DISEÑO EXPERIMENTAL - (30156A_616)

UNIDAD 2: FASE 3 - DISEÑOS UNIFACTORIALES

AGRONOMÍA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS AGARARIAS PECUARIAS Y DEL MEDIO AMBIENTE

ECAPMA

CEAD MARIQUITA-TOLIMA
 INTRODUCCIÓN
El siguiente trabajo nos ayudará a comprender y desarrollar de una mejor manera
conceptos de diseño unifactorial apoyado en el uso de programas estadísticos.

OBJETIVOS
 Investigar, comprender y aplicar los conceptos sobre diseño de
experimentos diseño de experimentos unifactoriales.

 Aplicar la temática sobre diseño completamente al azar (DCA) y análisis de

varianza.

 Aplicar la temática sobre diseño en cuadro latino (DCL) y análisis de

varianza.
 Apéndice 3
1. A partir de la lectura del capítulo 3 del libro análisis y diseños de
experimentos, aplique los conceptos del diseño completamente al azar
(DCA) y análisis de varianza para el siguiente enunciado.

COMPARACIÓN DE 4 FÓRMULAS DE ENGORDE EN TILAPIAS

El equipo de desarrollo e innovación que lo componen zootecnistas e
ingenieros de alimentos de una empresa de cultivo de tilapia evalúa el efecto
de cinco fórmulas de engorde (F1, F2, F3, F4, F5), sobre el peso final de las
tilapias (entendiendo que a mayor peso en las tilapias la fórmula de engorde
realizada es más eficiente). En primera instancia, la estrategia experimental es
aplicar cuatro veces las 5 fórmulas de engorde en orden completamente al
aleatorio (las 20 pruebas al azar). Los pesos (kg) obtenidos de las tilapias en la
investigación se muestran en la siguiente tabla.

FÓRMULAS DE ENGORDE
F1 F2 F3 F4 F5
2,66 3,2 3,01 3,52 4,00
2,52 3,42 3,13 3,71 3,89
2,74 3,47 3,25 3,78 3,90
2,9 3,64 3,38 3,79 4,12

a. Formule el interrogante del problema de investigación.

¿Cuál es la fórmula de engorde más efectiva para lograr un peso final alto
en las tilapias?
b. Formule las hipótesis correspondientes (igualdad y alterna).
Interrogante del problema de investigación:
¿Son iguales los promedios obtenidos de los pesos de las tilapias de acuerdo a
las diferentes dietas usadas para alimentarlos o existen variaciones
considerables entre ellos?
HIPOTESIS
s ea µ 1 , µ2 , µ3 , µ 4 , µ5 ,las mediasdelas formulasde engorde

 Inicial
 H 0=μ F 1 =μ F 2=μF 3=μ F 4 =μ F 5

No existe diferencia significativa en las fórmulas de engorde de las tilapias.

 Alternativa
H A =μF 1 ≠ μ F 2 ≠ μ F 3 ≠ μ F 4 ≠ μ F 5 / H A : μFi ≠ μ Fj para algun i ≠ j

Existe diferencia significativa en las fórmulas de engorde de las tilapias.

Los datos generados se distribuyen en la siguiente tabla por un diseño

completamente al azar para comparar las fórmulas de engorde para la tilapia:
Pesos de tilapia con cada formula de engorde y ubicación
FÓRMULAS DE ENGORDE

F1 F2 F3 F4 F5

2,66 (Y 11 ¿ 3,2 (Y 21 ¿ 3,01 (Y 31 ¿ 3,52 (Y 41 ¿ 4,00 (Y 51 ¿

2,52 (Y 12 ¿ 3,42 (Y 22 ¿ 3,13 (Y 32 ¿ 3,71 (Y 42 ¿ 3,89(Y 52)

2,74 (Y 13 ¿ 3,47 (Y 23 ¿ 3,25 (Y 33 ¿ 3,78 (Y 43 ¿ 3,90

(Y ¿¿ 53)¿
2,9 (Y 14 ¿ 3,64 (Y 24 ¿ 3,38 (Y 34 ¿ 3,79 (Y 44 ¿ 4,12
(Y ¿¿ 54)¿

Notación de puntos

Y i . =Suma de las Observaciones deltratamiento i

 Y i . =Media de las observaciones del ¡−éstimo tratamiento .

Y ..=Sumatotal de la N =n 1+ n 2+ …+nk medicione .

Y ..=Media global o promedio de todas las observaciones

Hallamos la suma de cuadrados para los tratamientos, error y total, con la

siguiente formula:
k
Y 2i ∙ Y 2..
SCTRAT =∑ −
i=1 ni N

Para ello se halla la suma de las observaciones de cada tratamiento, este se eleva
al cuadrado y se divide por el número de fórmula de engorde, a este valor se resta
con la suma total de las mediciones y se eleva al cuadrado y dividido por el
número total de observaciones.
k
Y 2i ∙ Y 2..
SCTRAT =∑ −
i=1 ni N

Pesos de tilapia con cada formula de engorde, promedio, sumas de

promedios
FÓRMULAS DE ENGORDE
F1 F2 F3 F4 F5 SUMA
2,66 3,2 3,01 3,52 4 16,39
2,52 3,42 3,13 3,71 3,89 16,67
2,74 3,47 3,25 3,78 3,9 17,14
2,9 3,64 3,38 3,79 4,12 17,83
SUMA 10,82 13,73 12,77 14,8 15,91 68,03
PROMEDIO 2,705 3,4325 3,1925 3,7 3,9775  

Y i . =Suma de las Observaciones deltratamiento i

ni =Cantidad de muestras en el tratamiento i

Y ..=Sumatotal de las observaciones

N=4+ 4+ 4+ 4+ 4=20

Y 2..=2,66+ 3,2+ …+3,79=68.03

Suma de cuadrados de los tratamientos

 K
Y 2i . Y 2..
SCTRAT =∑ −
I =1 ni N

∑ Y 2i.=10,822 +13,732 +12,772 +14,82 +15.912=940.8263

∑ Y 2..=2,66+2,52+2,74+ 2,9+3,2+ 3,42+ 3,47+3,46+3,01+3,13+3,25+3,38+3,52+3,71+3,78+ 3,79+ 4+ 3,89
K
Y 2i . Y 2.. 940,81 4628,0809
SCTRAT =∑ − = − =188.162−231.4040=−43.24
I =1 ni N 5 20

Suma de cuadrados del error

SC E=SC T −SCTRAT
ni
K
Y 2..
SCT =∑ ∑ Y ij 2−¿ ¿
i=1 j=1 N

∑ ∑ Y 2..=2,6 62 +2,522 +2,742 +2,92 +3,22 +3,422 +3,472 +3,462 +3,012 +3,132 +3,252 +3,382 +3,522+3,712 +3,782
SCT =235.5379−231.4040=4.1339

SC E=−43.24−4.1339=−47.37

c. Realice los cálculos correspondientes al análisis de varianza y elabore la

tabla ANOVA,  = 0.05.
d. Y ij =μ+ τ i+ eij con: i=1,2,3 , … , t
e. j=1,2,3 , … ,t
Donde:

Y ij= variable respuesta en la j-ésima repetició n del i-ésimo tratamiento

μ= media general
τ i = efecto del tratamiento i.

e ij= error aleatorio, donde e ij N (0 , σ 2)

Fuentes de Grados de
Suma de Cuadrados
variación libertad F0
cuadrados (S.C) medios (C.M)
(F.V) (g.L)
 t
Tratamiento S . C . TRAT C . M .TRAT
s
t−1 ∑ ni (Ý i−Ý )2 t−1 C . M . ERROR
i=1

S . C . ERROR
t t ni
2 t
=σ 2
Error ∑ ni−t ∑ ∑ (Y ij−Ý i ) ∑ ni−t
i=1 i=1 j=1
i=1

t t ni
Total ∑ ni−1 ∑ ∑ (Y ij−Ý )2
i=1 i=1 j=1

FÓRMULAS DE ENGORDE
F1 F2 F3 F4 F5
2,66 3,2 3,01 3,52 4,00
2,52 3,42 3,13 3,71 3,89
2,74 3,47 3,25 3,78 3,90
2,9 3,64 3,38 3,79 4,12
ni 4 4 4 4 4 ∑ ni=20
Total :Y i 10,82 13,73 12,77 14,8 15,91 Y ..=68,03
Media : Ý i 2,705 3,43 3,19 3,7 3,98
Y i2 t
Y i2
ni
29,27 47,13 40,77 54,76 63,28 ∑ n =235,21
i=1 i
ni t ni
2
∑ Y ij 29,34 47,23 40,84 54,81 63,32 ∑ ∑ Y ij2=235,54
j=1 i=1 j=1
ni 2 ni
Y t
Y i2t

∑ Y − ni ij
2
0,07 0,1 0,07 0,05 0,04 ij
2
∑ ∑ Y −∑ n =0,33
j=1 i i=1 j=1 i=1 i
Factor de corrección:

Y …2
F . C= t

∑ ni
i=1

(68,03)2
F . C= =231,40
20
Suma de cuadrados
t
Y2
SCtratamiento=∑ i −F . C
i=1 ni
SCtratamiento =235,21−231,40
SCtratamiento=3,81
 t ni
SCtotal=∑ ∑ Y ij2 −F .C
i=1 j =1
SCtotal=235,54−231,40
SCtotal=4,14

Para calcular el error, tenemos que:

SCtotal =SC tratamiento + SC error

Despejando:

SCerror =SC total −SC tratamiento

SCerror =4,14−3,81
SCerror =0,33

Cuadrados medios

SC tratamiento
CM tratamiento =
t−1

3,81
CM tratamiento=
5−1
CM tratamiento=0,95

SC error
CM error= t
=σ 2
∑ ni −t
i=1
0,33
CM error=
20−5
CM error=0,022

Ahora calcularemos F0:

CM tratamiento
F 0=
CM error
0,95
F 0=
0,022
F 0=43,18

d. Realizar la validación de la ANOVA por medio de un programa estadístico

(diferente a Excel).
e. ¿A partir de los criterios del resultado del valor – P y FO (son dos criterios
diferentes), ¿qué se puede concluir con respecto a las hipótesis planteadas?
Realizando la lectura de la tabla de distribución F, se tiene que:
 F 415, 0,05=3,06

Y como F0>3,06 se rechaza Ho y se concluye que al que al menos una de

las fórmulas de engorde produce resultados diferentes sobre el peso de las
tilapias.
f. ¿Describa cuál es la función y para qué es utilizado el método Tukey,
después del análisis de varianza de los resultados? Dentro del concepto
responda si es necesario utilizar este método si aceptamos o rechazamos la
hipótesis de igualdad.
Cuando realizamos un análisis de varianza, un valor de F significativo nos
indica que no todas las condiciones producen el mismo efecto sobre la
variable independiente. Con el fin de tener mayores elementos para la toma
de decisiones es importante saber dónde se encuentran dichas diferencias
significativas y si éstas siguen unas tendencias que nos permitan una mejor
toma de decisiones.
Una prueba que nos permite evaluar dicha diferenciación es la prueba de
Tukey, que mide la diferencia de los valores de la medias de dos grupos en
términos de la varianza intragrupal. Para diseños balanceados (mismo
 número de columnas en los tratamientos) el valor de q se determina por
medio de la siguiente tabla.
Se calcula la diferencia Di entre cada par de Medias Xi’s:
D1 = X1 – X2 D2 = X1 – X3 D3 = X2 – X3 etc.
Cada una de las diferencias Di se comparan con el valor de T, si lo exceden
entonces la diferencia es Significativa de otra forma se considera que las
medias Son iguales
T a=q a (k , N−k ) √ CM E /ni

2. A partir de la lectura del capítulo 4 del libro análisis y diseños de experimentos,

aplique los conceptos del diseño en cuadro latino (DCL) y análisis de varianza
para el siguiente enunciado.
En un centro de investigación de agricultura se requiere estudiar el efecto de
distintos tipos de semilla en el rendimiento del maíz y se considera que en dicho
rendimiento también pueden influir los tipos de abonos empleados. Así, el factor
de interés es el origen de la semilla (A, B, C y D) y se controla dos factores de
bloques el tipo de semilla y el tipo de abono en función de la variable de
respuesta.

Tipo Tipo de semilla

de 1 2 3 4
abono
1 C=73 D=78 A=68 B=90
2 B=79 C=79 D=67 A=80
3 A=65 B=81 C=65 D=66
4 D=92 A=80 B=89 C=92

g. Realice los cálculos correspondientes al análisis de varianza y elabore la

tabla ANOVA  = 0.01.

Tipo de Tipo de semilla

abono 1 2 3 4 Total Media
1 C=73 D=78 A=68 B=90 309 77,25
2 B=79 C=79 D=67 A=80 305 76,25
3 A=65 B=81 C=65 D=66 277 69,25
4 D=92 A=80 B=89 C=92 353 88,25
Total 309 318 289 328 1244
 Media 77,25 79,5 72,25 82 311

Suma de los tratamientos

A=65+80+68+ 80⇒ A=293
B=79+ 81+ 89+90 ⇒ B=339
C=73+79+65+ 92⇒ C=309
D=92+ 78+67+66 ⇒ D=303
χ ijk =μ+α i+ τ j + β k + eijk

i=1 , … , p ; j=1 , … , p ; k =1, … , p

Donde:

χ ijk : Observación fila i-ésima, columna k-ésima para el tratamiento j-ésimo

μ : media total

τ j : es el efecto del tratamiento j-ésimo

α i : es el efecto de la fila o renglón i-ésimo

β k : es el efecto de la columna k-ésima

e ijk : es el error aleatorio o componente residual

Hipótesis nula: El tipo de semilla no tiene efecto en el rendimiento del maíz

H o :τ j=0 con j=1,2,3,4

Hipótesis alternativa: Existe algún o algunos tipos de semilla que tienen un

efecto diferente en el rendimiento del maíz.

H 1 : τ j ≠ 0 con j=1,2,3,4
 p p p
χ …2
SCtotal=∑ ∑ ∑ χ ijk 2− con grados de libertar p−1, i , j, k =1− p
i=1 j =1 k=1 N

Llamaremos c a:

χ …2
c=
N

1244 2
c=
( 4∗4)

c=96721

SCtotal =( 732+ 792+ 652+ 922+ 782+ 792+ 812+ 802+ 682 +672 +652 +892 +90 2+ 802+ 662 +922 )−96721

SCtotal=1403

p
1
SCtratamientos = ∑ χ . j . 2−c
p j=1

( 2932 +339+3092 +3032 )

SCtratamientos = −96721
4

SCtratamientos =294

p
1
SC filas = ∑ χ .i .2 −c
p i=1

( 309 2+3052 +277 2+353 2 )

SC filas = −96721
4

SC filas =740

p
1
SCcolumnas = ∑ χ 2−c
p k=1 .k .
 ( 309 2+318 2+289 2+3282 )
SCcolumnas = −96721
4

SCcolumnas =206,5

SCerror =SCtotal −SC tratamientos −SC filas −SC columnas

SCerror =1403−294−740−206,5

SCerror =162,5

Grados de libertad (gL)

( p2−1)total=(p−1)tratamientos +(p−1)filas+( p−1)columnas +( p−2)( p−1)error

( p2−1)total=( 42 −1 )=15

( p−1)tratamientos =4−1=3

( p−1 ) filas =4−1=3

( p−1)columnas=4−1=3

( p−2)( p−1)error =( 4−2 )( 4−1 )=(2)(3)=6

Reemplazando en la fórmula anterior:

15=3+3+3+6

Cuadrado medio (CM)

SC
CM =
gL
 294
CM tratamientos= ⇒CM tratamientos=98
3

740
CM filas = ⇒CM filas =246,7
3

206,5
CM columnas= ⇒ CM columnas=68,83
3

162,5
CM error= ⇒ CM error =27,08
6

Razón de Varianza (RV).

CM tratamientos/ filas/ columnas

RV =
CM error

98
RV tratamientos = ⇒ RV tratamientos =3,62
27,08

246,7
RV filas = ⇒ RV filas =9,11
27,08

68,83
RV columnas= ⇒ RV filas =2,54
27,08

Tabla ANOVA

Fuente SC gL CM RV

Tratamientos 294 3 98 3,62

Filas 740 3 246,7

Columnas 206,5 3 68,83

Error 162,5 6 27,08

TOTAL 1403 15
 h. A partir de los criterios del resultado del valor – P y FO (son dos criterios
diferentes), que se puede concluir con respecto a las hipótesis planteadas?.

CM tratamientos
Si RV = > F ∝ , v 1 v 2 se rechaza H 0
CM error
Donde:
α =0,01

υ 1=( p−1 ) =3

υ 2=( p−1 ) ( p−2)=6

RV =3,62> F0,01 ,(3,6)

En la tabla “puntos porcentuales de la distribución F, vamos y leemos con un α =0,01

y υ 1 y υ 2 con 3 y 6 respectivamente.
Como: 3,62<9,78 se acepta la hipótesis nula, es decir, el tipo de semilla no tiene
efecto sobre el rendimiento del maíz.