FASE 2 –IDENTIFICAR Y APLICAR DISEÑOS COMPLETOS AL

AZAR Y BLOQUES COMPLETOS AL AZAR

JAIRO ALONSO MONTENEGRO

JUAN GABRIEL RAMBAY CAÑOLA C.C: 71212372
JUAN DAVID PALACIOS BEJARANO C.C: 1.045.506.180
GEMIDO ENRIQUE YANES RESTREPO C.C: 1,038,807,020
GRUPO 300004_23

TUTOR DIEGO ALBERTO DEAZA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

ESCUELA DE CIENCIAS AGRÍCOLAS, PECUARIAS Y DEL
MEDIO
AMBIENTE
DISEÑO EXPERIMENTAL
SEPTIEMBRE 2019
 INTRODUCCIÓN

El diseño de experimentos es una buena herramienta para la generación de conocimiento

científico. El diseño de un experimento en el cual el investigador tiene un control total sobre la
variable independiente y además de que tiene un ambiente controlado difumina la confusión y
permite establecer asociaciones con menor incertidumbre de cometer un “error” al desarrollar las
actividades
Este trabajo tiene como finalidad el análisis de los diseños completos al azar y los diseños de
bloque completo al azar, a través de una herramienta informática que permite realizar los cálculos
estadísticos necesarios llamada R
El diseño experimental es una serie de pruebas como su nombre lo indica obteniendo
estadísticamente un gran número de resultados, a través de estos eligiendo la mayor o menor
proporción según sea su necesidad, es un sistema de variables producto obtenido de varios
procesos investigativos planteados con el objetivo de disminuir algunos márgenes de error,
aunque en ocasiones por efectos de seguridad se pueden plantear errores premeditados y de
esta manera obtener una originalidad en los productos, mediante estos procesos se pueden
resolver una serie de incógnitas que surgen en los diferentes métodos estadísticos y científicos
que se plantean para determinar las proporciones y niveles de los diseños analizados, el objetivo
del diseño experimental es darle solución al origen del problema que se ha decidido investigar
teniendo en cuenta que también surgen una serie de interrogantes que hacen parte del proceso
de investigación y en la medida que se empieza a elaborar el producto o diseño este
desencadena las respuestas de las cuales se obtienen unas conclusiones y por lo tanto se
tomaran las mejores decisiones y en su defecto disminuir los márgenes de error.
 OBJETIVOS

OBJETIVO GENERAL
• Identificar y sintetizar las temáticas de diseños
completamente al azar y bloques completos al
azar.
OBJETIVOS ESPECÍFICOS
• Definir el concepto diseños completos al azar
• Identificar las variables que existen en estadística
• Investigar las definiciones dadas en el texto de
Balzarini
• Ejecutar el programa R versión 3.5.3 con los datos
asignados
Parte 1.

• Qué tipo de variables existen en estadística.

Tipos de variables
• Variables Cuantitativas Continuas Puede adoptar
cualquier valor en el marco de un intervalo. El valor observado en
una variable continua depende del instrumento empleado. Ejemplo:
peso, área.
Las variables continuas se pueden representar mediante histogramas.
• Discretas Son las variables que no aceptan cualquier valor,
únicamente aquellos que pertenecen a un conjunto. Ejemplo:
número de conejos en una granja o el número de automóviles que
tiene una persona.
Las variables discretas se pueden representar mediante gráficos de
barras.
• Variables Cualitativas Son aquellas variables que permiten
expresar una característica, una categoría o atributo. Ejemplo, el
color de un pantalón.
• El diseño completamente al azar en qué condiciones
se usa.
Se emplea cuando las condiciones experimentales son
controladas.
Un diseño completamente al azar (DCA), es el más
simple de todos los diseños que se usan para comparar
dos o más tratamientos, porque sólo se consideran dos
fuentes de variabilidad: los tratamientos y el error
aleatorio.
• El diseño bloques completamente al azar en qué
condiciones se usa
En un diseño en bloques completos al azar (DBCA) se
consideran tres fuentes de variabilidad: el factor de
tratamientos, el factor de bloque y el error aleatorio, es
decir, existirán tres posibles motivos que generan
variabilidad en los datos.
• En análisis de varianza cuál es la hipótesis nula que se
prueba.
La hipótesis nula hace referencia a que todas las medias de la
variable que se está midiendo son iguales, es decir, no hay
diferencias significativas entre los tratamientos.
H_0: μ_1= μ_2=μ_3…=μ_i
• Relacione una tabla los componentes de un análisis de
varianza para un diseño completamente al azar
FUENTE GL SUMA DE CUADRADOS FCAL F TABLA
VARIACIÓN CUADRADOS MEDIOS
Tratamiento T-1 SCTratamiento SCTratamiento/(T- CMtratamiento/CMError Horizontal
1) GL trat y
Vertical GL
Error
Error T(r-1) SCError SCError/T(r-1)
Total n-1 Total
• Los residuales del Modelo para que se usan.
Se compara con un valor de gran promedio, cuando sube o
baja ese valor, y esos residuales se usan para validar los
supuestos del modelo que son que los residuales tengan
distribución normal y varianza constante. (Deaza D.)
• En que histograma se basan las distribuciones de
probabilidad de variables continúas.
Las variables continuas se representan por histogramas,
con distribución de probabilidad de Frecuencias relativas
• Que se debe hacer con los datos de experimentos de
conteos como el número de lechones o el número de
frutos para poder hacer un análisis de varianza.
Gráficos de barras.
Parte 2

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

registre:

 Modelo.

• Yij = μ + Ti + 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

 La fórmula de Suma de Cuadrados Totales,
Suma de cuadrados de tratamientos, Suma de
Cuadrados del error.

Xi 2
• SDCTotal = X i2 −−
N

trat 2 Xi 2
• SDCTrat = −
No.de obs.en cada tratamiento N

• SDCerror = SDCTotal − SDCTrat

• Cuál es la hipótesis
H_0: T_1=T_2=T_3=T_4 Estadísticamente todos los tratamientos son iguales.
• Alistar datos en Excel para proceso en R.
• Tratamiento Altura

• Tunas 1 45

• Tunas 1 47

• Tunas 1 42

• Tunas 1 44

• Tunas 19 46

• Tunas 19 48

• Tunas 19 51

• Tunas 19 52

• Tunas 19 50

• Tunas 52 45

• Tunas 52 43

• Tunas 52 47

• Tunas 52 44

• Tunas 52 45

• Tunas 27 38

• Tunas 27 39

• Tunas 27 40

• Tunas 27 37

• Tunas 27 38

• Tunas 27 40
• Desarrollar en R análisis de varianza, validación
de supuestos del modelo y prueba de
comparación de medias.
• Debe en su informe registrar pantallazos del
procesamiento en el programa R recuerde que la
versión es 3.5.3
 Redacte un breve párrafo en el que interprete el resultado de la tabla de análisis de
varianza y el resultado de la validación de supuesto de normalidad y varianza constante.
Se rechaza la hipótesis nula concluyendo que al menos un tratamiento es diferente a los
demás. Con los resultados de comparación de medias se concluye que las cepas 52 y 1 tienen
un comportamiento similar existiendo diferencias entre estas y las demás, siendo la de mejor
comportamiento la 19 al recibir una mayor estimulación en el crecimiento de las plantas y la
peor la 27.
Parte 3
Prte No.4
Parte 4

Deben descargarlo y ubicarlo en la carpeta de Diseño Experimental Avanzado

Del texto indicado ubique el capítulo de Diseño bloques completamente al azar BCA y registre:
 Modelo.

𝒀𝒊𝒋 = 𝝁 + 𝑻𝒊 + 𝜷𝒋 + 𝒆𝒊𝒋
Yij: es la j ésima parcela dentro del i ésimo tratamiento

μ: es la media general

Ti: efecto debido al i ésimo tratamiento βj: efecto del

j ésimo bloque

eij: eror experimental asociado alj ésimo bloque del i ésimo

tratamiento
 La fórmula de Suma de Cuadrados Totales, Suma de cuadrados de tratamientos, Suma
de Cuadrados del error. SDCTotal = ∑ X i −2−
(∑ X i) 2
N

( trat)2 ( Xi )2
SDCTrat = −
No. de obs. en cadatratamiento N

( Rep)2 ( Xi )2
SDCRep = −
No. de obs. en cadaRep N

SDC error = SDCTotal − (SDCTrat + SDCRep )

 Alistar datos en Excel para proceso en R.

 Desarrollar en R análisis de varianza, validación de supuestos del modelo y prueba de comparación
de medias.
 Debe en su informe registrar pantallazos del procesamiento en el programa R
 Redacte un breve párrafo en el que interprete el resultado de la tabla de análisis de varianza y el resultado de la validación
de supuesto de normalidad y varianza constante.
Parte 5

Hay diferencia significativa entre los tratamientos, se hizo comparación de medias.

Al menos uno de los tratamientos es diferente a los demás, al hacer comparación de
medias se observa que el mejor comportamiento se da cuando la humedad del suelo
es de 0,40 bar.
 CONCLUSIÓN

Con el desarrollo de esta actividad hemos concluido que el diseñar un experimento

se requiere una planeación con antelación que nos arroje unos resultados
satisfactorios al origen de los problemas que anteriormente fueron motivo de
investigación llevando a cabo todas las variables estadísticas y a su vez agotando
hasta los más mínimos recursos con el objetivo de reducir gastos de inversión ya que
el propósito principal es la obtención de buenos resultados generando aumento de
capitales en menor tiempo ya que para las grandes industrias no es garantía que un
experimento fracase en este caso los diseños un factoriales utilizando los análisis de
varianza nos obliga a comprobar que la igualdad de varios tipos de medidas sean
iguales o diferentes y de esta manera reducir márgenes de error.