Académique Documents
Professionnel Documents
Culture Documents
DISEÑO EXPERIMENTAL
2019
1
CONSIDERACIÓN INICIAL
2
“All procedures were performed according to approved
animal care and use protocols of the institutional ethics
committee and to good veterinary practice for animal welfare
as to European directive 2010/63/UE. Written farmers’
consent was obtained at the beginning of the study.”
3
GENERALIDADES
El diseño experimental tuvo sus inicios teóricos en el año 1935 por Sir
Ronald Fisher (1980-1962), desarrollados en la Estación Agrícola
Experimental de Rothamsted, Reino Unido, donde introdujo los concepto
de aleatorización y análisis de varianza.
4
Una prueba o serie de pruebas en las cuales se introducen cambios
deliberados en las variables de entrada que forman el proceso, de manera
que sea posible observar e identificar las causas de los cambios en la
variable de salida.
5
OBJETIVO
Estudiar el efecto que sobre la Variable Respuesta tiene un conjunto de otras
variables que reciben el nombre de Factores.
• Variables y clasificación
• Factores
• Tratamiento
• Unidad experimental
• Unidad muestral
• Variable de repuesta
• Población
• Muestra
6
7
ETAPAS
1) Diseñar el experimento
Problema, objetivos, factores, variables de respuesta, unidades experimentales
etc.
8
CARACTERISTICAS DE UN EXPERIMENTO
Simplicidad.
9
Un experimento correctamente planteado debe responder a las siguientes
cuestiones:
¿es practicable?
10
ERROR EXPERIMENTAL
11
CONTROL DEL ERROR EXPERIMENTAL
1. El diseño experimental.
12
Control del error experimental mediante bloqueo
13
LAS REPETICIONES Y SUS FUNCIONES
14
En una investigación se determinó la cantidad de forraje presentes en potreros y la
producción de leche en fincas ganaderas de mixtas y doble propósito del Cantón
Machachi, que tiene un total de 1500 hectáreas. Si la unidad experimental es una parcela
de 600 m2 y la intensidad de muestreo fue del 3 %, determinar la población y la muestra.
15
Identifique los conceptos abajo indicados con ‘V’ si corresponde a variable, con
‘D’ si corresponde a dato, con ‘P’ si corresponde a unidad (muestral o
experimental) y con ‘N’, si no aplica:
Pregunta Respuesta
Número de animales con brucelosis ________
El metro ________
Peso de un animal ________
Área de una finca _________
Raza de un cerdo _________
70 Kg de peso promedio _________
El Curso de Diseño es fácil _________
Semana del mes _________
Número de vacas preñadas _________
Un tubo de ensayo con sangre _________
16
RESUMEN DE LA INFORMACIÓN MUESTRAL
18
Los siguientes datos, corresponden a la ganancia de peso de aves de engorde.
b) Interpretar la tabla.
19
MEDIDAS RESUMEN DE LA INFORMACIÓN MUESTRAL
20
Medidas de Media
Tendencia Mediana
Central Moda
Medidas de
Posición Percentiles
Cuartiles
Deciles
Medidas de Rango
Resumen Medidas de Error estandar
Dispersión Varianza, Desviación Estándar
Coeficiente de Variación
Medidas de Asimetría
Forma Apuntamiento (curtosis)
MEDIDAS DE TENDENCIA CENTRAL Y DISTRIBUCIONES
SIMÉTRICAS
Promedio
mediana
MEDIDAS DE TENDENCIA CENTRAL Y DISTRIBUCIONES
ASIMÉTRICAS (+ Y -).
POSITIVA
NEGATIVA
Frecuencia
Frecuencia
27
Los siguientes datos corresponden al numero de vacas
preñadas por hato ganadero
28
Determinar las medidas de posición, variabilidad, y forma e interpretar la
forma de distribución de los datos.
29
30
31
Effect of melatonin on mCa2+ levels in vitrified bovine oocytes. a,b,c,d: Values
with different superscripts differed significantly between groups (P < 0.05).
32
Effect of melatonin on the relative mRNA expression of Bax and Bcl2 l1 in vitrified
bovine oocytes. a,b,c: Values with different superscripts differed significantly between
groups (P < 0.05).
33
ANÁLISIS ESTADÍSTICO EN ESTUDIOS COMPARATIVOS
• Pruebas t
•Análisis de Varianza
• DCA y Técnicas No-paramétricas
•Estructura de Parcelas, Tratamientos y Aleatorización
•DBCA y Estructura Factorial de Tratamientos
• DCL y DPD
34
EXPERIMENTOS COMPARATIVOS
35
PREGUNTAS ASOCIADAS A PROYECTOS DE INVESTIGACIÓN
QUE GENERAN DATOS
¿Cuántos tratamientos se desean estudiar?
¿Cuántas veces necesita observar la respuesta?
¿Es necesario observar la evolución de la respuesta en el tiempo?
¿Cuáles son las unidades experimentales?
¿Cuáles son las unidades de observación?
¿Son las unidades experimentales homogéneas?
¿Son las unidades experimentales suficientes para realizar todos los
tratamientos?
¿Cómo se asignan los tratamientos a las unidades experimentales?
El objetivo del experimento, ¿es la comparación y/o la estimación?
¿Los tratamientos tienen alguna estructura?
¿Puede el diseño resultante ser analizado y/o las comparaciones deseadas
llevadas a cabo?.
36
COMPARACIÓN DE DOS POBLACIONES
Una empresa, por ejemplo, puede querer probar si sus empleadas reciben
un salario menor que sus empleados por realizar el mismo trabajo.
En estos casos se busca, más que el valor real de los parámetros, la relación
entre sus valores, es decir, cuáles son las diferencias.
37
PRUEBAS DE HIPÓTESIS
Procedimiento basado en la información obtenida de la muestra y en la
teoría de la probabilidad para determinar si la hipótesis es una afirmación
razonable.
5. Concluir
H 0: m = 0
H 1: m = 0
Una prueba de
hipótesis tomando los
valores de los datos de
la media de la población
H 0: m < 0 La hipótesis nula siempre
contiene la igualdad.
(μ) debe asumir una de H 1: m > 0
estas tres formas
H0: m > 0
H1: m < 0
SELECCIONAR EL NIVEL DE SIGNIFICANCIA
Es la probabilidad máxima de cometer un error de Tipo I. Los niveles de
significancia que se utilizan con mayor frecuencia son 0.01, 0.05 y 0.10.
Si los datos de la muestra son consistentes con la Hipótesis nula (Ho), se adapta
la práctica de llegar a la conclusión de “no rechazar Ho”. Es preferible esta
conclusión en lugar de “aceptar la Ho”, porque si se acepta Ho, se corre el
riesgo de cometer un error de Tipo II
xm
z N (0,1)
/ n
Distribuido como una Normal de media 0 y desvío estándar 1.
43
La etiqueta de una botella de “Fríe’ ketchup” dice que
el envase contiene 16 onzas de “ketchup”. Suponga que
deseamos comprobar esta aseveración mediante una
prueba de hipótesis. Se tomó una muestra de 36
botellas que reveló un peso promedio de 16.32 onzas
por botella. La desviación típica del proceso es 0.5 onzas
y el nivel de significancia es de .05. ¿podemos concluir
que el promedio por botella es diferente de 16 onzas?.
Compruebe
44
En una muestra aleatoria de 10 sacos de arroz extra envasado, se obtuvo
una media de 9.4 Kg. con una desviación estándar de 1.8 Kg. ¿Contiene
esta muestra suficiente evidencia para indicar que el peso medio es
menor que 10 Kg. de arroz, a un nivel de significación de 0.1?
45
MUESTRAS INDEPENDIENTES Y DEPENDIENTES
Si las muestras están relacionadas, esto es: los resultados del primer grupo no
son independientes de los del segundo, se tendrán lo que se llaman
observaciones apareadas.
46
MUESTRAS INDEPENDIENTES Y VARIANZAS CONOCIDAS
47
EJEMPLO
48
MUESTRAS INDEPENDIENTES Y VARIANZAS POBLACIONALES
DESCONOCIDAS E IGUALES
49
EJEMPLO
50
MUESTRAS INDEPENDIENTES Y VARIANZAS
POBLACIONALES DESCONOCIDAS Y DIFERENTES
51
EJEMPLO
52
MUESTRAS DEPENDIENTES
53
EJEMPLO
54
55
56
57
58
59
EJEMPLO
60
61
Se puede afirmar que el nuevo herbicida incremento la producción, a un
nivel de significancia del 1 %?
PARA MODELAR ES IMPORTANTE IDENTIFICAR DOS TIPOS DE
ESTRUCTURAS
Estructura de parcelas
Aleatorización
Estructura de tratamientos
65
ESTRUCTURA DE PARCELAS
Completamente aleatorizado
Cuadrado latino
66
DISEÑO COMPLETAMENTE AL AZAR
Se utiliza cuando el ambiente experimental y las condiciones de manejo
son homogéneos.
VENTAJAS
67
INCONVENIENTES
ALEATORIZACIÓN
68
ANÁLISIS ESTADÍSTICO
69
MODELO ESTADÍSTICO
70
ANALISIS
71
El esquema del ANAVA y las expresiones necesarias para la aplicación de la
prueba F, se presentan a continuación:
Los grados de libertad son la cantidad de información suministrada por los datos
que se pueden gastar para estimar los valores de parámetros desconocidos y
calcular la variabilidad de esas estimaciones. Este valor se determina según el
número de observaciones de la muestra y el número de parámetros del modelo
gl = n-1.
72
EJEMPLO
73
ANÁLISIS DE VARIANZA
Total 375.73 14
74
INTERPRETACIÓN DE RESULTADOS
Como F= 21.91> Fcrítica se concluye, con un nivel de significación del 5%, que se
rechaza la hipótesis nula de igualdad de medias de número de semillas
atacadas para los 3 porcentajes de HR, por lo tanto al menos una de las HR
produce un grado de ataque de hongos diferente de los restantes.
75
PRUEBAS DE COMPARACIONES MÚLTIPLES
Existe una gama muy amplia de alternativas para llevar adelante este tipo de
pruebas:
DGC (2010)
76
PRUEBA DE TUKEY PARA EL EJEMPLO
𝐶𝑀𝐸
Sx= = 6,73/5= 1,16
# 𝑅𝐸𝑃𝐸𝑇𝐼𝐶𝐼𝑂𝑁𝐸𝑆
D= 4,37
77
VERIFICACIÓN DE SUPUESTOS DEL ANÁLISIS
78
NORMALIDAD
3.60
3.40
3.20
Q-Q plot (normal) 3.00
obtenido a partir de 2.80
79
HOMOGENEIDAD DE VARIANZAS
residuales
Gráfico de residuos en
función de predichos en
0
un ejemplo con falta de
homogeneidad de
varianzas
predichos
80
PRUEBA DE HIPÓTESIS SOBRE LOS SUPUESTOS
81
Una compañía que fabrica alimentos para personas celíacas está interesada en mejorar
la calidad de conservación de la mercadería que se guardan en sus instalaciones. Para
ello prueba cuatro tipo de recetas, y fabrica seis lotes de alimento para cada tipo de
receta. Cada día verifica la frescura del producto. A continuación se expresan los datos
de vida de almacenamiento (en días) hasta que el producto se califica como no fresco.
82
TRANSFORMACION DE DATOS
NUMEROS DIGITOS
83
CAMPO GRANDE DE VARIACIÓN
84
FRECUENCIAS RELATIVAS
85
Inversa [1/Y]
Se utiliza para casos poco comunes en los que los datos presentan una
elevada variabilidad y las varianzas son proporcionales a las medias
elevadas a 4. Los datos presentan una distribución fuertemente sesgada
a la derecha (J invertida) o a la izquierda (en forma de J). Esta
Transformación también precisa que sumemos una cantidad a cada
valor, por ejemplo 1, si existen ceros.
86
Se desea conocer el efecto de las cepas de inoculantes de Rhizobium, fijadoras
de nitrógeno atmosférico, sobre el contenido de nitrógeno de plantas de
trébol rojo. Para ello se dispone de 30 macetas de trébol rojo en un
invernadero. Se asignan al azar 5 macetas para cada una de las cepas y se
procede a inocularlas. Los resultados son los siguientes (en mg. de
nitrógeno/Kg de Materia Seca). Archivo “DCA 2”
87
VERSIÓN NO-PARAMÉTRICA DEL ANAVA
88
Se realizó un ensayo para evaluar el rendimiento en kg de materia seca por
hectárea de una forrajera con distintos aportes de N2 en forma de urea. Las
dosis de urea probadas fueron 0 (control), 75, 150, 225 y 300 kg/ha, bajo un
diseño completamente al azar con cuatro repeticiones. A continuación se
presentan los resultados obtenidos. Archivo “DCA 3”.
UREA
(kg/ha) 1 2 3 4
0 2010 1832 2170 1879
75 2915 2175 2610 2294
150 3049 2908 2964 2971
225 3199 3235 3003 2937
300 3381 3270 3129 3171
a) ¿Cuál es el modelo matemático para el experimento?
b) Plantear las hipótesis científicas y estadísticas del experimento
c) Realizar el Análisis de la Varianza (α = 0.05) y concluir sobre si las distintas
dosis producen el mismo rendimiento de materia seca.
89
DCA CON DESIGUAL REPETICIONES
T1 T2 T3 T4
90
PRUEBA DE COMPARACIÓN DMS
91
T2 TUNAS 19 49,4
T4 TUNAS 27 38,667
T1 TUNAS1 44,5
T3 TUNAS52 44,8
T2 TUNAS 19 49,4
T3 TUNAS52 44,8
T1 TUNAS1 44,5
T4 TUNAS 27 38,667
Comparar las diferencias entre las medias de los tratamientos con el valor
de la DMS.
Si la diferencia entre las medias es mayor que DMS entonces las medias
difieren significativamente.
92
93
94
95
96
Prueba de Duncan
Encontrar el valor de Sx
𝐶𝑀𝐸
Sx= =4.03
# 𝑅𝐸𝑃𝐸𝑇𝐼𝐶𝐼𝑂𝑁𝐸𝑆
97
• Colocar las medias de menos a mayor
4 49 d
1 70,67 c
3 92 b
2 123,33 a
123,33-14.0 109,33
92-13.70 78,3
70,67-13.14 57,53
98
CONTRASTES ORTOGONALES
Un contraste es definido como una combinación lineal de los parámetros del modelo
(Montgomery, 1991).
SC Total
SC Trat SC1
Particionada SC2
SC Trat
SC4 SC Trat = SC1 + SC2 + .. +SCt-1
SC3
SC EE SC EE
99
En el análisis de varianza los contrastes generalmente toman la forma a1M1+
a2M2+...+ akMk (donde los coeficientes ai son constantes conocidas, al menos
dos distintos de cero y su suma es cero, Mi es la i-ésima media poblacional.).
Para que las comparaciones sean independientes unas de otras, los contrastes
deberán ser ortogonales.
Tres o más contrastes son ortogonales si todos los pares de contrastes son
ortogonales.
100
Se realizó un experimento bajo un diseño completamente al azar para
evaluar el efecto de cuatro fungicidas sobre el control de un patógeno en
granos almacenados de maíz. Los datos corresponden al número de insectos
encontrados en muestras de un kilogramo de maiz.
Tratamiento
Repetición A B C D E Tratamientos
1 16 8 8 10 14 A= control sin tratamiento
2 19 8 7 11 16 B y C= fungicidas mercúricos
3 24 9 1 12 14 D y E= fungicidas no mercúricos
4 22 7 1 8 13
101
CONTRASTES ORTOGONALES
Tratamientos
A= testigo sin tratamiento
B y C= fungicidas mercúricos
D y E= fungicidas no mercúricos
4. H 0 : mD mE 0 0 0 1 -1
102
103
104
Una empresa agrícola necesita establecer si le conviene fertilizar sus cultivos de soja y
si es así, seleccionar el fertilizante mas adecuado. Para este propósito se realizó un
ensayo en un lote de 5 has., dividido en parcelas de 1/4 ha. cada una, asignando los
tratamientos en forma aleatoria. Los rendimientos obtenidos (qq/ha) fueron:
105
Considere un experimento donde se compararon 4 variedades de maíz bajo un
diseño de bloques completos. Las variedades evaluadas fueron las siguientes:
Variedad 1. Precoz resistente.
Variedad 2. Precoz susceptible.
Variedad 3. Tardía resistente.
Variedad 4. Tardía susceptible.
Variedad 5. Testigo
Los rendimientos en kg/ parcela se presentan en el siguiente cuadro
TRATAMIENTO T1 T2 T3 T4 T5
I 6 5 7 8 9
II 7 6 7 9 10
III 7 7 8 8 9
IV 8 8 9 9 10
V 7 8 9 9 11
Determine: a) El modelo matemático; b) Plantee las hipótesis para cada una de las
comparaciones ortogonales posibles. c) Verifique la ortogonalidad de los contrastes
planteados. d) Redacte los objetivos, metodología (con todos los aspectos, inclusive el
croquis experimental), resultados y conclusiones; incluya cuadros, gráficos y toda la
información necesaria para poder interpretar los resultados.
106
POLINOMIOS ORTOGONALES
107
COEFICIENTES PARA GRADOS DEL POLINOMIO
108
Los siguientes datos son de rendimientos en kg/parcela, obtenidos al
aplicar al azar cuatro niveles de nitrógeno a varias parcelas de maíz.
Nivel de Nitrógeno
REP. 0 50 100 150
109
ANAVA con tratamientos cuantitativos
Resultado del análisis de los datos:
Variable N R² R² Aj CV
Rendim 16 0.96 0.94 5.44
Contrastes
Nitrogeno SC gl CM F p-valor
Contraste1 9.11 1 9.11 2.49 0.1487
Contraste2 243.36 1 243.36 66.63 <0.0001
Contraste3 0.05 1 0.05 0.01 0.9094
Total 252.52 3 84.17 23.05 0.0001
110
DISEÑO EN BLOQUES COMPLETOS AL AZAR
El diseño en bloques completos al azar toma en cuenta los tres principios básicos
de la experimentación: repetición, aleatorización y control local.
111
ALEATORIZACIÓN
112
ANÁLISIS ESTADÍSTICO
Sea t el número de niveles del factor A (tratamientos) distribuidos en r
bloques. La notación adoptada para representar los valores de la variable de
respuesta sería:
113
MODELO ESTADÍSTICO
El modelo asociado a este diseño experimental sería:
114
Esquema del ANAVA y las expresiones necesarias para la aplicación de la
prueba F.
115
La dueña de la fábrica de alimentos para celíacos cree que el tipo de horno
afecta el tiempo de almacenamiento de los productos. Para ello, prueba
cada receta en cuatro tipos de hornos. El tiempo de vida en
almacenamiento, medido en días, hasta que el producto es considerado
no fresco se expresa a continuación. Analice los datos de este experimento
y concluya a un nivel de significancia del 5 %.
116
EJEMPLO
Un artículo en el Diario de Tecnología de Alimentos describe un estudio sobre el
contenido de protopectina en tomates durante el almacenamiento. Se
seleccionaron cuatro tiempos de almacenamiento y se analizaron muestras de
nueve lotes de tomates. El
contenido de protopectina (expresada en mg/kg de ácido clorhídrico soluble), se
muestra en la siguiente tabla.
117
Se evaluó el efecto de tres soluciones de lavado para retardar el crecimiento de
bacterias en contenedores de leche de 5 galones. El análisis se hace en laboratorio
y solo pueden hacerse tres análisis por día. Puesto que los días podrían
representar una fuente potencial de variabilidad, se decide hacer un DBCA. Se
hacen observaciones en 4 días. Analice los datos de este experimento y concluya a
un nivel de significancia del 5 %.
118
VERSIÓN NO-PARAMÉTRICA DEL DBCA
Esta prueba requiere que las observaciones sean independientes y que las
varianzas poblacionales sean homogéneas.
119
CUADRADO LATINO
Este diseño es utilizado cuando existe necesidad de controlar la variabilidad
experimental en dos direcciones, esto es, las filas en una dirección y las
columnas en otra dirección.
Ventaja:
Controla la variabilidad extraña a tratamientos en doble sentido
Desventajas:
Menos grados de libertad en error experimental que DCA y DBCA
Número de repeticiones = número de tratamientos o múltiplo
Los tratamientos deben aparecer sólo una vez en hilera / columna
120
ALEATORIZACIÓN
Si se tiene un experimento con cinco tratamientos (A, B, C, D y E), la
localización de las parcelas en el área experimental sería:
121
ANÁLISIS ESTADÍSTICO
122
MODELO ESTADÍSTICO MATEMÁTICO
123
Esquema del ANAVA y las expresiones necesarias para la aplicación de la
prueba F.
124
Se estudia el efecto de cinco ingredientes diferentes (A, B, C, D y E) sobre el
tiempo de reacción de un proceso químico. Cada lote de material nuevo solo
alcanza para permitir la realización de cinco corridas. Además cada corrida
requiere aproximadamente 1.5 horas, por lo que solo pueden realizarse cinco
corridas en un día. El experimentador decide realizar el experimento como un
cuadrado latino para que los efectos del día y el lote puedan controlarse
sistemáticamente. Los datos se muestran a continuación:
125
Un ingeniero industrial investiga cuatro métodos de ensamblaje (A, B, C, D)
sobre el tiempo de ensamblaje (minutos) de cajas de plátano verde. Se
seleccionaron cuatro operadores para el estudio. Para tomar en cuenta la
fatiga que puede producir el proceso de ensamblaje, independientemente
del método, se emplea un diseño en cuadrado latino. Los datos se presentan
a continuación:
126
ESTRUCTURA DE TRATAMIENTOS
ESQUEMAS FACTORIALES
127
EXPERIMENTO CON DOS FACTORES
CON DOS NIVELES CADA UNO
A2B1 A1B1
Posible arreglo para un experimento
bifactorial sin repeticiones, conducido
bajo un diseño completamente
A1B2 A2B2 aleatorizado.
128
MODELO PARA UN EXPERIMENTO FACTORIAL
SIN REPETICIONES
129
TABLA DE ANAVA
EXPERIMENTO BIFACTORIAL SIN REPETICIONES
130
EJEMPLO
S1 88 73 61 29
S2 81 72 39 18
131
ANÁLISIS DE LA VARIANZA
Total 6195.5 7
132
MODELOS CON INTERACCIÓN
133
TABLA DE ANAVA
134
Se desea estudiar el efecto de la presión y temperatura sobre el
rendimiento de un proceso químico. Se seleccionan tres niveles de
cada factor y se lleva a cabo un experimento factorial con dos
repeticiones. Los datos del rendimiento son:
135
136
137
138
Concentración proteica (% del peso seco) en hojas de Atriplex cordobensis
cosechadas en invierno y verano de plantas masculinas y femeninas.
Femeninas Masculinas
Invierno Verano Invierno Verano
24 17 17 24
28 18 18 25
26 16 16 23
139
TABLA DE ANAVA
Error 14 8 1.75
Total 212 11
140
ANÁLISIS DE INTERACCIONES EN DISEÑO DE TRATAMIENTOS
BIFACTORIALES
Si una interacción es significativa, se debe investigar el tipo de interacción para ver
como interpretar los efectos principales
Interacción ordinal: los factores muestran la misma tendencia
b1
a1
b2 a2
a1 a2 b1 b2
141
Interacción híbrida: las tendencias de los niveles de B dentro de los
niveles de A tienen diferentes direcciones sin llegarse a cruzarse. Igual
situación muestran las tendencias de los niveles de A dentro de los
niveles de B; sin embargo, estos si se cruzan
b1
a1
b2 a2
a1 a2 b1 b2
142
Interacción disordinal: Hay orientaciones diferentes de los dos efectos
principales
b1
a1
b2 a2
a1 a2 b1 b2
143
Gráfico para estudiar interacción
30
masculinas
contenido de proteínas
femeninas
Media error estándar
25 de la concentración de
proteínas en hojas de
Atriplex cordobensis por
efecto del sexo y la época
20
de cosecha.
femeninas masculinas
15
Verano Invierno
144
Gráfico para estudiar interacción
60
55
50
Media error
Fibras Insolubles
masculinas
estándar de la
45 concentración de
fibras insolubles en
40
hojas de Atriplex
35 femeninas cordobensis por
efecto del sexo y la
30 época de cosecha.
25
Verano Invierno
145
VENTAJA DE LA ESTRUCTURA
FACTORIAL DE TRATAMIENTOS
Fuente Gl Fuente GL
Error 6 Error 6
Total 8 Total 8
Número total de UE 18
146
Fuente Gl
Temperatura (A) 2
Tipo de Ruptura (B) 2
A*B 4
Error 9
Total 17
Número total de UE 18
147
148
149
Se realizó un experimento para evaluar el efecto de dos dosis de un
promotor de crecimiento (1,5 mg y 2 mg) sobre el rendimiento de dos
variedades de caña de azúcar, bajo un diseño de bloques al azar con 4
réplicas.
I II III IV
T1 V1D1 81 83 83 78
T2 V1D2 86 85 87 86
T3 V2D1 83 79 82 80
T4 V2D2 81 80 83 82
T5 TESTIGO 70 72 69 67
150
151
152
Identificar el modelo lineal
Realice la tabla del ANAVA (fuentes de
variación y grados de libertad)
Identificar la estructura de parcelas y
tratamientos
Realizar el croquis experimental
Determinar el tipo de interacción en forma
gráfica y analítica
Concluir a un nivel del 5 %
153
DISEÑO EN PARCELA DIVIDIDA
o La naturaleza de los tratamientos justifica el uso de diferentes tamaños de
parcela
o Para modelar respuestas en el tiempo (esfericidad)
o El experimento está en marcha y se quieren agregar nuevos sub tratamientos
o Estimar con diferente precisión los experimentos
o Diferentes tamaños de parcela
o Mayor precisión a nivel de subparcela que en parcela
o Por lo general, el interés se centra más en la parcela pequeña
o Dos pasos de aleatorización:
o Para parcelas grandes
o Para subparcelas (parcelas pequeñas)
o Es posible generalizar para mayor subdivisión de parcelas: parcelas
subdivididas
154
PARCELAS DIVIDIDAS BAJO UN DCA
Donde:
Yijk = Variable de respuesta en la parcela grande i, parcela pequeña j
y repetición k
µ = La media general
Ai = El efecto principal de la parcela grande i
k (i) = El error para la parcela grande
Bj = El efecto principal de la parcela pequeña j
(AB)ij = La interacción de la parcela grande i con la parcela pequeña j
ijk = El error para la parcela pequeña
155
156
CROQUIS EXPERIMENTAL
a3 a2 a2 a3 a1 a1
b2 b2 b3 b1 b1 b2
b3 b1 b1 b3 b2 b1
b1 b3 b2 b2 b3 b3
157
En un experimento se probaron dos métodos de siembra y tres variedades de
arroz. Por razones de facilidad en el manejo del mismo, se decidió utilizar un
arreglo en parcelas divididas, en donde las parcelas grandes correspondieron a
los métodos de siembra y en las parcelas pequeñas se sembraron las tres
variedades de arroz (Oryza sativa L.). Los tratamientos se distribuyeron
mediante un diseño completamente al azar con 4 repeticiones. La variable de
respuesta fué kg/parcela de 72 m2. A continuación se detallan los factores
evaluados.
Métodos de siembra: S: Secano I: Inundación Variedades: BB: Blue Bonnett
BP: Belle Patna CR: Criolla
158
159
En un ensayo de resistencia de cartón se realizaron preparados de pasta
básica con tres distintas cantidades de agua (50, 75 y 100 litros). Cada uno
de los preparados (parcelas principales) se repitió tres veces en orden
aleatorio a lo largo del tiempo. Luego, se dividieron los preparados en cuatro
fracciones iguales (subparcelas) y se los sometió a distintas temperaturas de
cocción (15, 20, 25 y 30 grados), las que fueron asignadas al azar. La variable
en estudio fue la resistencia del cartón obtenido.
160
AGUA REPETICION TEMPERATURA RESISTENCIA
50 1 15 55,78
50 2 15 59,61
50 3 15 61,64
75 1 20 59,56
75 2 20 64,89
75 3 20 58,64
100 1 25 67,53
100 2 25 72,77
100 3 25 66,93
50 1 30 57
50 2 30 60,16
50 3 30 63,87
75 1 15 65,26
75 2 15 58,19
75 3 15 59,96
100 1 20 64,71
100 2 20 62,81
100 3 20 62,03
50 1 25 53,69
50 2 25 61,87
50 3 25 54,5
75 1 30 70,96
75 2 30 62,85
75 3 30 64,11
100 1 15 64,4
100 2 15 60,51
100 3 15 62,41
50 1 20 56,3 161
50 2 20 56,79
Determinar:
162
Se realizó un experimento con un arreglo en parcelas divididas con el objetivo
de evaluar tres variedades con dos sistemas de preparación de suelos.
Los sistemas de preparación de suelos son los siguientes: S1 con inversión del
prisma y S2 sin inversión del prisma.
Las tres variedades son las siguientes: V1 Señorita; V2 CMC-40 y Jagüey
Dulce. Los datos que se expresan a continuación corresponden al
rendimiento en toneladas por hectárea.
163
Determinar:
164
DBCA EN PARCELA DIVIDIDA
Donde:
165
166
ANAVA Parcelas Divididas
Bloque I Bloque II
a2 a1 a3 a3 a1 a2
b2 b2 b3 b1 b1 b2
b3 b1 b1 b3 b2 b1
b1 b3 b2 b2 b3 b3
b3 b1 b1 b3 b2 b1
b1 b3 b2 b2 b3 b3
167
Se realizó un experimento para conocer la respuesta (cantidad de materia
seca MS producida anualmente, tm.ha-1) de tres tipos de praderas (Estrella
Africana, Guinea y Jaraguá) deterioradas, a las cuales se les aplicaron
diferentes prácticas culturales (quema, chapeo y aplicación de herbicida)
para su recuperación. El diseño aplicado fue bloques al azar, considerando
en la parcela grande el tipo de pradera. Los resultados se presentan a
continuación:
168
169
Batres, De León, Salazar y Saquimux (2000) realizaron una investigación para
determinar la mejor edad de los árboles semilleros de pinabete (Abies
guatemalensis), así como el período óptimo que debe transcurrir entre la
colección y la siembra de la semilla. El estudio se realizó en el paraje Chuisapón
de la aldea Chimente del municipio de Totonicapán. Se utilizó un diseño de
bloques completos al azar con arreglo en parcelas divididas y cuatro
repeticiones. Cada unidad experimental estuvo conformada por 500 semillas
sembradas en cada caja germinadora de madera, en donde se utilizó arena de río
como sustrato y fue desinfectada con hervida (en ebullición). Los factores
evaluados y sus respectivos niveles se citan a continuación:
170
171
En un ensayo de trigo se dispusieron dos parcelas principales en tres bloques.
Sobre las parcelas principales se aleatorizaron los niveles del factor riego y estas
fueron divididas en cuatro subparcelas donde se aleatorizaron 4 variedades de
trigo. La variable en estudio fue el rendimiento medido en kg/parcela
experimental. Para el factor “riego”
(Factor A) se tienen dos niveles: secano (sin riego) y riego y para el factor
“variedad”
(Factor B) se usaron las siguientes variedades: Buck-Charrúa, Las Rosas-INTA,
Pigue y Pro-INTA Puntal.
172
PARCELA BLOQUE VARIEDAD RENDIMIENTO
Riego 1 BUCK-Charrua 409.3
Riego 2 BUCK-Charrua 311.7
Riego 3 BUCK-Charrua 516.4
Secano 1 BUCK-Charrua 266.3
Secano 2 BUCK-Charrua 252.8
Secano 3 BUCK-Charrua 299.9
Riego 1 LasRosas-INTA 544.9
Riego 2 LasRosas-INTA 445.4
Riego 3 LasRosas-INTA 585.7
Secano 1 LasRosas-INTA 259.3
Secano 2 LasRosas-INTA 358.4
Secano 3 LasRosas-INTA 350.2
Riego 1 Pigue 519.9
Riego 2 Pigue 477.0
Riego 3 Pigue 624.5
Secano 1 Pigue 340.7
Secano 2 Pigue 296.6
Secano 3 Pigue 327.2
Riego 1 Pro-INTA Puntal 629.5
Riego 2 Pro-INTA Puntal 639.0
Riego 3 Pro-INTA Puntal 585.7
Secano 1 Pro-INTA Puntal 236.6
Secano 2 Pro-INTA Puntal 335.7
Secano 3 Pro-INTA Puntal 390.5
173
En un estudio con pasto Napier (Pennisetum purpureum) se evaluaron dos
métodos de siembra y tres densidades de siembra, bajo un arreglo en
parcelas divididas y distribución en bloques al azar. En la parcela grande se
ubicó el factor métodos de siembra y en las parcelas pequeñas la densidad
(kg.ha-1) Factor A: Métodos de siembra: M1= al voleo. M2=20 cm.
entre surco Factor B: Densidades: D1=15 kg.ha-1 D2=25 kg.ha-1
D3=35 kg.ha-1 La variable de respuesta medida fue el rendimiento
expresado en toneladas métricas por hectárea (peso fresco) de pasto. Los
resultados obtenidos se presentan a continuación, tal como fueron
obtenidos en el campo:
174
175
Se realizó un experimento en DBCA para comparar dos niveles de irrigación (alta y
moderada) y cuatro variedades de caña de azúcar. La parcela grande corresponde
a la irrigación y la parcela pequeña a las variedades. Los datos de rendimiento en
ton/ha son los siguientes:
VARIEDAD
Irrigación 1 2 3 4
Alta 123.2 132.3 123.2 128.8
BLOQUE I
Moderada 118.2 123.2 115.2 116.3
Alta 128.2 138.3 128.2 125.8
BLOQUE II
Moderada 119.2 120.2 117.2 121.3
Alta 118.2 122.3 121.2 124.8
BLOQUE III
Moderada 111.2 117.2 113.2 113.3
Alta 128.2 123.3 128.2 132.8
BLOQUE IV
moderada 113.2 122.2 114.2 116.3
176
DCA EN PARCELA SUBDIVIDIDA
177
178
179
ANAVA Parcelas SubDivididas
Los datos del archivo provienen de un diseño completamente aleatorizado con 3
repeticiones (Blo). Cada repeticion fue dividida en tres parcelas principales. En cada
parcela principal (PP) se asignaron al azar tres métodos de labranza (Factor Lab, niveles
Cero, Mínima y Convencional). Luego de la labranza, las parcelas Principales fueron
divididas en tres subparcelas (SP), y en cada una de ellas se asignaron al azar 3
variedades de maíz (Factor Var, niveles v1, v2 y v3). Por último, cada una de las
subparcelas fue dividida en 4 sub-subparcelas (SSP), y en ellas se asignaron al azar 4
tipos de fertilizante (Factor Fer, niveles A, B, C, y D). La variable evaluada fue
rendimiento de maíz (qq/ha).
180
ANAVA Parcelas SubDivididas
Yijkl= µ + Si + Ej(i) + Hk + (SH)ik + Ejk(i) + Ml + (SM)il + (HM)kl + (SHM)ikl + Eijkl
181
Se realizó un experimento con un diseño en parcela subdividida donde se
evaluaron:
182
Las hipótesis que se prueban son:
Ho: S1 = S2 =……= Sa vs Hl: Al menos un sistema diferente
Ho: H1 = H2 =……= Ha vs Hl: Al menos un espacio diferente
Ho: M1 = M2 =……= Ma vs Hl: Al menos un método diferente
Ho: no hay interacciòn Sx H vs Hl: si hay interacción S x H
Ho: no hay interacciòn Sx M vs Hl: si hay interacción S x M
Ho: no hay interacciòn H x M vs Hl: si hay interacción H x M
Ho: no hay interacciòn Sx H x M vs Hl: si hay interacción S x H x M
183
184
CLASE 28
DBCA EN PARCELA SUBDIVIDIDA
CONTENIDO
• Objetivos
• Marco teórico
• Modelo matemático
• Estructura de tratamientos
• Tablas de análisis de varianza
• Problema de aplicación y análisis
• Evaluación
185
ANAVA Parcelas SubDivididas
Yijkl= µ + Bi + Sj + Eij + Hk + (SH)jk + Ejk(i) + Ml + (SM)jl + (HM)kl + (SHM)jkl + Eijkl(c)
186
En cada parcela principal (PP) se asignaron al azar tres métodos de
labranza (Factor Lab, niveles Cero, Mínima y Convencional). Luego
de la labranza, las parcelas principales fueron divididas en tres
subparcelas (SP), y en cada una de ellas se asignaron al azar 3
variedades de maíz (Factor Var, niveles v1, v2 y v3). Por último, cada
una de las subparcelas fue dividida en 4 sub-subparcelas (SSP), y en
ellas se asignaron al azar 4 tipos de fertilizante (Factor Fer, niveles A,
B, C, y D).
187
Considere los datos de un experimento realizado bajo un DBCA en
parcelas subdivididas, con 3 fechas de siembra (S1, S2 y S3) del
cultivo de remolacha (Beta vulgaris L.), 2 niveles de aplicación de
insecticidas (I0 = sin insecticida y I1= con insecticida) y 3 épocas de
cosecha (E1, E2 y E3). El experimento fue realizado en 4 bloques, la
variable respuesta medida fue la producción por área. Los resultados
se presentan a continuación:
188
189
CLASE 28
ANALISIS DE COVARIANZA
CONTENIDO
• Objetivos
• Marco teórico
• Modelo matemático
• Estructura de tratamientos
• Tablas de análisis de varianza
• Problema de aplicación y análisis
• Evaluación
190
TÉCNICAS COMBINADAS DE ANÁLISIS
ANÁLISIS DE COVARIANZA = ANAVA + Regresión
Modelo matemático:
Supuestos:
192
193
ANÁLISIS DE COVARIANZA
Ejemplo:
Se hizo una prueba del efecto de tres tratamientos al suelo sobre el crecimiento
en altura de arbolitos de dos años. Los tratamientos se asignaron al azar a las tres
parcelas dentro de cada uno de los 10 bloques. Cada parcela incluía 50 arbolitos.
La media del crecimiento de 5 años fue el criterio para evaluar los tratamientos.
Las alturas iniciales y los crecimientos de cinco años, todos ellos medidos en pies,
fueron:
Tratamientos
A B C
Bloque Alt. Ini Crecim Alt. Ini Crecim Alt. Ini Crecim
1 3.6 8.9 3.1 10.7 4.7 12.4
2 4.7 10.1 4.9 14.2 2.6 7.0
3 2.6 6.3 0.8 5.9 1.5 7.4
4 5.3 14.0 4.6 12.6 4.3 10.1
5 3.1 9.6 3.9 12.5 3.3 6.8
6 1.8 6.4 1.7 9.6 3.6 8.3
7 5.8 12.3 5.5 12.8 5.8 11.9
8 3.8 10.8 2.6 8.0 2.0 7.5
9 2.4 8.0 1.1 7.5 1.6 5.2
10 5.3 12.6 4.4 8.4 4.8 10.7
Existen razones para creer que, en el caso de árboles jóvenes, el crecimiento
está afectado por la altura inicial.|
194
ANÁLISIS DE COVARIANZA
Resultados del análisis de covarianza:
Análisis de la varianza
Variable N R² R² Aj CV
Crecimiento 30 0.81 0.68 15.09
Test:Duncan Alfa:=0.05
Error: 2.1060 gl: 17
Tratamiento Medias n
B 10.67 10 A
A 9.30 10 A B
C 8.89 10 B
Letras distintas indican diferencias significativas(p<= 0.05)
195
ANÁLISIS DE COVARIANZA
Análisis de la varianza
Variable N R² R² Aj CV
Crecimiento 30 0.64 0.41 20.56
Tratamiento Medias n
B 10.22 10
A 9.90 10
C 8.73 10
196
DISEÑO CON ESTRUCTURA ANIDADA DE
TRATAMIENTOS
Existen experimentos con más de un factor, en donde los niveles de uno
no representan lo mismo bajo diferentes niveles del otro factor.
Diseño anidado se dice que el Factor B está anidado en los niveles del
Factor A, si para cada nivel de A existe un conjunto particular de
niveles de B. Si B está anidado en A
197
Una compañía papelera compra papel por lotes a tres compañías madereras. La
variable en estudio son los g/m2 del papel obtenido en relación a la compañía y
al lote. De cada compañía se examinan cuatro lotes de materia prima extraídos
al azar y se hacen tres determinaciones por lote. Existen diferencias entre
compañías? los lotes provenientes de las compañías son o no homogéneos en
cuanto a la respuesta observada?
LOTE
COMPAÑÍA
1 2 3 4
65 62 62 65
1 63 61 64 68
64 60 65 64
65 64 63 64
2 62 68 64 67
61 66 62 66
66 62 65 67
3 68 64 63 66
64 66 66 65
198
ANALISIS DE PRESUPUESTO PARCIAL
(Perrín et al.1976)
Es un método que se utiliza para organizar los datos experimentales con el fin de
obtener los costos y beneficios de los tratamientos alternativos
RENDIMIENTO
HERBICIDA
MANUAL
RENDIMIENTO MEDIO 2000 2400
RENDIMIENTO AJUSTADO 1800 2160
BENEFICIOS BRUTOS DE CAMPO 3600 4320
COSTO DEL HERBICIDA 0 500
MANO DE OBRA PARA APLICAR 0 100
MANO DE OBRA PARA DESHIERBE 400 0
TOTAL COSTOS VARIABLES 400 600
BENEFICIOS NETOS 3200 3720
199
TRATAMIENTO CONTROL DE MALEZAS DENSIDAD DE SIEMBRA
1 Sin control de maleza 120
2 Herbicida (2 l ha-1) 120
3 Sin control de maleza 160
4 Herbicida (2 l ha-1) 160
200
TRATAMIENTO COSTOS VARIABLES BENEFICIO BRUTO BENEFICIO NETO
1 2400 12760 10360
2 3875 15640 11765
3 3200 13336 10136
4 4675 16640 11965
201
TRATAMIENTO DOMINADO: aquel que tiene beneficios netos menores o
iguales a los de un tratamiento de costos que varían más bajos
202
TAZA DE RETORNO MARGINAL
Es la relación entre el beneficio neto marginal y el costo marginal, expresada en
porcentaje (para tratamientos no dominados).
TAZA DE
COSTOS BENEFICIOS NETOS
TRATAMIENTO COSTOS VARIABLES BENEFICIOS NETOS RETORNO
MARGINALES MARGINALES
MARGINAL
1 2400 1475 10360 1405 95
2 3875 800 11765 200 25
4 4675 11965
203
++++++++++++++++++++++++
++++++++++++++++++++++++
+++++++++++++
204