Documentos de Académico
Documentos de Profesional
Documentos de Cultura
de lngrid Arning
ISBN: 1501012001-2463
Prefacio ....................................................................................................................
5
Introducción ..............................................................................................................
7
Sobre la investigación............................................................................................... 9
Investigación científica o convencional............................................................... 10
Investigación participativa .................................................................................. 10
Parte 1
Investigación participativa .......................................................................................13
1. Principios de la investigación participativa......................................................15
2. Actores ...........................................................................................................
17
3. Tipos de investigación participativa ................................................................19
4 . Métodos participativos....................................................................................19
4.1 Visualización ............................................................................................ 24
4.2 Facilitador ................................................................................................25
5. Principales pasos de trabajo en la investigación participativa.........................28
5.1 Diagnóstico .............................................................................................. 29
5.2 Planificación............................................................................................. 34
5.3 Diseño .....................................................................................................36
5.4 Evaluación o toma de datos .....................................................................37
5.5 Análisis y conclusiones ............................................................................39
5.6 Recomendaciones .................................................................................. -40
6. Bibliografía .....................................................................................................
40
Parte 2
. .
Investigación cientifica ............................................................................................41
1. Sobre la estadística ........................................................................................ 43
2 . Principios básicos de la planificación..............................................................45
2.1 Repeticiones............................................................................................ 47
2.2 Randomización........................................................................................ 48
2.3 Bloques.................................................................................................... 50
2.4 Tratamientos ............................................................................................53
2.5 Testigo....................................................................................................-54
2.6 Investigaciones factoriales ....................................................................... 54
2.7 Forma y ubicación de parcelas ...............................................................-55
2.8 Tamaño de parcelas ...............................................................................-58
2.9 Efecto vecinal .......................................................................................... 61
2.1 0 Efecto marginal ......................................................................................62
2.1 1 Simetría .................................................................................................62
3. Diseño experimental....................................................................................... 63
3.1 Diseño Completamente Aleatorio............................................................ -63
3.2 Diseño de Bloques Completos Aleatorizados ...........................................64
3.3 Diseño en Cuadrado Latino .....................................................................65
3.4 Diseño de Parcelas Divididas...................................................................66
4 . Toma de datos .............................................................................................. -69
4.1 Tamaño de muestra ................................................................................. 70
4.2 Área de muestre0 .................................................................................... 70
4.3 ¿Que es lo que se evalúa? ...................................................................... 71
5. Análisis de datos ............................................................................................ 75
5.1 Niveles de datos ...................................................................................... 75
5.2 El análisis de varianzas .ANVA ............................................................... 77
Supuestos para el ANVA ......................................................................... 77
¿Qué se tiene que tener en cuenta en un ANVA? ...................................81
Valor F..................................................................................................... 81
El ANVA para factoriales ......................................................................... 83
Análisis de varianza de parcelas divididas...............................................87
5.3 Transformación de datos ......................................................................... 93
5.4 Cálculo de datos perdidos........................................................................ 95
Cálculo de datos perdidos para diseño de bloques completos al azar .....95
5.5 Análisis de comparación múltiple de medias............................................ 98
Prueba de comparación de medias: Tukey.............................................. 99
Método de presentación ........................................................................ 106
5.6 Pruebas no paramétricas....................................................................... 107
Kruskal-Wallis-Test o H-Test ................................................................. 107
Prueba de comparación de medias: Nemenyi ....................................... 110
Friedman-Test....................................................................................... 114
Prueba de comparación de medias: Wilcoxon-Wilcox ...........................116
5.7 Grado de eficacia ................................................................................... 119
5.8 Análisis de datos registrados en escala ................................................. 124
6. Interpretación de los datos ........................................................................... 127
7. Presentación de datos e informes ................................................................ 128
7.1 Tablas .................................................................................................... 128
7.2 Gráficos ................................................................................................. 130
8. Recomendaciones para redactar avances o informes finales .......................135
9.Bibliografía .................................................................................................... 137
Anexos ..................................................................................................................
139
lndice ....................................................................................................................
151
Prefacio
Este manual quiere ser una guía metodológica para interesados en investigaciones
agrícolas, ya sea utilizando métodos participativos como los que trabajan dentro de los
enfoques tradicionales.
Este manual no puede dar una presentación completa, más bien se escogieron
algunos ejemplos.
Para facilitar la lectura de este manual, se usa la forma masculina como única forma,
incluyendo a las mujeres en esta expresión.
La autora
Sobre la investigación
Es así que muchas investigaciones fueron realizadas por el sólo hecho de realizarlas,
sin salir del mundo investigador y sin ser aplicadas. Los resultados obtenidos son
difundidos en los círculos científicos, cerrados a los agricultores por el difícil acceso a
las publicaciones y el lenguaje usado en ellos. Pero difundir los resultados es
importante para asegurar que las innovaciones no sólo son desarrolladas, sino
también difundidas hacia el grupo meta: los agricultores.
Según la opinión de la autora no existe línea que separa con exactitud las dos formas,
más bien se puede realizar una libre combinación entre los dos modelos teóricos,
pudiendo dar muy buenos resultados bajo las circunstancias pertinentes.
Los dos modelos de investigación tienen sus ventajas y desventajas y cada una tiene
su habilitación. Como nos muestra el dibujo 1 (El elefante y el ciego) para comprender
una cosa o un tema, se necesita entender y ver varios puntos o subtemas. Así la
Manual para investigadores
Para poder calificar una investigación científica como tal, suponemos que ha sido
realizada bajo normas de planificación, con diseños reconocidos, normas estadísticas
para demostrar diferencias y realizadas por personal calificado y entrenado para estos
trabajos. Es así que el reconocimiento de las tesis depende del reconocimiento
científico del patrocinador, no del tesista, que con su poca experiencia no es aceptado
como investigador de peso.
Investigación participativa
Sea la investigación que se use, el investigador debe tener claro sus objetivos y la
meta principal, dentro de la cual se realiza la investigación (ver dibujo 1: El elefante y
el ciego). Cada investigación es una parte que contribuye a un total. Una investigación
sobre el efecto de trampas amarillas es una parte que contribuye al manejo ecológico
de plagas, que dentro del sistema de cultivos tiene efectos directos, los que se
evaluarán en la investigación y efectos indirectos a todo el sistema, los cuales se
deben tener en cuenta y quizás es necesario una siguiente investigación evaluando la
técnica en el ámbito del sistema. Para reconocer e interpretar correctamente los datos
obtenidos en la investigación se necesita más que la información de un ANVA. Se
necesita poder vincular estos datos obtenidos a su entorno. Es como tener un polo
elegante de color amarillo, que combinado con un pantalón viejo y desgastado de color
violeta destruye la buena presentación personal.
Parte 1
Investigación participativa
1. Principios de la investigación participativa'
Los investigadores, que pueden ser tanto investigadores en el sentido tradicional como
extensionistas o técnicos, como primer paso deben tratar de entender a los
agricultores, los beneficiarios de sus investigaciones. Esto garantiza hasta cierto punto
una mayor aceptación de las innovaciones introducidas en la zona y evita trabajar con
agricultores sin poder llegar a ellos. Además permite partir de los conocimientos
existentes y aprovecha ideas de los mismos agricultores. Los agricultores deciden que
producir o consumir según sus preferencias y costumbres, tanto como según factores
naturales, socioeconómicos, políticos, etc. Estos factores también influyen en la
aceptación de una nueva tecnología, por lo
que deben ser tomados en cuenta a la
hora de la investigación. Si se les hace
participar, esto ocurre de manera natural.
Nadie conoce mejor que ellos sus criterios,
intereses y técnicas usadas a partir de los
cuales se desarrollará una nueva
tecnología. Las mejores tecnologías,
agronómicamente hablando, a veces son
rechazadas por razones de costumbre,
facilidad de ejecución, etc., aunque la
tecnología sea muy efectiva. Como se observa en los dos dibujos, una cultura, región
o zona tiene una forma de solucionar su problema, lo que para otra no es viable.
Partiendo de esta base, hay diferentes modos de actuar. Hay centros de investigación,
que recogen los problemas de los agricultores, los discuten con ellos y se retiran para
hacer sus investigaciones y luego presentar las soluciones elaboradas en los centros.
1
El capítulo se elaboró en base al libro: Werner, J. 1993. Participatory Development of Agricultura1
Innovations. Procedures an Methods of On-Farm-Research.
15
Manual para investigadores
Algunos ofrecen días de campo para informar a los agricultores sobre avances. La
participación por parte de los agricultores se reduce a ser fuente de ideas y
beneficiarios, pero no son ejecutores. No se les da la oportunidad de experimentar
ellos mismos las ventajas o desventajas de la nueva tecnología. Por eso, las
investigaciones deben llevarse a cabo en la misma chacra del agricultor, bajo su
manejo y sus condiciones de práctica. Esto presume, que ya se tiene resultados
preliminares de investigaciones básicas, los cuales se pueden llevar al campo, que ya
se cuenta con alternativas viables comprobadas en centros experimentales o chacras
demostrativas. La idea tampoco es llevar todas las investigaciones a la chacra,
arriesgando la cosecha (y supervivencia) del agricultor, sino asegurar, confirmar o
validar resultados obtenidos en estaciones experimentales en la realidad agrícola.
El grupo de contacto de los investigadores suelen ser los extensionistas, los cuales
difunden los resultados de las investigaciones científicas y las ponen en práctica
adaptándolas a las realidades agrícolas. Los extensionistas son quizás los más
importantes difusores de las investigaciones. Pero la demanda por tecnología por
parte del agricultor y por parte del extensionista no siempre son idénticas, ...
... por lo que el investigador debe consultar tanto a los agricultores como a los técnicos
y examinar bien, a quien da más peso. Lo óptimo es un consenso entre los tres
grupos, ya que facilita el trabajo trabajar en unión con todos los involucrados.
Los comités manejan fondos y están previstos de estatutos y cada miembro es elegido
por la comunidad. Ellos se reúnen además de los agricultores de su comunidad, con
otros comités y técnicos.
2
Ashby, 1991
CIAT, Cartillas para CIAL, No2
Manual para investigadores
18
Ashby (1991) recomienda un número de agricultores participantes no menor de 10,
ideal sería un grupo de 15 a 20, para obtener suficientes observaciones para el
análisis. La selección de ellos se hace en primer lugar en base al interés en participar
y poner a disposición una parte de su terreno agrícola. Los agricultores seleccionados
deben ser representativos para la zona, tanto en edad, sexo, como grupo étnico, etc.
Además menciona como criterio que los agricultores necesitan ser reconocidos como
cultivadores del cultivo en el experimento por la comunidad o conocidos como
innovadores. Su posibilidad de comunicación o expresión también es importante, para
poder exponer sus opiniones sobre el trabajo. Puede ser muy útil disponer de
informantes en la zona, que identifican los posibles productores. En caso de tener una
cantidad mayor de participantes, se los puede agrupar según condiciones sociales, por
zona o región, recursos socioeconómicos, etc. para homogeneizar el grupo.
1. Las investigaciones con la menor participación por parte de los agricultores son
aquellas, en los que estos participan en la recolección de datos, pero el tema y método
es elegido por el investigador. Este también es el caso para la elaboración de datos
(ordenamiento y sistematización), en la cual no participan los agricultores.
3. Los agricultores participan en todo el proceso, mientras que el rol del investigador
es secundario, pero constante. Los agricultores eligen el tema, el investigador es el
que dinamiza, da seguridad y confianza, resuelve dudas y estimula innovaciones.
Experimentos exploratorios
Experimentos de adaptación
Experimentos de verificación
A los tres tipos se los puede entender como tres etapas de investigación. Los
experimentos exploratorios son el primer paso, los que requieren menor cantidad de
conocimientos por parte de los agricultores, mientras que los otros dos, son más
complejos y el nivel de conocimientos como conducir una investigación son más altos.
4. Métodos participativos
La relación entre los agricultores y los investigadores o técnicos está guiado por varios
factores. Para los agricultores los técnicos, y sobre todo, los investigadores, vienen.de
otra realidad cultural, se visten diferente, usan otro idioma, etc. Esto impide a veces el
diálogo entre los dos grupos. Los agricultores pueden tener cierta expectativa de
recibir ayuda técnica o financiera de gente que supuestamente sabe más y dispone de
otros recursos. Pero también puede haber la sospecha, si es que realmente vienen a
ayudar y10 sólo a solucionar sus propios problemas. En el área de desarrollo rural los
agricultores tienen experiencias, buenas como malas, con gente de ayuda externa, lo
que influye en su comportamiento. Se dan casos, que por razones de cortesía trabajan
con los investigadores, sin comentar realmente sus prejuicios en contra del trabajo.
Lo mismo pasa del lado de los investigadores y técnicos. Cada grupo tiene ciertas
expectativas o perjuicios antes de empezar a trabajar en conjunto, lo que influencia el
modo de trabajar y tratarse.
Igualmente esencial es el modo de cómo nos presentamos (ver dibujo 2). Los
investigadores, técnicos suelen ser de mayor estatura, lo que inconscientemente
expresa una superioridad hacia los agricultores, lo que hace recomendable, que el
investigador tenga esto en cuenta en sus trabajos. Por ejemplo, en el momento de las
20
evaluaciones o encuestas, en diálogos, se debe tratar de nivelarse con los
agricultores, arrodillándose o sentándose, para estar a un mismo nivel de ojos o subir
la mirada hacia el agricultor, y no al revés. Todas las expresiones corporales influyen
r Hola, soy
María
L ¡Soy Ingeniero!
en la aceptación por la otra persona, sea un distanciamiento físico, el tono de voz, las
expresiones faciales, etc. (ver dibujo 3).
-
17
El uso de las herramientas participativas, con las que se obtiene información acerca de
los problemas, costumbres y posibles soluciones, no debe impedir de revisar otras
informaciones secundarias, antes de empezar cualquier acción de campo. Además se
pueden o deben realizar estudios más detallados, para determinar o comprobar con
mayor precisión y certeza los resultados obtenidos.
4
Fuente: Geilfus, 1997, modificado
Manual para investigadores
4.1 Visualización
Las personas asimilan sus conocimientos (ver gráfico 1 y 2) en un 83 % por lo que ven
y sólo en un 11 % por lo que oyen. O sea, que de una charla de capacitación
netamente oral no se registrar un 89 %. Para retener conocimientos nuevos, nos
ayuda todo lo que hemos visto y oído a la vez, siendo lo mejor haberlo ejecutado. Por
esta razón resultados de investigaciones, los cuales el agricultor mismo ha elaborado
no se olvidarán tan fácil, mientras que experiencias de otros, transmitidos oralmente
en un 20 % serán olvidados.
Asimilación de conocimientos
Así lo grabamos
Para facilitar la visualización se utilizan mayormente tarjetas, las que por su tamaño y
forma de uso son flexibles, movibles a diferentes pizarras o secciones de discusión.
24
Condición para su uso, es que todos los presentes puedan leer y escribir. Otra
limitación de las tarjetas es mucha veces la vista limitada de los agricultores, que por
falta de recursos no tienen acceso a lentes. En muchos casos se puede trabajar con
dibujos en vez de palabras.
Para el uso de tarjetas se han desarrollado normas que ayudan a su manejo y uso
adecuado:
Las tarjetas que se pegan en la pizarra, se leen en voz alta. Tarjetas repetidas sólo se
sacan si todos están de acuerdo. No se amontonan ni se sobrepegan. El uso de
tarjetas necesita de cierta práctica, tanto por los facilitadores como por los agricultores,
para poder trabajar con este modo abstracto, muchas veces lejano a la vida cotidiana
de los agricultores.
4.2 Facilitador
Como principio fundamental de los diagnósticos habíamos mencionado que todos los
participantes deben ser considerados como fuente de información y decisión y que
todos, ricos o pobres, con o sin educación formal, con o sin poder, deben merecer el
mismo respeto y tener la misma posibilidad de expresar sus opiniones. Que esto se dé
es tarea del facilitador.
Importante para cualquier trabajo relacionado con personas, sobre todo para trabajos
en equipo, es la motivación. Un paso para motivar es el interés demostrado en lo que
dicen o hacen las otras personas. Esto puede ser tanto verbal como no-verbal. En
caso de una encuesta, con la que se quiere obtener información sobre un tema, motiva
al encuestado a dar información si el encuestador asiente, toma una posición de
cuerpo inclinada hacia la otra persona, tiene contacto de vista, sonríe, etc., mientras
que si contradice la información recibida, interrumpe, muestra su desacuerdo o su
aburrimiento hace callar a la persona. El idioma corporal es tan importante como el
verbal (Werner, 1993). Esto se debe tener en cuenta en los diagnósticos, durante las
evaluaciones y sobre todo al analizar los resultados y para las conclusiones y
recomendaciones. Para un trabajo participativo Frans Geilfus (1997) concluye con los
siguientes requerimientos para un facilitador:
Manual para investigadores
Perfil de un facilitador:
tener fe en la gente y en sus capacidades
crear una atmósfera de confianza
tener cualidades de paciencia y capacidad de escuchar
estar consciente de sus límites y siempre dispuesto a aprender
tener confianza en sí mismo sin arrogancia
respetar las opiniones y no imponer las suyas
ser creativo
ser flexible, adaptar los métodos a la situación y no seguir
programas rígidos
ser sensible al estado de ánimo y a la sensibilidad de los
participantes
tener capacidad para dibujar y escribir
tener capacidad de síntesis y análisis
En todos los métodos que usamos, sean encuestas, diálogos, lluvias de ideas, etc. es
importante presentar claramente nuestras preguntas y preguntar si es que se
entendieron.
Para preguntar hay unos principios básicos que ayudan a promover el diálogo lograr la
participación de la gente.
Preguntas buenas: 5
provocan curiosidad
estimulan la discusión
ponen al grupo a reflexionar
hacen avanzar el proceso
sacan a relucir los conocimientos y capacidades del grupo
revelan el deseo de entender y ayudar
¿Ud.cree ...?
Para aclarar dudas o detallar más un tema, se puede usar las siguientes frases:
Otra forma es usar las palabras claves usadas por el agricultor para preguntar por más
detalles.
Preguntas malas: 6
son preguntas cerradas con respuestas evidentes
son declaraciones genera les, mal definidas
sólo pueden ser respondidas por los expertos
amenazan la colaboración del grupo
enfocan a l facilitador, empiezan por una conferencia
revelan paternalismo
Estas opciones para solucionar el problema son discutidas con los agricultores lo más
detallado posible, para tener claro las diferencias y poder descartar con más facilidad
las no viables. Para esto se pueden usar los siguientes criterios (según Werner, 1993):
5.1 Diagnóstico
Un diagnóstico se elabora en una reunión en grupo, donde en forma exploratoria se
discute o analiza un tema. La discusión en grupo permite valorar o rechazar opiniones
individuales y puede llegar a crear opiniones en común durante la discusión. Esto se
puede dar durante una sola reunión o realizando varias reuniones sobre el tema de
investigación, creando un grupo familiarizado con las nuevas tecnologías y con
confianza mutua. Para aclarar y hacer entender las propuestas tecnológicas se
recomienda usar materiales didácticos, dibujos o los mismos materiales de la
investigación (semillas, abonos, visualizar diferentes cantidades con número de
bolsas, etc.) para que la finalidad y las diferencias entre los tratamientos queden
claras. También las expectativas que se supone cambiar con cada tratamiento.
El diagnóstico es un paso muy importante, ya que es la base para todos los siguientes
pasos. Se debe cuidar que el proceso de la investigación participativa sea dirigida por
el camino correcto, sin influir en los temas de preferencia de los agricultores.
Resultados no satisfactorios son muchas veces el resultado de un diagnóstico
Manual para investigadores
Un diagnóstico, con el que queremos recoger las opiniones de los agricultores, debe
ser con métodos participativos, para realmente escuchar lo que es de su interés. Pero
con cuidado, porque también son métodos con los que se pueden influenciar a la
gente y manipularlas.
Transecto
Para concretizar y adicionar informaciones oficiales sobre el tema de trabajo. Se cruza
una zona o pueblo sistemáticamente junto con informantes de la zona. Por ej. se
puede atravesar una zona de norte a sur o del punto más alto al más bajo, anotando
todo lo visto respecto a suelo, flora, fauna, infraestructura o lo que sea de interés para
la investigación. Se usa sobre todo en el campo, en la ciudad o pueblo no da muchas
informaciones adicionales.
5.2 Planificación
Número de tratamientos
Para fijar el tamaño de parcelas se discute con los agricultores sobre su disponibilidad
de terreno y el tamaño mínimo que debe tener la parcela para poder realizar la
investigación sin influencias entre las parcelas y excluyendo el efecto individual de
cada planta.
5.3 Diseño
Para la forma y ubicación de las parcelas ver el capítulo sobre Formas y Tamaño de
parcelas en la Parte 2, Forma y ubicación de parcelas, Tamaño de parcelas, pág. 55).
Evaluar significa medir u observar en todas las parcelas lo mismo y comparar entre
ellas, y se realiza para facilitar o posibilitar la toma de decisiones sobre los resultados
de la investigación.
* los datos primarios, los cuales son datos nuevos, registrados para o durante la
investigación en forma de encuestas, discusión de grupos, mediciones u
observaciones. Las encuestas, discusiones y observaciones son datos subjetivos,
mientras que mediciones son objetivas. Observaciones, p. ej. el porcentaje de ataque
de plagas, deberían realizarse por una sola persona para poder comparar datos. En
la investigación participativa se puede formar grupos de 2 a 3 personas que evalúan
una característica en todas las parcelas, para garantizar objetividad y
comparabilidad.
+ los datos secundarios son datos a base de los cuales se formulan los objetivos de la
investigación. Además nos ayudan a evaluar y analizar los resultados. Las fuentes
pueden ser datos meteorológicos, mapas, investigaciones anteriores, informaciones
escritas tanto como orales.
Para poder cumplir con estos requisitos y poder contestar las preguntas de inicio al
final de la investigación, tanto las preguntas agronómicas como las de aceptación de la
tecnología por los agricultores, es necesario hacer un plan detallado según los
objetivos; hacer una lista de los datos necesarios y en que momento se deben
registrar, ya que datos no tomados a tiempo no se pueden recuperar. Este trabajo nos
ayuda además, a ahorrar tiempo impidiendo levantar datos innecesarios. También
siempre hay datos a los que se puede recurrir de otras fuentes, los que nos pueden
facilitar la evaluación y la interpretación de los resultados.
Una de las tareas más importantes de cada técnico o agricultor investigador, es visitar
el campo regularmente, para no perder el contacto con los agricultores participantes,
evitar pérdidas de cultivo (p. ej. un ataque de plagas imprevisto) y hacer observaciones
sobre el desarrollo de las plantas.
Observaciones de campo:
Tener una medida fija siempre facilita el trabajo de evaluación. Para la altura de maíz,
por ejemplo, el CIAT propone trabajar con la siguiente medida: se trata de una
variedad con altura muy baja, en caso que la espiga del maíz alcance la altura de los
ojos. Plantas muy altas, son las plantas de las que no se pueden tocar las espigas
estirando el brazo. Para los agricultores las plantas tienen una buena altura cuando la
espiga queda más arriba de los ojos y pueden tocarla estirando el brazo. Este ejemplo
de escala es una escala individual, según los criterios de los agricultores de la zona.
No puede ser transferida a agricultores de otros países, pero para los fines de la
investigación y las condiciones de los agricultores es la ideal.
Hay datos, que puede que no sean contestados por los agricultores, como por ejemplo
calidad nutritiva del producto, calidad de cocción. Esto puede ser por ejemplo el tiempo
de cocción de una nueva variedad de papa, que según los agricultores tiene un buen
rendimiento, pero en el mercado no se venden por su largo tiempo de cocción, lo que
significa más gastos de gas o leña. Aquí es más importante preguntar a las personas
encargadas de la preparación de la comida por su evaluación de las variedades del
ensayo. Así pueden haber otros criterios (postcosecha, mercadeo) importantes para
los que se necesita interrogar a diferentes personas del hogar.
8
CIAT, Cartillas para CIAL, No6
38
difícil de conseguir, etc. La adopción de una tecnología investigada puede depender
más de factores indirectos que del mismo efecto agronómico de la tecnología. El
agricultor comúnmente hace esas evaluaciones inconscientemente, pero es importante
llevarla a la consciencia y que el investigador/técnico participe en esta evaluación para
poder desarrollar una siguiente investigación o entender mejor los problemas
relacionados. A los agricultores les puede ayudar un análisis para entender mejor las
causas de un rechazo o aceptación y para tener más claro sus demandas y poder
formularlas respectivamente.
El análisis de datos, al igual que la toma de datos, se hace con el agricultor para poder
sacar conclusiones en conjunto y para la comprensión de todos los participantes.
Aunque Werner, 1993, no duda en analizar todos los datos vía estadística
convencional con apoyo de la computadora, el ClAT en sus cartillas sobre el CIAL, no
usa métodos estadísticos más allá de cálculos matemáticos básicos, que pueden ser
entendidos y comprendidos por los agricultores y reduce sus mediciones a un nivel
manejable para cualquier productor, midiendo la altura, por ejemplo, en bajo, mediano
y chico, y evaluando los criterios más convenientes para el agricultor. Esto también
coincide con un principio básico de los métodos participativos: no sacar datos o
información de las investigaciones sin que los agricultores lo sepan o entiendan. Todos
los datos elaborados son propiedad de ellos. Una de las ventajas de la investigación
participativa es sobre todo la fácil aceptación por los agricultores de tecnologías
probadas y comprobadas por ellos, por lo que se debe preferir analizar datos con ellos
y evaluar los resultados en conjunto. Juntos se sacan las conclusiones, siempre
teniendo en cuenta lo antes dicho: respeto mutuo, equidad entre agricultores y
técnicos. También, teniendo en cuenta, que diferencias estadísticamente significativas,
si no son visibles, no convencen a personas no capacitadas en estadística.
En caso que se use análisis estadísticos, éstos son igual para la investigación
participativa y la convencional (ver Parte 2 del libro).
experiencias y resultados que han tenido con el problema investigado. De esta forma
el agricultor tiene la posibilidad de presentar con sus propias palabras sus resultados
sin el "filtro" del investigador o técnico y sin su valoración. El agricultor pondrá énfasis
en los puntos de su mayor interés, lo que se aprovechará para identificar sus criterios
de selección y calificación. En esta reunión, la cual se realiza pocas semanas después
de terminar la investigación, se elaboran las conclusiones finales y puede ser usada
para plantear nuevas investigaciones.
5.6 Recomendaciones
6. Bibliografía
Investigación científica
1. Sobre la estadística
Este enunciado deja muy claro, que la estadística es nada más que un instrumento
muy útil, una herramienta para el investigador en su trabajo de investigar. Pero este
instrumento, mal usado, no da resultados o los distorsiona. Sólo por haber hecho un
ANVA, todavía no se tiene un trabajo científico y resultados interesantes, válidos o
confiables. Si se realizó un ANVA con datos sobre la cosecha de diferentes árboles
frutales, el ANVA puede dar buenos resultados, puede afirmar las diferencias
significativas tan deseadas por todos los investigadores, pero se está comparando
manzanas con peras, lo que técnicamente no tiene ningún sentido. El investigador
debe pensar, cuales son los datos, que va a analizar. Los números son elementos
pasivos con los que se pueden hacer cualquier cálculo; a las fórmulas se pueden
ingresar cualquier tipo de datos; es el investigador, el que decide, según su criterio
técnico y lógico, que datos son aptos para ser analizados.
Los resultados significantes también hacen olvidar fácilmente los problemas técnicos y
metodológicos en la realización de la investigación. Frecuentemente la interpretación
es limitada a las diferencias significativas, sin prestar atención a las dificultades, los
cuales pueden tener gran influencia en los resultados. La estadística no debe ser
usada como coartada para escapar de los problemas y los aspectos difíciles del
trabajo. Trabajos con gran énfasis en las pruebas estadísticas hacen pensar que el
investigador no ha podido solucionar los problemas metódicos.
9
La población son todos los posibles valores de una variable, siendo una muestra una parte de la
población. Por ejemplo, la población puede ser todos los posibles valores del rendimiento de maíz en el
departamento de Lima. La muestra es el rendimiento de maíz observado en la investigación en Cañete.
43
Manual para investigadores
'PO J
I
U)
5 40
/
U)
E 30
20
1o
o 1
1 2 3 4 5 6 7 8 9
horas
¿'Qué datos hay que tener para poder contestar la pregunta inicial de la
invest~gac~ón?
¿'Cuántos datos hay que tomar?
¿De que forma s e escoge el material d e la investigación?
¿'Cómo ordenar los datos obtenidos.?
¿'Cómo serán descritos los datos y presentados en forma visible y clara?
¿.Cómo s e analizará los datos?
íQué conclusiones se podrán tomar?
¿'Cuán confiables son las conclusiones?
¿Cuáles son las preguntas, dudas abiertas después del análisis d e datos?
De la planificación exacta depende el error del ensayo, la exactitud del mismo y con
esto los resultados a obtener. Aquí también juega un rol muy importante el interés del
investigador, que debería llegar hasta tal punto de controlar o realizar el mismo cada
una de los trabajos necesarios de la investigación, para asegurarse que se hagan de
manera adecuada y exacta. Para bajar el error del ensayo a un mínimo es importante
tener en cuenta todos los factores que influyen sobre la exactitud y tratar de
minimizarlos. Esto empieza con prepararlos bien y llevarlos a cabo esmeradamente.
Además incluye tener las herramientas necesarias en buenas condiciones y
funcionando antes de empezar. Un chequeo anterior es obligatorio. Factores que
influyen son entre muchos otros el pesar y dosificar los productos usados para el
ensayo. Por ejemplo, si se pesa la cosecha con una balanza vieja y mal calibrada
influye esto en el error y la exactitud de los resultados. El peso indicado en la balanza
estará alrededor del peso "real". Si pesamos la misma cosecha varias veces sobre
esta balanza, nos dará resultados diferentes alrededor del valor "real". Esta desviación
sistemática es causada por falta de exactitud y es expresada como medida estadística
de precisión.
Para reducir el error de los ensayos se deben tener en cuenta los principios básicos de
la investigación:
l . ceteris paribus: todo el manejo de las parcelas queda igual, con excepción del
tratamiento
2. repeticiones: para poder determinar y reducir el error del ensayo
3. randomización o aleatorización: para que influencias marginales y vecinales
puedan actuar en forma homogénea sobre las diferentes variantes/tratamientos
Está demás mencionar que una buena planificación también incluye una buena
documentación del ensayo, elaborando el plano de campo, fichas para la evaluación y
anotar tantas observaciones como sean necesarias para un análisis y, sobre todo,
para una buena interpretación de los datos. El plano se recomienda hacerlo detallado,
con escala, incluyendo caminos, árboles aledaños, acequias o cuanto factor pueda ser
interesante para la ejecución.
Los datos de las evaluaciones no deben hacerse en hojas provisorias u hojas sueltas,
ya que se pueden perder. Además, cada transcripción de datos es una fuente de error.
Un ejemplo para una hoja de evaluación ver Anexo 1. Los cuadernos o folderes en uso
deben forrarse para que no se mojen y, además, escribir con tinta no-lavable. También
se deben etiquetar debidamente las parcelas con tinta resistente al agua y a los rayos
del sol, sujetados de tal forma que no puedan volarse ni estorban los trabajos en el
cultivo.
2.1 Repeticiones
Aumentar el número de repeticiones puede permitir hasta cierto grado trabajar con
material, suelo, etc. no homogéneo, pero no reducen el error debido a técnicas
defectuosas.
2.2 Randomización
buena baja
A B C D E
//
' E
rendimiento
>
* la precisión es alta, la confiabilidad de los datos baja.
B) Resultados obtenidos en rendimiento en un ensayo randomizado completamente
buena baja
>
A C B E D
E C
C E
rendimiento
>
+ la precisión es menor, la confiabilidad es alta
48
No se debe hacer la distribución "a dedo", sino de una de las siguientes formas:
* tabla de números al azar (ver Anexo 2). En la tabla se escoge al azar un número de
cualquier columna y se utilizan los números siguientes para ordenar los
tratamientos.
Ejemplo:
Guano de T2 2
corral
Humus de
lombriz
humus de lombriz
Fertilizante T5 1
químico
Manual para investigadores
6)Randomización con números de teléfono, de los cuales sólo se usan los últimos
tres en forma ascendente, para el primer bloque en una investigación polifactorial
(Factor abono y factor dosis):
2.3 Bloques
Para hacer más homogéneo el material del experimento y para poder calcular
diferencias ambientales (calidad del suelo, malezas, luz, viento, ataque de plagas), se
recomienda formar grupos homogéneos, que se denominan bloques. Para reducir
estos factores (conocidos o desconocidos) que influyen en la investigación, pero no
son de interés, se forman grupos, en los cuales las condiciones deben ser lo más
homogéneas posibles. Estos grupos se denominan bloques. Las diferencias o
variaciones dentro de los bloques deben ser mínimas y entre bloques lo más grande
posible. Entre mas homogéneo sea un bloque, mejor se podrá calcular en el ANVA el
efecto de la influencia no deseada. Estas diferencias pueden ser tanto las arriba
mencionadas, como también puede ser la cosecha durante varios días. En este caso
la cosecha se realiza en un día todo el completo bloque 1, al siguiente día el siguiente
bloque completo, para mantener la mayor homogeneidad dentro de un bloque. Lo
mismo vale para evaluaciones. Si diferentes personas evalúan la investigación, una
persona debe hacerlo en todo un bloque, la otra persona lo hará en otro bloque.
Con la ayuda de los bloques se puede calcular el factor "calidad del suelo" (en caso de
heterogeneidad del suelo) y restarlo del error del ensayo. Con esto, los efectos
causados por los factores del tratamiento obtienen estadísticamente mejor visibilidad.
Bloque I Bloque II
I
Los tratamientos deben ser definidos sobre todo según los requerimientos técnicos. A
raíz del tema de la investigación, del problema a estudiar y un buen estudio de
literatura se definen los tratamientos. Como "literatura" también es válido las
comunicaciones orales de los agricultores o técnicos. Una buena preparación significa
recoger información básica sobre el sitio de la investigación, las condiciones climáticas
y económicas, prácticas locales e información específica alrededor del problema.
Todos estos factores influyen en una investigación y en la definición de los
tratamientos, tratando de definir estos orientándose a las necesidades del agricultor.
De nada vale una investigación sobre un abono, que en otras regiones ha tenido muy
buenos efectos, si en la zona de la investigación los agricultores no tienen acceso a
este abono. Una buena preparación facilita también la interpretación de los datos a
obtenerse y la vinculación de estos al contexto.
2.5 Testigo
Al igual que los otros tratamientos el testigo necesita repeticiones y debe ser
incorporado al diseño experimental.
-- -
-
La forma de las parcelas ayudan a mejorar la precisión, ya que también en ellas, como
en los bloques, se refleja por ejemplo la homogeneidad del suelo u otros factores de
influencia.
Se recomienda situar las parcelas (los lados largos) a lo largo, o sea en forma paralela
al factor perturbador, el cual no ha podido ser registrado completamente con la
formación de bloques, para tener parcelas uniformes.
Manual para investigadores
Ejemplo:
buena baja
Bloaue 1
Parcelas homogéneas dentro de un bloque: todas las parcelas tienen zonas con menor o
mayor calidad de suelo, por lo que la influencia suelo ha sido limitada y se pueden apreciar los
efectos reales de los tratamientos.
parcelas
incorrectas
parcelas
correctas
1o
En caso de que se evalúe la cosecha de una parcela, se obtiene un solo valor por parcela ya que la
cosecha es el resultado de un número "x" de plantas. Más bien se deben cosechar mínimo 20 a 30
plantas para obtener un valor confiable para la característica "rendimiento".
El tamaño de las parcelas depende de:
objetivo
tipo de tratamiento
número de repeticiones
homogeneidad del suelo
época de realización
cultivo
técnica usada en la investigación
No se pueden dar tamaños exactos para cada cultivo, ya que depende del objetivo,
pero también de la época del año. Por ejemplo, en una época del año con mucho
viento, se necesitan parcelas más grandes (efecto vecinal).
En general se prefiere trabajar con parcelas chicas, ya que un tamaño muy grande de
parcelas agranda el error del ensayo, por la creciente heterogeneidad del suelo. Es
preferible hacer un mayor número de repeticiones con parcelas pequeñas, que pocas
repeticiones con parcelas grandes.
Algodón riego
variedades
Arroz variedades, fertilización
control de enfermedades
Arveja
Frijol fertilización
Haba variedades
riego
Maní fertilización, variedades
riego
Papas fertilización, variedades
Tomate
Trébol variedades
Fuente: Rohrmoser, 1984, modificado.
2.9 Efecto vecinal
Una forma de solucionar el problema del viento es mediante telas que se colocan
durante la aplicación en los bordes de la parcela aplicada, pero sólo es viable para
cultivos de tamaño bajo. Con viento fuerte se prohiben hacer aplicaciones, ya que el
efecto ya no es controlable.
Otra forma para evitar un efecto vecinal es mediante caminos entre los tratamientos,
pero esto ocasiona otro efecto negativo para el resultado final:
Manual para investigadores
Este efecto se produce por la falta de competencia que tienen las plantas en el borde.
Esto puede causar un tamaño de plantas o cosecha mayor o menor a la del centro del
cultivo. El microclima del centro de un cultivo es muy diferente al de los bordes, lo que
puede ocasionar un ataque de hongos diferente. Otro problema que surge por los
caminos es el ataque de algunas plagas, que se da preferentemente por esos
caminos. En caso de ser necesario dejar un camino, se recomienda dejar una franja
de borde, que queda excluida de la evaluación.
2.1 1 Simetría
Una estructura simétrica de la investigación, o sea levantar datos en igual número para
cada parcela y usar niveles de factores equidistantes (p. ej. 10, 20, 30 y 40 kg de
Nitrógeno; evaluación de plagas a 1, 2, 3, 4 días de aplicación) es de ventaja, ya que
es una condición para muchos tests o análisis. Esto por ejemplo para un ANVA
factorial, donde para cada parcela debe haber el mismo número de datos. Para la
regresión se recomienda tener niveles equidistantes para el factor x. Esta estructura
simétrica trae ventajas simplificando el análisis de los datos y un incremento de
información.
3. Diseño experimental
Como hemos visto en los capítulos anteriores, hay factores que obstaculizan la
investigación e influencian los resultados en forma no deseada. Para eliminar o limitar
estos factores se han creado diferentes diseños, como los bloques. Algunos diseños
facilitan el manejo de una gran cantidad de parcelas, otros se han creado
especialmente para manejar dos factores. La etapa de planear el diseño es una etapa
fundamental, que finalmente permite la recolección apropiada de datos y conducirá a
un análisis objetivo y con deducciones válidas del problema investigado. El diseño
tiene el propósito de proporcionar métodos que permitan obtener la mayor cantidad de
información válida acerca de una investigación mediante métodos que permitan
disminuir el error experimental. Si ya sabemos el tamaño y forma de las parcelas,
debemos decidirnos por un diseño. A continuación veremos los principales diseños
para investigaciones agrícolas.
Ejemplo:
La randomización del diseño se hace para todas las unidades experimentales o sea
parcelas, macetas, placas petri, etc. sin restricciones (ver también capítulo de
Randomización, pág. 48).
11
Tratamientos tomados de la tesis de Marco A. Arenas Aspilcueta, UNSA, Arequipa, 1996.
Manual para investigadores
Ejemplo:
Bloaue
El diseño es poco manipulable con un gran número de factores ya que, por ser
columnas = filas = tratamientos, requiere un gran número de parcelas. Por ejemplo,
una investigación factorial con 3 factores (3 formas de control de plagas) a 2 niveles
(dosis de aplicación) cada uno: Tenemos 8 posibles combinaciones entre factores y
niveles, para los cuales serán necesarios 64 parcelas (8 x 8). En un diseño de bloques
con 4 repeticiones necesitaríamos 32 parcelas (8 x 4). En una investigación can diseño
de cuadrado latino se parte de un plano matriz, el cual es randomizado. Planos matriz
se encuentran en el Anexo 3.
Ejemplo:
Columnas
Manual para investigadores
antes fila 3
antes fila 4
antes fila 2
antes fila 5
Con esto la fila No 3 pasa ser fila No 1, antes fila 1
la No 4 pasa ser No 2 y así
sucesivamente.
FO 2 FO 1
FO 1 FO 4
FO 4 FO 3
FO 3 FO 2
3) Se subdivide las parcelas principales en tres unidades, para las tres formas de
fertilización foliar y se randomiza por separado cada parcela principal.
13
Tratamientos tomados de la investigación de Pineda, R., CIPCA, Piura, 1997.
4. Toma de datos
Antes de empezar a evaluar, es necesario hacer una lista detallada de los datos que
se necesitan para poder contestar la pregunta inicial de la investigación, ya que datos
no tomados a tiempo no se pueden recuperar. Y, además, nos ahorramos tiempo en
levantar datos innecesarios. La lista ayudará a reconocer el trabajo y tiempo que
requiere la evaluación y, en caso que sea muy amplio, modificar la investigación y
hacer los respectivos cambios para que la investigación sea realizable. Muchas
evaluaciones deben hacerse el mismo día, algunas en la misma época del día, ya que
los términos pueden cambiar rápidamente. Por ejemplo, la presencia de plagas en la
madrugada puede ser muy diferente a la del mediodía o en la tarde, por lo que se
tendrá que registrar todas las parcelas p. ej. en las horas de la madrugada. Una
investigación con gran número de parcelas o gran cantidad de diferentes registros por
parcela no permitiría esto.
En caso que sea necesario cosechar durante varios días, se debe realizar la cosecha
por bloques, o sea, en un día todo el completo bloque 1, al siguiente día todo el bloque
II, etc. Lo mismo vale para evaluaciones. Si diferentes personas evalúan la
investigación, una persona debe hacerlo en todo un bloque, la otra persona lo hará en
otro bloque.
Los datos de las evaluaciones no deben hacerse en hojas provisorias u hojas sueltas,
ya que se pueden perder. Además, cada transcripción de datos es una fuente de error.
Los cuadernos o folderes usados deben forrarse para impedir que se mojen y,
además, escribir con tinta no-lavable. Todos los datos deben ir bien documentados,
con fecha, lugar, nombre, número, etc. y archivados de manera que a la hora de la
sistematización se encuentren, entiendan y puedan ser analizados.
Manual para investigadores
De cada parcela sólo se registran datos de un área neta, dejando bordes a los lados,
de un tamaño según la necesidad del ensayo. Esto depende del efecto vecinal,
marginal, etc. como hemos visto en los capítulos anteriores.
14
En caso de que se evalúe la cosecha de una parcela, se obtiene un solo valor por parcela ya que la
cosecha es el resultado de un número x de plantas. Más bien se deben cosechar mínimo 20 a 30 plantas
para obtener un valor confiable para la característica "rendimiento".
70
Nuestro ojo no es un instrumento adecuado para definir una muestra homogénea
dentro de la parcela, por lo que se desarrollaron diferentes métodos de extracción o
selección:
Un método es el completamente randomizado, entrando al campo y evaluando una
cierta cantidad de plantas. Con el registro de un número adecuado de plantas, este
método es el más ventajoso, pero como no se logra una real randomización sin
planificarlo y detallarlo (haciendo sorteo, rifas, etc. para cada parcela) es trabajoso.
Otro método es el sistemático, entrando al campo y evaluando cada tercera planta
en cada segunda fila del área neta. Se usa en caso de parcelas grandes, pero no
garantiza una buena representatividad para los datos de toda la población.
Un tercer método es el de agrupación, en el cual se definen al azar puntos dentro de
la parcela, alrededor de los cuales se evalúan varias plantas. Se aplica en casos de
difícil acceso a las plantas, pero es susceptible a la heterogeneidad dentro de la
parcela.
Vale la pena definir de antemano cual parte de la planta se evaluará, lo cual se define
según la característica de la plaga o enfermedad que se evalúa.
0 .
.
0 . .
0 .
0
0
. .
.
Teniendo la hipótesis de la investigación, hay que decidir cuales son las características
o criterios a evaluar. No se puede definir de antemano las características según cultivo
ni según tema, ya que puede ser diferente para cada caso. En caso de una
investigación sobre una planta biocida, se tiene como interrogante si es que funciona,
cuando aplicar (nivel de daño, presencia de insectos plagas), que dosis aplicar,
cuantas veces aplicar y la comparación con insecticidas en el mercado. Cada una de
estas preguntas puede ser una o más investigaciones aparte y serán evaluadas de
forma diferente. Por ejemplo en caso de ensayos con aspersiones es importante
anotar, además de insectos plagas vivos y10 muertos, etc. las condiciones
meteorológicas (viento, radiación solar, lluvia, humedad relativa) ya que influyen en el
actuar del producto asperjado.
La característica debe ser re~licableen repeticiones en otro sitio, evaluada por otras
personas. Por ejemplo mediciones con un metro estandarizado se puede replicar en
todos los países sudamericanos, mientras que una escala desarrollada por el
investigador no cumple con estos requisitos.
La característica debe ser válida y de contenido para la pregunta inicial. Por ejemplo
las notas del examen de admisión son importantes para ingresar a muchas
universidades como la de medicina. Pero 'tiene que ver esa nota con la habilidad de
ejecutar la profesión de médico, dónde se debe tener bastante facilidades de
comunicación y paciencia con los enfermos?
Mientras que los datos obtenidos midiendo, pesando, analizando y contando son
objetivos, observar o estimar es subjetivo, pero puede ser valorado como dato
objetivo, si fue hecho durante todo el período vegetativo por una sola persona, sin
prejuicios y sin ser influida.
Antes de empezar a observar o estimar las parcelas se recorre todo el terreno para
hacerse una idea de los diferentes grados de expresión están representados en la
investigación. En caso de no tener fotos o dibujos con las diferentes notas como ayuda
ver gráfico 8),se memoriza las diferentes grados de la característica antes de empezar
con la primera parcela. Puede ser útil recoger un ejemplo de los principales grados de
la característica para poder comparar las parcelas con estos. Esto aumenta la
objetividad de la evaluación. Por ejemplo para una evaluación del color de hoja
después de aplicación de biol se recorren todas las parcelas recogiendo hojas del
color verde claro o amarillento (grado 3), verde (grado 5) y verde oscuro o azulado
(grado 7).
1 = faltante 3 = leve 5 = mediana 7 = fuerte 9 = muy fuerte
o muy baja
1 característica falta o presente en grado muy leve (p. ej. sin nódulos en
la raíz o muy pocos)
3 leve presencia de la característica (pocos nódulos)
5 mediana presencia (mediana cantidad de nódulos)
7 fuerte presencia (gran número de nódulos)
9 muy fuerte presencia (muy alto número de nódulos)
Los datos obtenidos a base de las escalas son datos cualitativos, de frecuencia o
rangos y normalmente deben ser analizados con un x2. En caso de la escala del 1 al
9, las frecuencias, con las que cada valor se da en la investigación, no es tan grande
como en escalas de menor división, con lo que la distribución es más pareja. Mayor es
Manual para investigadores
La tabla hasta cierto punto también tiene en cuenta que la estimación de porcentajes
-
de ataque entre los valores de 40 60 % no es muy exacta y muy difícil para el ojo
humano, mientras que los porcentajes entre O - 5 % y 95 - 100 % se puede estimar
con bastante exactitud. Algunos ejemplos para el ataque de enfermedades en
porcentaje se dan en el Anexo 4.
Para investigaciones fitosanitarias es posible contar tanto insectos muertos como vivos
en la planta o caídos al suelo. Contar insectos muertos en el suelo sólo tiene sentido,
si no hay vegetación o grietas en donde no puedan ser visibles los individuos, ya que
falsificaría la evaluación o sería inexacta. Con las aplicaciones también puede ocurrir
que los insectos emigran, por lo que para las aplicaciones de efecto lento no se tienen
en cuenta los muertos, sino sólo los vivos en la planta. Todas las parcelas deben ser
evaluadas el mismo día, a veces a la misma hora, por lo que, dependiendo del insecto
evaluado, se pueden producir cambios de densidad 1 presencia en poco tiempo.
5.Análisis de datos
Según las formas de evaluar tenemos diferentes niveles de datos y con esto diferentes
tests para su posterior análisis.
* datos cualitativos o numerativos: son datos divididos en por lo menos dos clases
o categorías. Por lo general son variables discretas, en las cuales se observa la
cantidad de veces en la que se presenta una categoría. Las categorías son definidas
sin intermedios y no son comparables entre ellas. Por ejemplo respuestas de silno en
una encuesta, el sexo (masculino, femenino), colores (rojo, azul, amarillo) son datos
cualitativos en los que no hay intermedios.
Por ejemplo se usa para la intensidad de ataque de plagas, color de hojas o frutas.
El problema de estos datos consiste en que se sabe, que un tomate de color rojo es
mejor que un tomate de color verde, pero no se sabe en cuanto. Las diferencias entre
los rangos no son definidos con exactitud. Por ejemplo: el ganador de una medalla de
oro es mejor que él de la medalla de plata, pero no se sabe por cuanto. Rangos son
características como notas, escalas de evaluación (del 1 al 9, etc.)
* datos en intervalos fijos: los intervalos entre los datos son fijos, bien definidos,
como por ejemplo en datos que se miden (temperatura). No sólo se tiene aquí la
comparación entre las características, sino también se tiene la información concreta
sobre la distancia o diferencia entre ellas y la escala es continua. Por ejemplo la
temperatura es una medida en intervalos fijos. La diferencia entre ciertos meses se
conocen con exactitud.
* datos relacionados: se usa no sólo la diferencia entre dos datos sino también la
relación entre ellos. Esto es posible, porque las escalas tienen un punto cero
claramente definido. Por ejemplo la longitud es una escala con datos relacionados.
Una planta de 32 cm es 16 veces más larga que una planta de 2 cm. Esto no se
cumple con datos de intervalos fijos, como la temperatura.
Las posibilidades estadísticas crecen a mayor nivel de los datos, ya que contienen
más información. Por lo general esto significa también un mayor esfuerzo en el
análisis.
datos cualitativos X*
datos en rangos Friedman - Test, H - Test (Kruskal - Wallis)
datos en intervalos fijos ANVA
datos relacionados ANVA
Lo más usual en la agricultura son datos con intervalos fijos y datos relacionados y la
elaboración de ellos es con el análisis de varianza (ANVA). Es una técnica estadística
para analizar la variación total de los resultados experimentales de un diseño en
particular. Tiene como objetivo identificar la importancia de los diferentes factores o
tratamientos en estudio y determinar como actúan entre sí.
l5 Tabla incompleta, se mencionan, con excepción del x2,los análisis tratados en esta guía.
76
5.2 El análisis de varianzas - ANVA
Para obtener resultados serios, se necesita cumplir con algunos requisitos para el
ANVA:
Histograma en Excel
1er paso:
Se ingresan los datos en una tabla de Excel, ordenándolos por ejemplo como
mostrado en la tabla 3. También se pueden ordenar todos en una sola columna.
2do paso:
3er paso:
4to paso:
Clase Frecuencia
v mavor... O
Histograma
6T
Gráfico 10: Visualización de la distribución de los datos por Excel y la tabla base.
- con el F-max-Test:
Supuestos: l
* datos necesitan ser balanceados, o sea igual cantidad de datos para cada 1
tratamiento I
I
1
* distribución normal 1
!
F-max Ens I F-max Tab l6 => no hay diferencias, varianzas son homogéneas
F-max En, > F-max Tab => hay diferencias, varianzas heterogéneas
Ejemplo:
F-max E,,S = 2,35 2 F-max Tab l6 = 72,9 no hay diferencias, varianzas son
homogéneas
l6 Ver Anexo 5.
80
¿Qué se tiene que tener en cuenta en un ANVA?
Para hacer un análisis estadístico se necesita cierta cantidad de datos, para poder
obtener un resultado válido. Ensayos han mostrado que es necesario un mínimo de
20 a 30 datos por tratamiento.
Trabajar con datos llevados a hectárea falsifica los datos y hace crecer las diferencias
que en realidad no existen. Las conclusiones tomadas no son confiables. Además es
algo problemático llevar datos procedentes de parcelas chicas a áreas grandes, ya
que un manejo en parcelas pequeñas en investigaciones siempre dan mejores
resultados, sea por el mejor manejo o mayor cuidado que se dan a las parcelas de una
investigación. Calcular la posible cosecha por hectárea con la nueva técnica o
variedad comprobada en una investigación, crea expectativas que en la práctica no se
cumplen. Analizar los datos con estos "nuevos" es falsificar resultados y publicar o
vender estos "nuevos" datos a personas no involucradas en la investigación es una
forma de falsificarlos, de crear expectativas que no pueden cumplirse. Una forma de
comparar los resultados obtenidos, saliendo del nivel de parcela, es expresarse en
porcentaje, comparando la técnica o variedad antigua con lo nuevo.
Valor F
Norma 2: en un análisis con solamente factores fijos, todo los CM se analizan contra
el CM del error. (Modelo 1)
Ejemplo:
Modelo 1:
todos factores fijos
A (fijo) CM A
CM error
B (fijo)
A*B CMA*B
CM error
Error 1
Modelo II:
todos factores aleatorios
A (aleatorio)
B (aleatorio)
A*B CMA*B
CM error
Error
Modelo mixto:
A (aleatorio) CM A
CM error
B (fijo) CM B
CMA*B
A*B CMA*B
CM error
Error
Cuando no se cumplen las condiciones:
Prob
A 0,90
B 0,0001
Error
Total
El análisis de datos para un factorial se puede realizar tanto por un ANVA simplificado,
sin tener en cuenta las interacciones o como un modelo ANVA factorial, el cual nos da
más información sobre los efectos presentados.
lnteracciones son los efectos generados por los 2 factores y su influencia mutua. Por
ejemplo, la variedad A aumenta su rendimiento con el aumento del abonamiento, con
lo que se puede suponer, que con más abonamiento más rendimiento. Pero la
variedad B no responde de la misma forma al abonamiento, ya que en el último nivel
del abonamiento decrece el rendimiento. Esta reacción diferente o respuesta diferente
de un factor a la presencia de otro factor se llama interacción.
Para poder calcular un ANVA factorial se deben cumplir las mismas condiciones como
un ANVA unifactorial:
Supuestos:
* datos necesitan ser balanceados, o sea igual cantidad de datos para cada
tratamiento
* distribución normal de las muestras
l1 1
varianzas homogéneas
* muestras independientes
II
83
Manual para investigadores
+Agricultor 2
tAgricultor 3
o I l 1 1 1
Con los datos ingresados en una tabla de Excel se pueden realizar cálculos
estadísticos, si están a disposición las funciones adicionales, en este caso el análisis
de datos. En caso contrario, estos se pueden hacer accesibles de la siguiente manera:
17
Datos tomados de E. Moll, 1997; ver también cálculo de comparación múltiple de medias.
84
1er paso:
2do paso:
RESUMEN
Grupos Cuenta Suma Promedio Varianza
T 4 97 24,25 4,91666667
T1 4 123 30,75 4,91666667
T2 4 115 28,75 4,91666667
T3 4 112 28 8,66666667
T4 4 129 32,25 11,5833333
T5 4 140 35 6,66666667
T6 4 147 36,75 10,9166667
A) En el primer cuadro Excel nos calcula los promedios y las varianzas de cada
tratamiento, lo cual nos ayuda calcular el F-max para comprobar la homogeneidad
de varianzas (ver Parte 2, cap. 5.2, pág. 80).
B) El segundo cuadro nos da la tabla del ANVA en la forma clásica, indicando el valor
F y el valor crítico (valor de la tabla 6). En este caso, los tratamientos se diferencian
significativamente:
F ,,,= 9,77 > F = 2,57 a hay diferencias significativas entre los tratamientos
En el ANVA se calcula los bloques y los factores principales, calculando el valor F para
el factor A contra el Error a, y para el factor B contra el Error b.
Fuente
Bloques r-1 SC Bloque
GL
Factor A a-1 SC A CM A
GL CM Error (a)
Error (a) ( r - l ) * ( a - 1) SC Error a
Factor B b-1 SC B CM B
GL CM Error (b)
AxB (a - 1) (b- 1) SCA*B CMA*B
GL CM Error (b)
Error (b) :i * ( r - 1 ) - ( b - 1 ) SC Total - (suma de todos SC Error
las restantes SC) GL
Total r*a*b-1
Ejemplo:
Tabla 8: Datos originales para un ensayo con parcelas divididas con 4 variedades de
arroz y 6 niveles de nitrógeno.
Cosecha en kglha
Variedad Bloque I Bloque II Bloque III
N O (O kglha)
V1 4 430 4 478 3 850
V2 3 944 5 314 3 660
V3 3 464 2 944 3 142
V4 4 126 4 482 4 836
N 1 (60 kglha)
V1 5 418 5 166 6 432
V2 6 502 5 858 5 586
V3 4 768 6 004 5 556
V4 5 192 4 604 4 652
N 2 (90 kglha)
V1 6 076 6 420 6 704
V2 6 008 6 127 6 642
V3 6 244 5 724 6 014
V4 4 546 5 744 4 146
N 3 (120 kglha)
V1 6 462 7 056 6 680
V2 7 139 6 982 6 564
V3 5 792 5 880 6 370
V4 2 774 5 036 3 638
N 4 (150 kglha)
V1 7 290 7 848 7 552
V2 7 682 6 594 6 576
V3 7 080 6 662 6 320
V4 1 414 1 960 2 766
N 5 (180 kglha)
V1 8 452 8 832 8 818
V2 6 228 7 387 6 006
V3 5 594 7 122 5 480
V4 2 248 1 380. 2 014
Tabla 9: Datos sumados por el factor principal según repeticiones en un ensayo con
parcelas divididas con 4 variedades de arroz y 6 niveles de nitrógeno.
Tabla 10: Datos sumados por el factor principal según variedades para un ensayo con
parcelas divididas con 4 variedades de arroz y 6 niveles de nitrógeno.
a 2do paso:
3er paso:
SC Bloques = R~ - FC
ab
SC (Factor) A = A2 - FC
rb
= 204 747 916 - (1 082 577 + 30 429 200 + 1 419 678 + 89 888 101 + 69 343 487)
= 12 584 873
410 paso:
a Sto paso:
F(AXB)= CMA*B
CM Error (b)
Manual para investigadores
6to paso:
Tabla 11: Tabla del ANVA para un ensayo con parcelas divididas con 4 variedades de
arroz y 6 niveles de nitrógeno.
Fuente
Bloques
Factor A
Error (a)
L F tab (5%)
Factor B
AxB
Error (b)
Total
En caso que la condición para un análisis de varianza de distribución normal 110 se de,
se pueden transformar los datos para obtenerla y poder cumplir con las condiciones
para el ANVA. Pero no siempre se encuentra una transformación adecuada, por lo que
se debe recurrir a los análisis no-paramétricos.
Cuando se calcula el ANVA con datos transformados, todas las comparaciones deben
hacerse con estos datos. Para la presentación se usan también los datos
transformados, pero estos pueden ser re-transformados, siempre indicando esto en la
tabla o gráfico.
Raíz cuadrada: Se usa sobre todo cuando una característica sólo puede obtener
ciertos valores (escalas de 1 al 9) y si los datos de la investigación
son números enteros, pequeños. Si los valores son muy pequeños,
se corrige demasiado con la raíz cuadrada y se recomienda sumar
los valores con la constante 0,5, antes de sacar la raíz ( d +~ 0,5).
Esto sobre todo debe hacerse cuando hay ceros. Se usa si las
varianzas son proporcional a las medias.
En algunas ocasiones puede haber factores que hacen perder los datos de una
parcela o quedan tan pocas plantas que una evaluación de éstas sería muy dudosa. Si
el análisis de datos previsto no requiere de datos balanceados, se calcula el análisis
suponiendo tener una repetición menos para el respectivo tratamiento. En caso que
esto no sea posible y sólo falta un valor, este puede ser estimado con ayuda de los
datos de este tratamiento de las otras repeticiones y los datos del bloque en el que
falta el valor.
-
Estimar el valor faltante:
X=r.B,+t*T-G
( r - l ) * ( t - 1)
,do paso:
3er paso:
4to paso:
siendo S: = 4 s2r 2+ t 1
Tabla 12: Datos originales para un ensayo con diseño de bloques con un valor
faltante.
a 2do Daso:
a 3er paso:
Tabla 14: Tabla del ANVA con los grados de libertad y la suma de los cuadrados
corregidos, para un diseño de bloques con datos-faltantes.
Fuente
Repetición
I GL
3
Valor F Valor tabular
(5%)
Tratamiento
Error
5
14
i_i
Total 22
21
Ver Steel and Torrie, 1997; Moll, E. 1997.
98
Las pruebas de comparación únicamente se permiten en caso que
el ANVA ha demostrado diferencias dentro de los tratamientos o
bloques y se realizan únicamente para el factor significante. En
caso contrario no contienen información.
El procedimiento de Tukey calcula para todas las comparaciones entre dos medias los
intervalos de confianza más estrechos y con esto el valor crítico más pequeño. La
distribución, en la que se basan los valores críticos, son los cuartiles de los rangos
"studentizados".
Ejemplo:
Tabla 16: Tabla en cruz para la comparación de medias mediante Tukey. Están
marcado con asterisco las diferencias mayores al valor w.
T (24,25)
Para el factor A:
Para el factor B:
En caso que la interacción de dos factores sea significante, no tiene sentido comparar
las medias de un factor, sin tener en cuenta el otro factor. Se comparan las medias de
las combinaciones de los factores. Para poder comparar las medias del factor A, se
comparan las medias de las combinaciones (AB) a igual nivel de B.
Ejemplo:
Para el factor A:
Para el factor B:
Para comparar diferentes niveles del factor B a mismo nivel del factor A:
n n = número de repeticiones
Para comparar diferentes niveles del factor A a mismo o diferente nivel del factor B:
q(,) y q(b) léase de la Tabla de rangos studentizados, siendo GL los grados de libertad
del error a o b respectivamente.
Ejemplo:
A) Para comparar diferentes niveles del factor B (factor secundario) a mismo nivel del
factor A:
N1V1 -- 1419,33*
NOVl --
Este comienzo de interpretar los resultados deben o pueden ser complementados con
comparaciones con las otras variedades y analizando el contexto del experimento.
Manual para investigadores
Método de presentación
,
entonces el T 1 y T 2 tienen letras iguales, el T 3 letra diferente.
Para las líneas se deben agrupar los tratamientos del mayor al
menor. Para las letras se puede usar el orden de la investigación.
Ejemplo:
l e r paso: Dar letras a los tratamientos según las diferencias con el primer tratamiento,
significando a = no se diferencian del T 6, b = se diferencian del T 6.
2do paso: Comparar y aumentar letras para las diferencias del segundo tratamiento con los
restantes. En caso de diferir con las letras anteriores, se cambian según la necesidad.
El T 2 se diferencia del T 6 pero no del T 5, con lo que se aumenta la letra b al T 5.
Ahora T 5 y T 2 tienen letras iguales, con lo que se expresa la falta de diferencia. El
tratamiento T 3 se diferencia tanto del T 6 como del T 5, pero como al T 5 se le ha
dado tanto la letra a como la b, no se manifiesta la diferencia. En este caso se cambia
la letra del tratamiento T 3, anotando la letra c. Con este cambio se testifica la
diferencia entre T 3 y T 5. Lo mismo se repite para T.
3er paso: Se controla tratamiento por tratamiento aumentando letras o cambiándolas
respectivamente, hasta completar la lista.
T 6 (36,75) a T (24,25) cd
T 5 (35) ab T 1 (30,75) abc
T 4 (32,25) abc T 2 (28,75) bcd
T 1 (30,751) abc T 3 (28) cd
T 2 (28,75) bcd T 4 (32,25) abc
T 3 (28) cd T 5 (35) ab
T (24,25) d T 6 (36,75) a
Kruskal-Wallis-Test o H-Test
Tratamientos
i=l i=2 ... i=k
valor
Prueba de verificación: C Ri = N (N + 1)
2
Se calcula HcaIcomo sigue:
Supuestos:
23
Ver tabla de Nemenyi, Anexo 8.
110
Ejemplo:
Tabla 23: Datos originales de una investigación con diseño completamente al azar y
número de -repeticiones no balanceado.
T2
A rrr
1er paso
tratamientos (k=4)
i=l i=2 i=3 i=4
- valor
- r-a n g o valor
- r-ango- valor - valor -
rango - ra~~go
j=l 468 7 611 21 51 1 10.5 468 7
j=2 526 12 554 15 550 13 409 4
j=3 505 9 459 5 586 18 384 3
j=4 543 13 588 f9 595 20 331 1
j=5 511 10,5 468 7 559 16 363 2
j=6 582 f7
RI 51,5 84 78,5 17
2do paso
3er paso
El Test nos señala que entre los cuatro tratamientos existen diferencias estadísticas.
Para saber a detalle que tratamientos se diferencian, se sigue con una prueba de
comparación de medias.
En caso de valores no balanceados (nl zn2z ... nk)se usa la siguiente fórmula:
- 17 > 4
84 - - 7,81 21 (21 + 1) 6+5 3 hay diferencias
6 5 12 6.5
Manual para investigadores
Friedman-Test
Supuestos:
1er paso:
Se ordenan los datos del experimento en rangos, los cuales se dan dentro de
-
los bloques. En el caso de datos idénticos, se suman los rangos correspondientes y se
dividen por el número de rangos sumados. Por ejemplo: Los datos con el valor 5 se
repiten dos veces dentro del bloque. A los dos les corresponde el rango 3 y 4. Estos se
suman (3 + 4 = 7) y se divide por el número de rangos sumados (2) 712 = 3,5. Los
dos datos con un valor 5 reciben el rango 3,5. El valor siguiente tiene el rango 5. Se
obtiene la siguiente tabla:
tratamientos
ri
Tabla 27: Datos originales de una investigación con diseño de bloques completos
randomizados.
Bloque
1er paso
2do paso
Manual para investigadores
3er paso
Corrección:
" "
Para calcular (tI3 - ti):
1=1 j=1
4to paso:
x2corr
= 21,29 > x2Tab
(k = 8, n= 5; a = 5%) = 13,23 3 hay diferencias
El test señala que entre los ocho tratamientos existen diferencias estadísticas. Para
saber a detalle que tratamientos se diferencian, se sigue con una prueba de
comparación de medias.
Prueba de comparación de medias: Wilcoxon-Wilcox
WD = (k; n; a)
WD = (8; 5; 5%) = 23,5
Se han desarrollado varias fórmulas para su cálculo, según los datos de origen. Cada
fórmula requiere de ciertas condiciones o requerimientos, los cuales deben ser
cumplidos. La fórmula básica es la de Abbott, la cual se usa para investigaciones en
laboratorio, pero en caso que el ataque de plagas en todas las parcelas sea igual,
también en campo. La fórmula se usa en caso de contar los insectos vivos en las
plantas, o sea los sobrevivientes a la aplicación y tiene en cuenta la mortalidad natural
en el testigo.
Manual para investigadores
Abbott:
Ejemplo:
Datos de la investigación:
Tratamiento Testigo
Pulgones vivos antes de la 80 80
aplicación
Pulgones vivos después de 7 78
la aplicación
En caso de conteo de insectos muertos
En caso de partir con un igual número de individuos por parcela, pero de ser más fácil
contar los insectos muertos en la parcela o unidad de experimento se usa la fórmula
de Schneider-Orelli, calculando previamente el porcentaje de muertos en cada parcela.
Esto puede ser el caso en invernadero o campo, cuando a los sobrevivientes tienen la
posib;lidad de trasladarse a otras plantas.
Schneider-Orelli:
!l Grado de eficacia en % = b - k
100 - k
100
Ejemplo:
Datos de la investigación:
Tratamiento Testigo
Pulgones vivos antes de la 80 80
aplicación
Pulgones vivos después de 7 78
la aplicación
% individuos muertos 91,25 2,5
Manual para investigadores
/I Sun y Shepard:
Ejemplo:
Datos de la investigación:
ll
Henderson y Tilton:
Mortalidad en % = 100 (1 - Ta Cb )
Tb Ca
Cb -
Ca = Número de insectos en el testigo después del tratamiento
Número de insectos en el testigo antes del tratamiento
Ejemplo:
Datos de la investigación:
Tratamiento Testigo
Pulgones vivos antes de la
aplicación (Tb) 500
Pulgones vivos después de la
aplicación (Ta) 600
% mortalidad en la parcela
tratada (300 - 30 = 270;
270 1300 = 0,9 = 90 %) (Pt)
% cambio en la población en la
parcela testigo (600 - 500 = 100;
100 1500 = 0,2 = 20 % (Pck)
= 9l,67%
Manual para investigadores
Los datos registrados en escala suelen tener una distribución desigual según el
tratamiento, por lo que se recomienda hacer un x2 ya que esta prueba reconoce muy
bien diferencias en la distribución de los datos, lo cual se pierde muchas veces
analizando los datos mediante sus medias con un ANVA. En caso que la distribución
sea simétrica (comprobar esto para cada parcela; es importante tener un número
grande (2 25) de datos para poder realizar esto) se puede trabajar con las medias y
hacer un ANVA.
Para los datos originados de escalas también se pueden calcular índices con los
cuales se calcula el ANVA. En este caso se crea de forma artificial datos en intervalos,
lo que es fingir una realidad falsa. Pero el método es usual en la estadística, como
forma de calcular los promedios de las parcelas.
. .
Cálculos preliminares para un ANVA con datos en escala de 1 a 4 sobre el
grado de infestación de hojas con Phytophthora cinnamomi
1 = planta sana
2 = planta levemente infestada
3 = planta fuertemente infestada
4 = planta casi muerta o muerta
Para cada parcela se obtuvo 25 datos con valores del 1 al 4 en diferentes cantidades.
En el tratamiento 5, bloque 3 por ejemplo se obtuvo 3 veces el número 1, 8 veces el 2,
7 veces el 3 y 1 vez el 4.
En la tabla 30 se muestran los datos registrados resumidos según las frecuencias de
presentarse.
j=4 O 5 13 7 25
Suma O 22 57 21
j=l 5 14 4 2 25
j=2 1 17 6 1 25
j=3 5 15 3 2 25
j=4
Suma
j=1
j=2
j =3
j=4 9 8 6 2 25
Suma 31 40 21 8
j=1 9 4 8 4 25
j=2 2 9 11 3 25
j=3 1O 7 7 1 25
j=4 8 5 8 4 25
Suma 29 25 34 12
Suma 23 46 22 9
j=1 13 11 1 25
j=2 11 12 1 25
j=3 14 9 2 25
j=4 14 1O 1 25
suma 1 52 42 5
Cada promedio resulta de los 25 datos de cada parcela. Los datos calculados son
aptos para ser comparados en un ANVA, ya que se pueden ver como cantidades
continuas. En la tabla 31 se resumen los datos para el ANVA. Para estos datos valen
las mismas condiciones que para otros datos, o sea, deben tener una distribución
normal, ser independientes, etc., lo que debe ser comprobado según lo descrito arriba.
En caso de no cumplir con un requisito, se calcula un Friedman (diseño de bloques).
Suma
Promedio
6. Interpretación de los datos
Después del análisis los datos son interpretados, comentando los efectos de los
diferentes tratamientos en las plantas, ahondando el significado de los resultados. El
criterio principal en la interpretación es la diferencia significante entre los resultados de
cada tratamiento, comparándolos de acuerdo al problema inicial y el método de
investigación. Por lo que los resultados obtenidos no sólo resultan de los tratamientos,
sino también de las influencias del clima, suelo, la técnica de la investigación, etc.,
éstos deben ser descritos y relacionados con los resultados. Las interacciones entre
todos los diferentes factores son descritos e interpretados. Por ejemplo el rendimiento
de diferentes variedades no sólo depende del nivel de abonamiento, sino también las
interacciones entre el pH del suelo y el tipo de abono debe ser tomado en cuenta. La
base de estas descripciones son las observaciones tomadas durante el periodo de
investigación y los datos adicionales registrados antes o durante la investigación. Los
resultados son comparados con datos de otras investigaciones, discutiendo las
posibles diferencias.
7.1 Tablas
Teniendo datos sobre frecuencias, por ejemplo conteos, estos se ordenan según sus
características, sumando la cantidad de características idénticas. En caso que hayan
muchos diferentes valores, se recomienda formar rangos o categorías. Como
representante de una categoría se escoge normalmente el medio aritmético. La
amplitud de las categorías debe ser igual para todas las categorías y se define
tratando de lograr con una cantidad mínima de categorías un máximo de información
específica, sin perder información valiosa. Cada resumen de datos oculta información.
Más amplia se escoge las categorías, más pequeño es el número de categorías, lo
que puede ocasionar borrar o "esconder" información. Una amplitud muy pequeña
aumenta el peligro de detallar información o efectos casuales.
Tabla 33: Lista ordenada por tamaño de la longitud de alas (mm), 25 individuos.
Tabla 34: Distribución de la frecuencia de las medidas de las alas.
Valor medido (K) Lista de conteos Frecuencias (fi)
Xl = 3,3 lófl=l
X2 = 3,4 0óf2=1
XJ = 3,5 1óf3=1
~4 = 3,6 4Óf4=1
X5 = 3,7 0óf5=1
xs = 3,8 5óf,3=1
X7 = 3,9 2Óf7=1
XB = 4,O 0óf8=1
2ófg=l
1 ó fl0 = 1
4ófll = 1
3 Ó f 1 2 =1
1 Ó f13= 1
0 Ó f14= 1
1 Ó fI5 = 1
De la lista ordenada calculamos los rangos (V = valor mayor menos valor menor, o sea
V = 4,7 - 3,3 = 1,4) y la fórmula de Sturges nos da como amplitud de categoría de 0,2
a 0,3.
Tabla 35: Frecuencias categorizadas y suma de las frecuencias con una amplitud de
categoría de b = 0,3.
Frecuencias categorizadas: longitud de alas
Medio de 1 Frecuencia 1 Frecuencias sumadas
categoría
Xi fi Fi
3,45 fl = 2 F1= 2
3,75 f2 = 9 F2= 11
4,051 f3 = 4 F3=15
4,35 f4 = 8 F4= 23
4,65 f5 = 2 F5= 25
Manual para investigadores
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Longitud de alas
Categorías
7.2 Gráficos
El eje horizontal (x) es usado para las categorías y el eje vertical (y) para los valores
de la investigación.
Camote
Café
Cacao
Arroz
Algodón
Achiote
Achiote Algodón Arroz Cacao Café Camote Cebolla O 5000 1O000 15000 20000
El circular o barras al 100%: Con ellos se presenta el aporte de cada valor al total, o
sea el porcentaje. Son muy vistosos y usados frecuentemente, aunque no todos los
datos se prestan para una presentación al 100%. Se usan cuando interesa la relación
entre las frecuencias, no su valor absoluto. Es ideal comparando varias muestras, por
ejemplo área cosechada de algodón según departamentos, años, etc. Una forma es
presentar todo el país como un círculo, dividido en los diferentes departamentos según
su proporción en la cosecha. Si se quiere agregar la comparación entre diferentes
años, se puede usar además el tamaño del círculo como referencia. El tamaño del
círculo representa el área total de algodón cosechado en todo el país. Como el área
varía según los años, el tamaño de círculo también varía. Para calcular diferentes
tamaños de círculos se escoge un radio (rA) indeterminado para el primer círculo. El
área de círculo A es n: r2A. Se busca el radio del círculo B (rB), con un tamaño x:
rg = &* rA. Se conoce el porcentaje hi %, entonces se calcula el vínculo del sector
i ai = hi 3,6".
Ejemplo:
Otros
Otros
Se debe tener datos con nivel de datos en intervalos fijos o datos relacionados.
25
Datos inventados.
26
Datos según SENASA, 1996.
Los gráficos dan una buena primera impresión e información sobre los resultados
obtenidos en la investigación, pero se debe señalar otra vez, que no pueden ser
usados para comprobar conclusiones, supuestos y a su vez indicar, que se pueden
malusar para distorsionar resultados. Los gráficos se tienen que observar detallada y
críticamente, para entender toda su información. El investigador debe titular su gráfico
y participar la información necesaria para entenderla correctamente, por ejemplo con
leyenda, título de ejes, etc.
1
tPiura
+Lima
fija
Gráfico 17: Hectáreas bajo control biológico según departamentos. Mal ejemplo para
la presentación gráfica de datos.
Manual para investigadores
Gráfico 18: Diferencia de apreciación de datos iguales: mientras que A deja una
impresión redonda, B parece alargada y C chata. Nótese en el sombrero las
diferencias en una presentación de curva. Fuente: Kohler, Schachtel y Voleske,
1984.
8. Recomendaciones para redactar avances o informes finales
A) Preguntas importantes:
- ¿Cuál es el obJetivo de mi informe? ¿Sobre que quiero informar?
- ¿En que consiste mi investigación,?
- ¿En q u e contexto debo ubicarla,?
- ¿Qué obJetivos me propuse en mi trabajo?
- ¿Qué herramientas y medios auxiliares utilicé?
- ¿Cuál fue el resultado?
- ¿Qué aspectos fueron especialmente importantes.?
- i Q u é cosa realizarlá diferente la próxima vez?
En los informes deben ir todas los detalles necesarios para entender y replicar la
investigación. Por ejemplo es necesario mencionar la época de aplicación:
abonamiento a la siembra, aporque, etc., ya que la planta asimila los nutrientes en
diferentes fases en diferente cantidad. En aplicaciones de preparados la edad de las
plagas controladas, las condiciones meteorológicas, etc. son importantes, ya que una
larva en el primer estadio reacciona diferente que una larva en tercer estadio o una
pupa.
Biologische Bundesanstalt für Land- und Forstwirtschaft. 4 - 3.2.1. Richtlinien für die
Prüfung von Fungiziden gegen Falsche Mehltaupilze an Gemüse. November
1983. Braunschweig, Alemania.
Biologische Bundesanstalt für Land- und Forstwirtschaft. 4 - 2.2.1. Richtlinien für die
Prüfung von Fungiziden gegen Echte Mehltaupilze an Gemüse. November
1983. Braunschweig, Alemania.
Box, G.; Hunter, W. G.; Hunter, J. S. 1993. Estadística para investigadores.
Introducción al diseño de experimentos, análisis de datos y construcción de
modelos. Editorial Reverté S.A., Barcelona, España.
Bundessortenamt. 1995. Richtlinien für Wertprüfungen und Sortenversuche im
Gemüsebau. Ausgabe 1995. Landbuch-Verlag GmbH, Alemania.
Gomez, K. A..; Gomez, A. A. 1976. Statistical Procedures for agricultural Research.
IRRI, Manila.
Kohler, W.; Schachtel, G.; Voleske, P.; 1996. Biostatistik. Einführung in die Biometrie
für Biologen und Agrarwissenschaftler. 2. Auflage, Springer Verlag, Berlin
Heidelberg.
Moll, E. 1997. Einführung in die Biometrie unter Berücksichtigung der Software SAS.
Teil2: Vergleich von mehr als zwei Mittelwerten, ein- und zweifacktorielle
Varianzanalyse mit festen und zufalligen Effekten. In: Berichte aus der BBA,
Heft 31. Braunschweig, Alemania
O'sváth. J.; Geidel, H. 1975. Besonderheiten der biometrischen Auswertung von
Pflanzenschutzversuchen. En: Pflanzenkrankheiten, 8/9/75, pag. 449 - 466.
Rohrmoser, K. 1984. Kompendium für Feldversuche in der technischen
Zusammenarbeit. 2. verb. Auflage. TZ-Verlagsgesellschaft mbH, RoBdorf,
Alemania.
Steel, R.; Torrie, J. 1997. Bioestadística: Principios y Procedimientos. McGraw-
Hill/lnteramericana de méxico, S.S. de C.V., México.
Unterstenhoefer, G. 1963. Las bases para Ensayos fitosanitarios de campo. En:
Pflanzenschutz-Nachrichten "Bayer". 1963, 3.
Anexos
Anexo 1: Hoja de evaluación
Manual para investigadores
142
Anexo 3: Planos para cuadrado latino
5 10 25 50
Bremia lactucae en lechuga
1 5
Mildiu en pepinillos
Fuente: Biologische Bundesanstalt für Land- und Forstwirtschaft. Richtlinien für die
amtliche Prüfung von Pflanzenbehandlungsmitteln. 4 - 3.2.1 y 4 - 2.2.1.
November 1983. Braunschweig, Alemania.
Anexo 5: Tabla de F-max F-max (a)
a=5%
2 53 8,O 1O,3
3 7,1 93 12,6
4 82 11,4 14,6
5 92 12,7 16,3
6 10,1 13,9 17,8
7 10,9 15,O 19,3
8 11,7 16,1 20,6
9 12,4 17,1 21,8
1O 13,O 18,O 23,O
11 13,7 18,9 24,1
12 14,3 19,7 25,2
13 14,9 20,5 26,2
14 15,4 21,3 27,2
15 16,O 22,O 28,2
16 16,s 22,7 29,l
17 17,O 23,4 30,O
18 17,5 24,1 30,9
19 18,O 24,8 31,7
20 18,4 25,4 32,5
21 18,9 26,O 33,4
22 19,3 26,7 34,1
23 19,8 27,3 34,9
24 20,2 27,8 35,7
25 20,6 28,4 36,4
%ente: Kohler, Schachtel, Voleske, 1996
lndice
Modelo 1, 82 Simetría, 62
Modelo 11, 82
Modelo mixto, 82
Tablas, 120
Tamaño
Niveles de datos, 75 de muestra, 70
de parcelas, 35
Tarjetas, 24, 25
Técnicos, 30, 40
On-Farm-Research, 9 Test de
F-max, 80
Friedman, 114
H, 107
Parcelas Kolmogorov-Smirnow, 77
divididas, 36 Kruskal-Wallis, 107
forma, 55 Testigo, 35, 54
tamaño, 58 Toma de datos, 37, 38, 69
ubicación, 55 Transcripción, 46
Planificación, 34, 45 Transecto, 33
Precisión, 48 Transformación de datos, 93
Presentación, 20, 120 angular, 94
Presentación de datos, 106 logarítmica, 94
Prueba de raíz cuadrada, 94
Duncan, 98 Tratamientos, 34, 53
Nemenyi, 110
Schneider-Orelli, 121
Sun y Shepard, 122
Tukey, 98 Valor F, 81, 83
Tukey, factorial, 102 Varianzas homogéneas, 80
Tukey, parcelas divididas, 103 Visualización, 24, 29
Tukey, unifactorial, 99
Wilcoxon-Wilcox, 116
no paramétricas, 107
Randomización, 36, 48
de cuadrado latino, 65
de parcelas divididas, 67
polifactorial, 50
unifactorial, 49
Recomendaciones, 40, 127
Redacción, 127,128
Repeticiones, 35, 47