Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual Info Stat
Manual Info Stat
investigacin y capacitacin de
la caa de azcar.
-CENGICAA-
Primera Edicin
InfoStat
Contenido
Manual de uso
CENGICAA
CENGICAA
CENGICAA
Transformacin de datos
Muchas veces se trabaja con variables cualitativas o datos no paramtricos, los cuales no
cumplen con el supuesto de normalidad. Por lo anterior es necesario
realizar
transformacin de estos datos.
InfoStat ofrece una gran cantidad de transformaciones para una variable, y a la vez permite
la operacin entre variables.
CENGICAA
Prueba de hiptesis
Esta es la que el investigador evala y est dispuesto a sostener como probable, a menos
que la evidencia experimental en su contra sea sustancial.
Error tipo I ()
Error tipo II ()
Nivel de significancia
CENGICAA
5
2. Seleccionar el estadstico de prueba, necesario para evaluar la hiptesis.
Cuadro 3: Estadsticos utilizados en la prueba de hiptesis
CENGICAA
Lote
TCH
1
2
3
4
5
6
7
8
9
Prom.
103.15
103.92
104.26
103.36
103.72
104.19
103.42
104.38
104.5
103.88
CENGICAA
T
2.32
p(Unilateral D)
0.0246
La regla de desicin:
En base a la prueba T, se observa una probabilidad de p = 0.0246. Este valor es menor a la
probabilidad permitida (= 0.05), por lo que se rechaza Ho.
Conclusin:
La muestra apoya la aseverain del programa de mejoramiento.
CENGICAA
NF
CP72-2086
CG97-77
1
2
3
4
5
6
Prom.
160
112
184
186
104
152
150
130
118
225
149
168
139
155
Es importante que se ingresen los datos en dos columnas, una para cada poblacin o
conjunto de datos.
media(dif)
5.17
Media(1)
154.83
Media(2)
149.67
DE(dif) T
40.23 0.31
Bilateral
0.7658
Conclusin:
En base a las evidencias se puede aseverar que los tonelajes de ambas variedades son
semejantes.
CENGICAA
Fosforo 0
P0
150
155
149
153
Fosforo 240
P240
165
167
168
167
Es necesario que para ingresar los datos en InfoStat, se debe de crear una columna donde se
coloque el nombre o cdigo de la variable, til para la clasificacin, y una columna donde
se ingrese el valor de la variable a estudiar.
media(1)
151.75
media(2)
166.75
p(Var.Hom.) T
0.2307-9.91
p
0.0001
Conclusin:
Al observar la salida del anlisis, se puede decir que el rendimiento del tratamiento P240 es
mayor que el rendimiento del tratamiento P0.
CENGICAA
10
Como la media general y el error experimental son trminos que poseen en comn todos los
modelos, no es necesario el indicarlos entre las fuentes de variacin.
Caractersticas generales
CENGICAA
Ejemplo: Video.
Cuadro 7: Rendimiento (TCH), evaluando 3 frecuencias de riego.
Tratamientos
Repeticin 1
Repeticin 2
Repeticin 3
123
133
131
175
167
192
199
203
166
179
188
203
11
En este caso los datos se deben de ingresar en la Tabla de InfoStat, indicando en una
columna el tratamiento evaluado y en la columna de la par la variable de respuesta
correspondiente a cada tratamiento.
Cuadro 8: Tabla de datos como se debe de ingresar a InfoS tat.
Tratamientos
TCH
123
175
199
179
133
167
203
188
131
192
166
203
CENGICAA
12
Al aceptar aparecer otro recuadro, donde se debe indicar las fuentes de variacin del
modelo, como ya se mencion la media general y el error no se indican. Esto se realiza en
la pestaa
. A un lado se encuentra la pestaa
donde se puede indicar
la prueba de media que se desea realizar, donde se encuentran varias opciones.
CENGICAA
Anlisis de la varianza
Variable
TCH
N
12
R
0.83
R Aj CV
0.77 7.98
13
n
3
3
3
3
A
A
A
B
201.35
TCH
182.40
163.45
144.50
B
125.56
Tratamientos
CENGICAA
14
CENGICAA
Ejemplo: Video
Cuadro 9: Rendimiento en Toneladas de caa por hectrea, caa plantilla, finca Margaritas.
Bloques
Variedad
II
III
IV
CGSP98-08
CG00-032
CGSP-98-05
CGSP-98-16
CG00-120
CG00-129
CG00-001
CG00-092
CG99-045
CG00-028
CG00-044
CG-99-014
PR75-2002
CP72-2086
177
136
166
195
231
175
170
190
164
199
188
210
249
161
182
158
193
213
213
172
171
206
163
189
181
203
217
165
182
141
158
176
216
168
179
208
179
226
208
191
227
194
166
156
186
185
188
155
185
196
175
208
192
210
231
179
Para este anlisis la base de datos se debe de ordenar de tal forma que se tenga una columna
donde se indique el tratamiento aplicado y a la par en otra columna a que bloque pertenece
y en una tercera el valor de la variable medida.
Cuadro 10: Forma de ingresar los datos a la base de datos.
Variedad
Bloque
TCH
CGSP98-08
CG00-032
I
I
177
136
CP72-2086
IV
179
15
CENGICAA
16
Para indicar el modelo de bloques completos al azar, se observan las fuentes de variacin
en el recuadro trminos del modelo, y debajo de este se observa un botn de accin
llamado agregar interaccin en este caso no se debe de agregar, de esta forma se cumple
con uno de los supuestos del modelo.
No activar
CENGICAA
17
Figura 12: Agrupamiento de las medias para su comparacin.
Anlisis de la varianza
Variable
TCH
N
56
R
0.79
R Aj CV
0.71 6.80
C
C
C
C
C
D
D
D
D
D
D
E
E
E
E
E
E
F
CENGICAA
217.21
TCH
BC
BC
BC
CD
192.56
CD
DE
DE
18
DE
DE
E
167.92
CG00-032
CG00-129
CG99-045
CP72-2086
CGSP-98-05
CG00-001
CGSP98-08
CGSP-98-16
CG00-044
CG00-092
CG-99-014
CG00-028
CG00-120
PR75-2002
F
143.27
Variedad
CENGICAA
Serie de Experimentos
Es comn que se realicen experimentos con la misma estructura, pero en distintas
localidades. Con esto se desea obtener conclusiones vlidas para toda una regin, esto
suponiendo aleatorizacin de las localidades.
Para esto es necesario el analizar por separado las localidades y luego realizar un anlisis
que integre todas las localidades. Estos ensayos se pueden realizar no solo para localidades
distribuidas en el espacio, si no tambin ensayos distribuidos en el tiempo, por ejemplo el
realizar un ensayo de herbicidas para verano y otro en invierno con la misma estructura, y
concluir para todo el ao.
Tambin es importante que se cumpla con el supuesto de homocedasticidad entre ensayos,
esto se puede probar por medio de la prueba de Hartley.
Siendo:
Yijk = toneladas de caa por hectrea referentes al i-simo producto madurante en el
jsimo bloque o repeticin de la k-sima localidad;
= media general
i = efecto del i-simo producto madurante
j / k = efecto del j-simo bloque en la k-sima localidad,
lk = efecto de la k-sima localidad,
(l)ik = efecto de la interaccin entre el i-simo producto madurante y la k-sima localidad,
ijk = error experimental asociado a la observacin Yijk.
19
CENGICAA
Ejemplo: Video.
Cuadro 11: Toneladas de caa por hectrea, plantilla, en tres localidades.
Las Margaritas
San Bonifacio
Tulul
Bloque
Bloque
Bloque
Variedad
II
III
IV
II
III
IV
II
III
IV
CGSP98-08
CG00-032
CGSP-98-05
CGSP-98-16
CG00-120
CG00-129
CG00-001
CG00-092
CG99-045
CG00-028
CG00-044
CG-99-014
PR75-2002
CP72-2086
177
136
166
195
231
175
170
190
164
199
188
210
249
161
182
158
193
213
213
172
171
206
163
189
181
203
217
165
182
141
158
176
216
168
179
208
179
226
208
191
227
194
166
156
186
185
188
155
185
196
175
208
192
210
231
179
148
115
153
153
162
153
164
171
162
172
157
144
169
130
152
124
140
117
164
127
158
133
117
103
150
152
162
123
168
104
104
111
153
144
157
157
149
109
90
156
175
155
175
141
145
179
158
99
153
181
153
107
92
151
190
153
111
95
99
125
107
105
81
50
96
131
137
108
123
83
110
90
127
82
112
117
82
99
85
122
109
99
112
100
115
68
130
119
113
115
103
97
111
135
111
127
128
106
103
125
132
107
110
119
122
92
93
100
94
136
129
112
En este caso, como se puede observar, en el modelo el efecto del bloque se encuentra
anidado en la localidad, por lo que se debe de indicar en las fuentes de variacin, para esto
se utiliza el smbolo > para indicar que el efecto del bloque se encuentra dentro de la
localidad (Localidad>Bloque) y teniendo en cuenta que el error de la localidad es
Localidad>Repeticin, como se ha mencionado en ejemplos anteriores.
20
CENGICAA
Anlisis de la varianza
Variable
TCH
N
168
R
0.88
R Aj CV
0.83 11.08
SC
227787.23
177483.08
3979.12
25378.43
20946.58
30873.63
258660.85
gl
50
2
9
13
26
117
167
CM
4555.74
88741.54
442.12
1952.19
805.64
263.88
F
17.26
200.72
1.68
7.40
3.05
p-valor
(Error)
<0.0001
<0.0001 (Loc>Rep)
0.1025
<0.0001
<0.0001
21
B
C
C
C
C
C
C
C
D
D
D
D
D
D
D
D
D
D
E
CENGICAA
193.79
A
TCH
171.33
148.86
22
126.40
C
103.93
San Bonifacio
Tulul
Las Margaritas
Localidad
183.67
A
167.28
B
BCD
150.89
BCD
BCD
CD
CD
D
D
134.49
CG00-032
CG99-045
CG00-129
CP72-2086
CG00-044
CG00-001
CGSP-98-05
CGSP-98-16
CG00-092
CGSP98-08
CG00-028
CG-99-014
CG00-120
E
118.10
PR75-2002
TCH
BC
Variedad
CENGICAA
Ventajas
a. Se logra una gran eficiencia en el uso de los recursos experimentales disponibles.
b. Se obtiene informacin respecto a las diversas interacciones.
c. Los resultados experimentales son aplicables a un rango de condiciones ms
amplio debido a las combinaciones de los diversos factores en un solo experimento.
Los resultados son de naturaleza ms comprensiva.
d. Los experimentos factoriales son ms eficientes que los experimentos simples.
Inconvenientes
a. El resultado del experimento y el anlisis estadstico resultante son ms
complejos.
b. Con un gran nmero de combinaciones de tratamientos, la relacin de unidades
experimentales homogneas es ms difcil.
c. Convencidos de que algunas de las combinaciones de tratamientos pueden ser de
muy poco o ningn inters, algunos de los recursos experimentales pueden ser
malgastados.
d. El nmero de tratamientos o combinaciones aumentan rpidamente.
23
CENGICAA
Arreglos combinatorios
El modelo que se describe corresponde a un experimento bifactorial, en arreglo
combinatorio dispuesto en un diseo en bloques completos al azar, debido a que es el ms
usado.
24
Tomado de Lpez, E. 2008.
Siendo que:
Yijk = Variable de respuesta observada o medida en la ijk - sima unidad experimental
= Media general
i = Efecto del i - simo nivel del factor "A"
j = Efecto del j - simo nivel del factor "B"
()ij = Efecto de la interaccin entre el i - simo nivel del factor "A" y el j - simo nivel
del factor "B"
k = Efecto del k - simo bloque
ijk = Error experimental asociado a la ijk - sima unidad experimental
Ejemplo: Video
Cuadro 12: Rendimiento en toneladas de caa por hectrea, evaluando distintas concentraciones de tres elementos.
Tratamientos
N (Kg/ha) P (Kg/ha) K (Kg/ha)
50
0
0
150
0
0
50
100
0
150
100
0
50
0
100
150
0
100
50
100
100
150
100
100
Bloque
I
147.88
129.79
148.61
148.12
126.82
135.96
160.48
178.69
II
160.41
136.2
160.53
163.32
141.77
142.43
160.53
159.99
III
129.54
124.1
135.84
161.08
124.09
135.96
136.02
163.81
IV
105.21
111.44
130.03
151.28
127.18
129.6
141.89
148.13
CENGICAA
Es importante que se cree una columna para indicar los distintos niveles de cada factor y
otra columna para indicar la repeticin o el bloque como tambin la variable de respuesta.
Cuadro 13: Ejemplo de cmo se debe de ingresar datos en la tabla de InfoS tat.
Nivel N Nivel P
50
150
50
Nivel K
Bloque
TCH
0
0
0
I
I
I
147.88
129.79
148.61
IV
148.13
0
0
100
150
100
100
25
Se debe de agregar la interaccin de todos los elementos por medio del botn de accin
, se agregar todas las combinaciones posibles, y se debe de eliminar
las interacciones donde se relacione con el bloque.
Tambin existe la opcin de agregar contrastes en el anlisis, para esto se debe de indicar el
contraste deseado en la pestaa contrastes. Se debe de seleccionar entre que agrupaciones
se desean los contrastes y que tratamientos se desean realizar. Para esto se encuentran dos
botones, el botn
CENGICAA
26
CENGICAA
Anlisis de la varianza
Variable
TCH
N
32
R
0.81
R Aj CV
0.71 6.31
F
p-valor
8.71 <0.0001
9.55 0.0004
2.67 0.1171
44.73 <0.0001
1.89 0.1832
5.38 0.0305
1.82 0.1921
0.38 0.5423
1.52 0.2311
Contrastes
Nivel N*Nivel P*Nivel K
SC
Contraste1
215.64
Contraste2
3611.86
Contraste3
152.99
Contraste4
434.46
Contraste5
146.68
Contraste6
30.99
Contraste7
122.81
Total
4715.44
gl
1
1
1
1
1
1
1
7
CM
215.64
3611.86
152.99
434.46
146.68
30.99
122.81
673.63
Cont.3
-1.00
1.00
-1.00
1.00
-1.00
1.00
-1.00
1.00
Cont.2
-1.00
-1.00
1.00
1.00
-1.00
-1.00
1.00
1.00
F
p-valor
2.67 0.1171
44.73 <0.0001
1.89 0.1832
5.38 0.0305
1.82 0.1921
0.38 0.5423
1.52 0.2311
8.34 0.0001
Conclusin:
El anlisis indic que el efecto principal de P fue estadsticamente significativo.
Con la inclusin de ambos (N y P) se obtuvieron las mximas producciones.
No hay diferencia estadstica significativa entre 50 y 0 Kg de N/ha evaluando bajo
aplicaciones de P y K.
El nivel 150 Kg de N/ha difieren estadsticamente del nivel 0 Kg de N/ha, con aplicaciones
iguales de PK.
27
CENGICAA
Parcelas divididas
En este diseo se trabajan con todas las posibles combinaciones de los factores, lo que lo
diferencia del anterior es el arreglo, por lo que se puede adecuar de mejor forma a
condiciones reales de campo.
28
Siendo:
Yijk = Variable de respuesta medida en la ijk - sima unidad experimental
= Media general
j = Efecto del j - simo bloque
i = Efecto del i - simo nivel del factor A.
()ij = Efecto de la interaccin del i-simo nivel del factor A con el j simo bloque, que
es utilizado como residuo de parcelas grandes y es representado por error(a)
k = Efecto del k - simo nivel del factor B
()ik = Efecto debido a la interaccin del i-simo nivel del factor A con el k simo nivel
del factor B.
ijk = Error experimental asociado a Yijk , es utilizado como residuo a nivel de parcela
pequea, y es definido como: Error(b)
CENGICAA
Ejemplo: Video.
Cuadro 14: Efecto de dos distintas mezclas de herbicidas, en 13 variedades, evaluando altura .
Bloque
Mezcla de herbicida
M1
M2
Variedad
II
III
CP72-2086
16.2
13.8
19
CP73-1312
21.8
22
23
CP88-1165
23.2
31
29.6
RB73-2577
17.8
17
15.6
SP79-1287
31.6
28.2
27
CG98-10
26.2
30.8
26.6
CG96-78
15.6
16.4
20
CG98-78
20.4
17.2
14.8
CG99-048
33.8
30
30
MEX82-114
23
13.8
18.2
RB84-5210
21.2
29.2
28
RB87-2015
23.4
21.6
25
CG96-135
17
18.6
18.6
CP72-2086
24.8
22.4
30.6
CP73-1312
38.8
20
18.8
CP88-1165
21.4
40.8
31.2
RB73-2577
17.8
38.6
19.2
SP79-1287
25.8
20
30.4
CG98-10
19.8
21.8
26
CG96-78
21.8
20.4
34
CG98-78
26.4
24.6
18
CG99-048
17.6
26.4
21.2
MEX82-114
36.6
25.2
15.4
RB84-5210
20.6
20.6
32.4
RB87-2015
21.2
32.4
36.8
CG96-135
20
19.4
21.2
Variedad
Mezcla
Bloque
Altura
CP72-2086
M1
16.2
CP73-1312
M1
21.8
CP88-1165
M1
23.2
29
CENGICAA
Para este caso es importante el considerar las fuentes de variacin del modelo y el error del
efecto A o parcela grande. Para este caso se debe de indicar el error apropiado de dicho
efecto (Factor A*Bloque), por medio de el carcter \ (diagonal invertida), para lo cual se
utiliza el comando Alt + 93, esto es importante pues en el momento de realizar la
comparacin de medias se utiliza el error adecuado.
En este caso el factor A o parcela grande es la mezcla de herbicida, y el factor B parcela
pequea la variedad.
30
Anlisis de la varianza
Variable
Altura
N
78
R
0.49
R Aj CV
0.18 24.51
SC
1545.05
139.20
14.45
10.45
737.85
643.10
1633.63
3178.68
gl
29
1
2
2
12
12
48
77
CM
53.28
139.20
7.23
5.23
61.49
53.59
34.03
F
1.57
26.63
0.21
0.15
1.81
1.57
p-valor
0.0830
0.0356
0.8094
0.8581
0.0739
0.1314
(Error)
(Mezcla*Bloque)
CENGICAA
Franjas divididas
Cuando las condiciones del campo o la naturaleza de los tratamientos no permiten una
completa aleatorizacin de todas las combinaciones de los factores, este diseo es
recomendable.
31
CENGICAA
Ejemplo: Video.
Cuadro 16: Evaluacin de cuatro tipos de surco y tres densidades de siembra, midiendo % Pol.
Bloque
Tipo de surco
Surco Simple
Surco doble
surco base
larga
surco base
corta
Densidad de
siembra
II
III
IV
4 TSH
6 TSH
8 TSH
4 TSH
6 TSH
8 TSH
4 TSH
6 TSH
8 TSH
4 TSH
6 TSH
8 TSH
17.67
17.31
17.49
17.19
17.21
18.04
17.39
17.39
17.69
17.19
16.78
17.86
17.23
17.6
17.3
17.85
17.26
16.38
17.54
17.67
17.02
17.57
17.57
16.85
17.43
17.05
17.68
17.44
16.71
17.23
16.61
16.77
17.34
17.72
17.79
18.12
17.61
16.91
18.27
17.56
17.52
17.14
17.51
17.61
18.02
17.73
18.27
17.94
Para este caso se debe de considerar los errores de cada factor e indicarlos, pues es
necesario para que al realizar la comparacin de medias se utilice el error adecuado.
32
CENGICAA
Anlisis de la varianza
Variable
% Pol
N
48
R
0.77
R Aj CV
0.39 1.89
F
2.06
1.25
0.36
3.05
0.95
1.66
3.52
p-valor
(Error)
0.0563
0.3473 (Tipo de surco*Bloque)
0.7104 (Densidad de siembra*Bloqu..
0.0554
0.4869
0.1731
0.0175
Medias
17.69
17.69
17.60
17.55
17.52
17.51
17.49
17.36
17.26
17.22
17.20
17.18
n
4
4
4
4
4
4
4
4
4
4
4
4
A
A
A
A
A
A
A
A
A
A
B
B
B
B
B
B
B
B
B
B
C
C
C
C
C
C
C
C
C
C
17.89
17.70
AB
ABC
% Pol
ABC
ABC
17.52
ABC
ABC
ABC
17.33
ABC
BC
C
Surco doble:6 TSH
17.14
ABC
33
CENGICAA
peso del
tallo Kg
Rendimiento
de caa Kg
1.12
1.21
0.99
1.02
0.93
1.14
0.86
1.03
1.22
1.17
7.74
8.02
8.16
8.46
6.3
10.01
4.79
7.04
7.62
7.54
34
CENGICAA
35
Figura 22: S eleccin del coeficiente de correlacin de Pearson.
Rendimiento de caa
1.00
0.62
En la matriz podemos observar en la parte inferior de la diagonal conformada por unos, los
coeficientes de correlacin que nos indica el grado de asociacin, donde un nmero
negativo indica una asociacin negativa, este valor se encuentra entre -1 y 1 y 0 indica que
no existe una correlacin lineal entre variab les. En la parte superior de la diagonal se
muestra el valor de la probabilidad (p) de la prueba de hiptesis realizada, al evaluar que el
coeficiente de Pearson es igual a cero, se debe de tener en cuenta el valor de significancia
con el que se desea trabajar, pues al trabajar con un nivel de significancia del 5%, se acepta
la hiptesis alternativa (existe correlacin entre ambas variables) si el valor de p 0.05.
CENGICAA
Regresin Lineal
Existen casos cuando se desea conocer la relacin funcional que puede existir entre dos o
ms variables cuantitativas, en estos casos la regresin es muy til. Tambin un anlisis de
regresin nos puede servir para predecir o describir el comportamiento de una variable
respecto al comportamiento de otra, que por su naturaleza es difcil la observacin directa,
por lo que con la ayuda de un modelo se puede entender lo anterior relacionando una o ms
de una variable.
36
RL Simple
Cuando se relaciona una variable dependiente o explicada con una variable independiente o
explicativa realizamos un anlisis de regresin simple, con la finalidad de generar un
modelo que exprese el comportamiento de la variable dependiente respecto a la
independiente.
CENGICAA
37
CENGICAA
Ejemplo: Video.
Cuadro 18: Datos de tres variables de 10 hbridos de caa de azcar.
Hbrido
peso del
tallo Kg
Rendimiento
de caa Kg
Brix Kg
1
2
3
4
5
6
7
8
9
10
1.12
1.21
0.99
1.02
0.93
1.14
0.86
1.03
1.22
1.17
7.74
8.02
8.16
8.46
6.3
10.01
4.79
7.04
7.62
7.54
0.9
0.87
0.92
0.99
0.58
1.11
0.53
0.73
0.87
0.9
Datos tomados del articulo Combining ability and yield component in five parent diallet cross in sugarcane, por el Dr. J.
D. M iller.
38
CENGICAA
39
N
10
R
0.92
R Aj ECMP
0.91 5.0E-03
AIC
-26.30
BIC
-25.40
Est.
const
-0.10
Rendimiento 0.12
E.E.
0.10
0.01
LI(95%) LS(95%)
-0.33
0.09
0.13
0.15
p-valor
-1.03
0.3326
9.54 <0.0001
CpMallows
82.02
CENGICAA
1.33
Brix Kg
1.07
0.82
40
0.56
0.31
4.53
5.96
7.40
8.84
10.27
Rendimiento de caa
En base al anlisis de varianza se acepta la hiptesis alterna, donde se dice que es distinto
a 0, y por lo tanto la variable Y est explicada o relacionada con la variable X.
Utilizando los coeficientes de los parmetros, se puede generar un modelo que prediga el
comportamiento de la variable Brix Kg en funcin de rendimiento de caa en Kg.
Y= -0.103 + 0.125X
Donde:
Y= Kg Brix y X= Kg de caa.
Y en base al coeficiente de determinacin ajustado, se puede afirmar en un 91% de certeza
que el modelo puede predecir la realidad.
CENGICAA
RL Mltiple
En este caso se relaciona una variable dependiente (Y), con dos o ms variables
independientes (X). El modelo que relaciona esta variable dependiente que debe de ser
aleatoria y variables independientes que son fijas y predeterminadas, medidas sin error, se
llama ecuacin de regresin mltiple.
Ejemplo: Video.
Con las variables del ejemplo anterior (RLS), realice un anlisis de regresin lineal
mltiple.
El primer paso es el realizar una matriz de correlacin, como ya se ha visto en incisos
anteriores.
Coeficientes de correlacin
Correlacion de Pearson: coeficientes\probabilidades
Brix Kg
% Brix
Rendimiento de caa
Brix Kg
1.000
0.595
0.959
% Brix
0.070
1.000
0.344
Rendimiento de caa
1.2E-05
0.331
1.000
Como se puede apreciar en la matriz anterior, se observa que existe correlacin entre las
variables Brix Kg y rendimiento de caa y Brix Kg y % Brix mayor a un 10% de
significancia, por lo que son tiles en la elaboracin de un modelo de RLM. Tambin se
observa que no existe correlacin entre las variables de Rendimiento de caa y % Brix, por
InfoStat. | Centro guatemalteco de investigacin y capacitacin de la caa de azcar.
41
CENGICAA
N
10
R
1.00
R Aj ECMP
1.00 1.5E-04
AIC
-70.02
BIC
-68.80
42
Est.
-0.74
0.11
0.05
p-valor CpMallows
<0.0001
<0.0001 4729.69
<0.0001
588.05
F
4184.19
5402.93
669.63
p-valor
<0.0001
<0.0001
<0.0001
CENGICAA
Bibliografa
Anderson, E; Black, W; Hair, F; Tatham, R. (1999). Anlisis Multivariado. Madrid. Prentice Hall Iberia.
Hines, W; Montgomery, D. (1995). Probabilidades y estadstica para ingenieria y administracin. Mxico.
Co mpaa editorial continental, S.A. de C.V. M xico.
InfoStat. (2009). In foStat versin 2009. Grupo InfoStat, FCA, Universidad Nacional de Crdova, Argentina.
Levin, R. (1981). Estadstica para administradores. Mxico. Prentice Hall.
Lpez, E. (2008). Diseo y anlisis de experimentos, fundamentos y aplicaciones en agronoma. Guatemala.
USA C.
Lpez, E. (2008). Elaboracin de proyectos de investigacin, notas de acompaamiento de curso. Guatemala.
USA C.
Lpez, E. (2008). Estadstica, con aplicaciones en agronoma y ciencias forestales. Guatemala. USAC.
Martnez, A. (1988). Diseos experimentales: mtodos y elementos de teora. Mxico. Trillas.
Mendenhall, W; Scheaffer, R; Wackerly, D. (1986). Estadstica matemtica con aplicaciones. Mxico.
Iberoamrica.
Prez, O. (2002). Diplomado de estadstica: experimentos factoriales. Santa Lucia Cotz. CENGICA A.
Quem, J. (2002). Anlisis de regresin. Santa Luca Cotz. CENGICAA.
Quem, J. (2002). Introduccin al uso del ayudante de datos MST y MSTAT-C. Santa Luca Cotz.
CENGICAA.
Quem, J. (2002). Sitematizacin de una prueba de hiptesis, diseos completamente al azar, bloques
completos al azar y prueba de medias. Santa Luca Cotz. CENGICAA.
42
CENGICAA
Anexos
Cuadro 19: Resumen. Trminos a considerar en la definicin del modelo, en InfoS tat.
Diseo
Diseo completamente
al azar. DCA.
(1)
Diseo completamente
al azar con submuestreo
DCAsm.
Diseo de bloques
completos al azar. DBCA.
Tratamiento
Tratamiento
Repeticin*Tratamiento>Muestreo
Bloque
Tratamiento
(1)
Serie de experimentos
con DBCA.
Arreglo co mbinatoria en
DBCA. (Factorial)
Bloque
Tratamiento
Bloque*Tratameinto>Muestreo
Localidad\Localidad>Bloque
Localidad>Bloque
Tratamiento
Localidad*Tratamiento
Bloque
Factor A
Factor B
Factor A*Factor B
Bloque
Factor A\Factor A*Bloque
Factor A*Bloque
Factor B
Factor A*Factor B
Bloque
Factor A\Factor A*Bloque
Factor A*Bloque
Factor B\Factor B* Bloque
Factor B* Bloque
Factor A*Factor B
(1)
Cuando se definen modelos con submuestro es importante que tengamos en cuenta las distintas
decisiones que debemos de tomar en el mo mento de aceptar o rechazar una hiptesis. InfoStat realiza
de forma parcial el anlisis de este modelo, por lo que se debe de seguir los siguientes pasos:
1.
En este caso si se acepta la Ho, se dice que el muestreo no fue efectivo, en caso contrario, si se rechaza la Ho
se dice que el muestreo fue efectivo. Para esto se debe realizar los siguientes clculos:
43
CENGICAA
Se considerar el cuadrado medio del error experimental (CM ee) y el cuadrado medio del error del muestreo
(CM e m). Se debe de encontrar el valor F, para esto se realiza la relacin CM ee/CM em. Para realizar la toma de
decisin de rechazar o aceptar la Ho, se puede estimar, en Excel, el valor p (probabilidad), para esto se utiliza
la funcin DISTR.F donde se ingresa el grado de libertad del Error experimental (g l 1 ), los grados de libertad
del erro r de muestreo (gl2 ) y el valor F (CM ee/CM em), el cual es nombrado en Excel por la letra X.
Si el valor p estimado en Excel, es menor al nivel de significancia establecido, se rechaza la Ho, por lo que se
dice que el muestreo fue efectivo.
2.
Prueba de hi ptesis para evaluar si existe diferencia entre tratameintos, cuando el muestreo es
efecti vo
Prueba de hi ptesis para evaluar si existe diferencia entre tratamietnos, cuando el muestreo no
es efectivo.
Al no ser el muestreo efectivo, se debe de unir los errores del error experimental y el error de muestreo de la
siguiente forma:
CM ep = SCee+ SCe m / glee + gle m
Donde:
CM ep = Cuadrado med io del error ponderado
SCee = Su ma de cuadrados del error experimental
SCe m= Su ma de cuadrados del error de muestreo
glee= grados de libertad del error experimental
glem= grados de libertad del error de muestreo
Y el valor F (el valor F del tratameinto), se estima as:
F= CM Tratamiento / CM ep
Para encontrar el valor p que se utiliza para realizar la to ma de decisin respecto a la segunda hiptesis,
relacionada al efecto de los tratamientos, se debe de seguir las instrucciones mencionadas anteriormente en el
inciso 1. Y el valor del coeficiente de variacin debe de encontrarse de la siguiente forma:
44
CENGICAA
45