Está en la página 1de 14

UNIDAD 2 - DISEÑO EXPERIMENTAL.

JHON ALEJANDRO GOMEZ PATIÑO

GRUPO:

TUTORA: DIEGO ALBERTO DEAZA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS AGRARIAS, PECUARIAS Y DEL MEDIO AMBIENTE


ECAPMA

PROGRAMA DE AGRONOMÍA

MARZO 2020

INTRODUCION
Con el desarrollo de este trabajo nos da herramientas para tomar las mejores decisiones en el
campo de trabajo al igual que interpretar la información y así dar las mejores recomendaciones
con base en los resultados obtenidos de diseño cuadro latino y factorial.
Objetivo General:

Aprender a usar las herramientas de estadística cuadro latino y diseño factorial.

Objetivo Específicos:
Analizar cuáles son las ventajas al usar estos métodos estadísticos en el campo profesional.

Saber analizar la información realizarle pruebas Tukey y Excel mirar las diferencias estadísticas
significativas para tener un grado de confianza mayor de los resultados obtenidos.
Aplicación del conocimiento:

1. Se cuantifico las medias de linfocitos de células de ratones (1000(mm3) y fueron


comparadas después de usar dos medicamentos o fármacos y un placebo (control).
Camadas de ratones del mismo sexo se utilizaron para formar bloques homogéneos de 3
ratos cada uno. Dentro de cada bloque, tres tratamientos fueron distribuidos de forma
aleatoria. ¿Parece razonable suponer que los efectos de los tres tratamientos deben ser
relativamente constante para varios genotipos de ratones para diferentes camadas?

BLOQUES
Tratamientos I II III IV V VI VII
Control 5,4 4,0 7,0 5,8 3,5 7,6 5,5

Fármaco 1 6,0 4,8 6,9 6,4 5,5 9,0 6,8

Fármaco 2 5,1 3,9 6,5 5,6 3,9 7,0 5,4

a. ¿Cuáles son las ventajas de usar un diseño de bloques completos al azar? Justifique su
respuesta
Un diseño de bloques completos al azar tienen como objetivo es tener comparaciones precisas
entre los tratamientos bajo estudio. Utilizar bloques es una forma de reducir y controlar la
varianza del error experimental para tener mayor precisión. En el diseño completamente al azar
se supone que las u.e. son relativamente homogéneas con respecto a factores que afectan la
variable de respuesta. Sin embargo, algunas veces no tenemos disponibles suficiente número de
u.e. homogéneas. Cualquier factor que afecte la variable de respuesta y que varíe entre u.e.
aumentará la varianza del error experimental y disminuirá la precisión de las comparaciones.
Factores como la edad y el peso de los animales, diferentes lotes de material, sexo de las
personas y parcelas alejadas son ejemplos de variables externas a los tratamientos que pueden
incrementar la variación entre las observaciones de la variable de respuesta.
b. ¿Cuál es el modelo matemático? Para cada ítem en el ejercicio planteado indique a que
corresponde cada término del modelo
El modelo matemático para este experimento es el modelo probabilístico.
c. ¿Estipule claramente las hipótesis que interesa contrastar con el análisis de varianza de este
experimento?
Para este experimento utilizaremos el modelo de bloques completos al azar con 7 tratamientos y
3 bloques, donde uno de ellos tiene un tratamiento bloque control.
Sus hipótesis serian:
¿Existen diferencias significativas entre los fármacos y el tratamiento control? Hi
¿No existen diferencias significativas entre los fármacos y el tratamiento control? H0
¿Existen diferencias significativas entre los diferentes tratamientos (camadas de ratones del
mismo sexo? Hi
¿No existen diferencias significativas entre los diferentes tratamientos (camadas de ratones del
mismo sexo? H0
(Interpretación)

d. Realice el análisis de varianza en Excel o con el software R.

  I II III IV V VI VII
control 5,4 4 7 5,8 3,5 7,6 5,5
Fármaco 1 6 4,8 6,9 6,4 5,5 9 6,8
Fármaco 2 5,1 3,9 6,5 5,6 3,9 7 5,4

Análisis de varianza de 2 factores con una sola repetición

RESUME
N Cuenta Suma Promedio Varianza
5,54285714
control 7 38,8 3 2,166190476
6,48571428
Fármaco 1 7 45,4 6 1,774761905
5,34285714
Fármaco 2 7 37,4 3 1,396190476
         
I 3 16,5 5,5 0,21
4,23333333
II 3 12,7 3 0,243333333
III 3 20,4 6,8 0,07
5,93333333
IV 3 17,8 3 0,173333333
V 3 12,9 4,3 1,12
7,86666666
VI 3 23,6 7 1,053333333
VII 3 17,7 5,9 0,61

ANÁLISIS            
DE
VARIANZ
A
S de Promedio Probabilida
crítico
Variación cuadrados G de L de c F d
para F
2,60761904 3,8852938
Filas 5,215238095 2 8 17,93449782 0,00024818 3
5,04634920 2,9961203
Columnas 30,27809524 6 6 34,70742358 6,6572E-07 8
0,14539682
Error 1,744761905 12 5      
             
Total 37,23809524 20        
(Análisis)
e. ¿Según el análisis de varianza hay diferencias significativas? ¿Por qué?
Si hay diferencias significativas ya que F es mayor que F critico; no solo para columnas, también
fara filas.
f. Si encuentra diferencias estadísticas significativas, realice la prueba de Tukey en Excel
relacionando las operaciones.
La prueba de tukey nos muestra que:

T Q= t q∗ M (se )
√ n
tratamientos.
t q= (M (se), t) M (se)=medias de cuadrados del error t= número de

t q= 3,773 T Q= 3,773∗ 0,14 = 0,533


7 √

  PRUEBA DE TUKEY  
  CONTROL F1 F2
CONTRO
L   0,94285714 0,2
1,1428571
F1     4
F2      

|C−F 1|> TQ |C−F 2| > TQ |F 1−F 2| > TQ


0,94285714 > 0,533 0,2 > 0,533 1,14 > 0,533
VERDADERO FALSO VERDADER0

g. Discuta ampliamente los resultados, desde la perspectiva biológica.


Los resultados nos muestran que existen diferencias significativas entre el tratamiento control y
el tratamiento fármaco 1, para el tratamiento control y el tratamiento fármaco 2 no hay
diferencias significativas; por lo tanto podemos afirmar que el fármaco 1 si cumple con los
resultados esperados. El tratamiento fármaco 2 no, eso lo demuestra la relación entre fármaco 1
y fármaco 2 en sus diferencias significativas; por lo tanto se recomienda utilizar posteriormente
el fármaco 1
(Resultados y conclusiones)

2. En una fábrica de juntas de caucho, se evaluaron 6 tipos de máquinas para la producción de


juntas. Las maquinas se compraron con respecto a la resistencia de las juntas producidas por cada
máquina. Se emplea una muestra aleatoria de 4 juntas de caucho procedentes de cada una de las
6 máquinas, para determinar si la resistencia media a la tensión varía de una maquina a otra. Las
siguientes son las mediciones de esa resistencia en kilogramos por centímetro cuadrado x 10-1.

Juntas Máquina
(muestra) 1 2 3 4 5 6
1 17,5 16,4 20,3 14,6 17,5 18,3
2 16,9 19,2 15,7 16,7 19,2 16,2
3 15,8 17,7 17,8 20,8 16,5 17,5
4 18,6 15,4 18,9 18,9 20,5 20,1
a. Determine
qué tipo de diseño experimental empleado.

Es un diseño factorial (2x2) con bloques completos al azar.

b. Plantee las hipótesis que interesa contrastar en el análisis de varianza de este experimento.
¿Existen diferencias significativas entre las diferentes juntas de las 6 máquinas? Hi.
¿No existen diferencias significativas entre las diferentes juntas de las 6 máquinas? H0.
c. ¿Cuál es la unidad experimental?
La unidad experimental son las mediciones de la resistencia en kilogramos por centímetro
cuadrado x 10-1
d. ¿Son las unidades experimentales homogéneas?
Las unidades experimentales sin homogéneas porque sus medias no varían mucho unas con
respecto a otras.
e. Los supuestos del modelo se cumplen
Si porque son aleatorizados, tiene igual repetición y cumplen todas las características del
modelo “bloques completos al azar”.
f. ¿Cuál es la unidad de observación?
La unidad de observación seria las diferencias significativas que posiblemente existen entre
la resistencia de las juntas observadas en las 6 máquinas, con una unidad de kilogramos por
centímetro cuadrado.
g. ¿Cuáles son y cuántos tratamientos se desea comparar?
Se van a comparar 4 tratamientos bloques que equivalen a las 4 diferentes juntas.
h. Realice en Excel el análisis de varianza utilizando la herramienta de análisis de datos de
Excel o en programa estadístico.

J1 J2 J3 J4
M1 17,5 16,9 15,8 18,6
M2 16,4 19,2 17,7 15,4
M3 20,3 15,7 17,8 18,9
M4 14,6 16,7 20,8 18,9
M5 17,5 19,2 16,5 20,5
M6 18,3 16,2 17,5 20,1

Análisis de varianza de dos factores con una sola muestra por grupo

RESUME
N Cuenta Suma Promedio Varianza
1,3666666
M1 4 68,8 17,2 7
2,7091666
M2 4 68,7 17,175 7
3,7691666
M3 4 72,7 18,175 7
7,2166666
M4 4 71 17,75 7
3,1558333
M5 4 73,7 18,425 3
M6 4 72,1 18,025 2,6625
         
17,433333 3,6146666
J1 6 104,6 3 7
17,316666 2,3016666
J2 6 103,9 7 7
17,683333 2,9416666
J3 6 106,1 3 7
18,733333 3,2346666
J4 6 112,4 3 7

Los resultados en la anova serían:


ANALISIS DE VARIANZA 2 DOS FACTORES
S DE PRO, DE PROBABILIDA F
ORIGEN CUADRA G DE L CUA F D CRITICO
5,3383333 1,0676666 0,2905215 2,9012945
Filas 3 5 7 4 0,91084641 4
Columna 0,6816326
s 7,515 3 2,505 5 0,57687791 3,2873821
Error 55,125 15 3,675      
67,978333
Total 3 23        

i. Aplique a las medias la prueba de comparación múltiple de Tukey si corresponde.


Como no existen diferencias significativas entre los tratamientos a verificar (Fisher
estadístico es menor que Fisher critico) en las juntas entonces no hay necesidad de hacer la
prueba de tukey ya que no arrojaría diferencias significativas.
j. Concluya de acuerdo a los resultados obtenidos.
Los resultados nos muestran que no existen diferencias significativas por, lo tanto las
diferentes juntas no varían en la resistencia de la tensión en kilogramos por centímetro
cuadrado x 10-1

3. Un agrónomo realizó un experimento para determinar los efectos combinados de un herbicida


y un insecticida en el crecimiento y desarrollo de plantas de algodón (delta de hoja suave). El
insecticida y el herbicida se incorporaron al suelo usado en los contenedores de cultivo dentro
del invernadero; se usaron cuatro contenedores cada uno con cinco plantas de algodón, para cada
combinación de tratamiento. Se usaron cinco niveles (lb/acre) tanto de insecticida como
herbicida para obtener 25 combinaciones. Los datos que siguen son las medias de celdas para el
peso de las raíces secas (gramos/planta) cuando las plantas tenían tres semanas.
Insecticid Herbicida
a 0 0.5 1.0 1.5 2.0
0 122,0 72,5 52,0 36,3 29,3
20 82,8 84,8 71,5 80,5 72,0
40 65,8 68,8 79,5 65,8 82,5
60 68,0 70,0 68,8 77,3 68,3
80 57,5 60,8 63,0 69,3 73,3
Fuente: Dr. K. Hamilton, Department of Plant Science, University of Arizona.

a. Escriba el modelo del experimento y explique los términos.


Acogeremos el modelo diseño cuadrado latino, aleatorizados las letras latinas y
buscaremos las diferencias significativas entre la interacción de los 2 tratamientos ya
que difieren en cada tratamiento o bloque.

  0 0.5 1.0 1.5 2.0


0 A 122 B 72,5 C 52 D 36,3 E 29,3
20 B 82,8 C 84,8 D 71,5 E 80,5 A 72
40 C 65,8 D 68,8 E 79,5 A 65,8 B 82,5
60 D 68 E 70 A 68,8 B 77,3 C 68,3
80 E 57,5 A 60,8 B 63 C 69,3 D 73,3

b. ¿Cuáles son las hipótesis analizadas?

¿Existen diferencias significativas entre las diferentes letras latinas?


¿No existen diferencias significativas entre las diferentes letras latinas?

c. Calcule el análisis de varianza.

121438,3
CORRELACION 1

SSFILAS 799,2296

SSCOLUM 686,0216

SS TRA LAT 911,8216


SS TOTAL 6969,609
6

ss(t)-ss(lat)-ss(col)-ss(fi) 4572,53

FUENTE GRADOS
DE SUMA DE DE FISHER
VARIACIO CUADRADO LIBERTA MEDIAS DE ESTADISTIC FISHER
N S D CUADRADOS O CRITICO
FILAS SS(F) r-1 MS(f)= SS(F)/(r-1) MS(F)/MS(E)  
COLUMNA
S SS(C) r-1 MS(C)=SS(C)/(r-1) MS(C)/MS(E)  
TRAT SS (T. MS(TL)/MS(E
LATINO LATINO) (r-1) MS(TL)=SS(TL)/(r-1) )  
ERROR MS(E)=SS(E)/(R-1)(r-
RESIDUAL SS(E) (r-1)(r-2) 2)
TOTAL SS(TOTAL) (r^2 - 1)

GRADOS
FUEENTE DE SUMA DE DE MEDIAS DE FISHER
FISHER CRITICO
VARIAC CUADRADOS LIBERTA CUADRADOS ESTADISTICO
D
FILAS 799,22 4 199,805 0,524361787 3,25
COLUMNAS 686,02 4 171,505 0,450092181 3,25
TRAT LATINO 911,82 4 227,955 0,598237737 3,25
ERROR RESIDUA 4572,53 12 381,0441667
TOTAL 6969,7 24

d. Interprete los resultados.


Los resultados nos muestran que no existen diferencias significativas en ninguno de los 3
elementos, filas, columnas y tratamiento latino, por lo tanto no existen diferencias significativas de
los herbicidas, insecticidas a ninguna proporción ni tampoco la interacción entre ellos.
CONCLUSION

Con el desarrollo de esta materia de diseño experimental nos permitió tener herramientas
matemáticas que nos permiten describir analizar interpretar resultados con información
proporcionada del estudio con muchas aplicaciones en la vida en cualquier campo de la ciencia y
la tecnología ya que se pueden medir y comparar basados en experimentos o, experimentación en
condiciones diferentes donde se puedas medir diferente tipo de variables controladas y con los
resultados siempre pendiente de mejorar planes procesos y programas en todos los campos de la
vida muy aplicable en agricultura.
REFERENCIAS BIBLIOGRAFICAS

Balzarini, M., Tablada, M., & González, L. (2009). Introducción a la bioestadística: aplicaciones
con infostat en agronomía. p. 291-305. Recuperado de
https://bibliotecavirtual.unad.edu.co:2538

Di, R. J. A., Casanoves, F., & Gonzalez, L. A. (2008). Estadística para las ciencias agropecuarias
(7a.ed.). Recuperado de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/reader.action?
ppg=1&docID=3185731&tm=1538604407723

Cifuentes, W. X., Jaramillo, E. L. M., & Mejía, G. L. M. (2016). Métodos de análisis para la
investigación, desarrollo e innovación (i+d+i) de procesos agrícolas y agroindustriales, p
57-60. Recuperado de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?
docID=4795324&query=dise%C3%B1o%20completamente%20al%20azar%20con
%20submuestreo