NDICE

DISEO COMPLETAMENTE ALEATORIO ........................................................... 2

I. DEFINICIN .................................................................................................. 2
VENTAJAS .......................................................................................................... 2
DESVENTAJAS................................................................................................... 2
II. CARACTERSTICAS DEL DISEO ............................................................. 2
III. MODELO LINEAL...................................................................................... 3
IV. HIPTESIS A PROBAR ............................................................................ 3
V. ANLISIS DE VARIANZA ............................................................................ 4
VI. REGLA DE DECISIN .............................................................................. 6
VII. EJEMPLOS DE DISEOS COMPLETAMENTE ALEATORIOS ............... 6
CONCLUSIONES
BIBLIOGRAFIA

1
 DISEO COMPLETAMENTE ALEATORIO

I. DEFINICIN
Es el diseo ms simple y se usa cuando las unidades experimentales son
homogneas o cuando la variacin entre ellas es muy pequea, y las condiciones
ambientales son controladas. Esta es una prueba con un solo criterio de clasificacin
(tratamientos).

La distribucin de los tratamientos se hace aleatoriamente entre todas las unidades

experimentales, utilizando para ello tablas de nmeros aleatorios o papeles escritos
con los tratamientos o claves de estos.

VENTAJAS
- Facilidad de planeacin
- Es flexible en cuanto al nmero de tratamientos y repeticiones, ya que no es
necesarios que estos sean igual.
- No hay necesidad de estimar parcelas perdidas
- Por no tener muchas restricciones aumenta el nmero de grados de libertad para el
error.

DESVENTAJAS
- No es eficiente con material experimental heterogneo.
- Debido que no existen restricciones en la aleatorizacin de los tratamientos, el error
experimental incluye toda la variacin excepto aquella debida a tratamientos.

II. CARACTERSTICAS DEL DISEO

Los diseos completamente al azar son empleados cuando las unidades
experimentales son suficientemente homogneas entre s, es decir, cuando la variacin
entre ellas es pequea. Por lo que el empleo de bloques resulta inapropiado porque no
hay heterogeneidad que sea necesario absorber. ste es el caso en muchos tipos de
experimentos de laboratorio, en los que una cantidad de material est completamente
mezclado y luego se divide en porciones pequeas para formar las unidades
experimentales. Todas las unidades experimentales renen prcticamente las mismas
caractersticas, de modo que el efecto de un tratamiento sobre la variable bajo estudio,

2
 es el mismo independientemente de la unidad experimental donde se mida, excepto
por variaciones aleatorias, debidas a fuentes de error en la investigacin.

Los tratamientos se aplican completamente al azar sobre las unidades experimentales,

bajo la condicin de que cada unidad experimental deber tener la misma probabilidad
de recibir un tratamiento particular. Todos los tratamientos pueden tener un nmero
igual o diferente de repeticiones. Cuando el nmero de repeticiones es diferente dentro
de cada tratamiento se dice entonces que el diseo es no balanceado; en caso
contrario, se dice que el diseo es balanceado.

Hay dos ventajas al elegir un diseo balanceado. La primera es que el estimador de

prueba es relativamente insensible a las desviaciones pequeas del supuesto de la
igualdad de las varianzas de los t tratamientos cuando los tamaos de las muestras
son iguales. Y la segunda ventaja es que la potencia de las pruebas se maximiza
cuando las muestras tienen el mismo tamao.

III. MODELO LINEAL

El modelo lineal para los diseos completamente al azar es el siguiente:

IV. HIPTESIS A PROBAR

La hiptesis a probar en este tipo de diseos experimentales es la siguiente

3
V. ANLISIS DE VARIANZA
El anlisis de varianza (ANOVA) es la tcnica estadstica ms usada por el
investigador. Se aplica a situaciones donde existen varios grupos o tratamientos y se
prueba la diferencia entre ellos. Si se tiene un nmero de muestras y se quiere probar
la diferencia entre ellas, entonces se podran tomar las muestras en pares y hacer todas
las comparaciones posibles utilizando prueba de t. Sin embargo, esto no es aceptable:
1) Porque se obtendran respuestas aparentemente significativas cuando no las hay.

2) Hacer todas las comparaciones con pruebas de t, implica mucho trabajo. Por ello, la
prueba de t es inapropiada cuando se comparan ms de dos tratamientos.

El ANOVA es en esencia un procedimiento aritmtico que consiste en descomponer

una suma de cuadrados total (variacin total) en fuentes de variacin reconocidas,
incluyendo la variacin que no se ha podido medir (proveniente de la variacin
inherente al material experimental o de la falta de homogeneidad del ambiente en el
que se realiz el experimento), fuente de variacin conocida como residuo o error
experimental.

El ANOVA se utiliza en todos los campos de investigacin, cuando los datos son
medidos cuantitativamente, es decir cuando las observaciones se hallan en forma de
nmeros (son medibles). Tambin se utiliza para datos no distribuidos normalmente
pero que a travs de transformaciones (p.e., logaritmos o raz cuadrada) pueden
aproximarse a la normalidad. Su uso ha significado una gran expansin para el diseo
experimental; como se ver ms adelante cada diseo tiene su propio ANOVA.

Las suposiciones bsicas para que el ANOVA tenga validez son,

a. Los efectos de tratamiento y los efectos ambientales son aditivos. Es decir, la

SCtrat + SCError debe ser igual a la SCtotal.
b. El error experimental constituye un elemento aleatorio, normal e
independientemente distribuido con media cero y varianza comn.
c. Las varianzas dentro de grupos (p.e tratamientos) son iguales.
d. La media y la varianza de los grupos son independientes. Un mtodo sencillo
para probar esto consiste en calcular la desviacin estndar (DE) de cada nivel
(es decir la raz cuadrada de las varianzas dentro de cada grupo) y se traza
contra las medias de las muestras. Si se observa alguna asociacin entre las
medias y DE entonces el ANOVA no es apropiado. Un mtodo ms objetivo de

4
 la prueba de normalidad de los datos y desigualdad de varianzas es el de la
prueba Kolmogorov- Smirnov. La prueba de Barlett es otro procedimiento para
la prueba de homogeneidad de varianzas (Snedecor y Cochran 1980 seccin
10.21).

En el ANOVA para obtener el valor de F calculada (que denota la significacin entre

tratamientos) se divide el cuadrado medio de tratamientos entre el cuadrado medio del
error. Al comparar el valor de F calculado con el de F tabulado podemos establecer si
existe o no existe diferencia estadsticamente significativa entre tratamientos. El valor
de F calculado se halla en la tabla de F con el nivel de significancia (1 o 5%) y con los
grados de libertad de tratamientos en el numerador y con los grados de libertad del
error experimental en el denominador. Si el valor de F calculado es mayor que el valor
de F tabulado, se rechaza la hiptesis nula en caso contrario se acepta.

El paso siguiente del ANOVA es la comparacin de las medias de tratamientos para

conocer cul es el mejor.

El anlisis de varianza para el diseo completamente al azar est dado por el siguiente
cuadro.

5
Donde:
FC = Factor de correccin.
Y.. = Suma de todas las observaciones en el experimento.
Yi. = Suma de todas las observaciones que pertenecen al i-simo tratamiento.

VI. REGLA DE DECISIN

La regla de decisin que se utiliza es la siguiente:

VII. EJEMPLOS DE DISEOS COMPLETAMENTE ALEATORIOS

7.1. Diseo Completamente aleatorio con desigual nmero de repeticiones
por tratamiento.

Se analiz un experimento en el que se probaron cuatro raciones (A,B,C y D) con siete

cerdos (unidad experimental) por racin.

Las hiptesis a probar fueron:

Ho: No existe diferencia entre tratamientos;

Ha: Existe diferencia entre los tratamientos ms all de lo que puede atribuirse al azar.

La distribucin de los tratamientos y animales a las jaulas

(unidades experimentales) se hizo aleatoriamente.

CUADRO 1
Ganancia de peso de cerdos en una prueba para comparar cuatro tratamientos.

R A C I O N E S
Repeticiones A B C D

I 45 35 34 41
II 46 33 34 41
III 49 34 35 44
IV 44 36 43
V 33 42
VI 33 44
VII 41

Total 184 102 205 296 787

Media 46.0 34.0 34.0 42.3

6
A continuacin se presentan los clculos para obtener las sumas de cuadrados del
ANOVA.

FC X ..
N
(45 + 46 + 49 + 44 + 35 + ... 41)2 (787)2
FC= = = 30,968.45
20 20

1842 1022 2052 2962

SCtrat FC
4 3 6 7
= 31,452.74 - 30,968.45 = 484.29

SCtotal= 452 + 462 + 492 + 442 + 352 + ... + 412 -FC

= 31,487.00 - 30,968.45 = 518.55

SCerror = SCtotal - SCtrat = 31,487.00 - 31,452.74 = 34.34

7
 7.1.1. Anlisis de varianza para un diseo completamente al azar con cuatro
tratamientos y desigual nmero de repeticiones.

FV GL SC CM Fc Ft

Tratamiento 3 484.29 161.43 75.4 3.24

Error 16 34.26 2.14
Total 19 518.55

** Efecto de tratamiento altamente significativo

al 1% (P<0.01).

7.2. Ejemplo de un diseo completamente al azar

con igual nmero de repeticiones por tratamiento.

En un ensayo se aplicaron cinco tratamientos a parcelas de pasto estrella y se tomaron cuatro

parcelas por tratamiento.

Las hiptesis que se probaron fueron:

Ho: No existe diferencia entre tratamientos;
Ha: Existe diferencia entre algunos tratamientos.

Un ejemplo hipottico de la distribucin de los tratamientos se

presenta en la Figura 2.

B A ++++ C C
51 101 ++ 83 68

++++
B ++ C E D
61 ++ 72 29 67

A D B ++++ B
93 40 59 ++++ 58

C E A E
75 51 93 45

++
A ++++ D E D
96 ++ 46 42 52

8
+ Obstculos, como piedras o rboles.

Figura 2. Distribucin aleatoria de tratamientos en un DCA

Los rendimientos de materia seca (MS) en kilogramos se presentan a continuacin.

T R A T A M I E N T O
Parcela A B C D E Total

1 101 51 83 67 29
2 93 61 68 40 45
3 93 59 72 46 51
4 96 58 75 52 42

Total 383 229 298 205 167 1282

Media 95.75 57.25 74.50 51.25 41.75

(1282)
FC = = 82176;
20

383 + 229 + 298 + 205 + 167

SCtrat = - FC
20

= 89462 - 82176 = 7286;

SCtotal = (1012 + 512 + 832 + ... + 522 + 422) -FC

= 90344 - 82176 = 8168;

SCerror = SCtotal - SCtrat = 8168 - 7286 = 882;

9
 7.2.1. Anlisis de varianza para un diseo completamente al azar con cuatro
repeticiones.

FV GL SC CM Fc Ft

Tratamiento 4 7286 1821.3 30.98 4.09**

Error 15 882 58.8
Total 19 8168

** P<0.01

10
 CONCLUSIONES

Los diseos completamente al azar son empleados cuando las unidades

experimentales son suficientemente homogneas entre s, es decir, cuando la variacin
entre ellas es pequea. Por lo que el empleo de bloques resulta inapropiado porque no
hay heterogeneidad que sea necesario absorber. ste es el caso en muchos tipos de
experimentos de laboratorio, en los que una cantidad de material est completamente
mezclado y luego se divide en porciones pequeas para formar las unidades
experimentales. Todas las unidades experimentales renen prcticamente las mismas
caractersticas, de modo que el efecto de un tratamiento sobre la variable bajo estudio,
es el mismo independientemente de la unidad experimental donde se mida, excepto
por variaciones aleatorias, debidas a fuentes de error en la investigacin.

11
BIBLIOGRAFA:

- Diseo completamente aleatorizado [archivo PDF]. Recuperado de:

http://www.uru.edu/fondoeditorial/libros/pdf/manualdestatistix/cap2.pdf
- Monografias.com. Eduardo Flores Condori. Mtodos estadsticos para la
investigacin. Recuperado de:
http://www.monografias.com/trabajos100/metodos-estadistico-
investigacion/metodos-estadistico-investigacion2.shtml
- SCRIBD. Carlos Verduzco Ros (2009). Tesis: diseo completamente al azar.
Recuperado de: https://es.scribd.com/doc/117144637/DISENO-
COMPLETAMENTE-AL-AZAR-CON-SUBMUESTRO
- Jos Segura Correa (2000). Notas de diseos experimentales [archivo PDF].
Recuperado de: http://www.angelfire.com/ar/iagg101/docum/Diseno1.pdf
- Universidad Politcnica de Valencia. Vctor Yepes Piqueras (2013). Diseo
completamente al azar y ANOVA. Recuperado de:
http://victoryepes.blogs.upv.es/2013/04/27/diseno-completamente-al-azar-y-
anova/

12