DISEÑO EXPERIMENTAL

PREGUNTAS ORIENTADORAS FASE 2

FASE 2 – IDENTIFICAR Y APLICAR DISEÑOS COMPLETOS AL AZAR Y BLOQUES

COMPLETOS AL AZAR

ESTUDIANTE

TUTOR

DIEGO ALBERTO DEAZA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

PROGRAMA DE AGRONOMIA

MARZO DEL 2020

 INTRODUCCION

En el siguiente trabajo introducimos algunos aspectos elementales del Diseño

experimental de Experimentos y del Análisis de la Varianza.

El diseño de experimentos incluye un conjunto de técnicas de análisis y un método de

construcción de modelos estadísticos que, conjuntamente, permiten llevar a cabo el
proceso completo de planificar un experimento para obtener datos apropiados, que
puedan ser analizados con métodos estadísticos, con objeto de obtener conclusiones
válidas y objetivas.

En este trabajo presentamos el diseño completamente al azar y el diseño bloques

completos al azar.

OBJETIVOS

 Plantear y resolver el contraste sobre las medias de los tratamientos.

 Saber aplicar los procedimientos de comparaciones múltiples.
 1. Consulte el video la primera web del curso y posteriormente responda:
• Qué tipo de variables existen en estadística

Variables Cuantitativas

- Variable cuantitativa continua: Las variables continuas son variables numéricas

que tienen un número infinito de valores entre dos valores cualesquiera. Una variable
continua puede ser numérica o de fecha/hora. Por ejemplo, la longitud de una pieza o
la fecha y hora en que se recibe un pago. Ejemplo Ambiental: PH, PM, BDQ, DBO

Zootecnia: peso, altura

Agronomía: El peso de fruto, Diámetro de cabeza

- Variable cuantitativa discreta: Las variables discretas son variables numéricas

que tienen un número contable de valores entre dos valores cualesquiera. Una variable
discreta siempre es numérica. Ejemplo

Ambiental: Numero de empresas por barro con decibles por encima de lo permitido

Zootecnia: El número de partos de una vaca de una edad definida, el número de

lechones por cerdita.

Agronomía: Numero de dedos en plátano

Variables cualitativas

- Variables categóricas: Nivel tecnológico, nivel de escolaridad, estrato

- Variables nominales: Las razas, variedades

• El diseño completamente al azar en qué condiciones se usa.

Este diseño puede ser utilizado para experimentos unifactoriales y multifactoriales.

Es propio para experimentos de laboratorios y semilaboratorios.

• El diseño bloques completamente al azar en qué condiciones se usa

Conocido como diseño de doble vía, se aplica cuando el material es heterogéneo. Las
unidades experimentales homogéneas se agrupan formando grupos homogéneos
llamados bloques.

• En análisis de varianza cuál es la hipótesis nula que se prueba.

La hipótesis de que las medias de dos o más poblaciones son iguales. Los ANOVA
evalúan la importancia de uno o más factores al comparar las medias de la variable de
respuesta en los diferentes niveles de los factores. La hipótesis nula establece que
todas las medias de la población (medias de los niveles de los factores) son iguales
mientras que la hipótesis alternativa establece que al menos una es diferente.

• Relacione una tabla los componentes de un análisis de varianza para un diseño

completamente al azar. Recuerde que lo que el libro de Ruesga relaciona como S2 es
cuadros medios o CME.

Ejemplo: Seis variables de papa con cuatro repeticiones, en cada de cultivo. Valores se
refieren a Kg.

Determinación de G

A B C D E F
2,84 1.38 2,15 1,16 3,02 2,32 12,87
2,66 1,70 2,83 1,38 2,84 1,50 12,91
2,45 2,01 - 1,94 3,06 1,82 11,28
2,.01 - - - - 2,28 4,29
9,96 5,09 4,98 4,48 8,92 7,92 41,35
Calculo del factor de corrección

(G)2
Fc=
N
(41,35)2
Fc=
19
Fc=89,99

• Los residuales del modelo para que se usan.

El análisis de los residuos consiste, por tanto, en contrastar que , i=1,...,n provienen

de una población normal con media 0 y varianza s 2 con las pruebas habituales de ji-
cuadrado, Kolmogorov-Smirnov. Hay que tener en cuenta que de este modo se están
contrastando globalmente todas las asunciones y, por consiguiente, una falta de
normalidad de los residuos puede ser debida también a que el modelo sea inapropiado
o a existencia de heterocedasticidad.

Teniendo en cuenta que (n-(k+1))s2/ s2 se distribuye como una ji-cuadrado con (n-(k+1))
grados de libertad, la variable
llamada residuo normalizado tendrá una distribución t de Student con (n-(k+1)) grados
de libertad, que para valores de n suficientemente grandes se puede aproximar a una
normal reducida (de media cero y varianza 1) y, a menudo, se contrasta la distribución
de esta variable en lugar del residuo

• En que histograma se basan las distribuciones de probabilidad de variables

continúas.

Las distribuciones de probabilidad son idealizaciones de los polígonos de frecuencias.

En el caso de una variable estadística continua consideramos el histograma de
frecuencias relativas, y se comprueba que al aumentar el número de datos y el número
de clases el histograma tiende a estabilizarse llegando a convertirse su perfil en la
gráfica de una función.

Las distribuciones de probabilidad de variable continua se definen mediante una

función y=f(x) llamada función de probabilidad o función de densidad.

Así como en el histograma la frecuencia viene dada por el área, en la función de

densidad la probabilidad viene dada por el área bajo la curva, por lo que:

 El área encerrada bajo la totalidad de la curva es 1.

 Para obtener la probabilidad p(a£X£b) obtenemos la proporción de área que hay
bajo la curva desde a hasta b.
 La probabilidad de sucesos puntuales es 0, p(X=a)=0
• Que se debe hacer con los datos de experimentos de conteos como el número
de lechones o el número de frutos para poder hacer un análisis de varianza.

Las técnicas de conteo son procedimientos para calcular sumas o multiplicaciones, se

utilizan para asignar probabilidades a eventos. Una de las técnicas fundamentales es el
principio de la multiplicación
2. Del texto indicado ubique el capítulo de Diseño completamente al azar DCA
y registre:

• Modelo

Para estudios comparativos supone que hay una población de referencia de u.e. En
muchos casos la población es conceptual. Se supone una población de referencia para
cada tratamiento considerado en el estudio y las variables en el experimento se
suponen seleccionadas aleatoriamente de dicha población de referencia, como
resultado de la aleatorización. Cada observación del experimento es expresada
mediante una ecuación lineal en los parámetros, el conjunto conforma el modelo para
el diseño de bloques completos al azar:

µ = Parámetro, efecto medio

τ i = Parámetro, efecto del tratamiento I

β j = Parámetro, efecto del bloque j

εij= valor aleatorio, error experimental de la u.e. i,j

Yij = Observación en la unidad experimental

• La fórmula de Suma de Cuadrados Totales, Suma de cuadrados de

tratamientos, Suma de Cuadrados del error.

Suma de Cuadrados Totales

Suma de cuadrados de tratamientos

Suma de Cuadrados del error.

• Cuál es la hipótesis nula

Tiene el fin de probar la efectividad de un nuevo fertilizante o una nueva medicina, la

hipótesis de la cual se parte es que no hubo efecto, es decir, no hubo diferencia entre
las muestras tratadas y no tratadas. Si los resultados de nuestra muestra no respaldan
la hipótesis nula, rechazamos la hipótesis; y la conclusión que aceptamos, y que afirma
que existe alguna relación entre las muestras, se llama hipótesis alternativa

• Alistar datos en Excel para proceso en R.

Pantallazos del procesamiento en el programa R

Summary

Este cuadro contiene un análisis en el cual se evidencia que hay diferencias

significativas desde el punto de vista estadístico.

Test de shapiro

Como se evidenciaron diferencias significativas, en este caso se utilizó el test de

shapiro con el cual se verifican los supuestos del modelo normalidad y varianza
constante el cual debe ser mayor de 0.05, el cual si cumple.
Test de levene (Altura, Tratamiento,"median")

En la siguiente tabla se verifican los supuestos del modelo de varianza constante con el
test de levene”s, el cual se verifica si es mayor al 0,05 el cual se evidencia que si
cumple.

GRAFICOS

Variable boxplot: En un experimento bajo el diseño de bloques al azar se compararon 4

normas de riego en el cultivo del plátano fruta clón “Cavendish gigante”en el ciclo de
fomento.
Tabla de promedio

En esta tabla se hace la comparación de medias por el test de Tukey, el cual se

evidencia que los tratamientos de letra son igual. Se observa que el tratamiento 1
presenta mayor rendimiento a comparación de los demás tratamientos

3. Del texto indicado ubique el capítulo de Diseño bloques completamente al

azar BCA y registre:

• Modelo.

Y=μ+T+e

Yij= es el j ésimo elemento perteneciente al i ésimo tratamiento.

μ = es la media general.

Ti = efecto debido al i ésimo tratamiento.

Eij= error experimental asociado al j ésimo elemento del i ésimo tratamiento.

• La fórmula de Suma de Cuadrados Totales, Suma de cuadrados de
tratamientos, Suma de Cuadrados del error.

Suma de Cuadrados Totales

Suma de cuadrados de tratamientos

Suma de Cuadrados del error

• Alistar datos en Excel para proceso en R.

Se inició instalando el paquete install.packages seleccionando USA(ca1) y se instaló

cada uno de los paquetes siguientes ‘lmtest’, ‘nortest’, ‘car’, agricolae .

Este cuadro contiene un análisis en el cual se evidencia que hay diferencias altamente
significativas desde el punto de vista estadístico

Como se evidenciaron diferencias significativas, en este caso se utilizó el test de

shapiro con el cual se verifican los supuestos del modelo normalidad y varianza
constante el cual debe ser mayor de 0.05, el cual si cumple.
En la siguiente tabla se verifican los supuestos del modelo de varianza constante con el
test de levene”s, el cual se verifica si es mayor al 0,05 el cual se evidencia que si
cumple.

En esta tabla se hace la comparación de medias por el test de Tukey, el cual se

evidencia que los tratamientos de letra son igual. Se observa que el tratamiento 1 tiene
mayor rendimiento a comparación de los demás tratamientos
 CONCLUCIONES

En este trabajo se ha introducido el diseño experimental. Se han indicado las

limitaciones de la experimentación tradicional variando un factor cada vez y se han
presentado las etapas en la aplicación del diseño estadístico de experimentos. Se
adquirieron criterios para aplicar los diseños completamente al azar y bloques
completos al azar en el área de las ciencias agropecuarias.

BIBLIOGRAFÍA
Enlace de la Primera web del Día 5 de septiembre de 2019 recuperado de:

http://conferencia2.unad.edu.co/pm3ppklrnt5i/?
OWASP_CSRFTOKEN=4aaa342f96539cc227d80019be5b4d61c79df19ca7d1b60a3ff6
815546657f66

Ruesga, G. I. (2007). Libro de experimentación agrícola, consultar página 11.

Recuperado de
https://drive.google.com/file/d/1KFYcEQx9Vi5EklU24COEkALXTysiagGJ/view?
usp=sharing

Ruesga, G. I. (2007). Libro de experimentación agrícola, consultar página 14.

Recuperado de
https://drive.google.com/file/d/1KFYcEQx9Vi5EklU24COEkALXTysiagGJ/view?
usp=sharing