Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tabla de contenido
1. DISEÑO COMPLETAMENTE AL AZAR ........................................................ 1
GENERALIDADES ..................................................................................... 1
DISEÑO COMPLETAMENTE AL AZAR CON IGUAL NUMERO DE
OBSERVACIONES POR TRATAMIENTO ............................................................................ 2
1.2.1. Modelo matemático ................................................................................... 2
1.2.2. Formulas empleadas .................................................................................. 2
1.2.3. Esquema del análisis de varianza .............................................................. 3
1.2.4. Desarrollo Manual (paso a paso) ............................................................... 4
1.2.5. Desarrollo en Excel (paso a paso) ............................................................. 6
1.2.6. Desarrollo en Infostat (paso a paso) .......................................................... 9
COMPARACIÓN DE MEDIAS ................................................................ 13
1.3.1. Diferencia Mínima Significativa (DMS)................................................. 13
1.3.2. Prueba de Duncan.................................................................................... 13
1.3.3. Prueba de Tukey ...................................................................................... 13
1.3.4. Comparaciones Ortogonales ................................................................... 13
1.3.5. Polinomios Ortogonales .......................................................................... 13
DISEÑO COMPLETAMENTE AL AZAR CON DIFERENTE NUMERO
DE OBSERVACIONES POR TRATAMIENTO ................................................................... 13
1.4.1. Modelo matemático ................................................................................. 13
1.4.2. Formulas empleadas ................................................................................ 13
1.4.3. Esquema del análisis de varianza ............................................................ 14
1.4.4. Desarrollo Manual (paso a paso) ............................................................. 14
1.4.5. Desarrollo en Excel (paso a paso) ........................................................... 16
1.4.6. Desarrollo en INFOSTAT (paso a paso) ................................................. 17
DISEÑO COMPLETAMENTE AL AZAR CON SUBMUESTRAS ....... 20
1.5.1. Modelo matemático ................................................................................. 20
1.5.2. Formulas empleadas ................................................................................ 20
1.5.3. Esquema del análisis de varianza ............................................................ 21
1.5.4. Desarrollo Manual (paso a paso) ............................................................. 21
1.5.5. Desarrollo en INFOSTAT (paso a paso) ................................................. 26
INTRODUCCION ...................................................................................... 33
QUE SON LOS PRESUPUESTOS PARCIALES ..................................... 33
CUANDO UTILIZAR PRESUPUESTOS PARCIALES .......................... 33
PASOS PARA SU APLICACIÓN ............................................................. 33
EJERCICIO (PASO A PASO) ................................................................... 33
GENERALIDADES
El diseño completamente al azar (DCA) o con un criterio de clasificación es uno de los más
simples de los diseños experimentales. Es el diseño básico que da lugar a los demás diseños
mediante la adición de restricciones o condiciones que se deben cumplir. En este diseño no
hay restricción alguna, lo único que se debe cumplir es que los tratamientos se distribuyan al
azar en todas las unidades experimentales; es decir, cada unidad experimental tiene la misma
oportunidad de recibir a cualquier tratamiento, el número de unidades por tratamiento puede
ser igual o diferente. El DCA es apropiado para experimentos en laboratorio, invernadero y
ganadería, donde los efectos ambientales especialmente son fáciles de controlar.
El DCA, se usa raramente en experimentos de campo porque hay otros casi tan simples y
mucho más eficientes, sin embargo es recomendado su uso experimental en invernadero y
laboratorios (condiciones controladas), también se recomienda su uso en la ganadería
(condiciones semicontroladas). Además es útil en ensayos preliminares cuando el material
experimental es limitado, por ejemplo poca semilla.
Xij = μ + t i + εij
Dónde:
μ = Efecto medio
t i = Efecto del tratamiento
εij = valor aleatorio, error experimental de la unidad experimental
𝐺𝑇 2
Factor de corrección (FC) 𝐹𝐶 = 𝑛
Grados de libertad total 𝐺𝐿𝑇 = 𝑛 − 1
Grados de libertad de tratamientos 𝐺𝐿𝑡 = 𝑡 − 1
Grados de libertad del error 𝐺𝐿𝑒 = (𝑛 − 1) − (𝑡 − 1)
El DCA con igual número de repeticiones significa que cada uno de los tratamientos tiene
que ser repetido el mismo número de veces. Por ejemplo si se tiene tres tratamientos (t1, t2,
t3) y cuatro repeticiones (r1, r2, r3, r4), el t1, t2 y t3 deberán repetirse cuatro veces cada uno.
T1 T2 T1 T3
T3 T3 T1 T3
T2 T1 T2 T2
Dónde:
GT : Gran total
GL : Grados de libertad
SC : Suma de cuadrados
CM : Cuadrados medios
t : Número de tratamientos
Ejemplo tomado de (Padrón, 1996), en un ensayo con macetas se aplicaron cinco dosis de
fertilización (0, 200, 400, 600 y 800 kg de nitrógeno por hectárea) con a clones de pasto
estrella. Se implementaron cuatro macetas por tratamiento. Los rendimientos en materia seca
se presentan en el cuadro 2, y las hipótesis planteadas fueron:
𝐺𝑇 2 1 2822
𝐹𝐶 = = = 82 176,2
𝑛 20
Grados de libertad
GLT = n − 1 = 20 − 1 = 𝟏𝟗
GLt = t − 1 = 5 − 1 = 𝟒
GLe = (n − 1) − (t − 1) = (19) − (4) = 𝟏𝟓
Suma de cuadrados
Cuadrados medios
𝑆𝐶𝑡 7 286
𝐶𝑀𝑡 = = = 1 821,5
𝐺𝐿𝑡 4
𝑆𝐶𝑒 882
𝐶𝑀𝑒 = = = 58,8
𝐺𝐿𝑒 15
F. calculada
𝐶𝑀𝑡 1 821,5
𝐹= = = 30,98
𝐶𝑀𝑒 58,8
El valor de f tabular F0,05 o F0,01 se lo busca en las tabla de F, se lee el valor haciendo
coincidir cuatro grados de libertad en la horizontal (GLt) y 15 grados de libertad en la vertical
(GLe), cuyo resultado es 3,06 al 5% y 4,89 al 1%.
El resultado del análisis de varianza indica diferencia pero no señala cual o cuales de los
tratamientos son el mejor o mejores.
Para saber cuál es el mejor tratamiento se aplican las pruebas de comparaciones múltiples en
las medias de tratamiento y la base para ellas es el cálculo del error estándar de la media de
𝐶𝑀𝑒 58,8
tratamiento 𝑠𝑥̅ = √ =√ = 3,83 esta fórmula se utiliza para aplicar la prueba de
𝑟 4
Duncan y Tukey; cuando se aplica la Diferencia Mínima Significativa es necesario
2𝐶𝑀𝑒 2(58,8)
multiplicar por dos el cuadrado medio del error así 𝑠𝑥̅ = √ =√ = 5,42.
𝑟 4
Otros cálculos
𝐺𝑇 1282
Media general del experimento: ̅
X= 𝑛 = = 64,1
20
Desviación estándar: 𝑠 = √𝐶𝑀𝑒 = √58,8 = 7,67
𝑠 7,67
Coeficiente de variación: 𝐶𝑉 = 𝑋̅ ∗ 100 = ∗ 100 = 11,96 %
64,1
ns: Cuando el Fc es menor que el Ft, el resultado del análisis de varianza se declara como no
significativo, se acepta la hipótesis nula de que los tratamientos son iguales a un determinado
nivel de significancia.
Una vez activada la herramienta análisis de datos en Excel se procede a realizar análisis de
varianza en DCA.
Luego de aceptar se obtienen los resultados, a los que hay que editarlos para presentarlos en
el informe, la edición consiste en cambiar los títulos o encabezados en columnas y filas.
Al final el cuadro de resultados se verá tal como el cuadro presentado en la figura 4. Por
último se procede a interpretar los resultados
Para el desarrollo de un DCA en Infostat, primeramente hay que ordenar los datos en Excel y
seleccionarlos incluyendo los rótulos (Tratamiento y Rendimiento).
Luego, se abre Infostat y en la cinta de opciones se escoge Archivo --- nueva tabla --- pegar
incluyendo nombre de columnas --- análisis de varianza.
En Excel En Infostat
Nota: Es recomendable copiar los resultados de Infostat y pegarlos en Excel para editarlos y
ubicarlos en el informe con la numeración y título respectivo (ver cuadro 4), finalmente se
procede a interpretar el resultado.
Nótese que tanto Excel como Infostat arrojan el resultado de probabilidad y p-valor
respectivamente. Este dato sirve para definir la significación estadística al compararlo con el
p≤0,05 o p≤0,01. Si el valor de probabilidad calculado en el análisis de la varianza es mayor
que el valor de 0,01 o 0,05 se dice que no hay diferencia estadística y por el contrario si el
valor de probabilidad calculado en el análisis de la varianza es menor que el valor de 0,01 o
0,05 se dice que existe diferencia estadística significativa al nivel de alfa 0,05 y altamente
significativa al nivel de alfa 0,01.
COMPARACIÓN DE MEDIAS
1.3.1. Diferencia Mínima Significativa (DMS)
1.3.2. Prueba de Duncan
1.3.3. Prueba de Tukey
1.3.4. Comparaciones Ortogonales
1.3.5. Polinomios Ortogonales
Xij = μ + τi + εij
Dónde:
μ = Efecto medio
τi = Efecto del tratamiento
εij = valor aleatorio, error experimental de la unidad experimental
𝐺𝑇 2
Factor de corrección (FC) 𝐹𝐶 = 𝑛
Grados de libertad total 𝐺𝐿𝑇 = 𝑛 − 1
Grados de libertad de tratamientos 𝐺𝐿𝑡 = 𝑡 − 1
Realizados los cálculos, se llena el esquema del análisis de varianza, de acuerdo al modelo
que se presenta a continuación.
Cuadro 5. Forma general del análisis de varianza del Diseño Completamente aleatorio
Fuentes de variación GL SC CM Relación F
Tratamientos t-1 SCt CMt CMt/CMe
Error experimental (n-1)-(t-1) SCe CMe
Total n-1 SCT
Dónde:
GT : Gran total
GL : Grados de libertad
SC : Suma de cuadrados
CM : Cuadrados medios
t : Número de tratamientos
n : Número de unidades experimentales
SCt : Suma de cuadrados de tratamientos
SCe : Suma de cuadrados del error experimental
SCT : Suma de cuadrados del total
CMt : Cuadrado medio de tratamientos
CMe : Cuadrado medio del error experimental
Se plantea analizar la descendencia de tres reproductores vacunos expresados por los pesos
en kilogramos de los terneros hijos de cada reproductor, a los cuatro meses de nacidos.
La hipótesis nula será que los tres reproductores son eficientes al nivel de significancia del
5%.
La hipótesis alternativa será que al menos uno los reproductores es más eficiente que los
otros al nivel de significancia del 5%.
Grados de libertad
GLT = n − 1 = 17 − 1 = 𝟏𝟔
GLt = t − 1 = 3 − 1 = 𝟐
GLe = (n − 1) − (t − 1) = (16) − (2) = 𝟏𝟒
Suma de cuadrados
𝑆𝐶𝑇 = ∑ 𝑦𝑖2 − 𝐹𝐶 = (902 + 922 + 1002 + ⋯ . +1032 ) − 135 548,47 = 1 963,53
∑𝑡𝑖=1 𝑡𝑖2 6062 5482 3642
𝑆𝐶𝑡 = − 𝐹𝐶 = ( + + ) − 82 172,2 = 7 286
𝑟 7 6 4
𝑆𝐶𝑒 = 𝑆𝐶𝑇 − 𝑆𝐶𝑡 = 1963,53 − 88,48 = 1 875,05
Cuadrados medios
𝑆𝐶𝑡 88,48
𝐶𝑀𝑡 = = = 44,24
𝐺𝐿𝑡 2
𝑆𝐶𝑒 1875,05
𝐶𝑀𝑒 = = = 133,93
𝐺𝐿𝑒 14
F. calculada
𝐶𝑀𝑡 44,24
𝐹= = = 0,33
𝐶𝑀𝑒 133,93
Otros cálculos:
Promedio del experimento = 89,29
Desviación estándar = 11,57
Coeficiente de variación = 12,96
Una vez que se acepta se obtienen los resultados, es importante editarlos de acuerdo a las
reglas para elaboración de cuadros y por último se procede a interpretar.
Para el desarrollo del DCA con diferente número de observaciones por tratamiento en
Infostat, se procede a organizar los datos en Excel, así como se muestra en la figura XX.
Figura 8. Datos del DCA con diferente número de observaciones por tratamiento
Conocido también como DCA con submuestras. Se trata de tener dos o más observaciones
dentro de cada unidad experimental constituida por varias plantas o animales, en las que se
hacen observaciones individuales. Estas observaciones se conocen como submuestras o
unidades de muestreo.
El escogimiento de las muestras deberá realizarse siguiendo las leyes del azar o de algún
criterio preestablecido, por ejemplo: sólo aquellas plantas ubicadas del lado derecho de la
maceta.
En el DCA con submuestras existen dos fuentes de variación que contribuyen a la variancia y
que se aplican a comparaciones entre medias de tratamiento y son: el error experimental (la
variación entre unidades experimentales de un mismo tratamiento) y error de muestreo (la
variabilidad entre subunidades o muestras de una misma unidad experimental).
Dónde:
μ = Media general del experimento
τi = Efecto de tratamientos
εij = Error experimental
δijk = Error de muestreo
GT2
Factor de corrección Fc =
t∗r∗m
∑ UE2i
Suma de cuadrados de unidad experimental SCue = − Fc
m
Suma de cuadrados del error experimental SCe = SCue − SCt
Suma de cuadrados del error de muestreo SCem = SCT − SCt − SCe
SCt
Cuadrados medios de tratamientos CMt = GLt
SCe
Cuadrado medio del error experimental CMe = GLe
SCem
Cuadrado medio del error de muestreo CMem = GLem
CMt
F calculada para tratamientos Ftrat = CMe
CMe
F calculada para el error experimental Fe = CMem
√CMem
Coeficiente de variación CV = ̅
∗ 100
X
F calculada para el error experimental indica si la variación observada dentro de las unidades
experimentales de un mismo tratamiento es significativo o no.
En función del modelo matemático el esquema del ADEVA del DCA con submuestras es el
siguiente.
En la siguiente figura se presenta el esquema del DCA con subunidades por unidad
experimental.
T1 T2
T3 T4
Figura 10. Representación gráfica del DCA con subunidades por unidad experimental
Cuadro 10. Datos del experimento DCA con subunidades por unidad experimental
Tratamientos
Unidad Experimental Solución 1 Solución 2 Solución 3 Solución 4
I II III I II III I II III I II III
1 27 32 33 24 27 20 30 22 24 21 18 15
Muestras
2 30 29 35 20 26 22 27 21 21 19 17 14
Σ U. Experimental 57 61 68 44 53 42 57 43 45 40 35 29
Σ Tratamiento 186 139 145 104
Σ Total 574
Repeticiones r = 3
Tratamientos t = 4
Muestras m = 2
Factor de corrección
GT2 5742
Fc = t∗r∗m = 4∗3∗2 = 13 728,17
Coeficiente de variación
√CMem
CV = ̅
∗ 100
X
2,83
CV = √23,92 ∗ 100
CV = 7,04 %
RELACIÓN F
F para tratamientos: el F tabular al 0,05 es 4,07 y al 0,01 es 7,59; con 3 y 8 grados de libertad.
F para el error experimental: el F tabular al 0,05 es 2,85 y al 0,01 es 4,50; con 8 y 12 grados
de libertad
Cuadro 11. Análisis de varianza en DCA con submuestras, resultados del proceso manual.
Grados de Suma de Cuadrados
Fuentes de variación Fc F0,05 F0,01
libertad cuadrados medios
Tratamientos 3 564,83 188,28** 9,84 4,07 7,59
Fruto
Variedad Huerto
1 2 3 4
1 2 2,1 1,9 2
2 2,2 2,3 2,2 2,1
3 2,4 2,3 2,2 2,3
Variedad A
4 1,9 1,8 2,2 2
5 2,4 2,5 2,3 2,4
6 2,5 2,5 2,4 2,5
1 2,4 2,3 2,4 2,1
2 2 2,1 1,9 1,9
3 2,2 2,2 2,4 2,3
Variedad B
4 2,6 2,5 2,5 2,7
5 1,8 2 2,1 1,9
6 2,5 2,6 2,6 2,7
1 1,8 1,7 1,7 1,9
2 2 2,1 1,9 2,1
3 1,6 1,7 1,7 1,7
Variedad C
4 1,9 1,8 1,9 2
5 2 2,2 2 2,2
6 1,6 1,8 1,7 1,6
Cuadro 14. Datos arreglados del DCA con submuestras, para análisis en Infostat
3 2 2 21
3 3 1 24
3 3 2 21
4 1 1 21
4 1 2 19
4 2 1 18
4 2 2 17
4 3 1 15
4 3 2 14
Cuadro 15. Análisis de la varianza del DCA con submuestras, resultados de Infostat.
Grados
Suma de de Cuadrados p-
Fuentes de variación cuadrados libertad medios F valor (Error)
4. EXPERIMENTOS FACTORIALES
4.1.1. Generalidades
4.1.2. Modelo matemático
4.1.3. Formulas empleadas
4.1.4. Esquema del análisis de varianza
4.1.5. Desarrollo Manual (paso a paso)
4.1.6. Desarrollo en INFOSTAT (paso a paso)
4.2.1. Generalidades
4.2.2. Modelo matemático
4.2.3. Formulas empleadas
4.2.4. Esquema del análisis de varianza
4.2.5. Desarrollo Manual (paso a paso)
4.2.6. Desarrollo en INFOSTAT (paso a paso)
4.3.1. Generalidades
4.3.2. Modelo matemático
4.3.3. Formulas empleadas
4.3.4. Esquema del análisis de varianza
4.3.5. Desarrollo Manual (paso a paso)
4.3.6. Desarrollo en INFOSTAT (paso a paso)
4.4.1. Generalidades
4.4.2. Modelo matemático
4.4.3. Formulas empleadas
4.4.4. Esquema del análisis de varianza
4.4.5. Desarrollo Manual (paso a paso)
4.4.6. Desarrollo en INFOSTAT (paso a paso)
5.1.1. Generalidades
5.1.2. Modelo matemático
5.1.3. Formulas empleadas
5.1.4. Esquema del análisis de varianza
5.1.5. Desarrollo Manual (paso a paso)
5.1.6. Desarrollo en INFOSTAT (paso a paso)
5.2.1. Generalidades
5.2.2. Modelo matemático
5.2.3. Formulas empleadas
5.2.4. Esquema del análisis de varianza
5.2.5. Desarrollo Manual (paso a paso)
5.2.6. Desarrollo en INFOSTAT (paso a paso)
5.3.1. Generalidades
5.3.2. Modelo matemático
5.3.3. Formulas empleadas
5.3.4. Esquema del análisis de varianza
5.3.5. Desarrollo Manual (paso a paso)
5.3.6. Desarrollo en INFOSTAT (paso a paso)
5.4.1. Generalidades
5.4.2. Modelo matemático
5.4.3. Formulas empleadas
5.4.4. Esquema del análisis de varianza
5.4.5. Desarrollo Manual (paso a paso)
5.4.6. Desarrollo en INFOSTAT (paso a paso)
INTRODUCCION