variable: cepas
Sum of
Source DF Squares Mean Square F Value Pr > F
Model 2 80.7267857 40.3633929 14.37 0.0009
Error 11 30.9075000 2.8097727
Corrected Total 13 111.6342857

8
 Cuadro de ANVA
82. Fuen 83. 84.
G 85. 86. 87. 88.
tes L S.C. C. F Pr Conclusión
M. c >F
89. Trat 90. 91. 92. 40. 93. 1 94. 95. ** (0.05 >
amie 80.7 36 4 0.0 0.0009)
n 2 2678 33 . 00
3 9
7
96. Erro 97. 98.
1 99. 100. 101. 102.
r 1 30.9 2.8
0750 09
7
103. Total 104. 105.
1 111. 106. 107. 108. 109.
3 6342
8

Altamente significativo (**): Por lo tanto, existe suficiente evidencia estadística al 5 % de

significación, para rechazar la Ho: µ1=µ2=µ3. Luego, hay diferencia en las tres dosis usadas.
R-Square Coeff Var Root MSE cepas Mean
0.723136 36.89831 1.676238 4.542857

Source DF Anova SS Mean Square F Value Pr > F

dosis 2 80.72678571 40.36339286 14.37 0.0009

The SAS System 06:49 Thursday, December 23, 2009 3

Plot of cepas*pez. Symbol used is 'o'.

cepas
‚
7ˆ o
‚
‚
‚
6ˆ o
‚
‚
‚
5ˆ o
‚
‚
‚ o
4ˆ
‚
‚ o o
9
 ‚
3ˆ
‚ o
‚ o
‚
2ˆ o
‚
‚
‚
1ˆ
‚
‚
‚ o
0ˆ
‚
Šƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ
1 2 3 4 pez
Ejercicios para el estudiante.
1. Los datos que se muestran son los rendimientos en Tn/ha de pulgas de agua con 3 niveles
de fertilización. Se usó el diseño DCA con 5 repeticiones por tratamiento.
Desarrollar el ANVA y cuáles serían las conclusiones.
110. 111. 112. 113. 114. 115.
N 14.823 14.676 14.720 14.514 15.06
1 5
116. 117. 118. 119. 120. 121.
N 25.151 25.401 25.131 25.031 25.26
2 7
122. 123. 124. 125. 126. 127.
N 32.605 32.460 32.256 32.669 32.11
3 1
Respuesta: Es **. F value: 2562.85; Pr > F: <.0001

2. Un fabricante de detergente líquido está experimentando el rendimiento de seis (06) tipos

diferentes de este producto (detergente) para mascotas (canes). Las siguientes lecturas de
“limpieza”, mostrados en el cuadro siguiente, se obtuvieron con un equipo especialmente
diseñado para los 6 tipos de detergentes y con 4 repeticiones para cada producto. Se pide
desarrollar el ANVA y cuáles serían las conclusiones.
128. 129. 130. 131. 132.
Detergente 1 1
A 1 1 0 0
0 0 1 4
0 2

10
133. 134. 135. 136. 137.
Detergente 5 5
B 5 4 2 5
6
138. 139. 140. 141. 142.
Detergente 6 6
C 4 5 2 6
5 8
143. 144. 145. 146. 147.
Detergente 6 6
D 4 5 3 6
7 0
148. 149. 150. 151. 152.
Detergente 6 6
E 4 5 8 7
9 4
153. 154. 155. 156. 157.
Detergente 9 9
F 9 9 8 9
9 5

Respuesta: Es **. F value: 71.40; Pr > F: <.0001

3. Los niveles de estrógenos (E4) en mujeres durante la ovulación es de 280 picogramos por
ml (pg/ml) en promedio. En un experimento se les determinó los niveles de E 4 a mujeres de
diferentes edades (20, 30 y 40 años), dando como resultado los valores de la siguiente tabla:
158. 20 159. 160. 161. 162. 163. 164. 165.
año 43 3 40 4 35 37 40
s 7 8 0 2 0 0 0
0 0

166. 30 167. 168. 169. 170. 171. 172. 173.

11
 año 25 3 32 3 29 27
s 0 0 0 2 0 0
0 5
174. 40 175. 176. 177. 178. 179. 180. 181.
año 12 1 20 1 19
s 2 8 0 5 0
0 0
Elabore su cuadro de ANVA y a su vez, diga usted si es que influye de alguna forma la edad
en la producción de E4.
Respuesta: Es **. F value: 81.98; Pr > F: <.0001

4. En un fundo ganadero, se dispone de una extensión de 20 Ha de terreno para sembrar

pasto estrella (Cynodon plactostachyus) para alimentación de ganado vacuno. El terreno se
divide en 4 parcelas (A, B, C y D), de 5 Ha c/u. En cada parcela se tiene 5 tratamientos que
son las combinaciones de N, P y, K como fertilizante, cuyo resultado en Kg de materia seca,
después de 90 días de haber cultivado se muestran en el siguiente cuadro:
182. Pa 183. Tratami 184. Tratami 185. Tratami 186. Tratami 187. Tratami
rc ento 1 ento 2 ento 3 ento 4 ento 5
el
as
188. A 189. 101 190. 51 191. 83 192. 67 193. 29
194. B 195. 93 196. 61 197. 68 198. 40 199. 45
200. C 201. 93 202. 59 203. 72 204. 46 205. 51
206. D 207. 96 208. 58 209. 75 210. 52 211. 42

Se desea saber si: ¿hay diferencia significativa entre los tratamientos aplicados en el cultivo
de pasto estrella?

Respuesta:

12
13