P. 1
Parcelas Divididas

Parcelas Divididas

|Views: 385|Likes:
Publicado poramorbb9008

More info:

Published by: amorbb9008 on Nov 12, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

07/29/2014

pdf

text

original

DISEÑO PARCELAS DIVIDIDAS Este es un diseño experimental combinado que resulta útil cuando al estudiar simultáneamente varios factores

, alguno o algunos de ellos deben ser aplicados sobre unidades experimentales relativamente grandes, pudiéndose aplicar el otro o los otros en unidades experimentales menores, dentro de las unidades mayores. El caso más sencillo es aquél en el que se tienen sólo dos factores, asignando los niveles de uno de ellos a las unidades mayores y los niveles del otro a las subunidades. A las unidades experimentales mayores suele llamárseles parcelas grandes o parcelas principales y a las unidades experimentales menores se le llama subparcelas o subunidades. Se debe notar que además de que los niveles de los diferentes factores son asignados a unidades experimentales de diferentes tamaños, está implícito también un número diferente de repeticiones. El número de repeticiones para el factor asignado a las subunidades es r*a, siendo r el número de repeticiones del factor asignado a las unidades principales y a su número de niveles. El factor correspondiente a las parcelas principales puede asignarse a éstas utilizando cualquiera de los esquemas de aleatorización básicos: Completamente al Azar, en Bloques al Azar o en Cuadro Latino. El factor correspondiente a las subparcelas se asigna al azar dentro de cada parcela principal; en tal sentido, las parcelas principales son análogas a bloques, solo que por asignarse a éstas los niveles de un efecto fijo y por existir repeticiones de las mismas, es posible evaluar tanto los efectos principales del factor asignado a las mismas como su posible interacción con en el otro factor. En adelante nos concentraremos en el caso más sencillo de un Diseño Parcelas Divididas, es decir aquél con sólo dos factores. Todos los resultados obtenidos son generalizables a casos más complejos en los que los tratamientos asignados a las unidades principales, a las subunidades o a ambas estén comformados a su vez por las combinaciones de los niveles de dos o más factores. Supóngase que se quiere realizar un experimento que involucre dos factores: el primero con tres niveles y el segundo con dos, así:

a

a1 a2 a3

b1 b b2

Se muestran a continuación posibles esquemas de aleatorización considerando los diseños más comunes (Parcelas Divididas y otros), suponiendo que ambos factores tienen igual importancia relativa y que se desean evaluar tanto sus efectos principales como su posible interacción, es decir, descartando la opción de tomar alguno de éstos como factor de bloqueo. Para facilitar la

a2b2 a1b1 a3b1 a2b1 a1b2 a3b2 a1b1 a3b1 a2b2 a2b1 a1b2 a3b2 2) Diseño Bloques Completos al Azar. se considerarán sólo dos repeticiones. excepto donde el diseño exige tantas repeticiones como tratamientos (Cuadro Latino). 1) Diseño Completamente al Azar. a1b1 a3b2 a2b1 a3b1 a2b2 a1b2 a2b1 a2b2 a3b2 a1b1 a1b2 a3b1 a3b2 a 1b2 a 2b2 a 2b1 a 3b1 a 1b1 a2b2 a3b1 a1b2 a3b2 a1b1 a2b1 a1b2 a1b1 a3b1 a2b2 a2b1 a3b2 a3b1 a2b1 a1b1 a1b2 a3b2 a2b2 4) Diseño Parcelas Divididas con el factor a asignado a las parcelas principales. Bloque I Bloque II a1b2 a3b1 a2b2 a1b1 a2b1 a3b2 a1b1 a3b2 a1b2 a2b2 a3b1 a2b1 3) Diseño Cuadro Latino (si el número de combinaciones de tratamientos no es muy alto). b1 b2 a3 a1 b2 b1 b2 b1 a1 a2 b1 b2 b2 b1 a2 a3 b1 b2 . distribuido completamente al azar. Guillermo – Parcelas Divididas 2 de 14 ilustración de los posibles esquemas de aleatorización.Correa.

distribuido en Bloques Completos al Azar. .Correa. Guillermo – Parcelas Divididas 3 de 14 5) Diseño Parcelas Divididas con el factor a asignado a las Parcelas Principales. distribuido Completamente al Azar. Bloque I a2 a3 a1 a2 a1 a3 b2 b1 Bloque II a1 a3 a2 a3 a2 a1 7) Diseño Parcelas Divididas con el factor b asignado a las Parcelas Principales en Bloques Completos b2 b1 a1 a3 a2 a1 a2 a3 b1 b2 a3 a2 a1 a2 a3 a1 Aunque el factor asignado a las parcelas principales podría asignarse a éstas con base en un esquema de aleatorización de Cuadro Latino. b1 b2 al Azar. no se ilustra aquí por tratarse de una situación muy poco común. a2 a3 b1 b2 b1 b2 a3 a1 b2 b1 b2 a2 b1 b1 Bloque I b2 b1 Bloque II b2 a1 6) Diseño Parcelas Divididas con el factor b asignado a las Parcelas Principales.

exige parcelas relativamente grandes. por su naturaleza. niveles de luz o de temperatura. sin embargo. Esta situación es diferente en el Diseño Parcelas Divididas. pueden dividirse las unidades experimentales y realizar la aleatorización de los niveles del segundo factor en las subunidades resultantes. mientras que el otro factor permite su aplicación sobre unidades experimentales más pequeñas como variedades. puede considerarse el conjunto de las mediciones realizadas sobre una misma unidad experimental como la Unidad Principal. de irrigación. Cuando uno de los factores. Guillermo – Parcelas Divididas 4 de 14 Es importante aclarar que la igual importancia relativa entre los dos factores a la que se hace referencia anteriormente tiene que ver básicamente con el hecho de que ninguno de éstos se tome como factor de bloqueo. dosis de fertilizantes. se considera que éste no debería condicionar la escogencia del Diseño y se menciona aquí más como una consecuencia del uso del mismo. Hay que anotar. 2. distancias entre surcos. los efectos relacionados con éste se estiman con mayor precisión.Correa. los factores son tratados de la misma manera. 4. Los niveles de fertilizante se asignaron a las parcelas grandes con base en un diseño de bloques completos al azar (tipos de suelo) con 3 repeticiones. USOS. Se estudió el rendimiento forrajero del ramio en función de diferentes frecuencias de corte y niveles de fertilizante. 1. Debido a que el factor asignado a las subparcelas cuenta con más repeticiones. Si luego de iniciado el experimento se desea incluir otro factor —y su naturaleza lo permite—. las frecuencias de corte se asignaron a las subparcelas. cuando se elija con base en alguno de los tres primeros criterios. El análisis es análogo al de un diseño Parcelas Divididas (en el espacio). por ejemplo. que sólo bajo los tres primeros esquemas de aleatorización. por lo que se le designa a este diseño como Parcelas Divididas en el Tiempo. pues dado que el factor asignado a las subparcelas cuenta con mayor número de repeticiones. . sistemas de labranza. distancia entre plantas. etc. Cuando en un experimento se toman varias mediciones sobre la misma unidad experimental a través del tiempo y tales mediciones son independientes. 3. Aunque muchos autores relacionan esta característica como uno de los criterios para escoger un Diseño Parcelas Divididas. y cada una de las lecturas realizadas en el tiempo como las subunidades. sus efectos son estimados con mayor precisión. EJEMPLO. es decir que son asignados a unidades del mismo tamaño y cuentan con el mismo número de repeticiones.

4 256.6 293.3 53.5 66.k a2b1 a2b2 a2b3 Y2.0 III 78.3 86.1 195. éste se desglosa en dos partes: el análisis de las Parcelas Principales y el análisis de las Subparcelas.0 203.7 731.2 95.k a1b1 a1b2 a1b3 Y1.9 601.8 90.1 309.4 324.9 84.9 99.6 69. Se inicia con la parte correspondiente a las Parcelas Principales.1 121.3 208. registrado durante un ciclo de producción de 228 días.9 86.Correa.2 108.5 167.7 99.9 201. Guillermo – Parcelas Divididas 5 de 14 Fertilizante (a) 0 kg/ha (a0) 100 kg/ha (a1) 200 kg/ha (a 2) 38 días (b1) 57 días (b2) 76 días (b3) Frecuencias de corte (b) A continuación se presenta un posible esquema de aleatorización Bloque I b3 b1 b2 b2 b1 b3 b2 b1 b3 Bloque II b1 b2 b3 b3 b3 b2 b1 b1 b2 Bloque III b3 b2 b1 b3 b1 b1 b2 b2 b3 La siguiente tabla contiene el rendimiento en kilogramos de forraje verde por parcela.0 287.1 57. Tratamientos a0b1 a0b2 a0b3 Y0..1 56.1 244.6 61.9 68.9 73.7 802.9 203.5 282.1 Y…=2250.3 108. .7 305.7 221.3 283.8 Bloques II 72.8 73.5 Con el fin de ilustrar el proceso de análisis. 230.7 716.6 95.2 97.k Y.4 281.k I 78.7 Yij.2 747.3 902.2 96.6 97.8 72.

8 II 195.7 2 = − TC = 460 .2 293.k) a0 a1 a2 Y...7 Yi .6 324. Totales de las Parcelas Grandes (Combinaciones Bloques*a) (Yi.8 221..7 802.7 2 2250 .5 2 − = 5961 .2 283.Correa.7 716.9 2 +195 . acorde con el esquema de aleatorización usado para el factor principal. + 293 .8 2 + 802 2 + 716 .34 3 3 x3 x3 2 ∑Y .1 2250. la suma de cuadrados y los grados de libertad de las Parcelas Principales se particiona sólo entre el efecto principal del factor a y el Error a. 601. k 731 . en un DCA). Guillermo – Parcelas Divididas 6 de 14 Bloque I Bloque II Bloque III a1 a2 a0 a0 a1 a2 a2 a0 a1 Se hacen particiones tanto de las sumas de cuadrados como de los grados de libertad correspondientes a las parcelas grandes. ∴ SC (Combinaciones Bloques*a) ≡ SC (Parcelas Grandes) 2 Y. 203 .k I 203.45 SC (Bloques)= k −TC 3 x3 a *b = .7 281. Y .. . SC (PG)= ∑ i k − b a *b*r ik 2 TC: Término de Corrección.0 902.7 2 + .0 II 201.9 244.7 731...4 747. Parcelas Grandes (a * r ) −1 = 8 Bloques: ( r −1) = 2 (a −1) = 2 A: Error a: (r −1)( a −1) = 4 Es importante anotar que cuando el factor asignado a las Parcelas Principales se distribuye con base en un Diseño Completamente al Azar.5 Las Parcelas Grandes están conformadas por las combinaciones Bloques*a (por las combinaciones r*a.

2 309. Tratamientos A B AB 230 256.3 685. i i 2 b*r − TC = 601 .5 282.7 774.1 790.0 2 + 902 .Correa.4 2 + 747 .5 287. es importante analizar el esquema completo que ilustra la forma en que se particionan tanto las sumas de cuadrados como los grados de libertad.12 − TC = 5025 .) b1 a0 a1 a2 Y.4 . Bloques (r-1)=2 Parcelas Grandes (a*r)-1=8 A (a-1)=2 Error a (r-1)(a-1)=4 Total (a*b*r)-1=26 B (b-1)=2 Subparcelas a*r(b-1)=18 AB (a-1)(b-1)=4 Error b a(r-1)(b-1)=12 Tratamientos (a*b-1)=8 Se inicia el análisis de las Subparcelas con la partición de las sumas de cuadrados de los tratamientos.03 3 x3 SC (Error a)= SC (PG) – SC (Bloques) .3 305. Totales de las Combinaciones ab (tratamientos) (Yij.9 b3 167.86 Antes de pasar al análisis de las subparcelas.SC (A) = 475.9 208..j.2 b2 203. Guillermo – Parcelas Divididas 7 de 14 SC (A)= ∑Y .

225 2512. 2 −T C = 774 .935 21.03 475.45 5025.119 9.5 2 + .. En caso de tener más de dos factores.310 240.86 714.99 Cuadrados Medios 230.6 2 − TC = 8101 . r −TC = 230 2 + 203 .07 3 SC (B) = ∑a * r j Y .62 963.9 2 + 72 . No obstante.99 SC (Error b) = SCT – SC (PG) – SC (B) –SC (AB) = 462.3 2 − TC = 6703 . + 309 .2 2 + 790 . mientras que el efecto principal del factor b (B) y la interacción AB se evalúan con el Error b. gld) Parcelas Principales Subparcelas 6.965 357.855 38. j.88 3. Guillermo – Parcelas Divididas 8 de 14 SC (Tratamientos) ≡ SC (Combinaciones ab) Y ∑ SC (combinaciones ab) = ij 2 ij .94 3..268 6. debido a que en este diseño se generan errores .42 Y ∑ ijk 2 SCT = ijk −TC = 78 .42 462. + 97 ..4 2 −TC = 714 .Correa. En este caso. las interacciones entre factores asignados a las subparcelas o interacciones de éstos con algún factor asignado a las parcelas principales se evalúan con el Error b.9 2 + 685 .5 2 + .550 Estadísticos F 1.515 118. puesto que la interacción resultó significativa el siguiente análisis debería ser la evaluación de los efectos simples.247 F0.61 8101.26 El efecto principal del factor a (A) se evalúa con el Error a.05(gln. las interacciones entre factores asignados a las parcelas principales se evalúan con el Error a.62 3 x3 SC (AB) = SC (combinaciones ab) – SC (A) – SC (B) = 963.61 Tabla resumen del Análisis de Varianza Fuentes de Variación Bloque A Error a B AB Error b Total Grados de libertad 2 2 4 2 4 12 26 Sumas de Cuadrados 460..

se ilustran las diferentes posibilidades de comparación de medias.18 >14 . SY = Eb a*r = 38 .07 3 x3 . Guillermo – Parcelas Divididas 9 de 14 estándar distintos para cada uno de los diferentes grupos de comparaciones.30 3 4. deberá duplicarse el numerador de la expresión dentro del radical. Efectos principales del factor a (A): Corresponde en este caso a la comparación del efecto promedio de los tres niveles de fertilizante. Sean: CM (Error a):= Ea CM (Error b):= Eb 1.01 14. COMPARACIONES DE MEDIAS.965 =3. Si se desea trabajar con las pruebas LSD o Scheffé.64 3 x3 El valor crítico (ALS) para la prueba de Duncan es = rα * S Y p r0.05(gl Error a=4) ALS 2 3.41 >14 .Correa.23 a0 − a2 = 33 .23 >14 .55 =2. SY = Ea b*r = 118 .82 < a1 83 < a2 100.30 a0 − a1 =16 .93 14.30 a2 a1 b a0 a c 2. Efectos Principales del factor b (B): Corresponde en este caso a la comparación del efecto promedio de los tres niveles de la frecuencia de corte.60 a0 66.60 a1 − a2 =17 . Los errores estándar que se presentan corresponden a los que se usarían en las pruebas de Duncan o de Tukey.

082 11.02 < b2 87.1 a a a2 95.58 El valor crítico (ALS) para la prueba de Duncan es = rα * S Y p r0.225 11.225 6.97 a a a1 85.88 b3 − 2 = 1 .56 a0 b1 b2 b3 76.3 b 6 8 b1 − 2 = .05(gl error b=12) ALS 2 3.68 r0.8 >6.8 <6.55 3 =3.38 3 3.082 6.1 a a a b 69.16 < b1 86.6 b 1 2 8 b3 − 1 =9.3 b 1 6 8 b2 a b1 a b3 b 3.5 94.05(gl Error b=12) ALS b3 76. Guillermo – Parcelas Divididas 10 de 14 El valor crítico (ALS) para la prueba de Duncan es = rα * S Y p 2 3.7 103.83 55. Efectos simples del factor b: Corresponde a comparar los efectos de la frecuencia de corte en cada uno de los niveles de fertilización.4 b Comparaciones Verticales .7 >6. SY = Eb = r 38 .9 101.03 3 3.Correa.67 67.

55] 2 + [118 . se obtendrían los valores críticos para la prueba de Duncan con 9 grados de libertad. bien sea en un nivel dado de frecuencia de corte (efectos simples del factor a) o en diferentes niveles de este factor (efectos cruzados). donde difieren todos 67.) ALS (Valor Crítico) 2 3. deberá aproximarse el valor de los grados de libertad al entero más cercano. Usualmente son de mayor interés los efectos simples que los efectos cruzados.55 = = 4.7 a b los2 niveles de los factores involucrados.97 + (3 −1) x38 .97 ] 2 [ (3 −1) x38.) * SY p r0. Si se quiere proteger contra el error tipo I al momento de realizar la aproximación.9 a b1 Los efectos cruzados consisten en comparaciones entre dos combinaciones de tratamientos. por ejemplo.83 b 94. Guillermo – Parcelas Divididas 11 de 14 4. Efectos simples del factor a (Factor asignado a las parcelas principales) y efectos cruzados1: Corresponde a comparar los diferentes niveles de fertilización. Siguiendo esta última recomendación. así: ν≅ [ (b −1) Eb + Ea ] 2 [ (b −1) Eb ] 2 + [ Ea ] 2 glEb glEa = [ (3 −1) x38.95 3 3. 55.97 b 69. l.97 ] 2 12 4 = 9.55 + 118 .34 15. Si se cuenta con una aplicación.67 b 85.1 a b3 . a2b2.67 b*r 3 x3 Los grados de libertad se aproximan usando la fórmula de Satterthwaite.Correa. S __ = y Ea + (b −1) * Eb 118 .1 a 101. así: ALS = rα (9 g. como Statcalc® o SAS®.20 14.4 b 103. que permita obtener valores de algunas distribuciones con grados de libertad no enteros. l. a0b1 vs.60 a0 1 a1 a2 76. deberá usarse la función “mayor entero contenido en”. es decir. Si se quiere aplicar una prueba cuyos valores deban obtenerse en tablas.53 .5 ab 95. podrá aplicarse la prueba DMS (LSD) o Scheffé usando el valor exacto de los grados de libertad obtenidos mediante la aproximación de Satterthwaite. aproximar al entero inferior.05(9 g.

1 99.8 108.9 a2 b2 97.9 a1 b2 86. entre ellas la de Duncan –no disponible en el PROC MIXED.6 .7 a2 b1 95. por lo que tales pruebas carecen de validez. INPUT a$ b$ @. RUN.3 a0 b3 56.3 121. Para la evaluación de los efectos principales se pueden usar diversas pruebas.9 a1 b1 84. RANDOM Bloques(A)/TEST.3 72.1 53.6 95.4 97. En caso de que el factor correspondiente a las Parcelas Principales se haya asignado completamente al azar. El PROC GLM tiene.5 78. sumas de cuadrados.3 99.2 a2 b3 90.6 a1 b3 73. este .Correa.6 a0 b2 68. DATA Ramio.1 73.9 72.1 69. a0 b1 78. Se usan los procedimientos GLM y MIXED.1 66.9 86. MEANS A/DUNCAN E=Bloques(A). valores F y valores p). grados de libertad. CLASS Bloques A B. END.8 108. DO Bloques=1 to 3. Nótese que el Error a se estima con base en la expresión: “Bloques(A)”. indicando cuál es el término del error usado en cada caso. MODEL Peso=Bloques A Bloques(A) B A*B/NOUNI. sin embargo.2 96.9 57. MEANS B/DUNCAN. INPUT Peso@. cuadrados medios. OUTPUT. PROC GLM. la gran desventaja de que los errores estándar estimados para la evaluación de los efectos simples del factor a (el factor asignado a las parcelas principales) son incorrectos. El GLM tiene la ventaja de presentar los resultados en un formato más familiar. Guillermo – Parcelas Divididas 12 de 14 Comparaciones Horizontales ANÁLISIS EN SAS. La tabla resumen del Análisis de varianza incluye todos sus componentes (fuentes de variación. DATALINES. LSMEANS A*B/PDIFF.4 61.

Para la evaluación de los efectos simples. El error estándar estimado para los efectos simples del factor a es inadecuado. La opción PDIFF genera los valores p de todas las comparaciones por pares de medias. DUNCAN. a a0 a0 a0 a1 a1 a1 a2 a2 a2 b b1 b2 b3 b1 b2 b3 b1 b2 b3 LSMEAN Peso LSMEAN Number 76.833333 55. se rechaza H0. TUKEY.100000 69.05).900000 101.700000 103. Para la evaluación de los efectos principales pueden usarse en el estamento MEANS las opciones LSD. con probabilidad de error igual a valor p. entre otras.500000 94. Se deberán analizar aquellas que corresponden a los efectos simples de interés.966667 85. y se declara. Se contrasta el siguiente juego de hipótesis: H0: µ Ha: µ ij =µ (ij)’ (ij)’ ij ≠ µ La salidas contienen los valores p de todas las posibles comparaciones entre pares de medias. Si el valor p es menor o igual que el nivel de significancia preestablecido (usualmente 0. realizando las adecuaciones del caso en el paso DATA. por lo que la evaluación de éstos no es correcta. SCHEFFE y DUNNETT. No está de más insistir en el hecho de que las comparaciones generadas por el estamento LSMEANS sólo son adecuadas para los efectos simples del factor b.100000 1 2 3 4 5 6 7 8 9 . pues. el procedimiento usa por defecto la prueba t.666667 67. Guillermo – Parcelas Divididas 13 de 14 error se estimará con base en la expresión R(A). Bastará. que hay diferencia entre las medias de los dos tratamientos comparados.Correa.400000 95. siendo R las repeticiones. con cambiar Bloques(A) por R(A) en todas las expresiones en las que aparezca y eliminar Bloques en el estamento MODEL.

CLASS Bloques A B. a favor de b1 (76. RANDOM Bloques Bloques(A). Se aclara que el factor bloques usualmente es aleatorio.0015.0001 <. mientras que en el estamento MODEL se incluyen solamente los efectos fijos. 55. MODEL PESO=A B A*B/DDFM=SATTERTH.1070 0. Nótese que en el estamento RANDOM del procedimiento MIXED se declaran todos los efectos aleatorios.0002 <. El valor p de comparar b1 contra b3 en a0 es 0.0373 <.Correa.67 vs. En caso de que la interacción resulte significativa. usando el estamento MEANS.0015 0.0001 0. LSMEANS A B A*B/PDIFF. deberán usarse los siguientes errores: S ( MIXED _  Y  2 )   2 S _ ( Duncan o Tukey ) = Y A manera de resumen.1156 0. La parte central del procedimiento se muestra a continuación.0002 0. RUN. con base en el mismo procedimiento. que aunque genera los resultados en un formato menos familiar estima errores estándar adecuados para todas las comparaciones.0049 0. el error estándar estimado para dichos efectos simples es inadecuado.97). para la evaluación de los efectos simples. con base en los errores estándar generados por el PROC MIXED.0049 0. por lo que la evaluación de éstos debe obtenerse con base en el procedimiento MIXED. Es importante resaltar que el procedimiento MIXED calcula los errores estándar correspondientes a diferencias de medias. Guillermo – Parcelas Divididas 14 de 14 Least Squares Means for effect a*b Pr > |t| for H0: LSMean(i)=LSMean(j) Dependent Variable: Peso i/j 1 2 3 4 5 6 1 0.0001 0. bastará con evaluar los efectos principales que sean del caso.0373 0. 2 y 3 acorde con el número asignado a cada una de las combinaciones de tratamientos (LSMEAN Number de la página anterior). pues como ya se dijo.0004 La comparación de los efectos simples de b en a0 consiste en comparar las medias 1.1070 0.0045 0.0080 5 0. PROC MIXED.1156 0. .0212 4 0. lo cual significa que tal diferencia es estadísticamente significativa. Si se quisieran realizar comparaciones manuales de medias con las pruebas de Duncan o de Tukey.1070 0.7626 3 0. se sugiere iniciar los análisis para este tipo de diseño con base en el PROC GLM. será necesario complementar el análisis con el PROC MIXED.0045 <.0001 0. es decir los que se usarían con las pruebas de t o de Scheffé.0015 0.1773 2 0.1070 0. La evaluación de los efectos simples de a en cada uno de los niveles de b no debe hacerse. Si la interacción no es significativa.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->