Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TP - Diseno de Parcela Dividida PDF
TP - Diseno de Parcela Dividida PDF
Aleatorización
La aleatorización se realizará en dos etapas: primero se aleatorizan los niveles del
factor que se asignó a las parcelas principales, luego se aleatorizan los niveles del factor que se
asignó a las subparcelas de cada parcela principal. Es decir que una vez diseñadas las parcelas se
asigna en forma aleatorizada los niveles del factor que se va a aplicar a las mismas. Luego se
divide a cada parcelas de forma tal de dar cabida a los niveles del segundo factor, los cuales se
aleatorizan en las subparcelas de cada parcela.
Modelo lineal
El modelo lineal para un DPD con estructura de parcelas en Bloques al azar es:
A0 A3 A2 A0 A1 A1 A2 A3
B1 B2 B2 B0 B2 B2 B0 B0
B2 B1 B0 B2 B0 B1 B1 B2
B0 B0 B1 B1 B1 B0 B2 B1
Bloque I Bloque II
A3 A1 A2 A0 A1 A0 A2 A3
B2 B0 B1 B1 B1 B0 B0 B1
B0 B1 B2 B0 B2 B2 B1 B2
B1 B2 B0 B2 B0 B1 B2 B0
Esquema 2: DPD en Bloques al Azar, donde A es el tratamiento de las parcelas (con cuatro
niveles 0-1-2-3) y B el tratamiento de las subparcelas (con tres niveles 0-1-2)
Análisis Estadístico
Si observamos los cuadros de análisis de varianza (ANOVA) tanto para un DPD con
estructura de parcelas completamente al azar como con estructura de parcelas en bloques al azar,
podemos ver que ambos constan de dos partes, la primera parte es para el estudio del factor que
va en las parcelas y la segunda para el factor que va en las subparcelas y para la interacción
Tratamiento parcela x Tratamiento subparcela. Como vemos tenemos dos Errores distintos: el
Error referente a las parcelas [E(a)], y el Error correspondiente a las subparcelas dentro de las
parcelas [E(b)]. En general ocurre que el CME(a) es mayor que el CME(b), por ello los efectos de
Experimentos Factoriales: Diseño de parcelas divididas y de bloques divididos 4
los tratamientos testeados en las subparcelas son determinados con mayor precisión que los
efectos de los tratamientos testeados en las parcelas.
Nótese también que el valor de F del tratamiento de la parcela se deduce en base al
E(a), mientras que el valor de F del tratamiento de la subparcela y el de la interacción se deducen
en base al E(b), si es que los factores en estudio son factores fijos. (Cuadro 1)
Si ambos tratamientos (factores) son aleatorios, deben probarse contra la interacción.
Si solo un factor es aleatorio, el factor fijo debe probarse contra la interacción.
La diferencia en el ANOVA de un DPD con estructura de parcelas completamente al
azar con otro con estructura de parcelas en bloques al azar radica en que el error de las parcelas
E(a), numéricamente es el efecto repeticiones dentro de las parcelas principales y además
tenemos una fuente de variación menos, el Bloque. (Cuadro 2)
SC B F=
CM B
Tratamiento B
SCB glB = b – 1 CM B = CME (b)
gl B
SC AB CM AB
Interacción (A x B)
SCAxB glAB =(a – 1) (b –1) CM AB = F=
gl AB CME (b)
SCE (b)
Error (b) SCE(b) glE(b) = nb = a (r -1)(b –1) CME (b ) =
glE (b)
CME( a)
∆=q
br
CME(b)
∆=q
ar
Experimentos Factoriales: Diseño de parcelas divididas y de bloques divididos 6
Caso III : Comparación entre tratamientos B a un mismo nivel de A. Ej: A1B1 – A1B2
CME(b)
∆=q
r
(b − 1) CME( b ) + CME( a )
∆ =q
br
donde q es el valor de tabla correspondiente a los niveles del factor A (a) y n’ grados de libertad,
siendo n’ igual a:
n' =
[CME(a) + (b − 1) CME(b) ] 2
[CME( a ) ] 2 (b − 1) 2 CME(b ) 2
+
na nb
Es una variante del diseño de parcela dividida con estructura de parcelas en bloques
al azar, en donde los tratamientos de las subparcelas no se distribuyen aleatoriamente, todo lo
contrario, son dispuestos de manera de formar franjas o fajas perpendiculares a las parcelas, de
aquí el nombre de diseños en bloques divididos (DBD) o en Franjas (DF). Es decir que los dos
factores en estudio presentan restricciones de aleatorización. Solo es aleatoria la distribución de
los niveles de ambos factores en las distintas parcelas o franjas. (Ver esquema 3). Las
subparcelas formadas por la intersección de las franjas pueden dividirse en franjas más angostas
para acomodar un tercer factor.
Este esquema es conveniente en experimentos en los que tanto A (tratamiento de la
parcela) como B (Tratamiento de la subparcela) tienen que ser estudiados en áreas grandes. En
este arreglo hay pérdida de precisión para el estudio de los efectos de A y B, en provecho de la
mayor precisión de los efectos de la Interacción AB. La información que brinda de los efectos de
A y B es menor que la que dan un diseño en Bloques completamente aleatorizados y parcela
dividida. Otra desventaja que presenta es la complejidad de su análisis.
Modelo Lineal
Bloque I Bloque II
A3 A1 A2 A0 A1 A0 A3 A2
B2 B1
B0 B2
B1 B0
Bloque III
A2 A0 A3 A1
B2
B1
B0
Análisis Estadístico
SC A CM A
Tratamiento A SCA glA = a – 1 CM A = F=
gl A CME (a )
Error (a) SCE ( a )
(Int. Bloque x Trat. SCE(a) glE(a) = (r -1) (a -1) CME ( a ) =
glE ( a )
A)
SC B CM B
Tratamiento B SCB glB = b – 1 CM B = F=
gl B CME (b )
Error (b) SCE (b)
SCE(b) glE(b) = (r -1) (b -1) CME (b ) =
(Int. Bloque x Trat. glE (b)
B)
SC AB CM AB
Interacción (A x B) SCAxB glAB =(a – 1) (b –1) CM AB = F=
gl AB CME (c )
Cuadro 3
Experimentos Factoriales: Diseño de parcelas divididas y de bloques divididos 10
En lo que se refiere a las Comparaciones Múltiples de Medias por los test de Tukey,
de Duncan, etc., las comparaciones del caso I y II son similares a las vistas en el diseño de
parcela dividida, mientras la metodología para las comparaciones del caso III y IV deben
responder a las siguientes consideraciones:
Caso III : Comparación entre tratamientos B a un mismo nivel de A. Ej: A1B1 – A1B2
(a − 1) CME( c ) + CME( b )
∆ =q
ar
(b − 1) CME( c ) + CME( a )
∆ =q
br
Experimentos Factoriales: Diseño de parcelas divididas y de bloques divididos 11
Problemas:
1) Se trata de un plan de caña de azúcar donde se midió el rendimiento en Tn/ha de Azúcar que
experimentan tres fechas de plantación y tres métodos para plantar, para el cual se usó un DPD
en bloques al azar. Las fechas se asignaron aleatoriamente a las tres parcelas principales de cada
bloque, y los 3 métodos se asignaron aleatoriamente a las subparcelas en las cuales se había
dividido cada parcela principal. El experimento contó con cinco repeticiones. Los datos son los
siguientes:
Fecha de
1 2 3
Plantación
Método de
1 2 3 1 2 3 1 2 3
Plantación
Bloque I 6,8 6,9 6 0,8 2 2 0,9 2,1 1
Bloque II 7,8 7 8 5 7 7 1,3 1 1,3
Bloque III 4,8 4,5 4 3 3,5 4,4 0,9 1,4 0,8
Bloque IV 16,9 11 10 8 6,1 5,9 4,5 2,6 4
Bloque V 20 19 18 6 4 5,3 6,3 1,6 3,9
2) En un ensayo de arroz a fin de analizar el efecto del riego sobre el rendimiento se analizaron
2 láminas de riego distintas. Cada lámina (parcelas principales) se repitió tres veces en orden
aleatorio. Luego, se dividió cada parcela en cuatro subparcelas para dar cabida a 4 variedades de
arroz, las que fueron asignadas al azar dentro de cada parcela. Los datos fueron los siguientes:
Bloque 1 2 3
Aplicación 1 2 1 2 1 2
Abono 1 44 83.8 56.6 72.2 52.4 88.6
Abono 2 102.4 120.2 90.8 104.6 92 112
Abono 3 68.4 91 55.2 78.8 49 83.4
Abono 4 34 57.2 32.4 54 24.4 50.8
Abono 5 25.8 77 21.6 62.4 19.2 63.6
Abono 6 138.8 110.2 106.4 80 108 92
Uso de InfoStat
1) Ingreso de datos
Similar a un experimento factorial.
a) Agregar al modelo el termino Factor parcela>Repetición que indica que el factor Repetición
esta anidado en el Factor parcela (en este procedimiento representa el Error a) y la interacción
Factor parcela*Factor subparcela y eliminar el Factor repetición.
b) Configurar el cuadrado medio del denominador (cuadrado medio del error) para el F del
Factor parcela.
Para agregar el termino Factor parcela>Repetición y la interacción Factor parcela*Factor
subparcela, lo más sencillo es indicar (escribir) cada termino en el campo Especificación de los
términos del Modelo.
Para modificar los denominadores para el Factor Parcela se deberá indicar en la ventana
Especificación de los términos del Modelo, adicionando al Factor Parcela el caracter ”\” (barra
invertida) y a continuación el término de error correspondiente, en este caso Factor
parcela>Repetición
La ventana deberá mostrar los siguientes términos:
• Factor parcela\Factor parcela>Repetición
• Factor parcela>Repetición
• Factor subparcela
• Factor parcela*Factor subparcela
3) Comparaciones de medias (recordar los cuatro casos de comparaciones de medias para estos
experimentos)
La ventana del análisis de la varianza presenta además de la solapa Modelo, la solapa
Comparaciones. Esta permite seleccionar:
a) El método de comparaciones múltiples de medias que desea realizar a posteriori del análisis
de varianza.
b) El factor o factores de los cuales se desean comparar las medias.
c) El nivel de significación (α) usado para la prueba seleccionada.
d) Un valor correspondiente a la estimación del cuadrado medio de error (y sus grados de
libertad) que desea sea utilizado en la comparación de medias calculado manualmente. En este
caso se debe activar el casillero Error, que permite ingresar los valores del Cuadrado medio del
error y los grados de libertad del error.
Previo a configurar el procedimiento de comparación de medias debemos tener en cuenta
que cuando la interacción Factor parcela*Factor subparcela no es significativa, los efectos
principales, de ambos factores pueden ser considerados independientes. En este caso las
comparaciones de medias entre los niveles de cada uno de los factores que resulto significativo
en el ANOVA, se pueden hacer directamente con InfoStat (Caso I y II de comparaciones de
medias), mientras que si la interacción resultó significativa las comparaciones de medias entre
los tratamientos o combinaciones se deberán realizar manualmente (Caso III y IV de
comparaciones de medias).
4) Opciones Gráficas
Gráfico de Interacción
Salidas de INFOSTAT
- Problema 1
Análisis de la varianza
Variable N R² R² Aj CV
Rendimiento 45 0,96 0,93 22,81
- Problema 2
Análisis de la varianza
Variable N R² R² Aj CV
Rendimiento 24 0,92 0,85 12,39
- Problema 3
Análisis de la varianza
Variable N R² R² Aj CV
Rendimiento 36 0,97 0,95 9,77
Cuadro de medias
Gráfico de Interacción
122,51
96,24
Rendimiento
69,97
43,69
17,42
1,00 2,00 3,00 4,00 5,00 6,00
Abono
Aplicación 1 Aplicación 2