DISEÑOS EXPERIMENTALESRESUMEN TOTAL DEL CURSO POR TEMAS PRINCIPIOS PARA EL DISEÑO DE INVESTIGACIONES AGRÍCOLAS Control local: de condiciones

campo para ↓ el ε

 Recursos^materiales disponibles. Preguntas enfocar las actividades:

centran
saberlo

atención:

Cuál

es

mi

objetivo?Q quiero saber?Por q quiero ?-seguimiento

productivo:

1. COMPONENTES ÁREA PRUEBAS actividad en el proceso Cómo voy a realizar esta tarea?'¿Por que hago esta de tarea?
EXPERIMENTO-TRATAMIENTO-

Replicación: estima la varianza (§) del ε 3. Aleatorización: obtener válida d esa varianza 2. PLANEACIÓN

estimación UNIDAD EXPERIMENTAL Expto: investigación + particular DE de

conjunto un

circunstancias-bajo

INVESTIGACIÓN

específico para LA protocolo observar^evaluar las implicaciones de

Programa d investigación: esfuerzo las observaciones organizado del Ö para tener Expto comparativo: establece +d 1 conocimiento natural*artificial sobre 1 procso conjunto de eventos en el expto^se comparen ÷sí las rpta a los ≠ eventos

Plan por escrito: organiza lo necesario To: conjunto de eventos creados para el expto en rpta a la hipótesis de para 1 invstig:  Objetivos experimento específicos del investigación^son el centro de la misma-para resolver ¿? e hipótesis física expuesto al to

 Identificar factores que influyen: los específicas Ue. entidad q ∆ ^constantes  características a medir  Metodos particulares: realizar prueba*medir las caracteristicas

independiente de otras ue-una vez la expuesta al to constituye 1 sola réplica del to

 # de repeticiones del experimento ε: ∆ ÷las ue tratadas de manera = e independiente. básico a realizar

Los ≠ orígenes ε son:  Variación natural entre experimentales; rpta una ue a otra  Interacción de los to con las ue varianza del ε Estudios hacer 1 por xpto-pero comparativos: desearíamos ~posible por razones prácticas*éticas 4. LA HIPÓTESIS DE INVESTIGACIÓN GENERA conjunto EL de DISEÑO eventos DE y LOS sus TRATAMIENTOS consecuencias- to son una creación de las circunstancias para el xpto- La

Control:~se da to-revela condicion en unidades q se efectuó xpto

fertilizantes con N suelen ser efectivos~

 Variabilidad en la medición de la pero

rpta

en campos con

↑fertilidad-1 control de fertilizante sin

 ~Reproduce condiciones del to de N señalará las condiciones básicas de

fertilidad del xpto..
Diseño de to con múltiples factores algunas preguntas a la naturaleza, y de observación preferencia, una a la vez.

Cálculos estadísticos: lograr estimar la amplía las inferencias: Debemos hacer

x 1 2 3 4

X1-μ 25=-3 35=-2 75=+2 85=+3

(X1μ)2 9 4 4 9 26

σ2=∑(X1μ)2/n=26/4-1=8.6 para la Mo σ2=∑(X1μ)2/n=26/4=6.5 para la Po σ2=varianza; σ=desviación standar

supervivencia

de

siembras

de

Euphorbia atacadas por un patógeno

del suelo se determinó para distintos tipos de to de fungicida, en respuesta a la Ho de que no todos los fungicidas tienen=eficiencia patógeno
To control: necesario pa evaluar efecto de los to expto

μ=5 00.00

5. TEORÍA DE LEONCIO MARIÑO & ALBERTO CACERES Datos: medicion 2-3←5→7-8; 15=error en

en

controlar

tal

1.7 gl Grupo=3-1: ~se puede comparar entre si =~A/A SC entre grupos=(3-5.(9-8)2 CM=SC/gl 14±5=>variabilidad=>varianza.5 para la Po σ2=varianza.7)2+(8-5.2. PLANIFICACION  Dño experimental:DCR  Uo:doy a conocer las características de la entidad  To: 5To + 1 control*5To (incluye el control) Uo →efecto Uo →efecto Uo →efecto 30g= ToC 20g= ToB x 1 2 3 4 Uo Asignación puro: →efecto Vo e Cuantitativ a 10g= ToA Gº DENTRO los datos μ A 2 4 3 3 ENTRE GRUPOS B 5 6 7 6 C 7 8 9 8 prospectivo+longitudinal+comparativo aleatoria dependient μ de los 3 grupos=17/3=5.6 para la Mo σ2=∑(X1μ)2/n=26/4=6.7)2+(6-5. σ=desviación estándar μ=5 00.00  Ro: # Uo para cada To  Croquis:asigno Uo a un To grafico-1+2+6 al To 2 .7)2 SC dentro grupos=(2-3)2+(4-3)2+(3-3)2+(56)2.5. CRITERIO DE CLASIFICACIÓN Xpto Causa→ Vo independiente cualitativa KNO3= FACTO R To 1 CaNO3=To 2 MgNO3=T o3 Factor= categoria Causa (factor) → 1 Causa (factor) → 2 Causa (factor) → 3 HOMOGENEO HETEROGENEO 5. 11±1=<variabilidad X1-μ 25=-3 35=-2 75=+2 85=+3 (X1μ)2 9 4 4 9 26 σ2=∑(X1-μ)2/n1=26/4-1=8.

014 Contados: √x+0.sp a.0 0 200 2.672+1 Para los ∆ %*tasas: arcos√prop con germinacion arcos√prop 99.95 1.58 arcos√0.0-500 17.802 63.4 % debe DISENAR+PLANIFICAR+EJECUTAR=DIPL a.991 84.1. DISENO Se E s 1.5-√x+1-√x+2/0-50.1 % arcos√0.174=+sen-1 arcos√0.0.26 1.6 7 normalizado s necesario geometrica cuanto tiempo evaluare /es el 5.01 1.0 Datos 1. TRANSFORMACIONES Y DATOS DE NORMALIDAD para cumplir c/ se el supuesto normaliza ANOVA^normalizar datos exponenciales log^usa μgeometrica Interpretació del n: 1.7 3 1799 3.56 arcos√0.3.2 Unidad Experimental: es sometida a to-deben tener s= características= maceta: plástico rojo+675g arena + 225g s=procedencia.4.47 1.1 % √x+ 1 0 √0+ 1 1 √1+ 1 2 √2+ 1 1 √1+ 1 2 √2+ 1 0 1.7 3 10344 4.3 # Replicas= r > 2[zα/2 +zβ]2(σ/&)2 tierra+cebolla .071 arcos√0. Componentes a.tamaño.30 5.4 1 2998 3. Tratamientos La elección del tratamiento tener en cuenta: sustento técnico+consulta técnica*empresarial*camp+bibliografía a.4 1 897 2.80.4 % X #bacteria Log x 7. Evaluación/registro: archivo de dato después de √0+ 1 0 1.2 % 100.

6.1.5 croquis del experimento: en 1 Obx: papelitos al to 1. Asignar secuencia de # del 1 al 12 a las u.96 (se W con este).7. Permutación tomando La PA DISEÑO COMPLETAMENTE RANDOMIZADO* ALEATORIZADO*DCA*ANOVA SIMPLE*UNILATERAL una aleatoria: sucesión se d obtiene # con en el orden de la permutación:1-6-7-12-5-3-10-9-2-8-4- a.exp Paso 2. σ=desviación standar Diseños n=(zα/2)2Npq/(N-1)+ (zα/2)pq fuente d ∆ *factor &=≠medias. placebo: establece base para medir efectividad del to-procesa d=manera q UE d los to-~incluye en protocolo a. testigo: to ya investigado/resulta ser el mejor 2*3dígitos de una tabla de # aleatorios. control: ~se da to-revela condiciones en q ejecuta a. ue asignan al azar a los t-investiga 1 99%=2. ALEATORIZAR Paso 1. 12kg arena+12kg + pHmetro+análisis investigación-el dño del to-el dño del estudio experimental*por observación métodos estadísticos-para a. CONSTRUCCIÓN DEL DISEÑO DE INVESTIGACIÓN investigación: hipótesis de a. del 1-12 asegura q cada 1 de las asignaciones de to posible tiene = probabilidad de ocurrencia Selección de las uexp para estudios comparativos por observación: seleccionarse una n probabilística de u .575 zβ = 80%=0.6. salió: 1-10-12-7 T1/1 T3/5 T2/9 T4/13 T4/2 T4/6 T1/10 T2/14 T2/3 T1/7 T3/11 T4/15 T3/4 T3/8 T1/12 T2/16 bolsa con 16 papelitos sacamos: los 1 estudios comparativos 2.842.necesidades:16maceta+16plantula+ dño sustrato. Obtener 1 PA de los # 112anotarlos 11 Paso 3. Asignar las 1º tres uexp en la lista (1-6-7) al tratamiento A-los sgte 3 uexp(12-5-3) al tº B. Yij= u + ti + εij →u=Θ de medias de tsti=efecto del t i-εij=error experimental observacionales: 1.zα/2 = 95%=1.4.

Observe que cada población representa una clasificación de tratamiento ≠^que el muestreo aleatorio se lleva sólo dentro de la pob. MODELO ESTADÍSTICO PARA LA EXPERIMENTACIÓN Análisis estadístico: se basa en 1 modelo estadístico Vo respuesta: característica d la Uo = # bacterias Modelo estadístico: supone 1 po de referencia de la Uo Uo: tiene 1 valor para la Vo rpta (tiene 1μ^σ2varianza) . (N0/cm2)-los valores reales de cada 3.÷ los miembros disponibles de cada pob en to.. En un estudio ecológico quizá los dos to sean comunidades agrícolas de pastizales^de roble-Las pob incluyen todos los sitios con pastizales^todos los sitios c/ robles dentro del área que se estudia-Se asigna un código de identificación a Línea del archivo es un caso*observación-los datos de almacenamiento de carne tienen 12 cada sitio en las pob-se asignan #O-99 casos*observaciones Cada columna es alos 100 sitios disponibles pa cada una vo este archivo son: corte+to+log clasificación. PREPARACIÓN REGISTROS DATOS línea del archivo reciben el nombre de valores de los datos PARA ANÁLISIS programa de estadística: archivo de datos requiere 4. Las u se eligen de cada pob de manera que cada u tenga la misma oportunidad de entrar a la n.

μi=esima experimental describir otras hipótesis estadísticas Modelo estadístico pa el xpto: refleja To// observacion Modelo completo=modelo de medias de celdas: incluye una μ ≠ para cada Po en To-si ~ hay ≠ entre las medias de los To. Representación del modelo estadistico lineal To= 4 tratamientos^R = 3 réplicas Uso de modelos alternos para Uso del modelo de medias de celdas para describir las observaciones Modelo de medias de celdas: observaciones se expresan como la suma de las μ Po de To^de los ε.2. i=1.1 se Po de referencia: que las para son cada MODELO ESTADISTICO LINEAL: para To ÷ de sus observaciones de un grupo condición de To en el estudio^también de 1 FACTOR este tolera la ∆ supone Uo representantes seleccionados al azar tratamiento como resultado de una aleatorización.2.….Debido al ε cada observación se desvía En estudios por observación se infiere de la μ de su Po(μi) en una cantidad que la Uo se seleccionan al azar de las εij-la σ2 es = para toda la Po en To Po de To. εij. 4 Po de To hipotéticas.To-j=1. Cada Po tiene una distribución normal en la Vo de rpta^cada una tiene 1μ≠-Tal situación existe si los 4 métodos de empaque tienen ≠ capacidad para la inhibición del d↑ de bacterias-se supone que la σ2es la = (homogenea) para cada Po^no la afecta el To. se usa modelo con un #↓ d parametros .….error Yj=esima observación del i=esimo To. Yjj= μi + εij.To. Po en To.

En un un conjunto de parámetros: x→y esquema de Vo indicadoras. Si el investigador piensa que la relación entre tasa y temperatura es cuadrática. El investigador plantea la Ho de que el incremento en la tasa es lineal respecto a la tº. indica el grupo de To variables como una función lineal en al que pertenece la observación. x=1 señala X: puede representar categorías del To que la observación pertenece a cierto grupo^x=O que ~ pertenece a ese como en la carne grupo. el mejor los datos del xpto-?Inv→a?sobre Modelo lineal estadístico general Modelo lineal general= modelos de investigador puede hacer de las xi sus Vo indicadoras: hace justo lo que su medias de celdas describe las relaciones entre 2 tipos de nombre implica. entonces x1 = tº^x2 = tº2 : Y=βo+ β1x1+β2x2+ε ¿Cómo funciona el modelo si los tratamientos son categorías que no se pueden representar con valores métricos para las xi? En este caso. Modelo estadístico relaciona y con establece que todas las observaciones las x. Si x1 = T. Un xpto mide la tasa de una reacción química^como rpta a la tº en la cámara de reacción. . pertenecen a la misma Po con media μ M reducido: representa la Ho nula= μ1=μ2 (μ1=μ de To 1) M completo: representa la Hi alterna= μi≠μk→i≠k Que modelo q usar: caracterice COMPLETO*REDUCIDO Po estadisticas cómo puede el investigador d↑ un modelo único para un estudio específico. la sencilla ecuación de una línea recta describe la relación lineal como: Y=βo+ β1x1+ ε=modelo de regresión lineal.Modelo reducido Yjj= μ + εij.

con x1=1^x2=x3=x4=0→ Y=β1+ε . x1+x2+x3+x4-que toman los valores O^ 1 Si la observación se hizo en el To con empaque comercial. Y=β2+ε βo=O-~necesario para descripción de las observaciones 1 X1 X2 X3 X4 Empaque comercial Empaque al vacio Empaque mezcla de gases Empaque con CO2 100% Y=β1x1+β2x2+β3x3+β4x4+ε 5. a su vez.El xpto de almacenamiento de carne tiene 4 To y el modelo. ESTIMACION DEL DE MODELO otro 0 otro otro otro DISEÑOS DE BLOQUES COMPLETOS Bloquización: método ↓^control d variación del ε agrupa las U en B para comparar to en un medio homogéneo DBCA: 1 criterios de agrupamientocada B tiene U hm DCL: 2 criterios de agrupamiento DCA: ~controla la varianza del εLOS supone U es homogenea CON ↑varianza delε: afecta la Vo de rpta^q varía entre las U 1. tiene 4 Vo indicadoras. USO DE BLOQUES PARA ↑LA PRECISION Bloque:estratifica^↓variación entre las U en grupos hm Criterios:  Características peso). físicas (edad o PARÁMETROS MÍNIMOS CUADRADOS .

a los valores enteros tratamiento sin N ^la recomendación Diseño del experimento: el xpto se D. las manera que cada B se encontraba en parcelas adyacentes partes con el mismo gradiente de de modo que cualesquiera  Proximidad (parcelas adyacentes) parcelas se agruparon en B de 6 de Un grupo de forma un B en los xpto de agronomía.2. Administración de tareas en el las rpta de las plantas dependían de la experimento y tiempo variabilidad en la Hº disponible. agua. 5. llevó a cabo en un campo irrigado con respectivos 1. B. El momento de fertilizar el trigo con observado (ppm X 10-2) en la espiga nitrógeno Objetivo de investigación: las pruebas Como aleatorizar el diseño de NO en los. Dada la área de parcelas experimentales. B^hacer comparaciones÷los to dentro tratamientos proporciona el contenido de nitrógeno de cada parcela +los # de to. los animales agrupados según su peso diferencias en las respuestas de las o etapa de lactancia forman B de U plantas causada por el gradiente de homogéneas BLOQUEO agua podía asociarse con los B. El un DBA con 4 bloques de 6 parcelas a que se asignaron al azar los de nitrógeno. como A. se 2. 6 y se obtiene un gradiente de agua en dirección del una permutación aleatoria. 3. E. C.4. LOS DBA USAN 1 CRITERIO DE diseño de experimento resultante fue Cada to se asigna al azar a 1U en cada las del conjunto hm de U en 1B. Como . tejidos de la espiga La asignación aleatoria de to a las U predecían una mayor [] de N → el Ö está restringida en un DBCA de manera quería evaluar el efecto de programas que cada to debe presentarse el de fertilización sobre esas [] de N y mismo # de veces (1*+) dentro de sobre la producción de trigo cada B-Se selecciona una permutación Diseño del tratamiento: incluyó 6 al azar para cada bloque ya que se programas ≠ de aplicación de N. Se asigna una etiqueta de tratamiento. Para requiere una aleatorización separada la comparación se incluyó un para cada uno de ellos. F.

85.89 . aleatoria de los to a las U Los B añaden una suma de cuadrados al ANOVA la desviación del tratamiento 1:ÿ1ÿ=38.2845.89+42.82 el error experimental para y12 y12-ÿ1ÿ22 + ÿ= 41. el E a la 2. T es el efecto del to y-El efecto del bloque Pj. Modelo estadístico y análisis para el 0.07=- .79 +3.79 la desviación del bloque 2: ÿ2-ÿ = 45.85 DBCA La rpta de la U con el i-ésimo to en el j-ésimo B se escrib: Yij = μ+Tf+Pj+εij donde μ es la media general.07=0.88=-0.22-42.28 -42. Se supone que los efectos del to y del B son aditivos Aditividad:cuando~existe interacción ÷ to y B-también ε son independientes con medias cero y varianza común σ2 La suposición de independencia se es igual a la desviación total y12-ÿ=41.22-38.88 suma de las tres desviaciones=-3.07 = 3.permutación 2-asigna el to B a la justifica a través de la asignación unidad 1.07 =-3.42.82-0. representa la desviación promedio de las U en el bloque j a partir de la media general.

20 2 9 2.0 1 7 6 7.90 201.5 El nivel de significancia observado es Pr > F = .2 5.3 Nitrogenación de espigas de trigo (ppmx10-2 en 6 to programados de N para cada uno de 4 B con DBCA d↑ de la planta.15(Sÿt)donde tratamiento t . reducción que se puede eliminar si se reducen los grados de libertad.6 9. ya que r .3 40.25. hay ≠ significativas entre los to de N y la nitrogenación de las espigas Como consecuencia de la bloquización.1 0 2 108. Tabla 8. se particiona una SC de lo que hubiera sido la SC del ε con el DCA-Los DBCA mejorarán mucho la precisión de las estimaciones de las medias de tratamiento si la reducción del SC ε con el uso de bloques es sustancial.0 65.O04 x lo que en esta etapa Tabla 8.4 ANOVA para la nitrogenación Errores estándar para las medias de de espigas d trigo Fuente de variacion Total Grado s liberta d 23 506.3 SC CM F F tabl Y una estimación del intervalo de a confianza del 95% de cualquier media de to es y±t 0.3 Bloque Nitrógen o Error 3 5 15 197.1 de los grados de libertad deben asignarse al SC bloques.

77 39. tiene un contenido diferencia de nitrato mayor. El error estándar de la programa 4 actual.70/3.03 46.47/4. xloq es posible usar el método Dunnett normal incluso en el caso de control sin N El to de control permite evaluar el N disponible sin fertilizante en estas parcelas Dunnett: Los intervalos de confianza simultáneos(ICS) del 95% requieren el error estándar de la ≠+estadístico ICS: para la ≠ entre la media de cualquier requiere otro que programa D(5/0.36 y se calcula con ÿ1-ÿ4±5. ya que la cota inferior del ICS es mayor que 0.23 -2.75/7.95/8.28 44. Tabla 8.11 2.25.05) = para la aplicación de N y el programa 4 d[S(ÿ1ÿ4)=2.77 Interpretación múltiples con Ö esta interesado en las ≠ entre los programas de to y la recomendación actual durante cada etapa de c↑.62 38.51 -6.90)=5.15= 2. El ICS Pruebas de hipótesis sobre medias de tratamientos El estadístico Fo para probar la Ho de que ~≠ entre to es: para las demás comparaciones de tratamientos incluye O y tiene cotas superior e inferior muy diferentes de O.25 -2.61 ICS 95%L.13 1.97 Si los tratamientos interactúan con los bloques No interacción to x B: implica efecto aditivo Las ≠ entre los tratamientos son ± constantes de un B a otro como→de los efectos aditivos de tratamientos y bloques-al obtenerse usar bloques ≠ puedan las mayores entre respuestas de unidades de bloques ≠ .82(1.51 43.79/11.41 1.0.5: Resultados de Dunnett para tos contra control comparaciones programa Media=ÿc ÿt-ÿc 4 1 2 3 5 6 40.15 0.34 3.U --7.36/indica El programa 3 es el único to que tiene un nivel medio de N significativamente diferente del 6.02 -1.

3. ¡! para la elaboración de pastas. Renglones+columnas: del arreglo se Requiere prueba de ~aditividad Unidades experimentales múltiples por tratamiento en cada bloque Submuestras experimentales de Relación entre la cosecha de trigo^ tasa de siembra de semillas de filas. plantadas. estas tasas de siembra deben incluir la tasa de p↑ óptima. con alto [] bloques? Una verificación rápida de de extracto de semolina. LOS DCL USAN DOS CRITERIOS DE Diseño del experimento: xpto se llevó BLOQUEO de bloqueo a cabo en un campo irrigado con un área experimental-se sabía que los Pueden ser necesarios dos factores gradiente de agua en una dirección del Cuando 2 factores influyen. la Diseño del tratamiento: Se usaron cinco tasas de siembra (30-80-130-180230 lb/acre) para el diseño del to-Con Bloques aleatorios base en otros cultivos comunes al área. en la variable de rpta y es tienen ≠ en el suelo creadas por la “m” efectividad del uso de bloques . identifican con los 2 criterios de B y las letras latinas con los tratamientos condiciones ambientales (residuo de N) bloquean las unidades de acuerdo con 1*más puede los desempeño tratamientos. ≠ de los campos experimentales de la granja tratamientos. fecha de unidades cantidad espaciamiento siembra tiene efectos directos en la Análisis de residuales para evaluar las cosecha suposiciones Objetivo de investigación: Ö desea determinar la tasa de siembra óptima ¿Aumentó la precisión con el uso de para una nueva sp de trigo.Si de hay suficientes B de ≠ entre afectar las posible lograr aún más precisión si se el estos factores.

Los bloques por el fila del coinciden con gradiente irrigación. A B C D B C D A C D A B D A B C Paso 2.requerida para la irrigación. Columna original P 3 1 Renglón original 2 3 1 2 A C B D C A D B 1 2 3 4 . Ordenar al azar todos menos el primer renglón. Uso del CL estándar para generar los estas ≠ de suelo eran ┴ a los canales diseños de irrigación. de renglones^de campo columnas sea =. Los to de la tasa de Cuadrado standar siembra se asignaron de manera el # de tratamientos.bloqueo usar columna corresponden al gradiente Tamaño adecuado: es t = 5 a 7 perpendicular del suelo en relación con tratamientos el gradiente de irrigación.) controlar los gradientes de suelo y en orden alfabético agua en 2 direcciones sobre el campo cuadrado latino de 4x4: usando el experimental. En general.. Seleccionar al azar uno de los aparece 1 vez en cada bloque de CS. y los bloques por renglón. requisito difícil de de satisfacer cuando 2 criterios de aleatoria a las parcelas en un arreglo Diseño restrictivo=CL: xq requiere que de cuadrado latino de 5 X 5.. renglón y 1 vez en cada bloque de columna. CL de tamaño específico: se pueden→a Hizo un B de las parcelas con un partir de los CS arreglo de renglones y columnas para CS: tiene los símbolos de to (A-B-C. Los to tienen Cómo aleatorizar el diseño un arreglo de CL donde cada uno Paso 1.

P 1 4 3 2 1 2 3 4 Columna original Rengl ón 1 2 3 4 a las letras Esta asignación no es necesaria si el CL se seleccionó al azar entre todos los cuadrados posibles. Asignar al azar los tratamientos Las etiquetas de to W-X-Y-Z sustituyen a las letras en el CL en el orden D-B-CA en el arreglo aleatorizado Modelo estadístico y análisis para DCL .2 4 3 4 D B A C B D C A Paso 3. Ordenar al azar todas las columnas. PERMUTACI TRATAMIENT ON 4=d 2=b 3=c 1=a O W X Y Z A C D B D B C A C A B D B D A C 1 4 3 2 Paso 4.

vº Cuantitativa continua: tallapeso-Tº-pH-Sº b. ELECCION DEL TRATAMEINTO FACTORIALES factor Efecto de la Tº+Sº+pH: factores→relacion Fisico-Quim 1.1. Cualitativos: to expresa atributo~orden a. TIPOS DE FACTORES Serie de to relacionados entre si *de = clasificación 2.EF en DBA. vº Cuantitativa discreta: #hojas#hijos-#arboles 2. Tipo de riego: goteo-aspersiongravedad DISEÑO FACTORIAL=EXPERIMENTOS 3. ~muchos factores→uso de mas UEmejor 3 Factores  Estudia 2.2.EF en DCL da 5. EF 22 (base factor/exp nivel)=2x2=4 to/en un DCR . Variedades de tomate: tygon-porodominator b. factor TIPOS tiene DE niveles(factor EXPERIMENTOS Tº/niveles:20-25-30)=13 2 o mas factores-Efecto de la Tº: 1 bibliogrfia+consulta+campesino+indust efectos: simples+principales+de interaccion  ~Perdida d información aun cuando FACTORIALES (EF) EF en DCR. Cuantitativos: to expresa [#]pertenede a vºC: a. VENTAJAS Y DESVENTAJAS ~haya interaccion  Si interaccion→resultados conclusiones + amplias Depende: ria 3 1 4.

5 x 2.PLANIFICACION efecto de [sabila+llantén] en el acné de adolescentes a.5 m = 3 camas ancho entre golpe y golpe 0.5 x 1. total de UE: 16 f.Diseño: EF 2x2 en un DCR b.5m = 3 golpes g. EXPTO 2X2 DBA factores niveles a1 Abonamiento de N (A) 50kg/ha a2 100kg/ha Tratamiento a1 b1 50kg/hatyson=t1 a1 b2 50kg/hadomin =t2 a2 b1 b1 Tyson Variedad de tomate (B) b2 Dominator 100kg/hatyson=t3 a2 b2 100kg/hadomi=t4 medico+practica b. croquis: T1 T3 T2 T3 cada T4 T1 T4 T2 adolesecente T2 T3 T1 T4 T3 T2 T4 T1 asignara el tº aleaotorio = 4 base=#factores/exp=#niveles) factores Tratamiento LL10 S15 = tratamiento 1 LL10 S30 = tratamiento 2 LL20 S15 = tratamiento 3 LL20 S30 = tratamiento 4 [acné en la cara]*% acné en la cara/cada 15^30 dias 6. CAMPO DE TERRENO = 1000m2/r = 4 / UE = 16 b. EJEMPLO PRÁCTICO (22= A. evaluación y registro . repeticiones: r = 4 e.1. en un DCR separación entre parcela^parcela 1m se area total = 100m-area total parcela = 2. Unidad experimental los adolescentes de 13-16 alimenticio años♂con=régimen +procedencia+~to deportiva+acné ½ d.5 = 2.25m area neta parcela = 1.5 = 6.25m ancho entre cama y cama 0. Tratamientos niveles 10%(LL10) [LLANTEN] 20% (LL20) 15% (S15) [SABILA] 30%(S30) c.

en un DBA/separación entre B^B D. efecto principal (EP)entre: e.2. Positiva: cambio magnitud Neutra: ~hay interaccion La variación de la fertilización y variedad tienen dependencia con dominator la la produccion↑ T4 =4 Negativa: cambio dirección T3 =3 T1 =3 T2 =3 . PROCESAMIENTO = 0.5 = 25 m area neta bloque = 8 x 2 = 16m area total parcela = 2.5 m = P^P area total bloque = 10 x 2. croquis BLOQUE BLOQUE BLOQUE BLOQUE I T2 = a1 b2=2 T1 = 2 T3 = 4 T4 = 10 II T3 =1 T4 =7 T2 =5 T1 =2 III T1 =1 T2 =4 T4 =7 T3 =4 IV b2a1= 2-3.75= -1.75-7= -3.38 ∑a2 = 40 / x = 5 E.a1b1 2 2 1 3 8 b2 2 6 4 3 15 a2b1 4 4 3 12 a2b2 10 7 28 7 18 16 16 63 3.2.5 ∑b1 = 20 / x = ∑b2 =43 / x = 5.25m area neta parcela = 2 x 2 = 4 m ancho entre cama y cama = 4 camas I II III IV BLOQUE a1.3.75 3 2.5 x 2.1.88 3. efecto de interaccion: determina si 1 Factor es independiente o dependiente de otro Factor. efecto simple (ES)entre: a1b1 y a2b1= 2–3= -1= paso d 50ª100 se↑en 1 produccion a1b2 y a2b2= 3. UNIDAD EXPERIMENTAL una parcela con un area neta de 4 m2+4 plantas+4 camas d.94 total 1 (3) 7 4 (8) 13 ancho entre golpe y golpe = 4 golpes TOTAL promedio 2 ∑a1 = 23/x 2. EFECTOS e.75 b1a2 y b2a2= 3-7= -4 e.b.25/b1a1 y C.5 = 6.

SS la interaccion y EP conclusión de EP DISEÑO DE PARCELAS DIVIDIDAS 8.19 SCa= (232+402/P*R)-248.5 6 90.06 = 90.07 TC= 632/16=248.12 P<0.07 SCb= (20+43/Q*R) .1 5 9.05 5. mas o asi la interaccion que resulta ser ~significativa lo que indica que los 2 factores no muestran relación de dependencia 7.existe interaccion (+) entre variedad y fertilización.00 Compara cion a a a c b Domin ator es mejor que b Tyson con se deduce: R=#BLOQUES= SC interaccion axb = SC combinación axb – (SCa+SCb) SCcomb axb = (82+152+122+282 /R)– 248. PAUTAS PARA DEDUCIR SIGNIFICACION a.06=56. SS la interaccion axb la conclusión se deducen de: ES de A en los niveles de B y viceversa q alcanzan significancia de 0.05 NS SS SS NS tanto el factor dosis de N como variedad muestran influyen de tomate son los que significación significativamente estadística sobre la (p<0.05 5.3 0 5.86 P>0.5.05 SCtotal=22+22+12+32+22+62…+42 248.06 = 18. INTERPRETACION El presente experimento corresponde encontrado a través del ANOVA que 182+162+162+132/P*Q a un análisis factorial 2x2 al azar se ha a1-b2 .06 = 33.0 7 33.06→16=P*Q*R F.14 Tratami ento a1-b1 a2-b1 Prome dio 7.51/4 = 0.05 y 0.9 4 15 (PQR-1) 18.19 SCaxb = 56. FV Bloqu e Factor B Factor A Inter AxB Error Total 31.19 GL 3 (R-1) CM 1.248. COEFICIENTE DE VARIABILIDAD G.07+33.01 b.00 3.12 P>0.19 – (18.0 7 5.94 SCbloque= 248.0 7 (P.51 1 (Q-1) 1 (P-1) SC 3.05 Fo 0.05) es decir son los factores que producción.01 – – c.94 → AEST=4.4 4 4 Q=niveles d 1 factor=2 significanci a 3.4 2 1.06 = 3.05 y 0.0 7 33.12 P<0.75 3. NS la interaccion axb la conclusión se deducen de: EP de A y B que sean significativos en 0.05 1 9 1)(Q-1) 3.06 3 18.05 5. TEST DE TUKEY Sx = √CMε/R = √3.07)= 5.

7 4 1. factor=variedad papikra=subparcela .4.5 1 66.15 NS 2.15 NS 2.00 a1b1 7.75.a2-b2 2. factor: factor: BLOQUE I goteo+aspersión+gravedad variedad-aleatoriza: BLOQUE II BLOQUE III As v1+v2+v3=subparcela Gr Go As As Gr Go Go Gr p(r-1)(q-1)=12 pq-1=26 316.00 4. factor=densidad cultivo=parcela 39.7 4 136. Los 161.15 3.15 NS 3.75.15 NS 2.00 4.07 subparcela es similar al factorial.1.75 4.0 7 riego-~aleatoriza: pr-1=8 q-1=2 (p-1)(q-1)=4 276.15 NS 3.0 0 796.00.82 a2b2 a1b2 7.5.75 a2b1 7. 0 276.00 4.00.00 c b 100 kg/ha d N2 P=#parcelas/Q=#subparcelas/R =#bloques BLOQUE SUBPARCELA FACTOR B INTERACCION AXB ERROR B TOTAL SUBPARCELA 1. 2.00 DISEÑO DE PARCELAS DIVIDIDAS (DPD) Factor aleatorizar=PARCELA=UNIDAD Factor F de V BLOQUE FACTOR A ERROR A TOTAL PARCELA Grados libertad r-1=2 p-1=2 (r-1)(p-1)=4 pr-1=8 aleatorizar=SUBPARCELA=SUBUNIDAD SC difícil V1 V2 V3 V2 V3 V1 V3 V2 V1 V2 V3 V1 V1 V2 V3 V1 V3 V2 fácil V3 V1 V2 V3 V1 V2 V2 V1 V3 Gr+Go+As= parcela//V1+V2+V3=subparcelas La medida de cada parcela y 76.1.00 a1b1 3.0.27 2.00 a1b2 a2b1 3.75 4.00 a2b1 a1b1 3.00.25 4.00.4 grupos son los bloques.3.

2.07 2.73 ∑ L1=183 ∑ B1=199 1. TC=796.51) = #bloques=3//p=#parcelas=3//q=#subp d*v–(SCd + SCv) Ordenamiento de datos de acuerdo al TC = 364.4+136.. SCvariedad=1832+2142+1652/p*r – TC = 136. 66.74 TOTAL PARCELA=BLOQUE SUBPARCELA 4.93 SCbloque=1992+1662+1972/p*q TC= 76.07 2. SCdensidad=1932+2112+1582/q*r – TC= 161. 276. APLICAR PRUEBA DE TUKEY O DUNCAN SCtotal subparcelas=212+172+272+…152/3SCd*v=364. SCcomb d*v=652+692+592.51 SCtotal parcela=722+552+662+…622/q – TC = .512/r – 5.r= arcelas=3 sgte modelo: Densidad 1 B q I II III L 1 2 1 1 7 2 7 6 5 L 2 2 9 1 8 2 2 6 9 L 3 2 2 2 0 1 7 5 9 19 3 6 9 8 7 5 5 66 55 D 1 72 P Densidad 2 L 1 L 2 L 3 D 2 7 5 6 7 6 9 2 1 1 4 9 5 8 1 5 5 1 15 8 62 44 P Densidad 3 L 1 L 2 L 3 52 D3 5.40 3.73-(161.82 6. ∑ L2=214 ∑ B2=166 ∑ L3=165 ∑ B3=197 - TC=5622/27=11697.1.SCdensidad*variedad=SCcombinacion 5.

Sign up to vote on this title
UsefulNot useful