1

UNIDAD 1 – APLICACIÓN DE DISEÑOS COMPLETAMENTE AL AZAR

LAURA SOFIA ESPINOSA 1006094375

PRESENTADO A: DIEGO ALBERTO DEAZA
GRUPO:35

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS AGRICOLAS Y PECUARIAS DEL MEDIO AMBIENTE
AGRONOMIA
DISEÑO EXPERIMENTAL
CEAD IBAGUE
2021
 2

1. Consulte el video la primera web del curso en periodo anterior y posteriormente

responda:
 Qué tipo de variables existen en estadística.

Son dos tipos de variables

Las variables cuantitativas que tiene dos clases de variables continuas y
variables discreta, donde las continuas son mediciones y las discretas son
conteos.
Las variables cualitativas que no son cantidades, pero si se presenta un orden o
niveles.

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

continuas.
Se basa en un resumen grafico de una tabla de frecuencias, este histograma se
compone de unas frecuencias relativas las cuales son la base las distribuciones de
probabilidad en el cual se puede usar el peso, la estatura y la edad.

 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 aplican diferentes variables, donde se realiza la suma de los cuadrados totales,
también la suma de tratamientos, suma de cuadrados del error y por último la
aplicación de análisis de varianza.

 Que se debe hacer con los datos de experimentos donde la variable de

respuesta es porcentaje para poder hacer un análisis de varianza.

Se deben transformar.

 El diseño completamente al azar DCA en qué condiciones se usa.

Condiciones de laboratorio, en invernaderos donde el suelo es homogéneo
 3

 Si en un DCA se tienen tres tratamientos y un testigo con cinco repeticiones

cuantas unidades experimentales se requieren
12 unidades experimentales

 El diseño bloques completamente al azar en qué condiciones se usa

En condiciones donde no hay garantía que el lote o la especie sean homogéneas.

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

La hipótesis nula es la medida del tratamiento es igual a la medida de H 0, igual a

la medida del tratamiento H a e igual H 1 igual a tanto tratamientos que tengamos.

 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.
 4

2. Del texto indicado ubique el capítulo de Diseño completamente al azar DCA y

registre:
 Modelo
 5

 La fórmula de Suma de Cuadrados Totales, Suma de cuadrados de

tratamientos, Suma de Cuadrados del error.

 Cuál es la hipótesis nula

La hipótesis nula es que las medias del tratamiento 1 es igual a la del tratamiento
2 igual a la del tratamiento 3
 Alistar datos en Excel para proceso en R.
 Desarrollar en R análisis de varianza, validación de supuestos del modelo y
prueba de comparación de medias.
 Debe en su informe registrar pantallazos del procesamiento en el programa
R recuerde que la versión es 4.0.3
 Redacte un texto en el que en cada párrafo interprete por aparte el
resultado de la tabla de análisis de varianza, el resultado de la validación
del supuesto de normalidad, el resultado de validación del supuesto de
varianza constante y por último las pruebas de comparación de medias. Se
 6

debe seguir el protocolo de interpretación de la presentación guía en power

point DCA. Todos los archivos y presentaciones están en la columna de
textos, vídeos y enlaces de este punto.
7
 8

En este caso en el análisis de varianza no se rechaza la hipótesis nula porque

Pr(>F) es mayor a 0,05 y se concluye que los tratamientos o diversas categorías
del factor se comportan de la misma manera.
 9

En la validación del supuesto de normalidad se pudo ver que la hipótesis nula no

se rechaza porque el valor P valué Pr(>F) es superior a 0,05 y se concluye con un
95% de confianza que los residuales se comportan a una distribución normal.

En el caso de la validación del supuesto de varianza constante los residuales

presentan varianza constante o también llamada homocedasticidad, porque el p
valor es superior a 0,05 esto quiere decir que no se rechaza la hipótesis nula.

En las pruebas de comparación de medias ahí que realizar las pruebas porque
hay diferencia entre los tratamientos acordé al anova, además porque se cumple
con el cumplimiento de de los supuestos de normalidad y la varianza constante de
los residuales.

3. Del texto indicado ubique el capítulo de Diseño bloques completamente al azar

BCA y registre:

 Modelo.
 10

 La fórmula de Suma de Cuadrados Totales, Suma de cuadrados de

tratamientos, Suma de Cuadrados del error.

 Alistar datos en Excel para proceso en R.

 Desarrollar en R análisis de varianza, validación de supuestos del
modelo y prueba de comparación de medias.
 Debe en su informe registrar pantallazos del procesamiento en el
programa R recuerde que la versión es 4.0.3
 Redacte un texto en el que en cada párrafo interprete por aparte el
resultado de la tabla de análisis de varianza, el resultado de la
validación del supuesto de normalidad, el resultado de validación del
supuesto de varianza constante y por último las pruebas de
comparación de medias. Se debe seguir el protocolo de
interpretación de la presentación guía en power point BCA. Todos los
archivos y presentaciones están en la columna de textos,vídeos y
enlaces de este punto,
11
 12

En el análisis de varianza en este caso se pude ver que no se rechaza la hipótesis

nula porque el resultado que arrojo es mayor a 0,05, entonces se concluye que los
tratamientos o diversas categorías del factor se comportan de la misma manera.
 13

En el supuesto de normalidad la hipótesis nula no se rechaza porque P value

Pr(>F) si es mayor a 0,05, esto quiere decir que se concluye con un 95% de
confianza que los residuales se comportan acorde a una distribución normal.

En el caso del supuesto de la varianza constante no se rechaza la hipótesis nula

porque el resultado es mayor a 0,05 y se concluye con un 95% de confianza que
los residuales presentan una contante varianza.

En el caso de comparación de medias se procede a desarrollar una prueba de

medias porque presenta diferencia estadísticamente, en este caso se usa la
prueba de Tuckey.