Aplicación del diseño cuadrado latino y el experimento factorial.

Diana Carolina Echeverri Fernández

Código: 1.037.324.036

Diseño Experimental
Grupo: 300004_44

Tutor
Alba Lucía Pérez

Agronomía

UNAD

CEAD Medellín

2021
 Introducción

El diseño de cuadrado latino es el agrupamiento de las unidades experimentales en dos

direcciones (filas y columnas) y el diseño factorial estudia el influjo de una sola variable
independiente sobre una variable dependiente en dos o más grupos equivalentes.
En el presente trabajo de tipo colaborativo se da respuesta a las preguntas suministradas
por el docente, se realiza la ejecución de ejercicios de procesamiento estadístico de diseños
experimentales con la ayuda del software R.

Objetivos
 Diferenciar los conceptos de diseño cuadrado latino y el experimento factorial.
 Interpretar resultados del programa R.
 1. El estudiante debe revisar el OVI del diseño cuadrado latino que está en el entorno
de aprendizaje en las referencias bibliográficas de la unidad 2 en el último referente
y con base en este responder
Qué tipo de organización presentan los tratamientos en campo.
R/: Una organización de tipo Sudoku, por filas y columnas y no se repiten datos.
Si se tiene un caso de 9 tratamientos cuantas unidades experimentales se requieren para
montar un cuadrado latino.

R/: Para montar un cuadrado latino se requieres 81 unidades experimentales.

2. El estudiante debe revisar la presentación cuadrado latino y diseño factorial y

desarrollar un resumen de los conceptos básicos de cada uno de los diseños cada
diseño aparte, donde registre organización en campo, hipótesis del análisis de
varianza, hipótesis de test de validación de los supuestos del modelo y forma de
desarrollo de las pruebas de comparación de medias.

Cuadrado latino.

Es un bloqueo robusto, es decir, bloques por filas y por columnas.

Organización de tratamientos de tipo sudoku, cada fila o columna inicia por los tratamientos
que le sigue al que inicio en la anterior.

Hipótesis del análisis de varianza.

Tratamientos

Ho=µ 1=µ 2=µ 3=µ 4

Ha=que por lomenos uno sea diferente .

Criterio P valor menor 0,05 se rechaza Ho.

Columnas

Ho=µc 1=µc 2=µc 3=µc 4

Ha=que por lo menos uno sea diferente .

Criterio P valor menor 0,05 se rechaza Ho.

Filas

Ho=µF 1=µF 2=µF 3=µF 4

Ha=C que por lo menosuno sea diferente .

Criterio P valor menor 0,05 se rechaza Ho.

Hipótesis de test de validación de los supuestos del modelo

Normalidad hasta 50 residuales

Shapiro Wilk
Ho=Residuales se ajustan a una distrinución normal
Criterio P valor menor 0,05 se rechaza Ho.

Normalidad + 50 residuales
Kolmogorov Smirnov Mod Lilliefors
Ho=Residuales se ajustan a una distrinución normal
Criterio P valor menor 0,05 se rechaza Ho.

Varianza constante
Test de Levene
Ho=Residuales presentanuna varianza constante
Criterio P valor menor 0,05 se rechaza Ho.

Pruebas de comparación de medias.

Simples

Igual letra igual comportamiento

Diseño Factorial

Son los que tienen dos factores, pueden ser DCA (Diseño completamente al azar) ó BCA
(Bloques completamente al azar).
El tratamiento surge del cruce de dos factores.
Los tratamientos en el campo se organizan de manera aleatoria.

Hipótesis del análisis de varianza.

Tratamiento

Ho=µ 1=µ 2
Ha=que por lomenos uno sea diferente .

Criterio P valor menor 0,05 se rechaza Ho.

Hipótesis de test de validación de los supuestos del modelo

Normalidad hasta 50 residuales

Shapiro Wilk
Ho=Residuales se ajustan a una distrinución normal
Criterio P valor menor 0,05 se rechaza Ho.

Normalidad + 50 residuales
Kolmogorov Smirnov Mod Lilliefors
Ho=Residuales se ajustan a una distrinución normal
Criterio P valor menor 0,05 se rechaza Ho.

Varianza constante
Test de Levene
Ho=Residuales presentan una varianza constante
Criterio P valor menor 0,05 se rechaza Ho.

Pruebas de comparación de medias.

Múltiples pareadas

Criterio es P valor si es menor a 0,05 los pares comparados son diferentes.

Adicionalmente responder:

● Si para un diseño cuadrado latino se deben probar 5 tratamientos cuantas

unidades experimentales se requieren.

R/: Se requieren 25 unidades experimentales.

● Si tiene un diseño bifactorial de dos tipos de pasto y tres dosis de bioabono

cuantos tratamientos se deben trabajar en cada repetición para un diseño de
bloques completos al azar.

R/: Se deben de trabajar 6 tratamientos en cada repetición para un diseño de

bloques completos al azar.

3. Del texto indicado ubique el capítulo de Diseño cuadrado latino y registre:

● Modelo.

Y ijk =μ+T i + F j +C k + Eijk

● μ = es la media general.
● Ti = efecto debido al i-ésimo tratamiento.
● Fj= es el efecto de la j-ésima fila
● Ck= es el efecto de la k-ésima columna
● Eijk= es la variación aleatoria del i-ésimo tratamiento, la j-ésima fila y la k-
ésima columna (error experimental)

● La fórmula de Suma de Cuadrados de todos los componentes del análisis de

varianza
2 (∑ X i )2
● SDC Total =∑ x i −
N

SDC Trat =∑¿ ¿

 SDC Error =SDC Total −SDC Trat

● Alistar datos en Excel para proceso en el programa R. (en este caso es

revisar la estructura del archi cuadro verificar el formato dando la opción
guardar como tipo csv delimitado por comas.). Se debe remitir pantallazos de
la verificación de archivo.

● Desarrollar en el programa R
 ● Análisis de varianza

Pr(˃F) es mayor a 0,05 no se rechaza la hipótesis nula.

● Validación de supuestos del modelo

No se rechaza la hipótesis nula y los residuales se ajustan a una distribución normal y se

concluye con un 95% de confianza que los residuales se comportan de acuerdo a la
distribución normal ya que el resultado Pr(˃F) es superior a 0,05.

No se rechaza la hipótesis nula y se concluye con un 95% de confianza que los residuales
presentan una varianza constante ya que Pr(>F) es mayor a 0,05.
 ● prueba de comparación de medias.

Al comparar las medias se observa en el tratamiento 1 y 2 no existen diferencias, al igual

que entre los tratamientos 3 y 4, pero si entre estos y los restantes.
4. Del texto indicado ubique el capítulo de Diseño bifactorial bloques al azar, y registre:

● Modelo.

● La fórmula de Suma de Cuadrados de todos los componentes del análisis de

varianza
● Alistar datos en Excel para proceso en el programa R. (en este caso es
revisar la estructura del archivo factorial verificar el formato dando la opción
guardar como tipo csv delimitado por comas.). Se debe remitir pantallazos
de la verificación de archivo.

● Análisis de varianza
 Se rechaza la hipótesis nula para el factor variedad ya que el resultado es
0,003 menor al criterio Pr(˃F) es menor a 0,05 y se concluye con un 95% de
confianza que hay diferencia estadísticamente significativa en campo en el
crecimiento de las variedades.

Se rechaza la hipótesis nula para el factor Biobras ya que el resultado es

0,001 menor al criterio Pr(˃F) es menor a 0,05 y se concluye con un 95% de
confianza que hay diferencia en el comportamiento de las dosis.

En la tabla de combinación se rechaza la hipótesis nula ya que el resultado

es 0,006, menor al criterio Pr(>F) es menor a 0,05.

● Validación de supuestos del modelo

No se rechaza la hipótesis nula, los residuales se ajustan a una distribución normal y se

concluye con un 95% de confianza que los residuales se comportan de acuerdo a la
distribución normal ya que el resultado Pr(˃F) es superior a 0,05.
 Test de Levene para la variedad

Se rechaza la hipótesis nula y se concluye con un 95% de confianza que los

residuales no se comportan de acuerdo a una varianza constante ya que
Pr(>F) es menor a 0,05.

Test de Levene para el Biobras

No se rechaza la hipótesis nula y se concluye con un 95% de confianza que

los residuales presentan una varianza constante ya que Pr(>F) es mayor a
0,05.

● Prueba de comparación de medias.