1. ¿En qué consiste el diseño experimental?

Por diseño Experimental, se entiende el procedimiento que se sigue para asignar los
tratamientos a las unidades experimentales. Es un método aleatorio, o sea, de asignación al
azar, porque se decide el tratamiento que corresponde a cada unidad experimental mediante
un sorteo o por medio de una tabla de números aleatorios. Un experimento diseñado es una
prueba o serie de pruebas en las cuales se inducen cambios deliberados en las variables de
entrada de un proceso o sistema, de manera que sea posible observar e identificar las causas
de los cambios en la respuesta de salida.

2. Defina factor y tratamiento. Cite un ejemplo que incluya las dos definiciones.
Corresponde a los grupos de tratamientos generados por diferentes variables asociadas a
escalas de medición.
Los tratamientos son condiciones que se aplican a las unidades experimentales. Por
ejemplo, el tipo de alimento que se va a aplicar a cada unidad experimental y que está
representada por uno o varios animales.

3. ¿Qué son unidades experimentales y unidad de observación? Cite un ejemplo

que incluya las dos definiciones.
La unidad experimental es la entidad física expuesta al tratamiento. Las unidades
experimentales pueden corresponder a la unidad observacional o a una división más
pequeña del material experimental que podría recibir los tratamientos.
Ejemplo la unidad experimental en maíz es una parcela de 12 m 2 y la unidad observacional
es de 8 m2.

4. ¿Qué es un diseño completamente al azar? ¿En qué casos se usa?

Es un modelo de diseño experimental empleado cuando las unidades experimentales (UE)
son homogéneas entre sí; se basa en el principio de aleatorización y repetición, las UE se
distribuyen en forma aleatoria sin restricción, por lo tanto, es uno de los diseños más
sencillos y eficaces, en este se usa k tratamientos asignados a cada uno al azar a n UE, cada
unidad se selecciona un número al azar de 1 a k para decidir qué tratamiento se debe
emplear a esa UE.
 5. Explique en qué situaciones se aplica un diseño en bloques al azar. Cite un
ejemplo aplicado a la biotecnología agroambiental.
Dadas las condiciones de heterogeneidad del espacio muestral, el lote o campo
experimental, el DBA, es adecuado porque permite bloquear aquellos sectores que son
homogéneos; así aplicar los tratamientos aleatoriamente.

6. ¿En qué situaciones se aplica un diseño factorial?

La aplicación de este tipo de diseños permite analizar al mismo tiempo los efectos de varios
factores sobre las respuestas de los sujetos y, además, permite investigar la influencia que
pueden tener en las observaciones las interacciones entre dos o más variables. Es decir,
analiza los efectos debidos a que dos o más factores estén actuando simultáneamente. Este
tipo de diseños son especialmente adecuados cuando el investigador presupone o predice
una relación entre dos o más variables.

7. ¿En qué situación se utilizaría un diseño experimental con parcelas

subdivididas? Describa tres ventajas de este tipo de diseño.
Este tipo de diseños se utiliza frecuentemente en experimentos factoriales cuando uno de
los factores necesita, para ser evaluado, parcelas o unidades experimentales grandes y el
otro factor se puede evaluar sobre unidades más pequeñas y donde existen restricciones de
aleatorización que impiden la asignación aleatoria de los tratamientos (combinación de
factores) a las unidades experimentales.

Ventajas:
1. Cuando hay restricciones de aleatorización en un experimento factorial.
2. Si es que uno de los factores no puede ir en parcelas chicas, es decir que sus efectos
no pueden probarse con pequeñas cantidades de material.
3. Si es que hay interés de parte del experimentador en estudiar con mayor precisión
un factor que otro.
 8. ¿Cuándo no se cumplen los supuestos de normalidad y varianza constante, que
puede hacerse? Explique las diferentes posibilidades.
Una acción a realizar cuando no se cumplen supuesto de normalidad y homocedasticidad,
es la trasformación de los datos usando funciones como el arcoseno, la raíz cuadrada, el
logaritmo, la potencia, de tal forma que los datos se aproximen a una distribución normal.
Sin embargo, estas transformaciones no siempre consiguen corregir la falta de normalidad,
la heterocedasticidad (varianza no constante) o la no linealidad de nuestros datos. Además,
resulta muchas veces interpretar los resultados obtenidos, si utilizamos transformaciones de
la variable.

9. ¿Cuáles son las pruebas de medias más empleadas?

Las pruebas de medias más empleadas son:
• Prueba T para una muestra
• Prueba T para dos muestras independientes
• Prueba T para dos muestras relacionadas

10. ¿Cuál es el propósito al aplicar pruebas de comparación de medias?

Las pruebas de comparación de medias se realizan para encontrar cuales son tratamientos
que difieren significativamente.

11. ¿Cuál es la diferencia entre la prueba de Tukey y la prueba de Duncan?

Tukey: Este procedimiento se va a desarrollar considerando en primer lugar el caso del
modelo unifactorial equilibrado. En este modelo vamos a construir intervalos de confianza
con coeficiente de confianza conjunto 1 − α para todas las posibles comparaciones por
parejas asociadas a los I niveles, es decir las comparaciones por parejas. El nivel de
confianza conjunto 1 − α indica que de cada 100 muestras en (1 − α) × 100 de ellas, cada
uno de los intervalos contiene a su correspondiente diferencia de medias. Por tanto el nivel
de confianza de cada uno de los intervalos será al menos 1 − α.

Duncan: El contraste de Duncan utiliza, como el HSD de Tukey, la distribución del

recorrido estudentizado. Se diferencia de ese test en que su aplicación es secuencial, en el
sentido de no utilizar un único valor crítico para todas las diferencias de medias, como el de
Tukey, sino un valor crítico que depende del número de medias comprendido entre las dos
medias que se comparan, habiendo ordenado previamente las medias en orden creciente.
Consideremos, en primer lugar, el modelo equilibrado y después generalizaremos para el
caso no-equilibrado.

1. Antes de la realización del análisis de varianza para cualquier diseño

experimental, ¿qué tipo de pruebas deben ser aplicadas? ¿Y cuáles son las
hipótesis aplicadas en cada prueba?
Antes de realizar un ANOVA se debe validar los supuestos de normalidad, homogeneidad
de varianza, las hipótesis nulas para estos son:
Ho: los tratamientos se comportan acorde a una distribución normal
Ho: los tratamientos presentan varianza constante
Si no se cumplen estos dos supuestos no es posible realizar el análisis de varianza, una
alternativa es realizar la trasformación de datos y validar los supuestos nuevamente,
también se pueden aplicar pruebas no paramétricas.

2. Realice la representación del modelo estadístico, las hipótesis y la estructura

aplicada al Diseño Completamente al Azar (DCA).
Modelo matemático.
Y ij =μ+T i+ eij

Yij= es el j ésimo elemento perteneciente al i ésimo tratamiento.

μ = es la media general.
Ti = efecto debido al i ésimo tratamiento.
Eij= error experimental asociado al j ésimo elemento del i ésimo tratamiento.

Ho= T1 = T2 = T3 =T4
Ha: T1 ≠ T2 ≠ T3 ≠T4
 3. Realice la representación del modelo estadístico, las hipótesis y la estructura
aplicada al Diseño de Bloques al Azar (DBA).
Y ij =μ+T i+ βi + eij
Yij= es la j ésima parcela dentro del i ésimo tratamiento.

μ = es la media general.

Ti = efecto debido al i ésimo tratamiento.

β j = efecto del j ésimo bloque

Eij= error experimental asociado al j ésimo bloque del i ésimo tratamiento.

Ho= T1 = T2 = T3 =T4
Ha: T1 ≠ T2 ≠ T3 ≠T4

4. ¿Cuáles son las diferencias encontradas entre el modelo estadístico de un

Diseño Factorial y un Diseño de Parcelas subdivididas?
Parcelas Divididas
Yijk = Obs. de la unidad experimental.
µ = Media general del ensayo.
k γ = Efecto de los bloques.
τ i = Efecto del tratamiento τ de la parcela. ki (γτ)
= Error de la parcela [E(a)].
β j = Efecto del tratamiento β de la subparcela.
ij (τβ ) = Efecto de la interacción de los tratamientos de la parcela y subparcela.
ijk ε = Error de la subparcela [E(b)].

Factorial
yij : Representa la observación correspondiente al nivel (i) del factor A y al nivel (j) del
factor B.
µ: Efecto constante denominado media global.
τi : Efecto producido por el nivel i-ésimo del factor A, ( i τi = 0).
 βj: Efecto producido por el nivel j-ésimo del factor B,
j βj = 0. (τ β) ij: Efecto producido por la interacción entre A×B, i (τβ) ij = j (τβ) ij = 0.
uij son vv aa. independientes con distribución N (0, σ).

5. En un artículo de Journal of Testing and Evaluation (vol. 16, no. 2, pp. 508-
515) se investigaron los efectos de la frecuencia de carga cíclica y de las
condiciones ambientales sobre el crecimiento de las fisuras por fatiga con un
esfuerzo constante de 22MPa para un material particular. Los datos del
experimento se presentan abajo (la respuesta es el índice de crecimiento de las
fisuras por fatiga):

A partir de las informaciones y las variables a ser evaluadas,

¿qué tipo de diseño experimental debe ser aplicado?
El diseño a emplear es el de diseño factorial ya que se quiere saber el índice de crecimiento
de las fisuras por fatigas, y para esto se estudiará los efectos producidos por la carga cíclica
frecuencia y las condiciones ambientales son Aire, H2O, H2O salada; por lo que hay dos
factores; A es las frecuencias y el B las condiciones ambientales.

Informe el modelo estadístico del diseño experimental utilizado.

El modelo estadístico
Yijk = µ + Ai + Bj + (AB)ij + εij
Donde:
Yijk = es la ijk-ésima observación
 µ = media general
Ai = efecto del i-ésimo del factor A (
Bj = efecto del j-ésimo del factor B
ABij = efecto de la interacción del i-esimo factor A con el j-ésimo factor B
εij = error experimental asociado con k-ésima unidad experimental sujeta a ij-ésima
combinación de tratamiento

¿Cuáles son las hipótesis?

La hipótesis para el factor A es
Ho = A1 = A2 = A3 = 0 H1 = Efecto A ≠ 0
La hipótesis para el factor B es
Ho = B1 = B2 = B3 = 0 H1 = Efecto B ≠ 0
La hipótesis en la interacción de los factores es
Ho= AB= 0 H1 = Efecto AB ≠ 0

6. A partir de la tabla de Análisis de Varianza abajo, responda:

 a. ¿A cuál diseño experimental pertenece?
A un diseño experimental por subparcela;
El factor A corresponde al bloque
El factor B a la parcela principal
El error de la parcela completa será por lo tanto AB
El factor C será la subparcela
AC la interacción
BC será el error de la subparcela
El error real de la subparcela será la interacción de los factores ABC.

b. ¿Cuáles son las hipótesis aplicadas?

Para la parcela completa (Factor B)
Ho = Bj = 0 No hay diferencia estadísticamente significativa entre parcelas principales
Ha = Bj ≠ 0 Hay diferencia estadísticamente significativa en al menos una de parcelas
principales

Para la subparcela Factor C

Ho = γk = No hay diferencia estadísticamente significativa entre subparcela
Ha: γk ≠ Hay diferencia estadísticamente significativa en al menos una de las subparcela

La interacción entre la parcela completa y la subparcela BC

H0 = (βγ)jk = No hay interacción entre la parcela principal y la subparcela
H1 = (βγ)jk ≠ Hay interacción entre la parcela principal y la subparcela.
 REFERENCIAS BIBLIOGRÁFICAS

Badii, M.H, J. Castillo, M. Rodríguez, A. Wong & P. Villalpando. (2007). Diseños

experimentales e investigación científica. InnOvaciOnes de NegOciOs 4(2): 283 –
330. Recuperado de: http://eprints.uanl.mx/12482/1/A5.pdf
García Villalpando, Jesús A., y Castillo Morales, Alberto, y Ramírez Guzmán, Martha
Elva, y Rendón Sánchez, Gilberto, y Larqué Saavedra, Mario U. (2001).
Comparación de los procedimientos de Tukey, Duncan, Dunnett, Hsu y Bechhofer
para selección de medios. Agrociencia, 35 (1), 79-86. [Fecha de Consulta 17 de enero
de 2021]. ISSN: 1405-3195. Disponible en: https://www.redalyc.org/articulo.oa?
id=302/30235107
Mendoza, H., & Bautista, G. (2016). Diseño experimental. Universidad Nacional de
Colombia. Licencia: Creative Commons BY-NC-ND. Recuperado de:
http://red.unal.edu.co/cursos/ciencias/2000352/html/contenido.html
Segura, J. (2000). Notas de diseños experimentales. Universidad Autónoma de Yucatán.
Recuperado de: https://www.angelfire.com/ar/iagg101/docum/Diseno1.pdf
Universidad Nacional Autónoma de México. (s.f.). Análisis de la Varianza ANOVA.
Recuperado de:
http://asesorias.cuautitlan2.unam.mx/Laboratoriovirtualdeestadistica/CARPETA
%203%20INFERENCIA_ESTADISTICA/DOC_%20INFERENCIA/TEMA
%204/11%20ANALISIS%20DE%20VARIANZA.pdf