Fase 5- Desarrollar la evaluación final prueba objetiva abierta(POA)

Presentado por:

Yiceth Aracelly Saldaña Vargas Cod: 1.123.310.908

Grupo: 300004_16

Presentado a: Diego Alberto Deaza

Universidad Abierta y a Distancia UNAD

Programa Agronomía

Diseño Experimental

Pitalito- Huila, mayo de 2020

 Introducción

El diseño experimental como tal puede ser definido como la disposición en tiempo y
espacio de las variantes o tratamientos. Podemos decir también que los diseños
experimentales son las formas que se han ideado para arreglar las parcelas y satisfacer las
necesidades de cada experimento, sus objetivos y el cultivo de que se trate. No es más que
el esquema de distribución de las variantes en el experimento.
 Objetivos

- Analizar los diferentes tipos de conceptos básicos del Diseño Experimental.

- Adquirir los criterios para aplicar los diseños completamente al azar y bloques
completos al azar en el área de las Ciencias Agropecuarias.
- Relacionar nociones básicas, clasificar, tabular presentar la información con el
programa R.

Desarrollo
Pregunta No. 01

1.1

Realimentación por parte del Tutor: Los diseños de bloques se usan en condiciones
heterogéneas.
 El diseño bloques completamente al azar en qué condiciones se usa.

Si la UE disponibles para realizar un experimento no son homogéneas, se

debe reconocer el o los factores que las hacen heterogéneas de manera que la
variabilidad en la respuesta inducida por tal heterogeneidad no se confunda
con la variabilidad experimental, está especialmente se utiliza en
condiciones heterogéneas.

Realimentación por parte del Tutor: En el análisis de varianza la hipótesis nula es que
el promedio de los tratamientos en su medición en la variable de respuesta es el mismo.

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

Esto indica que hay diferencia entre las variedades al menos en una localidad. También
puede ocurrir que la diferencia entre las variedades sea diferente en las localidades, o sea
que las mejores variedades no son las mismas en las diferentes localidades.

Realimentación por parte del Tutor: Falta el reporte de la tabla con los componentes del
análisis de varianza.

 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.
Realimentación por parte del Tutor: Los residuales del modelo de análisis de varianza se usan
para validar los supuestos del modelo normalidad y varianza constante.

Realimentación por parte del Tutor: En el histograma que se basan las distribuciones de
probabilidad de las variables continuas es de frecuencias relativas.

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

continuas.

Histograma que se basan las distribuciones de probabilidad de las variables continuas es de

frecuencias relativas.

Realimentación por parte del Tutor: Con los datos de experimentos donde la variable es
conteos se debe desarrollar transformación para desarrollar análisis de varianza.

 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.

Se debe desarrollar transformaciones de datos para desarrollar el análisis de varianza

a). Que las distintas muestras se han sacado de poblaciones cuyas distribuciones son
normales.
b). Que las poblaciones de dichas muestras cuentan con varianza iguales.
Existen ciertos casos en los cuales desde un principio se puede afirmar que los datos
disponibles no cuentan con una distribución normal, por lo que se deben llevar a cabo
transformaciones para acercar dichos datos a una distribución normal.
1.2

Realimentación por parte del Tutor: Falta el test de Levene, Se debe mejorar el orden y
profundizar la interpretación,

 Desarrollar en R análisis de varianza, validación de supuestos del modelo y

prueba de comparación de medias.

Pantallazos ejecución en el programa R

Ejecución del archivo Excel, en el programa R.

Tratamiento de factor:

Cuando nos muestra el summary(fit) es el resultado del análisis de varianza comparamos la

columna de p valor si es inferior a 0,05 se rechaza la hipótesis nula que los tratamientos se
comportan igual, es decir que por lo menos uno se comporta diferente a los demás
Test Shapiro

Luego del análisis de varianza se determina si se cumplen los supuestos de modelo

Supuesto 1 normalidad, hipótesis nula los residuales se comportan acorde a una
distribución normal, si el p valor es superior 0,05 no se rechaza la hipótesis nula de lo
contrario o transformamos datos aplicamos un test de estadística no paramétrica. ( Test
Shapiro) En este caso no se rechaza la hipótesis nula, es decir los tratamientos se portan
de forma normal, ya que 0.8635 es mayor a 0.05.

Test Levene

Se verifica el modelo de la varianza constante por el test de Levene, donde este es mayor a
0.05, se acepta este supuesto.

Ejecución (Library Imtest)

Luego del análisis de varianza se determina si se cumplen los supuestos de modelo,
Supuesto 2 varianza constante, hipótesis nula los residuales tienen una varianza, si el p
valor es superior 0,05 no se rechaza la hipótesis nula En este caso no se rechaza la hipótesis
nula y los residuales presentan varianza constante

Verificando los dos supuestos del modelo se procede a desarrollar la prueba de

comparación de medias en el caso que el tratamiento presente diferencia estadísticamente
significativa se procede a desarrollar una prueba de comparación de medias en este caso
usamos la prueba de Tukey Test HSD (Honestly-significant-difference)
de Tukey tratamientos con igual letra se comportan similares tratamientos con letra
diferente se comporta diferente
GRAFICOS

Variable boxplot: Este permite identificar visualmente todos estos valores y da información
con respecto a la distribución de los valores de nuestro conjunto de datos, Algunos cuantiles
pueden ser identificados en el gráfico de caja o box-plot que representa a una distribución
señalando, además de los cuantiles y la presencia de valores extremos o aberrantes, la
posición de la media y de la median. Estos gráficos tienen por objeto presentar
sintéticamente los aspectos más importantes de una distribución de frecuencias, a
continuación, se relacionan:

Pregunta No. 02

El estudiante enunciar tres ejemplos de variables discretas de la carrera que estudia y

determinar la transformación que usarían:

 Número de frutos en plantas de lulo cultivadas bajo las mismas condiciones de

suelo, fertilización, labores culturales.
 Número de plantas de lulo afectadas por plagas y/o enfermedades, que se
encuentran bajo las mismas condiciones.
 Número de trabajadores en una finca durante cosecha de café, la cual puede durar
una semana.

Para la transformación de datos utilizaría Raiz cuadrada, ya que estas sirven para resultados
con números pequeños, en su mayoría números dígitos ejemplo conteo de frutos. En este
caso los datos originales (números dígitos se sustituyen por su raíz cuadrado.)
Pregunta No. 03

Cada estudiante debe indicar cuál de los diseños experimentales vistos le parece de más
utilidad para su carrera y explicar en un caso concreto de manera simple como organizaría
un experimento en su carrera con cuatro tratamientos con un testigo (testigo es lo que se
hace comúnmente), describir con cuantas repeticiones trabajaría, recordar que en el diseño
de bloques si se mira el efecto de la repetición que es el mismo bloque.

De acuerdo a los diseños experimentales que hemos visto, El diseño de bloques completos
al azar (DBCA) es de gran utilidad en mi carrea de agronomía ya que este se utiliza
principalmente en experimentación de campo, cuando no es posible asegurar suficiente
homogeneidad en las unidades experimentales. El concepto de bloques fue introducido por
Fisher en 1925, quien observó que los campos experimentales en agricultura presentaban
heterogeneidad en la fertilidad del suelo, lo que no facilitaba la asignación de los
tratamientos de un lugar a otro.

Organizaría un experimento de acuerdo a mi carrera, en el cual voy a Determinar el efecto

de tres (03) fuentes de fertilizantes en la producción de café, El diseño correspondió a un
diseño de bloques completos al azar, en el que se usaran cuatro repeticiones por
tratamiento.

En consecuencia, el DBCA tiene una gran ventaja sobre el DCA, ya que se puede controlar
la variación cuando las unidades no son homogéneas. Esta última característica hace que
sea uno de los diseños más utilizados.

TRATAMIENTOS
Repeticiones
FERTILIZANTES 1 2 3 4
Urea 58,2 50,2 60,2 48,2
Katiuska 53,3 66,1 43,8 49,2
Abonanza 45,2 47,4 62,2 51
Producción(Testigo) 43 42,8 45,2 50,1
 Conclusiones

El desarrollo de la presente actividad nos permitió cumplir con los objetivos planteados
inicialmente, siendo el principal propósito adquirir los criterios para aplicar los diseños
completamente al azar y bloques completos al azar en el área de las Ciencias
Agropecuarias; así como también, considerar que para el diseño de un experimento
debemos tener en cuenta cada uno de los efectos y las características del problema a
resolver, y, sobre todo utilizar herramientas que favorezcan al posterior desarrollo de este,
como lo es el programa estadístico R que nos ayuda a hacer de mejor forma los diseños
experimentales y estadísticos en cualquier ámbito profesional.
Referencias bibliográficas

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

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

Presentación guía

https://drive.google.com/file/d/1bjd0IsuColhZhuyDLLwHMglKDuPY6Q8A/view?
usp=sharing

Presentación en power point

https://drive.google.com/file/d/1fDAqILK64Y0Al_amGTBVHPUq-rQrJgdo/view?
usp=sharing

Código BCA

https://drive.google.com/file/d/1El4yumJJ__MgsSWvHz78bCf3fcxuPCde/view?
usp=sharing

ARCHIVOBCA.csv

https://drive.google.com/file/d/1LzSqwkYJ_d1vtqatehNN1I30kcx34IvZ/view?usp=sharing