UNIVERSIDAD NACIONAL AGRARIA

SEDE JUIGALPA






EXPERIMENTACION AGRCOLA, PECUARIA
Y FORESTAL




Compilado por:
Ing. CARLOS JOS RUIZ FONSECA MSc.
Profesor Titular











2

Managua, Enero de 2014
3

EXPERIMENTACIN PECUARIA, AGRICOLA Y FORESTAL
INTRODUCCIN
El curso de Experimentacin Agropecuaria, Agrcola o Pecuaria, se ubica cuarto ao de las
carreras de Ingeniero Agrnomo en Produccin Vegetal e Ingeniero Agrnomo en
Produccin Animal. La Experimentacin Agropecuaria al ser un instrumento del Mtodo
Cientfico se relaciona con prcticamente todas las asignaturas que en su contenido
contemplan el establecimiento y prueba de hiptesis estadsticas haciendo uso modelos de
diseo experimental. La asignatura est diseada principalmente para inculcar en el
estudiante el inters por el uso de los diseos experimentales. Dando mayor importancia al
correcto entendimiento de los conceptos y principios en los que se basan los diversos
mtodos estadsticos aplicados a la experimentacin agropecuaria, es por tanto una
asignatura de carcter terico y a la vez metodolgica que da al estudiante una formacin
bsica en el uso de los diseos experimentales.

Esta asignatura demanda del estudiante un alto grado de pensamiento abstracto as como la
dedicacin para abordar los conceptos con un alto grado de anlisis y sntesis, es por tanto
importante el cumplimiento cabal del plan de trabajo que aqu se plantea.

Esta asignatura es de gran importancia para la formacin profesional del estudiante por las
siguientes razones:

1. El estudiante durante su carrera con frecuencia tiene que consultar diversas fuentes
de informacin en las que se emplean cifras, conceptos, tablas de anlisis y grficas
en las que predomina el lenguaje propio de los mtodos experimentales.

2. Es necesario que el estudiante y futuro profesional aprenda a interpretar y a valorar
con sentido crtico los resultados que se consignan en la literatura cientfica, as
como los que se exponen en los eventos cientficos y tecnolgicos.

3. El ingeniero agrnomo o pecuario, con frecuencia debe participar en grupos de
trabajo interdisciplinarios en los que el objetivo es la innovacin tecnolgica o la
solucin de problemas que implican la formulacin y prueba de hiptesis
estadsticas planteadas usando modelos de Diseo Experimental y tcnicas de
Regresin Lineal.

4. El futuro profesional debe ser capaz de planear y conducir sus propios experimentos
con la finalidad de adaptar validar o mejorar los procedimientos de produccin ya
existentes.

5. La formacin estadstica es indispensable para dotar al profesional de la capacidad
de abordar los temas de estadstica de su inters personal, adems de ser una
asignatura obligada para aquellos que pretenden cursar algn posgrado.
4

OBJETIVOS:
1. Que el alumno pueda identificar la tcnica experimental ms apropiada en una
investigacin agropecuaria.

2. Que el alumno pueda plantear y probar hiptesis estadsticas sencillas utilizando
modelos de diseo experimental.

3. Que el alumno pueda interpretar y redactar conclusiones que se derivan del uso de
los diseos experimentales.

CONTENIDO

TEMA Y SUBTEMAS PRACTICAS OBJETIVOS
I. INTRODUCCIN A LA
EXPERIMENTACIN
AGROPECUARIA.

1.1.- Definiciones bsicas.

1.2.- Principios bsicos,
Caractersticas y utilidad de la
experimentacin agropecuaria y
los diseos experimentales.

Que el alumno pueda ubicar la
Experimentacin Agropecuaria
como una herramienta de
anlisis que ha permitido el
avance de la ciencia y la
tecnologa en el campo
agropecuario.
II. ESTADISTICA
INFERENCIAL.

2.1. Diseo experimental
clsicos y aleatorizacin,
Terico y de campo.

2.2. Modelos Aditivos Lineales
y Tablas de ANDEVA de
diseos clsicos.

2.3. Prueba de Snedecor o F.
Comparacin de las varianzas de
dos poblaciones normales.

2.4. Comparacin de dos
poblaciones mediante muestras
balanceadas.

2.5 Comparacin de dos
poblaciones mediante muestras
no balanceadas.
Se prueban hiptesis sobre la
razn de varianzas de dos
poblaciones normales.

Comparar la media de dos
poblaciones normales a partir de
dos muestras independientes o
bien a partir de muestras
apareadas.

Se prueban hiptesis sobre la
diferencia de dos proporciones
binomiales.
Que el alumno pueda decidir el
tpo de aleatorizacin ms
adecuada para comparar,
mediante una prueba de hiptesis
o calculando un intervalo de
confianza, dos poblaciones
normales.

Que el alumno pueda formular y
probar hiptesis sobre la
diferencia de dos medias o razn
de varianzas de poblaciones
normales.

Que el alumno pueda decidir el
uso de la distribucin de t, f o la
distribucin Normal segn las
circunstancias experimentales

III. ANLISIS DE
VARIANZA.

3.1.Criterios para definir
Diseos Clsicos, Modelos
Anlisis de varianza con
calculadora y computadora de
los diseos bsicos.

Interpretacin de las salidas de
computadora del paquete
Que el alumno pueda decidir el
diseo bsico de campo
adecuado a una condicin
experimental determinada.

Podr establecer las hiptesis
5

Aditivos lineales y Tabla de
ANDEVA.

3.2 Ejemplos y Anlisis de
Varianza en el diseo
completamente al azar.

3.3 Ejemplos y Anlisis de
varianza en el diseo de
bloques completos
aleatorizados.

3.4 Ejemplo y Anlisis de
varianza de Diseo Cuadrado
Latino.

3.5 Comparaciones mltiples de
Media, DMS, DUNCAN,-
Prueba de Tukey.

3.6 Anlisis de varianza en el
diseo de bloques generalizados.


estadstico SAS.

estadsticas y podr obtener
conclusiones con validez
cientfica.
IV DISEOS FACTORIALES
A DOS O MS NIVELES.

4.1. K factores con dos niveles
cada uno.

4.2. Factores con ms de dos
niveles sus componentes lineal y
cuadrtico.

4.3. Anlisis de los
Experimentos factoriales bsicos
con Diseo en Parcelas
Divididas

4.4. Interpretacin de resultados.

Anlisis manual y por
computadora de un diseo de
tratamientos factorial, para los
diseos experimentales bsicos.
Su interpretacin en salidas del
paquete estadstico SAS.

El alumno podr sealar las
ventajas de usar un diseo
factorial. Podr estimar los
efectos principales sus
interacciones y podr interpretar
correctamente la tabla del
anlisis de varianza.



METODOLOGA
La asignatura se imparte en la modalidad de curso dentro del aula y se utilizan como
recursos didcticos un folleto de texto y tres textos de consulta presentes en la biblioteca de
la UNA, sede Juigalpa (Mtodos Estadsticos para la Investigacin en la Agricultura,
Thomas y Little; Diseos Experimentales y su aplicacin en la Agricultura y la
Ganadera; y Diseos Experimentales, Montgomery), adems el aprendizaje se
complementa con la informacin presente en la internet, as como del desarrollo de
habilidades en el uso de paquetes de anlisis estadstico en computadoras personales. El
mtodo de enseanza se basa en la exposicin del tema por parte del profesor, seguido de
6

un proceso de preguntas y comentarios por parte de los alumnos que da la pauta para
reforzar las ideas y conceptos que pudieron quedar poco claros. A juicio del profesor en
algunos temas se apoya la exposicin con el desarrollo de ejercicios ilustrativos que son
desarrollados por los estudiantes que as confirman lo aprendido en el aula. Para
complementar el proceso de enseanza los estudiantes plantean y resuelven ejercicios con
la asesora del profesor fuera de clase.

La evaluacin del curso se basa en dos exmenes que se ubican segn la fecha de
terminacin de las unidades temticas como se indica a continuacin:

1er Examen temas I y II.
2 Examen tema III. Y IV

Los exmenes tienen un valor del 50% de la calificacin en cada examen parcial.
Las tareas tienen un valor del 30% de la calificacin en cada examen parcial.
Pruebas cortas despus 2 sesiones 10% de la calificacin en cada examen parcial.
La asistencia y participacin el 10% de la calificacin en cada examen parcial.

Se califica el planteamiento del problema, la introduccin que incluye los antecedentes y
justificacin de la investigacin y experimentacin, as como su solucin, su correcta
interpretacin, la claridad en la redaccin de las conclusiones, la presentacin y la
puntualidad en la entrega de los trabajos.

7

Objetivo general
Al finalizar el curso, el alumno ser capaz de:

1. Manejar los conceptos fundamentales sobre diseo de experimentos.
2. Disear un experimento y fundamentar su eleccin.
3. Aplicar los diseos experimentales ms comunes e interpretar los resultados en el contexto
del problema.

CONCEPTOS Y CONSECUENCIAS.
Experimento: Prueba Ensayo
Es una bsqueda planeada para obtener nuevos conocimientos o para confirmar o no los
resultados de conocimientos previos, con ello se ayudar a la toma de decisiones
administrativas, tales como la recomendacin de una variedad, un procedimiento o el uso
de un determinado agroqumico (Steel & Torrie).

Los investigadores deciden que comparaciones de tratamientos proporcionaran informacin
relevante. Entonces realizan experimentos para medir o probar hiptesis que tienen que ver
con diferencias entre tratamientos, en condiciones comparables. Toman mediciones y
observaciones sobre el material experimental. Con ello generan informacin para dar
respuestas a las preguntas que se plantean en cada experimento.

Para el estadstico el experimento es un conjunto de reglas usadas para sacar las muestras
de una poblacin. Esto hace que la poblacin sea lo ms importante.

Un experimento diseado es una prueba o serie de pruebas en las cuales se inducen
cambios deliberados en las variables independientes (X), de un proceso o sistema de
manera que sea posible observar e identificar las causas de los cambios en la respuesta de
salida(variables dependientes, Y).

EXPERIMENTACIN
La experimentacin es un tipo de observacin de fenmenos producidos artificialmente en
el laboratorio o el campo.

Se considera un experimento como una bsqueda planeada para obtener nuevos
conocimientos o para confirmar o no resultados de experimentos previos, con lo que tal
indagacin ayudar en la toma de decisiones. Steel y Torrie

La experimentacin agrcola tiene por objeto comprobar en la prctica del cultivo, una
hiptesis formulada sobre la superioridad de una modalidad determinada de alguno de los
elementos que intervienen en la produccin de ciertas cosechas o de las cosechas en
general. De la Loma, J. (Agrnomo, Estadista)
8


Es la investigacin de los fenmenos cualesquiera que sean, actuando sobre ellos; se
recurre con este fin a la creacin de nuevas condiciones en consonancia con los fines que el
investigador se propone alcanzar. Todo experimento se basa en la modelacin de los
fenmenos a estudiar. Rosental y Iudin

EXPERIMENTO
Es una accin planificada de observacin y anlisis de la realidad, bajo condiciones
controladas, con el objetivo de contrastar hiptesis y generalizar las conclusiones a travs
de un proceso de inferencia

El experimento esta muchas veces relacionado con El diseo de experimentos, el cual
consiste en un conjunto de tcnicas que tienen, entre otras, la finalidad de controlar las
fuentes de variacin no deseadas y disminuir el trmino de error experimental.

Uno de los principales objetivos en la planificacin de una experiencia, siguiendo un diseo
experimental, es la reduccin del error experimental, con el propsito de incrementar la
eficiencia de la inferencia relacionada a la comparacin de tratamientos.

Comnmente un experimento cuenta con variables o factores controlables, los cuales son
variables manipulables, por ejemplo el nivel de fertilidad a usar en un cultivo, el tipo de
racin alimenticia a dar a un grupo de animales, la norma de riego a usar en un cultivo,
entre otros. Adems esta puede contar con variables no controlables, las cuales pueden
afectar el efecto de la variable independiente a usar, pero para disminuir su efecto estas
variables pueden ser contrarrestables, lo cual es posible aplicando todas las variables
independientes o sus niveles en todas las posibles condiciones donde se presente la variable
independiente. Si integramos estos en un sistema tendremos que existe un entrada que son
las condiciones donde se desarrollara el experimento, los procesos que se darn para la
transformacin de las entradas en productos, constituidos en salidas que corresponden a las
variables dependientes sobre las cuales se mide el efecto de las variables dependientes
(Figura 1).














PROCESO

Entrada
Salida
X
1
X
2
X
3
X
n

Z
1
Z
2
Z
3
Z
n

Factores Controlables
Factores no
Se Manipulan
Se Contrarrestan
Gradientes
Variables independientes
Causas
Variable dependiente
Se miden
9




Figura 1. Esquema de Sistema de Factores en la Experimentacin

El objetivo de un experimento es comprobar en la prctica de una actividad agropecuaria y
forestal, una hiptesis formulada sobre la superioridad de una modalidad determinada, de
los elementos que intervienen en el rendimiento y/o la produccin de cierta actividad
agropecuaria en general.

La importancia considerable de la experimentacin agrcola se debe principalmente a que
descansa en ella el progreso de la agricultura, cualquier idea formulada en relacin con la
produccin rural, por lo genial que pueda ser necesita pasar por el crisol de la
experimentacin agrcola, para que pueda ser adaptada y divulgada.

Nota: el concepto agrcola se usa en el contexto general que involucra actividades de la produccin
vegetal, pecuaria y forestal.

Lo anterior se aplica a ensayos genticos, de introduccin de nuevas especies o razas, a las
normas de aplicacin de agroqumicos, a la modificacin de prcticas culturales, as como
en el control de plaga y enfermedades.

Al disear un experimento se establecen claramente los objetivos como preguntas que han
de responderse, o como hiptesis que han de comprobarse y efectos que han de estimarse,
para ello es aconsejable clasificar los objetivos en mayores (Generales) y menores
(especficos), ya que ciertos diseos experimentales dan ms precisin para ciertas
comparaciones de tratamientos que otros.

Entre los objetivos del experimento pueden incluirse:

a) Determinar Cules variables X tienen mayor inferencia en Y? o la variable
dependiente.

b) Determinar el mejor valor de las X o variables independientes, que influyen en las
Y, de modo que tengan casi siempre un valor cercano al valor nominal deseado.

c) Determinar el valor de X que influye en Y, de modo que la variabilidad de Y sea
pequea.

d) Determinar el mejor valor de las Xs que influyen en Y, de modo que se minimicen
los efectos de las variables no controlables de Z
1
, Z
2
, Z
3
,..Z
n
.
10


NECESIDADES DE LA EXPERIMENTACION AGRCOLA
El resultado de la produccin de plantas cultivadas depende de varios factores, los que al
variar de modo desigual, determinan en el rendimiento y la calidad de una misma cosecha,
obtenida en medios diferentes, variaciones a veces importantes. Basta estudiar la
produccin de cualquier cultivo comn en un pas, en las distintas regiones del mismo o en
diferentes aos en una misma regin, para comprobar diferencias a veces considerables en
el rendimiento por hectrea. Este hecho de universalidad bien conocida, hace que las
conclusiones obtenidas sobre cualquier clase de tratamiento seguido con una planta
cultivada en un medio determinado o sean difciles de generalizar a medios distintos y que
el tratamiento en cuestin debe someterse a la experimentacin en cada lugar o zona
agrcola, antes de ser recomendado o divulgado entre los agricultores de esos lugares o
zonas.

De las anteriores consideraciones se deduce que si el establecimiento de parcelas
experimentales es indispensable para investigar la bondad o utilidad de un tratamiento,
relativo al empleo de una tcnica agrcola relacionada con ciertas normas de cultivos y si
esto resulta imprescindible para comprobar las cualidades relativas de distintas variedades
de una especie cultivada, dicho establecimiento es tambin necesario para estudiar la
posibilidad de extender las conclusiones de las investigaciones que se llevan a cabo en
lugares determinados y de diferentes ubicaciones geogrficas.

La divulgacin de las conclusiones obtenidas en cierta regin, en relacin con cualquier
aspecto de la produccin agrcola, en un lugar diferente y bajo condiciones distintas, es
sumamente peligroso y puede no fomentar el desarrollo y progreso de una regin agrcola.

En el caso de que un productor adopte tcnicas, mtodos y prcticas agronmicas no
comprobadas, se vuelven factor de desconfianza, sobre todo si estas no presentan resultados
mejor a los implementados por el productor, tal desconfianza puede provocar que la
persuasin para que el productor adopte nuevas formas de productor se hagan ms
retardadas, lo cual implica un desarrollo desacelerado de un lugar, zona o regin.

Se puede entonces concluir que la experimentacin agrcola es indispensable como medio
de aquilatar las ventajas de un sistema o tratamiento nuevo en una regin, antes de
recomendarlo a los productores o de emprenderlo como norma ordinaria en los cultivos y
esto tanto desde el punto de vista de evitar fracasos inmediatos y prdidas de tiempo y de
dinero, como el de no comprometerse el crdito de la tcnica agronmica y de los tcnicos
mismos antes los campesinos y productores que han de ser en definitiva, quienes
desarrollan el progreso agrcola de cada regin y de cada pas.

11

Independientemente de la necesidad de la experimentacin agrcola, como base de la
investigacin agronmica y como medio de comprobacin y de confirmacin de los
resultados de esta en los distintos medios, es factor esencial de los trabajos de mejoras de
recursos productivos (plantas o animales) y de gentica en general, modalidad especial de
la investigacin en la seleccin o desecho de lneas y descendencias lo cual deber basarse
en experimentos de campo de gran extensin y de exquisita minuciosidad. Para el mejor
alcance de resultados positivos, se deben seguir una serie de pasos o etapas, el no hacerlo
podra implicar el cambio de una investigacin experimental a la colecta de datos con
posibilidad de ser o no analizados estadsticamente.
ETAPAS FUNDAMENTALES DE LA EXPERIMENTACION AGRCOLA.
Para el desarrollo de un experimento agrcola se pueden definir las siguientes etapas, para
que este sea exitoso.

a) Especificacin y definicin del problema.
Antes de emprender un trabajo de experimentacin agrcola, es indispensable especificar el
problema que se trata de resolver por medio de dicho trabajo, es decir se debe establecer de
forma clara y concisa el problema que se trata, si el problema no se define hay muy pocas
posibilidades de que este sea resuelto.

La especificacin del problema ha de definir el nmero de tratamientos que hayan de
ensayarse y su modalidad e intensidad de cada uno de ellos, de acuerdo con el tipo de
estudio o investigacin que se quiera llevar a efecto.

Existen diferentes tipos de problemas y de la identificacin correcta de un problema a
resolver a travs de la experimentacin permitir tambin al xito del estudio.

Tipos de problemas:
Real: Algo que se presenta en la realidad y no requiere inversin de neuronas en su
solucin. P.e. Problema: falta de financiamiento; Solucin: Un banco, una micro financiera.

De Conocimiento: Algo que requiere de inversin de neuronas, pero no al extremo, ya que
se carece de informacin. P.e. Problema: Mal uso de un equipo, dosis o producto
Solucin: Capacitacin, manual, informacin.

De Investigacin: Se requiere de inversin de neuronas, dado que se tienen disyuntivas, de
desconocimiento de cul o cules son las posibles soluciones ante un problema, fenmeno o
necesidad. P.e. Problema, dosis adecuada para control de plagas?, enfermedades?; mejor
mtodo de uso u aplicacin de una equipo? o producto?
12

Solucin: se requiere de planteamiento de hiptesis, realizacin de ensayos, de
experimentos.

b) Determinacin de los objetivos
Estos pueden ser la forma en que las preguntas sern contestadas, la hiptesis que se va a
comprobar o los efectos que se desean estimar. Los objetivos deben redactarse en trminos
precisos. El experimentador debe estar capacitado para planear mas efectivamente sus
procedimientos experimentales, cuando hay ms de un objetivo estos se deben ordenar de
acuerdo a su importancia, evitando la vaguedad o exceso de ambigedad de sus
planteamientos.



c) Anlisis crtico del problema y de los objetivos.
La racionalidad y utilidad del experimento debern considerarse cuidadosamente a la luz
del estatus actual de conocimientos acerca del problema, para ello debern hacerse
preguntas como: son los objetivos del experimento realmente importantes para la solucin
del problema?, la seleccin de un procedimiento para la investigacin depende en gran
medida del objeto de estudio en que la investigacin est siendo conducida, as como los
objetivos de la investigacin.

La investigacin puede ser descriptiva y contemplar una encuesta como muestreo, o puede
contemplar un experimento o una serie de experimentos controlados.

d) Planeamiento de la experiencia
Esta contemplara la eleccin del lugar donde haya de establecerse el experimento de campo
o lote experimental, la determinacin del nmero y superficie de de las distintas parcelas en
que dicho campo o lote haya de dividirse, la forma y dimensiones de tales parcelas, su
distribucin dentro del campo y la asignacin de los distintos tratamientos a las distintas
parcelas, as como de las pocas en que ha de realizarse las diferentes labores u operaciones
culturales, tantos las correspondientes al cultivo ordinario (comnmente denominado
testigo), como las relacionadas con los tratamientos o elementos de produccin a que afecte
el experimento que se est llevando a cabo.

- El planteamiento tambin comprende la seleccin de los tratamientos, el xito del
experimento reside en la cuidadosa seleccin de los tratamientos cuya evaluacin
responder a las preguntas que se tengan, por ejemplo Cul es el mejor?, Cul da
mejores resultados?, a qu nivel funciona mejor un tratamiento X?

13

- Seleccin del material experimental. En la eleccin del material experimental debe
considerarse los objetivos del experimento, as como la poblacin sobre la cual se
harn las inferencias. El material utilizado deber ser representativo de la poblacin
sobre la cual se desean probar los tratamientos.

- Seleccin del diseo experimental. Nuevamente es importante considerar los objetivos,
siendo una regla general, el elegir el diseo ms simple, que brinde la mayor precisin
requerida.

- Seleccin de la unidad de observacin y del nmero de repeticiones. Para experimentos
de campo con plantas estos medios determinaran el tamao y forma de las parcelas de
campo. Para experimentos con animales, estos determinaran el nmero de animales
que han de ser considerados como una unidad experimental. En este caso la
experiencia de otros experimentos similares es de incalculable valor para la toma de
tales decisiones. El tamao de la parcela y el nmero de repeticiones debern ser
elegidos, para obtener la precisin requerida en la estimacin de los tratamientos.

- Control de efectos entre unidades adyacentes. Finalmente en esta etapa suele llevarse a
cabo este paso a travs de la utilizacin de callejones de demarcacin y mediante la
seleccin aleatoria de los tratamientos.

e) Ejecucin de las operaciones de campo
Comprende el desarrollo y aplicacin de los tratamientos sobre el terreno, es decir
desarrollar todo el plan previsto en el planeamiento de la experiencia, as como la adopcin
de cuantas preocupaciones sern necesarias para asegurar la precisin del trabajo, a fin de
evitar influencias extraas y aquellos cuyos efectos se estn analizando.

f) Recoleccin de datos
Este se compone de dos partes: 1) la recoleccin de los productos de campo, cuando llega
el momento de la maduracin de la cosecha, su envase, transporte y almacenamiento, y 2)
la determinacin de la cuanta de la produccin correspondiente a cada parcela o a cada
tratamiento, en determinadas ocasiones no basta determinar la produccin cuantitativa de
las plantas/animal sometidos a cada tratamiento diferente, sino que el trabajo (finalidad)
experimental trata de discernir el efecto de los distintos tratamientos o elementos puestos en
comparacin sobre la calidad del producto, en tales casos las anteriores actividades tienen
que complementarse con otras determinaciones conexas y conducentes a apreciar la
produccin y calidad del producto agrcola obtenido en cada parcela del campo o lote
experimental, determinaciones que exigen en la mayora de los casos un muestreo y anlisis
qumico o fsico de las muestras obtenidas en la produccin correspondiente a cada
tratamiento o elemento diferente sometido a ensayo.

14

La determinacin de la productividad expresada por el rendimiento de las cosechas, se
reduce en todos los casos a cifrar la cantidad en peso o en volumen de los productos tiles
suministrados por las plantas correspondientes a cada tratamiento o elemento comparado.

La determinacin de la calidad suele ser ms difcil y presenta aspectos ms variados en
general, esta calidad se presenta de dos maneras distintas.

1) Por caracteres externos, casi exclusivamente morfolgicos
2) Por el contenido o riqueza de los productos tiles de las plantas, en determinados
principios qumicos.

La apreciacin calidad de los productos vegetales, cuando se funda en caracteres externos
de tipo morfolgicos, como el color la forma e incluso el tamao, es casi siempre subjetiva
y por lo tanto emprica. Sin embargo, por lo que se refiere al tamao de los rganos que
forman la cosecha es fcil establecer, mediante determinadas mediciones de algunos de sus
dimensiones, una tipificacin que permita cifrar el carcter y por tanto someterlo al anlisis
estadstico, comparando as los distintos resultados de los diferentes tratamientos o sujetos
desde el punto de vista biomtrico si es necesario.

Esta forma de apreciacin de la calidad es frecuente en los cultivos de frutas y hortalizas y
en las especies ornamentales. En cambio es muy poco frecuente en los cultivos generales o
bsicos. En algunos casos de plantas de gran cultivo puede apreciarse la calidad por medio
de mediciones, tal es el caso de las plantas textiles, en las que las apreciaciones de las
caractersticas de la fibra se hace por mediciones de si longitud y resistencia o su finura,
recurrindose a equipos sofisticados para cifrar dichos caracteres que muchas veces entran
en juego tratamientos o elementos sometidos a estudios.

La apreciacin de la calidad por el contenido de los rganos aprovechables de la planta en
determinados productos o principios qumicos, es de gran inters, especialmente de las
plantas industriales y muy particularmente en las azucareras y oleaginosas. En el caso de la
caa de azcar y de la remolacha azucarera los tratamientos ensayados pueden influir
notablemente en la riqueza de sacarosa y en la pureza de los jugos, factores de primordial
inters para su aprovechamiento como materia prima en fbricas e ingenios y de mayor
importancia, en muchas ocasiones, que el rendimiento cuantitativo en caas o races.
Ejemplos similares se tienen en plantas oleaginosas con respecto al contenido de aceites en
los mismos, algunas plantas alimenticias como el trigo en su calidad panadera o la riqueza
de protena, grasas e hidrocarbonados y minerales en los forrajes.

En sntesis se puede decir que los datos recabados deben evaluar apropiadamente los
efectos del tratamiento, de acuerdo con los objetivos del experimento, adems se deber
15

brindar atencin a la recoleccin de los datos que explicaran el desempeo de los
tratamientos.

g) Interpretacin de los datos numricos sometidos al anlisis estadstico para
estimar su verdadero significado.
Cuando se requiere un anlisis qumico de los productos, para aquilatar el merito de los
distintos tratamientos sujetos a ensayos, se incrementa notablemente las dificultades para
una comprensin justa, pues se suman nuevas causas de error y propio tiempo, aumenta
considerablemente el trabajo que lleva consigo la experimentacin y el costo de su
ejecucin. Para eliminar la influencia del azar y determinar el verdadero valor de las
diferencias observadas es necesario someter los datos numricos obtenidos al anlisis
estadstico empleando algunos mtodos que la ciencia biomtrica moderna no proporciona,
para determinar en que cuanta se deben las discrepancias apreciadas entre los resultados de
los distintos tratamientos al efecto de estos exclusivamente.

En el anlisis estadstico es comn la aplicacin de anlisis de varianza (ANAVA), donde
se incluyen pruebas de F (de Fischer), previamente planeadas, en el ANAVA, deben
anotarse las fuentes de variacin y los grados de libertad asociados.

Debe considerarse la utilizacin de los resultados, los cuales pueden presentarse en Tablas
o Grficos que muestren los efectos de los resultados esperados, comparndose estos
resultados con esperados con los objetivos del experimento a fin de verificar si el mismo
suministrar las respuestas buscadas, es conveniente que el proceso de anlisis sea revisado
por un estadstico, as como por uno o ms colegas.

La i realizada por otros puede revelar aspectos que pasaron inadvertidos, ciertas
alteraciones o ajustes pueden enriquecer grandemente el experimento, as como posibilitar
un aprovechamiento ms completo del trabajo que se va a realizar.

Todos los datos debern analizarse tal y como fueron planificados, los resultados debern
interpretarse a la luz de las condiciones experimentales, donde se deber comprobar la
hiptesis y deber definirse la relacin de los resultados con los hechos previamente
establecidos. Debe recordarse que la estadstica es una herramienta de apoyo que no
demuestra nada y que existe siempre una probabilidad de que las conclusiones puedan ser
errneas, por lo que debe considerarse las consecuencias de tomar una conclusin
incorrecta. Evtese llegar a tal conclusin aun cuando sea estadsticamente significativa,
sobre todo si la misma aparece fuera de lugar con respecto a hechos previamente
establecidos siendo aconsejable investigar exhaustivamente el asunto.

h) Anlisis Econmico de los Resultados Obtenidos
16

Esto se hace con el objeto de refinar la conveniencia prctica de adoptar el tratamiento que
mayores meritos haya mostrado, como consecuencia de la experiencia realizada. La
experimentacin debe proporcionar orientaciones para mejorar la produccin agrcola,
dentro de las normas que rigen toda explotacin rural, que son las de obtener el mximo
beneficio del trabajo de la tierra por el hombre. En tales condiciones, la interpretacin de
los resultados tienen que completarse con el estudio econmico de los mismos, para llegar a
establecer un balance que permita medir el grado de conveniencia de seguir las directrices
que seale el resultado, que se podra llamar fsico del experimento desde el punto de vista
del rendimiento econmico para el agricultor.

No se debe olvidar que los fines de las experimentacin agrcola adems de cientficos,
acadmicos o especulativos, deben ser considerados esencialmente prcticos y estar
orientados a la mejora de la produccin agrcola y la elevacin del nivel econmico del
agricultor, incrementando sus ingresos, pero no sus costos, en el caso del incremento de
estos ltimos estos deben ser en pequeas proporciones, los que estn compensados con los
mayores ingresos.

i) Elaboracin del Informe de Investigacin
Todo trabajo experimental deber concluir con la elaboracin de un informe que contemple
una introduccin que abarca la problemtica a abordar, sus antecedentes y su justificacin.
Los objetivos del estudio (general y especficos), la hiptesis planteada del estudio, el
mtodo y metodologa utilizada, los resultados obtenidos, con sus respectivas conclusiones.
Debe considerarse que no hay o existen resultados negativos, si la hiptesis nula no se
rechaza es una evidencia positiva de que no existen verdaderas diferencias significativas
entre los tratamientos sometidos a prueba, en tal caso es recomendable someter el informe
ante colegas y hacerlo pasar por el tamiz de las crticas de los mismos.

Una herramienta importante y de mucha utilidad en la ejecucin del experimento y la
redaccin del informe es el mtodo cientfico, que parte de la observacin, la idea y el
planteamiento del problema.

Cabe mencionar que en la redaccin del informe experimental o de la investigacin es el
elemento clave del mismo, dado que trabajo que no se publica y no se somete a las crticas,
significa que no se ha hacho tal trabajo, dado que esta es la evidencia del mismo.

RELACION DE LA EXPERIMENTACION CON OTRAS CIENCIAS.
La experimentacin como tal se relaciona con todas aquellas ciencias, que tiene que ver con
el tema que se trate, con los tratamientos definidos y con las variables a evaluar, as
tenemos que cuando se trabaja con plantas estas se relacionan con los siguientes:
17


Edafologa: como elemento o sustrato donde se desarrollan las plantas, esta se relaciona
con las diferentes caractersticas fsico qumicas de los suelos.

Fertilidad: esta se relaciona con la anterior, pero con la diferencia que se relaciona ms al
aspecto qumico, a la composicin de los diferentes elementos esenciales en la nutricin de
las plantas.

Fisiologa vegetal: se relaciona con el funcionamiento de las plantas, as como de los
aspectos morfolgicos de las mismas.

Bioqumica: todo ser vivo es un conjunto de procesos qumicos, de la que no estn exentas
las plantas.

Ecologa vegetal y animal: donde y como se desarrollan los individuos es un aspecto de
mucha importancia en los experimentos con plantas, aspecto que se contempla en esta
ciencia.

Mtodos Estadsticos: esta es una herramienta ms de la experimentacin, sobre las cuales
se establecen las probabilidades de ocurrencia de un evento o suceso.

Mencione qu otras ciencias se relaciona con la experimentacin agrcola.

PRINCIPIOS GENERALES DE LA EXPERIMENTACION AGRCOLA
Existen tres principios importantes, inherentes a todos los proyectos experimentales que son
esenciales para los objetivos de la ciencia estadstica:

1. Repeticin. Esto se refiere a que un tratamiento se prueba ms de una vez, con ello
se estima el error experimental y brinda una medicin ms precisa de los efectos del
tratamiento. El nmero de repeticin de un tratamiento depende del nivel de
precisin que se desea detectar, as como de la variabilidad de los datos con los que
se trabaja.

2. Muestreo Aleatorio. Esta referida a que todas las posibles unidades experimentales
estn en iguales posibilidades de recibir un tratamiento determinado, asegurndose
as estimaciones imparciales de medios de tratamientos y del error experimental.

3. Control Local. Ello se refiere que a excepcin de los tratamientos a emplear, el
resto de factores deben ser controlados, es decir si se aplica una medida esta debe
ser pareja para todas las unidades experimentales.

18

CARACTERSTICAS DE UN EXPERIMENTO BIEN PLANEADO
La agricultura no es una ciencia exacta, la experimentacin lo hace serlo en el tiempo, con
el apoyo de la estadstica. Por lo que deben considerarse las dificultades, el nmero de
factores, sus niveles, las variables respuesta, las variaciones pertinentes y las no pertinentes,
considerando variables pertinente aquellas en el que los tratamientos o sujetos son
comparativos y la no pertinentes son aquellas causas ajenas al elemento o tratamiento en el
error experimental.

Por lo anterior es necesario conocer el cultivo con el que se experimentara, el lugar o sitio a
experimentar, la especificacin clara del problema, este debe plantear las condiciones
ecolgicas del experimento. Para lo cual debe tener las siguientes caractersticas:

1. Simplicidad. La seleccin de tratamientos y la disposicin experimental debern
hacerse del modo ms simple posible y debern ser consistentes con los objetivos
del experimento.

2. Grado de Precisin. Debe haber una gran probabilidad de que con un experimento
se pueda medir diferencias de tratamientos con los grados de precisin deseados, es
decir que se escoja el diseo apropiado y el nmero suficiente de repeticiones.

3. Ausencia de Error Sistemtico. Debe planearse un experimento de tal forma que
las unidades experimentales que reciben un tratamiento no difieran
sistemticamente de aquellas que reciben otro tratamiento.

4. Rango de Validez de las Conclusiones. Las conclusiones deben tener un rango de
validez tan amplio como sea posible. La replicacin de un experimento en tiempo y
espacio incrementa el rango de validez de las conclusiones que pueden obtenerse
del mismo.

5. Calculo del Grado de Incertidumbre. En cualquier experimento existe siempre
algn grado de incertidumbre en cuanto a la validez de las conclusiones. Por lo que
el experimento debe ser concebido de modo que resulte posible calcular la
probabilidad de obtener resultados observados debido nicamente al azar.

Preguntas de comprobacin:
- Qu se entiende por experimentacin?
- Cul es la importancia de la experimentacin?
- Cules serian los tipos de objetivos de un experimento?
- Cules son las etapas de la experimentacin agrcola?
- Cules son los tipos de problemas? Cite ejemplos
- Mencione o comente la importancia del anlisis econmico en la Experimentacin Agrcola.
19

- Cules son los Principios de la Experimentacin?
- Describa cada una de las caractersticas de un Experimento.

CONCEPTOS
Razonamiento Deductivo: es el tipo de razonamiento que partiendo de lo general se
deduce lo particular.

Por ejemplo el empleo de una ecuacin o formula permite que de la generalidad se llegue a
la particularidad, tal es el caso de la ecuacin Y= a + bx. Cualquier valor para cualquier
valor de a, b y x tendr un valor de Y y el conjunto de ellas definir cual es la tendencia.

El rea de un cuadrado es: L x L, dependiendo del valor de ambos lados as se tendr un
rea determinada.

Razonamiento inductivo: es el tipo de razonamiento que partiendo de lo particular se
deduce lo general.

Por ejemplo, si realizamos supervisiones de campo en cultivos de maz se puede determinar
el tamao de las plantas, el tipo de insecto presente y a partir de esto predecir las
poblaciones de origen de ambos individuos, lo cual estar asociado al nmero de muestras
que se realicen.

Comnmente los problemas que enfrentan un experimentador o investigador agrcola, se
resuelven mediante el razonamiento inductivo.

Experimento: Un experimento es el proceso de obtener una observacin y representa
cualquier situacin que tenga ms de un resultado.

Factor: son las variantes sujetas a evaluar por ejemplo, en el caso anterior uso de
fertilizantes, variedades, tecnologa, tcnicas etc. Se constituyen como factores a evaluar,
en dependencia del nmero de factores a evaluar, se tienen el tipo de diseo a implementar,
uno solo Unifactorial; dos bifactorial, tres trifactorial.

Un factor es referido a las variables independientes determinadas previo a la realizacin del
experimento.

Tratamientos: es cada uno de los niveles de un factor o conjunto de factores sujetos a
manipulacin (variacin), para medir su efecto sobre una unidad experimental. Los
tratamientos son el conjunto de circunstancias creados para el experimento (combinacin de los
20

niveles o valores de cada factor), en respuesta a la hiptesis de investigacin y son el centro de la
misma.

Por ejemplo, el uso de diferentes dosis de fertilizantes, las diferentes variedades de un
cultivo, el uso de diferentes tcnicas o tecnologas.

Tratamiento Control: es aquel donde no se realiza ninguna aplicacin sobre la unidad
experimental, est dada principalmente para ensayos con plantas, y en el caso de animales
cuando no la falta de aplicacin no afecta el desarrollo fisiolgico y vital del mismo.

Tratamiento Testigo: es el tratamiento donde se considera los aspectos estndares o
bsicos implementados en el desarrollo de un componente vital, se considera el manejo
bsico o necesario para el manejo de una tcnica.

Por ejemplo: si el productor aplica cuando menos un quintal de fertilizante completo o de
urea o ambos a la vez, este ser el punto de partida para el estudio comparativo que se
realice en el aspecto de fertilidad de un cultivo dado.

Unidad Experimental: es la unidad (parcela, planta, animal, elemento bitico o abitico),
a la que se le aplican los tratamientos, y sobre la cual se hacen las mediciones de las
variables, para determinar el efecto de dichos tratamientos sobre variables dependientes.

Variable: es una caracterstica medible de una unidad experimental, puede ser discreta (1,
2, 3, 4, .., n), o continua (1.1, 1.2, 1.3, 1.4, ., n); pueden ser independientes (edad
de las plantas, dosis de fertilizantes, tecnologa a implementar, etc.) y dependientes
(rendimiento, altura, cobertura, ndice de rea foliar, etc.), ejemplos de variables son: la
altura de las plantas, la cobertura, el nmero de hojas, el largo o ancho de las hojas, el
rendimiento por planta o por rea, etc.

Cuando las mediciones de las variables se hacen de forma individual se conocen como
elementos y al conjunto de elementos poblacin de una nica variable.

Muestra: conjunto de mediciones, que pueden ser parte de una poblacin o el total de ellas.

Muestra aleatoria: es la medicin individual que tiene tantas probabilidades de ser
incluida como cualquier otra.

Error Experimental: Describe la variacin entre las unidades experimentales tratadas de manera
idntica e independiente.

21

Diseo balanceado: Se dice que el diseo experimental es balanceado, si se asigna el mismo
nmero de unidades experimentales a cada tratamiento. En caso contrario se dice que es no
balanceado.

Defina los siguientes conceptos
Unidad experimental,
Variable dependiente
Factor
Tratamientos (identifique el testigo y el control)
Diseo es balanceado

DISTRIBUCIN DE FRECUENCIA
Las poblaciones se describen mediante caractersticas denominadas parmetros. Los
parmetros son valores fijos, as tenemos que la media aritmtica de todos los elementos de
una poblacin es un parmetro. Cuando se hace en parte de ella, es decir sobre una muestra
se denomina un estadstico.

Dado que los eventos de una poblacin pueden repetirse, entonces estos deben acumularse
en grupos, es decir debemos registrar las frecuencias o veces que se repiten y a la forma de
agrupacin se hace a travs de tablas de frecuencias o en representaciones graficas como
los histogramas de frecuencias.

Por ejemplo, se tomo la altura (en m), de 20 plantas de maz y los resultados fueron:

1 1.5 11 1.0
2 1.2 12 1.1
3 1.5 13 1.2
4 1.4 14 1.3
5 1.3 15 1.2
6 1.1 16 1.5
7 1.2 17 1.2
8 1.5 18 1.3
9 1.2 19 1.5
10 1.3 20 1.4

Como puede observarse el evento 1.0 se present una sola vez, el 1.1 se present dos veces,
el 1.2 seis veces, el 1.3 cuatro veces, el 1.4 dos veces, y el 1.5 cinco veces.

Expresado de otra forma
22











Datos sin transformar











Datos transformados (Raz (x))

Medidas de Tendencia Central
La media de una poblacin se define como:

X
1
+ X
2
+ X
3
+ . X
n

= ------------------------------------
N

Donde X
1
, X
2
son los elementos de una poblacin y N es el nmero total de elementos en la
poblacin, y X
n
es el elemento ensimo de la poblacin.

Una forma de definir la media es mediante la siguiente expresin:

N
X
i

i = 1
= ----------
Valor Frecuencia
1.0 1
1.1 2
1.2 6
1.3 4
1.4 2
1.5 5
Total 20
Valor Frecuencia
1 1.00
1.1 1.41
1.2 2.45
1.3 2.00
1.4 1.41
1.5 2.24
0
1
2
3
4
5
6
7
1 1.1 1.2 1.3 1.4 1.5
0
0.5
1
1.5
2
2.5
3
1 1.1 1.2 1.3 1.4 1.5
23

N

La letra griega (sigma), indica que se deben sumar todos los valores de X
i
, donde el valor
del ndice (i) van desde 1 hasta N observaciones hechas.

Pero como se dijo el razonamiento inductivo es el ms comn, por lo que la media o
parmetro a estimar es el estadstico de muestral de los elementos que se define de la
siguiente forma:


N
X
i

--- i = 1
X = ----------
N


Comnmente se desea conocer la diferencia o distancia de un elemento (X
i
) a la media (
). Tales desviaciones se representan con letras minsculas y en cursivas por ejemplo x o y,
x = xi - ( ), y = yi -

Una propiedad de la media es que la suma de las desviaciones de cada uno de sus
elementos con respecto a la media es igual a cero.

Por ejemplo: se midi el peso seco de cinco plantas y el resultado fue:

g/planta x
X - (x - )
2

3 0 0
4 1 1
5 2 4
2 -1 1
1 -2 4
X = 15
(X - ) = 0 (X - )
2
= 10
= 3




3 + 4 + 5 + 2 + 1 15
= ------------------------ = ------- = 3
5 5
24


Desviaciones 3 3 = 0; 4 3 = 1; 5 3 = 2; 2 3 = -1; 1 3 = -2

Otra de las propiedades de la media es que la suma de todas las desviaciones de la media al
cuadrado es un mnimo.

Otras medidas de tendencia central son: la mediana, la moda, la media geomtrica, entre
otras.

Medidas de Dispersin
La medida de dispersin ms comn es la varianza (
2
) o su raz cuadrada, la desviacin
estndar (), estas medidas sealadas anteriormente son las caractersticas para una
poblacin, la muestral es S
2
para la varianza y s para la desviacin estndar.

La varianza de una poblacin se define como:

(X
i
- )
2

2 = ----------------------

N

Donde N es el nmero de elementos de una poblacin, cuando las muestras es menor de 60
elementos entonces la mejor estimacin se hace de la siguiente forma:

(X
i
- )
2

S
2 = ----------------------

n 1

En el caso de que se conozca la media de la poblacin, cuando esto no es as, entonces la
mejor estimacin se hace


(X
i
- )
2

S
2 = ----------------------

n 1


El factor (X
i
- )
2,
se conoce como la suma de cuadrados y al valor de n 1 se le conoce
como grados de libertad.

25

Una expresin de trabajo ms adecuada y de fcil estimar la S
2
es mediante la siguiente
forma:


X
i
2
(X
i
)
2
/n
S
2 = ----------------------

n 1

La expresin (X
i
)
2
/n, es conocida como factor de correccin y se representa por una C, es
decir C = (X
i
)
2
/n

En el ejemplo anterior del peso de las plantas se tiene que la varianza es:

(3
2
+ 4
2
+ 5
2
+ 2
2
+ 1
2
) ((3+4+5+2+1)
2
/5) 55 (15)
2
/5
S
2
= ---------------------------------------------------------- = ----------------------
5 1 4

55 45 10
= ------------- = --------- = 2.5
4 4

Otra medida de dispersin es el Coeficiente de Variacin o de variabilidad, el cual expresa
la desviacin estndar por unidad experimental como un porcentaje de la media general del
experimento, y se define de la siguiente forma:

S
CV = ----- (100)


DI SEO DE EXPERI MENTOS: CONCEPTOS PRELI MI NARES
Tipos de estudios
Existen dos tipos de estudios que generan datos, los estudios observacionales y los estudios
experimentales.

Llamamos estudio observacional cuando sobre un proceso existente se observan (registra
informacin) una o ms variables aleatorias. La finalidad de estos estudios es explorar,
describir y confirmar hiptesis.

Qu es un experimento?
26

Prueba o serie de pruebas en las cuales se inducen cambios deliberados en las variables de
entrada de un proceso o sistema de manera que sea posible observar e identificar las causas
de los cambios en la respuesta de salida (Montgomery 1991).

Es una reproduccin restringida de la realidad con el fin de observar los efectos de su
manipulacin planificada (Casanoves y Di Rienzo, 1999).

La finalidad de estudios basados en experimentos es contrastar hiptesis, modelar y
predecir.

La diferencia principal entre estos dos tipos de estudio es que en los observacionales existe
una realidad que se observa y en los experimentales se manipula la realidad para observar
su respuesta. En la prctica en muchas ocasiones se obtienen datos provenientes de
combinaciones de ambos tipos de estudios. En estos casos el desafo es modelar
correctamente los datos obtenidos.

Unidad experimental
Es la mnima porcin del material experimental sobre el cual un tratamiento puede ser
realizado. La unidad experimental (UE) puede ser una parcela de terreno, una maceta, un
animal, el conjunto de alumnos de un curso, etc. Pueden ser unidades naturales como en el
caso de una persona, un automvil, una planta o unidades artificialmente delimitadas como
en el caso de una parcela de terreno, una cantidad de agua, etc.

Unidad Observacional
Es la porcin de la unidad experimental que se mide u observa. En muchos estudios, la
unidad experimental coincide con la unidad observacional, pero en otros, una unidad
experimental puede representar un conjunto de unidades observacionales. Cuando en un
estudio se registran dos o ms variables, la unidad observacional puede ser distinta para
cada una de ellas. Por ejemplo, si la unidad experimental es una parcela con plantas de
trigo, se puede registrar la variable rendimiento sobre toda la parcela y la variable nmero
de espigas por planta sobre algunas plantas de la parcela. As, las unidades de observacin
son distintas para estas variables.

Factores
Son todas las fuentes de variacin reconocidas a priori por el investigador (no incluye el
error experimental). Cada uno de los valores que asume un factor se denomina nivel. Por
ejemplo, la temperatura de coccin del pan es un factor y las diferentes temperaturas
evaluadas son los niveles. Los factores pueden ser de inters del investigador (cuando se
desea hacer inferencia sobre ellos) o simplemente pueden ser reconocidos como una fuente
27

de variacin que de no contemplarse disminuyen la precisin de las comparaciones de
inters (factores de bloqueo).

En cualquiera de estos casos, los efectos de los factores pueden ser de naturaleza fija o
aleatoria. Por ejemplo, las temperaturas de coccin del pan se pueden fijar en 100, 110 y
120 grados o elegirse al azar temperaturas entre 100 y 120 grados. Los factores de efectos
fijos se utilizan cuando todos los niveles del factor que son de inters se incluyen en el
estudio. La extrapolacin de las conclusiones estadsticas mas all de los niveles
especificados hacia otros niveles no tiene sustento estadstico. Los modelos lineales
basados en variables predictoras categricas fijas (factores fijos) se denominan modelos de
efectos fijos. Cuando en el modelo se incluyen efectos aleatorios, es decir, se incluye en el
experimento una muestra aleatoria de posibles niveles del factor, se denomina modelo de
efectos aleatorios. Las inferencias generalmente se orientan hacia todos los posibles grupos
o niveles del o los factores de efectos aleatorios. A pesar que la distincin entre factores de
efectos fijos o aleatorios no afecta el procedimiento de ajuste del modelo de ANAVA ni el
contraste de hiptesis, en el modelo a una va de clasificacin, las hiptesis que se
contrastan son fundamentalmente diferentes. En el caso de efectos fijos se contrastan
hiptesis sobre igualdad de medias de tratamiento. En el caso de efectos aleatorios, se
contrastan hiptesis sobre la varianza de los niveles del factor. Cuando se combinan efectos
fijos y aleatorios se esta en presencia de un modelo mixto. Una introduccin a los modelos
aleatorios y mixtos se vera mas adelante. Por ahora solo se har referencia a los modelos de
efectos fijos.

Cuando se estudia un solo factor se dice que el experimento es unifactorial ya que los
tratamientos consisten en aplicar distintos niveles de un mismo factor. Si en cambio un
tratamiento consiste en la combinacin de niveles de 2 o ms factores, entonces se dice que
el experimento es un experimento con estructura factorial de tratamientos.

Tipo de Factores
Los factores estudiados pueden ser de naturaleza cuantitativa o cualitativa. Un ejemplo del
primer caso es cundo se estudian dosis de fertilizantes en un cultivo. Un ejemplo de factor
cualitativo es el cultivar o variedad agrcola donde sus niveles son los distintos cultivares
evaluados.

Tratamientos
Se denomina tratamientos al conjunto de poblaciones estudiadas y/o acciones realizadas
sobre las unidades experimentales. Si el experimento es unifactorial, los tratamientos son
los distintos niveles del factor. Si el experimento es multifactorial (ms de un factor) los
28

tratamientos surgen de la combinacin de los niveles de los factores intervinientes. Por
ejemplo, si se prueba el factor temperaturas con tres niveles, 100, 110 y 120 C, los
tratamientos son las tres temperaturas. Si en esta experiencia adems se evala el factor tipo
de horno con tres niveles, elctrico (E), a gas (G) y a lea (L), se tendr un total de 9
tratamientos que surgen de la combinacin de los niveles de los dos factores, temperatura y
tipo de horno. Los tratamientos entonces sern: E-100, E-110, E-120, G-100, G-110, G-
120, L-100, L-110 y L-120.

Repeticin
Se denomina repeticin a cada una de las realizaciones independientes de un tratamiento.
Se denomina corrida a la realizacin de una repeticin de todos los tratamientos. Otras
veces se usa el termino replica para referirse a una repeticin de todo el experimento.

Pseudo-repeticin
Se denomina Pseudo-repeticin a cada una de las realizaciones no independientes de un
tratamiento. En algunas reas se denominan submuestras.

Confundimiento
Se dice que hay confundimiento cuando la comparacin entre los niveles de un factor puede
representar tambin la comparacin entre los niveles de otro factor. As ser imposible
conocer cul es el factor que podra estar causando las diferencias observadas. Por ejemplo,
si se desea probar el efecto de dos dietas A y B y se asigna la dieta A a un conjunto de
varones tomados al azar y la dieta B a un conjunto de mujeres tomadas al azar. Si al cabo
de un tiempo se observa la diferencia de peso respecto al peso inicial, no se podr
determinar si las diferencias se deben al efecto del factor dieta o al efecto del factor sexo.
En tal caso se dice que los efectos de dieta y sexo estn confundidos. El confundimiento se
podra evitar con la simple aleatorizacin de las dietas en las unidades experimentales
(individuos sin distincin de sexos) o la aleatorizacin de las dietas dentro de cada uno de
los sexos (recomendable si se espera que el sexo tenga efecto sobre la diferencia de peso).

Cuando se realiza un ANAVA (o test T) con pseudo-repeticiones nicamente, los efectos
de los tratamientos pueden estar confundidos con variaciones en las unidades
experimentales que, al no estar repetidas, no pueden distinguirse. Por ejemplo, si se estudia
la cantidad de especies vegetales de dos reas contiguas, una que fue hace aos arrasada por
el fuego y otra que no, se pueden obtener pseudo-repeticiones de los tratamientos (fuego y
no fuego). Si se hace una prueba con estos datos no se podr saber si las diferencias se
deben al efecto del fuego o a que las reas contiguas tenan diferencias entre si mas all del
fuego.

29

Control y testigo
Usualmente se denomina control al nivel del factor tratamiento que representa ausencia de
tratamiento. Es comn ver en experimentos UE a las que no se le aplican los tratamientos
de inters. El objetivo es comparar los efectos de tratamientos descontando variaciones
debidas a la manipulacin experimental. Por ejemplo, en un estudio involucrando varias
dosis de fertilizantes el rendimiento observado bajo los distintos tratamientos podra
deberse a la dosis de fertilizante pero tambin a las condiciones experimentales que no son
en las que habitualmente se observa el rendimiento (siembra a mano, riego con regadera,
etc.). Luego si no se incorpora un control (sin fertilizar) ser difcil discernir cunto de lo
observado se debe a la fertilizacin.

Se denomina testigo al tratamiento tradicional que se desea comparar con nuevos
tratamientos. Por ejemplo, para evaluar tres nuevas variedades de trigo en cuanto a su
rendimiento, se podra incluir la variedad tradicional como testigo, de manera de poder
comparar los rendimientos de las nuevas versus el testigo bajo las mismas condiciones
experimentales.
Aleatorizacin
En diseo y anlisis de experimentos hay dos etapas importantes de aleatorizacin. La
primera se relaciona con la necesidad de contar con unidades experimentales que
representen una muestra aleatoria de la poblacin de UE. La segunda aleatorizacin es la
que se realiza para asignar los distintos tratamientos en las UE o viceversa. Esta es una
condicin necesaria para que la estimacin de los parmetros de inters sea insesgada.

Error experimental
Este error est compuesto por los errores de tratamiento, de muestreo y de medicin y
aunque en la prctica generalmente son indistinguibles, es importante reconocerlos para
tratar de minimizarlos. En el ANAVA, el error experimental es un estimador de o
2
y por lo
tanto mantener en niveles bajo los errores que lo componen harn ms eficientes las
comparaciones de inters.

Error de Tratamiento: Es el error que se podra cometer al no poder aplicar el mismo
tratamiento de manera exactamente igual en las unidades experimentales (UE) que le
fueron asignadas.

Error de Medicin: Error relacionado a la obtencin del dato. Podra ser introducido por
parte del operario que obtiene el dato o por el instrumento de medicin.

Error de Muestreo: Est relacionado con la variacin de las UE que es de esperar exista
an cuando toda otra fuente de variacin se encuentre controlada. Su magnitud depende de
la heterogeneidad de las UE.

El error de tratamiento se controla con un buen protocolo de aplicacin de los tratamientos,
el error de medicin, con la capacitacin del personal y la eleccin de buenos aparatos de
medida. El error de muestreo, se controla mediante un proceso de aleatorizacin que
30

contemple la estructura de las unidades experimentales, es decir asegurarse que todos los
tratamientos estn representados en todos los grupos o bloques de unidades experimentales.

Diseo de experimentos
El diseo de experimentos consiste en un conjunto de tcnicas que tienen, entre otras, la
finalidad de controlar las fuentes de variacin no deseadas y disminuir el trmino de error
experimental.

Uno de los principales objetivos en la planificacin de una experiencia, siguiendo un diseo
experimental, es la reduccin del error experimental, con el propsito de incrementar la
eficiencia de la inferencia relacionada a la comparacin de tratamientos.

El diseo experimental puede entenderse como una estrategia de combinacin de la
estructura de tratamientos (factor/es de inters) con la estructura de unidades
experimentales, de manera tal que la variabilidad de la variable respuesta, al menos en
algn subgrupo de unidades experimentales, pueda ser atribuidas solamente a la accin de
los tratamientos, excepto por errores aleatorios. As, es posible contrastar (comparar)
medias de tratamientos o combinaciones lineales de medias de tratamientos con el menor
ruido posible.

La estructura de tratamientos esta relacionada al nmero de factores involucrados en el
experimento, sus niveles y la combinacin de los mismos. La estructura de unidades
experimentales surge del agrupamiento de las mismas en grupos o bloques que puedan
considerarse formados por UE homogneas. Es importante en toda situacin donde se
disea una experiencia distinguir entre la estructura de parcelas o estructura de las UE por
un lado, y la estructura de tratamientos, por el otro.

La estructura de parcelas es generalmente determinada a priori de la aplicacin de los
tratamientos a las UE, tratando que sta contemple todos los factores que producen
variacin en la respuesta entre las distintas unidades experimentales. En la mayora de las
experiencias, es posible identificar patrones en las UE, los que se asocian a factores, que si
bien no corresponden a los tratamientos de inters, podran diferenciar las respuestas
provenientes de las distintas UE. Una estrategia para controlar el efecto de dichos factores
es la estratificacin o bloqueo.

La estructura de tratamientos esta asociada a las cuestiones sobre las que interesa inferir. La
aleatorizacin es el proceso que permite combinar ambas estructuras. La estructura de
tratamientos es aleatorizada en las unidades experimentales.

As, un diseo experimental involucra:
a) la eleccin de la estructura de tratamientos.
31

b) la deteccin de la estructura de parcelas (independientemente de la estructura de
tratamientos).

c) la eleccin del mtodo de aleatorizacin acorde para la combinacin de ambas
estructuras.

El diseo experimental determina el modelo a utilizar para un correcto anlisis de la
variabilidad en la respuesta.
Algunas estructuras de parcelas clsicas son aquellas que caracterizan los diseos: 1)
completamente aleatorizados (DCA), donde las UE no tienen estructura; 2) en bloques
completos aleatorizados (DBCA), donde las UE homogneas se agrupan en un mismo
bloque y los bloques son heterogneos en relacin a un factor de clasificacin (o
combinacin de factores de clasificacin); 3) cuadrado latino (DCL), donde las UE se
agrupan en bloques heterogneos en relacin a dos factores de clasificacin independientes
(estructura de UE a dos va de clasificacin).

No debe existir interaccin entre los componentes de la estructura de parcelas y los
componentes de la estructura de tratamientos, es decir, se asume que la relacin existente
entre tratamientos es consistente de bloque a bloque (excepto por la variacin aleatoria).

Preguntas que pueden hacerse para realizar, identificar y analizar un experimento
comparativo
Cuntos tratamientos se desean comparar?
Cuntas repeticiones por tratamiento son suficientes para comparar con la precisin
deseada?
Es necesario observar la evolucin de la respuesta en el tiempo?
Cules son las unidades experimentales?
Cules son las unidades de observacin?
Son las unidades experimentales homogneas?
Son las unidades experimentales homogneas suficientes para realizar todos los
tratamientos?
Cmo se asignan los tratamientos a las unidades experimentales?
Los tratamientos tienen alguna estructura?
Puede el diseo resultante ser analizado estadsticamente y las comparaciones
deseadas llevadas a cabo?.

TRANSFORMACIONES DE DATOS.
Entre las suposiciones del anlisis de varianza estn las siguientes:
32


a). Que las distintas muestras se han sacado de poblaciones cuyas distribuciones son normales.

b). Que las poblaciones de dichas muestras cuentan con varianza iguales.

Existen ciertos casos en los cuales desde un principio se puede afirmar que los datos
disponibles no cuentan con una distribucin normal, por lo que se deben llevar a cabo
transformaciones para acercar dichos datos a una distribucin normal.

Para verificar si los datos siguen una distribucin normal se somete a una prueba de X
2
.

I. NMEROS DGITOS.
A veces se obtienen resultados con nmeros pequeos, en su mayora nmeros dgitos ejemplo
conteo de frutos, conteo de insectos en campos bien tratados etc. En este caso los datos
originales (nmeros dgitos se sustituyen por su raz cuadrado. Cuando hay valores de cero, se
aade 0,5 a todos los datos originales antes de sacar la raz cuadrada.



Ejemplo:
Conteo de nmeros de frutos por plantas:
a). Datos originales:



b). Datos transformados: X '=

33


Con estos datos transformados, se realiza el anlisis de varianza de la forma habitual.

II. CAMPO GRANDE DE VARIACIN.
En los casos donde existen diferencias muy grandes entre los diferentes valores de los
tratamientos se recomienda una transformacin logartmica. Por ejemplo se pueden encontrar
unos pocos insectos en una parcela tratada con una sustancia efectiva, mientras que en otras no
tratadas la cantidad de insectos pudren alcanzar valores muy grandes.




Ejemplo:

Conteos de insectos en 8 parcelas.
100; 1000; 200; 500; 300; 50; 2000 y 400.

Estos datos no presentan una distribucin normal, sin embargo si se consideran los logaritmos
se aproximan a una distribucin normal.

Log. 2.0; 3.0; 2.3; 2.7; 2.5; 1.7; 3.3 y 2.6.

III. FRECUENCIAS RELATIVAS.
Las frecuencias relativas, estn sujetas a la distribucin binomial que a veces puede diferir
notablemente de una distribucin normal, sobre todo cuando los datos son muy pequeos y
muy grandes. Se debe realizar la transformacin de los datos si la mayora de estos no se
encuentran entre un 30 y 70%.



34

Ejemplo:
Porciento de germinacin de 3 variedades
a). Datos originales




b). Datos transformados.



Anlisis de la varianza (ANAVA)
Introduccin
En experimentos con fines comparativos, usualmente se realiza la aplicacin de varios tratamientos
a un conjunto de unidades experimentales para valorar y comparar las respuestas obtenidas bajo
cada tratamiento. La tcnica del Anlisis de Varianza (ANAVA) permite realizar las estimaciones
de las respuestas promedio de tratamientos y las comparaciones entre ellas. El ANAVA es un
procedimiento que descompone la variabilidad total en la muestra (suma de cuadrados total de las
observaciones) en componentes (sumas de cuadrados) asociados cada uno a una fuente de
variacin reconocidas.

El ANAVA es una tcnica general en la que participa y se analiza la variacin en una variable
respuesta continua. La variacin es particionada en variacin explicada y no explicada por uno o
ms predictores llamados factores. Las categoras de cada factor (niveles) generalmente conforman
grupos o condiciones experimentales (tratamientos). El objetivo es la comparacin de las medias de
la variable respuesta en esos grupos. El ANAVA examina la contribucin relativa de diferentes
fuentes de variacin respecto a la variacin total en la variable respuesta y permite contrastar la H
0

sobre igualdad de medias entre los grupos versus la H
1
que establece que al menos 1 es diferente.

35

La variables involucradas en el ANAVA son la variable dependiente o respuesta, las variables de
clasificacin (predictoras asociadas a factores cualitativos o cuantitativos con un numero discreto de
niveles) y las covariables (predictoras asociadas a fuentes de variacin continuas entre UE) en caso
de que existan.

La variable dependiente es la variable sobre la cual se desea hacer comparaciones entre los
tratamientos. Las variables de clasificacin son las que representan factores o fuentes de variacin
que permiten separar o clasificar las observaciones en grupos. Normalmente existen factores que
tienen que ver con la estructura de tratamientos del experimento y factores relacionados a la
estructura de las unidades experimentales.

Las covariables (o variables concomitantes) representan variables aleatorias continuas cuyo valor
vara con cada unidad experimental y que posiblemente estn relacionadas linealmente con la
variable respuesta. Las covariables no deben interactuar con los factores que se evalan en el
experimento. En situaciones donde se registr una variable concomitante, se puede realizar el
anlisis de covarianza. En este anlisis antes de estudiar las diferencias entre tratamientos, se ajusta
o remueve en la variable dependiente la variabilidad debida a la covariable. Ms adelante se
desarrollar el tema anlisis de covarianza.

Modelo de ANAVA de efectos fijos a un criterio de clasificacin
La tcnica de anlisis de la varianza presupone un modelo lineal para explicar la variacin en la
variable respuesta. Cuando se estudia un solo factor con a niveles (o a tratamientos) se dice que el
anlisis de varianza es a un criterio de clasificacin y el modelo (modelo de efectos) queda definido
de la siguiente forma:

Y
ij
= + t
i
+ c
ij
, con i=1,...,a y j=1,..,n
i
Donde:
Y
ij
es la j-sima respuesta en el i-simo tratamiento
es la media poblacional de la variable respuesta
t
i
es el efecto del i-simo tratamiento
c
ij
es un termino de error aleatorio. Bajo los supuestos del modelos de muestreo ideal, los
trminos de error asociados a cada una de las observaciones se suponen independientemente
distribuidos, normales, con esperanza 0 y varianza o
2
i,j (Varianza constante).

La media general () pueda ser entendida como la media de todas las medias poblacionales
asociadas a cada uno de los grupos en estudio. Se considera un parmetro fijo y su valor es
constante a travs de todas las observaciones, por lo que suele denominarse simplemente constante.
Los efectos de tratamientos (t
i
) representan la diferencia o corrimiento entre la media poblacional
del grupo considerado y la media general. En el modelo de ANAVA de efectos fijos los (t
i
) se
consideran constantes (valores fijos) desconocidas. El efecto del tratamiento 1 (t
1
) es la diferencia
que hay entre la media del tratamiento 1 y la media general. La hiptesis nula del ANAVA postula
36

la igualdad de medias de todos los tratamientos comparados. Si la hiptesis nula del ANAVA fuera
verdadera las a poblaciones estaran centradas sobre la misma esperanza, es decir, en . El trmino
de error asociado a la observacin ij, representa la diferencia entre dicha observacin y la media
poblacional del grupo o tratamiento correspondiente.

El modelo de ANAVA tambin puede plantearse en trminos de la media de celda o media de
grupo (modelo de celdas o modelo de medias) en lugar de hacerlo sobre la base de efectos de
grupos. Es decir,

Y
ij
=
i
+ c
ij
, con i=1,...,a y j=1,..,n
i
El nmero de parmetros de posicin en esta parametrizacin es igual al nmero de medias de
grupo. Para el caso de estudios involucrando un solo factor con igual tamao de muestra para cada
nivel no existen diferencias entre este modelo y el de efectos a la hora del contraste de hiptesis. El
modelo de celdas puede ser ventajoso en algunas situaciones con diseos complejos o
multifactoriales donde se ha perdido una celda.

Si bien los t
i
del modelo de efectos no son estimables, los
i
= + t
i
si se pueden estimar para cada
grupo. Debido a la equivalencia entre el modelo de celdas y el modelo de efectos, resulta indistinto
plantear la hiptesis nula del ANAVA en trminos de media de celda o efectos de tratamiento.

Las hiptesis que se contrastan en el ANAVA de efectos fijos pueden expresarse como:
H
0
:
1
=
2
= ...=
a
versus
H
1
: Al menos un par de medias difiere
o alternativamente como:
H
0
: t
1
= t
2
= ...= t
a
=0 versus
H
1
: Al menos un t
i
=0

Estimacin
En el marco del modelo de efectos, los parmetros a estimar sern, la media general, los efectos de
tratamientos y la varianza de los trminos de error, la cual se asumi constante a travs de los
niveles de los factores. La estimacin de estos parmetros usualmente se realiza mediante los
procedimientos de estimacin de mnimos cuadrados (MC) o mxima verosimilitud (MV). El
modelo de muestreo ideal (MMI) es aquel modelo que cumple con los supuestos de independencia,
homocedasticidad y distribucin normal para los trminos de error. Bajo los supuestos del MMI las
estimaciones de los parmetros de posicin obtenidas por uno u otro procedimiento son las mismas,
mientras que la estimacin de la componente de varianza residual difiere. El estimador MV de o
2
es
sesgado mientras que el estimador por MC es insesgado, pero la eficiencia del estimador MV puede
ser mayor sobre todo si el tamao de muestra es grande.

En experimentos con pocas repeticiones por tratamiento y bajo el MMI, usualmente se utiliza el
procedimiento de mnimos cuadrados ordinarios, el que provee de los siguientes estimadores para
los parmetros del modelo de efectos:
37


Y =

( )
i i
Y Y Y Y Y = + =

El error estndar para una media de tratamientos, que permite construir intervalos de confianza para
las medias poblacionales bajo cada tratamiento y/o comparar medias de tratamiento es:

2

i
Y
i
CMR
n
o =
donde CMR es el cuadrado medio residual del ANAVA tambin conocido como cuadrado medio
dentro (CMD), ya que es un estimador de la variabilidad entre las UE tratadas de la misma forma,
es decir, dentro de un mismo tratamiento.

Los trminos de error son estimados por los residuos e
ij
como la diferencia entre el valor observado
y el valor predicho por el modelo (

ij i
Y Y = ):

ij ij ij i
e Y Y c = =

Tabla de anlisis de varianza para un modelo a una va de clasificacin
Fuente de Variacin Suma de Cuadrados Grados de
Libertad
Cuadrado Medio
FC
Entre Tratamientos
SCtr=t
2
/r - C glt= t -1 SCt/glt
CMt
CME
Dentro (Error
Experimental)
SCE=SCT-SCt gle=gl
T
gl
t
SCE/glE

Total SCT= X
2
- C glT= N - 1

SCt: Suma de cuadrado de tratamiento; SCE: Suma de Cuadrado del Error; SCT: Suma de
Cuadrado Total; gl: Grados de Libertad; C: Factor de Correccin (GT
2
/N); CM: Cuadrado
Medio; FC: F de Snedecor Calculada.

Una forma de calcular el cuadrado medio dentro es a partir de las varianzas muestrales obtenidas
para cada tratamiento:

2 2
1 1
1
( -1) ... ( -1)

( -1) ... ( -1)
a a
a
n n
CMD
n n
o o + +
=
+ +


El Cuadrado Medio Dentro es un estimador insesgado de o
2
, es decir E(CMD) = o
2
.
38


El cuadrado medio entre (CME) se asocia a la variabilidad entre las medias de tratamientos. En el
caso de tamaos muestrales iguales para cada tratamiento se puede obtener de la siguiente forma:

2

Y
CME n
o
= .

A diferencia del CMD que es un estimador incondicional de o
2
, el CME estima a o
2
slo si las
esperanzas de los tratamientos que se comparan son iguales (H
0
verdadera) de lo contrario estima a
o
2
+ c
i
i
a
2
1
t
=

, con c una constante mayor que 0. Luego, CME es un estimador insesgado de o

2
slo si
H
0
es verdadera, de lo contrario estima a o
2
ms una cantidad que representa una medida de la
magnitud de los efectos de tratamiento.

Si H
0
es verdadera, todo t
i
=0 y por lo tanto la componente aadida por los efectos de tratamiento se
anula y la esperanza del CME es o
2
. Luego el CMD y el CME son ambos estimadores
independientes de o
2
bajo H
0
.

Sean
2
E
o y
2
D
o las varianzas estimadas por el CME y el CMD respectivamente, luego bajo la
hiptesis de igualdad de medias de tratamiento,
2
E
o =
2
D
o de lo contrario
2
E
o >
2
D
o . El ANAVA se
basa en dos estimadores independientes de la varianza de las observaciones: uno basado en la
variabilidad dentro de los tratamientos y otro basado en la variabilidad entre los tratamientos. Si no
hay diferencias entre las medias de los tratamientos, estos dos estimadores estiman al mismo
parmetro, de lo contrario el segundo tiende a ser mayor cuanto mayor es la diferencia entre los
tratamientos. Luego, a pesar de que la hiptesis de inters del ANAVA se refiera a la igualdad de
las esperanzas de dos o ms distribuciones, la tcnica del ANAVA se basa en la comparacin de
varianzas para inferir acerca de la igualdad de las esperanzas. Por lo tanto otra forma de plantear la
hiptesis en ANAVA es la siguiente:

H
0
:
2
E
o =
2
D
o vs. H
1
:
2
E
o >
2
D
o
El contraste de hiptesis consiste en calcular el estadstico F utilizando los estimadores de
2
E
o y
2
D
o , de la siguiente forma:

CME
F
CMD
=
39

Este estadstico tiene, bajo H
0
, una distribucin F
(a-1),(N-a))
con N =
1
a
i
i
n
=
.
Luego, para un nivel de
significacin o, si el valor observado de F es mayor que el cuantil (1-o) de la distribucin F
(a-1),(N-a)

se rechaza H
0
, implicando que H
1
es verdadera. El rechazo de H
0
implica que
2
1
a
i
i
t
=
es distinto de 0
y por lo tanto, que algn t
i
= 0; luego se concluye que no todas las medias de tratamiento son
iguales o que al menos un tratamiento tiene efecto distinto de 0.

En este diseo se supone que las unidades experimentales son homogneas, es decir no se identifica
estructura alguna. Los tratamientos (que pueden o no tener estructura) se asignan completamente al
azar a las unidades experimentales. El nmero de repeticiones puede variar de un tratamiento a otro.
Aquellos con igual nmero de repeticiones se denominan balanceados; para algunas tcnicas de
estimacin asociadas, el balance es una caracterstica deseada.

Tratamiento Repeticiones Total Media Varianza
A 15 13 16 17 21 82 16 8.8
B 20 18 18 19 15 90 18 3.5
172 17 6.15


16 17 = -0.8 (-0.8)
2
= 0.64
18 17 = 0.8 (0.8)
2
= 0.64

0.64 + 0.64 = 1.28

1.28 / 5 = 6.4

Fc = 6.4 / 6.15 = 1.04

Ejercicio
En un laboratorio de entomologa se aplicaron dos tcnicas para acelerar el proceso de
incubacin de larvas de mosca controladora de plagas en repollo, si los resultados se
expresan en nmero de larvas eclosionadas para cada uno de los tratamientos determine si
existe diferencia significativa o altamente significativa.

Tratamiento Repeticiones Total Media Varianza
A 5 8 7 6 3 29
B 3 7 9 4 4 27
56

Ejercicio
En un laboratorio de entomologa se aplicaron dos tcnicas para acelerar el proceso de
incubacin de larvas de mosca controladora de plagas en repollo, si los resultados se
40

expresan en nmero de larvas eclosionadas para cada uno de los tratamientos determine si
existe diferencia significativa o altamente significativa.


Tratamiento Repeticiones Total Media Varianza
A 5 8 7 6 3 29
B 3 7 9 4 4 27
56

Precisin de los experimentos
Incrementar nmero de repeticiones
Seleccionar tratamientos
Refinamiento de la tcnica
Seleccin del material experimental
Seleccin de la unidad experimental
Toma de medidas adicionales
Agrupamiento planeado de la UE

Diseos experimentales.
Introduccin
Un diseo experimental es un esquema de cmo realizar un experimento. El objetivo
fundamental de los diseos experimentales radica en el determinar si existe una diferencia
significativa entre los diferentes tratamiento del experimento y en caso que la respuesta es
afirmativa, cul sera la magnitud de esta diferencia. Una segunda meta de los diseos
experimentales es verificar la existencia de una tendencia derivado del anlisis de los datos
del experimento. La diferencia principal entre los diseos experimentales radica en la forma
en que se agrupan o clasifican las unidades experimentales. En todos los diseos las
unidades experimentales se clasifican por tratamientos; pero en algunos, estos se clasifican
preferentemente en bloques, filas, parcelas principales y otras modalidades.

El anlisis de varianza utiliza las medias de dichos agrupamientos, denominadas fuente de
variacin, para estimar varianzas o ms precisamente cuadrados medios. Un cuadrado
medio que estima la dispersin entre mediciones de parcelas debidas a causas aleatorias;
esta se denomina error experimental. En ausencia de diferencias reales debidas a medias de
los tratamientos, bloques u otras fuentes de variacin, dichos cuadrados medios sern, en
promedio, iguales. Slo espordicamente un cuadrado medio se desviar de otro de manera
considerable, exclusivamente por casualidad. Cuando una prueba F indica que el cuadrado
medio de una de las fuentes de variacin es significativamente mayor que el cuadrado
medio debido a efectos aleatorios, decimos que existen diferencias reales entre las medias
de aquella fuente particular de variacin; empero, recurdese: siempre existe una
probabilidad definida de que estemos equivocados en semejante conclusin. Est en manos
41

del experimentador seleccionar las probabilidades para las cuales se encuentra dispuesto a
concluir que existen efectos reales (Badii et al., 2007a-h, Rositas et al; 2007).

Es frecuente descubrir los resultados que cabra esperar con una probabilidad del 5% o
menor como significativos y aquellos esperados con un 1% o menor como altamente
significativos. Cuando un experimentador aplica la frase los tratamientos son
significativamente diferentes, realmente est diciendo que si la hiptesis nula es
verdadera, las probabilidades de obtener tales diferencias de medias del tratamiento son
slo de un 5%. Est afirmando que no hubo tal probabilidad de ocurrencia en su
experimento y que, por tanto, el resultado significativo se debi a un efecto real del
tratamiento.

En este artculo se explicarn las caractersticas principales de los diseos experimentales
comnmente utilizados en la investigacin de campo, se proporcionar un ejemplo de cada
uno y se dar a conocer el procedimiento a seguir en el anlisis de los datos. Se utiliza el
mismo conjunto de datos para los primeros diseos: el diseo completamente aleatorio y el
diseo de bloques completos al azar. Esto muestra las posibles ventajas de un diseo sobre
el otro, manteniendo la sencillez de los clculos, de modo que podamos concentrarnos en lo
que se est haciendo y por qu.

A continuacin se presentan algunos conceptos bsicos relacionados con el diseo
experimental. Experimento. Un procedimiento que basado en el control de las condiciones
permite verificar (apoyar, rechazar o modificar) una hiptesis. Un experimento puede ser
considerado como una pregunta que detectar nuevos hechos, confirmar los resultados de
ensayos anteriores y dar recomendaciones de aplicacin prctica (Badii et al., 2007g).
Unidad experimental. La unidad material del experimento al cual se aplica el experimento.
Control de las condiciones. Se trata de controlar aquellas condiciones externos a las
unidades experimentales que pueden ocasionar variacin o ruido en los resultados del
experimento.

Tratamiento. La condicin especfica del experimento bajo del cual est sujeto la unidad
experimental. Es una de las formas que, en cantidad y calidad, el factor a estudiar toma
durante el experimento. Por ejemplo, si el factor a estudiar es la cantidad de fsforo, cada
una de las dosis de fsforo aplicados durante el experimento es un tratamiento. Los
tratamientos a estudiar durante un experimento pueden ser una combinacin de varios
factores simples: si quiere estudiarse la cantidad de protena y energa digestible requeridos
para la engorda de corderos, se puede considerar tratamientos simples como 14.0% de
protena en al dieta y 2.4 Mcal de energa digestible por kg de alimento. Otro ejemplo sera
que el productor de detergentes pude establecer como tratamiento el tipo de agua (dura o
suave), la temperatura del agua, la duracin de lavado, la marca y tipo de lavadora.

En estudios sociolgicos y psicolgicos, los tratamientos se pueden referir a edad, sexo,
grado de educacin, religin y otros (Badii et al., 2007g). Testigo (control). Es un
tratamiento que se compara. Si a varios grupos de animales se les administran diferentes
dosis de vitaminas, pero no a un grupo testigo, el anlisis estadstico dar informacin
acerca del aumento de peso, altura y precocidad de los animales que recibieron los animales
42

comparados con los que no la recibieron. Repeticin. Cuando en un experimento se tiene
un conjunto de tratamientos para poder estimar el error experimental, es necesario que
dichos tratamientos aparezcan ms de una vez en el experimento, para as aumentar la
precisin de ste, controlar el error experimental y disminuir la desviacin estndar de la
media. Por tanto, repeticin es el nmero de veces que un tratamiento aparece en el
experimento (Badii et al., 2007g). Diseo experimental. Es un esquema para realizar un
experimento. Los objetivos de un diseo experimental son:

(1) Verificar si la diferencia entre los tratamientos es una diferencia verdadera o se debe a
un proceso al azar, (2) establecer tendencias entre las variables. Es el procedimiento que se
sigue para asignar los tratamientos a las unidades experimentales. En un mtodo aleatorio
(asignacin al azar), se asigna el tratamiento a cada unidad experimental mediante un sorteo
o por medio de una tabla de nmeros aleatorios (Badii et al., 2007g). Existen diferentes
tipos de diseos experimentales basado en algunas caractersticas. En la Tabla 1 se
mencionan dos tipos clsicos de diseos experimentales. Rasgos universales del diseo
experimental. Existen numerosos diseos experimentales cada uno adecuado para analizar
cierto tipo de pregunto. Sin embargo, todos los diseos experimentales comparten los tres
siguientes rasgos. 1) La seleccin aleatoria de las unidades experimentales. Esto evita el
sesgo del muestreo. 2) El nmero de las repeticiones. Esto permite la cuantificacin del
error experimental. 3) El control local de las condiciones. Esto ayuda a la reduccin del
error experimental. Cabe mencionar que se puede reducir el nivel del error experimental, a
parte del control local de las condiciones o variables, por medio del aumento del tamao de
la muestra y tambin por el apoyo del modelo de Anlisis de Covarianza.

Decisin
Hiptesis
Cierto Falso
Rechazar Error tipo I () No error (Poder Estadstico)
Aceptar No error (Intervalo de Confianza) Error tipo II ()

Principales diseos experimentales comnmente utilizados son:
Diseos factoriales, diseo completamente aleatorio, diseos de bloques completos e
incompletos y diseo de parcelas y bloques divididos, y a parte los de discriminante, cluster
y serie de tiempo (Tabla 1a).

Tabla 1a. Diseos experimentales comunes con algunas de sus caractersticas relevantes.

Nombre Rasgos Ventajas Eficiencia
Diseo Completamente
al azar (Badii et al.,
2007b)
Con 0 gradiente de
variabilidad
1. fcil de disear
2. fcil de analizar
3. diferentes # de
repeticiones
4. mximo g.l. para el
error
100%
Diseo de Bloques al
azar (Badii et al.,
2007a)
Con 1 gradiente de
variabilidad
1. reduce la varianza de
error
2. fcil de analizar
3. ms flexibilidad
4. ms precisin
167%
43

Diseo de Cuadro
Latino (Badii et al.,
2007a)
Con 2 gradientes de
variabilidad
1. reduce la varianza de
error
2. fcil de analizar
3. ms flexibilidad
4. ms precisin
222%
(a) Diseo factorial, con
asignacin al azar y (b)
Parcelas divididas, sin
asignacin al azar de la
unidad experimental a
la unidad de muestra.
(Badii et al., 2007a)
Ms de 1 factor 1. ms econmico
2. permite medir las
interacciones
288%
Diseos multivariados: Cunado se utiliza un gran nmero de variables
1. Componentes principales * Provee ordenacin y el perfil jerrquica
2. Anlisis Factor * Reducir el nmero de las variables para el
anlisis
3. Anlisis Discriminante (Badii et al., 2007d)

1. Agrupar en base a la diferencia
2. Ms riguroso con los supuestos de la normalidad
4. Anlisis Cluster (Badii et al., 2007c)

1. Agrupar en base a la similitud
2. Ms robusto con los supuestos de la normalidad
5a. LISREL (Linear Structured relationship)
(Rositas et al., 2007)
5b. EQ (como LISREL, pero ms amigable)
5c. LPS Graph & LPS SMART
1. Busca linealizar las interrelaciones entre las
variables
2. Intercambia las variables independientes a las
dependientes y vice versa
6. Correlacin Cannica * Interrelacin entre gran nmero de variables

Error experimental. Dos unidades experimentales en el mundo natural (seres vivos,
conceptos sociales, psicolgicos, etc.) nunca son exactamente (100%) lo mismos. Esta
diferencia se debe a dos factores: a) elementos genticos, y b) elementos ambientales. An
cuando estas unidades sean dos hermanos gemelos siempre surge diferencia debido al
factor ambiental. A esta diferencia innata que existe entre las unidades experimentales se le
denominan el error experimental o la variabilidad desconocida. Tipos de errores. Existen
dos tipos de errores, a) error tipo I o que significa el rechazar una hiptesis correcta, y b)
error tipo II o : apoyar una hiptesis falsa. Cuando se efecta una prueba de hiptesis,
puede acontecer uno de los siguientes casos (Badii et al., 2007h).

1. Diseo completamente aleatorio
Este diseo es el ms sencillo, eficiente y se origina por la asignacin aleatoria de los
tratamientos a un conjunto de unidades experimentales previamente determinado. En este
diseo usamos k tratamientos, asignndose cada uno al azar a n unidades experimentales;
para cada unidad seleccionamos al azar un nmero de 1 a k para decidir que tratamiento
debemos aplicar a esa unidad experimental. Si no existen restricciones, con excepcin del
requerimiento de igual nmero de unidades experimentales por tratamiento, entonces se
dice que el experimento tiene un diseo completamente aleatorio. En este caso, todas las
unidades experimentales tienen la misma probabilidad de recibir cualquiera de los
tratamientos y las unidades experimentales son independientes (Anexo A).

44

Despus que se ha efectuado el experimento, tenemos un grupo de datos consistente en las
kn respuestas de las unidades experimentales, clasificadas en k grupos de acuerdo con los
tratamientos que se aplicaron.

Suponemos:
1) que los valores observados en cualquiera de los grupos constituyen una muestra aleatoria
de todas las posibles respuestas bajo ese tratamiento para todas las unidades
experimentales.

2) que la variacin entre las unidades tratadas de la misma manera es igual para todos los
tratamientos.

3) que las respuestas se distribuyen normalmente.


Ventajas del diseo
1. Permite flexibilidad completa (cualquier nmero de tratamientos y de repeticiones).
Todo el material experimental disponible puede usarse.

2. El anlisis estadstico es fcil (an con diferentes nmeros de repeticiones), o si los
errores experimentales difieren de un tratamiento a otro.

3. Mtodo de anlisis aun sigue siendo sencillo, cuando existe la prdida relativa de
informacin.

4. El diseo es capaz de estimar el error estndar por unidad experimental (error
experimental) con un mayor grado de precisin.

La aleatorizacin completa puede ser apropiada cuando, a) donde el material experimental
es homogneo; b) donde es probable que una parte apreciable de las unidades se destruyan;
y c) en experimentos pequeos en donde la mayor precisin de otros diseos no compensa
la prdida de grados de libertad del error.

Construccin de la tabla de ANOVA: consideremos el grupo de los siguientes datos:


Repeticin


Nivel 1 2 3 Y
n.

n.

1 Y
11
Y
12
Y
13
Y
1.

1.

2 Y
21
Y
22
Y
23
Y
2.

2.

3 Y
31
Y
32
Y
33
Y
3.

3.


Primero debemos considerar que fuentes de variacin se presentan y cmo se dividir la
variacin total de acuerdo a estas fuentes. La variacin total en los datos se mide con la
suma total de cuadrados de las desviaciones a la media total. Una fuente de variacin, las
diferencias entre las medias de los grupos, se mide por la suma de cuadrados de la
45

desviacin de las medias de los grupos con respecto a la media total. La nica variacin
restante es aquella entre las observaciones dentro de cada grupo esto es, la variacin de
los elementos de cada grupo con respecto a la media de este grupo. Esto lo medimos con la
suma conjunta de cuadrados de las desviaciones de las observaciones individuales a las
medias de los grupos.

Unidades experimentales = Nmero de tratamiento x nmero de repeticin n = tx

a) Trmino de correccin



b) Suma de los Cuadrados para tratamiento

c) Suma de los Cuadrados para total


d) Suma de los Cuadrados para error



Clculo del error estndar de la diferencia entre dos tratamientos

a) de igual nmero de repeticin


b) nmero de repeticiones diferentes


Ejemplo 1. Se probaron 4 mtodos de enseanza en 12 estudiantes. Los estudiantes se
asignan aleatoriamente a los mtodos de enseanza (tres estudiantes para cada mtodo). La
aleatorizacin evita la asignacin sistemtica de los mejores estudiantes a algn mtodo.
Supongamos que al final del perodo de entrenamiento los estudiantes toman una prueba
estandarizada, alcanzando los resultados de la siguiente (Tabla 1b).

Tabla 1b. Datos de mtodos de enseanza.
46



Prueba de la Hiptesis nula: No hay diferencia significativa entre los mtodos de
enseanza.

Contra la hiptesis alterna HA: Si hay diferencia significativa entre los mtodos de
enseanza.

Como primer paso al construir un anlisis de varianza encontramos los totales y las medias,
como se muestra en la tabla de datos. Hallamos entonces las sumas de cuadrados de la
siguiente manera:




Paso 1. La suma total de cuadrados es
(X
ij
X..)
2
= (110 113)
2
+ (109 113)
2
+ (105 113)
2
+ (111 113)
2
+ ..... + (125
113)
2

= 428

Paso 2. La suma de cuadrados entre grupos es
n(X
i.
X..)
2
= 3[(108 113)
2
+ (112- 113)
2
+ (110 113)
2
+ (122 113)
2
]
= 3 (116)
= 348

Paso 3. La suma de cuadrados dentro de los grupos se obtiene ms fcilmente como la
diferencia entre la suma total de cuadrados y la suma de cuadrados entre los grupos (Tabla
2).

(X
ij
X
i.
)
2
= 428 348 = 80

Tabla 2. Anlisis de varianza para los datos.
Fuente gl SC CM FC F
tab (0.05)

Entre grupos 3 348 116 11.6 7.591
Dentro de los grupos 8 80 10
Totales 11 428
47


Fcal > F tabulada entonces la Ho se rechaza, y por tanto, hay diferencia significativa entre
los mtodos de enseanza.

Ejemplo 2. Se aplicaron tres dosis de una fertilizantes en dos pocas de primavera (P) y de
otoo (O). Los resultados sobre el rendimiento de cultivo de una especie vegetal se
presentan en la Tabla 3. Prueba de la hiptesis nula en la cual no existen efecto de dosis y
poca sobre el rendimiento de cultivo.



Tabla de ANOVA
FV GL SC CM FC Ftab
Tratamiento 6 972.3 162 3.61
Error 25 1122.9 44.9
Total 31 209.52








El diseo Experimental
El diseo experimental es el arreglo de las unidades experimentales utilizado para controlar el error
experimental, a la vez que acomoda los tratamientos.

El ogro de la mxima informacin, precisin y exactitud en los resultados, junto con el uso ms
eficiente de los recursos existentes, es un principio a seguir en la eleccin del diseo adecuado del
experimento.
48


La seleccin de un determinado diseo en un experimento depende del objetivo de la investigacin,
de los factores a evaluar y de las fuentes de variacin que deseamos disminuir para aumentar la
precisin del experimento, es decir disminuir el error experimental.