Universidad Nacional Abierta y a Distancia UNAD

TAREA

Fase 3 – Aplicación del diseño cuadrado latino y el experimento factorial.

CEAD

Turbo – Antioquia

Curso

Diseño Experimental

Tutor del curso.

Alba Lucia Pérez

Estudiante

Virgilio David Pérez Negrete CC: 1039079695

Escuela de Ciencias Agrícolas, Pecuarias y del Medio Ambiente,

(ECAPMA)

Número del Grupo 300004_62

Abril 2021
 Introducción

Los procesos experimentales son importantes para la resolución de interrogantes y toma de

decisiones frente a un objeto de estudio que se busca potenciar o mejorar, así como también para

dejar un proceso investigativo con información útil para aplicar en futuros estudios o procesos

productivos. En este trabajo se desarrollan ejercicios sobre los dos modelos estadísticos

desarrollados en la unidad dos del curso diseño experimental como lo son cuadrado latino y

experimento factorial, siendo modelos importantes y determinantes en los procesos

experimentales y en la toma de decisiones en el campo de estudio agrícola y pecuaria.

Desarrollados en el programa de procesamiento R y su análisis desarrollado de forma

interpretativa.

Objetivo general

Alistar e interpretar ejercicios de cuadrado latino y experimento factorial como método de

aprendizaje del diseño experimental

Objetivos específicos.

 Aprender sobre conceptos de Diseño cuadrado latino

 Aprender conceptos de Diseño bifactorial bloques al azar.

 Preguntas orientadoras

1. El estudiante debe revisar el OVI del diseño cuadrado latino que está en el

entorno de aprendizaje en las referencias bibliográficas de la unidad 2 en el

último referente y con base en este responder.

● Qué tipo de organización presentan los tratamientos en campo

R/ Tiene una organización tipo sudoku en la cual cada fila o columna inicia por el

tratamiento que le sigue al que inicio en el anterior ejemplo en la primera se inicia con

tratamiento 1, en la segunda con tratamiento 2, en el tercer tratamiento 3 y así

sucesivamente

● Si se tiene un caso de 9 tratamientos cuantas unidades experimentales se requieren

para montar un cuadrado latino.

R/ Se haría necesario 81 unidades experimentales

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

un resumen de los conceptos básicos de cada uno de los diseños cada diseño aparte, donde

registre organización en campo, hipótesis del análisis de varianza, hipótesis de test de

validación de los supuestos del modelo y forma de desarrollo de las pruebas de

comparación de medias, si el estudiante remite conceptos tomados de textos en punto no

se califica. Adicionalmente responder:

R/ Diseño Cuadrado Latino.

 Organización de campo: Este se representa a través de un bloque robusto, donde las filas y las

columnas van iniciando con el tratamiento de la fila y la columna anterior y se hace muy parecido a

un cuadro de sudoku.
 Hipótesis del análisis de varianza: Se presenta una hipótesis nula donde todos los

promedios de los tratamientos tiendan a ser iguales.

 Hipótesis de test de validación de los supuestos del modelo: En este caso se busca que

el P valor sea mayor a 0,05. Para la normalidad se tiene el test de Shapiro Wilk para 50

residuales o menos. En caso de que sean más de 50, se usa el test de Kolmogorov

Smirnov Modificación Lilliefors. Y si estos no presentan un supuesto de normalidad se

debe detener el procedimiento y hacer un análisis de varianza no paramétrica.

 Forma de desarrollo de las pruebas de comparación de medias: Esta prueba se

presenta del modo que cada factor muestra sus datos, donde si las letras que los

acompañan son diferentes los tratamientos también lo serán y si las letras son iguales los

tratamientos también se comportaran igual manera.

 Diseño Factorial.

 Organización en campo: Se puede presentar de forma DCA o BCA donde se realizan

cruces de dos factores los tratamientos son realizados de forma aleatoria o en bloques.

 Hipótesis del análisis de varianza: Se realiza de manera que la hipótesis nula de la

media del tratamiento uno y tratamiento dos su media sea igual y sus hipoteis alterna que

al menos uno sea diferente al otro. Si el P valor es menor a 0,05 se rechaza la hipótesis

nula y se concluye con un 95% de confianza que hay diferencia estadísticamente

significativa en el comportamiento del factor que se está analizando. En el caso de la

interacción de los factores, la hipótesis nula es, que la combinación de todos los factores

tiene el mismo resultado y la hipótesis alterna es, que por lo menos una de las

combinaciones se comporte diferente. Si el P valor es menor a 0,05 se rechaza la

hipótesis nula.
  Hipótesis de test de validación de los supuestos del modelo: En este se busca

que el P valor sea mayor a 0,05. Para la normalidad se tiene el test de Shapiro Wilk

para 50 residuales o menos. Si este es mayor a 50, se usa el test de Kolmogorov

Smirnov Modificación Lilliefors, En cualquiera de los dos test no se rechaza la

hipótesis nula si el P valor es mayor a 0,05 y se concluye con un 95% de confianza

que los residuales se ajustan a una distribución normal, y viceversa. En este orden de

ideas, si no se cumple el supuesto de normalidad, se detiene el procesamiento y se

deben transformar datos o hacer un análisis de varianza no paramétrica.En el test de

Levene para varianza constante, se tiene que si el valor es mayor a 0,05 no se rechaza

la hipótesis nula y se concluye con un 95% de confianza que los residuales presentan

una varianza constante, y viceversa. Si este test da menor a 0,05 se detiene el

procesamiento de datos. Este test se aplica para cada uno de los factores.

 Forma de desarrollo de las pruebas de comparación de medias: En este

aparecen los datos por pares, donde cada combinación de tratamiento aparece

comparada con la otra, si el resultado de las comparaciones el P valor es menor a 0.05

nos indica que los pares comparados se comportan diferente.

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

unidades experimentales se requieren.

R/ Se requerían 25 unidades experimentales.

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

cuantos tratamientos se deben trabajar en cada repetición para un diseño de

bloques completos al azar.

 R/ el resultado sería la multiplicación de los dos pastos por las tres dosis de biabonos

ósea 6 tratamientos.

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

R/

 Modelo:

Y ijk =μ+T i + F j +C k +ε ijk

Donde:

µ=media general

Ti=es el efecto del i−ésimo tratamiento .

Fj=es el efecto de la j−ésima fila .

Ck=es el efcto de la k−ésima columna .

ε ijk=es la variación aleatoria deli−ésimo tratamiento ,la j−ésima fila y lak −ésima columna¿
 La fórmula de Suma de Cuadrados de todos los componentes del análisis de

varianza

SDC Total =∑ X 2−¿ ¿¿ ¿

 Alistar datos en Excel para proceso en el programa R. (en este caso es revisar la

estructura del archi cuadro verificar el formato dando la opción guardar como

tipo csv delimitado por comas.). Se debe remitir pantallazos de la verificación de

archivo.

R/
 Análisis de varianza

En este análisis de varianza se observa que en el ítem filas, el P valor es 0.9335 lo que nos indica

que es mayor a 0,05 por lo cual, no se rechaza la hipótesis nula y se concluye con un 95% de

confianza que todas las filas se comportan iguales. De igual manera sucede con el ítem

Columnas, el P valor es 0.0774 lo que nos indica que el P valor es mayor a 0,05 no se rechaza la

hipótesis nula y se concluye con un 95% de confianza que todas las columnas se comportan

igual. En el ítem Tratamiento el P valor es 4.18e-07 lo que nos indica que es menor a 0,05 por lo
cual se rechaza la hipótesis nula y se concluye con un 95% de confianza que hay diferencia

estadísticamente significativa en los tratamientos.

Validación de Supuestos del Modelo:

 Test de Normalidad.

El test de Shapiro para el análisis de normalidad se observa que el P valor es 0.1602 lo

cual es mayor a 0,05 por lo tanto, no se rechaza la hipótesis nula y se concluye con un

95% de confianza que los residuales se comportan de acuerdo a una distribución normal.

 Test de Varianza Constante:

El test de Levene para el análisis de varianza constante se observa que el P valor es 0.9462 lo que

nos indica que es mayor a 0,05 por lo que no se rechaza la hipótesis nula y se concluye con un

95% de confianza que los residuales del modelo de análisis de varianza se comportan acorde a

una varianza constante.

Pruebas de Comparación de Medias

En esta prueba del test de Tukey se observa que los tratamientos que tienen igual letra se

comportan igual manera, mientras que tienen letra distinta se comportan de manera distinta.
 4. Del texto indicado ubique el capítulo de Diseño bifactorial bloques al azar, y

registre

R/

 Modelo:

Y ijkl =μ+ Ri + A j +B k +( AB) jk + eijk

Donde:

μ= Esla media general

Ri=Es elefecto deli ésimo bloque o réplica

A j=Es el efecto debido al j ésimo nivel del factor A .

Bk =Es el efecto debido al k ésimo nivel del factor B .

( AB) jk =Efecto de la interacción entre el k ésimo nivel del factor B y el j ésimo del factor B .

e ijk=Es elerror experimental .

 Fórmula de Suma de Cuadrados:

SDC Total =∑ X 2−¿ ¿¿ ¿

Ejercicio en programa R del Diseño Factorial

 Análisis de Varianza
En este análisis se observa que en el factor Bloques el P valor es 0.09313 lo cual es mayor a 0,05

por lo que no se rechaza la hipótesis nula y se concluye que los bloques se comportan de igual

manera.

En el caso de los factores Variedad y Biobras el P valor es 0.00339 y 0.00183 respectiva mente

lo cual es menor a 0,05 por lo que se rechaza la hipótesis nula y se concluye con un 95% de

confianza que el promedio de rendimiento de la variedad uno es diferente al promedio de la

variedad dos.

En el caso de variedad Biobras el P valor es 0.00644 lo cual nos indica que es menor a 0,05 por

lo que se rechaza la hipótesis nula y se concluye con un 95% de confianza que hay diferencia

estadísticamente significativa en el rendimiento de las dosis uno y dos.

Validación de Supuestos del Modelo:

 Test de Normalidad.
 Se emplea el test de Shapiro Wilk ya que el número de residuales es menor o igual a 50 y

se observa que el P valor es 0.3511 lo que nos indica que es mayor a 0,05, por lo que no

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

este modelo se comportan de acuerdo a una distribución normal.

 Test de Varianza Constante

Para el caso de Variedad, el P valor es 0.04979 lo que nos indica que es menor a 0,05 por lo

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

bajo el factor Variedad.

En el caso de Biobras el P valor es 0.08382lo que nos indica que es mayor a 0,05, por lo que

no se rechaza la hipótesis nula y se concluye que los residuales bajo el factor Biobras se

comportan acorde a una varianza constante.

 Pruebas de Comparación de Medias

En esta podríamos concluir que se comportan diferentes en la segunda fila se observa

que la variedad uno con la dosis dos, comparado con la variedad uno con la dosis uno.

Mientras que no ocurre lo mismo en las demás filas uno, tres y cinco donde se

muestran que esos pares comparados se comportan igual.

 Conclusiones

1. se entiende de manera dictadita y a través de tutoriales los conceptos de Diseño

cuadrado latino y de Diseño bifactorial bloques al azar en el campo agronómico.

2. Se desarrolla los conceptos y a su vez ejemplos de el diseño cuadrado latino y del

diseño bifactorial bloques al azar en el software R.

3. Se dan las conclusiones de los resultados dados en el programa R.

Referencias bibliográficas

Ruesga González, I. (2007). Libro de experimentación agrícola. La Habana, Cuba: Editorial

Universitaria. Recuperado de https://elibro-

net.bibliotecavirtual.unad.edu.co/es/ereader/unad/71309Video latino factorial

Deaza, D. (2020). 300004_OVIDiseño experimental cuadrado latino. Recuperado de:

https://repository.unad.edu.co/handle/10596/33974