Diseo de bloques al azar

Diseo de bloques al azar Qu es un bloque?

Es una unidad experimental homognea: Una parcela que se divide en subparcelas Una camada compuesta por varios individuos Un mismo individuo que se puede tratar por ms de un mtodo o proporcionar ms de un dato Y dentro de cada bloque la asignacin de los tratamientos a las u.e. es aleatoria

Mejora la productividad de una plantacin de trigo si se aplica un fungicida para el control de la roya?
C T2 T T2 T C T C T2

T T T2 C T2 C Diseo completamente aleatorizado (DCA) C T2 CT C TT C T2 T T2 C T T C

T2 CC T T

T TC T2 C

Diseo de bloques al azar (DBA)

Unidad experimental: Rplicas:

Con qu criterio bloquear?

Utilizando cualquier factor que afecte la variable respuesta y que vare entre las unidades experimentales No debera interesar efectuar comparaciones entre niveles del factor bloque El bloque debe ser internamente homogneo El criterio debe ser tal que minimice la variabilidad entre las subparcelas dentro de un mismo bloque (control del error) La prueba t para muestras pareadas es equivalente a DBA con 2 tratamientos

Buenos criterios para bloquear

Proximidad (parcelas adyacentes) Caractersticas fsicas (edad, peso) Caractersticas genticas (parientes, camadas, un mismo individuo) Tiempo

DBA
Consiste en descomponer la variabilidad de la variable respuesta en: Variabilidad explicada o debida a los tratamientos (variabilidad entre tratamientos) Variabilidad explicada o debida a las parcelas (variabilidad entre bloques) Variabilidad no explicada por los tratamientos o variabilidad aleatoria o residual (variabilidad dentro)

El modelo estadstico es:

yij = + i + j + ij
donde es la media general o media de la poblacin i es el efecto del tratamiento i y que es comn a todos los individuos que recibieron ese tratamiento j es el efecto del bloque j y que es comn a todos los tratamientos que se aplicaron en ese bloque ij es el residuo o error aleatorio (dentro)

Hiptesis en DBA
A Ho: 1 = 2 = 3 = es decir no hay efecto de los tratamientos sobre la variable respuesta H1: alguna i es decir al menos un tratamiento tiene efecto sobre la variable respuesta Ho: 2bloques=0 es decir no hay variabilidad debida a los bloques H1: 2bloques 0 es decir al hay variabilidad debida a los bloques
7

Tabla de ANOVA
Fuente de Variacin Entre Filas (bloques) Entre Tratamientos Dentro de tratamientos Total SC GL CM
SCEF GlEF SCET GlET SCd GLd

F
CMEF CMd CMET CMd

J (y I (y (y

i.

y.. ) y.. )

I-1

.j

J-1 (I-1)* (J-1) N-1

Por diferencia

ij

y.. )

Volvamos al ejemplo
Bloque J=3 I=5 ki=1 n=15 1 2 3 4 5
Media Trat

Control 2.83 2.62 3.44 3.05 2.44 2.876

Fungicida Fungicida Dosis baja Dosis alta 2.95 2.88 3.55 3.08 2.54 3.000 3.52 3.47 4.20 3.98 3.60 3.754

Media Bloque 3.10 2.99 3.73 3.37 2.86 3.21

En Infostat:
Ingreso de datos

10

Anova:

Obsrvese que
5 4

SCEF + SCET + SCd = SC total GLEF + GLET + GLd = GL total

Rinde (tn/ha)

3 Bloque 1 Bloque 2 Bloque 3 Bloque 4 Bloque 5

EF= bloques

control

fung baja

fung alta

11

Tratamiento

Supuestos del modelo

Los bloques deben ser extrados al azar y deben ser independientes entre s. Los tratamientos deben ser asignados al azar dentro de cada bloque Los errores deben estar normalmente distribuidos Los bloques deben responder en forma paralela (aditividad-paralelismo) Los tratamientos deben tener la misma variabilidad (homocedasticidad)
12

Cmo detectamos si hay normalidad de los errores?

Grficamente: QQ plot Analticamente: Prueba de Shapiro Wilks

13

Cmo detectamos si hay paralelismo entre bloques?

Grficamente: Grfico de perfiles

En Infostat => Grfico de puntos. Variable a graficar: rinde. Criterios de clasificacin: Tratamiento. Particin: Bloque (Particiones en el mismo grfico)
Analticamente: Prueba de no aditividad de Tukey
Grfico de paralelismo
5

Rinde (tn/ha)

3 Bloque 1 Bloque 2 Bloque 3 Bloque 4 Bloque 5

control

fung baja

fung alta

14

Tratamiento

Cmo detectamos si hay heterocedasticidad?

Se calculan los residuos y se grafican vs los valores esperados o predichos Se espera encontrar una distribucin al azar y con variabilidad constante
Grfico de dispersin
0,20

0,10

RDUO_Rinde

0,00

-0,10

-0,20 2,44 2,92 3,40 3,88 4,36

PRED_Rinde

15

Comparaciones mltiples
Tienen sentido solo para comparar tratamientos Es irrelevante comparar bloques El procedimiento es el mismo que en anova de un factor

16

Prueba de Tukey
H0: i = j H1: i j Si las diferencias entre las medias de los tratamientos superan la diferencia crtica se considera que las medias difieren significativamente con un riesgo del %

Diferencia crtica = q k,GL dentro,

CM dentro ni

donde ni es la cantidad de datos utilizados para calcular las medias que se comparan
17

En Infostat:
Efecto del tratam iento con fungic ida
4

B A A

R ind e (tn/ha )

0 c ontrol f ung baja f ung alta

18

Trata m ie nto

Diseo factorial

19

En la provincia de Corrientes se desea efectuar un ensayo en plantaciones de Pinus taeda para comparar el efecto de distintas dosis de fertilizacin con superfosfato triple (SFT) sobre el crecimiento:
I. Sin fertilizacin II. 100 g/planta de SFT III. 200 g/planta de SFT

Adems interesa estudiar la eficacia sobre dos mtodos de tratamiento del suelo:
Pasada doble de rastra hasta los 20 cm de profundidad (mtodo tradicional) Subsolado hasta los 50 cm de profundidad ms dos pasadas de rastra

Cmo disear el experimento?

20

Opcin 1: Efectuar un ensayo para comparar dosis de fertilizacin con SFT y otro ensayo para comparar mtodos de tratamiento del suelo: 2 anovas de un factor (un efecto a la vez) Opcin 2: Efectuar un nico ensayo en el que se comparan las dosis de fertilizacin con SFT para todos los mtodos de tratamiento del suelo: 1 anova de dos factores (diseo factorial) Tratamientos:
21

Por qu no varios experimentos unifactoriales?

Eficiencia en el uso de los recursos: cada observacin proporciona informacin sobre todos los factores y es posible ver las respuestas de un factor en los diferentes niveles del otro factor Evaluacin de la interaccin entre factores: el efecto de un determinado nivel de un factor puede ser diferente para cada nivel del otro factor. Es decir que los efectos de ambos factores no son aditivos: cuando se dan juntos, su efecto no es la suma de los efectos que tienen cuando estn por separado, por lo que, si en un determinado estudio se encuentra interaccin entre dos factores, no tiene sentido estimar los efectos de los factores por separado.
22

Qu cambia si hay interaccin?

No interaccin
Los efectos principales de un factor tienen sentido ya que las diferencias son constantes para todos los niveles del otro factor
Efectos principales para trat. suelo Media de S Media de R

S R

100

200

Interaccin
Los efectos principales

S
Media de S Media de R

pueden carecer de sentido

0 100 200 Dosis fertilizante

Efectos principales y simples

Efectos principales de un factor son las comparaciones entre los niveles de un factor promediados para todos los niveles del otro factor. Tienen sentido cuando no hay interaccin Efectos simples de un factor son las comparaciones entre niveles de una factor a un solo nivel del otro. Deben aplicarse cuando hay interaccin
S
Media de S Media de R

S
Media de S a dosis 0 Media de R a dosis 0

0 100 200 Dosis fertilizante

0 100 200 Dosis fertilizante

24

Ventajas y desventajas del diseo factorial

Ventajas Es ms eficiente que probar un factor por vez Las conclusiones son ms generales Permite estudiar interaccin Desventajas El anlisis es ms complejo Puede ser dificultosa la interpretacin, sobre todo cuando las interacciones son significativas

25

El modelo estadstico de ANOVA de 2 factores:

yijk = + i + j + ij + ijk

Donde : es la media general i es el efecto fila : i = i. j es el efecto columna: j = .j ij es el efecto de la interaccin (fila x columna): ij = ( ij i.) ( .j ) = ( ij - .j ) ( i. ) ijk es el residuo o error aleatorio (dentro)
26

Hiptesis en ANOVA 2 factores:

Prueba del efecto principal fila (A) Ho: i = 0 i= 1,...., I vs Ho:
i.

Ha: i / iA 0
i.

i= 1,...., I

vs Ha: i /

Prueba del efecto principal columna (B) Ho: j = 0 j= 1,...., J vs Ho:

.j

Ha: j / j 0 Ha : j /
.j

j= 1,...., J

vs

Prueba de interaccin Ho: ij= 0 ij , vs Ha: ij / ij 0 Ho:

ij

i.

.j

ij , vs Ha: ij /

ij

i.

j.27

Tabla de ANOVA de 2 factores

IJ-1 I-1 J-1
(I-1) (J-1)

N-IJ

28

Regla de decisin ANOVA de 2 factores

Regla de decisin Prueba del efecto principal fila (A) H0A : iA = 0 i= 1,...., a HaA : i / iA 0 F = CMe.filas > Si CMdentro

F GL

e.filas,GLdentro , 1-

se rechaza

Ho

con

Prueba del efecto principal columna (B) H0B : jB = 0 j = 1,...., b HaB : j / jB 0 CMe.columnas Si F = > CMdentro

F GL

e.columnas, GLdentro,1-

se rechaza

Ho

con

Prueba de interaccin H0AB : ijAB = 0 ij HaAB; ij / ijAB 0

Si F = CMint eraccin >

CMdentro

F GL

interaccin, GLdentro, 1-

se rechaza

Ho

con

OJO: recordar que en este caso debo evaluar primero la prueba de interaccin antes de evaluar 29 los efectos fila y columna