ANLISIS DE DISEOS EXPERIMENTALES BSICOS

La observacin y la experimentacin son la base en que se apoya el

investigador para el estudio de fenmenos de su inters, presentes en la
naturaleza. Mediante la observacin describe el fenmeno con todas las
circunstancias que lo rodean, no pudiendo atribuir sus efectos a una causa
especfica. Con la ayuda de la experimentacin estudia dichos fenmenos en
forma ms controlada, aislando aquellos factores que pudieran enmascarar el
efecto que ocasiona la causa de su inters sobre dicho fenmeno.
En el estudio experimental de un fenmeno se plantea una hiptesis, para cuya
prueba disea un procedimiento de ejecucin, que denomina diseo del
experimento. Esta hiptesis, al ser probada requiere generalizarla a un
espectro ms amplio que aquel de su experimento, asocindole una medida de
probabilidad o confiabilidad. Este es el caso de los diseos experimentales,
cuya metodologa es ampliamente usada en la investigacin agropecuaria para
la comparacin de efectos de diferentes factores o tratamientos.
Un diseo experimental debe adecuarse al material experimental con que se
cuenta y a la clase de preguntas que desea contestarse el investigador. Sus
resultados se resumen en un cuadro de Anlisis de Varianza y en una tabla de
comparacin de medias de tratamientos que indica las diferencias entre dichas
medidas. El anlisis de varianza proporciona la variacin de la variable de
inters en fuentes explicables por algunos factores o tratamientos y en aquella
para la cual el investigador no tiene control, no puede medir y no le es posible
explicar o atribuir a algn factor en particular, constituyendo el error
experimental. Por ejemplo: si se realiza un experimento en el cual se estudie
el uso de los aminocidos en raciones para pollos en crecimiento y se mide la
ganancia de peso, la variacin de dicha ganancia puede descomponerse en
fuentes de variacin conocidas, atribuibles al distinto nivel de aminocidos
usando las raciones y las fuentes de variacin desconocidas o error. Esta
particin de la varianza se hace al travs de la suma de cuadrados asociados a
sus respectivos grados de libertad (nmero de comparaciones linealmente
independientes). La realizacin de un Anlisis de la varianza presupone la
aditividad de los errores, la homogeneidad de varianza de las poblaciones de
tratamientos y la independencia y distribucin normal de los errores.

DISEO COMPLETAMENTE AL AZAR (DCA)

Este diseo consiste en la asignacin de los tratamientos en forma
completamente aleatoria a las unidades experimentales (individuos, grupos,
parcelas, jaulas, animales, insectos, etc.). Debido a su aleatorizacin
irrestricta, es conveniente que se utilicen unidades experimentales de lo ms

homogneas posibles: animales de la misma edad, del mismo peso, similar

estado fisiolgico; parcelas de igual tamao, etc., de manera de disminuir la
magnitud del error experimental, ocasionado por la variacin intrnseca de las
unidades experimentales. Este diseo es apropiado para experimentos de
laboratorio, invernadero, animales de bioterio, aves, conejos, cerdos, etc., es
decir, situaciones experimentales como de las condiciones ambientales que
rodean el experimento.
Este diseo es el mas utilizado en la experimentacin con animales,
asocindole la tcnica del anlisis de covarianza y arreglos de tratamiento de
tipo factorial.
Aleatorizacin

Para ejemplificar el proceso de aleatorizacin irrestricta de los tratamientos a

las unidades experimentales, considrese la prueba de cuatro tratamientos,
cada uno de ellos con cinco repeticiones. El proceso mencionado podra
realizarse formando cuatro grupos de tarjetas, representando cada uno de ellos
a un tratamiento en particular, digamos T1, repetido cinco veces, y as T2, T3
y T4. Posteriormente mzclense las tarjetas en una urna y extraiga una tarjeta
al azar, asignando el tratamiento correspondiente a un animal, terreno, maceta,
jaula o grupo de animales en que consista cada unidad experimental. Reptase
el procedimiento sin reemplazo hasta terminar su asignacin.

Modelo estadstico asociado al diseo:

i = 1,2,3,..., t
j = 1,2,3,..., n
donde:
= Variable respuesta en la j-sima repeticin del i-simo tratamiento
= Media general
= Efecto del tratamiento i.
= Error aleatorio, donde

Anlisis de la Varianza para el modelo

Ho:
Ha: al menos un efecto de un tratamiento es diferente de los dems.
Fuentes de
Grados de
Variacin (F.V.) Libertad (G.L.)

Suma de
Cuadrados

Cuadrados
Medios (C.M.)

F0

(S.C.)
Tratamientos

t-1

Error

Total

Ejemplo:
Se realiz un experimento para probar el efecto de cinco fuentes de energa
utilizadas en dietas para engorda de toretes (T1. Testigo, T2. Melaza, T3.
Cebo, T4.Maz, T5. Sorgo) en las cuales se midi la ganancia de peso (GP)
durante el perodo de engorda. Se consideraron 5 repeticiones por tratamientos
(25 animales) y se plante la hiptesis de igualdad de medias de tratamientos.

Trat 1
980
1050
1100
1000
1120

Repeticin 1
Repeticin 2
Repeticin 3
Repeticin 4
Repeticin 5

Repeticin 1
Repeticin 2
Repeticin 3
Repeticin 4
Repeticin 5

Trat 2
1200
1230
1150
1390
1250

Trat 3
1300
1180
1200
1170
1050

Trat 1
980
1050
1100
1000
1120
5

Trat 2
1200
1230
1150
1390
1250
5

Trat 3
1300
1180
1200
1170
1050
5

Trat 4
1400
1350
1380
1420
1500
5

Trat 5
1350
1420
1550
1600
1490
5

5250

6220

5900

7050

7410

1050

1244

1180

1410

1482

Trat 4
1400
1350
1380
1420
1500

Trat 5
1350
1420
1550
1600
1490

=25
31830

5512500 7737680 6962000 9940500 10981620

=41134300

5527300 7770000 6993800 9953300 11021500

=41265900
14800

32320

31800

12800

39880

3700

8080

7950

3200

9970

=131600

En primer lugar se calcular el factor de correccin:

= 40525956

S.C. TRAT =

S.C. TOTAL =

- F.C. = 41134300

40525956 = 608344

- F.C. = 41265900 40525956 = 739944

S.C.TOTAL = S.C. TRAT + S.C. ERROR

Al despejar de la ecuacin anterior S.C. ERROR queda como:
S.C. ERROR = S.C.TOTAL S.C. TRAT = 739944 608344 = 131600

C.M TRAT =

C.M. ERROR =

Fo=

= (608344 / 4) = 152086

= ( 131600 / 20) = 6580

= (152086 / 6580) = 23.11

Fuentes de
Variacin (F.V.)

Grados de
Libertad (G.L.)

Tratamientos
Error
Total

4
20
24

Para probar que Ho:

Suma de
Cuadrados
(S.C.)
608344
131600
739944

Cuadrados
Medios (C.M.)

F0

152086
6580

23.11

en oposicin a Ha: al menos un

tratamiento diferente de los demas con un =0.05 , obtenemos

= 2.866
de la tabla correspondiente y puesto que Fo>2.866 se rechaza Ho con
un =0.05 y se concluye que al menos un tratamiento es diferente.
Programa en SAS para calcular los resultados del problema anterior:
Data s;
Input trat rep gp;
Cards;
1 1 980
1 2 1050
1 3 1100
1 4 1000
1 5 1120
2 1 1200
2 2 1230
2 3 1150
2 4 1390
2 5 1250
3 1 1300
3 2 1180
3 3 1200
3 4 1170
3 5 1050
4 1 1400
4 2 1350
4 3 1380
4 4 1420
4 5 1500
5 1 1350
5 2 1420
5 3 1550
5 4 1600
5 5 1490

proc print;
proc anova;
class trat;
model gp=trat;
run;
The SAS System
OBS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

TRAT
1
1
1
1
1
2
2
2
2
2
3
3
3
3
3
4
4
4
4
4
5
5
5
5
5

REP

GP

1
2
3
4
5
1
2
3
4
5
1
2
3
4
5
1
2
3
4
5
1
2
3
4
5

980
1050
1100
1000
1120
1200
1230
1150
1390
1250
1300
1180
1200
1170
1050
1400
1350
1380
1420
1500
1350
1420
1550
1600
1490

Analysis of Variance Procedure

Class Level Information
Class
TRAT

Levels
5

Values
1 2 3 4 5

Number of observations in data set = 25

Analysis of Variance Procedure
Dependent Variable: GP
DF

Sum of
Squares

Mean
Square

F Value

Pr > F

Model

608344.0000

152086.0000

23.11

0.0001

Error

20

131600.0000

6580.0000

Corrected Total

24

739944.0000

R-Square

C.V.

Root MSE

GP Mean

0.822149

6.371128

81.11720

1273.200

DF

Anova SS

Mean Square

F Value

Pr > F

608344.0000

152086.0000

23.11

0.0001

Source

Dependent Variable: GP
Source
TRAT

Puede observarse en los resultados del SAS que la Suma de Cuadrados

del Modelo es igual a la Suma de Cuadrados de Tratamientos, debido a que
existe una sola fuente de variacin (excluyendo al error). El SAS, empleando
el PROC GLM en lugar del PROC ANOVA proporciona dos tipos de Sumas
de Cuadrados, la Suma de Cuadrados Secuencial (Type I SS) y la Suma de
Cuadrados Parcial (Type III SS), las cuales se diferencian por la forma en que
son incluidos los efectos en el modelo, esta ltima usada para probar los
efectos que nos interesan (Tratamientos). As mismo el SAS proporciona
informacin acerca de los siguientes parmetros: Coeficiente de
determinacin (R-Square), Coeficiente de Variacin (C.V.), Raz cuadrada del
cuadrado medio del error (Root MSE) y la media de la variable respuesta (GP
Mean). En el ejemplo anterior se ve una columna que indica Pr>F con un
valor de 0.0001 esto indica que los tratamientos a base de fuentes energticas
en la engorda de becerros producen diferencias altamente significativas
(P<.01, en este caso =.0001), es decir tienen ganancias de peso de los
animales, diferentes.
Como se detecto que al menos un tratamiento era diferente del resto se
procede a realizar una prueba de comparacin de sus valores medios. Para
hacer esto es necesario agregar en el programa de SAS las siguientes
instrucciones:
Data s;
Input trat
Cards;
1 1 980
1 2 1050
. . .
5 5 1490
proc print;
proc anova;
class
model
means
run;

rep gp;

trat;
gp=trat;
trat/tukey;

Al ejecutar el programa en SAS despus del anlisis de la varianza aparece la

siguiente tabla:
Analysis of Variance Procedure
Tukey's Studentized Range (HSD) Test for variable: GP
NOTE: This test controls the type I experimentwise error rate, but
generally has a higher type II error rate than REGWQ.
Alpha= 0.05 df= 20 MSE= 6580
Critical Value of Studentized Range= 4.232
Minimum Significant Difference= 153.52
Means with the same letter are not significantly different.
Tukey Grouping

Mean

TRAT

C
C
C

A
A
A

1482.00

1410.00

B
B
B

1244.00

1180.00

1050.00

Note que en la salida de SAS Alpha=0.05, se encuentran diferencias entre las

medias, es decir los tratamientos a base de Sorgo(T5) y Maz (T4) son
superiores al Testigo (T1) y a los de melaza y cebo (T2 y T3), adems la
melaza fue superior al testigo. En la salida de SAS se seala que las medidas
que tengan la misma letra en columna no son significativamente diferentes.
Tukey no es la nica prueba que puede usar para comparacin de medias, de
acuerdo al inters de su investigacin puede usar pruebas mas o menos
estrictas para encontrar diferencias entre medias de tratamientos, otras pruebas
son: DUNCAN, SCHEFFE, DMS, SND, DUNNET, entre otras.
Para efectuar otras pruebas cambie tukey por la prueba deseada:
proc anova;
class trat;
model gp=trat;
means trat/duncan;
run;

Tambin SAS puede hacer varias pruebas al mismo tiempo:

proc anova;
class trat;
model gp=trat;
means trat/tukey Duncan scheffe dms snk dunnet;
run;