ALFONSO MENDOZA ZEQUEIRA MSC.

Manual de diseño experimental

GLBLOQUES  4  1  3
GLTRAT  6  1  5
SCERROR  324.4  1.84  308.44
GLTOTAL  4 x6  1  23
14.12
GL  (4  1)(6  1)  15
SCERROR   CM ERROR  0.94
SCTRATAMIENT O 
40.32  02 ...ERROR
 36.9
2
F 15
C
4

T
SCTRATAMIENT O  1838.04  1529.6
308.44
XT
SCTRATAMIENT O   CM TRATAMIENT O  61.68
5
SC BLOQUES 
48.22  45.12  49.12  49.22  F
C
6
SC BLOQUES  1531.45  1529.6
1.84
SC BLOQUES   CM BLOQUES  0.61
3
Manual de diseño
experimental
 MANUAL DE DISENO

EXPERIMENTAL

ALFONSO MENDOZA ZEQUEIRA M.sc

Profesor asociado

Facultad de Ingeniería

Autor

Santa Marta D.T.C.H. 2013

 DEDICO

A:

HILDA MARIA MI ESPOSA

HERNANDO ALFONSO MI HIJO

 NOTA DE AGRADECIMIENTO

Quiero expresar mi agradecimiento a la Universidad del Magdalena y

especialmente a su Rector RuthberEscorcia Caballero y colegas que han
contribuido a la preparación de este manual
 INDICE

PROLOGO

I DISEÑO EXPERIMENTAL

II PROCESOS A SEGUIR CUANDO SE DESEA EFECTUAR UN EXPERIMENTO

III DISEÑO BASICO UTILIZADO EN LA EXPERIMENTACION AGRICOLA

IV DISEÑO CONMUTATIVO

V DISEÑO COMPLETAMENTE AL AZAR

VI DISEÑO BLOQUES AL AZAR

VII CUADRADO LATINO

VIII EXPERIMENTOS FACTORIALES

1 COMBINATORIO

2 PARCELAS DIVIDIDAS

IX MODELO ESTADISTICA MODIFICADO

XI BIBLIOGRAFIA
 Prologo

El presente manual tiene como fundamento la experimentación agrícola y su

objetivo es que sirva de guía a través de ejemplos prácticos por medio de modelos
técnicos que han resultado de gran aplicación en aquellas investigaciones que
tienen como propósito analizar los efectos de uno o más factores sobre el
comportamiento de una cierta característica.

Por medio del contenido he querido rendir un fervoroso y modesto homenaje a

uno de los exponentes más destacado en el diseño experimental como lo fue el
Ingeniero Magister docente MANUEL GRANADO NUÑEZ quien dedicó su vida a
capacitar profesionales en este campo.

Este es una iniciativa las buenas practicas desde momento que se planea un
diseño de experimentos para estudiantes de las carrera de ingeniería, si bien
muchos de los métodos que se presentan aquí son fundamentales para el análisis
estadístico para otras disciplinas como ciencias empresariales, sociales y ciencias
de la vida. Este enfoque es el que mejor se adapta a las necesidades porque
permite concentrarse en diversas aplicaciones
 I DISEÑO EXPERIMENTAL

Para definir lo que es un diseño de experimentos hay que hacer el contraste de

experimentos aleatorios y experimentos determinísticos para buscar las secuencias
completas de pasos tomados de ante mano para asegurar que los datos se obtendrán
de modo que permita un análisis objetivo que conduzca a deducciones validas; siendo
el propósito de cualquier diseño proporcionar una cantidad máxima de información al
problema bajo investigación buscando la aplicación de métodos y técnicas para la
tabulación análisis e interpretación de datos.

Vamos a definir los que es un “Experimento Aleatorio” en contraste con un

“Experimento Determinístico”.

 Experimento aleatorio: Es aquel cuyo resultado está sujeto a

variaciones nocontrolables por el experimentador. Ej.: Experimentos
biológicos

 Experimento determinístico: Es aquel cuyo resultadoestá sujeto a

variaciones controlables por el experimentador. Ej.: Experimentos físico

 La estadística y la probabilidada través de método permiten sacar

conclusiones, con cierto margen de error, sobre resultados de
experimentos aleatorios

 Tipos de Error.: dos tipos de error se pueden cometer al sacar

conclusiones sobre un experimento aleatorio, a saber:

Error de tipo I: Rechazar una hipótesis cuando es cierta.

Error de Tipo II: No rechazar una hipótesis cuando es falsa.

Definamos A y B como:

A = Probabilidad de cometer error de tipo I.

B = Probabilidad de cometer error de tipo II.

Debido a que los métodos estadísticos existentes nos permite rechazar una hipótesis
planteada, pero nunca aceptarla, el deseo del experimento es minimizar la
probabilidad de cometer error de tipo I.

Por esta razón, al iniciar un experimento, el valor se fija de ante mano. Este valor es lo
que se conoce como el “Nivel de significación” de una prueba estadística así, podemos
definir:

 Nivel de significación de una prueba estadística ;

= Probabilidad de cometer error de tipo I

= Probabilidad de rechazar una hipótesis cierta

Entonces si el nivel de significación de una prueba es del 5%, tenemos una

probabilidad de equivocarnos (rechazar una hipótesis cierta), de solo 5%; luego,
nuestro margen de seguridad (de estar en lo cierto) es de 95%. En este caso, decimos
que el nivel de confianza será de 95%.

Igualmente, si el nivel de significación es de 1%, el nivel de confianza será de 99%.

Los niveles de significación más usados son de =5% y = 1%. A vecesse utiliza un
=10%.

 El diseño de un experimento indica la forma como se deben aplicar los

tratamientos a las unidades experimentales y el número de unidades que se
deben emplear.

Todo diseño esta expresado en forma teórica mediante un modelo matemático

correspondiente.

 Análisis de los datos. Cada diseño tiene una forma específica de ser analizado.
El análisis de los datos nos permite sacara conclusiones validas sobre ciertas
hipótesis planteadas por el experimentador dado un cierto nivel de
significación.
 II PROCESO A SEGUIR CUANDO SE DESEA EFECTUAR UN EXPERIMENTO

Es el mismo que sigue el método científico

1. Observación del fenómeno

Ej. Un novillo Cebú promedio alcanza un peso de 540kg. A edad tardía en
los llanos orientales.

2. Planteamiento del problema

La producción de carne en los llanos orientales es susceptible de mejora.
¿Cómo resolver este problema? ¿Cómo lograr mejor producción de carne
en los llanos?
3. Determinación de las hipótesis
Muchas son las hipótesis que el experimentador se puede plantear.
Siguiendo nuestro ejemplo, estas pueden ser:

H1. : El tipo de pasto influye en el aumento de peso.

H2: Una suplementación alimenticia contribuye al aumento de peso.
H3: es la misma de la H2
H4: La sal mineralizada produce mayor aumento de peso que la sal no
mineralizada.

H5: Las condiciones de manejo afectan el aumento de peso del animal.

4. Diseño del experimento

El tipo de diseño que se debe utilizar depende de las hipótesis que se deseen
probar simultáneamente.
Si por ejemplo, se desea probar solamente la hipótesis H1, es decir el efecto de
un solo factor: del factor “Tipo de Pasto” sobre el aumento de peso del animal,
el diseño utilizado será un “diseño completamente al azar”, (siempre y cuando
exista homogeneidad entre los novillos). Si se desean probar más de dos
hipótesis simultáneamente se utilizaran “diseños factoriales".
 5. Realización del experimento

El experimento debe realizarse siguiendo exactamente el diseño planeado.

6. Análisis de los resultados

Cada diseño se analiza en una forma específica. La técnica usada para datos
continuos, es el Análisis de Varianza (ANDEVA). Para realizar datos discretos (no
continuos), existen otras técnicas; una de ellas es la prueba CHI_CUADRADO
para tablas de contingencia.
Nos concentraremos en la técnica de análisis para datos continuos, es decir en
el ANDEVA. La forma de realizar los cálculos para el ANDEVA depende de si el
diseño es “balanceado” o es “no-balanceado”.

Un diseño es balanceado cuando cada tratamiento se aplica a igual número de

unidades experimentales. Es decir, cuando el número de observaciones es igual
para cada tratamiento.

Un diseño es no balanceado cuando por lo menos un tratamiento se aplica a

menos; o a raíz unidades experimentales que los demás. Es decir, cuando el
número de observaciones no es igual para cada tratamiento.

Las técnicas para realizar el ANDEVA para experimentos balanceados siguen patrones
convencionales y se explica más adelante.

El ANDEVA para diseños no-balanceados es más complicado.

Hasta la presente, existen cuatro métodos desarrollados,uno de los cuales fue

adaptado al computador por Walter R. Harvey y es el que utilizamos en Biometría
para analizar diseños no balanceados. Desafortunadamente este método tiene varias
restricciones en su aplicación. Por ejemplo:

a) No permite medir interacciones de más de 2 factores

b) No es útil para analizar experimentos de bloques incompletos (parcelas
divididas, etc.)
Sin embargo, dada la cantidad de diseños no balanceados que se presentan, sobre
todo en experimentos pecuarios, elmétodo “Harvey” es una herramienta muy útil.

III Diseño básico utilizados en experimentación agrícola

Vamos a hablar de cada tipo de diseño mediante ejemplos. Tomaremos un

experimento de campo en casi todos los casos. Deseamos dejar en claro cuando se
deben utilizar los diferentes diseños y cuáles son las diferentes básicas entre ellos.

A Diseño completamente al azar

Ej. No 1: se desea comparar el rendimiento de 3 variedades de frijol variedad 1,

variedad 2 y variedad 3. El terreno disponible pata siembra es perfectamente
homogéneo.
Entonces, si deseamos que el diseño sea balanceado, debemos dividir el terreno
en 3, 6, 9, 12, 15. .. . . . etc. Parcelas, de tal manera que cada variedad se
siembre en igual número de parcelas. En este caso, las parcelas son las
“unidades experimentales” del diseño y las variedades son los “tratamientos”
estamos probando un solo “factor”: el factor“variedad” a 3 “niveles”: variedad
1, variedad 2 ya variedad 3.
Si nos preguntamos: ¿cuál es el mínimo número de unidades experimentales
que necesitamos para ensayar los 3 tratamientos? la respuesta será 3.

El ANDEVA tiene por objeto probar si esa hipótesis es falso o no. Presentamos a
continuación la tabla de ANDEVA correspondiente a nuestro ejemplo, indicando como
efectuar los cálculos. Las explicaciones correspondientes a “causar de variación”,
“G.L” “S.C”, “C.M”, “F.calc” y “F tabula” se pueden extender a los demás diseños
Causa de G.L S.C C.M F.cal F tabla
Variación
Tipo de pasto 1 𝑡12 𝑡22 𝐺 2 S.C 𝐶. 𝑀. 𝑝𝑎𝑠𝑡𝑜 F1,8
( + )−
𝑛1 𝑛2 𝑁 pasto/1 𝐶. 𝑀. 𝐸𝑟𝑟𝑜𝑟
Error 8 Pr diferencia S.C.
error/8
Total (corregido 9 𝐺2
para el efecto ∑= 𝑌𝑖𝑗2 −
𝑁
medio 𝑖𝑗

Por “causa de variación” se entiende los distintos factores que influyen sobre el
aumento de peso del novillo. El “Error” es una causa de variación debido a que
encierra una serie de factores no controlables por el experimentador, que alteran el
aumento de peso de los novillos. (pie clima, metabolismo del animal, preferencias,
competencia entre animales, etc.).

Por “grados de libertad” (G.L.) se entiende la libertad que se tiene para estimar los
distintos efectos. Por ejemplo. Por ejemplo,para estimar los efectos del tipo de pasto,
a1 y a2 solo poseemos 1 grado de libertad puesto que a1+a2=0. Es decir, podemos
estimar brevemente uno de los efectos; el otro queda automáticamente determinado
pues su suma debe ser cero. En general, si deseamos estimar el efecto de un factor
con n niveles y existe la restricción de que la suma de los efectos sea cero, el número
de grados de libertad será n-L.

Por “suma de cuadrados” (S.C.) debido a un cierto factor, se entiende la suma de los
cuadrados de las desviaciones de las medias de ese factor, se entiende la suma de los
cuadrados de la desviación de las medias de ese factor con respecto a la media
general. Así, la S.C. debido al tipo de pasto es:

S.C. Pasto = 𝑛1 (𝑥1 − 𝑥 )2 + 𝑛2 (𝑥2 − 𝑥 )2

= 5 (94 − 81.5)2 + 5 (69 − 81.5)2

= 1562.50
 2 2 2
S.C Total =(𝑦11 − 𝑥) + (𝑦12 − 𝑥) + … . +(𝑦25 − 𝑥)

= (100 − 81.5)2 + (98 − 81.5)2 + … . . +(62 − 81.5)2

=1768.50

Se puede comprobar numéricamente que las siguientes expresiones son iguales:

𝑇12 𝑇22 𝐺2
S.C. Pastos = 𝑛1 (𝑥1 − 𝑥 )2 + 𝑛 (𝑥2 − 𝑥 )2 = + −
𝑛1 𝑛2 𝑁

2 2 𝐺2
S.C. total = (𝑦11 − 𝑥) + … . +(𝑦25 − 𝑥) = 𝑌𝑖𝑗2 −
𝑁

Donde: 𝑇1 = total para pastos tipo 1

𝑇2 = total para pasto tipo 2

G =gran total

N = número total de novillos

𝑛1 = numero de novillos que reciben pasto tipo 1

𝑛2 = numero de novillos que reciben pasto tipo 2

𝐺2
La expresión se denomina “factor de correlación”.
𝑁

𝑆.𝐶.
Por “Cuadrado Medio” (C.M.) se entiende el cuociente en diseño balanceados
𝐺.𝐿.
los C.M. son estimativos encestados de los componentes de varianza debido alos
distintos factores.

Así:C.M (pastos) es un estimativo de la varianza del aumento de peso debida altipo de

pasto, llamemosla 𝐺 2 - pasto.
Es decir C.M (pastos) estima𝐺 2 - pasto (varianza debido a pastos)

C.M (error) estima 𝐺 2 (varianza total)

La F calculada (F.cal.) es un cuociente de cuadrados medios, donde el denominador es

siempre el C.M. error.
𝐶.𝑀.𝑃𝑎𝑠𝑡𝑜𝑠
Ej. : la F calc. Para tipo de pasto =
𝐶.𝑀.𝐸𝑟𝑟𝑜𝑟.

𝐺 2 −𝑝𝑎𝑠𝑡𝑜𝑠
La F calc. Estima el cociente , y sigue la distribución F con 1 g.l. Para el
𝐺2
numerador y 8 g.l. para el denominador.

Es de esperar que 𝐺 2 −pastos 𝐺 2 , si el efecto debido a pastos se cree significativo.

Si el cociente G – pastos, estimado por F calc., es “grande”, el efecto debido a tipo de

pastos es significativo.

Si el cuociente es “pequeño”, el efecto debido a tipo de pasto no es significativo.

La media de lo “grande” o lo “pequeño” que sea este cociente lo de la “F de la tabla”.

 Regla de decisión: si f calc.≥ F tabla a nivel a,entonces se rechaza la hipótesis H

a este nivel a, es decir, existe una diferencia significativa entre las medias de los
distintos niveles del factor.
Si F clac. < F tabla a nivel a, entonces no se puede rechazar la hipótesis H a este
nivel. Esto significa que el efecto del factor no es significativo a nivel a. es decir,
no existe diferencia entre las medidas de los distintos niveles de factor

Como podemos apreciar, el ANDEVAconcluye sobre si existen o no diferencias entre

medias, mediante análisis de componentes de varianza

Daremos en seguida la tabla del ANDEVA correspondiente a nuestro ejemplo No. 1,

con valores numéricos.
8752
S.C. Total = (1002 + 982 + 952 + … + 652 ) − = 68191.00 − 62422.50 =
10
1768.50
4702 3452 8152
S.C. Pastos =( + )− = 67985.00 − 62422.50 = 1562.50
5 5 10
S.C. Error = S.C. Total – S.C. Pastos = 1768.50 – 1562.50 = 206.00

TABLA ANDEVA

Causas de G.L. S.C. C.M F calc. 5% F Tala 1%

varianza
Tipo de Pasto 1 1562.50 1562.50 60.68 5.32 11.26
Error 8 206.00 25.75
Total 9 1768.50
Como f cal. F tabla tanto a nivel 5% como del 1% entonces se rechaza la hipótesis H (ai
=0 i = 1.2) con una probabilidad de error de solo 1%.

El efecto de tipo de pasto es significativo a un nivel del 1% (por eso aparecen dos
asteriscos en la tabla en frente del factor tipo de pasto).

Esto implica que el aumento promedio de peso debido a pastos brachiaria es

significativamente mayor que él debido a pastos negativo.

B diseño de bloques al azar

Ej.No.2: se desea comparar el efecto de 3 dietas alimenticias sobre la ganancia

por peso de un grupo de 24 novillos, en un año. 12 de los novillos estarán en
una finca con condiciones mínimas de manejo; los otros 12 en otra finca con
mejores condiciones de manejo.
Tenemos lo siguiente: se desean ver los efectos de:
Dieta 1
Factor “dieta” a 3 niveles Dieta 2
Dieta 3
Finca 1 (condiciones mínimas de manejo)
“Bloques” a 2 niveles
Finca 2 (mejores condiciones de manejo)

En estas condiciones el diseño apropiado es, el de bloques al azar. Como el

mínimonúmero de novillos que debemos tomar de cada finca para una replicación del
experimento es 3, y tenemos 12, podemos utilizar 4 novillos para cada tratamiento
para un diseño de bloques al azar balanceado. La distribución de los animales será la
siguiente:

Finca 1 (Bloque 1) Finca 2 ( Bloque 2)

Dieta 1 4 Novillos 4 Novillos
Dieta 2 4 Novillos 4 Novillos
Dieta 3 4 Novillos 4 Novillos

Observaciones: ganancia de peso por novillo, en kg.

Numero de observaciones : 24
Numero de novillos en cada bloque : 12

IV DISEÑO CONMUTATIVO

Un diseño conmutativo se usa cuando el número de tratamientos es pequeño y

cuando se dispone de pocos grados de libertad para el error. Se hacen comparaciones
entre los tratamientos, generalmente se usan para dos tratamientos.

 Ejemplo

1. Para determinar la producción en el cultivo de lulo en la región de guachaca en la

Sierra Nevada de Santa Marta se tomaron las siguientes informaciones en toneladas
por hectáreas;5.0 toneladas 3.0 toneladas 4.5 toneladas 3.2 toneladas y 4 toneladas,
mientras en Lindero fue de 4 toneladas, 3 toneladas, 6 toneladas, 4.5 toneladas y 4.2
toneladas, para Guachaquita fue de 2 toneladas, 5 toneladas, 5.2 toneladas, 7
toneladas y 4.5 toneladas.

DISEÑO CONMUTATIVO
3 Tratamientos → O, L, G Interacciones

O = Orinoco 1.OL
L = Lindero Regiones 2.OG
G = Guachica 3.LG

Como son más de dos, tres tratamientos sonnecesario hacer interacciones entre ellos,
para que así se pueda hallar la relación existente entre los diferentes casos.
 INTERACCION ORINOCO (O)
LINDERO (L)
TRATAMIENTOS
REPETICIONES O L DIFERENCIA(O –
L)
1 5 4 1
2 3 3 0
3 4.5 6 -1.5
4 3.2 4.5 -1.3
5 4 4.2 -0.2
TOTAL 19.7 21.7 -2
MEDIA 3.94 4.34 -0.4
 La diferencia máxima de toneladas por hectárea es 1, correspondiente a la
Región de Orinoco.

 La diferencia mínima de toneladas por hectárea es -1.5, correspondiente a la

Región del Lindero.

REPETICIONES

HILERAS 1 2 3 4 5 TOTAL
MAYOR 5o 3o 6L 4.5L 4.5o 22.7
MENOR 4L 3L 4.5o 3.2o 4L 18.7

∑ REPETICIONES 9 6 10.5 7.7 8.2 41.4

Factor de Corrección

(∑T)² (41.4)²
= = 171.4
n 10
ANALISIS DE VARIANZA
F.T.
F.V. G.L. S.C. C.M. F.C. 5% 1%
REPETICIONES 4 5.49 1.372 2.4 3.63 6.42
HILERAS 1 0.4 0.4 0.710 161 4052
TRATAMIENTOS 1 0.4 0.4 0.710 161 4052
ERROR 3 1.69 0.563
TOTAL 9 7.98

CONCLUSIÓN: Como la Frecuencia Tabulada es mayor que la Frecuencia

Calculado tanto al 5% como al 1% podemos decir que no hay significancia entre
las variables, en este caso entre las regiones del Orinoco y del Lindero.

CALCULOS:
S.C. Repeticiones = [(9) ²+…+ (8.2) ²/ 2] – 171.4 = 5.49
S.C. Hileras = [(22.7 – 18.7) ²/ 10] = 0.4
S.C. Tratamientos = [(19.7 – 21.7) ²/ 10] = 0.4
S.C. Total = [(5) ²+…+ (4.2) ²] – 171.4 = 7.98
S.C. Error = 7.98 – (5.49 + 0.4 + 0.4) = 1.69
F.C. Repeticiones = 1.375 / 0.563 = 2.4
F.C. Hileras = 0.4/0.563 = 0.710
F.C. Tratamientos = 0.4/0.563 = 0.710
 INTERACCION ORINOCO (O)
GUACHACA (G)
TRATAMIENTOS
REPETICIONES O G DIFERENCIA(O –
G)
1 5 2 3
2 3 5 -2
3 4.5 5.2 -0.7
4 3.2 7 -3.8
5 4 4.5 -0.5
TOTAL 19.7 23.7 -4
MEDIA 3.94 4.74 -0.8

 La diferencia máxima de toneladas por hectárea es de 3 correspondiente a la

Región de Orinoco.

 La diferencia mínima de toneladas por hectárea es -3.8 correspondiente a la

Región de la Guachica.

REPETICIONES

HILERAS 1 2 3 4 5 TOTAL

MAYOR 5o 5o 5.2G 7G 4.5G 26.7

MENOR 2G 3G 4.5o 3.2o 4o 16.7

∑ REPETICIONES 7 8 9.7 10.2 8.5 43.4

Factor de Corrección

(∑T)² (43.4)²
= = 188.35
n 10
 ANALISIS DE VARIANZA
F.T.
F.V. G.L. S.C. C.M. F.C. 5% 1%
REPETICIONES 4 3.34 0.835 1.00 3.63 6.99
HILERAS 1 10 10 12.04 161 4052
TRATAMIENTOS 1 1.6 1.6 1.92 161 4052
ERROR 3 2.49 0.83
TOTAL 9 17.43

CONCLUSIÓN: Como la Frecuencia Tabulada es mayor que la Frecuencia Calculada

tanto al 5% como al 1% no hay significancia entre las variables, en este caso entre las
regiones del Orinoco y de Guachaca (veredas de la sierra nevada de santa marta).

CALCULOS:
S.C. Repeticiones = [(7) ²+…+ (8.5) ²/ 2] – 188.35 = 3.34
S.C. Hileras = [(26.7 – 16.7) ²/ 10] = 10
S.C. Tratamientos = [(19.7 – 23.7) ²/ 10] = 1.6
S.C. Total = [(5) ²+…+ (4.5) ²] – 188.35 = 17.43
S.C. Error = 17.43 – (10+ 3.34+ 1.6) = 2.49
F.C. Repeticiones = 0.835 / 0.83 = 1.006
F.C. Hileras = 10/0.83 = 12.04
F.C. Tratamientos = 1.6/0.83 = 1.92
 INTERACCION LINDERO (L)
GUACHACA (G)
TRATAMIENTOS
REPETICIONES L G DIFERENCIA(O –
G)
1 4 2 2
2 3 5 -2
3 6 5.2 0.8
4 4.5 7 -2.5
5 4.2 4.5 -0.3
TOTAL 21.7 23.7 -2.3
MEDIA 4.34 4.74 -0.46

 La diferencia máxima de toneladas por hectárea es 2 correspondiente a la

Región de la Guachica.
 La diferencia mínima de toneladas por hectárea es -2.5 correspondiente a la
Región del Lindero.
REPETICIONES

HILERAS 1 2 3 4 5 TOTAL
MAYOR 4L 5G 6L 7G 4.5G 26.5
MENOR 2G 3L 5.2G 4.5L 4.2L 18.9
∑ REPETICIONES 6 8 11.2 11.5 8.7 45.4
Factor de Corrección
(∑T)² (45.4)²
= = 206.1
n 10

ANALISIS DE VARIANZA
F.T.
F.V. G.L. S.C. C.M. F.C. 5% 1%
REPETICIONES 4 10.58 2.64 6.027 3.63 6.99
HILERAS 1 5.776 5.776 13.18 161 4052
TRATAMIENTOS 1 0.4 0.4 0.913 161 4052
ERROR 3 1.314 0.438
TOTAL 9 18.07
CONCLUSIÓN: Como la Frecuencia Tabulada es mayor que la Frecuencia Calculada
tanto al 5% como al 1% no hay significancia entre las variables, en este caso entre las
regiones del Lindero y de la Guachica.

CALCULOS:
S.C. Repeticiones = [(6) ²+…+ (8.7) ²/ 2] – 206.11 =10.58
S.C. Hileras = [(26.5 – 18.9) ²/ 10] = 5.776
S.C. Tratamientos = [(21.7 – 23.7) ²/ 10] = 0.4
S.C. Total = [(4) ²+…+ (4.5) ²] – 206.11 = 18.07
S.C. Error = 18.07 – (10.58 + 5.776 + 0.4) = 1.314
F.C. Repeticiones = 2.64 / 0.438 = 6.027
F.C. Hileras = 5.776/0.438 = 13.18
F.C. Tratamientos = 0.4/0.438 = 0.913
 V DISEÑO COMPLETAMENTE AL AZAR

Un diseño completamente al azar se aplica cuando se desea ver el efecto de un solo

factor con cualquier numero de niveles pero debe ser completamente homogéneo no
hay diferencias entre las unidades experimentales.

 Características :

 UN solo factor.
 Unidades experimentaleshomogéneas.

 Ventajas :

 Diseño muy sencillo.

 Flexible: permite utilizar cualquier número de tratamientos y replicaciones.
 Análisis estadístico sencillo (andeva).
 Permite perdida de información (unidades experimentales).
 Numero de grados de libertad de error normal mente bastante grande.

 Desventajas :
 Presenta insuficiencias ya que no hay restricción en el proceso de sectorización.
 El error involucra todos los factores encontrarles en el ensayo.
 No es recomendable usar menos de 2 unidades.
 Aspecto importante: montaje campo invernadero laboratorio.
 Sorteo al azar.
 Análisis estadístico andeva DMS.

EJEMPLO:

 Se desea probar 5 dietas alimenticias sobre el aumento de peso en humanos.

 Unidades experimentales = individuos

 Tratamientos = dieta
 5 dietas = tratamientos
 5 individuos o personas = replicaciones
 5 tratamientos x 5 replicaciones = diseño al azar
  TRATAMIENTOS:

 I: Testigo = corriente
 II: asado
 III: liquido = sancocho
 IV: bandeja
 V: guisado

 DIAGRAMA DE DISEÑO

REPLICACIONES
TRATAMIENTO A B C D E
I 1a 1b 1c 1d 1e
II 2a 2b 2c 2d 2e
III 3a 3b 3c 3d 3e
IV 4a 4b 4c 4d 4e
V 5a 5b 5c 5d 5e

REPLICACIONES
TRATAMIENTO A B C D E
I 1a 2a 2b 1e 3d
II 1b 1d 3b 3c 5c
III 1c 3a 2c 3e 2d
IV 1d 5a 4c 5b 4c
V 1d 4b 5a 4d 2e

 DISEÑO DE TABULACION

REPLICACIONES
TRATAM A B C D E ∑TOTAL MEDIA
I 2 3 1 4 2 12 2.4
II 3 1 2 1 3 10 2.0
III 1 4 3 2 1 11 2.2
IV 2 4 3 1 1 11 2.2
V 3 4 2 1 1 11 2.2
 (∑𝑋)2
FACTOR DE CORRECION:
𝑁

(𝑆𝑆)2 3025
FC: = = 121
25 25

GRADOS DE LIBERTAD

GL trat: N- 1 = 4
GL total: T – R – 1 = 24
GL error: total – tratamiento = 20

(12)2 + (10)2 +(11)2 + (11)2

SC total: − 𝐹𝐶 = 121.4 − 121 = 0.4
5

SCerror: total – tratamiento = 30 – 0.4 =29.6

CUADRADO MEDIO

0.4
CMtrat: = 0.1
4

29.6
CMerror: = 1.48
20

𝑪𝑴𝒕𝒓𝒂𝒕
Fcalculada =
𝑪𝑴𝒆𝒓𝒓𝒐𝒓

ERROR ESTÁNDAR ESTIMADO (ESE)

√𝑻 (𝑪𝑴𝑬) √𝟓 (𝟏.𝟒𝟖)
T= = = 𝟏. 𝟐𝟏𝟔
𝑹 𝟓

𝟓% = 𝟐. 𝟎𝟖𝟔
T={
𝟏% = 𝟑. 𝟖𝟓𝟎
 T = 1.216..... si hay significancia
 DIFERENCIA MEDIA SIGNIFICATIVA (DMS)

√𝑻 (𝑪𝑴𝑬)𝟐 √𝟐 (𝟏.𝟒𝟖)𝟐
DMS = 𝑇 = 𝟐. 𝟎𝟖𝟔 = 𝟎. 𝟖𝟕
𝑹 𝟓

√𝑻 (𝑪𝑴𝑬)𝟐 √𝟐 (𝟏.𝟒𝟖)𝟐
𝑇 = 𝟑. 𝟖𝟓𝟎 = 𝟏. 𝟔𝟏
𝑹 𝟓

ANALISIS COMPARATIVO MULTIPLE (FISHER)

2.4
2
2.2 5% 1.95 No hay significancia; 1% 3.605 si hay significancia
2.2
2,2

2.2 – 2.4 = 0.2 2.2 – 2.4 = 0.2

2.2 – 2.0 = 0.2 2.2 - 2.0 = 0.2
2.2 – 2.2 = 0
2.2 – 2.2 = 0 2.2 – 2.0 = 0.4

2.2 – 2.4 = 0.2

2.2 – 2.0 = 0.2
2.2 – 2.2 = 0

ANALISIS DE VARIANZA

FV GL SC CM FC 1% F tab 5%
TRATAM 4 0.4 0.1 0.067 4.43 2.83
ERROR 20 29.6 1.48
TOTAL 24 30
 VI DISEÑO BLOQUES AL AZAR

Un diseño de bloque al azar se aplica cuando se desea ver el efecto de un solo factor
con cualquier número de niveles y este no debe ser homogéneo; es decir las unidades
experimentales se pueden agrupar en bloques. En este diseño los tratamientos se
deben aplicar en las unidades de cada bloque al azar, y consiste en mantener
variabilidad entre las unidades experimentales dentro de un bloque y maximizar la
diferencia entre bloques.

 Características :

 UN solo factor.
 Unidades experimentalesheterogéneas.

 Ventajas:

 El número de unidades experimentales (tratamiento* bloques) puede ser

mínimo de 20.
 Andeva sencilla una fuente más que completamente al azar (tratamiento –
bloque-total-error).
 Se puede ejecutar en laboratorios – campos- invernadero- |zonas regionales.

 Desventajas:

 Mayor error experimental.

 Ejemplo

1. Con base en un estudio comparativo se quiere determinar la relación existente en

los tipos de poluciones en tres canteras de nuestra región para ver los efectos
existentes entre ellos, para esto se obtuvieron las siguientes muestras:

Marmolote 25,30, 15, 60, 10, 80 y 70gr

Bureche 30, 40, 10, 20, 50, 60 y 50 gr

San francisco 45, 30, 10, 05, 25, 60 y 30 gr.

DATOS

MAMOLOTE BURECHE SAN FCO.

(A) (B) (C)
25 AI 30 BI 45 CI
30 AII 40 BII 30 CII
15 AIII 10 BIII 10 CIII
60 AIV 20 BIV 5 CIV
10 AV 50 BV 25 CV
80 AVI 60 BVI 60 CVI
70 AVII 50 BVII 30 CVII

DIAGRAMA DE CAMPO
TRATAMIENTOS BLOQUES
I II III IV V VI VII
A-MARMOLOTE CI BII AIII CIV BV BVI CVII
B-BURECHE AI CII CIII BIV AV CVI AVII
C-SAN FCO. BI AII BIII AIV CV AVI BVII
TRATAMIENTOS BLOQUES
I II III IV V VI VII
A-MARMOLOTE 45 40 15 5 50 50 30
B-BURECHE 25 30 10 20 10 60 70
C-SAN FCO. 30 30 10 60 25 80 50
DIAGRAMA DEL DISEÑO
TRATAMIENTOS BLOQUES
I II III IV V VI VII
A-MARMOLOTE AI AII AIII AIV AV AVI AVII
B-BURECHE BI BII BIII BIV BV BVI BVII
C-SAN FCO. CI CII CIII CIV CV CVI CVII

TRATAMIENTOS BLOQUES
I II III IV V VI VII
A-MARMOLOTE 25 30 15 60 10 80 70
B-BURECHE 30 40 10 20 50 60 50
C-SAN FCO. 45 30 10 5 25 60 30

DIAGRAMA DE TABULACION
TRATAMIENTOS BLOQUES ∑TRAT MEDIAS
I II III IV V
VI VII
A-MARMOLOTE 25 30 15 60 10 80 70 290 41,42
B-BURECHE 30 40 10 20 50 60 50 260 37,14
C-SAN FCO. 45 30 10 5 25 60 30 205 29,28
∑BLOQUES 100 100 35 85 85 200 150 755 35,95

(755)2
𝐹𝐶 = = 27144,04
21
GRADOS DE LIBERTAD

GL. Tratamientos=3-1=2

GL. Bloques =7-1=6

GL. Total =21-1=20

GL. Error = GL. tota-GL. trata-GL. Bloc = 20-6-2 = 12

SUMA DE CUADRADOS Y CUADRADOS MEDIOS

𝑆𝐶. 𝑡𝑜𝑡 = [252 + 302 + 152 +. . . +252 + 602 + 302 ] − 𝐹𝐶 = 36525 − 27144.04
= 9380,96
[2902 + 2602 + 2052 ] 530,96
𝑆𝐶. 𝑡𝑟𝑎𝑡 = − 𝐹𝐶 = 27675 − 27144,04 = = 265,48
7 2
[1002+ 1002 + 352 + 852 + 852 + 2002 + 1502 ]
𝑆𝐶. 𝑏𝑙𝑜 = − 𝐹𝐶
3
5580,96
= 32725 − 27144,04 = = 930,6
6
3269,04
SC. Error =SC. Tot – SC. Bloq – SC. Trat = = 272,42
12

F CALCULADAS
𝐶𝑀𝑡𝑟𝑎𝑡 265,48
𝐹. 𝐶𝐴𝐿𝑡𝑟𝑎𝑡 = = = 0,97
𝐶𝑀𝑒𝑟𝑟𝑜𝑟 272,42
𝐶𝑀𝑏𝑙𝑜 930,6
𝐹. 𝐶𝐴𝐿𝑏𝑙𝑜 = = = 3,41
𝐶𝑀𝑒𝑟𝑟𝑜𝑟 272,42
ANALISIS DE VARIANZA

FV GL SC CM FCAL FTAB 5% FTAB 1%

Bloques 6 5580,96 930,6 3,41 No hay significancia Si hay significancia
3,00 4,82
Trat. 2 530,96 265,48 0,97 Si hay significancia Si hay significancia
3,88 6,93
Error 12 3269,04 272,42
Total 20 9380,96
1%=2,681

GL. Error =12

5%=1,782
82

√2(𝐶𝑀𝑒𝑟𝑟𝑜𝑟)2 √2(272,42)2
𝐷𝑀𝑆 = 𝑡 𝐷𝑀𝑆 = 2,681 = 147,55
𝑏𝑙𝑜𝑞𝑢𝑒𝑠 7

√2(272,42)2
𝐷𝑀𝑆 = 1,782 = 98,0
7

√𝑇𝑟𝑎𝑡. (𝐶𝑀𝑒𝑟𝑟𝑜𝑟) √3(272,42)

𝑒𝑟𝑟𝑜𝑟 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 = = = 4,08
𝐵𝐿𝑂𝑄𝑈𝐸𝑆 7
Fisher

41,42

37,14

29,28

35,95

35,95-41,42= -5,47<147,55 no hay significancia al 1%

35,95-41,42= -5,47<98,0no hay significancia al 5%

35,95-37,14= -1,19<147,55 no hay significancia al 1%

35,95-37,14= -1,19<98,0 no hay significancia al 5%

35,95-29,28= 6,67<147,55 no hay significancia al 1%

35,95-29,28= 6,67<98,0 no hay significancia al 5%

29,28-41,42= -11,6<147,55 no hay significancia al 1%

29,28-41,42= -11,6<98,0 no hay significancia al 5%

29,28-37,14= -7,32< 147,55 no hay significancia al 1%

29,28-37,14= -7,32<98,0 no hay significancia al 5%

37,14-41,42= -4,28<147,55 no hay significancia al 1%

37,14-41,42= -4,28<98,0 no hay significancia al 5%

CONCLUSIONES

El diseño anteriormente presentado es un diseño de bloques al azar, el cual arrojo

como resultado que la cantera que presenta mayor polución es la de Marmolote (A)*

VII CUADRADO LATINO

En un diseño cuadrado latino debe haber 3 clasificaciones; el número de nivel debe

ser igual por cada clasificación, cada hilera y cada columna debe contener todos los
tratamientos asignados al azar.

Las unidades experimentales se clasifican en dos categorías además de los

tratamientos (hileras- columnas).
No se estiman los efectos de interacción entre factores.
Cada factor se relaciona entre sí.
Máximo 8 tratamientos.
Mínimo 4 tratamientos.
Reduce errores cuando se planea.
  Ejemplo

1. Se desea comparar el efecto de 6 soluciones químicos sobre el sentido del olfato

del embrión de ave. Las soluciones son

A = aire.

E = acetato de añil,

B = dicloroctano,

D = cetona,

E = acido fórmico y

F = cloroformo.

Se cree que el orden en que se aplican las soluciones al embrión influye en su

efecto. por ejemplo el embrión reacciona diferentemente al aplicarle primero aire y
luego acido fórmico que si se le aplica primero cloroformo y luego acido fórmico.

Una forma de medir la respuesta del embrión a las soluciones químicas en

determinado la rapidez con que late su corazón.

Así, se observara para cada embrión el número de latidos de su corazón por unidad
de tiempo. Por razones de manejo, se desea utilizar para este experimento el menor
número posible de embriones.

Dado que tenemos 6 soluciones y 6 “ordenes de aplicación”, esto nos permite medir
los efectos con el menor número posible de embriones es un Diseño Cuadrado Latino
de (6 x 6).

Una forma de aplicar las soluciones a los embriones para un cuadrado latino de (6 x
6) es la siguiente:

1º orden 2º orden 3º orden 4º orden 5º orden

6ºorden De Apl. De Apl.
De Apl. De Apl. De Apl. De Apl.
Embrión 1 A C B E F D
B D C F A E
Embrión 2
C E D A B F
Embrión 3
D F E B C A
Embrión 4
E A F C D B
Embrión 5
F B A D E C
Embrión 6

Nótese que cada embrión recibe las 6 soluciones en los órdenes distantes; y cada
“orden de aplicación” consta de las 6 soluciones. Tomemos entonces 3 clasificaciones
o factores:

Clasificación de fila : “Embrión” con 6 niveles (Embriones1 al 6)

Clasificación de columna: “Orden de Aplicación” con 6 niveles (ordenes 1 al 6)

Tratamientos “Solución” con 6 niveles (A, B, C, D, E, F)

Con este diseño no se puede estimar los efectos de interacción entre los distintos
factores, debido al reducido al número de unidades experimentales.

Los resultados de este experimento fueron los siguientes:

NUMERO DE LATIDOS DEL CORAZON POR UNIDAD DE TIEMPO

1ºorden 2º 3º 4º 5º 6º Total Media

de Apl. orden orden orden orden orden para
de Apl. de Apl. de Apl. de Apl. de Apl. Embr.
Embrión 12.75 10.26 11.92 11.53 11.67 10.23 68.36 11.39
1
Embrión 12.35 11.37 11.07 12.21 11.88 11.34 70.22 11.70
2
Embrion3 10.43 10.08 10.11 13.24 9.35 10.06 63.27 10.55
Embrión 11.87 13.41 11.78 12.61 12.11 12.39 74.17 12.36
4
Embrion5 10.59 10.93 10.43 10.68 10.53 10.56 63.72 10.62
Embrión 14.45 10.33 10.05 9.94 12.46 10.52 67.75 11.29
6
Totales 72.44 66.38 65.36 70.21 68.00 65.10 407.49
por orden
de
aplicación
Medias 12.07 11.06 10.89 11.70 11.53 10.85

A B C D E F

Totales para las soluciones 71.24 67.12 65.07 64.05 67.78 72.23

Medias para las soluciones 11.87 11.19 11.18 10.67 11.30 12.04
ANALISIS DE VARIANZA PARA UN DISEÑO CUADRADO LATINO

Modelo Matemático:

, con ∑𝑙𝑖 = ∑𝛽𝑗= ∑Ý𝑘 = 0

𝑌𝑖 𝑗𝑘 = 𝑀+ 𝑎𝑖 + 𝐵𝐽 + Ý𝑘
+ ℇ𝑖 𝑗𝑘 Numero de latidos del corazón
del embrión k-e sino con la
solución i en la orden j.

Efecto Medio.

Efecto de solución.

Efecto del j-esino orden de aplicación.

Efecto en embrión k.

Error experimental.

Donde i = 1, 2, 3, 4, 5, 6,

J = 1, 2, 3, 4, 5, 6,

K = 1, 2, 3, 4, 5, 6,

Hipótesis a probar:

a) H1 ∶ 𝑎𝑖 = 0 para i = 1, 2, … … , 6
b) H2 : bj = 0 para j = 1, 2, … … , 6
c) H3 : k = 0 para k = 1, 2,…… , 6

Las hipótesis H1 , H2 , H3 nos dicen respectivamente que el efecto debido a las

soluciones, el efecto a los órdenes de aplicación y el efecto debido a los embriones,
son nulos. El ANOVA tiene por objeto rechaza o no estas hipótesis.

A continuación presentaremos la tabla de ANOVA correspondiente a nuestro ejemplo,

indicando como actuar los cálculos. Seguidamente mostraremos la tabla final del
ANOVA y daremos su interpretación.
 TABLA DEL ANDEVA

Causade
F Tabla variación g.1 S. C.
C.M. F.ca1c.5% 1%

Soluciones 5 1 1 2 S. C. So1. C. M. So1. F5,20 F5,20

(S + ⋯ + S )
6 2 6 5 C. M. Error
G2
−
36
Ordenes 5 1
(O +
2 S. C. Ord. C. M. Ord. F5,20 F5,20
6 1
de 2 2 𝐺2
5 C. M. Error
O +. . O )–
2 6 36

aplicación 5 1
(E +
2 S. C. Emb. C. M. Emb.
6 1
2 2 𝐺2
5 C. M. Error
E +. . E )–
2 6 36

Embriones S. C. Error. F5,20 F5,20

20
Error 20 Por diferencia

Total 35 G2
∑𝑌𝑖2𝑗𝑘 -
36

Donde S1, S2, …, S𝟔 = Totales para las soluciones A, B, C, D, E, F, respectivamente.

O2 , O2, … , O𝟔 =Totales para las 6 ordenes de aplicacion.

E1, E2, …, E𝟔 = Totales para cada embrión

TABLA DEL ANDEVA (resultados finales)

Causa de F Tabla
variación g.1 S. C. C.M. F.ca1c.5% 1%

Soluciones 5 8.89 1.78 2.00 2.71 4.10

Ordenes de 5 7.09 1.42 1.59 2.71 4.10

aplicación
5 13.97 2.79 3.13 2.71 4.10
Embriones
17.75 0.89
Error
20

Total 35 47.70

A partir de este Análisis de Varianza podemos concluir que: La diferencia éntrelas

soluciones no es significativas.

La diferencia entrelos órdenes de aplicación no es significativa. Existen diferencias

entre los embriones, a un nivel del 5% de significancia.
 VIIIExperimentos factoriales

Es el modelo que estudia varios grupos de tratamientos, y donde cada grupo se llama
factor (en los experimentos denominado simple, se estudia un solo factor)

El experimento factorial nuca origina perdida de información, no se permite

interacciones cuando existas las conclusiones son mas amplias. Las limitantes son los
números de unidades experimentales ya que aumenta el tamaño del experimento,
esto permite el estudio de efectos principales es decir; en el efecto de interacción de
los factores todas las unidades experimentales intervienen el los efectos principales
por interacción de los factores y el numero de grado de libertad del error es alto con
relación a los experimentos denominado simples.

Estos experimentos requieren un alto número de unidades experimentales

permitiendo una difícil interpretación por el mayor número de tratamientos y
factores.

El análisis estadístico es mas completo en donde el factor es una serie de trata miento
relacionados entre si.

El numero de interacciones que hay que considerar el los experimentos factoriales

dependen del numero de factores así;

2 factores = interacción A.B = AB

3 factores = interacción A.B.C.= AB, AC, BC, ABC

4 factores = interacción A.B.C.D.= AB, AC, AD, BC, BD, CD, ABCD, ABD, ACD, BCD, ABCD

Entre los arreglos factoriales tenemos los que tienen un solo error experimental, un
error en cada factor, y los que tienen un solo error por cada factor y uno por las
interacciones. A estos pertenecen los combinatorios y las parcelas divididas.
1 COMBINATORIO

EJEMPLOS A:

Se quiere determinar el derrame de aceite en las ensenadas de Taganga, Gaira y Playa

blanca, para esto se toman dos tipos de absorciones con dos tipos de embarcaciones
utilizando cinco bloques al azar.

I II III IV V
1 5 12 15 7 12
2 6 5 18 15 15
3 8 8 20 16 20
4 10 10 10 18 9
5 15 9 5 20 8
6 20 7 8 19 6
7 9 6 10 5 7
8 8 15 12 6 5
9 5 20 15 8 9
10 4 21 9 9 8
11 3 10 8 10 7
12 12 15 7 12 6

Taganga𝑉0

Playa Gaira𝑉1
Playa Blanca 𝑉2

𝑆0 Cielo abierto
Absorciones Cielo cerrado
𝑆1
𝑃0 Barcos
Embarcaciones Barcazas
𝑃1
5 Bloque5

Tratamientos = 3 * 2 * 2 = 12

Unidades = 5 * 12 = 60

Desarrollo

Total
I II III IV V Tra.
5 12 15 7 12 51
6 5 18 15 15 59
11 17 33 22 27 110
8 8 20 16 20 72
10 10 10 18 9 57
18 18 30 34 29 129
15 9 5 20 8 57
20 7 8 19 6 60
35 16 13 39 14 117
9 6 10 5 7 37
8 15 12 6 5 46
17 21 22 11 12 83
5 20 15 8 9 57
4 21 9 9 8 51
9 41 24 17 17 108
3 10 8 10 7 38
12 15 7 12 6 52
15 25 15 22 13 90
Total
Bloques 105 138 137 145 112 637

𝑉0 𝑉1 𝑉2
𝑆0 110 117 108 335
𝑆1 129 83 90 302
239 200 198 637
 𝑉0 𝑉1 𝑉2
𝑃0 123 94 95 312
𝑃1 116 106 103 325
239 200 198 637

𝑆0 𝑆1
𝑃0 165 147 312
𝑃1 170 155 325
335 302 637
FACTOR DE CORRECCIÓN

(637)2
𝐹𝐶 = = 6762.81
60

GRADOS DE LIBERTAD

Bloques = 5 - 1 = 4
Tratamiento = 12 - 1= 11
Playa = 3 -1 = 2
Absorciones = 2 - 1= 1
Embarcaciones = 2 - 1 = 1
Playa * Absorciones = 2 * 1 = 2
Playa * Embarcaciones = 2 * 1= 2
Absorciones * Embarcaciones = 1 *1 = 1
Playa * Absorciones * Embarcaciones = 2 * 1 * 1 = 2
Total = 60 - 1 =59
Error = 59 - 4 - 11 = 44
SUMA DE CUADRADOS

𝟏𝟎𝟓𝟐 + 𝟏𝟑𝟖𝟐 + 𝟏𝟑𝟕𝟐 + 𝟏𝟒𝟓𝟐 + 𝟏𝟏𝟐𝟐

𝑺𝑪𝑩𝒍𝒐𝒒𝒖𝒆𝒔 = − 𝑭𝑪 = 𝟏𝟎𝟒. 𝟒𝟒
𝟏𝟐

𝑺𝑪𝑻𝒓𝒂𝒕𝒂
𝟓𝟏𝟐 + 𝟓𝟗𝟐 + 𝟕𝟐𝟐 + 𝟓𝟕𝟐 + 𝟓𝟕𝟐 + 𝟔𝟎𝟐 + 𝟑𝟕𝟐 + 𝟒𝟔𝟐 + 𝟓𝟕𝟐 + 𝟓𝟏𝟐 + 𝟑𝟖𝟐 + 𝟑𝟖𝟐
= − 𝑭𝑪
𝟓
= 𝟐𝟎𝟔. 𝟓𝟗

𝟐𝟑𝟗𝟐 + 𝟐𝟎𝟎𝟐 + 𝟏𝟗𝟖𝟐

𝑺𝑪𝑷𝒍𝒂𝒚𝒂 = − 𝑭𝑪 = 𝟓𝟑. 𝟒𝟒
𝟐𝟎

𝟑𝟑𝟓𝟐 + 𝟑𝟎𝟐𝟐
𝑺𝑪𝑨𝒃𝒔𝒐𝒓𝒄𝒊𝒐𝒏𝒆𝒔 = − 𝑭𝑪 = 𝟏𝟖. 𝟏𝟓
𝟑𝟎

𝟑𝟏𝟐𝟐 + 𝟑𝟐𝟓𝟐
𝑺𝑪𝑬𝒎𝒃𝒂𝒓𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 = − 𝑭𝑪 = 𝟐. 𝟖𝟏
𝟑𝟎

𝟏𝟏𝟎𝟐 + 𝟏𝟐𝟗𝟐 + 𝟏𝟏𝟕𝟐 + 𝟖𝟑𝟐 + 𝟏𝟎𝟖𝟐 + 𝟗𝟎𝟐

𝑺𝑪𝑷𝒍𝒂𝒚𝒂∗𝑨𝒃𝒔𝒐𝒓𝒄𝒊𝒐𝒏𝒆𝒔 = − 𝑭𝑪
𝟏𝟎
= 𝟏𝟒𝟓. 𝟒𝟗
𝑺𝑪𝑷𝒍𝒂𝒚𝒂∗𝑨𝒃𝒔𝒐𝒓𝒄𝒊𝒐𝒏𝒆𝒔 = 𝟏𝟒𝟓. 𝟒𝟗 − 𝟓𝟑. 𝟒𝟒 − 𝟏𝟖. 𝟏𝟓 = 𝟕𝟑. 𝟗

𝟏𝟐𝟑𝟐 + 𝟗𝟒𝟐 + 𝟗𝟓𝟐 + 𝟏𝟏𝟔𝟐 + 𝟏𝟎𝟔𝟐 + 𝟏𝟎𝟑𝟐

𝑺𝑪𝑷𝒍𝒂𝒚𝒂∗𝑬𝒎𝒃𝒂𝒓𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 = − 𝑭𝑪 = 𝟔𝟔. 𝟐𝟗
𝟏𝟎
𝑺𝑪𝑷𝒍𝒂𝒚𝒂∗𝑬𝒎𝒃𝒂𝒓𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 = 𝟔𝟔. 𝟐𝟗 − 𝟓𝟑. 𝟒𝟒 − 𝟐. 𝟖𝟐 = 𝟗. 𝟗𝟕

𝟏𝟔𝟓𝟐 + 𝟏𝟒𝟕𝟐 + 𝟏𝟕𝟎𝟐 + 𝟏𝟓𝟓𝟐

𝑺𝑪𝑨𝒃𝒔𝒐𝒓𝒄𝒊𝒐𝒏∗𝑬𝒎𝒃𝒂𝒓𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 = − 𝑭𝑪 = 𝟎. 𝟏𝟓
𝟏𝟓
𝑺𝑪𝑨𝒃𝒔𝒐𝒓𝒄𝒊𝒐𝒏∗𝑬𝒎𝒃𝒂𝒓𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 = 𝟐𝟏. 𝟏𝟐 − 𝟏𝟖. 𝟏𝟓 − 𝟐. 𝟖𝟐 = 𝟎. 𝟏𝟓
𝑺𝑪𝑷𝒍𝒂𝒚𝒂∗𝑨𝒃𝒔𝒐𝒓𝒄𝒊𝒐𝒏𝒆𝒔∗𝑬𝒎𝒃𝒂𝒓𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 = 𝟏𝟐𝟑𝟐 + 𝟗𝟒𝟐 + 𝟗𝟓𝟐 + 𝟏𝟏𝟔𝟐 + 𝟏𝟎𝟔𝟐 + 𝟏𝟎𝟑𝟐
= 𝟔𝟖𝟐𝟗𝟏
𝟏𝟏𝟎𝟐 + 𝟏𝟐𝟗𝟐 + 𝟏𝟏𝟕𝟐 + 𝟖𝟑𝟐 + 𝟏𝟎𝟖𝟐 + 𝟗𝟎𝟐 = 𝟔𝟗𝟎𝟖𝟑
𝟏𝟔𝟓𝟐 + 𝟏𝟒𝟕𝟐 + 𝟏𝟕𝟎𝟐 + 𝟏𝟓𝟓𝟐 = 𝟏𝟎𝟏𝟕𝟓𝟗
𝟔𝟖𝟐𝟗𝟏 + 𝟔𝟗𝟎𝟖𝟑 + 𝟏𝟎𝟏𝟕𝟓𝟗
𝑺𝑪𝑷𝒍𝒂𝒚𝒂∗𝑨𝒃𝒔𝒐𝒓𝒄𝒊𝒐𝒏𝒆𝒔∗𝑬𝒎𝒃𝒂𝒓𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 = − 𝑭𝑪 = 𝟏𝟐𝟎𝟖. 𝟐𝟗
𝟑𝟎
𝑺𝑪𝑷𝒍𝒂𝒚𝒂∗𝑨𝒃𝒔𝒐𝒓𝒄𝒊𝒐𝒏𝒆𝒔∗𝑬𝒎𝒃𝒂𝒓𝒄𝒂𝒄𝒊𝒐𝒏𝒆𝒔 = 𝟏𝟐𝟎𝟖. 𝟐𝟗 − 𝟓𝟑. 𝟒𝟒 − 𝟏𝟖. 𝟏𝟓 − 𝟐. 𝟖 = 𝟏𝟏𝟑𝟑. 𝟖𝟖

𝑺𝑪𝑻𝒐𝒕𝒂𝒍 = ∑(𝒏)𝟐 = 𝟓𝟐 + 𝟏𝟐𝟐 + 𝟏𝟓𝟐 +. … . +𝟕𝟐 + 𝟏𝟐𝟐 + 𝟔𝟐 − 𝑭𝑪

𝑺𝑪𝑻𝒐𝒕𝒂𝒍 = 𝟖𝟏𝟗𝟗 − 𝟔𝟕𝟔𝟐. 𝟖𝟏 = 𝟏𝟒𝟑𝟔. 𝟏𝟗

𝑺𝑪𝑬𝒓𝒓𝒐𝒓 = 𝟏𝟒𝟑𝟔. 𝟏𝟗 − 𝟏𝟎𝟒. 𝟒𝟒 − 𝟐𝟎𝟔. 𝟓𝟗 = 𝟏𝟏𝟐𝟓. 𝟏𝟔

1%
𝐹𝑉 𝐺𝐿 𝑆𝐶 𝐶𝑀 𝐹𝐶𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑎 𝐹𝑇𝑎𝑏𝑢𝑙𝑎𝑑𝑎 5%
3.78
Bloques 4 104,44 26,11 1.02 2.58
5.58
Tratamiento 11 206,59 18,78 0.73 2.01
5.12
Playa 2 53,44 26,72 1.04 3.21
7.24
Absorciones 1 18,15 18,15 0.70 4.0
7.24
Embarcaciones 1 2,82 2,82 0.11 4.0
5.12
Playa*Absor 2 73,9 36,95 1.44 3.21
5.12
Playa*Embar 2 9,97 4,98 0.19 3.21
7.24
Absor*Embar 1 0,15 0,15 0.05 4.0
5.12
playa*Absor*Embar 2 1133,88 566,94 22.17 3.21
Erro 44 1125,16 25,57
Total 59 1436,19
 No hay significancia

Conclusión: en Taganga hubo mayor derrame de aceite en la ensenada.

EJEMPLO B:

Determinar las poluciones en la comercialización del carbón en la ciudad de santa

marta 3 puertos, 2 tipos de transporte ,2 niveles exportación y 4 bloques.

I II III IV Total TRAT

S₀ P 5 3 7 2 17

P1 7 4 6 5 22

V₀ 12 7 13739

S1 P 3 5 4 6 18

P1 4 6 2 3 15

7 11 6 9 33

S₀ P 6 4 3 2 15

P1 6 6 5 7 24

V1 12 10 8939

S1 P 3 4 2 5 14

P1 7 4 3 3 17

10 8 5 8 31
 S₀ P 6 3 5 2 16

P1 4 2 4 6 16

V2 10 5 98 32

S1 P 4 3 2 5 14

P1 6 7 2 5 20

10 10 4 10 34

TOTAL BLOQUES 61 51 45 51 208

3 × 2 × 2 = 12 𝑇𝑅𝐴𝑇

4 BLOQUES

4 × 12 = 48 𝑈𝑁𝐼𝐷𝐴𝐷𝐸𝑆

V₀

3 PUERTOS V1

V2

S₀

2 TRANSPORTE

S1

2 NIVELES DE EXPORTACION

P1
 V₀ V1 V2 V₀ V1 V2
S₀ 39 39 32 110 P 35 29 30 94
S1 33 31 32 98 P1 37 41 36 114
72 70 66 208 72 70 66 208

S0 S1

P 48 46 94

P1 62 52 114

110 98 208

(208)2
Factor de corrección = = 901.3333
48

(61)2 +(51)2 +(45)2 +(51)2 (208)2

Sc Bloques = - =11 =11/3 = 3.66 CM
12 48

(17)2 +(22)2 +… (14)2 +(20)2 (208)2

Sc tratamientos = - = 27.66 / 11 =2.51
4 48

(208)2
Sc total = (5)2 + (3)2 + … (7)2 + (6)2 - = 124.66
48

(72)2 +(70)2 +(66)2 (208)2

Sc Puerto = - = 1.17 /2 = 0.58
16 48

(110)2 +(98)2 (208)2

Sc transporte = - = 3/1 = 3
24 48
 (94)2 +(114)2 (208)2
Sc exportación = - = 8.33/1 = 8.33
24 48

(39)2 +(39)2 +(32)2 +(33)2 +(31)2 +(34)2 (208)2

Sc puer x trans = - = 7.66
16 48

Sc =7.66 – (1.17 - 3) = 3.5/2 = 1.75

(35)2 +(29)2 +(30)2 +(37)2 +(41)2 +(36)2 (208)2

Sc puert x exp = - = 12.66
8 48

Sc = 12.66 – (1.17 + 8.33) = 3.16/2 = 1.58

(48)2 +(46)2 +(62)2 +(52)2 (208)2

Sc trans x exp = - = 13
12 48

Sc = 13– (3.0 + 8.33) = 1.67 /1 =1.67

((39)2 +(34)2 )+((35)2 +(36)2 )+((48)2 +(52)2 )
Sc Puert x Transp x Expor =
24

- Sc. trans - Sc. expo - Sc. puer – FC = 162

162-(1.17 + 3.0+8.33) =149.5

Sc Error = total – bloq – trata = 86

GRADOS DE LIBERTAD

Bloques = 4 - 1 = 3
Tratamiento = 12 – 1 = 11
Puertos = 3 - 1 = 2
Transportes = 2 – 1 = 1
Exportación = 2 – 1 = 1
Puertos x transportes = 2 x1 = 2
Puerto x Exportación = 2 x1 = 2
Transporte x exportación = 1 x 1= 1
Puerto x transporte x exportación = 2 x 1 x 1 = 2
Error = 47 – 3 – 11 = 33

Total = 48 – 1 = 47

ANALISIS DE VARIANZA

FV GL SC CM F CALC 1% F TABUL
5%
Bloques 3 11 3.66 1.40 4.46 2.9
Tratamiento 11 27.66 2.51 0.96 2.86 2.1
Puertos 2 1.17 0.58 0.24 5.34 3.3
Transporte 1 3 3 1.14 7.5 4.15
Exportación 1 8.33 8.33 3.19 7.5 4.15
Puertos x 2 3.49 1.75 0.67 5.34 3.3
Transporte
Puertos x 2 3 1.64 0.60 5.34 3.3
Exportación
Transporte x 1 1.67 1.67 0.50 7.5 4.15
Exportación
Puer x Transp x 2 149.5 74.7 28.6 5.34 3.3
Export
Error 33 86 2.6
Total 47 124.66

Solo hay una significancia (puerto por transporte por exportación)

La mayor contaminación se encuentra en el puerto v0 ya que éste genera un 72% de

la contaminación.
2 PARCELAS DIVIDIDAS

EJEMPLO A:

Se desea comparar el efecto que ejercen los concretos en dos puentes de la zona
bananera (Sevilla y Aracataca) utilizando cimientos bajos, medios y altos con
aplicaciones en kilogramos de gravilla.

2 puentes: A= Sevilla
B= Aracataca
3 tratamientos: cimientos M= medio
A= alto
B= bajo
5 bloques: gravilla o aplicaciones 1, 2, 3, 4,5.

Bloques

1 2 3 4 5
A B A B A B A B A B
B B B B B B B B B
12,75 11,87 10,26 13,41 11,92 11,78 11,53 12,61 11,63 B 12,11
M M M M M M M M M M
12,35 10,59 11,37 10,93 11,07 10,43 12,21 10,68 11,88 10,53
A A A A A A A A A
10,43 14,45 10,08 10,33 10,11 10,05 13,24 9,94 9,35 A 12,46

(342.35)2
Fc = = 3906.78
30

Grados de libertad
Total = 30 – 1 = 29
Bloque x puente = 5 x 2 – 1 = 9
Bloque = 5 – 1 = 4
Puente = 2 – 1 = 1
Error A = 9 – 4 – 1 = 4
Tratamiento = 3 – 1 = 2
Puente x tratam = 3 – 1 = 2
Error B = 29 – 9 – 2 – 2 = 16
 total
tratamientos 1 2 3 4 5 trat medias
IB 12,75 10,26 11,92 11,53 11,63 58,09 11,61
A II M 12,35 11,37 11,07 12,21 11,88 58,88 11,77
III A 10,43 10,08 10,11 13,24 9,35 53,21 10,64
total bloque 35,53 31,71 33,1 36,98 32,88 170,18 11.34

total
tratamientos 1 2 3 4 5 trat medias
IB 11,87 13,41 11,78 12,61 12,11 61,78 12,35
B II M 10,59 10,93 10,43 10,68 10,53 53,16 10,63
III A 14,45 10,33 10,05 9,94 12,46 57,23 11,44
total bloque 36,91 34,67 32,26 33,23 35,1 172,17 11,47

total
blqA y
B 72,44 66,38 65,36 70,21 67,98 342,35 11,4
B M A
Total 119,87 112,04 110,44
tratam.

Medias 11,98 11,2 11,04

tratam.

SUMA DE CUADRADOS

Sctotal = (12.75)2 + (10.26)2 + … + (12.46)2 − 𝐹𝑐 = 42.28

(35.53)2 + (31.71)2 + ….+(35.1)1

Scblq x trat = − 𝐹𝑐 = 11.03
3(𝑡𝑟𝑎𝑡)

(72.44)2 + (66.38)2 + …+ (57.98)2 5.97

Scblq = − 𝐹𝑐 = = 1.49
3 𝑥 2 (𝑏𝑙𝑞𝑥𝑡𝑟𝑎𝑡) 4

(170.18)2 + (172.17)2 0.136

Scpuentes = − 𝐹𝑐 = = 0.136
3𝑥5 (𝑏𝑙𝑞𝑥𝑡𝑟𝑎𝑡) 1

ScerrorA = 11.03 – 5.97 – 0.136 = 4.92/4 = 1.23

 (119.87)2 + (112.04)2 + (110.44)2 5.09
Sctratm = − 𝐹𝑐 = = 2.54
2𝑥5 (𝑏𝑙𝑞𝑥𝑡𝑟𝑎𝑡) 2

(58.09)2 + (58.88)2 + … + (57.23)2 6.12

Sctrat x Puente = − 𝐹𝑐 − 𝑆𝑐𝑝𝑢𝑒𝑛𝑡𝑒 − 𝑆𝑐𝑡𝑟𝑎𝑡 = = 3.06
5(𝑏𝑙𝑞) 2

ScerrorB = 42.28 – 11.03 – 5.04 – 6.12 = 20.09/16 = 1.25

ANALISIS DE VARIANZA

5% Ftab
FV GL SC CM F cal 1%
total 29 42,28
blq x trat 9 11,03
6,39
bloque 4 5,97 1,49 1,21 15,98
7,71
puente 1 0,186 0,136 0,11 21,20
error A 4 4,92 1,23

3,63
tratamiento 2 2,54 2,54 2,03 6,23
puente x 3,63
trat 2 3,06 3,06 2,44 6,23
error B 16 1,25 1,25
CONCLUSION: vemos que en todos los casos Ftab > Fcal, por tanto no existe
significancia; entonces podemos decir que el efecto ejercido por el concreto en los
dos puentes de la zona es el mismo utilizando cimientos bajos medios y altos.

Vemos también que el efecto en el puente B es mayor que en el puente A aunque no

es mucha la diferencia hay cierta significancia

EJEMPLO B:
Se van a hacer dos puentes en la zona bananera para esto se tienen 5 tipos de
infraestructura (hierro, cobre, níquel y aluminio) .para cada infraestructura se tienen 3
tipos de resistencia
 Puente1(Sevilla) Puente2(Rio Frio)
Hierro 10 20 5 20 60
40
Cobre 5 15 15 30
25 45
Bronce 7 21 12 24 36
42
Níquel 9 18 10 20 30
27
Aluminio 6 18 40 80
36 120

DISEÑO

5 infraestructuras = Tratamientos, 2 Puentes y 3 resistencias. 5×2×3 = 3

Tratamientos = (Fe, Cu, Ni, AI)

Puentes = 1 – 2(Sevilla-Rio frio)

Bloques = I-II-III

Bloque 1 Bloque 2
PUENTE1 PUENTE2 PUENTE1 PUENTE2
Fe Cu Br Ni AI Br Ni Fe Cu AI Cu Fe AI Ni Br Ni AI Cu Br Fe
10 5 7 9 6 12 10 5 15 40 15 20 18 18 21 20 80 30 24 20
Bloque 3
PUENTE1 PUENTE2
AI Br NI Fe Cu AI Cu Fe Ni Br
15 20 18 18 21 20 80 30 24 20
TRATAMIENTOS BLOQUES TRATAMIENTO
PUENTE INFRAESTRUCT I II III TOTAL MEDIA
URA S
HIERRO 10 20 40 70 23,33
COBRE 5 15 25 45 15
1 BRONCE 7 21 42 70 23,33
NIQUEL 9 18 27 54 18
ALUMINIO 6 18 36 60 20
TOTALES 37 92 170 299 19,33
HIERRO 5 20 60 85 28,33
COBRE 15 30 45 90 30
2 BRONCE 12 24 36 72 24
NIQUEL 10 20 30 60 20
ALUMINIO 40 80 120 240 80
TOTALES 82 174 291 547 36,46
TOTALES DE LOS BLOQUES 119 266 461 846 28,2

INFRAESTRUCTURA
Fe Cu Br Ni AI
TOTAL 155 135 142 114 300
MEDIAS 25,83 22,5 23,66 19 50

ANDEVA

FUENTE DE GL SC CM FCAL 1% F TAB 5%

VARIACION
TOTAL 29 17152,8
PUENTES X 5 8225,6
BLOQUES
BLOQUES 2 5886,6 2943,3 20,57 99-19,0
PUENTES 1 2050,13 2050,13 14,33 98,49 – 18,51
ERROR(a) 2 286,13 143,06
TRATAMIENTOS 4 3711,13 927,78 10,13 4,77 – 3,01
PUENTES X 4 3731,54 932,88 10,19 4,77 – 3,01
TRATAMIENTOS
ERROR(b) 16 1464,53 91,53
FACTOR DE CORRECION

2
(∑ 𝑥) (846)2
FC = = = 23857,2
𝑟(𝑝)(𝑡) 3(2)(5)

DONDE

r= Numero de resistencias (3)

p=Numero de puentes (2)

t= Numero de Tratamientos (5)

GRADOS DE LIBERTAD

GL TOTAL = (TRAT X PUENTES X BLOQUES) – 1 = 30 -1 =29

GL BLOQUES X PUENTES = (3 X 2) – 1 = 5

GL BLOUES = 3-1 = 2

GL PUENTES = 2 – 1 = 1

GL ERROR(a) = 5-2-1 = 2

GL TRATAMIENTOS = 5-1 = 4

GL PUENTES X TRATAMIENTOS =4 X1 = 4

GL ERROR (b) = 29 – 5 – 4 – 4 = 1

SUMA DE CUADRADOS

SC TOTAL = (10)2 + (20)2 + (40)2 +… + (240)2 – 23857,2 = 17152,8

 (119)2 + (266)2 + (461)2
SC NIVELES X BLOQUES = – 23857,2 = 5886,6
10

(547)2 + (299)2
SC PUENTES = – 23857,2 = 2050,13
15

SC ERROR(a) = 8225,6 – 5886,6 – 2050,13 = 286,13

(155)2 + (135)2 + (142)2 + (114)2 + (300)2

SC TRATAMIENTOS = – 23857,2 =3711,13
6

(240)2 + (60)2 + (72)2 + (90)2 + (85)2 +(60)2 +(54)2 +(70)2 +(45)2 +(70)2
SC PUENTES X TRAT = –
3
23857,2 – 2050,13 –3711,13 = 3731,54

SC ERROR (b) = 17152 – 8225,6 – 3711,13 – 3731,54 = 1464,53

CUADRADOS MEDIOS

5886,6
CM BLOQUES = = 2943,3
2

2050,13
CM PUENTES = = 2050,13
1

286,13
CM ERROR (a)= = 143,06
2
 3711,13
CM TRATAMIENTOS = = 927,78
4

3731,54
CM PUENTES X TRATAMIENTOS = = 932,88
4

1464,53
CM ERROR (b) = = 91,53
16

F CALCULADA

2943,3
FC BLOQUES = = 20,57
143,06

2050,13
FC PUENTES = = 14,33
143,06

927,78
FC TRATAMIENTOS = = 10,13
91,53

932,88
FC PUENTES X TRATAMIENTOS = = 10,19
91,53

CONCLUSION

En los bloques la F calc es menor al 5 % por lo tanto no hay significancia, pero al 1 %

es mayor lo cual quiere decir que hay significancia
En los puentes la F calc es menor tanto al 1% como al 5% por lo tanto no hay
significancia

En los tratamientos la F calc es mayor tanto al 1% como al 5% por lo tanto hay

significancia

En los puentes x tratamientos la F calc es mayor al 1% y al 5%,por lo que hay

significancia

EJEMPLO C:

Determinar la interacción de la producción de carbón Drummond, Prodeco, Cerrejón y

Becerril con relación a las densidades de producción desmesurada y en terrones, y la
influencia de la aplicación de agua pura y agua contaminada para su comercialización,
específicamente para los países bajos.

Drummond desmenuzado y agua pura: 2 toneladas, 5 toneladas, 6 toneladas y 4

toneladas. Agua contaminada: 3.5, 4.5, 5.0, y 4.0 tonelada por hectáreas. Terrones,
agua pura: 2.5, 8.0, 3.4, 4.3 toneladas por hectáreas. Agua contaminada: 3.0, 4.0, 5.0 y
3.5 toneladas.

Prodeco desmenuzado agua pura: 5.2, 4.5, 3.8, 6.0 y 3.0 toneladas. Agua
contaminada: 5, 8, 9 y 10 toneladas.

Cerrejón desmenuzado agua pura: 3.0, 4.5, 6.0 y 7.0 toneladas. Agua contaminada:
2.2, 6.5, 4.8 y 3.2 toneladas. Terrones agua pura: 4.2, 5.0, 3.8 y 3.5 toneladas. Agua
contaminada: 3.8, 4.3, 5.2 y 6.2.

Becerril desmenuzado agua pura: 3.5, 4.5, 3.7 y 6.0 toneladas. Agua contaminada: 5.0,
6.3, 4.0 y 3.5 toneladas. Terrones agua pura: 5.5, 6.2, 7.0 y 4.5 toneladas. Agua
contaminada: 3.8, 4.0, 5.8 y 6.0
SOLUCION

1. Este ejercicio se determinará por Parcelas Divididas.

2. Desarrollo del diseño:

2 Niveles: Desmenuzado y Terrones. 2 Subniveles: Agua Pura (A) y Agua contaminada

(B). 4 Tratamientos: Drummond (I), Prodeco (II), Cerrejón (III), Berrecil (IV). 4
Bloques=32 Unidades.

Bloques
Tratamientos Subnivel 1 2 3 4
Total Medias
Trata.
I A 2 5 6 4 17 4.25
B 3.5 4.5 5 4 17 4.25
II A 5.2 4.5 3.8 6 19.5 4.8
B 3 4.5 5 6 18.5 4.6
NIVEL III A 3 4.5 6 7 20.5 5.1
1 B 2.2 6.5 4.8 3.1 16.6 4.1
IV A 3.5 4.5 3.7 6.0 17.7 4.4
B 5.0 6.3 4.0 3.5 18.8 4.7
Total Bloq. 27.4 40.3 38.3 39.6 145.6 4.52
Bloques
Tratamientos Subnivel 1 2 3 4 Total Medias
Trata.
I A 2.5 8.0 3.4 4.3 18.2 4.5
B 3.0 4.0 5.0 3.5 15.5 3.8
II A 3.8 4.5 6.0 3.0 17.3 4.3
B 5 8 9 10 32 8
NIVEL III A 4.2 5.0 3.8 3.5 16.5 4.1
2 B 3.8 4.3 5.2 6.2 19.5 4.8
IV A 5.5 6.2 7.0 4.5 23.2 5.8
B 3.8 4.0 5.8 6.0 19.6 4.9
Total Bloq. 31.6 44 45.2 41 161.8 5.0
Total de bloques I II III IV 307.4 4.7
N1 y N2 59 84.3 83.5 80.6

Total trata N1 y 67.7 87.3 73.1 79.3

N2
Medias trata N1 y 4.37 5.42 4.52 4.8
N2

(307.4)2
𝐹. 𝐶. = = 2952,96
32

GRADOS DE LIBERTAD
Total=32-1=31
Bloques 𝑥 niveles= (4x2)-1=8-1=7
Bloques=4-1=3
Niveles=2-1=1
Error A=7-3-1=3
Tratamiento=4-1=3
Niveles 𝑥 tratamiento=1x3=3
Error B=31-7-3-3=18

SUMA DE CUADRADOS
𝑆. 𝐶. 𝑡𝑜𝑡𝑎𝑙 = (5.5)2 + (9.5)2 … + (12.8)2 + (10.5)2 − 𝐹𝑐 = 150,88
(27.4)2 + (40.3)2 + ⋯ + (41)2
𝑆. 𝐶. 𝑛𝑖𝑣𝑒𝑙𝑒𝑠 𝑥 𝑏𝑙𝑜𝑞𝑢𝑒 = − 𝐹𝑐 = 64.16
4

(59)2 + (84.3)2 + ⋯ + (80.6)2

𝑆. 𝐶. 𝑏𝑙𝑜𝑞𝑢𝑒𝑠 = − 𝐹𝑐 = 54.05
2𝑥4 = 8
(145.6)2 + (161.8)2
𝑆. 𝐶. 𝑛𝑖𝑣𝑒𝑙𝑒𝑠 = − 𝐹𝐶 = 8.2
16
 𝑆. 𝐶. 𝑒𝑟𝑟𝑜𝑟 𝐴 =64.16 – 54.05 – 8.2 =1.91
(67.7)2 + (87.3)2 + ⋯ + (79.3)2
𝑆. 𝐶. 𝑡𝑟𝑎𝑡𝑎𝑚𝑖𝑒𝑛𝑡𝑜 = − 𝐹𝑐 = 26.62
2𝑥4 = 8
(34)2 +⋯(42.8)2
𝑆.C. niveles x tratamiento= − 𝐹𝑐 = 47.7
4
𝑆.C. niveles x tratamiento=47.7 – 8.2 – 26.62=12.88
𝑆. 𝐶. 𝑒𝑟𝑟𝑜𝑟 𝐵 =150.88 – 64.16 – 26.62 – 12.88= 47.22

ANALISIS DE VARIANZA
F.V G.L S.C C.M F.cal F.tab
5% 1%
TOTAL 31 150.88
Nivel 1 8.2 8.2 13.01 10.13 34.12
Bloque 3 54.05 18.01 28.58 9.28 29.46
Niv. x 7 64.16
Bloq
Error A 3 1.91 0.63
Tratam 3 26.62 8.87 3.38 3.16 5.09
Trat x 3 12.88 4.29 1.63 3.16 5.09
nivel
Error B 18 47.22 2.62
Según el análisis de varianza dio significancia al 5% en los niveles, bloque,
tratamiento y niveles por tratamiento y no dio significancia al 1% en los niveles,
bloque, tratamiento y niveles por tratamiento.

CONCLUSIÓN

Por medio de este diseño experimental de parcelas divididas Determinamos la

interacción de la producción de carbón Drummond, Prodeco, Cerrejón y Becerril con
relación a las densidades de producción desmesurada y en terrones, y, la influencia de
la aplicación de agua pura y agua contaminada para su comercialización,
específicamente para los países bajos, los cuales pudimos comprobar que la empresa
de Prodeco mostro el mayor índice de comercialización en cuanto a aguas, pero en
especifico el rendimiento de becerril dio el valor más alto en cuanto a las agua puras y
en las aguas contaminadas Prodeco presento los valores más elevados.
 IX MODELO ESTADISTICO MODIFICADO

Se basa en un estudio comparativo a través de una prueba de estabilidad modificada

determinada por análisis de correlación y ecuaciones de regresión manejadas con
modelos diseños experimentales al azar

Ejemplo:

Conocer el comportamiento asociado de los cultivos de camarón y arroz con

nutriciónorgánica. El estudio consistió, en cultivar el arroz asociado con el camarón a
nivel de producción dándole un manejo a través de un modelo de producción
sostenible basado en principios ecológicos que permitan tanto al agricultor como al
acuicultor una mayor integración con los procesos que ocurren en este ecosistema
que se establecen en campos arrozales con cuerpos de agua. Estadísticamente se
utilizó la regresióncorrelación y el diseño de bloque al azar utilizando 6 tratamientos y
4 replicaciones para un total de 24 unidades experimentales.

i arroz más camarón sin nutrición

ii arroz con nutrición
iii arroz más camarón nutriendo arroz
iv arroz más camarón nutriendo camarón
v arroz más camarón nutriendo ambas
vi camarón sin nutrición
CAMARON
Bloques

tratamiento A B C D T XT TOTAL X
HECTAREA
I 392 416 448 356 1612 403 403
II 0 0 0 0 0 0 0
III 428 340 360 432 1560 390 390
IV 392 304 400 460 1556 389 389
V 356 388 356 360 1460 365 365
VI 360 356 400 360 1476 369 369
1982 1804 1964 1968 7664 319.33
321 301 327 328 319.333
Análisis de varianza

DATOS X Y X-x Y-y (X-x)(Y-y) (X - x)^2 (Y - y)^2

1 10,8 9,8 1,8 1,817 3,2624 3,23 3,300278
2 11,5 10,4 2,5 2,417 6,0316 6,23 5,840278
3 12,2 11,2 3,2 3,217 10,2799 10,21 10,346944
4 10,2 8,9 1,2 0,917 1,0962 1,43 0,840278
5 0 0 -9,0 -7,983 71,8833 81,08 63,733611
6 0 0 -9,0 -7,983 71,8833 81,08 63,733611
7 0 0 -9,0 -7,983 71,8833 81,08 63,733611
8 0 0 -9,0 -7,983 71,8833 81,08 63,733611
9 10,5 10,7 1,5 2,717 4,0637 2,24 7,380278
10 11,9 8,5 2,9 0,517 1,4962 8,39 0,266944
11 11 9 2,0 1,017 2,0291 3,98 1,033611
12 12,4 10,8 3,4 2,817 9,5649 11,53 7,933611
13 11,1 9,8 2,1 1,817 3,8074 4,39 3,300278
14 10,8 7,6 1,8 -0,383 -0,6884 3,23 0,146944
15 10,8 10 1,8 2,017 3,6216 3,23 4,066944
16 10,5 11,5 1,5 3,517 5,2603 2,24 12,366944
17 9,1 8,9 0,1 0,917 0,0878 0,01 0,840278
18 10,6 9,7 1,6 1,717 2,7395 2,55 2,946944
19 10,5 8,9 1,5 0,917 1,3712 2,24 0,840278
20 9,8 9 0,8 1,017 0,8091 0,63 1,033611
21 10,1 9 1,1 1,017 1,1141 1,20 1,033611
22 10,9 8,9 1,9 0,917 1,7378 3,59 0,840278
23 11,1 10 2,1 2,017 4,2266 4,39 4,066944
24 10,3 9 1,3 1,017 1,3174 1,68 1,033611
216,1 191,6 0,10 0,008 350,761667 400,91 324,39
 FUENTE GL SC CM FCAL 5% FTAB 1%
TOTAL 23 324.4
BLOQUES 3 1.84 0.61 0.64 3.29 - 5.42
TRATAMIENTOS 5 308.44 61.68 65.61 2.90 -
4.56
ERROR 15 14.12 0.94

REGRESION
𝑋 216.1
𝑋̅ = = =9
𝑛 24

𝑌 191.6
𝑌̅ = = = 7.98
𝑛 24

𝑋̅ = 9𝑌̅ = 7.98

(𝑋 − 𝑋̅)(𝑌 − 𝑌̅) = 350.7617(𝑋 − 𝑋̅)2 = 400.91(𝑌 − 𝑌̅)2 = 324.39

1) COEFICIENTE DE REGRESIÓN

(𝑋−𝑋̅)(𝑌−𝑌̅) 350.7617
B= = B= 0.87
(𝑋−𝑋̅)2 400.91

2) OBTENCIÓN DEL INTERCEPTO POR LA FÓRMULA:

a= 𝑌̅ − 𝐵𝑋̅
a= 7.98 – (0.87)(9)
a= 0.15
 3) ECUACIÓN DE ESTIMACIÓN

Y = Bx + a

Y = 0.87x + (0.15)

4) DIAGRAMA DE DISPERSIÓN:

Y1 = 0.87(10.8) + 0.15 = 9.54

Y2 = 0.87(11.5) + 0.15 = 10.15

Y3 = 0.87(12.2) + 0.15 = 10.76

DIAGRAMA DE DISPERSIÓN

140
116,65 127,52
120
100
ALTURA

80 93,82
60
40
20
0
0 0,2 0,4 0,6 0,8 1 1,2
GROZOR

1) ANÁLISIS DE VARIANZA:
G.L = 1

Suma de cuadrados debido a regresión:

SC = B* (𝑋 − 𝑋̅)(𝑌 − 𝑌̅)
SC = (0.87)*(350.76)
SC = 305.16

𝑆𝐶𝐷𝐸𝐵𝐼𝐷𝑂𝐴𝑅 305.16
CM = = = 305.16
𝐺.𝐿 1
Efecto de variación total:

G.L = n-1
G.L = 24-1

SCTOTAL = (𝑌 − 𝑌̅)2 = 324.39

Efecto de desviación de regresión:

G.L = n-2
G.L = 24-2
G.L = 22

SCDESVIACIÓN DE R = SCTOTAL – SCDEBIDO A R

SCDESVIACIÓN DE R = 324.39 – 305.16
SCDESVIACIÓN DE R = 19.22

𝑆𝐶𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼Ó𝑁 𝐷𝐸 𝑅 19.22
CM = = = 0.87
𝐺.𝐿𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼Ó𝑁 𝐷𝐸 𝑅 22

𝐶𝑀𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼Ó𝑁 𝐷𝐸 𝑅 305.16
FCALC = = = 349.29
𝐶𝑀𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼Ó𝑁 𝐷𝐸 𝑅 0.87
 Correlación
DATOS X Y X^2 Y^2 X*Y
1 10,8 9,8 116,64 96,0 105,84
2 11,5 10,4 132,25 108,2 119,6
3 12,2 11,2 148,84 125,4 136,64
4 10,2 8,9 104,04 79,2 90,78
5 0 0 0 0,0 0
6 0 0 0 0,0 0
7 0 0 0 0,0 0
8 0 0 0 0,0 0
9 10,5 10,7 110,25 114,5 112,35
10 11,9 8,5 141,61 72,3 101,15
11 11 9 121 81,0 99
12 12,4 10,8 153,76 116,6 133,92
13 11,1 9,8 123,21 96,0 108,78
14 10,8 7,6 116,64 57,8 82,08
15 10,8 10 116,64 100,0 108
16 10,5 11,5 110,25 132,3 120,75
17 9,1 8,9 82,81 79,2 80,99
18 10,6 9,7 112,36 94,1 102,82
19 10,5 8,9 110,25 79,2 93,45
20 9,8 9 96,04 81,0 88,2
21 10,1 9 102,01 81,0 90,9
22 10,9 8,9 118,81 79,2 97,01
23 11,1 10 123,21 100,0 111
24 10,3 9 106,09 81,0 92,7
216,1 191,6 2346,71 1854 2075,96

X = 216.1 Y = 191.6 𝑋 2 = 2346.71𝑌 2 = 1854

XY = 2076 (𝑋)2 = 46699.21 (𝑌)2 = 36710.56 X*Y = 41404.76

𝑋𝑌 41404.76
𝑋𝑌− 𝑛 2076− 24
R= 2 2
= 46699.21 36710.56
√𝑋 2 − (𝑋) 𝑌 2 − (𝑌) √2346.71 – 1854−
𝑛 𝑛 24 24

350.8 350.8
R= = = 0.972
√(400.9)(324.39) 360.62

G.L = n – 2; G.L = 24 – 2 = 22
ARROZ

Bloque

tratamiento A B C D å T XT
I 8,5 7,4 8,7 6,4 31 7,75
II 8,1 7,1 6,8 5,9 27,9 6,975
III 5,4 6,2 8,1 7,4 27,1 6,775
IV 4,9 5,8 7,1 6,1 23,9 5,975
V 6,2 4,8 7,1 8 26,1 6,525
VI 0 0 0 0 0 0
å B 33,1 31,3 37,8 33,8 136 5,6667
XB 5,517 5,2167 6,3 5,633 5,66667

Análisis de varianza

Fuente GL SC CM FCAL 5% FTAB

1%
Total 23 179.26
Bloques 3 3.83 1.27 1.31 3.29 –
5.42
Tratamientos 5 160.96 32.19 33.53 2.90 –
4.56
Error 15 179.26 0.96
Regresión

(X-x)(Y-
DATOS X Y X-x Y-y y) (X-x)2 (Y-y)2
1 103,2 8,5 7,2 2,84 20,448 51,84 8,0656
2 120,2 7,4 24,2 1,74 42,108 585,64 3,0276
3 125 8,7 29 3,04 88,16 841 9,2416
4 123,6 6,4 27,6 0,74 20,424 761,76 0,5476
5 111,2 8,1 15,2 2,44 37,088 231,04 5,9536
6 110,6 7,1 14,6 1,44 21,024 213,16 2,0736
 7 119,8 6,8 23,8 1,14 27,132 566,44 1,2996
8 110,6 5,9 14,6 0,24 3,504 213,16 0,0576
9 108,8 5,4 12,8 -0,26 -3,328 163,84 0,0676
10 118,4 6,2 22,4 0,54 12,096 501,76 0,2916
11 126,4 8,1 30,4 2,44 74,176 924,16 5,9536
12 117,2 7,4 21,2 1,74 36,888 449,44 3,0276
13 120 4,9 24 -0,76 -18,24 576 0,5776
14 108 5,8 12 0,14 1,68 144 0,0196
15 121,6 7,1 25,6 1,44 36,864 655,36 2,0736
16 118 6,1 22 0,44 9,68 484 0,1936
17 108,2 6,2 12,2 0,54 6,588 148,84 0,2916
18 113,4 4,8 17,4 -0,86 -14,964 302,76 0,7396
19 111,8 7,1 15,8 1,44 22,752 249,64 2,0736
20 108,2 8 12,2 2,34 28,548 148,84 5,4756
21 0 0 -96 -5,66 543,36 9216 32,0356
22 0 0 -96 -5,66 543,36 9216 32,0356
23 0 0 -96 -5,66 543,36 9216 32,0356
24 0 0 -96 -5,66 543,36 9216 32,0356
2304,2 136 0,2 0,16 2626,068 45076,68 179,1944

𝑿 𝟐𝟑𝟎𝟒. 𝟐
̅=
𝑿 = = 𝟗𝟔
𝒏 𝟐𝟒

𝒀 𝟏𝟑𝟔
̅=
𝒀 = = 𝟓. 𝟔𝟔
𝒏 𝟐𝟒
𝑋̅ = 2304.2

𝑌̅ = 136

(𝑋 − 𝑋̅)(𝑌 − 𝑌̅) = 2626.06(𝑋 − 𝑋̅)2 = 45076.68(𝑌 − 𝑌̅)2 = 179.19

1) COEFICIENTE DE REGRESIÓN

(𝑋−𝑋̅)(𝑌−𝑌̅) 2626.06
B= = B= 0.058
(𝑋−𝑋̅)2 45076.68

2) OBTENCIÓN DEL INTERCEPTO a POR FÓRMULA:

a= 𝑌̅ − 𝐵𝑋̅
a= 5.66 – (0.058)(96)
a= 0.067
3) ECUACIÓN DE ESTIMACIÓN

Y = Bx + a
Y = 0.058x + (0.067)

4) DIAGRAMA DE DISPERSIÓN:

Y1 = 0.058(103.2) + 0.067 = 6.05

Y2 = 0.058(120.2) + 0.067 = 7.03
Y3 = 0.058(125) + 0.067 = 7.31

DIAGRAMA DE REGRESIÓN

8 125
7
6 120,2
103,2
5
Y

4
3
2
1
0
0 20 40 60 80 100 120 140
X

5) ANÁLISIS DE VARIANZA:
G.L = 1
Suma de cuadrados debido a regresión:

SC = B* (𝑋 − 𝑋̅)(𝑌 − 𝑌̅)
SC = (0.058)*(2626.06)
SC = 152.31

𝑆𝐶𝐷𝐸𝐵𝐼𝐷𝑂𝐴𝑅 152.31
CM = = = 152.31
𝐺.𝐿 1

Efecto de variación total:

G.L = n-1
G.L = 24-1
G.L= 23

SCTOTAL = (𝑌 − 𝑌̅)2 = 179.19

Efecto de desviación de regresión:

G.L = n-2
G.L = 24-2
G.L = 22

SCDESVIACIÓN DE R = SCTOTAL – SCDEBIDO A R

SCDESVIACIÓN DE R = 179.19 – 152.31
SCDESVIACIÓN DE R = 26.87

𝑆𝐶𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼Ó𝑁 𝐷𝐸 𝑅 26.87
CM = = = 1.22
𝐺.𝐿𝐷𝐸𝑆𝑉𝐼𝐴𝐶𝐼Ó𝑁 𝐷𝐸 𝑅 22
 Correlación

DATOS X Y X2 Y2 X*Y
1 103,2 8,5 10650,2 72,3 877,2
2 120,2 7,4 14448 54,8 889,48
3 125 8,7 15625 75,7 1087,5
4 123,6 6,4 15277 41 791,04
5 111,2 8,1 12365,4 65,6 900,72
6 110,6 7,1 12232,4 50,4 785,26
7 119,8 6,8 14352 46,2 814,64
8 110,6 5,9 12232,4 34,8 652,54
9 108,8 5,4 11837,4 29,2 587,52
10 118,4 6,2 14018,6 38,4 734,08
11 126,4 8,1 15977 65,6 1023,8
12 117,2 7,4 13735,8 54,8 867,28
13 120 4,9 14400 24 588
14 108 5,8 11664 33,6 626,4
15 121,6 7,1 14786,6 50,4 863,36
16 118 6,1 13924 37,2 719,8
17 108,2 6,2 11707,2 38,4 670,84
18 113,4 4,8 12859,6 23 544,32
19 111,8 7,1 12499,2 50,4 793,78
20 108,2 8 11707,2 64 865,6
21 0 0 0 0 0
22 0 0 0 0 0
23 0 0 0 0 0
24 0 0 0 0 0
2304,2 136 266299 950 15683
X = 2304.2 Y = 136 𝑋 2 = 266299𝑌 2 = 950

XY = 15683 (𝑋)2 = 5309337.64(𝑌)2 = 18496 X*Y = 313371.2

𝑋𝑌 313371.2
𝑋𝑌− 15683−
𝑛 24
R= 2 2
= 5309337.64 18496
√𝑋 2 − (𝑋) 𝑌 2 − (𝑌) √266299 – 950− 24
𝑛 𝑛 24

2625.86 2625.86
R= = = 0.923
√(45076.59)(179.33) 2843.19

G.L = n – 2; G.L = 24 – 2 = 22
 XI BIBLIOGRAFIA

Calzada B. J. método estadístico para la investigación lima Perú.

Cochran, w.g icox.gm. Diseño experimentales México, trillas 1980

Daza P. Ever, bioestadística, universidad del magdalena, 1956 120 pág.

Escobar g. Jorge elementos estructurales de un experimento agrícola universidad

nacional de Colombia 28 pág.

Fernández E. Ricardo, trapero A. y Domínguez J. experimentación en agricultura.

Sevilla (España). Consejería agricultura y pesca.

GRANADOS N. MANUEL diseño experimental curso facultad de ingeniería

agronómica 1990

Mendoza z. Alfonso producción asociada de la camoroncultura en cultivo de arroz

universidad del magdalena 2006 43 pág.

_____ estudio comparativo de tres sistemas de aplicación natural de algas marinas

con un fertilizante nitrogenado comercial en el cultivo de arroz, universidad del
magdalena 1983.

_____ estudio físico-químico de la cascarilla de arroz producido en la zona arrocera de

la zona atlántica Colombia universidad del magdalena, santa marta 1988.
 RECONOCIMIENTO

El autor quiere dar las gracias al estudiante de ingeniería industrial DAVID DE JESUS
VERGARA GARMENDIZ por su colaboración en la redacción y diagramación de este
manual.