Se considera un tratamiento estructurado cuando en el experimento se

consideran dos o más factores.

La finalidad principal es determinar:

a) Los efectos de los niveles de cada factor que se conoce como

efectos principales.
b) Los efectos combinados de los niveles de los factores que se
conocen como efectos de interacción.
Los efectos de interacción ocurren cuando los efectos de los
niveles de un factor son modificados por los niveles del otro
factor.

Y m1 m1

b2

D2b1 d1 d2

D1 m2

m2

Factor Factor

FACTOR A FACTOR A

Las pendientes son iguales NO existe interacción Las pendientes son

distintas existe interacción

TRATAMIENTOS:

Son las combinaciones de los niveles de un factor con respecto a otro factor.
 VAG 1 [1] VAG1 [4] VAG1 [7]

T1 VAG2 [2] T2 VAG2 [5] T3 VAG2 [8]

VAG3 [3] VAG3 [6] VAG3 [9]

9 tratamientos

MODELO ESTADISTICO:

yijk =  + i +  j +  ij +  ijk
i = 1, 2,.............,a Niveles del factor A

j = 1, 2,............., b Niveles del factor B

k = 1, 2,............, r Un experimento o repeticiones/trto.

yijk = Valor observado de una variable respuesta en la k − esima unidad

experimental que recibe la combinación del i − esimo nivel del factor A con el
j − esimo nivel del factor B.

 = Media general.

 i = Efecto fijo del i − esimo nivel del factor A.

 j = Efecto fijo del j − esimo nivel del factor B.

 ij = Efecto fijo de interacción entre el i − esimo nivel del factor A con el j − esimo
nivel del factor B.

 ijk = Efecto aleatorio de los residuales, con:  ijk NIID ( 0, e2 )

CUADRO ANVA:

FV GL SC CM E(CM) Fcal
a
 e2 + b  r  i2 / ( a − 1)
factor A a-1 SCA CMA i =1
CM A / CM e
 b
 e2 + a  r   j2 / ( b − 1)
factor B b-1 SCB CMB j =1
CM B / CM e
a b
CM A B
 e2 + r   ij 2 / ( a − 1)( b − 1)
interacción A*B (a-1)(b-1) SC A*B CMA*B i =1 j =1 CM e

residuales ab(r-1) SCRes Cme

 e2
total abr-1 SCT

ANALISIS DE VARIANZA:

y 2 ...
I. TC =
r  ab
a b r

II. SCT =  Yijk2 − TC

i =1 j =1 k =1

1 a 2
III. SCA = Yi.. − TC
r  b i =1
1 b 2
IV. SCB = Y. j. − TC
r  a j =1
1 a b 2
V. SCA  B =  Yij. − TC − SCA − SCB
r i =1 j =1
VI. SC Re s = SCT − SCA − SCB − SCA  B
PRUEBA DE HIPOTESIS

- Efecto principal de A
- Efecto principal de B

EFEECTO DE INTERACCION

I. HIPOTESIS
Ho :  ij = 0 Para ij = 0 se tiene dos formas que dependen del objetivo
para saber cuál utilizar.
1. El efecto de B sobre la variable respuesta es el mismo en cada
nivel de A.
B →Y → A
2. El efecto de A sobre la variable de respuesta es el mismo en cada
nivel de B.
 A →Y → B

Ha :   0
1. El efecto de B sobre la variable respuesta es diferente en al menos
un nivel de A.

B → Y ⎯⎯ →A
2. El efecto de A sobre la variable respuesta es diferente en al menos
un nivel de B.

A → Y ⎯⎯ →B
II. NS →  = 0,05 o  = 0, 01
CMA  B
III. EP → F ( a − 1)( b − 1) , ab ( r − 1)
CMe
IV. RR → Pr ( F  Fcal ) 

Si se acepta Ho , significa que NO hay interacción y cualquier análisis de

interacción ya no debe hacerse, por lo tanto, las conclusiones se obtienen solo
de los efectos principales.

Si se rechaza Ho , quiere decir que existe interacción y hay 3 caminos a seguir:

1. Analizar el efecto de A en cada nivel de B.

A →Y → B
2. Analizar el efecto de B en cada nivel de A.
B →Y → A
3. Analizar el efecto de A y B simultáneamente.
AB → Y

El camino a seguir depende de objetivo a responder.

Ejemplo: supongamos que tenemos dos factores.

A → Variedad de papa V1 y V2 .

B → Distancia entre surcos de d1 y d 2 .

OBJETIVO 1:

Determinar la distancia óptima entre surcos que permita maximizar el

rendimiento de tubérculos de papa de cada una de las variedades de papa en
la localidad de colomi.

Distancia → B

Rendimiento → Y B → Y → A (caso numero 2)

Variedades → A

OBJETIVO 2:

Determinar la variedad de papa Y la distancia óptima entre surcos que

maximice el rendimiento de tubérculos en la localidad de colomi.

Variedad → A

Distancia → B AB → Y (caso numero 3)

Rendimiento → Y

OBJETIVO 3:

Determinar la variedad de papa con mejor rendimiento en cada una de las

distancias entre surcos que maximice el rendimiento de tubérculos en la
localidad de colomi.

Variedad → A

Rendimiento → Y A → Y → B (caso numero 1)

Distancia → B

I. CASO EN QUE A Y B SON CUALITATIVOS:

A y B simultaneo (A*B) significa encontrar la mejor combinación entre A
Y B, para esto.
1. Ordenar las medias de la interacción de “mejor” a “peor”.
2. Comparamos la mejor media con la siguiente hasta encontrar la
diferencia estadísticamente significativa.

II. CUANDO A ES CUANTITATIVO (MINIMO 3 NIVELES) Y B ES

CUALITATIVO: A Y B simultáneamente.

1. Encontrar el mejor cualitativo, sobre la base del análisis como

efecto principal.

Ejemplo: 1 ; 2
b1 b2
mejor cualitativo
2. Realizar la regresión lineal y la regresión cuadrática solamente con
el mejor cualitativo (b2 ) es decir lineal y cuadrático solo en b2 .

Lineal Cuadrático
a1
a1b2 -1 1 A a2 CUANTITATIVO
a2b2 0 -2
a3
a3b2 1 1
 B b1
b2
CUALITATIVO

EJEMPLO:

Considere que la investigación se llevó a cabo con el objetivo de determinar la

técnica de inoculación más apropiada que maximice severidad de la fusariosis
en arveja. Para tal efecto, se desarrollan 9 técnicas de inoculación en relación a
tres tipos sustrato (S1=arena, S2=materia orgánica, S3=mezcla de arena y
materia orgánica una relación de 1:1) y 3 formas de inoculación.

(1= al sustrato, 2= a la raíz y 3= al sustrato y a la raíz)

Las 9 técnicas fueron evaluadas en macetas, cada una de las macetas con 3
plantas de la variedad pairumani 1, de acuerdo al diseño completamente
aleatorio factorial con 5 repeticiones.

Después de 15 días de evaluación, en una planta tomada aleatoriamente en

cada maceta se determinó el porcentaje de raíz dañada, los resultados fueron:

MACETAS/TRTO
sustrato formulación
1 2 3 4 5
Yij . Yi .. Y . j.
1 12,5 13,5 9,5 9,8 14,7 60 440,5
a 2 26,7 31,7 25,4 29,7 29,7 143,2 438,4 837,9
3 45,6 50,5 41,6 48,8 48,7 235,2 997,1
1 31,8 32,2 29,5 30,7 35,3 159,5
mo 2 55,7 57,9 52,2 53,6 58,5 277,9 769,7
3 66,8 67,4 61,9 64,8 71,4 332,3
1 45,2 46,2 40,8 42 46,8 221
a_mo 2 92,8 95,7 70 72,5 85,8 416,8 1067,4
3 82,6 87,4 79,6 85,7 94,3 429,6
Y ... = 2275.5
a) Identifique los factores y niveles.
Desarrollar la estructura de los tratamientos.
b) Representar el experimento de planificación
c) Identifique la variable de respuesta y desarrolle el modelo estadístico.
d) Determinar el cuadro de ANVA manualmente y verifique con la salida del
proc glm.
 e) Realizar las pruebas de hipótesis necesarias a fin de lograr el objetivo de
la investigación.

a) Objetivo:
Determinar la técnica de inoculación más apropiada que maximice la
severidad o grado de daño de la fusariosis en la arveja.
1.° Factor → sustrato (CUALITATIVO)
S1 = Arena
S2 = Materia orgánica
S3 = Arena+ materia orgánica
2.° factor → formas de inoculación (CUALITATIVO)
f1 = Al sustrato
f 2 = A la raíz
f3 = Al sustrato y a la raíz

→ 3  3 = 9 Tratamientos

Son 9 tratamientos (9 técnicas) estructurados en un factorial completo 3  3 .

b)

T8 T9 T1 T5 T3 T6 T2 T4 T7

T6 T2 T3 T7 T9 T8 T4 T1 T5

T1 T4 T9 T6 T5 T3 T7 T8 T2

T5 T2 T8 T9 T7 T4 T1 T3 T6

T9 T4 T6 T3 T1 T5 T2 T7 T8

UNIDAD EPERIMENTAL: 1 MACETA

VARIABLE RESPUESTA: % DE RAIZ DAÑANA

r 45
REPETICIONES: r = = = 9rep / trto.
t 9

c)
VARIABLE RESPUESTA: % de raíz dañada.

MODELO ESTADISTICO:

yijk =  + i +  j +  ij +  ijk
i = 1, 2,3.. = a Sustratos.
j = 1, 2,3.. = b Formas de inoculación.
k = 1, 2,3, 4,5..r Macetas o rep/trto.
yijk = % de raíz dañada observada en la k − esima maceta donde se
inoculo con la j − esima forma de inoculación con el i − esimo sustrato.
 = Media general.
 i = Efecto fijo del i − esimo sustrato.

 j = Efecto fijo de la j − esima forma de inoculación.

 ij = Efecto fijo de interacción entre el i − esimo sustrato con la j − esima

forma de inoculación.

 ijk = Efecto aleatorio de los residuales, con:  ijk NIID 0, e

2
( )
d)

ANALISIS DE VARIANZA
Y...2
I. TC =
r  ab
( 2275,5)
2

TC = → TC = 115064, 5
5 3 3
a =3 b =3 r =5

II. SCT =  Yijk2 − TC

i =1 j =1 k =1

SCT = (12,52 + 26, 72 + .... + 94,32 ) − 115064,5

SCT = 25751, 56

1 a =3 2
III.
SCS = 
b  r i =1
Yi.. − TC
1
SCS = (438, 42 + 769, 72 + 1067, 42 ) − 115064,5
3 5
SCS = 13200, 58
 1 b =3 2
IV.
SCF =  Y. j. − TC
a  r j =1
1
SCF = (440,52 + 837,92 + 997,12 ) − 115064,5
3 5
SCF = 10957, 20

1 a =3 b =3 2
V. SCS  F =  Yij . − TC − SCS − SCF
r i =1 j =1
1
SCS  F =
5
( 602 + 143, 22 + .... + 429, 62 ) − 115064,5 − 13200,58 − 10957, 20

SCS  F = 705, 05
VI. SC Re s = SCT − SCA − SCF − SCS  F
SC Re s = 25751,56 − 13200,58 − 10957, 20 − 705, 05
SC Re s = 888, 73
CUADRO ANVA

FV GL SC CM=SC/GL E(CM) Fcal Pr›F

b =3
sustrato 3-1=2 13200,58 6600,28  + 3  5  j2 / 2
2
e
267,33 0,0001
j =1
a =3
forma 3-1=2 10957,20 5478,6  + 3  5i2 / 2
2
e
221,90 0,0001
i =1
a =3 b =3
interacción S*F 2*2=4 705,05 176,26  e2 + 5  ij 2 / 4 7,14 0,0002
i =1 j =1

residuales 44-8=36 888,73

24,69
 e2
total 45-1=44 25751,56

I. HIPOTESIS Efecto Principal "SUSTRATO"

Ho : S1 = S 2 = S 3 → Significa que él % de raíz dañada es la misma con
los tres niveles del factor sustrato.
Ha El % de raíz dañada es diferente con al menos un nivel del factor
sustrato.

II. NS →  = 0,01
CMs
III. EP ⎯⎯
F
→ F2,36
CMe
IV. RR → Pr ( F  Fcal )  0,01 o Fcal  Ftablas  SRHo
V. RR → Pr ( F  267,33)  0,0001  0,01  RR → SRHo

VI. CONCLUSION:
Con 95% de seguridad se concluye que el % de raíz dañada es diferente
con al menos un nivel del factor sustrato.
¿Cuál nivel es diferente?
Como el factor sustrato es cualitativo corresponde a realizar comparación
o contrataste de medias ordenándolas previamente de “mejor” a “peor”.

sustrato lsmeans sustrato lsmeans

S1=arena 29,227 S2=a_mo 71,16
S2=a_mo 71,16 S3=mo 51,313
S3=mo 51,313 S1=arena 29.227

CONTRASTE “S3-S2

I. HIPOTESIS
Ho : c = ( 0) s1 + ( +1) s 2 + ( −1) s3 = 0 → Significa que él % de raíz
dañada es la misma con los sustratos S3 y S 2 .
Ha : C  0 → Quiere decir que él % de raíz dañada es diferente con los
sustratos S3 y S 2 .
II. NS →  = 0,01
cˆ
EP ⎯⎯
t
→ t gle=36
ee ( cˆ )
III.

IV. RR → Pr ( t  tcal )  0, 01 o tcal  ttablas → SRHo

V. CC → Pr ( t  −10,94 )  0,0001  0,01  RR → SRHo

VI. CONCLUSION:
Con 99% de seguridad se concluye que el % de raíz dañada es diferente
con los sustratos S3 y S 2 .

¿De qué manera es diferente?

s 2  s 3
71,160  55, 860
S 2 Es el mejor sustrato S2 = a _ mo
EFECTO PRINCIPAL “FORMA DE INOCULACION”

I. HIPOTESIS
Ho : .F1 = .F2 = .F3 → Significa que él % de raíz dañada es la misma con
las tres formas de inoculación.
Ha : El % de raíz dañada es diferente con al menos una de las 3 formas
de inoculación.

II. NS →  = 0,01
CMF
III. EP ⎯⎯
F
→ F2,36
CMe
IV. RR → Pr ( F  Fcal )  0, 01
V. CC → Pr ( F  221,90 )  0,0001  0,01  RR → SRHo
VI. CONCLUSION:
Con 95% de seguridad se concluye que el % de raíz dañada es diferente
con al menos una de las 3 formas de inoculación.

¿Cuál es diferente?

Formas ls means Formas ls means

F1 29,367 F3 66,473
F2 55,86 F2 55,86
F3 66,473 F1 29,367

CONTRASTE “F3-F2”

I. Ho : C = ( 0 ) .F1 + ( −1) .F2 + ( +1) .F3 → significa que él % de raíz dañada es

la misma con las formas de inoculación F3 y F2 .
Ha : C  0 → Quiere decir que él % de raíz dañada es diferente con las
formas de inoculación F3 y F2 .
II. NS →  = 0,01
cˆ
EP ⎯⎯
t
→ t gle=36
ee ( cˆ )
III.

IV. RR → Pr ( t  tcal )  0,01 o tcal  ttablas → SRHo

V. CC → Pr ( t  5,85 )  0,0001  0,01  RR → SRHo

VI. CONCLUSION:
Con 99% de seguridad se concluye que él % de raíz dañada es diferente
con las formas de inoculación F3 y F2 .
¿De qué manera es diferente?
 F 3  F 2
66, 473  55,860
F3 = Al sustrato, es la mejor forma de inoculación

EFECTO DE INTERACCION:

I. HIPOTESIS
Ho :  ij = 0 Para ij → el efecto de las formas de inoculación sobre él %
de raíz dañada es el mismo con los 3 niveles del factor sustrato.
Ha :  ij  0 → El efecto de las formas de inoculación sobre él % de raíz
dañada es diferente con al menos uno de los 3 niveles del factor sustrato.

II. NS →  = 0,01

CMS  F
III. EP ⎯⎯
F
→ F4,36
CMe

IV. RR → Pr ( F  Fcal ) 0,01 o Fcal  Ftablas  SRHo

V. CC → Pr ( F  7,14 )  0,00020,01  RR → SRHo

VI. CONCLUSION:
Con 99% de seguridad se concluye que el efecto de las formas de
inoculación sobre él % de raíz dañada es diferente con al menos uno de
los 3 niveles del factor sustrato.

Como los dos factores son cualitativos corresponde realizar comparación

de medias de la interacción ordenándolas previamente de “mejor” a”
peor”.

sust * forma orden media

a_mo_f3 6 85,92
a_mo_f2 5 83,36
mo_f3 9 66,46
CONTRASTE “a_mo_f3 – a_mo_f2”

I. HIPOTESIS

Ho : C = ( 0 ) a − F 1 + ( 0 ) a − F 2 + ( 0 ) a − F 3 +
.............. ( 0 ) a −mo − F 1 + ( −1) a −mo − F 2 + ( +1) a −mo − F 3 +
.............. ( 0 ) mo − F 1 + ( 0 ) mo − F 2 + ( 0 ) mo − F 3 = 0 →
Significa que él % de raíz dañada es la misma cuando se inocula sobre la
mezcla de arena y materia orgánica con las formas de inoculación F3 y F2
. Ha : C  0 → Quiere decir que él % de raíz dañada es diferente cuando
se inocula la mezcla de arena y materia orgánica con las formas de
inoculación F3 y F2 .

II. NS →  = 0,01
CMCˆ
III. EP ⎯⎯→
F
F1,36
CMe
IV. RR → Pr ( F  Fcal ) 0,01
V. CC → Pr ( F  0,66)  0,4206  0,01  RR → SAHo
VI. CONCLUSION:
Con 99% de seguridad se concluye que el % de raíz dañada es la misma
cuando se inocula sobre la mezcla de arena y materia orgánica con las
formas de inoculación F3 y F2 .
a _ mo _ f 3 = a _ mo _ f 2

CONTRASTE “a_mo_f2-mo_f3”

I. HIPOTESIS
Ho : C = ( 0 ) a − F 1 + ( 0 ) a − F 2 + ( 0 ) a − F 3 +
.............. ( 0 ) a −mo− F 1 + ( +1) a −mo− F 2 + ( 0 ) a −mo− F 3 +
.............. ( 0 ) mo− F 1 + ( 0 ) mo− F 2 + ( −1) mo − F 3 = 0 →
Significa que él % de raíz dañada es la misma cuando se inocula sobre
la mezcla de arena y materia orgánica con las formas de inoculación F2 y
materia orgánica con forma de inoculación F3 .
 Ha : C  0 → Quiere decir que él % de raíz dañada es diferente cuando se
inocula sobre la mezcla de arena y materia orgánica F2 y materia orgánica
con forma de inoculación F3 .
II. NS →  = 0, 01
CMcˆ
III. EP ⎯⎯
F
→ F1,36
CMe
IV. RR → Pr ( F  Fcal )  0, 01
V. CC → Pr ( F  28,92 )  0,0001  0,01  RR → SRHo
VI. CONCLUSION: Con 99% de seguridad se concluye que él % de raíz
dañada es diferente cuando se inocula sobre la mezcla de arena y materia
orgánica forma de inoculación F2 y materia orgánica con forma de
inoculación F3 .
a _ mo _ f 2  mo _ f 3

CONCLUSION AL OBJETIVO:

De acuerdo al objetivo planteado y a los resultados obtenidos se concluye que

la severidad de la fusariosis (o grado de daño) en energía se maximiza
inoculando sobre la mezcla de arena y materia orgánica a la raíz y al sustrato
F3 por contener la mejor media.