MANEJO Y ANALISIS DE DATOS DE INVESTIGACIONCONTENIDO Pagina Manejo de datos de investigaciOn ........sseeeeee Reece ee Evaluacién de Alternativas (Experimentaci6n) ......s..se0+6 Perea eS) Validacién de Alternativas ............05 Reena Esquema de Investigaci6n Agricola .. 10 Manejo de datos en investigaci6n , 12 Funciones de un sistema de manejo de datos ...s.cssesegeseeseveees 13 Tipologfa de datos en investigaciOn ...... 7 14 Sistema de manejo de datos en investigacion .... Sees LS) Tipologfa y flujo de datos . a wae * 16 Muestreo . peers ar Muestreo aleatorio simple .......... Reece etre pea pence eS) Muestreo sistemético .. Been 37 El Concepto de experimento en investigaci6n agricola y pecuaria 43 Fuente de Variacion ... 44 Experimento y Disefio Experimental 45 Tratamiento y Disefio de Tratamiento see M7 Objetivos en el Disefio de Tratamientos .......,.. 48 Experimento y Analisis de Varianza ....... Reece peer eenee 49 Supuestos en el Andlisis de Varianza .... 50 NOTA: El presente material fue preparado por el Dr. PhD, Julio Henao, con base a revisiones técnicas de diferentes publicaciones, que tratan sobre la estadfstica. Asimismo, este documento debe ser considerado como material de trabajo en el evento para el cual fue preparado,20. a. 22. 23. 24. 25. 26. 27. 29. 30. 31. 32. 33. . 34. 35. 36. 37. 38. 39. 40. 4. 42, 43. 44. Transformaciones en andlisis de Varianza . Concepto de probabilidad e inferencia Concepto de variabilidad y error experimental ........+++ Unidad Experimental ...... see Consideraciones generales respecto al nimero de repeticiones 0 unidades experimentales . Ndmero de Unidades Experimentales .. Clases de Experimentos en investigacién de sistemas de cultivos ....... Disefios Experimentales en sistemas de CUItIVO ........eseeeeeeeenee eres Exper imentos en Sistemas VS Disefio Experimental ...........seceeeueeaee Consideraciones en el disefio de Experimentos en cultivos ,,. Disefio completamente aleatorio ..........cee Disefio de bloques completos al azar........seseceeueesecuesaeeseeeaeees Andlisis de Varianza. Disefio Bloques completos al azar ., Disefio de cuadrado latino ....... Perera ey seeeee Exper imentos factoriales .. Experimentos con K factores . Disefio de parcelas divididas .. Disefio de fajas divididas ......... Disefios Sisteméticos ...........4. sees heteeee settee Ensayos en Produccién Animal Fases de la Experimentacién en Produccién Animal ...... pete eeeeees Tamafios de Unidad Experimental ......... oe Experimentaci6n en Nutricién ........ pasties Clasificaci6n de Experimentos ...,.....sseeeeereeeeee Disefio de Cambio Simple .45. 46. 47. Experimentos en Cambio Doble ..... Andlisis combinado de experimentos Bibliografia .......... sent e eee eeee Seeeeeee Seeeee eee ee eeeMANEJO DE DATOS EN INVESTIGACION 1. Concepto general sobre investigacién Aplicacién de conocimientos teédricos y praécticos mediante un razonamiento légico, para mejorar el entendimiento de un fendémeno o aumentar el conocimien- to, lo que se realiza por bisqueda de informacién, observaci6n, medicién y anélisis. 2. Los procesos de investigacién pueden clasificarse dependiendo de sus ob- jetivos en: - BASICA: Conlleva directamente a un aunento de conocimientos o enten- dimiento de un fenémeno. No esté directanente dirigido hacia un proceso productivo i.e. Investigacién de movimiento y mine- ralizaci6n de nitrégeno en el suelo. - APLICADA: Su objetivo es la creacién o mejoramiento de bienes de produc- cién con el objetivo principal de mejorar el proceso producti- vo. ive. Ensayo de variedades Ensayo de fertilizantes Sistemas de produccién 3. La investigac in considerada como un proceso ordenado dirigido a generar, aplicar conocimientos y proponer soluciones, se ha enfocado en el sector agricola desde el punto de vista social, econémico y tecnolégico. = SOCIAL: Ha permitido un conocimiento de valores y necesidades del agri- cultor y su familia, sus aspiraciones y sus interacciones con e1 medio social en que opera. - ECONOMICO: En este aspecto se ha avanzado y se requieren estudios para eva- luar la contribucién de sistemas de producci6n del sector, dela regién o del Srea especffica. Se han estudiado factores relacionados con variaciones en ingresos y los riesgos asocia- dos con la generacién de alternativas econémicas. Hay necesidad de ampliar conocimientos sobre las relaciones que existen entre las alternativas de produccién generadas con factores de demanda, distribucién, almacenamiento, variaciones en precios y uso de recursos. -TECNOLOGICA: Basicamente la investigacién agricola ha estado enfocada al de- sarrollo de factores de produccién y la integracién de estos factores para: - Mantener eficiente utilizactén de mano de obra. - Eficiente utilizacién de recursos ffsicos. - Procurar menor dependencia de capital. = Menor dependencia de recursos escasos 0 no renovables. - Facilidad de adopcién, adaptaci6n y transferencia. 4. El enfoque de investigacién agricola E1 conocimiento y bisqueda de soluciones para los problemas sociales, eco- némicos y tecnolégicos ha Ievado a la integracién de disciplinas cientfficas con objetivos comunes, orientados ha resolver problemas reales identificados a nivel de regién, drea geogréfica y/o ecolégica. Se ha considerado un enfoque dindmico de sistema de produccién,donde e1 agricultor y el trabajo a nivel de finca constituye una condicién esencial base de una metodologia. Dentro de esta metodologfa se destacan los siguientes pasos: - Observaci6n, toma de datos y andlisis en estudios de caracterizaci6n y-3- diagnéstico, 1a que permite el conocimiento de tecnologtas, formas de ma- nejo, estados de produccién y factores de produccién de animal y planta que influyen en el sistema de finca para una regién y area. - Experimentacién en condiciones controladas de sistemas y/o componentes de sistemas, con el fin de verificar hipétesis y determinar factores que bene- fician o mejoren 1a tecnologfa existente. ~ Validacién y prueba de resultados, producto de experimentacién, caracteri- zacién o diagn6stico con el fin de evaluarlos desde al punto de vista bio- fisico y econ6mico y determinar su grado de aceptaci6n por la regién, rea © zonas similares. 4. Ordenamiento de la investigacién Los pasos 0 procesos de investigacién integrados a esquema conceptual de sistema de produccién, incluye una serie de pasos susceptibles de evaluar o me- dir. Estos pasos son secuenciales y para los cuales hay una funcién objetivo definida claramente en tiempo y espacio, Los pasos basicamente son: = Seleccién de drea de trabajo o regién. - Descripcién, caracterizacién y diagnéstico del area, regién. = Identificacién de prablemas limi tantes. - Formulacién de alternativas. a) Integracién de informacién b) Disefio y andlisis de sistema c) Formulact6n de alternativas - Evaluacién de alternativas a) Experimentacién en componentesb) evaluacién y andlisis - Validacién de alternativas recomendadas - Transferencia tecnolégica. Los pasos mencionados pueden definirse por medio de diagramas que reflejan secuencias de procesos, métodos de generacién de variables de estado para tona de decisiones, niveles jerérquicos en las Ifneas de accién y resultados espera- dos. 5. El ordenamiento de la investigacién y el concepto de informacién La generacién de datos en muchas instituciones consti tuye una parte dentro de la investigacién. Esta generacién de datos debe convertirse en informacién para facilitar el desarrollo de la investigacién. Debe por lo tanto, conside- rarse que informacién y dato constituyen dos conceptos diferentes, asf: un da~ to se convirte en informacién cuando permite tonar una decisién a un nivel de- terminado dentro de la investigaci6n. Esto significa que un dato debe verifi- carse, ordenarse o clasificarse, almacenarse para facilitar su proceso, andli- sis y produccién de informacién. Dentro del concepto de investigaci6n mencionado, podemos considerar los cri- terios que identifican cada paso y que pueden guiar 1a toma y proceso de datos. A. Seleccién de érea de trabajo o regién El proceso de seleccién considera criterios técnicos, econémicos, sociales y politicos. Pueden agruparse en: 1, Aspectos de prioridad para el pats, lo cual considera: a) Namero y clase de personas beneficiadas. b) Extensién del érea. c) Instituciones del estado que colaboran.4) Acciones complementarias del estado en funcién de planes y pro- yectos. Impacto potencial de tecnologia, considera entre otros: a) Los niveles de tecnologfa actual. b) Cantidad y calidad de los recursos disponibles. c) Limitantes sociales, econémicos, ffsico-naturales que pueden in- fluir en la decisién de un agricul tor. 4) Consideraciones de riesgos, incentivos y metas del agricultor. Posibilidad de transferir y extrapolar resultados de investigacién, lo cual depende de: a) Representati idad agroclimatica. 1. Caracterfsticas de suelo. 2. Caracterfsticas de clima. 3. Cultivos y sistemas prevalecientes. b) Representatividad sociecon6mica. Factibilidad para investigaci6n. a) Facilidades de acceso. b) Disponibilidad de informacién. Caracterizaci6n y diagn6stico de Srea. Es el estudio de 1a zona bajo investigacién y los factores asaciados con la produccién, comprende: 1. Colecci6n a nivel institucional y no institucional de informacién pro- cesada 0 secundaria. a) Documentos oficiales, censos, mapas, fotograffas aéreas. b) Informacién adicional del drea (agricultores o extensionistas)PIGr) Ejecucién de encuestas, sondeos o estudios de seguimiento. Evaluaci6n de datos para obtener informacién sobre: a) b) c) 4) e) f) g) h) i) Variaciones en clima y suelo. Caracterfsticas del agricultor y familia. Estado sanitario del area y métodos de proteccién. Productos: Produccién y productividad. Nivel tecnolégico presente (uso de recursos). Recursos disponibles. 1. Mano de obra 2. Superficie 3. Capital disponible 4, Insumos y mecanizacién Crédito, seguros y subsidios. Asistencia técnica. Nercados, extructura. Identificacién de problemas limitantes La identificaci6n de los problemas limitantes se relaciona en gran parte con los conocimientos y experiencias de un grupo multidisciplinario de téc- nicos y de la informaci6n obtenida al considerar los siguientes criterios: Productividad Uso de recursos Rentabilidad Riesgos de produccién Riesgos de poscosecha Mercados 1, Formulaci6n de alternativas (disefio) Puede considerarse como un conjunto de opciones tecnolégicas que simulan el comportamiento de un sistema, cultivo o animal con el objeto de remover li-mitantes identificados. Supone: 1. Conocimiento de relaciones ambiente-cultivo. 2. Conocimiento de factores limitantes de ambiente. 3. Conocimiento de requisitos de cultiva. 4, Conocimiento de estado tecnolégico de agricultor y area. Determina: 1. Sistema de cultivo para remover limitantes (bajo rendimiento, bajo con- tenido protetco, baja calorfa). 2. Combinacién 6ptima de insumos y recursos (tierra, mano de obra, facto- res de ambiente: clima y suelo, variedad, fertilizante, herbicida). 3. Métodos de manejo (arreglos, distancias de siembra, épocas de fertiliza- cién, sistemas de alimentacién, etc.) Verifica: 1. Modelos de produccién. 2. Estrategias de investigacién. 3. Informaci6n necesaria faltante en sistemas, manejo y socioecononia.EVALUACION DE ALTERNATIVAS (EXPERIMENTACION) Bésicamente comprende: A. Estratificaci6én de area experimental Seleccién de sitios experimentales B. Seleccién de tratamientos 1. Combinacién de cultivos 2. Componentes tecnolégicos C. Seleccién.de disefio experimental 1, Tamajio de parcelas y nimero de repeticién 2. Ubicacién de parcelas D. Criterios para manejo experimental y toma de datos E, Uso de informacién adicional por estudios y encuestas orientadas (Fenologia, clima, etc.) F, Evaluacién tecnolégica y econémica 1, Comportamiento agronémico 2. Productividad de recursos 3. Beneficios, retorno neto y marginal 4, Inferencia sobre area G. La experimentacién basicamente se realiza en fincas de agricultoresVALIDACION DE ALTERNATIVAS Incluye criterios para: A. Definir dominio de recomendaci6n utilizando: 1. 2. Informaci6én de suelos, clima Informaci6n socioeconémica B. Establecimiento y manejo de ensayos y/o parcelas de prueba Determina criterios de evaluacién para: US 2. 3. 4 5. 6. Define: Comportamiento agronémico Uso de recursos Riesgo y Reaccién del productor Disponibilidad de crédito y mercado Fluctuaciones de precios Viabilidad agronémica y econémica Estrategias de transferencia-10- ESQUEMA DE INVESTIGACION AGRICOLA OISENO DE ALTERNATIVAS ‘SISTEMAS MANEJO LIMITANTES: EXPERIMENTOS VAL IDACION FACTORES VARIABLES EVALUACION RECOMENDACION TRANSFERENCIA DEMOSTRACIONES PRODUCCION PRIORIDADES POLITICAS APOYO INSTITUCIONAL REPRESENTATIVIDAD FACILIDADESeerie) DECISIONES: RIESGOS: BENEFICIOS CONTINUIDAD TT DE [ manevo be oaTos | INVESTIGACION i AREA REGION , FINCA EXPERIMENTO-W- MANEJO DE DATOS EN OBJETIVO: PRODUCCION DE INFORMACION, ANALISIS DE DATOS, INTERPRETACION Y DIFUSION EN UN TIEMPO DADO DENTRO DE UN CONTEXTO DE SOLU- CION A UN PROBLEMA. DEBE INCLUIR: 1, METODOLOGIAS PARA RECOLECCION Y TRANSCRIPCION 2, METODOLOGIAS PARA ALMACENAMIENTO YA SEA EN MEDIOS MANUALES © MAGNETICOS 3. METODOLOGIAS PARA RECUPERACION Y ANALISIS : CONS LDERAR: DIFERENTES DISCIPLINAS CIENTIFICAS INVOLUCRADAS, QUE UTILIZAN Y PRODUCEN VOLUMENES DE DATOS LOS CUALES TIENDEN A DIVERSIFICARSE EN TIEMPO Y ESPACIO PARA LO CUAL ES NECESARIO UN SISTEMA QUE COOR- DINE ¥ ESTABLEZCA METODOLOGIAS PARA SU CONTROL, REGISTROS Y ‘MANEJO.-13- FUNCIONES DE UN SISTEMA DE MANEJO DE DATOS 1, PIJA PAUTAS Y COORDINA RECOLECCION DE DATOS BIOFISICOS Y SOCIOECONOMICOS. ESTABLECE NORMAS PARA. DISENO DE FORMAS, CODIFICACION ¥ TRANSCRIPCION DE DATOS. DESARROLLA MEDIOS (PROGRAMAS, METODOS) Y DISENA REGISTROS Y ARCHIVOS PARA EL REGISTRO, MANTENIMIENTO Y RECUPERACION DE INFORMACION Y CONFORMA SISTEMAS DE BASES DE DATOS 0 SISTEMAS DE INFORMACION QUE ASEGUREN SU ADECUADO MANEJO EN TIEMPO Y ESPACIO. DESARROLLA MEDIOS Y METODOS DE ANALISIS PARA GENERAR INFOR- MACION BASICA QUE PUEDA RESPONDER A PREGUNTAS 0 CUMPLIR OBJETIVOS EN ANALISIS DE EXPERIMENTACION, ENCUESTAS 0 IN- FORMACION DE DOCUMENTOS.-14- TIPOLOGIA DE DATOS EN INVESTIGACION DATOS ASOCIADOS CON EXPERIMENTOS LOCALIZACION SUELOS, CLIMA, CARACTERISTICAS DE SITIO MANEJO DE CULTIVOS, INSUMOS DISENO EXPERIMENTAL, TRATAMIENTOS, REPETICIONES, PARCELAS VARIABLES DE RESPUESTA (NO CONTROLADAS) LLUVIA, FERTILIDAD DATOS ASOCIADOS CON ENCUESTAS : ‘LOCALIZACION AGRICULTOR, FINCA, SITIO INFORMACION ECONOMICA (PRODUCCION, PRECIOS, USO DE RECURSOS) INFORMACION SOCIAL (ESCOLARIDAD, TAMANO DE FAMILIA, OCU- PACION, etc.) INFORMACION ECOLOGICA DATOS ASOCIADOS CON INFORMACION PROCESADA (SECUNDARIA) CARACTERISTICAS DEL PRODUCTOR INFRAESTRUCTURA DE AREA 0 REGION PLANES NACIONALES 0 REGIONALES DE PRODUCCION POBLACION PRECIOS Y MERCADOS INFORMACION AGROCLIMATICA- 15 - SISTEMA DE MANEJO DE DATOS EN INVESTIGACION PROGRAMAS DE PRODUCCION INVESTIGACIONES:= 16 - TIPOLOGIA Y FLUJO DE DATOS ENTRE DENTRO DE INSTITUCIONES uso a! INSTITUCION ved ARCHIVO - BASE DATO SISTEMA DE INFORMACION-17- MUESTREO Introduccién: 1. Poblacién: Conjunto de todos los individuos (elementos) en estudio. Ejemplos: Fincas, familias, arboles, parcelas. 2. Muestra: Parte de la poblaci6n. Representa aproximadamente las ca- racteristicas de la poblacién. Mediante el proceso de “muestreo", lo que se desea hacer es una inferencia, especfficamente una estimacién de un parémetro de una poblaci6n finita. Asf, si la poblacién es un conjunto de N unidades r= {u a cada unidad se le asocia una o mas variables: ~} Fincas,...etc. ¥(uj) (Ingreso Neto) x(uj) = (Produccién de cultivo) z(uj) (Produccién de leche) Cada vartable esta definida en la poblacién por parémetros (media, varianza, total, proporci6n). Sobre 1a poblacién se toma una muestra o subconjunto de n unidades. n= { Ups Up... Uy Fincas,...etc, Se determinan los n valores de Y,# Xj, Zj..-.-etc. y con estos valores de 1a mues- tra se construye estimadores de los parémetros (media, total, varianza, proporcién).- 18 - Mues treo Inferencia estadfstica Método para hacer generalizacién sobre una poblaci6n. Métodos: 1. Clasico: Estimacién de un parémetro basado en 1a muestra. 2. Bayesiano: Utiliza conocimiento previo sobre la distribucién de los pardmetros desconocidos y sobre la informa- cién contenida en 1a muestra. La inferencia puede dividirse en dos dreas: 1. Estimaci6n a) Estimacién Puntual: Determina un valor dnico a partir de la muestra que es la estimacién del parémetro de 1a poblacién. b) Estimacién de intervalo Las medidas de 1a muestra pueden usarse para calcular dos puntos. Se obtiene por Jo tanto, una estimacién del pardmetro en 1a forma de 1imi- tes superior e inferior dentro de los cuales se espera que esté el verda- dero valor del pardmetro. 2. Prueba de hipétesis Supuesto acerva de los pardmetros de 1a poblacién por informacién conte- nida en la muestra. Contiene: Hip6tesis nula Hipétesis alternativa Estadfstico para la prueba Regién de rechazo-19- Muestreo Conceptos bas icos ns Dos caracterfsticas de 1a distribucién de los valores de un parémetro en una poblact6n tienen particular interés para su estimaci6n, son: Media: Varianza: Total: x = NX . = nts Varianza del total: V(X) = N* S*x Proporcién: Varianza de proporcién S” Raz6n o cociente R: X/Y Con los. valores de la variable en la muestra se contruyen estimadores de los parémetros.- 20 - Mues treos. Conceptos hdsicos 4, Distribucién de medias de 1a muestra Si se obtienen todas las posibles muestras de tamafio n de una poblaci6n, las medias X,, Xp.....%, tendran una distribucién casi normal. Su media, una me- dia de medias vg seré igual a la media de 1a poblaci6n original (u). tie Se tiene: ny = ~ La desviaciGn estandard de las medias o> frecuentemente denomida “error es- tandard de la muestra" sera: K EI valor de 0% puede ser estimado a partir de una muestra por: 2 2-28 2 s& “7S” (Varianza de 1a muestra) por lo tanto, xT-2- Yentajas. del Método de Muestreo 1, Reduccién de costos 2. Mayor rapidéz en anélisis de resultados 3. Mayor alcance sobre 1a informacién 4. Mayor precisién Usos 1, Estudios de mercados 2. Estudios de poblacién 3. Estudios de produccién 4. Estudios sobre migracién 5. Industria 6. Ventas Propésitos 1. Descriptivo Obtener informacién sobre grandes grupos. 2. Analitico 1, Estimacién puntual 2, Estimaci6n de intervalo 3. Prueba de hip6tesis-2- Organizacién del Muestreo 10. ll. Definicién de los objetivos del muestreo Definicién de 1a poblacién a muestrear La poblacién a muestrear debe coincidir con 1a poblactén para 1a cual se requiere la informaci6n. Definicién de la Unidad de Muestreo Definici6n del marco (Lista de individuos) Definici6n de los datos que se van a tomar Definici6n del método de medida 1, Un cuestionario 2. Observacién directa Definicién del grado de precisién que se desea Seleccién del disefio de muestreo Selecci6n del tamafio de muestra 1) Practicidad 2) Medibilidad Organizacién del trabajo de campo 0 conduccién del muestreo Conclusiones.-23- Selecci6n del Tamafio de Muestra 4Qué_es_una buena muestra? 1. Varianza de una muestra 2 = EO = X) S = Desviacién estandard Varianza de la estimacién La varianza de la distribuci6n de todas las posibles muestras alrededor de la verdadera medias se define como varianza de la estimac = Error estandard de 1a estimacién Cuando se tiene en cuenta la fraccién de muestreo n/N Sy Uy) Va = 0m) Una muestra de 30 es el menor tamafio que puede esperarse (de una muestra) para que sus datos se distribuyan normalmente. En general, si el tamafio de muestra es grande podemos estar més confia- dos acerca de la prediccién. Lc = Un factor de importancia que puede afectar Ja precisi6n de 1a estima- ci6n es la variabilidad de la poblacién. Entre més variable sean los elementos de 1a poblacién,se requeriré un mayor nimero de individuos en 1a muestra.- m= Seleccién del tamafio de Muestra Depende del grado de precisién deseada Depende de la variacién existente Pr[(R-u) = G)er a= -5 s'n or nen toy aeons 1 Suponiendo que n se fija proporcionalmente en cada estrato se tiene por lo tanto: ne n= (Win)n £1 tamafio de la muestra para cada estrato se calcula por: oa-35- Afijaci6n Optima: 1) Dado un tamafio de muestra n para ser fijado entre los diferentes estra- tos, este puede repartirse entre ellos de acuerdo a cualquier criterio especificado. 2) Se conoce que las varianzas de los estimadores en cada estrato son funcién del tamafio de muestra asignado a cada uno de ellos, por ello es deseable que el tamafio de muestra n, sea grande. 3) Los costos que se incurren en cada estrato son variables. 4) Los factores precisién y costos por estrato, son usados lineamientos pa- ra afijar de manera 6ptima 1a muestra total n entre los estratos. a) En un-caso se mantiene fija la precisién deseada y se pregunta por e1 tamafio de muestra por estrato tal que el costo total sea minimo b) En otros caso, se mantiene fijo el costo total y se determinan los tamafios de muestra, tales que se minimize la varianza. C=r Cn C,: costo por estrato -1 para el primer caso se tiene: L L neg a snVcn ( £ Nn Sn/VCn) n= N n=l ——— 1 +t nnstn OT net= 36 - donde Yq es 1a varianza fiiada En e] seaundo caso se tiene L a ra & Nn Sn/Cn = Nn Sn Cy El costo fijo total n=l Debe tenerse cuidado al rematar que las expresiones anteriores fijan el tamafio de muestra para estimadores globales de toda 1a poblaci6n. Las inferencias no son para cada estrato por separado. Si se desea estimar medias o totales en cada estrato, las expresiones an- teriores no se deben utilizar, es conveniente por lo tanto, utilizar las formulas: 2 n= So (cv)® R° + sf N 2 & n= 1 —: a/2 e al e PSN- 37 - MUESTREO SISTEMATICO Permite una selecci6n répida y facil de las unidades muestrales. Las unidades muestrales no se seleccionan aleatoriamente sino segin un pa- trén determinado anteriormente. Muchas veces el Gnico elemento de azar es el punto de partida. En este muestreo solamente un elemento es seleccionado al azar, los dends no se eligen independientemente, por lo tanto, 1a varianza no puede ser estimada. En el muestreo sistematico una vez seleccionado el primer elemento, los demas que no van a pertenecer a la futura muestra, tienen una probabilidad de cero de ser seleccionadas, mientras que los otros tienen una probabili- dad de 1 de selecci6n. Muchos de los elementos de la poblacién pueden quedar exclufdos de la séleccién. La aplicacién de muestreo sistem&tico es més conveniente en los casos en que la seleccién no puede hacerse previamente, sino que debe hacerse du- rante el trabajo de campo. En el muestreo sistemdtico existe e1 peligro de sesgo si el intervalo de muestras coincide con una variacién perfodica de la poblacién.MULSTREO SISTEMATICO Procesc ce seleccién: 6. Se conece el valor % total de individsos de la poblacién. Se conoce el valor n nimero de individuos 0 unidades muestrales aue tit.ye la suestra. Se calcsla el valor k=N/n si k resulta entero si elige un nirero torio entre 1 y k al que se sinboliza r. Se seleccionan las unidades en la muestra los que serén: r rek r+ 2k r+ 3K... Si 2] valor*de k no es entero se elige un nimero entre 1 y Nal que se sinboliza r. Las unidades en Ja muestra son: +k + 2k + 3k... saa A este tipo de muestra se denomina ciclica pues se avanza hacia adelante hasta cubrir 1a poblacién completa.Muestreo polietapico 0 por conylonerados 3) 4) 6) En algunos esaueras ce cuestreo cede una ce las unigeces cue son Sortea- das y que se elizen para i ca observacién. rusira, no dan o no prororcionan ura Gni- ilias (todes las personas! En este caso 1a estimac‘én que se desea no se refiere a la facilia, sino a cada una de las personas. La unidad nuestral cue se selecciona esté corpueste cor eleventos y es- tos Gitimos son los que interesan. Ellos poseen la caracterfstica en astudio pero no se les sortea, sino que fueron elegicos por pertenecer a una unidad més grande (La familia). A las snidades muestreadas en esta forma se les cenerina congloverados y podemos decir: Unidad ¥, 5 J-ésino individuo i-€simo conglonerado En el muestreo de conglorerados se eligen grupos de elerentos y cada congiomeradg 0 grupo se censa. Ejemplos de conglonerado: 1, Familias 2. Salones de clase 3. Manzanas (colonias) Los conglomerados pueden ser de tamafio igual o desigual. Los conglo- merados se eligen aleatoriamente y lo que interesa son los individuos dentro de los conglomerados.studs de SelecciGn de un. Cenyloverado as rescectiv 1 ce fincas es ce SC y ta Dilidad de seleccién es: 2090 = 10/50 = 15/90 2, = 25/90 20/30 cerstruye la tabla siguiente: Fincas Arumulado de Intervalo de seleccién oa] 20 20 1-20 2 10 30 21 - 30 7 15 oe) 45 4 25 79 66-7 "a 20 92 TL - 90 se elizen 3 conglomerados y se debe elegir se orocede con la siguiente Se selecciona un nivero al conz] orio entre 1 - 90 rado i congloverado 3 conglomerado 5Muestreos no Probabilisticos 2) 3) 4) vestreos por s2leccién a) b) La muestra tipica no puede ser analizada covo si fuera una muestra probabilfstica. No es posible obtener 1f1 estandard. tes ce confianza ni estimaciones de error Dentro de la muestra {pice es posible utilizar métodos probabilis- ticos (sudpoblaciones} Muestreo por cuotas a) b) c) Rutas_o travesfas aleatoi a) b) Se utilize cuando no existen marcos apropiados de muestreo. Permite incluir elerentos hasta que contengan ciertas caracterfs- ticas de las poblaciones. £1 nimero de individuos se toma de acuerdo a 1a proporcién en la poblacién. E1 muestreo por cuotas es sesgado y es imposible saber 1a magni- tud del sesgo en la muestra. Se selecciona aleatoriamente un punto inicial y se designe 1a ru- ta. Puede practicarse muestreos probabilfsticos dentro de la ruta. Muestreo por contactos iniciales a) b) c) Se selecciona inicialmente individuos aleatoriamente. Constituye una forma de aproximacién a un marco verdadero para cier- tas caracterfsticas no muy conunes en una poblacién. Tiene una aplicacién muy limitada.Justificzcién de muestreo no probabilistico a} Si +-iste une arco apropiado o este puede crearse, es muy dificil justificar un suestreo no probabilfstico. b) £s tuy diffcil esteblecer la qusercia o la presencia de sesgos y las pruedas eStadisticas que se apliquen no son vélidas. c) Pueden ser fuszificados en estudios exploratorios. d) Cuando sea posibie es mas convenierte utilizar métodos probabilfsticos. Disefio de investigaciones y consideracicnes de método de muestreo 1) £1 costo es ure combinacién de la toma de informacién inicial y la to- na de informacién durante el disefo. 2) £1 tiempo igueimente es una combinacién del trabajo inicial en la toma de infornaciér y el trabajo en la ejecucién del muestreo. 3) Desoués de filer ias caracterfsticas de 1a poblacién a estudiar, los nétodos de cecicas en las variables se debe fijar al tamafio de 1a mues- tra. En algurcs casos pedenos aurentar el tamafio de 1a muestra reducien- do los costos cero aunentando el error de muestreo, lo cual ocurre con e] ruestreo cer conglomerados. 4) Contrari la estratificacién podria ser més costosa y llevarfa a reducir el te-ato de muestra pero pernite un aumento en la precisién, 10 cua? es equivalente a aumentar el] tanafio de la muestra. m7 5) Disefos complesos son diffciles de utilizar y sus célculos son diffciles. En estudios ce cequefia escala estos disefios no son necesarios.EL CONCEPTO DE EXPERIMENTO EN INVESTIGACION AGRICOLA Y PECUARIA erties (estinules} en ar ronpe cualcut r asociacién covin cel sariables comures. ~ sizerimente debe: tir an ané‘‘sis ce las fuentes ce v2 tacién que influyen en los re- Soltados (andlisis de varianza). litres ce error sistemético 3. Pernitir nediga de error sistendético (conce>zo ce repeticién). Fernitir hacer inferencia sobre diferencias de tratamientos (concepto de rrobabilidac}.- 44 - 'FUENTE DE VARIACION E1 material biol6gico puede variar por efectos genéticos, ambientales o de manejo. Los objetivos de la experimentacién son bésicenente el reconocimiento de estas fuentes y su utilizacién racional para evaluar resultados. En experimentacién agricola se pueden identificar las siguientes fuen- tes: a) Diferencias genéticas controladas. (especies, variedades, lfneas: b) Diferencias en manejo controladas. (fertilizaci6n, épocas de sienbra, proteccién, cosecha) istancias y c) Diferencias anbientales controladas. (sitios, afios, époces) d) Diferencias genéticas no controladas. e) Diferencias en manejo no controladas. f) Diferencias ambientales no controladas. 9) Errores causados por inexactitudes en evalvacién y rezistro 9 en ejecucién experinentai.EXPERIMENTO Y DISEXO EXPERIMENTAL - En un experimento 12 distribucién de sniceces experinentales en el drea experimental, 1a seleccién y arreslo ce tratamientos se deno- mina disefio experimental. Obdjetivos: 1. Evaluar fuentes de variacion. ental, Permitir medida valida de error expe: Permitir medidas vélidas de efecto de tratanientos. 5. Inferir sobre resultados. Caracterfsticas: 3. Repeticién 2, Aleatorizacién 3. Control local +. Arreglo de tratarientos (Cisefo de tratasientos)EXPERIMCNTO Y DISERO EXPERIMENTAL Caracterfsticas del cisefio Repeticion Alea torizacién Contro} Local experitental: : Un tratamiento aparece més de una vez en un expe- rizento. Pernite la variabiJidad y tener una es- tinacién del error experinental. Los tratanientos se sortean. Cada tratamiento tiene la misma probabilidad de estar favorecido © perjudicedo,permitiendo una medida vélida de ‘error. En muchos casos los tratamientos se arre- glan en forra sistenética. Debe por lo tanto, proveerse una medida valida de error. : Los tratamientos (parcelas) se agrupan en bloques © repeticiones para eliminar variaciones sistemé- ticas. Reduce error experimental. En fincas de agricultores el bloque esté consti- tufdo por parcelas dentro de una finca o por gru- por de fincas.TRATAMIENTO Y DISERO DE TRATAMIENTO Tratanientos: i. Diferentes procesos o estfnulos cuyos efectos van a ser medidos y conpa- vrados. Diseto de tratanientos, bésicamente conprende: . a) Proceso de seleccién de acuerdo a objetivos. >) Arreglo de ‘actores y niveles en un experimento, 3. Pueden ser a) Un factor a varios niveles. cualitativo: Diferentes variedades, especies, fuentes de fertili- zante. cuantitativo: Désis de un solo nutriente. Distancias de sienbra. b} Varios factores a varios niveles (arreglo factorial). cualitativo: species * fuentes de fertilizante c.antitativo: Fuentes de fertilizante * désis Cistancia de siembra * désis de fertilizante= by OBJETIVOS EN EL DISERO DE TRATAMIENTOS Pernitir comparaciones élidas entre trazamientos, entre factores y niveles de factores. ‘ Involucrar 1a informacién necesaria para la seleccién de désis evitan- do-sesgos.en resultados, ocasionados por incorrecta seleccién de un espacio de exploracién. Evaluar interacciones y efectos principales de factores. Permitir comparaciones vélidas entre niveles o la determinaci6n de una superficie de respuesta o modelo de producci6n. Permitir una interpretacién bioldgica y econémica de los resultados. Conviene tener en cuenta a) b) c) 4) Uso de testigos Niveles minimos . Niveles superiores Niveles igual o desigualmente espaciadosEXPERIMENTO Y ANALISIS DE VARIANZA En experimentaciér las urigades experimentales se clasifican de acuerdo a las fuentes ce variacién en: a- Tratamientos b- bloques o repeticiones. c filas d- parcelas principales e- otras modalidades f- Error experimental E1 anélisis de varianza utiliza las medias.de dichos agrupamientos o fuen- tes de variacién, para estinar varianzas o mas precisamente cuadrados me- dios. £1 cuadrado medio que estima la dispersién entre mediciones de parcelas debidas a causas aleatorias, se denomina “error experimental". En ausencia de diferencias reales debidas a medias de tratamientos, blo- ques u otras fuentes de variacién, los cuadrados medios son en p:cedio iguales y representan solo variacién aleatoria. Cuando se hacen supuestos de normalidad en fuentes de variacién, una prue- ba de F puede indicar que el cuadrado medio de una de las fuentes es signi- ficativamente mayor que el cuadrado medio, debido a efectos aleatorios.SUPUESTOS EN EL ANALISIS DE VARIANZA En general los métodos de anélisis reavieren los siguientes supuestos respectoa los | da tos: , 2) La variacién residual o aleatoria se distribuye normalmente y es independiente del valor provedio de las unidades experijentales. b) Los efectos de las fuentes de variacién son aditivos, asf la media de una unidad experimental ouede reoresentarse como: set ut Ess : Y = Media global ti = Efecto del iésino trataniento Ej, 7 Es el efecto residual de la unidad ij-ésima Otro modelo: Kyte sit a + Ey » = Media global ecto del jésimo bloque ti = Efecto del iésimo tratamiento = Efecto residual c) Las varianzas de las fuentes son homogéneas.-51- Cuando no se cumplen los supuestos en el anélisis de varianza debido a deficiencias en los datos es conveniente hacer transformaciones. Cuando las desviaciones estandard de las unidades experimentales estén linealmente relacionadas con las medias y los efectos de los tratamien- tos y el medio son multiplicativos,una transformacién de datos a forma logarftmica corregira ambas situaciones. Datos basados en conteos de acontecimientos raros, donde las varianzas estan relacionadas con las medias (recuentes con distribucién de Poisson) deben transformarse a la raiz cuadrada del nimero. Datos basados en proporciones o porcentajes deben tener en cuenta la transformacién angular: seno™ vP/100 siendo P el porcentaje observado. Es conveniente cuando los valores estan en los. extremos 0-20 y 80-100.- 52 - CONCEPTO DE PROBABILIDAD E INFERENCIA Permite asociar la respuesta de los tratamientos y la naturaleza del error a una funcién probabilistica para inferir sobre tratamientos. Es valido si los tratamientos se han aleatorizado. Si existe diferencia entre tratamientos al nivel de probabilidad P = .01 significa que el experimentador debe seleccionar entre dos alternativas. 1. Aceptar que la diferencia fue debida a los tratamientos. 2. Aceptar que es una diferencia debido a error. La probabilidad de este error siendo (1/100). La selecci6n del experimentador depende: 1. De la naturaleza de los tratamientos. 2. Del conocimiento previo o evidencia te6rica que tenga el experimen- tador. 3. De la ausencia de errores o variaciones sisteméticas. En general aunque el nivel de significancia se determina objetivamente hay un elemento subjetivo en su interpretacién.- 53 - CONCEPTO DE VARIABILIDAD Y ERROR EXPERIMENTAL Tipos de variabilidad: 1. Variabilidad aleatoria o variabilidad distributda uniformemente en el material experimental. 2. Variabilidad correlacionada (sistematica) o variabilidad que se presen- ta en forma de gradientes definidos. Si la variabilidad de una finca o material experimental es solo aleatoria la distribucién de parcelas (bloqueo) no serfa relevante y una distribucién aleatoria de tratamientos serfa lo més recomendable. En fincas de agricul- tores existen los dos tipos de variabilidad. Error Experimental El término error experimental se define como una variabilidad aleatoria e incluye los siguientes tipos de varfacién: 1. Variabilidad inherente (No controlable) al material experimental sobre el cual se aplican los tratamientos. 2. Variabilidad resultante de cualquier falta de uniformidad en Ja con- duccién fisica de un experimento.- 54 - CONTROL DE ERROR EXPERIMENTAL En investigaci6n en fincas de agricultores los resultados son grande- mente influfdos por errores experimentales. Por lo tanto, diferencias © comparaciones entre tratamientos estén sujetas a gran incertidunbre. Si el experimentador conoce 1a naturaleza del error, puede disefiar me- todos de investigacién para reducir el efecto de variacién no contro- Jada sobre e1 error, al hacer comparaciones entre tratamientos.. Los métodos mas utilizados son: 1. Agrupamiento, localizacién y repeticién de unidades experimenta- les. Estratificacién o ablocamiento. 2. Seleccién de tamafio y forma de unidades experimentales. Area de parcela. 3. Uso de variables concomitantes o de observaciones suplementarias. Covarianza, 4, Seleccién adecuada de tratamientos y métodos de medida en variables. Disefio de tratamientos. 5. Técnicas uniformes para conduccién de experimentos y evaluacién de resultados. Nanejo experimental.= 55 = UNIDAD EXPERIMENTAL Unidad o material a la cual se aplica un tratamiento. La unidad experimental puede ser: a) Una parcela b) Grupo de animales ¢) Conjunto de drboles. d) Un &rbol e) Un paciente f) Una porcién de masa El error experimental se mide por 1a variaci6n en cada unidad experimen- tal y se define por (52) 0 varianza del error por unidad experimental. Si a? es la varianza del error por unidad y r repeticiones. La varian- za del error de la diferencia entre medias de dos tratamientos es: 26° r el error estandard de la diferencia sera:(CONSIDERACIONES GENERALES RESPECTO AL NUMERO DE REPETICIONES 0 UNIDADES EXPERIMENTALES E1 nimero de repeticiones o unidades experimentales cambia segin 1a variable de interés, por lo tanto, debe seleccionarse la variable de mayor importancia. Por lo general, en un andlisis de varianza no debe tenerse menos de 10 Grados de Libertad para el error experimental, es preferible utilizar 15 0 mas. Esta regla general se basa en el hecho que los valores de la tabla de F cambian relativamente poco con 12 0 més Grados de Libertad en el error. Es posible calcular el nimero de repeticiones o unidades experimentales por tratamiento para lograr una cierta probabilidad de obtener un resul- tado significativo.-57- (NUMERO DE UNLDADES EXPERIMENTALES Considera basicamente la diferencia entre dos promedios de tratamientos. La repeticién de una unidad experimental disminuye el error asociado a la diferencia entre los resultados medios de dos tratamientos. La precisi6n deseada y el nimero de unidades experimentales por trata~ miento en un experimento, puede fijarse mediante la especificactén del tamafio de 1a verdadera diferencia que el experimento va a detectar, por medio de una prueba de significacién. E1 nimero de repeticiones o unidades experimentales por tratamiento pue- de estar dado por: 2 r> 2 (3) (ty + tp)? wv : Coeficiente de variaci6n experimental. CV = o/k x Media del experimento D : Diferencia que se desea detectar expresada en % de la media del experimento. t, + Valor significativo de t en la prueba de significacién. ty : Valor de t en la tabla correspondiente a 2(1-P) Pp : Probabilidad de obtener un resultado significativo.= 58 - CLASES DE EXPERIMENTOS EN INVESTIGACION DE SISTEMAS DE CULTIVOS Combinaci6n de variedades. Lineas Combinacién de cultivos Arreglos espaciales de cultivos Determinacién de respuesta del sistema por interacci6n con factores ffsi- co-ambientales (agua, luz, fertilidad, etc.) Arreglos cronolégicos de cultivos Determinacién de la respuesta del sistema a factores determinantes de clima y su interaccién con plagas, enfermedades, malezas. Nutricién Evaluaci6én de respuesta de los sistemas al estado de fertilidad de sue- los y a su manejo. Proteccién vegetal Evaluacién de métodos de combate, prevencién y reduccién de dafio y su interaccién con clima y manejo. £1 objetivo es lograr una proteccién con clima y manejo. £1 objetivo es lograr una proteccién de los culti- vos que evite o reduzca pérdida en rendimientos. Manejo Se comparan labores en suelo y cultivos adicionando 0 modificando facto- res previamente estudiados.= 59 - DISENOS EXPERIMENTALES EN SISTEMAS DE CULTIVO Experimentos con un solo factor 1a 1.2 1.3 Bloques completos al azar Disefios de hileras x colunnas Bloques incampletos 1.3.1 Bloques incompletos balanceados 1.3.2 Bloques incompletos parcialmente balanceados Estructuras factoriales 21 2.2 2.3 2.4 2.5 2.6 2.7 3.1 Exp. factorial en bloque completo aleatorio Exp. factorial en cuadrado latino Exp. factorial en bloques incompletos Exp. factorial con efectos confundidos Parcelas. divididas Fajas divididas Exp. con k factores 2.7.1 Series puras 2* 2.7.2 Series puras 3* 2.7.3 Series mixtas Superficies de respuesta Disefios sistem&ticos Series de experimentos= 60 - EXPERIMENTOS EN SISTEMAS VS DISERO EXPERIMENTAL VARIEDADES: EXP. CON UN FACTOR COMBINACION DE CULTIVOS ARREGLOS ESPACIALES DISENOS SISTEMATICOS ARREGLOS CRONOLOGICOS > ESTRUCTURAS FACTORIALES NUTRICION _[ PROTECCION VEGETAL SERLES DE EXPERIMENTOS-61- CONSIDERACIONES EN EL DISENO DE EXPERIMENTOS EN CULTIVOS La naturaleza estocastica de las variables en cultivos requiere de mé- todos experimentales para control de variacién, haciendo posible la ge- neralizacién de resultados, con el fin de aunentar inferencia de resul- tados. Es conveniente estudiar efectos principales e interacciones de una gran nimero de factores, especialmente en los primeros estados de experimen- taci6n (experimentos exploratorios). Deben establecerse criterios para incluir testigos en experimentos. (variedad local, testigo sin fertilizante) En algunos casos el tamafio de los experimentos es un limitante, debe proveerse por lo tanto, un uso eficiente de tierra y una evaluacién vé- lida de error experimental . Debe establecerse criterios para toma de datos, métodos de muestreo (estudios de crecimiento) y métodos de evaluacién de resultados.= 62 - DISERO COMPLETAMENTE ALEATORIO Asignaci6n aleatoria de tratamientos a un conjunto de unidades experi- mentales previamente determinado. Puede probarse cualquier nimero de tratamientos. £s conveniente asig- nar el mismo numero de unidades experimentales a cada tratamiento. Se recomienda cuando: 1) El material experimental es homogéneo. (invernadero, microparcelas). 2) Donde es probable que una parte apreciable de unidades se distruyan 0 no respondan. 3) En experimentos pequefios (3-4 tratamientos), donde 1a mayor precisién de otros disefios no compensa 1a pérdida de grados de libertad del error. Ejemplo: 2 tratamientos A: Tratamiento con nutrientes en cantidades éptimas B: Tratamiento A-(Nutriente de interés) Asignacién aleatoria= 63 - DISERO COMPLETAMENTE ALEATORIO 1, Analisis de resultados Modelo experimental Yj tutrite, WJ J Ejemplo: 5 tratamientos ti = Efecto de tratamientos 4 rep./tratamiento Fuente de varia- 6.L Suna de cuadra- OM F cign I dos | Tratamientos tel (4) scT SCT/G.L t CMT/CHE Error zti(ni-1) (15) | SCE SCE/G.L E Total Etini-1 (19) SCTOTAL 2. Analisis con submuestras Ejemplo: 5 tratamientos 3 submuestras 4 repeticiones Modelo: Yj, = uti toy + Eig Fuente de varia- GL Suma de cuadra-) CM F cién dos { Tratamiento tol (4) sect cuT CMT/CHE Error Bti(ni-1) (15) | SCERROR CMERROR Error de mues- treo ztini(kj-1) @0 Total Btinik;-1 (59)- 64 - DISERO DE BLOQUES COMPLETOS AL AZAR Los tratamientos se asignan aleatoriamente, e] mismo nimero de veces, a un grupo de unidades experimentales denominado bloque o repeticién. Objetivo: Mantener la variabilidad entre unidades experimentales den- tro de un bloque tan pequefio como sea posible y maximizar las diferencias entre bloques o repeticiones. Bloques 0 repeticiones ‘Areas uniformes de una finca o campo experimental Grupos de animales manejados en igual forma Una finca Diferentes épocas de aplicacién de tratamientos a unidades experimentales Cuando se prevee un gradiente de productividad dentro del drea experi- mental, los bloques deben extenderse a lo largo del gradiente y las par- celas dentro del bloque deben disponerse paralelamente respecto al gra- diente. BLOQUES. I ita rot WV D A c c A B B D c A Baja Fertiltdad Ata Fertilidad Eliminaci6n de variaci6n en fertilidad= 65 - ANALISIS DE VARIANZA DISERO BLOQUES COMPLETOS AL AZAR Fuente de Variacién » G.L S. dec cM F Tratamientos - Tl sect cor CMT/CME Repeticiones Rel SCR CMR CMR/CME Error Exp. (T-1) Re1) | SCE CHE No debe existir interaccién tratamientos* repeticién cuando se supone interaccién conviene tener subunidades dentro de unidades. An@lisis de varianza con subunidades (animales, drboles, muestras) Fuente de Variacién | GL | S. dec cM | F Repeticiones t-1 scT CMT CMT/CME Tratamientos R1 SCR CHR (CMR/CME Error (t-1) (R-1) SCE CME CME/CMA, Subunidad/Trat*Rep. | RxT (n-1) SCA/T CMA/T Total RTn-1= 66 - BLOQUES COMPLETOS AL AZAR 1. Posibles formas de aleatorizacién Bloque I Bloque II 4 tratamientos 4 bloques 2. No hay direccién definida de variacién Bloque III Bloque IV- 67 - DISENO DE CUADRADO LATINO Las unidades experimentales se clasifican en dos categorfas, ademés de los tratamientos. Estas categorfas se conocen como hileras y columnas (como en una tabla de doble entrada). Cada tratamiento ocurre el mismo nimero de veces en cada hilera y colunna. Se requieren tantas repeticiones (hileras, colunnas) como tratamientos exis- tan, Cuadrados latinos eficientes: 4-8 tratamientos. Es recomendable cuando existen variaciones en varios sentidos. Estas se pueden determinar y evaluar por agrupamiento de parcelas en hileras y colunnas. Como las hileras y las colunnas son referidas a factores de variacién, es- tas pueden representar tratamientos (edades, razas, variedades, pesos). Modelo Yagcey BF tS F(a) tA Bi = Efecto de hileras iel...n WF Efecto de columnas j= Ft) = tratamientos te= 68 - DISERO DE CUADRADO LATINO 1, Disposicién de parcelas Ejemplo: 5 tratanientos Variacién ————» Colunnas Hileras 2. Disposicién de parcelas Colunnas 1 ia UL lv afefc[o] [e]clo [a coals Pipl] T T2573 347 Hileras Variacié (Edad, raza, pendiente, fértil) in—________y'= 69 = Disposicién de cuadrados latinos (miltiple) Ejemplo: 3 sitios 3 tratamientos A. Se consideran separados A |B c c}A B Bic A En cada sitio se aleatorizan separados B. Se consideran juntos ate | ef c{e jaye [cl] a c[c | af afc [efelale BIA c]s ajc fa B | oc Variacién ———_—_> Las columnas se aleatorizan juntas- 70 - AMALISIS DE VARIANZA 1. Para un cuadrado latino con t tratamientos Fuente de Variaci6n GL S.C C.M F Hileras t-1 ‘SCH CMH Columnas t-1 scc MC Tratamientos t-1 SCT aT Error (t-1)(t-2) SCE CME 2, Para un experimento que contenga b cuadrados latinos con t tratamientos Fuente de Variacién GL | S.C c.M F Cuadrados (b-1) ses cus Hileras/Cuadrados | b(t-1) SCH/S MH/S Colunnas/Cuadrados | b(t-1) ScC/S cMc/S Tratamientos (t-1) scT CMT Tratamiento*Cuadra- do (b-1)(t-1)} — SCT*S cuT+s Error b(t-1(t-2) SCE CME Total pita-1- EXPERIMENTOS. FACTORIALES Factor: Clase de tratamiento Experimento factorial: Se caracterizan por tratamientos que estén compuestos por combinaciones de factores y niveles de factores Significa arreglo de tratamientos Ejemplo: Factor A: Variedad Niveles. 3: V1 v2 v3 Factor B: Fertilizacién de N Niveles 2: 0 kg/na 60 kg/na Var, ON Tratamientos: 1 V1 0 2 v2 0 3 NB 0 4 ov 60 5 ve 60 6 v3 60 Los arreglos factoriales se disponen en parcelas de acuerdo a disefio ex- perimental definido. Es posible evaluar la respuesta a cambios en: A- Un factor especffico a un nivel especffico de otro factor (efecto simple) B- Un factor espectfico en promedio de niveles de otros factores (efec- to principal) C- Cambios simulténeos de los factores en estudio (interaccién) Son Gtiles en las primeras etapas de experimentaci6n.-72- EXPERIMENTOS FACTORIALES. 1. Concepto de interaccién: Experimento: 2 factores Factor A: Variedad Niveles: V1, V2 Factor B: FertilizaciénN —Niveles: 0, 60 . ' . ' ; roo , ; ar) ; an ' 1 Y Rend u ‘ v, ' () \ ; 2 ; \ ; ; : 1 ' . ' i a Tn i , ' y ‘ 1 ' 1 Yo ‘ ' i ' t 1 ‘ ' 1 1 1 0 60 0 60 0 60 No interaccién Interaccién Interaccién 2. Efecto simple y principal Ms Efecto sim- ple de N Efecto princi- Efecto prin pal de V cipal de N-723- EXPERIMENTO FACTORIAL 1. Analisis de varianza a) Disefio: Bloques al azar con 4 repeticiones b) Tratamientos: Arreglo factorial AxB Factor A: 3 niveles Factor B: 3 niveles Fuente de variacién GL S.C Lom F Repeticién “SCR cur * Tratamientos sct cnr * Efecto Principal A SCA cMA * Efecto Principal B | b-1=2 scB cme, * Interaccién A*B (a-1)(b-1)=4] — SCA*B CHASE Error (r-1(t-1)= 24] SCE Total rt-1 35 2) Modelo Vajk =H + BE tay+ By + (0B) 5g + Eis Bi = Efecto repeticion a; = Efecto principal de A 8, = Efecto principal de B (a8), Efecto interaccién A*B-4- EXPERIMENTOS CON K FACTORES Utiles en las primeras fases de una investigacién donde el objetivo principal es la identificactén de factores que requieren un mayor es- tudio. Se requiere de experimentos que permitan el estudio simulténeo de va- rios factores en varios lugares. No se requiere alta precisi6n en la comparacién de promedios y es su- ficiente identificar solo los factores e interacciones que tienen un gran efecto sobre los rendimientos. Estos experimentos estén basados en arreglos factoriales de la serie ik k. eos. k = N° de factores 2 y 3 N° de niveles Se utilizan en una fase exploratoria y permiten la estimaci6n de los efectos. de k factores al igual que interacciones. E1 nimero de unidades experimentales requerido es por lo general muy grande. Si se eliminan las interacciones de alto orden, e1 tamafio del experimento se reduce. El disefio se reduce si se utilizan repeticiones fraccionadas, dentro del concepto de experimentos factoriales con efectos (interacciones) confundidas.- 75 - DISERO DE PARCELAS DIVIDIDAS Se emplea frecuentemente en arreglos factoriales, en los que 1a natu- raleza del material experimental o las operaciones contempladas difi- cultan e1 manejo de todas las combinaciones de factores en una misma forma. Involucra 1a asignacién de niveles de un factor a parcelas principales dispuestas en un disefio completamente aleatorio, bloques completos al azar 0 cuadrado latino. Los niveles del segundo factor se asignan a subparcelas dentro de cada parcela principal. Se pierde precisién en la estimaci6n de los efectos promedio de los ni- veles asignados a las parcelas principales. Se aumenta precisién para comparar los niveles de los factores asignados a las subparcelas y pa- ra comparar efecto de interacciones. Cada variacién del disefio de parcelas divididas impone restricciones en cuanto al ténmino de error que puede utilizarse para probar efecto de tratamientos. La variacién m&s comin es la aplicacién de los niveles del segundo fac- tor en forma aleatoria en cada uno de los bloques. Se denomina fajas divididas. Es posible tener diferentes factores dentro del concepto de parcelas di- vididas con sub-subparcela- 16 - DISEWO DE PARCELAS DLVIDIDAS Experimento: Factor 1: Variedad, niveles 3: V1, V2, V3 Factor 2: Désis de P: 0,50, 100 Repeticiones = 3 vi V2 v3 Andlisis de varianza Fuente de Var. Grados de libertad sc [ cM F Repeticién RL =2 x CMR (CMR/CME (a) Variedad V-1 =2 x CMV CMV/CME (a) Error (a) (r-1)(Ve1) = 4 x CHE (a) Fésforo P-1 =2 x CMP (CMP/CME(b) PxV (P-1)(V-1) = 4 x CMPXV (CMPxV/CME (b) Error (b) V(P-1)(r-1) = 12 x CME (b) Total VPR-1 = 26-W7- DISERO DE FAJAS DIVIDLDAS Experimento: Factor 1: Variedad, niveles 3, V1, V2, V3 Factor 2: Désis de P: 0,50, 100 Repeticiones = 3 I I MI VL v3 V2 v2 v1 v3} v3 v2 Vi 0 50 100 100 0 50 Oo 100 50 Andlisis de varianza Fuente de Var.| Grados de libertad sc cr F Repeticién rl =2 x MR | CMR/CME(a) Variedad Vel =2 x cay | CMV/CME(a) Error (a) (r-1W-l) = 4 x CHE (a) Fésforo (D) Pel =2 x cup | CMP/CME(b) Error (b) (P-1)(r-1) = 4 x CME (b) Pxv (P-1)(W-1) = 4 x CMPxV | CMPxV/CME(c) Error (c} (V-1)(P-1)(r-1) = 8 x CME (c) Total VxPxr-1 8- 78 - BLOIUES INCOMPLETOS LA REPETICION 5 DIVIDE EN BLOQUES FL NUMERO DE TRATAMIENTOS EN CADA BLOQUE ES MENOR QUE EL NUMERO TOTAL DE TRATAMIENTOS. EL NUMERO DE REPETICIONES ES FLEXISLE OEPENDIENDO DE LA FORMA COMO SE ASIGNAN LOS TRATAMIENTOS A LOS BLOQUES, PUEDEN CLASIFICARSE COMO: BLOQUES INCOMPLETOS BALANCEADOS BLOQUES INCOMPLETOS PARCIALMETE BALANCEADOS SI EL NUMERC DE TRATAMIENTOS ES CUADRADO PERFECTO LOS BLOQUES INCOMPLETOS= 9 LATICES LATICE BALANCEADO NUMERO DE REPETICIONES = t+1 0 DE TRATAHIENTOS = +t? TAMARO DCL BLOQUE = t (PARCELAS, UNIDAD EXP.) PRECISIUN EN LA COMPARACION DE TRATAMIENTOS : IGUAL LATICE PARCIALMENTE BALANCEADO NUNERO DE REPETICIONES = CUALQUIER NUMERO NUMERO DE TRAT 2 ¢? et EN LA COMPARACION OF TRATAMIENTOS : DIFERENTE- 79 - Bis WES INCOMPLETOS t = N°DE TRATAMIENTOS N°DE REPETICIONES DE UN TRATAMIENTO N°DE BLOQUES k = N°DE UNIDADES EXPERIMENTALES POR BLOQUE \ = EL NUMERO DE YECES DOS TRATAMIENTOS PARTICULARES OCURREN JUNTOS EN EL MISMO BLOQUE Ve elke t-1 BLOQUE 1 BLOQUE 2 BLOQUE 3 BLOQUE 4 BLOQUE 5 BLOQUE 6 BLOQUE 7 A o c E E A 8 F B G G F c 9. c E Oo F A G BIE a ANALISIS DE VARIACION FUENTE DE VARIACION GL SUMA DE CUADR. CM OF TRATAMIENTOS (AJUSTADOS } t-1 SCTR SCT/G.L GLOQUES (NO AJUSTADOS) b-1 SCB SCB/G.i A-t-b+L SCE SCE/G.L n-1 SctLATICE BALANCEADO TRATAMIENTO. BLOQUE — INCOMPLETO N* REP. I REP. IL REP. IIT REP. iv 1 123 147 159 168 2 456 258 267 249 3 789 369 348 357 LATICE PARCIALMENTE BALANCEADO: LATICE SIMPLE TRATAMIENTO SLOQUE — INCOMPLETO REP, I REP. IT 1 123 is9 2 456 267 3 789 348 LATICE TRIPLE TRATAMIENTO BLOQUE a REP. REP. IT REP. IIT 1 123 i47 168 2 456 258 249 139 363 3571. 2. - 81 - DISENOS SISTEMATICOS LOS TRATAMIENTOS NO ESTAN ALEATORIZADOS. UTILES EN EXPERIMENTOS DONDE LOS TRATAMIENTOS VARIAN SEQUENCIAL- MENTE, A TRAVES DE HILERAS Y COLUMNAS (ESTUDIOS DE ESPACIAMIENTO) . PUEDE ESTUDIARSE UN ANPLIO RANGO DE VARIACION ENTRE NIVELES DE ‘TRATAMIENTOS. EL ANALISIS SE REALIZA DETERMINANDO UNA FUNCION PARA RANOOS DE YVARIACION. . £ (DISTANCIA ENTRE PLANTAS) REND £ \WISTANCIA ENTRE SURCOS) REND = £ (D. PLANIAS + 7, SURCOS)DISERO SISTEMATICO PARA DOS DIRECCIONES EN MONOCULTIVO 2 NIVEL K---K---K-- “ Ht | ' eer 10 - 0-0 oO roa Y m4 ‘ Hoy 2-0-9 -0 Poh Pong ow-O-0-0 roe yt Hoe yd yo DONONNN [SNCF CYT [SOF OFFS tooo an hort nn 9-0 Ho m- 9-8-0 : ‘ “progr ed aa ~ 2 capicos 333DISENO SISTEMATICO DE ESPACIAMIENTO EN DOS DIRECCIONES PARA DOS CULTIVOS ASOCIADOS RXXKXXK KK XX KK XK KR KX KR KX RK RK KX Kx cL IOOCCOCODOCEECIODOECDODD090COCOUCOO0900000 KERHXKK KR XK KX KX X X K KR KX XK KX RRYRKEL KK KK KK KK KK KOK KK Kk © 0 9 © © 0 6 © 9 0 © © 9 © oO ? ° RARKKXK XX KKK KX KX KK XK KOR K x= 84 - ENSAYOS EN PRODUCCION ANIMAL ENSAYOS Ei! CONFINAMIENTO Los animales permanecen estabulados o dentro de instala- ciones hasta el final de 1a experimentaci6n. ENSAYOS Dé CAMPO Los animales son mantenidos en pasturas (tratamientos) du- rante todo e} perfodo experimental. ENSAYO SEN!-CONFINADO S animales son mantenidos dentro del establo o de las instalaciones para el racionaniento (tratamiento) para el ordefio, etc. .- 85 - FASES DE LA EXPERIMENTACION EN PRODUCCIUN ANIMAL 1, PERIODO PRELIMINAR Acostumbra los animales al manejo y pesaje del ensayo. Se utiliza un racionamiento comin. Util para hacer balanceo. 2. PERIOD PRE-EXPERIMENTAL Consiste en el ensayo propiamente dicho. Se desprecian las producciones iniciaies. Duracién aproximada: ura semana. Es conveniente tomar el mayor nimero de animales en el perfodo preliminar para asf hacer descartes.TAMAROS DE UNIDAD EXPERIMENTAL AVES Y ANIMALES PEQUEROS: Permite obtener grupos homogéneos con 10, 12, 15 animales/U.E SUINOS Y OVINOS: Penniten grupos de 4, 5, 6 animales/U.E BOVINOS: Permiten grupos de 2, 3, 4 animales/U.E En experinentos de cambio se puede tener un animal por tra- tamiento.- 87 - EXPERIMENTACION EN NUTRICION Factores que afectan producci6n en ei animal. 1, FACTORES GENETICOS Hay variaciones entre razas y dentro de razas. 2. NUTRICIONALES Tipo de alimentacién (pasto, ensilaje, concentrados, etc.) 3. EDAD Tiene marcado efecto, especialmente en animales jovenes. 4. ESTADO DE GESTACION 5. EL ESTADO DE LACTANCIA O TIEMPO Dé LACTACION $. OTROS FACTORES Peso Enfermedades Métodos de alimentacion.CLASIFICACION DE EXPERIMENTOS 1, EXPERIMENTOS CONTINUOS * 1. Completamente aleatorio * 2. Grupos balanceados * 3. Bloque completo aleatorio 4. Cuadrado latino 5. frreglos factoriales 6. Parcelas divididas 7, Bloques incompletos TL. EXPERIMENTOS DE CAMBIO A. Sin efectos residuales * 1. Cambio simple * 2. Cambio doble o triple +3. Cuadrado latino 4. Cuadrado de younden 5. Lattice cuadrado 8. Con efecto residual * 1, Cuadrado latino 2. Cuadrado latino modificado 3. Cuadrado de younden 4. Lattice cuadrado~ 89 - DISERO DE CAMBIO SIMPLE Se denomina “SWITCH OVER" Utilizados en produccién lechera Son modificaciones al cuadrado latino Secuencias : (Animales) Perfodos : (Tiempos de aplicacién de tratamientos ) Se asune no efecto residual (ajuste) ANIMAL, PERIODO =I Il IIL 1 A B c 2 B c A 3 c A B Util para 3 y 4 tratanientos (Perfodo de lactacién 3 y 2 meses) SECUENCIA PERIODO =I Il Wr oW 1 B A 2 c c 3 A BPERIODO 1 2 PERIODO 1 2 - 90 - CAMBIO SIMPLE CON 4 TRATAMIENTOS SECUENCIA 1 Il Ill A B c B c D D A 8 c D A CAMBIO SIMPLE CON PERIODO EXTRA SECUENCIA I Il Ml A B c B c A c A B c A B wv VI-91- EXPERIMENTOS EN CAMBIO DOBLE Se denominan “SWITCH BACK" £1 animal se utiliza en tres perfodos experimentales sucesivos, teniendo el perfodo inicial y final el mismo trataniento, el cual es comparado con el segundo perfodo. Pueden ser de dos tipos: DISERO COMPLETO: Si P es el nimero de tratamientos el nimero de secuencias se- ré: P(P-1) distribuidas en (P-1) bloques de P secuencias. DISENO REDUCIDO: El nimero de secuencias seré: P(P-1)/2 distributdos en blo- ques de P secuencias. P=3 SECUENCIA periopo ot 0 Moy yyy 1 A B CGC A B C p(P-1) = 2 8 C A C A 8B Bree 30 A 8B C¢ A B C¢ SS — Bloque 1 Bloque 2- 92 - DISERO DE CAMBIO DOBLE PARA 4 TRATAMIENTOS ‘SECUENCIA PERIODO I Il IE IW WV VE WIT VIII Ix x XI XII 1 A B c D A B c D A B c D 2 B c DOA c D A B D A B c 3 A B c DOA B c D A B c D Bloque 4 Bloque 2 Bloque 3 PARA 5 TRATAMIENTOS DISENO REDUCIDO ‘SECUENCIA PERIODO I Il Il IV VWI WIT VIII IX x 1 A B C€ D E A B C DE 2 B c D E—E —€ C€ D E& AB 302A B c D —E A B c Do E P(P-1)/2 = (5.4)/2 = 10 sec.- 93 - ANALISIS DE VARIANZA PARA DISENOS DE CAMBIO SIMPLE Fuente de variacién | G.L s. dec om F Cuadrados latinos |L-1 SCL om CML /OME Secuencias/CL (r-1) Lb ‘SCS/CL CMS /CL CMS /CL/CME Perfodos /CL (ra) scP/cL cuP/cL (cMP/CL/CME Tratamientos (r-1) SCT ont ONT/CME TR * CL (r-1) (L-1)| scT*cL onT*cL CMT*CL /CHE Error DIFF SCE ome Total rel ANALISIS DE VARIANZA PARA DISENO DE CAMBIO DOBLE Fuente de variacién GL I S. dec cM I F Tratamientos T-1 scT CMT CMT /CME Bloques B-1 SCB CMB (CMB/CME Error (1-1) (8-1) SCE OME= 94 - ANALISIS COMBINADO DE EXPERIMENTOS ES COMUN EN EXPERIMENTACION REPETIR BL EXPERIMENTO EN VARIOS LUGARES 0 EN VARIAS EPOCAS, EL ANALISIS ESTADISTICO PARA LOS DATOS VARIARA COM LOS OBJETIVOS DE INVESTIGACION. &&8 GENERAL, EN LOS CASOS SE PLANTEAN LOS SIGUIENTE: > BI EXISTEN DIFERENCIAS EN PROMEDIO DE TODOS LOS ROG Y LOCALIDADES, + SI EL COMPORTAMIENTO DE LOS TRATAMIENTOS PUE IGUAL EN TODAS LAS LOCALIDADES. + Sl EL COMPORTAMIENTO DE LOS TRATAMIENTOS FUE SI~ MILAR EN TODOS LOS ANOS. + SI LA DIFERENCIA DE UN TRATAMIENTO EN PARTICULAR, FUE DE UNA MAGNITUD QUE SE ESPERA SIRVA EN UNA RE- GION POR UN PERIODO DE TIEMPO AMPLIO.-~95- ANALISIS COMBINADO DE EXPERIMENTOS PARA COMBIRKAR FXPERIMENTOS SE ASUME QUS LOS TRATA~ MIENTOS QUE VAN HA EVALUARSE EN TIEMPO ¥ LUGARES, HAM SIDO EVALUADOS EN EXPERIMENTOS ESPECIFI00S. EL ENFOQUE GENERAL SE BASA EN LA CONDUCCION DE EN- SAYOS QUE POSEAN: = EL MISWO DISERO EXPERIMENTAL + EL MISMO DISERO DE TRATAMJENTOS ~ EL MISMO NUMERO DE ALPETICIONES - EL MISMO TAMARO DE UNIDAD EXPERIMENTAL EL DISERO DE BLOQUES AL AZAR, USUALMENTE ES EL PREFE- RIDO POR SU SIMPLICIDAD Y PRECISION. EL NUMERO APROPIADO DE REPETICIONES ES 3 A 4 REPETI- CIONES ALEATORIZADAS POR SITIO. EL NUMERO DE TRATAMIENTOS ES CONVENIENTE QUE SEA IN- FERIOR A 15, EL NUMERO DE SITIOS Y ANOS DEPENDE DE LA VARIABILIDAD DE LA ZONA, TIEMPO Y EL OBJETIVO DE LOS RESULTADOS.= 96 - ANALISIS COMBINADO DE EXPERIMENTOS SE ASUME QUE EL ANALISIS SE PLANEO DESDE EL COMIEN- 20 DEL TRABAJO. ANTES DE ANALIZAR ES CONVENIENTE ANALIZAR TENDEMCIAS DE VARIACION. DEBE OBSERVARSE SI LA VARIACION KS HOMOGENEA EN TO- DOS LOS SITIOS. PUEDE OBSERVARSE POR: = PRUEBA DE WOMOGENEIDAD DE VARIANBAS + PRUEBA DE HARTLEY + PRUEBA DE COCHRAN = OBSERVACIONES DEL RANGO DE TRATAMIENTOS PARA CARA SITIO EN GENEAAL $£ ASUME QUE EL ERROR ES HOMOGENEO PARA TODOS LOs SITIOS.-97- ‘MUALISIS COMBINADO DE EXPERIMENTOS Ejemplo: Experimentos: 3 sitios, 4 aiios 5 tratamientos Bloques al azar en cada sito con 4 repe- ticiones AnSlisis por sitio y aio FUENTE. G.L sc CMEDIO r —7—_—_———— Blogques bel (3) seca os (CMB/CME Tratamientos ta (4) oct ar (CMT /CME Error (b-1)(t~-1) 12 SCE TOTAL bt-1 a9 —_— Ss AMALISIS DE HOMOGENEIDAD DE VARIANZA PRUEBAS DE PROMEDIOS DNS ‘DUNCAN ~COMPARACIONES ORTOGONALES- 98 - AWALISIS COMBINADO DE EXPCRIM:NTOS 3) COMBI!.\C1ON PR LUGARES/EN CADA ARG Anflis‘s de varianza YUENTE G.L S.C S.M P Sitio S-1 (2) scs cas Bloques (sitios) S(b-1) (9) SCB(S) CHB (5) Tratanientos tel (4) sct CNT Trat.*sitios (b-2)(t-2) (28) scT*S CuT*S Error S(Be1)(t-1) 36 SCE cur ‘TOTAL 59 + Prusbas de bipétesis en tratamientos sitios sitios * tratamientos Dependen de los supuestos en los factoses itratalientos y sitic~ . + Pruebas de promedios DUNCAN Contrastes Ortogona La inveraccién trat.*sitios indica que algunos tratamientos son mis eficientes que otros, Gependiendo del sitio= 99 - AMALIS15 COMBINADO DE EXPERINENTOS Combinaci6én: trat., sitios, afios - El andlisis de varianaa y la interpretaci6n de resultados es mis compleja. - La interacci6én sitio*aio indica que en promedio de trata- mientos se observa mayor respuesta en ciertos afios para ciertas localidades. - Las interacciones trat. *afos indica que algunos trata- mientos, como un promedio sobre todas las localidades, pro- @ucen m&s en ciertos afios mientras que otros rinden menos en diferentes aios. - La interacci6n trat.*sitio indica que algunos tratamientos Son més productivos que otros, en promedio de todos los af para diferentes localidades. = Cuando el cuadrado medio de tratamientos, excede significa- tivamente la interacci6n tratamiento*sitio, hay evidencia suficiente de un tratamiento consistente sobre todos ios si- tios. - A menos que el cuadrado medio de tratamientos exceda signifi- cativamente a la interacci6n tratamiento*sitio o tratamiento *aio, no se puede hacer una recomendaci6n para wn sitio en afios futures.BIBLIOGRAFIA Mues treo: COCHRAN W.G. 1963. Sampling techniques John Wiley & Sons, New York. Segunda edici6n. KEARL, B. (ed), Field data collection in the Social Sciences, Agricultural Development Council, Ney York, 1976. KISH L. 1965. Survey Sampling. John Wiley & Sons, New York. RAJ, DES, The Design of Sample Surveys, McGraw Hill, New York, 1972. SUDMAN S. 1976. Applied Sampling. Academic Press, N.Y. Disefio Experimental: CASTRO LUIS, 1980. Disefio Experimental sin Estadfstica, Editorial Trillas, México, D.F. COCHRAN G. WILLIAM and G. COX. 1975. Experimental Design. 2°Edition. Wiley Publication in Statistics. New York. COX D.R. 1958. Planning of Experiments. Wiley Publication in Statistics. New York. CADY, F.B., and R.J. LAIR. 1973. Treament Design for fertilizer use experimentation. CIMMYT Res. Bull. 9. Londres 40. México D.F. HENAO JULIO. 1982. Manual de Experimentacién en Sistemas de Cultivo. CATIE (mime6grafo). PERRIN, R.K., D.L. WILKELMANN, E.R. MOSCARDI, and J.R. ANDERSON. From agronomic data to farmer recomendation: an economic training manual.CIMMYT. México, D.F. STEEL ROBERT D.G. and JAMES H. TORRIE. Principles and procedures of Statistics. A biometrical approoch. 2° edition. McGraw-Hill Co.