Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual Metodos Estadisticos UNAMAD
Manual Metodos Estadisticos UNAMAD
Texto Universitario
J
Jooeell PPeeññaa V
Vaallddeeiigglleessiiaass
2010
1
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Presentación
El Autor
2
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
La hipótesis de investigación
Si no se logra delinear con claridad esta hipótesis y el objetivo del estudio, puede haber
dificultades en la selección de los tratamientos y experimentos sin éxito.
A continuación se presentan tratamientos, usados en el marco de investigaciones reales,
generados por hipótesis de investigación:
Se estudió la cinética de bebida de las abejas productoras de miel a diferentes
temperaturas ambientales, para responder a la hipótesis de que la energía
requerida al reunir comida para la colonia era independiente de la temperatura.
La supervivencia de siembras de Euphorbia atacadas por un patógeno del suelo
se determinó para distintos tipos de tratamientos de fungicida, en respuesta a la
hipótesis de que no todos los fungicidas tienen la misma eficiencia para controlar
tal patógeno.
En ingeniería de tránsito, se evaluaron varios métodos para medir los retrasos del
tránsito en intersecciones con diferentes tipos de configuraciones en los
semáforos, en respuesta a la hipótesis de que el método para medir retrasos
dependía del tipo de configuración usada en la señalización.
REPRODUCCION
3
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
CONTROL LOCAL
El control local describe las acciones que emplea un investigador para reducir o controlar
el error experimental, incrementar la exactitud de las observaciones y establecer la base
de la inferencia de un estudio.
El investigador controla:
4
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
ALETORIZACION O RANDOMIZACION
La réplica de un experimento proporciona los datos para estimar la varianza del error
experimental. La bloquización proporciona un medio para reducir el error experimental.
Sin embargo, las réplicas y la bloquización por sí solos no garantizan estimaciones
válidas de la varianza del error experimental o de las comparaciones de tratamientos.
La randomizacion reduce la falsificación sistematica, por ej. Ordenando varias o todas las
parcelas de un tratamiento a un costado del campo donde la luz es mayor, influirá
fuertemente en nuestros datos. La randomizacion además nos da una de las condiciones
básicas para la mayoría de los diseños: los datos son independientes.
Consiste en la determinación al azar de los tratamientos en el área de experimentos o
parcelas, para que influencias marginales y vecinales puedan actuar en forma homogénea
sobre las diferentes variantes o tratamientos. Sin randomizar el coeficiente de varianza es
pequeño, o sea, la precisión alta. Pero la credibilidad del experimento es baja. El ensayo
no es reproducible con el mismo resultado en otro terreno. Para obtener datos validos y
poder responder la hipótesis de la investigación hay que randomizar. La precisión puede
resultar más baja, pero el valor real es más acertado.
Calidad de suelo
A B C D E
A B C D E
A B C D E
rendimiento
Ejemplo randomizado
Calidad de suelo
A C B E D
E D A B C
C B D A E
rendimiento
5
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Las principales ventajas de este diseño son la sencillez y la flexibilidad. Una de sus
desventajas consiste en que algún otro diseño suele ser capaz de estimar el error
estándar por unidad experimental (error experimental) con un mayor grado de precisión.
Ejemplos :
Ejemplo 1.- Para el ejemplo numérico tomaremos el caso hipotético de seis clones
clones de yuca, conducidos en un DCA con 6 repeticiones, y con rendimientos
expresados en Kg.
6
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
A A D C E C
7.8 8.5 10.0 8.0 7.2 7.8
D B B D F C
6.0 9.2 8.6 8.5 8.4 8.2
B A C E C F
8.0 9.2 7.0 8.6 9.0 6.0
D F A B B A
7.5 7.3 6.9 7.0 7.2 7.6
E D F F E E
6.9 8.0 8.5 9.8 9.2 8.1
Clones
A B C D E F
7.8 9.2 8 10 7.2 8.4
8.5 8.6 7.8 6 8.6 6
9.2 8 8.2 8.5 6.9 7.3
6.9 7 7 7.5 9.2 8.5
7.6 7.2 9 8 8.1 9.8 Total gral
Total trat 40 40 40 40 40 40 240
Promedio 8 8 8 8 8 8 8
En este caso observamos que los promedios de los tratamientos son aritméticamente
iguales, por lo que no requiere mayor análisis, y se concluye que los seis clones de yuca
tienen la misma capacidad rendidora.
Trat 4 : 30 gr humus/bolsa
Trat 3 : 20 gr humus/bolsa
Trat 2 : 10 gr humus/bolsa
Trat 1 : 0 gr humus/bolsa
7
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Rep T1 T2 T3 T4
1 18 17 17 16
2 17 15 15 11
3 16 16 14 10
4 17 17 16 14
5 18 19 15 12
Sum 86 84 77 63 310
Prom 17.2 16.8 15.4 12.6 15.5
GL error= (T)*(r)=4*4=16
SCtrat = - TC
SCtrat = 65
SC Total = - TC
SC Total = 105
SCErr = 40
8
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Fc = CMtrat / CMErr
Hallando los valores de F tabulado con los valores de la tabla “F” de Fisher al 5% y al 1%
(ver tabla 1 y 3 del anexo) encontramos que:
Ft 5% = 3.239
Ft 1% = 5.292
ANALISIS DE VARIANCIA
Ft
F de V gl SC CM Fc
5% 1%
Tratamientos 3 65 21.67 8.67 3.24 5.29
Error 16 40 2.5
Total 19 105
CV =
CV = 10.20 %
9
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Comparación de Promedios.
Habiéndose encontrado diferencias significativas entre los tratamientos, ahora tenemos
que detectar cual de los tratamientos es el mejor o tiene mayor rendimiento, para lo cual
tenemos que hacer una prueba de comparación de promedios, en este caso usaremos el
método de Tukey y el de Duncan:
Prueba de Tukey
T1 T2 T3 T4
17.2 16.8 15.4 12.6
Paso 2. Elaboramos un cuadro de doble entrada para los promedios de los tratamientos,
luego procedemos a hacer las comparaciones entre los tratamientos.
T1 T2 T3 T4
17.2 16.8 15.4 12.6
T1 17.2 0 0.4 1.8 4.6
T2 16.8 0 1.4 4.2
T3 15.4 0 2.8
T4 12.6 0
Donde :
q = Valor de la tabla de Tukey al 5% y 1%
r = Numero de repeticiones
10
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Por lo tanto el valor crítico de Tukey, de acuerdo a la formula nateriormente indicada es:
w5% = 2.86
w1% = 3.67
Paso 4. Comparar las diferencias entre los promedios con el valor calculado w.
Las diferencias mayores a w5% se marcan con un asterisco (*) y significa que existe
diferencias al 5%. Las diferencias mayores a w1% se marcan con dos asteriscos (**) y
significa que existe diferencias al 1%
T1 T2 T3 T4
17.2 16.8 15.4 12.6
T1 17.2 0 0.4 1.8 4.6(*)((**)
T2 16.8 0 1.4 4.2(*)(**)
T3 15.4 0 2.8
T4 12.6 0
11
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Por otro lado, el crecimiento promedio más bajo se observo en el testigo (0 gramos de
humus)
Prueba de Duncan
Es la más utilizada ampliamente entre las diversas pruebas de rango múltiple disponibles.
Evita la comisión de errores inherentes al empleo indiscriminado de la prueba DSM
(Diferencia Significativa Mínima).
Esta prueba se utiliza más apropiadamente cuando diversos tratamientos no
relacionados se incluyen en un experimento (por ejemplo para efectuar todas las
comparaciones posibles entre las capacidades de producción de diversas variedades)
Los valores son más altos que DSL de T-student, esto permite ser más exigente en la
comparación, porque requiere que la diferencia sea más grande para alcanzar una
significación.
Este método también requiere el cálculo del error estándar de promedios. Así:
12
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Así para nuestro caso tenemos que los valores de la tabla de Duncan son tres para cada
nivel de confianza :
Valores
Valores Críticos q'(p, df; 0.05) para pruebas de Rango Múltiple Críticos q'(p, df; 0.01) para pruebas de Ran
de Duncan
gl 2 3 4 5 6 7 2 10 3 11 4 12 5 13 6 14 7 15
8 gl 9 8
1 17.969 17.969 17.969 17.969 17.969 17.969 17.9691 17.969 17.969
90.024 17.969
90.024 17.969
90.024 17.969
90.024 17.969
90.024 17.96990.0
90.024 1
2 6.085 6.085 6.085 6.085 6.085 6.085 6.0852 6.085 6.085 6.085 6.085 6.085 6.085
14.036 14.036 14.036 14.036 14.036 14.036 14.0 6.085
3 4.501 4.516 4.516 4.516 4.516 4.516 4.5163 4.5168.26 4.5168.3214.5168.321
4.5168.321
4.5168.3214.516 8.321
4.516 8.3
4 3.926 4.013 4.033 4.033 4.033 4.033 4.0334 4.033 4.033
6.511 6.677 4.033 4.033 4.033 4.033
6.74 6.755 6.755 6.755 4.033 6.7
5 3.635 3.749 3.796 3.814 3.814 3.814 3.8145 3.814 5.7023.8145.8933.8145.989
3.814 6.04
3.8146.0653.814 6.074
3.814 6.0
6 3.46 3.586 3.649 3.68 3.694 3.697 3.6976 3.697 3.697 3.697 3.697
5.243 5.439 5.549 5.614 5.655 3.697 3.697 3.697 5.6
5.68
7 3.344 3.477 3.548 3.588 3.611 3.622 3.6257 3.625 4.9493.6255.1453.625 5.26
3.6255.333
3.6255.3833.625 5.416
3.625 5.4
8 3.261 3.398 3.475 3.521 3.549 3.566 3.5758 3.579 3.579 3.579 3.579 3.579
4.745 4.939 5.056 5.134 5.189 5.227 3.579 3.579 5.2
9 3.199 3.339 3.42 3.47 3.502 3.523 3.5369 3.544 4.5963.5474.7873.5474.906
3.5474.986
3.5475.0433.547 5.086
3.547 5.1
10 3.151 3.293 3.376 3.43 3.465 3.489 3.505 10 3.5164.4823.5224.6713.5254.789
3.5254.871
3.5254.9313.525 4.975
3.525 5
11 3.113 3.256 3.341 3.397 3.435 3.462 3.4811 3.4934.3923.5014.5793.5064.697
3.509 4.783.514.8413.51 4.8873.51 4.9
12 3.081 3.225 3.312 3.37 3.41 3.439 3.459 12 3.4744.323.4844.504 3.4914.622
3.4954.705
3.4984.7673.498 4.815
3.498 4.8
13 3.055 3.2 3.288 3.348 3.389 3.419 3.441 13 3.4584.263.474.442 3.478 4.56
3.4844.643
3.4884.706 3.49 4.7543.49 4.7
14 3.033 3.178 3.268 3.328 3.371 3.403 3.426 14 3.4444.213.4574.391 3.4674.508
3.4744.591
3.4794.6543.482 4.703
3.484 4.7
15 3.014 3.16 3.25 3.312 3.356 3.389 3.413 15 3.4324.1673.4464.3463.4574.463
3.4654.547
3.471 4.613.476 4.663.478
16 2.998 3.144 3.235 3.297 3.343 3.376 3.402 16 3.4224.1313.4374.3083.4494.425
3.4584.508
3.4654.572 3.47 4.622
3.473 4.6
17 2.984 3.13 3.222 3.285 3.331 3.365 3.392 17 3.4124.0993.4294.2753.4414.391
3.4514.474
3.4594.5383.465 4.589
3.469 4
18 2.971 3.117 3.21 3.274 3.32 3.356 3.383 18 3.4044.0713.4214.2463.4354.361
3.4454.445
3.4544.509 3.46 4.559
3.465 4.6
19 2.96 3.106 3.199 3.264 3.311 3.347 3.375 19 3.3974.0463.415 4.223.4294.3353.444.418
3.4494.4833.456 4.533
3.462 4.5
20 2.95 3.097 3.19 3.255 3.303 3.339 3.368 20 3.394.0243.4094.197 3.4234.312
3.4354.395
3.4454.4593.452 4.513.459 4.5
Calculando los valores de DSL al 5%, y contrastando estos mismos con la diferencia de
25 2.913 3.059
los promedios tenemos: 3.154 3.221 3.271 3.31 3.341 25 3.942 4.112 4.224 4.307 4.371 4.423
3.366 3.386 3.403 3.417 3.429 3.439 3.447 4.4
30 2.888 3.035 3.131 3.199 3.25 3.29 3.322 30 3.3493.8893.3714.0563.3894.168
3.405 4.25
3.4184.3143.429 4.366
3.439 4.4
40 2.858 3.005 3.102 3.171 3.224 3.266 40 3.3283.8253.3523.988
3.3 3.3724.098
3.389 4.18
3.4044.2433.418 4.295
3.429 4.3
60 2.829 2.976 3.073 3.143 3.198 3.241 3.277 60 3.3073.7623.3333.9223.355 4.03
3.3744.111
3.3914.1743.406 4.226
3.419 4
80 2.814 2.961 3.059 3.13 3.185 3.229 3.266 802 3.2973.7323.32333.89
3.3463.997
3.366
44.077
3.384 4.14 3.4 4.192
3.414 4.2
120 2.8 2.947 3.045 3.116 .AES
3.1725%3.217 3.2541202.998 3.702
3.286 3.3133.8583.3373.964
3.114 4.044
3.3774.107
3.3583.235 3.394 4.158
3.409 4.2
240 2.786 2.933 3.031 3.103 Error
3.159 3.205 3.243 240 3.2763.6723.3043.8273.3293.9323.354.0113.374.073
3.388 4.125
3.404 4.1
α 2.772 2.918 3.017 3.089 estándar
3.146 3.193 3.232α0.7071
3.265
3.6433.2943.7963.32 3.9
0.7071 3.343 3.363 4.04
3.978
0.7071 3.382 4.091
3.399 4.1
DSL 2.1198858 2.2019094 2.2874685
T1 T2 T3 T4
17.2 16.8 15.4 12.6
T1 17.2 0 0.4 1.8 4.6 (*)
T2 16.8 0 1.4 4.2(*)
T3 15.4 0 2.8(*)
T4 12.6 0
13
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Ejemplo 3. DCA incompleto.- Una plantación de eucalipto fue sometida a los siguientes
tratamientos:
A.- Riego cada 7 días
B.- Riego cada 10 dias
C.- Riego cada 15 dias
D.- Riego cada 20 dias
E.- Riego cada 25 dias
F.- Sin riego
Obteniendose las siguientes alturas al final del experimento :
A B C D E F
4.9 3.9 4.9 3 3.7 2.1
3.8 2.1 5.2 2.9 2.5 1.9
2.7 4.1 3.4 3 1.8
2 3 4 2
SCtrat = - TC
14
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
SCtrat = 14.4
SCTotal = - TC
CV =
CV = 21.41 %
Ft
F de V gl SC CM Fc
5% 1%
Tratamientos 5.00 14.40 2.88 5.49 4.56 2.90
Error 15.00 7.87 0.52
Total 20.00 22.27
Prueba de Tukey
C A E D B F
5.05 3.8 3.3 3.075 3.025 1.95
Paso 2. Elaboramos un cuadro de doble entrada para los promedios de los tratamientos,
luego procedemos a hacer las comparaciones entre los tratamientos.
15
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
C A E D B F
5.05 3.8 3.3 3.075 3.025 1.95
C 5.05 0 1.25 1.75 1.975 2.025 3.1
A 3.8 0 0.5 0.725 0.775 1.85
E 3.3 0 0.225 0.275 1.35
D 3.08 0 0.05 1.125
B 3.03 0 1.075
F 1.95 0
En este caso como estamos frente a un experimento con parcelas perdidas, donde
algunos tratamientos no tiene el mismo número de repeticiones, y donde se va ha
comparar los tratamientos en estas condiciones, procedemos a calcular w para cada
comparación, con la siguiente fórmula:
CMerr 1 1
W5% = q5% x √ x √ +
2 rx ry
Donde :
q = Valor de Tukey al 5%
rx = Numero de repeticiones del primer tratamiento a comparar
rx = Numero de repeticiones del segundo tratamiento a comparar
Así por ejemplo, si se va ha comparar el Tratamiento C con el Tratamiento A, el valor de
rx será = 2 (porque el Tratamiento C tiene 2 repeticiones) y ry será =3 (porque el
Tratamiento A tiene 3 repeticiones). en el siguiente cuadro se presenta todos los valores
de w para cada comparación:
16
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Paso 4. Comparar las diferencias entre los promedios con el valor calculado w.
Las diferencias mayores a w5% se marcan con un asterisco (*) y significa que existe
diferencias al 5%.
C A E D B F
5.05 3.8 3.3 3.075 3.025 1.95
C 5.05 0 1.25 1.75 1.975 2.025 3.1(*)
A 3.8 0 0.5 0.725 0.775 1.85
E 3.3 0 0.225 0.275 1.35
D 3.075 0 0.05 1.125
B 3.025 0 1.075
F 1.95 0
17
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
C A E D B F
5.05 3.8 3.3 3.075 3.025 1.95
C 5.05 0 1.25 1.75 1.975 2.025 3.1(*)
A 3.8 0 0.5 0.725 0.775 1.85
E 3.3 0 0.225 0.275 1.35
D 3.075 0 0.05 1.125
B 3.025 0 1.075
F 1.95 0
Finalmente contrastando las diferencias entre los valores críticos de Tukey tenemos:
18
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
A B C D
20 40 40 25
30 45 35 15
15 30 25 10
25 40 30 20
35 45 30
19
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Para hacer más homogéneo el material del experimento y para poder calcular diferencias
ambientales (calidad de suelo, malezas, luz, viento, ataque de plagas), se recomienda
formar grupos homogéneos, que se denominan bloques. Para reducir estos factores
(conocidos o desconocidos) que influyen en la investigación, pero no son de interés, se
forman grupos, en los cuales las condiciones deben ser lo más homogéneas posibles.
Estos grupos se denominan bloques.
Estas diferencias pueden ser tanto las arriba mencionadas, como también puede ser la
cosecha durante varios días. En este caso la cosecha se realiza en un día todo el bloque
completo I, al siguiente día el siguiente bloque completo, para mantener la mayor
homogeneidad dentro de un bloque. Lo mismo vale para evaluaciones. Si diferentes
personas evalúan la investigación, una persona debe hacerlo en todo un bloque, la otra
persona lo hará en otro bloque.
Con la ayuda de bloques se puede calcular el factor “calidad del suelo” (en caso de
heterogeneidad del suelo) y restarlo del error del ensayo. Con esto, los efectos causados
por los factores del tratamiento obtienen estadísticamente mejor visibilidad.
II
III
IV
20
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Pendiente de
fertilidad
Bloque I Bloque II
C E A C
D B E D
F A F B
21
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Tratamientos
Bloque Moena Copaiba Albizzia Palisangre
I 46.7 23.8 26.9 31.8
II 42.4 28.7 27.9 32.9
III 42.4 22.9 27.9 29.1
IV 47.3 27.1 22.7 37.1
V 49.3 27.8 30.9 28.9
Tratamientos
Bloque Moena Copaiba Albizzia Palisangre
I 46.7 23.8 26.9 31.8
II 42.4 28.7 27.9 32.9
III 42.4 22.9 27.9 29.1
IV 47.3 27.1 22.7 37.1
V 49.3 27.8 30.9 28.9
∑ 228.1 130.3 136.3 159.8 654.5
Promedio 45.62 26.06 27.26 31.96 32.725
GLtrat = 4-1= 3
GLbloq= 5-1=4
GLE = 4*3= 12
22
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Prueba de Tukey
al 5% al 1%
Moena 45.62 a a
Palisangre 31.96 b b
Albizzia 27.26 b c b
Copaiba 26.06 c b
23
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
EJEMPLO:
Bloques
Tratamientos I II III IV
1 15 20 25 18
2 21 16 15
3 20 18 25 15
4 17 15 19 22
Y = 15.44
Bloques
Trat.
I II III IV ∑ Trat Prom Trat.
1 15 20 25 18 78 19.5
2 21 15.44 16 15 67.44 16.86
3 20 18 25 15 78 19.5
4 17 15 19 22 73 18.25
∑ Bloq 73 68.44 85 70 296.44 18.5275
Prom. Bloq 18.25 17.11 21.25 17.5
24
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
GLtrat = 4-1= 3
GLbloq= 4-1=3
GLE = 3*3= 9
Ft
FV GL SC CM Fc Significacion
5% 1%
Trat 3 18.9963 6.3321 0.50039 3.34 5.56 ns
Bloques 3 42.2163 14.0721 1.112039 3.34 5.56 ns
Error 9 113.8889 12.65432
Total 15 175.1015 11.67343
CV =
CV = 19.2 %
25
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Y = 34.5
26
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
GLtrat = 6-1= 5
GLbloq= 5-1= 4
GL total= 29 – 1 = 28
GLE = 28-5-4 = 19
Análisis de Variancia
Ft
F de V gl SC CM Fc
5% 1%
Tratamientos 5 1130.3147 226.0629 4.2484 2.7400 4.1700
Bloques 4 474.3147 118.5787 2.2284 2.9000 4.5000
Error 19 1011.0253 53.2119
Total 28 2615.6547
√CMErr
CV = x 100
Promedio total
CV = 15.044%
27
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
W5% = 14.5823
W1% = 18.1055699
28
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
W5% = 15.63780019
W1% = 19.41606063
Donde:
n = numero de tratamientos.
r = número de repeticiones o bloques.
Rendimiento
Tratamiento
promedio (kg)
e 58.06
f 52.48
a 50.48
b 47.38
d 43.36
c 39.16
29
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Haciendo los contrastes al 95% entre las diferencias de los promedios y los valores
críticos de Tukey tenemos:
W5% = 15.64 (Para parcelas con tratamiento incompleto. En este caso solo se
contrastara este valor con los del tratamiento “C”, ya que es el único que tiene las
parcelas incompletas)
e f a b d c
Trat.
Prom. 58.06 52.48 50.48 47.38 43.36 39.16
e 58.06 0 5.58 7.58 10.68 14.7 (*) 18.9(*)
f 52.48 0 2 5.1 9.12 13.32
a 50.48 0 3.1 7.12 11.32
b 47.38 0 4.02 8.22
d 43.36 0 4.2
c 39.16 0
Resumiendo se tiene:
Rendimiento
Tratamiento Grupo
promedio (kg)
e 58.06 a
f 52.48 a b
a 50.48 a b
b 47.38 a b
d 43.36 b
c 39.16 b
30
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Con un 95% de certeza podemos afirmar que las variedades e,f,a y b de pijuayo
producen un mayor rendimiento de frutos de pijuayo por arbol, al mismo tiempo dichos
rendimientos promedios son estadísticamente iguales.
Por otro lado, los rendimientos mas bajos de pijuayo se observo en las variedades d y
c
31
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
DISEÑO EN CUADRADO
LATINO (DCL)
El diseño en cuadrado latino (DCL) se usa para eliminar dos fuentes de variabilidad, es
decir, permite hacer la formación de bloques sistemática en dos direcciones. Por lo tanto,
las filas y las columnas representan en realidad dos restricciones sobre la aleatorización.
De esta forma, se llama cuadro latino a un arreglo experimental obtenido a partir de una
matriz cuadrada t x t en la que aparecen t elementos diferentes dados, de tal forma que
cada fila y cada columna, contenga una sola vez cada uno de los elementos en
consideración. Cada una de las t2 celdas resultantes contiene una de las t letras que
corresponde a los tratamientos, y cada letra ocurre una y solo una vez en cada fila y
columna. Algunos de los cuadrados latinos son:
Una de las ventajas del DCL es que al hacer el control local en dos direcciones, se tiene
un mayor control en la variación, resultando el CME más pequeño que cuando se usa
DCA o DBCA.
Sin embargo, esta clase de experimento presenta algunas desventajas, como son:
El número de tratamientos se limita al número de filas y al número de columnas.
32
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Donde las unidades experimentales o parcelas tenían 10m x 12m y se obtuvieron los
siguientes resultados en kilogramos/parcela:
33
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Columna
Fila I II III IV V VI
F D A B E C
I 28.2 29.1 32.1 33.1 31.1 32.4
E B C F D A
II 31 29.5 29.4 24.8 33 30.6
D E F C A B
III 30.6 28.8 21.7 30.8 31.9 30.1
C A B D F E
IV 33.1 30.4 28.8 31.4 26.7 31.9
B F E A C D
V 29.9 25.8 30.3 30.3 33.5 32.3
A C D E B F
VI 30.8 29.7 27.4 29.1 30.7 21.4
Considerando que se utilizo el Diseño en Cuadrado Latino, se pide determinar cuál de los
ferilizantes usado tuvo un mejor efecto en la producción.
Para facilitar los cálculos, en el mismo cuadro ordenado de resultados hallamos las
sumatorias de los rendimientos por columnas y filas:
Columna
Fila I II III IV V VI ∑ filas
F D A B E C
I 186
28.2 29.1 32.1 33.1 31.1 32.4
E B C F D A
II 178.3
31 29.5 29.4 24.8 33 30.6
D E F C A B
III 173.9
30.6 28.8 21.7 30.8 31.9 30.1
C A B D F E
IV 182.3
33.1 30.4 28.8 31.4 26.7 31.9
B F E A C D
V 182.1
29.9 25.8 30.3 30.3 33.5 32.3
A C D E B F
VI 169.1
30.8 29.7 27.4 29.1 30.7 21.4
∑ Col 183.6 173.3 169.7 179.5 186.9 178.7 1071.7
Al mismo tiempo ordenamos los resultados por tratamientos y hallamos la sumatoria y los
promedios:
34
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Filas
Trat I II III IV V VI Total Trat Promedio
F 28.2 24.8 21.7 26.7 25.8 21.4 148.6 24.8
A 32.1 30.6 31.9 30.4 30.3 30.8 186.1 31.0
B 33.1 29.5 30.1 28.8 29.9 30.7 182.1 30.4
C 32.4 29.4 30.8 33.1 33.5 29.7 188.9 31.5
D 29.1 33 30.6 31.4 32.3 27.4 183.8 30.6
E 31.1 31 28.8 31.9 30.3 29.1 182.2 30.4
Total 186 178.3 173.9 182.3 182.1 169.1 1071.7 29.8
GLtrat = 6 -1= 5
GLfilas = 6 -1= 5
GLcolumnas = 6 -1= 5
GLTotal = 36 – 1 = 35
GLErr = 35 – 5 – 5 - 5 = 20
Ft
F de V gl SC CM FC Significacion
5% 1%
Tratamiento 5 185.76 37.15 24.56 2.71 4.10 **
Fila 5 32.19 6.44 4.26 2.71 4.10 **
Columna 5 33.67 6.73 4.45 2.71 4.10 **
Error 20 30.26 1.51
Total 35 281.88
CV
CV = 4.13%
35
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Prueba de Tukey
C A D E B F
31.48 31.02 30.63 30.37 30.35 24.77
C 31.48 0.00 0.47 0.85 1.12 1.13 6.72
A 31.02 0.00 0.38 0.65 0.67 6.25
D 30.63 0.00 0.27 0.28 5.87
E 30.37 0.00 0.02 5.60
B 30.35 0.00 5.58
F 24.77 0.00
W 5% = (4.45) x ( 0.5021)
W 5% = 2.23
W1% = 2.77
C A D E B F
31.48 31.02 30.63 30.37 30.35 24.77
C 31.48 0.00 0.47 0.85 1.12 1.13 6.72(*)
A 31.02 0.00 0.38 0.65 0.67 6.25(*)
D 30.63 0.00 0.27 0.28 5.87(*)
E 30.37 0.00 0.02 5.60(*)
B 30.35 0.00 5.58(*)
F 24.77 0.00
36
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Prueba de Duncan
Así en el cuadro siguiente observamos los valores de la tabla AES 5% para cada
tratamiento, y de la misma forma el error estándar (√CMErr/r). Obteniéndose finalmente
los valores DSL:
2 3 4 5 6
AES 5% 2.9500 3.0970 3.1900 3.2550 3.3030
Error estándar 0.5021 0.5021 0.5021 0.5021 0.5021
DSL 1.4812 1.5550 1.6017 1.6343 1.6584
Contrastando los valores calculados de DSL con la diferencia de los promedios tenemos:
37
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
2 3 4 5 6
AES 5% 2.9500 3.0970 3.1900 3.2550 3.3030
Error estándar0.5021 0.5021 0.5021 0.5021 0.5021
DSL 1.4812 1.5550 1.6017 1.6343 1.6584
C A D E B F
31.48 31.02 30.63 30.37 30.35 24.77
C 31.48 0.00 0.47 0.85 1.12 1.13 6.72(*)
A 31.02 0.00 0.38 0.65 0.67 6.25(*)
D 30.63 0.00 0.27 0.28 5.87(*)
E 30.37 0.00 0.02 5.60(*)
B 30.35 0.00 5.58(*)
F 24.77 0.00
Finalmente se concluye indicando que con un 95% de certeza que los tratamientos
C,A,D,E y B son estadisticamente iguales, y que al mismo tiempo son superiores al
tratamiento F
38
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
2 3 4 5 6
AES 1% 4.0240 4.1970 4.3120 4.3950 4.4590
Error estándar0.5021 0.5021 0.5021 0.5021 0.5021
DSL 2.0205 2.1073 2.1651 2.2067 2.2389
C A D E B F
31.48 31.02 30.63 30.37 30.35 24.77
C 31.48 0.00 0.47 0.85 1.12 1.13 6.72(*)
A 31.02 0.00 0.38 0.65 0.67 6.25(*)
D 30.63 0.00 0.27 0.28 5.87(*)
E 30.37 0.00 0.02 5.60(*)
B 30.35 0.00 5.58(*)
F 24.77 0.00
39
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
COMPARACIONES DE MEDIAS
En el caso de los tratamientos sin estructura, que son los tratamientos entre los cuales no
existe ninguna relación entre ellos, ejemplo un conjunto de variedades se pueden
comparar por cualquiera delos métodos de comparación de medias como son: MDS,
Duncan, Tukey, SNK, Scheffé, etc.
Los tratamientos cualitativos con estructura, que son los tratamientos que pueden ser
agrupados en cuanto a alguna característica, por ejemplo un conjunto de 4 variedades,
dos precoces y dos tardías, se comparan con contrastes ortogonales.
En los tratamientos cuantitativos, por ejemplo niveles de fertilización (0, 40, 80, Kg./ha
de N), se utilizan los polinomios ortogonales, para estudiar las tendencias: lineal,
cuadrática, cúbica, etc. No quiere esto decir que no podamos aplicar en cada uno de
estos casos otros métodos de comparación de medias, siendo recomendable para
tratamientos cualitativos la prueba de Duncan, y para cuantitativos Tukey u otra prueba.
La DMS debe ser aplicada para pocos tratamientos.
Donde:
n = Numero de repeticiones
2(1.51)
DMS 5% = 2.086 x √
6
DMS 5% = 1.480
40
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
C A D E B F
31.48 31.02 30.63 30.37 30.35 24.77
C 31.48 0.00 0.47 0.85 1.12 1.13 6.72(*)
A 31.02 0.00 0.38 0.65 0.67 6.25(*)
D 30.63 0.00 0.27 0.28 5.87(*)
E 30.37 0.00 0.02 5.60(*)
B 30.35 0.00 5.58(*)
F 24.77 0.00
𝐶𝑀𝐸
𝑆𝑁𝐾 = 𝑡(𝑡𝑟𝑎𝑡, 𝑔𝑙) √
𝑛
Donde:
n = Numero de repeticiones
41
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
2 3 4 5 6
t 5% 2.9500 3.5800 3.9600 4.2400 4.4500
Error estándar0.5021 0.5021 0.5021 0.5021 0.5021
SNK 1.4812 1.7975 1.9883 2.1289 2.2343
C A D E B F
31.48 31.02 30.63 30.37 30.35 24.77
C 31.48 0.00 0.47 0.85 1.12 1.13 6.72(*)
A 31.02 0.00 0.38 0.65 0.67 6.25(*)
D 30.63 0.00 0.27 0.28 5.87(*)
E 30.37 0.00 0.02 5.60(*)
B 30.35 0.00 5.58(*)
F 24.77 0.00
42
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
𝐶𝑀𝐸
𝑆𝑐ℎ𝑒𝑓𝑓é = √(𝑡 − 1)(𝐹∞, 𝑔𝑙𝑡𝑟𝑎𝑡, 𝑔𝑙𝑒𝑟𝑟) √
𝑛
Donde:
t = Numero de tratamientos
n = Numero de repeticiones
1.51
𝑆𝑐ℎ𝑒𝑓𝑓é 5% = √(6 − 1)(2.711) √
6
Scheffe 5% = 1.843
C A D E B F
31.48 31.02 30.63 30.37 30.35 24.77
C 31.48 0.00 0.47 0.85 1.12 1.13 6.72(*)
A 31.02 0.00 0.38 0.65 0.67 6.25(*)
D 30.63 0.00 0.27 0.28 5.87(*)
E 30.37 0.00 0.02 5.60(*)
B 30.35 0.00 5.58(*)
F 24.77 0.00
43
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
r(F + C + T) − 2G
X=
(𝑟 − 1)(𝑟 − 2)
Donde:
X = Valor estimado.
T = Suma del valor del tratamiento que contiene a la parcela perdida.
F = Suma del valor de la fila que contiene a la parcela perdida.
C = Suma del valor de la columna que contiene a la parcela perdida
G = Gran Total de todas las observaciones.
r =Número de réplicas o repeticiones
44
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
∑ filas
B E A C D
7 11 10 15 35 78
D B C A E
30 8 11 9 58
E C D B A
10 17 25 9 13 74
C A E D B
20 14 15 30 6 85
A D B E C
12 20 5 14 19 70
∑ columnas 79 70 55 79 82 365
T = 71
F = 58
C = 55
G = 365
X = 15.8
Con el nuevo valor hallado reconstruimos las tablas respectivas para poder realizar el
análisis de vartiancia respectivo:
45
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
46
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
CONTRASTES ORTOGONALES
A partir de esto se establece los contrates C1,C2,C3,C4 y C5 con sus índices respectivos
para cada tratamiento (la cantidad de contrastes debe ser igual a los grados de libertad de
tratamientos, para este caso igual a 5).
Tal es así que en C1, donde se comparan los tratamientos sin nitrógeno y con nitrógeno,
el índice del tratamiento F es igual a 5 debido a que este se contrastara con los otros 5
tratamientos que tienen nitrógeno ( A,B,C,D y E), cuyos índices son -1, -1, -1, -1 y -1
respectivamente.
47
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
F A B C D E
Contraste Comparacion No N. (NH4)2SO4 (NH)4NO3 CO(NH2)2 Ca(NO3)2 NaNO3
148.6 186.1 182.1 188.9 183.8 182.2
C1 Sin N y con N 5 -1 -1 -1 -1 -1
C2 N org y N inorg 0 -1 -1 4 -1 -1
C3 N de NH4 y N deNO3 0 1 1 0 -1 -1
C4 NH4NO3 y (NH4)2SO4 0 1 -1 0 0 0
C5 NaNO3 y Ca(NO3)2 0 0 0 0 1 -1
En todos los contrastes es necesario que se cumpla la condición de que la suma de los
índices de cada contraste debe ser igual a cero.
Posteriormente se tiene que efectuar un Análisis de Variancia especial que debe tener los
siguientes elementos:
F tabulado
Fte de variacion gl SC CM FC Signif.
5% 1%
Tratamiento 5 185.765 37.153 24.559 2.71 4.1 **
C1 1
C2 1
C3 1
C4 1
C5 1
Error 20 30.256 1.513
Nótese que los valores que corresponden a Tratamiento y Error son los mismos que se
hallaron con el ANVA anterior (ANVA tradicional hallado en el ejemplo 1 de Diseños en
Cuadrado Latino). Así mismo los grados de libertad para cada contraste es igual a 1.
Para calcular la suma de cuadrados trabajaremos con las sumatorias de cada tratamiento,
(F=148.6, A=186.1, B=182.1, C=188.9, D=183.8 y E=182.2) incluyendo su índice
correspondiente y su signo:
48
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
F tabulado
Fte de variacion gl SC CM FC Signif.
1% 5%
Tratamiento 5 185.76 37.15 24.56 4.10 2.71 **
C1 1 180.20 180.20 119.12 8.10 4.35 **
C2 1 3.82 3.82 2.52 8.10 4.35 NS
C3 1 0.20 0.20 0.13 8.10 4.35 NS
C4 1 1.33 1.33 0.88 8.10 4.35 NS
C5 1 0.21 0.21 0.14 8.10 4.35 NS
Error 20 30.26 1.51
Tratamientos
Bloque T1 T2 T3 T4
I 6 5 7 8
II 7 6 7 9
III 7 7 8 8
IV 8 8 9 10
V 7 8 9 9
49
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Tratamientos
Bloque T1 T2 T3 T4 ∑
I 6 5 7 8 26
II 7 6 7 9 29
III 7 7 8 8 30
IV 8 8 9 10 35
V 7 8 9 9 33
∑ 35 34 40 44 153
Ft
F de V gl SC CM Fc
5% 1%
Tratamientos 3 12.95 4.32 15.70 3.26 5.41
Bloques 4 12.3 3.07 11.1818182 3.49 5.95
Error 12 3.3 0.27
Total 19 28.55
Indices de Contraste
Contrastes T1 T2 T3 T4
35 34 40 44
C1 1 1 -1 -1
C2 1 -1 0 0
C3 0 0 1 -1
Paso 3.- Hallando el ANVA especial, en este caso se usa los datos de tratamientos y del
error del ANVA normal asi:
50
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Ft
F de V gl SC CM Fc
5% 1%
Tratamientos 3 12.95 4.32 15.70 3.26 5.41
C1
C2
C3
Error 12 3.30 0.27
Para calcular la suma de cuadrados trabajaremos con las sumatorias de cada tratamiento,
(T1=35, T2=34, T3=40 y T4=44) incluyendo su índice y su signo correspondiente.
Los cuadrados medios y los valores de F calculado se hallan de la misma forma que para
un ANVA normal.
Ft
F de V gl SC CM Fc
5% 1%
Tratamientos 3 12.95 4.32 15.70 3.26 5.41 **
C1 1 11.25 11.25 40.91 4.75 9.33 **
C2 1 0.10 0.10 0.36 4.75 9.33 ns
C3 1 1.60 1.60 5.82 4.75 9.33 *
Error 12 3.30 0.27
51
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
POLINOMIOS ORTOGONALES
Cada suma de cuadrados representa un efecto: lineal, cuadrático, etc. La tendencia para
la partición de la suma de cuadrados de tratamientos es igual a la de contrastes
ortogonales.
contrastes son:
52
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
EJEMPLO 1:
T1: 20 mm semanales
T2: 40 mm semanales
T3: 60 mm semanales
T4: 80 mm semanales
53
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
TABLA DE DATOS
Bloques
Trat I II III IV
1 38.30 37.80 38.10 38.40
2 69.20 65.60 67.80 69.10
3 53.70 52.80 54.10 55.60
4 45.60 44.30 46.10 44.80
Bloques
Trat I II III IV Total Promedio
1 38.30 37.80 38.10 38.40 152.60 38.1500
2 69.20 65.60 67.80 69.10 271.70 67.9250
3 53.70 52.80 54.10 55.60 216.20 54.0500
4 45.60 44.30 46.10 44.80 180.80 45.2000
206.80 200.50 206.10 207.90 821.30 51.33
Fde V gl SC CM FC 5% 1% Significac.
Trat 3 1976.33 658.776 912.765 3.863 6.992 **
Bloque 3 8.17188 2.72396 3.77417 3.863 6.992 NS
Error 9 6.49562 0.72174
Total 15 1990.99
CV = 1.65%
Trat T1 T2 T3 T4
C1 -3 -1 1 3
C2 1 -1 -1 1
C3 -1 3 -3 1
54
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Trat T1 T2 T3 T4
∑ 152.6 271.7 216.2 180.8
SCLineal = 10.585
SCCuadratico = 1491.89
Cúbico = 473.85
Fde V gl SC CM FC 5% 1% Significac.
Lineal 1 10.585 10.585 14.666 5.117 10.562 **
Cuadratico 1 1491.891 1491.891 2067.086 5.117 10.562 **
Cubico 1 473.851 473.851 656.543 5.117 10.562 **
Error 9 6.496 0.722
Interpretación:
55
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Se encontró que los tratamientos tienen un efecto lineal, cuadrático y cubico con
un 99% de certeza, y para determinar más claramente este resultado graficaremos
los resultados:
64 64
60 60
56 56
52 52
B
B
48 48
44 44
40 40
36 36
32 32
24 32 40 48 56 64 72 80 88 16 24 32 40 48 56 64 72 80 88
A A
Gráficamente encontramos una mejor respuesta en el modelo cuadrático. Por lo
tanto se tiene que encontrar la ecuación respectiva a este modelo.
Donde:
Ŷ = valor estimado de Y
P = potencias de x
56
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Donde:
205.325 resulta de la sumatoria del producto del promedio por su índice (en este caso
el índice de los promedios es igual a 1).
7.275 resulta de la sumatoria del producto del promedio por el índice de polinomio
(38.15(-3) + 67.925(-1) + 54.05(-1) + 45.2(3)).
57
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
x−δ 2 t2 −1
𝑃2 = λ2 [( ) −( )] Para una respuesta cuadrática
d 12
Donde:
x = variable de la ecuación
= media de la distancia
t = numero de tratamientos
x−δ
𝑃1 = λ1 [ ]
d
x−δ 2 t2 −1
𝑃2 = λ2 [( ) −( )]
d 12
58
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Tenemos:
66
63
60 x y
57 20 40.6
40 60.7
y
54
60 61.5
51
80 43
48
45
42
24 32 40 48 56 64 72 80 88
x
x y
20 40.6
40 60.7
60 61.5
80 43
41 61.2
42 61.6
43 62
44 62.4
45 62.7
46 63
47 63.2
48 63.3
49 63.4
50 63.5
51 63.5
52 63.5
53 63.4
54 63.3
59
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
EXPERIMENTOS FACTORIALES
Características generales
El termino experimento factorial o arreglo factorial hace referencia a la constitución de los
tratamientos o combinaciones de tratamientos que se desean comparar. Este término no
afecta lo que se conoce como diseño de tratamientos, pues este se refiere a la selección
de factores que se desean estudiar los niveles de los factores a ensayar y combinación de
estos.
De esta forma se debe dejar en claro que el diseño de tratamientos es independiente del
diseño experimental, el cual hace referencia a la manera en que los tratamientos se
aleatorizan a las diferentes unidades experimentales y la forma como se controla la
variabilidad natural de las mismas. Así el diseño experimental puede ser completamente
aleatorizado, bloques completamente aleatorizados, cuadros latinos, etc., y para cada uno
de estos diseños se puede tener un arreglo factorial.
60
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Tipos de factores
61
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Ordenando los datos y hallando las sumatorias respectivas para los tratamientos,
especies, porciones y bloques tenemos:
Especie A B C
Porcion p1 p2 p3 p1 p2 p3 p1 p2 p3
I 95 67 74 74 71 68 87 70 67 673
II 90 68 64 85 68 73 93 75 70 686
III 87 78 67 79 69 65 89 69 71 674
272 213 205 238 208 206 269 214 208 2033
p1 779 p2 635 p3 619 2033
A 690 B 652 C 691 2033
62
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Ft
F de V gl SC CM Fc
5% 1%
Bloques 2 11.62963 5.814815 0.3168 3.634 6.226 ns
Tratamientos 8 1970.2963 246.287 13.417 2.591 3.89 **
Especie 2 109.85185 54.92593 2.9922 3.634 6.226 ns
Porcion 2 1725.6296 862.8148 47.003 3.634 6.226 **
ExP 4 134.81481 33.7037 1.8361 3.007 4.773 ns
Error 16 293.7037 18.35648
Total 26 2275.6296
√CMErr
CV = x 100
Promedio total
√18.35648148
CV = x 100
75.2962963
CV = 5.69
El Coeficiente de variabilidad nos indica que los datos son homogéneos, y que por lo tanto
podemos continuar con los análisis
63
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Para efectuar la prueba de Tukey entre los tratamientos, en primer lugar hallamos el valor
critico de Tukey de la siguiente forma:
CMerr
W1% = q1% x √
r
18.35648148
W1% = 6.22 x √
3
.
W1% = 15.39
CMerr
W5% = q5% x √
r
18.35648148
W5% = 5.03 x √
3
W5% = 12.44
Efectuando los constrastes entre las diferencias de promedios y los valores críticos de
Tukey tenemos:
64
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
AP1 90.67 0.00 1.00 11.34 19.34 19.67 21.34 21.34 22.00 22.34
CP1 89.67 0.00 10.34 18.34 18.67 20.34 20.34 21.00 21.34
BP1 79.33 0.00 8.00 8.33 10.00 10.00 10.66 11.00
CP2 71.33 0.00 0.33 2.00 2.00 2.66 3.00
AP2 71.00 0.00 1.67 1.67 2.33 2.67
BP1 69.33 0.00 0.00 0.66 1.00
CP3 69.33 0.00 0.66 1.00
BP3 68.67 0.00 0.34
AP3 68.33 0.00
Se observa que los valores de la parte sombreada son superiores a los valores de Tukey
al 1% y al 5%, por lo tanto a estas celdas le correspondería dos asteriscos como señal de
que existe diferencias entre los tratamientos comparados.
Grupo
Tratamiento Promedio
5% 1%
AP1 90.67 a a
CP1 89.67 a b a b
BP1 79.33 a b c a b c
CP2 71.33 c c
AP2 71.00 c c
BP1 69.33 c c
CP3 69.33 c c
BP3 68.67 c c
AP3 68.33 c c
Se concluye, con un 99% de certeza, de que los tratamientos: AP1,CP1 y BP1 son
estadísticamente iguales, y que al mismo tiempo son superiores al resto de tratamientos.
De la misma forma efectuamos la prueba de Tukey para las porciones, donde los valores
críticos de Tukey son los siguientes:
65
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
CMerr
W1% = q1% x √
r
18.35648148
W1% = 4.78 x √
9
W1% = 6.82
CMerr
W5% = q5% x √
r
18.35648148
W5% = 3.65 x √
9
W5% = 5.21
P1 P2 P3
86.556 70.556 68.778
P1 86.556 0 16 17.778
P2 70.556 0 1.778
P3 68.778 0
Efectuando los constrastes entre las diferencias de promedios y los valores críticos de
Tukey tenemos:
P1 P2 P3
86.556 70.556 68.778
P1 86.556 0 16 17.778
P2 70.556 0 1.778
P3 68.778 0
Grupo
Porcion Promedio
5% 1%
P1 86.556 a a
P2 70.556 b b
P3 68.778 b b
66
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
67
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
BIBLIOGRAFIA
68
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
13. Yates, F. (1936). "A new method of arranging variety trials involving a large number
of varieties." Journal of Agricultura1 Science 26,424-455.
ANEXOS
69
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
70
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
71
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
72
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
73
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
74
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
75
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
76
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Valores Críticos q'(p, df; 0.05) para pruebas de Rango Múltiple de Duncan a = 0.05
gl 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969
2 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085
3 4.501 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516
4 3.926 4.013 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033
5 3.635 3.749 3.796 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814
6 3.46 3.586 3.649 3.68 3.694 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697
7 3.344 3.477 3.548 3.588 3.611 3.622 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625
8 3.261 3.398 3.475 3.521 3.549 3.566 3.575 3.579 3.579 3.579 3.579 3.579 3.579 3.579 3.579 3.579 3.579 3.579 3.579
9 3.199 3.339 3.42 3.47 3.502 3.523 3.536 3.544 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547
10 3.151 3.293 3.376 3.43 3.465 3.489 3.505 3.516 3.522 3.525 3.525 3.525 3.525 3.525 3.525 3.525 3.525 3.525 3.525
11 3.113 3.256 3.341 3.397 3.435 3.462 3.48 3.493 3.501 3.506 3.509 3.51 3.51 3.51 3.51 3.51 3.51 3.51 3.51
12 3.081 3.225 3.312 3.37 3.41 3.439 3.459 3.474 3.484 3.491 3.495 3.498 3.498 3.498 3.498 3.498 3.498 3.498 3.498
13 3.055 3.2 3.288 3.348 3.389 3.419 3.441 3.458 3.47 3.478 3.484 3.488 3.49 3.49 3.49 3.49 3.49 3.49 3.49
14 3.033 3.178 3.268 3.328 3.371 3.403 3.426 3.444 3.457 3.467 3.474 3.479 3.482 3.484 3.484 3.484 3.484 3.484 3.484
15 3.014 3.16 3.25 3.312 3.356 3.389 3.413 3.432 3.446 3.457 3.465 3.471 3.476 3.478 3.48 3.48 3.48 3.48 3.48
16 2.998 3.144 3.235 3.297 3.343 3.376 3.402 3.422 3.437 3.449 3.458 3.465 3.47 3.473 3.476 3.477 3.477 3.477 3.477
17 2.984 3.13 3.222 3.285 3.331 3.365 3.392 3.412 3.429 3.441 3.451 3.459 3.465 3.469 3.472 3.474 3.475 3.475 3.475
18 2.971 3.117 3.21 3.274 3.32 3.356 3.383 3.404 3.421 3.435 3.445 3.454 3.46 3.465 3.469 3.472 3.473 3.474 3.474
19 2.96 3.106 3.199 3.264 3.311 3.347 3.375 3.397 3.415 3.429 3.44 3.449 3.456 3.462 3.466 3.469 3.472 3.473 3.474
20 2.95 3.097 3.19 3.255 3.303 3.339 3.368 3.39 3.409 3.423 3.435 3.445 3.452 3.459 3.463 3.467 3.47 3.472 3.473
25 2.913 3.059 3.154 3.221 3.271 3.31 3.341 3.366 3.386 3.403 3.417 3.429 3.439 3.447 3.454 3.459 3.464 3.468 3.471
30 2.888 3.035 3.131 3.199 3.25 3.29 3.322 3.349 3.371 3.389 3.405 3.418 3.429 3.439 3.447 3.454 3.46 3.466 3.47
40 2.858 3.005 3.102 3.171 3.224 3.266 3.3 3.328 3.352 3.372 3.389 3.404 3.418 3.429 3.439 3.448 3.456 3.463 3.469
60 2.829 2.976 3.073 3.143 3.198 3.241 3.277 3.307 3.333 3.355 3.374 3.391 3.406 3.419 3.431 3.441 3.451 3.46 3.468
80 2.814 2.961 3.059 3.13 3.185 3.229 3.266 3.297 3.323 3.346 3.366 3.384 3.4 3.414 3.427 3.438 3.449 3.458 3.467
120 2.8 2.947 3.045 3.116 3.172 3.217 3.254 3.286 3.313 3.337 3.358 3.377 3.394 3.409 3.423 3.435 3.446 3.457 3.466
240 2.786 2.933 3.031 3.103 3.159 3.205 3.243 3.276 3.304 3.329 3.35 3.37 3.388 3.404 3.418 3.432 3.444 3.455 3.466
α 2.772 2.918 3.017 3.089 3.146 3.193 3.232 3.265 3.294 3.32 3.343 3.363 3.382 3.399 3.414 3.428 3.442 3.454 773.466
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
Valores Críticos q'(p, df; 0.01) para pruebas de Rango Múltiple de Duncan a = 0.01
gl 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024
2 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036
3 8.26 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321
4 6.511 6.677 6.74 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755
5 5.702 5.893 5.989 6.04 6.065 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074
6 5.243 5.439 5.549 5.614 5.655 5.68 5.694 5.701 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703
7 4.949 5.145 5.26 5.333 5.383 5.416 5.439 5.454 5.464 5.47 5.472 5.472 5.472 5.472 5.472 5.472 5.472 5.472 5.472
8 4.745 4.939 5.056 5.134 5.189 5.227 5.256 5.276 5.291 5.302 5.309 5.313 5.316 5.317 5.317 5.317 5.317 5.317 5.317
9 4.596 4.787 4.906 4.986 5.043 5.086 5.117 5.142 5.16 5.174 5.185 5.193 5.199 5.202 5.205 5.206 5.206 5.206 5.206
10 4.482 4.671 4.789 4.871 4.931 4.975 5.01 5.036 5.058 5.074 5.087 5.098 5.106 5.112 5.117 5.12 5.122 5.123 5.124
11 4.392 4.579 4.697 4.78 4.841 4.887 4.923 4.952 4.975 4.994 5.009 5.021 5.031 5.039 5.045 5.05 5.054 5.057 5.059
12 4.32 4.504 4.622 4.705 4.767 4.815 4.852 4.882 4.907 4.927 4.944 4.957 4.969 4.978 4.986 4.993 4.998 5.002 5.005
13 4.26 4.442 4.56 4.643 4.706 4.754 4.793 4.824 4.85 4.871 4.889 4.904 4.917 4.927 4.936 4.944 4.95 4.955 4.96
14 4.21 4.391 4.508 4.591 4.654 4.703 4.743 4.775 4.802 4.824 4.843 4.859 4.872 4.884 4.894 4.902 4.909 4.916 4.921
15 4.167 4.346 4.463 4.547 4.61 4.66 4.7 4.733 4.76 4.783 4.803 4.82 4.834 4.846 4.857 4.866 4.874 4.881 4.887
16 4.131 4.308 4.425 4.508 4.572 4.622 4.662 4.696 4.724 4.748 4.768 4.785 4.8 4.813 4.825 4.835 4.843 4.851 4.858
17 4.099 4.275 4.391 4.474 4.538 4.589 4.63 4.664 4.692 4.717 4.737 4.755 4.771 4.785 4.797 4.807 4.816 4.824 4.832
18 4.071 4.246 4.361 4.445 4.509 4.559 4.601 4.635 4.664 4.689 4.71 4.729 4.745 4.759 4.771 4.782 4.792 4.801 4.808
19 4.046 4.22 4.335 4.418 4.483 4.533 4.575 4.61 4.639 4.664 4.686 4.705 4.722 4.736 4.749 4.76 4.771 4.78 4.788
20 4.024 4.197 4.312 4.395 4.459 4.51 4.552 4.587 4.617 4.642 4.664 4.684 4.701 4.716 4.729 4.741 4.751 4.761 4.769
25 3.942 4.112 4.224 4.307 4.371 4.423 4.466 4.502 4.532 4.559 4.582 4.603 4.621 4.638 4.652 4.665 4.677 4.688 4.698
30 3.889 4.056 4.168 4.25 4.314 4.366 4.409 4.445 4.477 4.504 4.528 4.55 4.569 4.586 4.601 4.615 4.628 4.64 4.65
40 3.825 3.988 4.098 4.18 4.243 4.295 4.339 4.376 4.408 4.436 4.461 4.483 4.503 4.521 4.537 4.552 4.566 4.579 4.591
60 3.762 3.922 4.03 4.111 4.174 4.226 4.27 4.307 4.34 4.368 4.394 4.417 4.437 4.456 4.474 4.489 4.504 4.518 4.53
80 3.732 3.89 3.997 4.077 4.14 4.192 4.236 4.273 4.306 4.335 4.36 4.384 4.405 4.424 4.442 4.458 4.473 4.487 4.5
120 3.702 3.858 3.964 4.044 4.107 4.158 4.202 4.239 4.272 4.301 4.327 4.351 4.372 4.392 4.41 4.426 4.442 4.456 4.469
240 3.672 3.827 3.932 4.011 4.073 4.125 4.168 4.206 4.239 4.268 4.294 4.318 4.339 4.359 4.378 4.394 4.41 4.425 4.439
α 3.643 3.796 3.9 3.978 4.04 4.091 4.135 4.172 4.205 4.235 4.261 4.285 4.307 4.327 4.345 4.363 4.379 4.394 4.408
78
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
79
Métodos Estadíscos para la Investigación Forestal - UNAMAD/Joel Peña Valdeiglesias 2010
80