Fase 2 - Identificar y aplicar diseño complemente al azar y bloques completos al azar

Presentado Por:
Yeimy Carolina Romero Alvarado
Código: 1115917168
Grupo N° 300004_41

Presentado A:
Lina María Monsalve

Universidad Nacional Abierta Y A Distancia_UNAD

Escuela De Ciencias Agrarias, Pecuarias Y Del Medio Ambiente Ecapma
Yopal Casanare
Marzo 2019
 INTRODUCCIÓN
El diseño experimental es el procedimiento de planeación y conducción de experimentos,
así como la definición del análisis estadístico para evaluar los resultados, con el objetivo de
tener conclusiones válidas y objetivas. El procedimiento incluye la definición de factores a
modificar, la manera de su aplicación y el número de pruebas a realizar. Mellado.

El diseño experimental consiste en una base de datos estadísticos a través del cual se
pueden identificar muchas cosas. Un experimento factorial completo es un experimento
cuyo diseño consta de dos o más factores, cada uno de los cuales con distintos valores o
niveles, cuyas unidades experimentales cubren todas las posibles combinaciones de esos
niveles en todo los factores. Este tipo de experimentos permiten el estudio del efecto de
cada factor sobre la variable respuesta, así como el efecto de las interacciones entre factores
sobre dicha variable.

En el desarrollo de esta actividad se revisarán los fundamentos del experimento y sus

elementos, diseño experimental, modelo estadístico y transformación de datos, con el
propósito de aplicarlos en el desarrollo de tres estudios de caso, además se dará respuesta a
unas preguntas propuestas en la guía de aprendizaje. Por lo tanto en el transcurso de este
trabajo se podrán afianzar los conceptos relacionados con los diseños experimentales y su
aplicabilidad en el campo agropecuario.
 OBJETIVOS
Objetivo general

Conocer el concepto y los fundamentos del diseño experimental en el área de las ciencias
agropecuarias y aplicarlos en experimentos para procesarlos e interpretarlos para dar
conclusiones válidas y objetivas en el desarrollo de experimentos.

Objetivos específicos
 Conocer los conceptos más importantes del diseño de experimentos a través de la
realización del cuestionario.
 Aplicar el diseño de experimentos en bloques completos al azar y analizar sus
resultados
 Analizar la varianza de un solo factor en los ejercicios aplicados en diseño factorial
1. Cuestionario:

Qué es una unidad experimental?

 Es la muestra de unidades que es necesario producir en una condición para obtener una
medición o dato representativo. Unidad a la cual se le aplica un solo tratamiento (que puede
ser una combinación de muchos factores) en una reproducción del experimento.

¿Qué es una unidad de observación?

Corresponde a la entidad mayor, primaria o representativa de lo que va a ser objeto

específico de estudio en una medición y se refiere al qué o quién es objeto de interés en una
investigación

¿En qué se diferencian los factores de los tratamientos y por qué?

Se denomina factor tratamiento a cualquier variable de interés para el experimentador cuyo

posible efecto sobre la respuesta se quiere estudiar.
Los niveles de un factor tratamiento son los tipos o grados específicos del factor que se
tendrán en cuenta en la realización del experimento.
Los factores tratamiento pueden ser cualitativos o cuantitativos.
Cualitativos
 Proveedor (diferentes proveedores de una materia prima)
 Tipo de máquina (diferentes tipos o marcas de máquinas)

 Trabajador (los trabajadores encargados de hacer una tarea)
¿Cuál es la finalidad de analizar una variabilidad de un conjunto de datos?

Origen de la variabilidad: la dispersión en los valores de los sujetos en una variable puede
deberse a diferentes causas, a las cuales se suele hacer referencia como fuentes de
variabilidad de los datos en la variable. Por ejemplo, la variabilidad en las calificaciones de
Análisis de los estudiantes del grupo E del curso 05/06 en septiembre (ver histograma), ¿a
qué puede deberse? En este caso, una fuente de variabilidad fundamental será el
conocimiento y dominio de la materia. Es de esperar que diferencias individuales en este
aspecto sean la principal causa de la dispersión existente en las calificaciones de la
asignatura.

Ejemplo
18
16
14
12
FRECUENCIA

10
8
6
4
2
0
Categoría 1

CALIFICACIONES

Serie 1 Serie 2 Serie 3 serie 4 serie 5

serie 6 serie 7 serie 8 serie 9

Ahora bien, suponiendo que todos los alumnos hubieran tenido el mismo dominio y nivel
de conocimientos de la asignatura, ¿es de esperar que las notas hubiesen sido las mismas?
- Otras posibles fuentes de variabilidad: lo bien que se haya dormido la noche antes del
examen, la capacidad para afrontar situaciones estresantes, la habilidad para responder al
tipo de preguntas planteadas en el examen (objetivas, abiertas…), la fiabilidad y validez del
instrumento de medida (el examen), cómo nos haya sentado el desayuno o comida previa al
examen, etc.
¿En qué consiste el diseño experimental?

El diseño experimental es el procedimiento de planeación y conducción de experimentos,

así como la definición del análisis estadístico para evaluar los resultados, con el objetivo de
tener conclusiones válidas y objetivas. El procedimiento incluye la definición de factores a
modificar, la manera de su aplicación y el número de pruebas a realizar.
1. Seleccionar la estrategia experimental óptima que permita obtener la información
buscada con el mínimo coste.
2. Evaluar los resultados experimentales obtenidos, garantizando la máxima fiabilidad en
las conclusiones que se obtengan.
¿Cuál es la diferencia de un diseño experimental balanceado y no balanceado?

Por lo general, el análisis de un diseño balanceado es sencillo, porque se pueden ver las
diferencias entre las medias de los niveles de factores sin procesar para sus estimaciones de
los efectos principales y de interacción. Si el diseño es no balanceado, bien sea porque así
estaba previsto o debido a una pérdida accidental de datos, las diferencias en las medias de
los niveles de factores sin procesar podrían mostrar las observaciones no balanceadas en
lugar de cambios en los niveles de los factores. Para los diseños no balanceados, puede usar
medias ajustadas para predecir los resultados que habría producido un diseño balanceado
¿Cuáles son los diseños experimentales más usados en ciencias agropecuarias y cuáles
son sus posibles usos?

Los diseños más frecuentes usados en el campo agropecuario son:

Diseño completamente al azar
Se sugiere este diseño para experimentación con temas de: métodos de preparación de
siembra, aplicación del agua de regadío, manejo del cultivo versus el uso de los herbicidas
para el control de malezas, etc. También es útil en experimentos con animales cuando
existe cierta uniformidad bien sea genética, por peso, edad, etc.
 Diseños de bloques al azar
 Cuadrado latino
Los diseños de bloques y cuadrados latinos aleatorizados son generalmente útiles en los
experimentos de fertilizante donde el número de factores interesados es razonablemente
pequeño. Para las pruebas de fertilizante donde 2 o más fertilizantes se aplican a 2 o más
niveles, el experimento factorial es particularmente apropiado.
 Parcelas divididas
En aquellos ensayos que se usa maquinaria agrícola o riego, ensayos de cultivares por
ejemplo de maíz, es aconsejable usar algún tipo de diseño de parcela o bloque dividido

¿Qué es una tabla ANOVA y cuál es su utilidad en estadística?

Para el autor (Herrera, 2013). La técnica conocida como análisis de varianza (ANAVA o
ANOVA), fue desarrollada por Ronald Aymer Fisher para facilitar el análisis e
interpretación delos datos desde ensayos de campo y experimentos de laboratorio, en la
agricultura e investigaciones biológicas (Einsenhart, 1947).

El ANAVA, es una de las técnicas más utilizadas en el proceso de investigación. Norell

(2003).Es descrito por Tejedor (1999): Khan y Rayner (2003) y Spiegel et al. (2003) como
una colección de modelos estadísticos y sus procedimientos asociados, apropiada para
evaluar la igualdad entre poblaciones o tratamientos, en la cual la varianza esta fraccionada
en ciertos componentes, debido a diferentes factores o variables explicativas, incluidas en el
modelo.
El análisis de la varianza se emplea en la industria, en el control de procesos, como en el
laboratorio de análisis, para el control de métodos analíticos. Los ejemplos de aplicación
son múltiples, pudiéndose agrupar, según el objetivo que persiguen, en dos principalmente:
la comparación de múltiples columnas de datos y la estimación de los componentes de
variación de un proceso (Boqué y Maroto, s.f.).

¿Qué es un diseño completamente al azar (DCA), cuáles son sus ventajas, desventajas,
en qué casos se usa?

El diseño completamente al azar es la clase de diseño experimental más sencillo que existe.
En esta clase de diseño, los tratamientos son asignados a las unidades experimentales de
forma totalmente al azar, en donde, cada unidad experimental tiene la misma posibilidad de
recibir cualquier tratamiento (Kuehl, 2001). De acuerdo con Argüelles y Carvajal (2013),
las principales ventajas y desventajas del diseño completamente al azar son:
Ventajas
 Flexibilidad en relación al número de tratamientos y repeticiones, que solo se limita
al número de unidades experimentales disponibles.
 Su sencillez (estadístico fácil). Aun cuando el dato de algunos tratamiento se hayan
perdido, o rechacen por alguna causa el método de análisis sigue siendo sencillo. La
pérdida relativa de información debida a los datos faltantes, es de menos
importancia que en cualquier otro sistema.
 Análisis de varianza simple con apenas algunos acrecimos en relación al decenio
completamente al azar (DCA).
 Es flexible en lo que se refiere a cuantidad de tratamientos y de bloques;
 Control de las diferencias de un bloque para otro.

Desventajas:
 La principal estriba en su grado de precisión, algún otro diseño suele ser capaz de
estimar el error estándar por unidad experimental (error experimental) con un mayor
grado de precisión
 b) Disminuye el grado de libertad del residuo o sea, menos datos para estimar los
valores de la población en estudio.

¿Qué tipo de hipótesis se aplica en un diseño completamente al azar (DCA)?

La hipótesis nula es que los efectos de tratamientos (β)
Son todos iguales, lo que se expresa por:
H0
: β1 = β2 = β2

b. ¿Explique en qué situaciones se aplica un diseño en bloques completos al azar

(DBA), cuáles son sus ventajas y desventajas?

Se aplica cuando el efecto de un tratamiento a comparar depende de otros factores

que pueden influir en el resultado de experimento y que deben de tomarse en cuenta
para anular su posible efecto y evitar sesgo al comparar los factores de interés.

Ventajas hay cierta flexibilidad, no hay restricciones en el numero de tratamientos o

bloques, al evaluar los tratamientos bajo diferentes condiciones se emplea la base
interferencial del experimento.

Desventajas es difícil conseguir bloques homogéneos, no es adecuado el diseño de

bloque si existe interacción entre los bloques y los tratamientos, es decir, si los
efectos de tales factores no son adictivos.

c. ¿Qué tipo de hipótesis se aplica en un diseño en bloques completos al azar

(DBCA)

Hipótesis H0=y1=y2=y3=… =yb=0

Ejercicios de aplicación

Estudio de caso 1.
Se investigó una pérdida de peso (Gómez y González, 1991) en porcentaje del peso inicial
de la carne de res tipo milanesa después de 5 días de empacada con diferentes materiales:
Tabla 1. Pérdida de peso en porcentaje.
Icopor Biopak Cry-o-vac Shopak
5.33 6.59 4.95 2.41
4.95 7.90 4.44 2.83
5.10 4.48 3.48 2.97
7.14 7.32 3.92 2.38
7.84 6.41 8.62 2.11

Ya se ha comprobado que los datos son normales y con varianzas homogéneas. De acuerdo
con los datos presentados y a la distribución del experimento resuelva:
a. ¿Qué tipo de diseño experimental es? Justifique su respuesta
b. ¿Cuál es el modelo matemático? Para cada ítem en el ejercicio planteado indique a
que corresponde cada término del modelo
c. ¿Estipule claramente las hipótesis que interesa contrastar con el análisis de varianza
de este experimento?
d. Realice el análisis de varianza en Excel.
e. ¿Según el análisis de varianza hay diferencias significativas? ¿Por qué?
f. Si encuentra diferencias estadísticas significativas, realice la prueba de Tukey en
Excel relacionando las operaciones.
g. Discuta ampliamente los resultados, desde la perspectiva biológica.

Estudio de caso 2.

En un estudio se permite reducir el tiempo de permanencia de la vaca con el ternero y por

consiguiente aumentar la producción de leche por vaca-día. Se evaluó la variable peso
corporal (kg) en terneros hasta 112 días de nacidos. Fueron probados amamantamiento
restringido (R) y amamantamiento tradicional (T).
En el cuadro se registra el peso corporal de los animales cada 28 días.

Tabla 2. Datos de peso corporal (kg) de los terneros.

Amamantamiento Restringido (R) Amamantamiento Tradicional
Ternero (T)
s Día Día Día Día Día Día Día Día Día Día
0 28 56 84 112 0 28 56 84 112
1 41 50 63 92 118 43 60 68 101 119
2 32 41 52 66 93 37 48 60 81 103
3 41 55 70 92 114 36 47 71 88 103
4 31 41 53 77 99 41 60 75 98 113
5 38 52 77 88 117 42 58 80 101 113

De acuerdo a los datos presentados y a la distribución del experimento resuelva:

a. ¿Qué tipo de diseño experimental es? Justifique su respuesta
Bloques complementarios aleatorios

b. ¿Cuál es el modelo matemático? Para cada ítem en el ejercicio planteado

indique a que corresponde cada término del modelo.

c. ¿Estipule claramente las hipótesis que interesa contrastar con el análisis de

varianza de este experimento?
La hipótesis nula: La media en los dos grupos en los diferentes días es igual Hipótesis
alterna: Al menos en un grupo la media es distinta La hipótesis nula indica que un
parámetro de población es igual a un valor hipotético. La hipótesis nula puede ser una
afirmación inicial que se basa en análisis previos.
d. Realice el análisis de varianza en Excel.
Grupos Cuenta Suma Promedio Varianza
COLUMNA 1 5 183 36,6 23,3
COLUMNA 2 5 239 47,8 41,7
COLUMNA 3 5 315 63 116,5
COLUMNA 4 5 415 83 128
COLUMNA 5 5 541 108,2 130,7
COLUMNA 6 5 199 39,8 9,7
COLUMNA 7 5 273 54,6 42,8
COLUMNA 8 5 354 70,8 56,7
COLUMNA 9 5 469 93,8 79,7
COLUMNA
10 5 551 110,2 49,2

ANÁLISIS DE
VARIANZA
Origen de Promedio de Valor
Suma de Grados de
las los F Probabilidad crítico
cuadrados libertad
variaciones cuadrados para F
2,1240292
Entre grupos 33059,38 9 3673,26444 54,15 1,35913E-19 6
Dentro de
los grupos 2713,2 40 67,83
             
Total 35772,58 49        

e. ¿Según el análisis de varianza hay diferencias significativas? ¿Por qué?

Si hay diferencias significativas ya que se está analizando con un nivel de confianza del
95% y la probabilidad nos está dando un valor muchísimo menor que el esperado, por tal
razón se acepta la hipótesis alternativa. La hipótesis nula: La media en los dos grupos en los
diferentes días es igual Hipótesis alterna: Al menos en un grupo la media es distinta

f. Si encuentra diferencias estadísticas significativas, realice la prueba de Tukey

en Excel relacionando las operaciones.
 DATOS PROMEDIO

PRUEBA DE TUKEY
 CONCLUSIONES
Después de dar respuesta a los casos expuestos y determinar los tipos de diseño y
respectivas variables aplicadas en los experimentos de cada caso podemos concluir que los
diseños experimentales mencionados son usados en ciencias agropecuarias dando solución
a los problemas agronómicos de nuestros cultivos en nuestro país, con ellos podemos tomar
decisiones importantes para mejor y/o aumentar las producciones y mejora la calidad de
vida. Los diseños experimentales nos permiten identificar claramente las diferencias entre
cómo actúan los tratamientos en las semillas y de esa manera poder seleccionar más
fácilmente cual es el más adecuado.