Dialnet BacteriasSimbioticasFijadorasDeNitrogeno 3761553

4.
Diseños experimentales, el análisis de los

procesos de investigación inductivos para
agroindustria
4.1 Diseño experimental completamente aleatorizado
Este diseño experimental se aplica cuando los diferentes factores ambientales

presentan alta homogeneidad y no influyen sobre los tratamientos (sobre los
Copyright © 2016. Universidad La Gran Colombia, Seccional Armenia. All rights reserved.
cuales recae el análisis de los efectos analizados).

Este diseño es recomendable en condiciones de laboratorio, estandarizadas
o bajo invernadero en las llamadas condiciones de control, que no influyan
sobre el error experimental.
El modelo es del siguiente tipo:
y i = µ + Ti + ε i
Donde:
y i : variable respuesta.
µ : efecto promedio del experimento.
Ti : efecto causado por el i-ésimo tratamiento.
ε i : I-ésimo error experimental o término de perturbación.
Ximena Cifuentes - Lina María Jaramillo - Luis Miguel Mejía - Maritza Torres 51
Cifuentes, Wchima, Ximena, et al. Métodos de análisis para la investigación, desarrollo e innovación (I+D+i) de procesos agrícolas y
agroindustriales, Universidad La Gran Colombia, Seccional Armenia, 2016. ProQuest Ebook Central, http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=47953
Created from unadsp on 2019-03-12 12:21:06.
Métodos de análisis para la investigación, desarrollo e innovación (I+D+i) de procesos agrícolas y agroindustriales
Propiedades
1. E(ε i ) = 0
2. V (ε i ) = σ 2 (Homogénea)
3. COV (ε i , ε j ) = 0 ∀ i ≠ j
4.
(
COV Ti , Tj = 0 )
n
5. ∑ T̂i = 0
i =1
6. T̂i = Ti − X 0
7. µˆ = X 0 (Gran medida)
Es de resaltar que un tratamiento no debe incidir sobre otro porque destruiría

el experimento. El modelo debe ser aditivo; es decir, que la variable
respuesta siempre que sea indicada como la sumatoria de los componentes
experimentales.
Ventajas:
• Admite cualquier número de tratamientos.
• Puede aplicarse con igual o diferente número de réplicas.
• Es de fácil manejo, conocido como diseño de una vía.
• Se halla más fácil la significancia estadística.
• Se puede construir a partir de un mínimo de 2 unidades experimentales
por tratamiento
• Se acopla fácilmente a otros diseños para generar así, que estos sean de
índole compuesto.
52
Desventajas:
• Solo existe una fuente de variación.
• Sacrifica la interacción de factores ambientales.
Tabla 3. Análisis de varianza para diseño completamente aleatorizado
Fuente: Mejía, 2015
Si f calc 〈 f tabla (0.0 5 ,0.0 1) : El modelo no es significativo.

Si f calc ≥ f tabla ( 0 .0 5 ) El modelo es significativo y se denota al lado del valor de

F calculado con un asterisco (*), indicando que el modelo se explica con un
95 % de confiabilidad.
f
Si calc ≥ f tabla ( 0 .0 1 ) El modelo es altamente significativo y se denota al lado
del valor de F calculado con dos asteriscos (**), indicando que el modelo se
explica con un 99 % de confiabilidad.
Ejercicio para diseño en bloques completamente aleatorizado balanceado

Bajo condiciones de planta piloto, se utilizaron cinco tipos de sustratos
(mezclas de carne de cerdo y res) para la producción de cierto producto cárnico.
La variable analizada fue cantidad procesada en kilogramos. Se utilizaron seis
repeticiones por tratamiento, obteniéndose lo siguiente:
Tabla 4. Ejemplo de efecto de sustratos sobre producción
1. Se calcula la suma de cuadrado total:

2. Se calcula la suma de cuadrados para los tratamientos, en este caso, los

sustratos:
3. Se halla la suma de cuadrado del error experimental, que es la

diferencia entre la suma de cuadrado total y la suma de cuadrados de los
tratamientos:
54
Se construye el análisis de varianza (Anava, tabla 5):
Tabla 5. Análisis de varianza para diseño completamente aleatorizado balanceado,
ejercicio resuelto
Fuente: Los autores
Interpretación:
Existe un efecto altamente significativo de los sustratos sobre la producción

de carne.
Ejercicio de diseño en bloques completamente aleatorizado desbalanceado
En la tabla 6 se presentan los datos del uso de tres tratamientos para mejorar
la resistencia de un biomaterial, encontrándose como resultado la variable
incremento de resistencia (porcentaje).
Tabla 6. Datos de ejemplo de resistencia
Se realizan los mismos pasos del ejercicio anterior, solo que el denominador
para cada tratamiento al calcular su suma de cuadrados respectiva cambia:
1.
2. Es aquí donde se da la variación para el diseño experimental:
3. S C ErrorExperimental = 1 2 8.6 3 − 8 6.9 3 = 4 1.7
4. Se construye el análisis de varianza:

Tabla 7. Análisis de varianza para diseño completamente aleatorizado

desbalanceado, ejercicio resuelto.
Interpretación: se aprecia un efecto altamente significativo por parte de

los tratamientos frente al incremento de resistencia del biomaterial bajo
investigación.
56

Dialnet BacteriasSimbioticasFijadorasDeNitrogeno 3761553

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Dialnet BacteriasSimbioticasFijadorasDeNitrogeno 3761553

Cargado por

Copyright:

Formatos disponibles

4.

Diseños experimentales, el análisis de los

4.1 Diseño experimental completamente aleatorizado

Este diseño experimental se aplica cuando los diferentes factores ambientales

cuales recae el análisis de los efectos analizados).

El modelo es del siguiente tipo:

µ : efecto promedio del experimento.

Ti : efecto causado por el i-ésimo tratamiento.

ε i : I-ésimo error experimental o término de perturbación.

Es de resaltar que un tratamiento no debe incidir sobre otro porque destruiría

Tabla 3. Análisis de varianza para diseño completamente aleatorizado

Fuente: Mejía, 2015

Si f calc 〈 f tabla (0.0 5 ,0.0 1) : El modelo no es significativo.

Si f calc ≥ f tabla ( 0 .0 5 ) El modelo es significativo y se denota al lado del valor de

Ejercicio para diseño en bloques completamente aleatorizado balanceado

Tabla 4. Ejemplo de efecto de sustratos sobre producción

Fuente: Mejía, 2015

1. Se calcula la suma de cuadrado total:

2. Se calcula la suma de cuadrados para los tratamientos, en este caso, los

3. Se halla la suma de cuadrado del error experimental, que es la

Fuente: Los autores

Existe un efecto altamente significativo de los sustratos sobre la producción

Ejercicio de diseño en bloques completamente aleatorizado desbalanceado

Tabla 6. Datos de ejemplo de resistencia

Fuente: Mejía, 2015

2. Es aquí donde se da la variación para el diseño experimental:

3. S C ErrorExperimental = 1 2 8.6 3 − 8 6.9 3 = 4 1.7

4. Se construye el análisis de varianza:

Tabla 7. Análisis de varianza para diseño completamente aleatorizado

Fuente: Mejía, 2015

Interpretación: se aprecia un efecto altamente significativo por parte de

También podría gustarte