Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Texto Guía de La Escuela de Forestal Diseños Experimentales
Texto Guía de La Escuela de Forestal Diseños Experimentales
DISEÑOS EXPERIMENTALES
2013
Suatunce P. 2013. Diseños Experimentales
DISEÑOS EXPERIMENTALES
AUTOR:
2013
1
Suatunce P. 2013. Diseños Experimentales
PREFACIO
En este texto guía se ha intentado desarrollar los temas partiendo de los diseños más
sencillos hasta los más complejos, tales como los diseños con arreglos especiales. Los
objetivos de este texto guía son: aportar con conceptos y elementos que incentiven la
reflexión, el intercambio de opiniones y contribuir a una apropiada planificación de las
investigaciones agrícolas y forestales, por parte de los estudiantes y técnicos.
2
Suatunce P. 2013. Diseños Experimentales
ÍNDICE
CONTENIDO Páginas
Portada.…………………………………………………………………………………….
Portadilla……………………………………………………………………….……….…. 1
Prefacio……………………………………………………………………………………. 2
Índice……………………………………………………………..……………................. 3
Dedicatoria..……………………………………………………..……………................. 4
1. INTRODIUCCIÓN................................................................................................. 5
1.1. Definición y Objetivos del Diseño Experimental................................................ 5
1.2. Tipos de Diseños Experimentales..…................................................................ 5
2. DISEÑO COMPLETAMENTE AL AZAR (DCA)……………………………………. 6
2.1. Descripción y Aplicación……………………………………………………………. 6
2.2. Diseño completamente al azar con igual número de repeticiones…................. 6
2.3. Diseño completamente al azar con desigual número de repeticiones.……...... 14
3. DISEÑO DE BLOQUES AL AZAR………………………………………….............. 17
3.1. Descripción y Aplicación……...………………………...…………………………. 17
3.2. Análisis de Varianza……………. 17
……………………...........................................
3.3. Pruebas de rangos múltiples………..……………………………………………… 18
4. DISEÑO CUADRADO LATINO…………………………………..……………...…… 20
4.1. Descripción y Aplicación……...………………………...…………..……………… 20
4.2. Análisis de Varianza………………………………………………………............... 20
4.3. Pruebas de Rangos múltiples…………….………..……………………............... 22
5. EXPERIMENTOS FACTORIALES.……...………...………...……………………… 23
5.1. Descripción y Aplicación……………………………………………………………. 23
5.2. Interacciones…………………………………………………………………………. 24
5.3. Análisis de Varianza………………………………………………………………… 25
6. PARCELAS DIVIDIDAS………...…………..……………………….………………... 29
5.1. Descripción y Aplicación……………………………………………………………. 29
5.2. Análisis de Varianza………………………………………………………………… 30
7. GLOSARIO DE TÉRMINOS…………………………...………………….………….. 33
8. BIBLIOGRAFÍA………………………………………………………………………… 35
ANEXOS…………………………………………..…………….………………………… 36
3
Suatunce P. 2013. Diseños Experimentales
DEDICATORIA
Para mi amada esposa Lorena y mis queridos hijos: Sebastián, Omar, Evelin y Eliana.
1. INTRODUCCIÓN
El Diseño de Experimentos tuvo su inicio teórico a partir de 1935 por Sir Ronald A.
Fisher, quién sentó la base de la teoría del Diseño Experimental, y que en nuestros
4
Suatunce P. 2013. Diseños Experimentales
5
Suatunce P. 2013. Diseños Experimentales
Este diseño es el más simple y tiene como una característica fundamental, que está
basado en la utilización de las repeticiones y la aleatorización independiente una de
otra y cada tratamiento se repite varias veces, pudiendo variar el número de
repeticiones de un tratamiento a otro. Este diseño es útil cuando las unidades
experimentales son esencialmente homogéneas, es decir, cuando la variación entre
ellas es pequeña y agruparlas en bloques sería poco más que un proceso aleatorio.
Este es el caso de muchos experimentos de laboratorio, o en experimentos con
animales y plantas con condiciones ambientales muy parecidas.
4 3 1 3 4 3 1 3 2 1 4 2 3 2 4 1
2 1 4 2
3 2 4 1 4 3 1 3 2 1 4 2
3 2 4 1
En este tipo de diseño todos los tratamientos tienen el mismo número de repeticiones.
El análisis de varianza (ANDEVA o ANOVA) es una técnica estadística que sirve para
analizar la variación total de los resultados experimentales de un diseño en particular,
descomponiéndolo en fuentes de variación independientes atribuibles a cada uno de
los efectos en que constituye el diseño experimental. Esta técnica tiene como objetivo
identificar la importancia de los diferentes factores ó tratamientos en estudio y
determinar como interactúan entre sí. La prueba de F es el criterio de comparación de
la variabilidad; la prueba de F indicará si los efectos de todos los tratamientos son
iguales o diferentes; en caso de aceptar la hipótesis de que todos los tratamientos no
tienen el mismo efecto, entonces es necesario realizar pruebas de comparación de
promedios a fin de saber entre que tratamientos hay diferencias, y para esto es
necesario realizar pruebas de comparación múltiple. El modelo lineal de este diseño es:
xi = + Ti + Eij.
Para obtener el valor de F hay que seguir una serie de procedimientos. A continuación
se presenta el modelo general del análisis de varianza (ANDEVA) para el diseño
completamente al azar con igual número de repeticiones.
1. ANDEVA para el modelo xi = + Ti + Eij.
6
Suatunce P. 2013. Diseños Experimentales
SCTot = Xi2 - Fc
SCE = SCTot - SCT
Para realizar las comparaciones existen los valores tabulados que se presentan en una
tabla denominada de F en la que se encuentran valores para 5 probabilidades y varios
pares de grados de libertad de numerador (tratamientos) y denominador (error).
SCT = (xi2/r) – Fc = [(122 + 182 + 242)/3]- 324 = (1044/3) – 324 = 348 – 324 =24
7
Suatunce P. 2013. Diseños Experimentales
Ho: 1 = 2 = 3
Ha: 1 2 3
A continuación hay que buscar el valor de F en la tabla. Para esto establecemos el
nivel de significancia de 0.05 y los grados de libertad para el numerador son 2 y para el
denominador son 6 (F0.05; 2, 6) = 5.14. Debido a que F calculado es menor que F de la
tabla se acepta Ho, es decir, que no hay diferencias entre los tratamientos.
Prueba de Duncan
Prueba de Tukey
Student-Newman-Keuls o S-N-K.
Prueba de DLS
Prueba de DMS
2.2.3. Prueba de rangos múltiples de Duncan
Esta prueba fue por Duncan en 1955, es una prueba bastante popular, que utiliza un
nivel de significancia variable que depende del número de medias que entran en una
etapa. Este procedimiento es utilizado para realizar comparaciones múltiples de medias
entre sí, sin restricciones. Se puede efectuar t(t-1)/2 comparaciones. Para realizar esta
prueba no es necesario realizar previamente la prueba de F y que ésta resulte
8
Suatunce P. 2013. Diseños Experimentales
Rp = es el valor crítico
Una forma de determinar los valores críticos (ALS) consiste en multiplicar cada valor de
AES (al 0,05 y 0,01) por el valor del error estándar (ALS = AES* s ). Una vez obtenido
los AES se ordenan los promedios y se realiza la resta entre los promedios, y la
diferencia se compara con cada valor crítico correspondiente para determinar si existe
diferencia significativa o no. Si la diferencia es mayor que las ALS, al 0,05 y 0,01, se
dice que hay diferencia altamente significativa (**); si la diferencia es mayor que la ALS,
únicamente al 0,05, se dice que hay diferencia significativa (*); si la diferencia es menor
que la ALS, al 0,05, se dice que no hay significancia (ns). Para cuestiones prácticas se
acostumbra agrupar los promedios de los tratamientos por medio de letras o líneas; los
promedios que no presentan diferencias entre sí tienen la misma letra o se unen con
una línea; los promedios que presentan diferencias llevan letras distintas.
Rep. Tratamientos Σ
1 2 3 4 5 6 7 8
1 2 3 6 4 2 6 1 5 29 3,625
2 3 4 2 3 1 7 2 4 26 3,250
3 2 5 7 2 2 5 1 3 27 3,375
4 4 6 5 5 4 4 1 2 31 3,875
5 2 3 6 3 1 3 2 6 26 3,250
Σ 13 21 26 17 10 25 7 20 139
2,6 4,2 5,2 3,4 2,0 5,0 1,4 4,9 3,475
9
Suatunce P. 2013. Diseños Experimentales
Rp = qα(p, gl error)s
S = (√S2/r) = (√CME/r) = (√1,78/5) = 0,597
A continuación buscamos los valores de las AES al 0,05 y 0,01. En este caso tomamos
los valores de las AES con 30 gl para el error, por que no se encuentra 32 en la tabla.
P 2 3 4 5 6 7 8
AES 5% 2,89 3,04 3,12 3,20 3,25 3,29 3,32
1% 3,89 4,06 4,16 4,22 4,32 4,36 4,41
P 2 3 4 5 6 7 8
ALS 5% 1,73 1,82 1,86 1,91 1,94 1,96 1,98
1% 2,33 2,43 2,50 2,53 2,58 2,61 2,64
Trat. 7 5 1 4 8 2 6 3
Prom. 1,4 2,0 2,6 3,4 4,0 4,2 5,0 5,2
Orden I II III IV V VI VII VII
10
Suatunce P. 2013. Diseños Experimentales
Para encontrar las diferencias restamos de la media mayor las demás medias en orden
de la menor a la mayor. Luego restamos de la media que sigue a la mayor las medias
restantes en el orden señalado y así sucesivamente hasta encontrar las diferencias de
las 28 comparaciones. Una vez encontradas las diferencias comparamos con los
valores críticos de Duncan para determinar si existe diferencia significativa o no.
Ejemplo:
3 5,2 a
6 5,0 a
2 4,2 ab
8 4,0 abc
4 3,4 abcd
1 2,6 bcd
5 2,0 cd
7 1,4 d
Trat. 7 5 1 4 8 2 6 3
Prom. 1,4 2,0 2,6 3,4 4,0 4,2 5,0 5,2
Los resultados de este ejemplo nos permiten concluir que los mejores tratamientos son
3 y 6, y el inferior es el tratamiento 7. Sin embargo, es importante señalar que,
11
Suatunce P. 2013. Diseños Experimentales
W = es el valor crítico
Trat. 7 5 1 4 8 2 6 3
Prom. 1,4 2,0 2,6 3,4 4,0 4,2 5,0 5,2
Orden I II III IV V VI VII VII
Para encontrar las diferencias restamos de la media mayor las demás medias en orden
de la menor a la mayor. Luego restamos de la media que sigue a la mayor las medias
restantes en el orden señalado y así sucesivamente hasta encontrar las diferencias de
las 28 comparaciones. Una vez encontradas las diferencias comparamos con el valor
crítico de Tukey para determinar si existe diferencia significativa o no.
* Nota: Cuando en la tabla no se encuentra el valor para el gl. del error se considera el valor más
próximo (cuando la diferencia no es mayor de tres gl.) o se procede a interpolar (cuando la diferencia es
mayor a tres gl.) mediante la diferencia de los valores de dos extremos conocidos.
12
Suatunce P. 2013. Diseños Experimentales
3 5,2 a
6 5,0 a
2 4,2 ab
8 4,0 abc
4 3,4 abc
1 2,6 abc
5 2,0 bc
7 1,4 c
Trat. 7 5 1 4 8 2 6 3
Prom. 1,4 2,0 2,6 3,4 4,0 4,2 5,0 5,2
Al igual que con la prueba anterior, podemos concluir que los mejores tratamientos son
3 y 6, y el inferior es el tratamiento 7. Pero a diferencia del caso anterior hay tres
grupos de tratamientos que son estadísticamente iguales: 3, 6, 2, 8, 4 y 1; 2, 8, 4, 1 y 5;
8, 4, 1, 5 y 7.
13
Suatunce P. 2013. Diseños Experimentales
14
Suatunce P. 2013. Diseños Experimentales
Rp = qα(p, gl error)s
S = (√S2/r) = (√CME/r mayor*) = (√2/9) = 0,157
A continuación buscamos los valores de las AES al 0,05 y 0,01. En este caso tomamos
los valores de las AES con 16 gl para el error.
P 2 3 4
AES 5% 3,00 3,15 3,23
1% 4,13 4,34 4,45
P 2 3 4
ALS 5% 0,47 0,49 0,51
1% 0,64 0,68 0,70
Trat. 2 3 4 1
Prom. 34 34 42 46
Orden I II III IV
15
Suatunce P. 2013. Diseños Experimentales
IV - I = 46 - 34 = 12 **
IV - II = 46 - 34 = 12 **
IV - III = 46 - 42 = 4 **
III - I = 42 - 34 = 8 **
III - II = 42 - 34 = 8 **
II - I = 34 - 34 = 0 ns
Una vez encontrada las diferencias aplicamos los criterios ya conocidos para esta
prueba y agrupamos los tratamientos según las letras o unidos por una línea.
1 46 a
4 42 b
3 34 c
2 34 c
Trat. 2 3 4 1
Prom. 34 34 42 46
Los resultados de este ejemplo nos permiten concluir que el mejor tratamiento es el 1 y
los inferiores son el 2 y 3.
El diseño de bloques al azar es el más fácil para ejecutarlo y es muy utilizado en las
investigaciones agropecuarias. Se puede usar cuando las unidades experimentales
pueden agruparse en bloques; cada bloque se constituye en una repetición del
experimento. El objetivo del agrupamiento es lograr que las unidades en un bloque
sean tan uniformes como sea posible, de modo que las diferencias observadas se
deban en gran parte a los tratamientos. Dentro de cada bloque los tratamientos se
disponen al azar. La forma de los bloques puede ser cuadrada o rectangular y pueden
estar distribuidos de diversas formas.
4 2 1 3
4 2 2 1
2 1 3 4 1 3 3 4
3 2 4 1 3 2 4 1
4 4 2 3
4 1 2 3
16
Suatunce P. 2013. Diseños Experimentales
Los pasos para el cálculo de las sumas de cuadrados, para el diseño de bloques al
azar, son similares a la del diseño completamente al azar. En este caso se tiene que
calcular la suma de cuadrados de la repetición (SCR) que se obtiene mediante la
fórmula siguiente:
Trat. I II III IV T
1 23 31 18 27 99 24.75
2 24 26 28 28 106 26.50
3 32 28 33 34 127 31.75
4 38 42 32 38 150 37.50
R 117 127 111 127 482
29.25 31.75 27.75 31.75
17
Suatunce P. 2013. Diseños Experimentales
Trat. 1 2 3 4
Prom. 24,75 26,50 31,75 37,50
Orden I II III IV
18
Suatunce P. 2013. Diseños Experimentales
Una vez encontrada las diferencias aplicamos los criterios ya conocidos para esta
prueba y agrupamos los tratamientos según las letras o unidos por una línea.
4 37,50 a
3 31,75 a
2 26,50 ab
1 24,75 b
Trat. 1 2 3 4
Prom. 24,75 26,50 31,75 37,50
Los resultados de este ejemplo nos permiten concluir que el mejor tratamiento es el 1 y
el inferior es el 1.
El diseño cuadrado latino es considerado también como un diseño de bloques y es muy utilizado
en los experimentos agropecuarios, debido a su fácil aplicación. La condición para aplicar este
diseño es que el número de tratamiento debe ser como mínimo cuatro. En este diseño, los
tratamientos se disponen de dos maneras diferentes, por filas y por columnas. El número de
tratamientos debe ser igual al número de filas y columnas. Cada tratamiento se presenta una y
sólo una vez en cada fila y columna; cada fila así como cada columna es un bloque completo.
Mediante un análisis apropiado, es posible eliminar del error la variabilidad debida a diferencias
tanto en filas como en columnas. En experimentos de campo, el esquema suele ser cuadrado,
permitiendo así la eliminación de la variación proveniente de diferencias de suelo en dos
direcciones. El esquema para el diseño cuadrado latino con cuatro tratamientos sería como se
indica en la figura siguiente:
C O L U M N A S
F
A D C B
I
B C A D
L
D A B C
A
19
Suatunce P. 2013. Diseños Experimentales
S
C B D A
Las sumas de cuadrados, para el diseño cuadrado latino se obtienen mediante las
siguientes fórmulas:
Factor de corrección.
Fc = (xij)2/f*c = (xij)2/f*c.
20
Suatunce P. 2013. Diseños Experimentales
C O L U M N A S
FILAS 1 2 3 4 5
1 C (32) A (23) B (24) E (34) D (28)
2 A (28) C (36) D (33) B (32) E (38)
3 E (40) D (37) A (31) C (39) B (26)
4 D (39) B(31) E (43) A (33) C (41)
5 B (32) E (45) C (43) D (40) A (35)
Los valores a la derecha de cada letra (tratamientos) son los rendimientos de maíz por
parcela.
El valor de F de la tabla se indica seguidamente: (F 0.05; 4, 12) = 3,26 y (F0.01; 4, 12) = 5,95. El
valor de la F calculada es mayor que los valores de F de la tabla al 0,05 y 0,01 de nivel
de significancia. Por tanto se concluye que hay diferencia entre los tratamientos y
debemos aplicar cualquiera de las pruebas de rangos múltiples, en este caso
aplicaremos Duncan, únicamente al 5%.
Siguiendo los procedimientos ya conocidos para esta prueba se obtiene los siguientes
resultados.
P 2 3 4 5
ALS 5% 2,219 2,323 2,386 2,427
Trat. B A D C E
Prom. 29,00 30,00 35,40 38,20 40,00
Orden I II III IV V
Comparado las diferencias entre los tratamientos con el valor crítico al 5% podemos
agrupar los tratamientos de la siguiente forma:
40,00 a
38,20 a
35,40 b
21
Suatunce P. 2013. Diseños Experimentales
30,00 c
29,00 c
Trat. B A D C E
Prom. 29,00 30,00 35,40 38,20 40,00
c c b a a
Según la prueba de Duncan al 5%, podemos concluir que los mejores tratamientos son
el E y el C, y los inferiores son el A y el B.
5. EXPERIMENTOS FACTORIALES
Un experimento factorial está constituido por dos o más factores (tratamientos) que el
investigador está interesado en conocer simultáneamente. Los experimentos factoriales
permiten conocer simultáneamente los efectos de cada uno de los factores así como
los efectos de las interacciones. Es decir, que se puede investigar todas las posibles
combinaciones de los niveles de los factores en cada ensayo completo o réplica del
experimento. Los experimentos factoriales se usan prácticamente en todos los campos
de investigación.
Los experimentos factoriales pueden ser bifactorial, cuando se tienen dos factores (A y
B), trifactorial, cuando tiene tres factores (A, B y C). Además existen casos especiales
22
Suatunce P. 2013. Diseños Experimentales
de este tipo de experimentos, tales como: Factorial 2 3 (tres factores y dos niveles),
Factorial 5 x 3 x 2, entre otros.
En general los Diseños Factoriales producen experimentos más eficientes, ya que cada
observación proporciona información sobre todos los factores, y es posible ver las
respuestas de un factor en diferentes niveles de otro factor en el mismo experimento.
Podemos conocer el efecto simple, mediante comparaciones entre los niveles de un
factor a un solo nivel de otros factores; el efecto principal de cada factor, mediante
comparaciones de los niveles de un factor promediados sobre los niveles de los demás
factores, y el efecto de las interacciones, que miden las diferencias entre los efectos
simples a diferentes niveles de los otros factores. Entre las Ventajas de usar un diseño
Factorial, se pueden mencionar las siguientes:
Estas dos situaciones, pueden hacer difícil detectar los efectos significativos en el
experimento.
T1 = a1 x b1
T2 = a1 x b2
T3 = a1 x b3
T4 = a2 x b1
T5 = a2 x b2
T6 = a2 x b3
T7 = a3 x b1
T8 = a3 x b2
T9 = a3 x b3
T10 = a4 x b1
23
Suatunce P. 2013. Diseños Experimentales
T11 = a4 x b2
T12 = a4 x b3
Interacciones híbridas. Cuando las tendencias de las medias de los diferentes niveles
de B dentro de los niveles de A tienen diferentes direcciones sin llegarse a cruzar. Es
decir, que las medias de A dentro de los niveles de B tienen la misma orientación y
solamente se puede interpretar el efecto principal de B.
24
Suatunce P. 2013. Diseños Experimentales
Factor de corrección
Fc = (xij)2/r*a*b = (xij)2/rab.
Suma de cuadrados total.
SCTot = xij2 - Fc.
Suma de cuadrados del factor A.
SCA = xa2/rb - Fc.
Ejemplo. Se suministraron cuatro dietas a tres razas de ganado, para lo cual se utilizó
un experimento factorial 4 x 3, con cinco repeticiones, en un diseño completamente al
azar. Determinar la influencia de la dieta y de las razas sobre la ganancia de peso (en
kilogramos), con los datos obtenidos después del experimento.
25
Suatunce P. 2013. Diseños Experimentales
26
Suatunce P. 2013. Diseños Experimentales
Como se puede ver este caso es muy parecido al DCA, solamente se agrega la fila
para el bloque. Las sumas de cuadrados para el diseño de bloques al azar se obtienen
mediante las siguientes fórmulas:
Factor de corrección.
27
Suatunce P. 2013. Diseños Experimentales
Fc = (xij)2/r*a*b = (xij)2/rab.
a2b3
a2b2
a1b3
a1b1
a1b2
a1b2
a1b3
a1b1
a2b1
a2b2
a2b3
a2b3
a2b1
a2b2
a1b3
a1b1
a1b2
6.2. Análisis de Varianza
29
Suatunce P. 2013. Diseños Experimentales
Los pasos para el cálculo de las sumas de cuadrados para el diseño de parcelas
divididas establecidas en bloques son similares a los experimento factoriales en
bloques. La suma de cuadrados de cada fuente de variación señalada se calcula
mediante las fórmulas siguientes:
CV(a) = [(CMEa)/]*100.
CV(b) = [(CMEb)/]*100.
30
Suatunce P. 2013. Diseños Experimentales
Una vez calculado la suma de cuadrados procedemos a llenar el cuadro del análisis de
varianza. En el ejemplo se obtiene la siguiente tabla:
Al comparar los valores de la “F” calculada con los de la “F” de la tabla, al 5%, se
puede concluir que no hay diferencias significativas entre las variedades, fertilizantes ni
la interacción, es decir, que la producción de biomasa es estadísticamente similar para
las dos variedades al aplicar cualquier dosis de fertilizante.
31
Suatunce P. 2013. Diseños Experimentales
7. GLOSARIO DE TÉRMINOS
33
Suatunce P. 2013. Diseños Experimentales
ser una variedad de plantas, la densidad de siembra de una especie agrícola o la dosis
de fertilizantes para un cultivo.
8. BIBLIOGRAFÍA
34
Suatunce P. 2013. Diseños Experimentales
35
Suatunce P. 2013. Diseños Experimentales
ANEXOS
36
Suatunce P. 2013. Diseños Experimentales
37
Suatunce P. 2013. Diseños Experimentales
38
Suatunce P. 2013. Diseños Experimentales
39
Suatunce P. 2013. Diseños Experimentales
40
Suatunce P. 2013. Diseños Experimentales
Tabla de F (1%)
alfa = 0.01 grados de libertad del numerador
1 2 3 4 5 6 7 8 9 10 20 60 100 10000
1 4052.2 4999.3 5403.5 5624.3 5764.0 5859.0 5928.3 5981 6022.4 6055.9 6208.7 6313.0 6333.9 6365.6
2 98.502 99.000 99.164 99.251 99.302 99.331 99.357 99.375 99.39 99.397 99.448 99.484 99.491 99.499
3 34.116 30.816 29.457 28.710 28.237 27.911 27.671 27.489 27.345 27.228 26.690 26.316 26.241 26.126
4 21.198 18.000 16.694 15.977 15.522 15.207 14.976 14.799 14.659 14.546 14.019 13.652 13.577 13.464
5 16.258 13.274 12.060 11.392 10.967 10.672 10.456 10.289 10.158 10.051 9.5527 9.2020 9.1300 9.0215
6 13.745 10.925 9.7796 9.1484 8.7459 8.4660 8.2600 8.1017 7.9760 7.8742 7.3958 7.0568 6.9867 6.8811
7 12.246 9.5465 8.4513 7.8467 7.4604 7.1914 6.9929 6.8401 6.7188 6.6201 6.1555 5.8236 5.7546 5.6506
8 11.259 8.6491 7.5910 7.0061 6.6318 6.3707 6.1776 6.0288 5.9106 5.8143 5.3591 5.0316 4.9633 4.8599
9 10.562 8.0215 6.9920 6.4221 6.0569 5.8018 5.6128 5.4671 5.3511 5.2565 4.8080 4.4831 4.4150 4.3116
10 10.044 7.5595 6.5523 5.9944 5.6364 5.3858 5.2001 5.0567 4.9424 4.8491 4.4054 4.0819 4.0137 3.9100
11 9.6461 7.2057 6.2167 5.6683 5.3160 5.0692 4.8860 4.7445 4.6315 4.5393 4.0990 3.7761 3.7077 3.6035
12 9.3303 6.9266 5.9525 5.4119 5.0644 4.8205 4.6395 4.4994 4.3875 4.2961 3.8584 3.5355 3.4668 3.3619
13 9.0738 6.7009 5.7394 5.2053 4.8616 4.6203 4.4410 4.3021 4.1911 4.1003 3.6646 3.3413 3.2723 3.1665
14 8.8617 6.5149 5.5639 5.0354 4.6950 4.4558 4.2779 4.1400 4.0297 3.9394 3.5052 3.1813 3.1118 3.0051
15 8.6832 6.3588 5.4170 4.8932 4.5556 4.3183 4.1416 4.0044 3.8948 3.8049 3.3719 3.0471 2.9772 2.8695
16 8.5309 6.2263 5.2922 4.7726 4.4374 4.2016 4.0259 3.8896 3.7804 3.6909 3.2587 2.933 2.8627 2.7539
17 8.3998 6.1121 5.1850 4.6689 4.3360 4.1015 3.9267 3.7909 3.6823 3.5931 3.1615 2.8348 2.7639 2.6542
18 8.2855 6.0129 5.0919 4.5790 4.2479 4.0146 3.8406 3.7054 3.5971 3.5081 3.0771 2.7493 2.6779 2.5671
19 8.1850 5.9259 5.0103 4.5002 4.1708 3.9386 3.7653 3.6305 3.5225 3.4338 3.0031 2.6742 2.6023 2.4905
20 8.0960 5.8490 4.9382 4.4307 4.1027 3.8714 3.6987 3.5644 3.4567 3.3682 2.9377 2.6077 2.5353 2.4224
21 8.0166 5.7804 4.8740 4.3688 4.0421 3.8117 3.6396 3.5056 3.3982 3.3098 2.8795 2.5484 2.4755 2.3615
22 7.9453 5.7190 4.8166 4.3134 3.9880 3.7583 3.5866 3.4530 3.3458 3.2576 2.8274 2.4951 2.4218 2.3067
23 7.8811 5.6637 4.7648 4.2635 3.9392 3.7102 3.5390 3.4057 3.2986 3.2106 2.7805 2.4471 2.3732 2.2571
24 7.8229 5.6136 4.7181 4.2185 3.8951 3.6667 3.4959 3.3629 3.2560 3.1681 2.7380 2.4035 2.3291 2.2119
25 7.7698 5.5680 4.6755 4.1774 3.8550 3.6272 3.4568 3.3239 3.2172 3.1294 2.6993 2.3637 2.2888 2.1706
26 7.7213 5.5263 4.6365 4.1400 3.8183 3.5911 3.4210 3.2884 3.1818 3.0941 2.6640 2.3273 2.2519 2.1327
27 7.6767 5.4881 4.6009 4.1056 3.7847 3.5580 3.3882 3.2558 3.1494 3.0618 2.6316 2.2938 2.2180 2.0978
28 7.6357 5.4529 4.5681 4.0740 3.7539 3.5276 3.3581 3.2259 3.1195 3.0320 2.6018 2.2629 2.1867 2.0655
29 7.5977 5.4205 4.5378 4.0449 3.7254 3.4995 3.3303 3.1982 3.0920 3.0045 2.5742 2.2344 2.1577 2.0355
30 7.5624 5.3903 4.5097 4.0179 3.6990 3.4735 3.3045 3.1726 3.0665 2.9791 2.5487 2.2079 2.1307 2.0075
40 7.3142 5.1785 4.3126 3.8283 3.5138 3.2910 3.1238 2.9930 2.8876 2.8005 2.3689 2.0194 1.9383 1.8061
50 7.1706 5.0566 4.1994 3.7195 3.4077 3.1864 3.0202 2.8900 2.7850 2.6981 2.2652 1.9090 1.8248 1.6847
60 7.0771 4.9774 4.1259 3.6491 3.3389 3.1187 2.9530 2.8233 2.7185 2.6318 2.1978 1.8363 1.7493 1.6023
70 7.0114 4.9218 4.0744 3.5997 3.2907 3.0712 2.9060 2.7765 2.6719 2.5852 2.1504 1.7846 1.6954 1.5422
80 6.9626 4.8807 4.0363 3.5631 3.2551 3.0361 2.8713 2.7420 2.6374 2.5508 2.1153 1.7459 1.6548 1.4960
90 6.9251 4.8491 4.0069 3.5350 3.2276 3.0091 2.8445 2.7154 2.6109 2.5243 2.0882 1.7158 1.6231 1.4593
100 6.8953 4.8239 3.9837 3.5127 3.2059 2.9877 2.8233 2.6943 2.5898 2.5033 2.0666 1.6918 1.5977 1.4292
200 6.7633 4.7128 3.8810 3.4143 3.1100 2.8933 2.7298 2.6012 2.4971 2.4106 1.9713 1.5833 1.4811 1.2812
300 6.7201 4.6766 3.8475 3.3822 3.0787 2.8625 2.6993 2.5709 2.4668 2.3804 1.9401 1.5468 1.441 1.2228
400 6.6987 4.6586 3.8309 3.3664 3.0632 2.8472 2.6842 2.5559 2.4518 2.3654 1.9245 1.5285 1.4207 1.1900
500 6.6858 4.6479 3.8210 3.3569 3.0540 2.8381 2.6751 2.5469 2.4429 2.3565 1.9152 1.5174 1.4084 1.1684
600 6.6773 4.6407 3.8144 3.3506 3.0478 2.8321 2.6691 2.5409 2.4369 2.3505 1.9091 1.5101 1.4001 1.1529
700 6.6713 4.6356 3.8097 3.3460 3.0434 2.8278 2.6648 2.5367 2.4327 2.3463 1.9047 1.5048 1.3942 1.1411
800 6.6667 4.6318 3.8062 3.3427 3.0402 2.8245 2.6617 2.5335 2.4295 2.3431 1.9013 1.5008 1.3897 1.1318
900 6.6631 4.6288 3.8034 3.3401 3.0376 2.8220 2.6592 2.5310 2.4270 2.3406 1.8988 1.4978 1.3863 1.1242
1000 6.6603 4.6264 3.8012 3.3380 3.0356 2.8200 2.6572 2.5290 2.4250 2.3386 1.8967 1.4953 1.3835 1.1178
1500 6.6518 4.6193 3.7947 3.3317 3.0294 2.8140 2.6512 2.5231 2.4191 2.3327 1.8906 1.4879 1.3751 1.0969
2000 6.6476 4.6158 3.7914 3.3286 3.0264 2.8110 2.6482 2.5201 2.4162 2.3298 1.8875 1.4842 1.3708 1.085
10000 6.6374 4.6073 3.7836 3.3210 3.0191 2.8038 2.6411 2.5130 2.4091 2.3227 1.8802 1.4752 1.3606 1.0476
41
Suatunce P. 2013. Diseños Experimentales
= 0.05
Valores Críticos q'(p, df; 0.05) para pruebas de Rango Múltiple de Duncan
------------------------------------------------------------------------------------------------------------------------------------------
df p-> 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
------------------------------------------------------------------------------------------------------------------------------------------
1 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969 17.969
2 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085 6.085
3 4.501 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516 4.516
4 3.926 4.013 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033 4.033
5 3.635 3.749 3.796 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814 3.814
6 3.460 3.586 3.649 3.680 3.694 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697 3.697
7 3.344 3.477 3.548 3.588 3.611 3.622 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625 3.625
8 3.261 3.398 3.475 3.521 3.549 3.566 3.575 3.579 3.579 3.579 3.579 3.579 3.579 3.579 3.579 3.579 3.579 3.579 3.579
9 3.199 3.339 3.420 3.470 3.502 3.523 3.536 3.544 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547 3.547
10 3.151 3.293 3.376 3.430 3.465 3.489 3.505 3.516 3.522 3.525 3.525 3.525 3.525 3.525 3.525 3.525 3.525 3.525 3.525
------------------------------------------------------------------------------------------------------------------------------------------
11 3.113 3.256 3.341 3.397 3.435 3.462 3.480 3.493 3.501 3.506 3.509 3.510 3.510 3.510 3.510 3.510 3.510 3.510 3.510
12 3.081 3.225 3.312 3.370 3.410 3.439 3.459 3.474 3.484 3.491 3.495 3.498 3.498 3.498 3.498 3.498 3.498 3.498 3.498
13 3.055 3.200 3.288 3.348 3.389 3.419 3.441 3.458 3.470 3.478 3.484 3.488 3.490 3.490 3.490 3.490 3.490 3.490 3.490
14 3.033 3.178 3.268 3.328 3.371 3.403 3.426 3.444 3.457 3.467 3.474 3.479 3.482 3.484 3.484 3.484 3.484 3.484 3.484
15 3.014 3.160 3.250 3.312 3.356 3.389 3.413 3.432 3.446 3.457 3.465 3.471 3.476 3.478 3.480 3.480 3.480 3.480 3.480
16 2.998 3.144 3.235 3.297 3.343 3.376 3.402 3.422 3.437 3.449 3.458 3.465 3.470 3.473 3.476 3.477 3.477 3.477 3.477
17 2.984 3.130 3.222 3.285 3.331 3.365 3.392 3.412 3.429 3.441 3.451 3.459 3.465 3.469 3.472 3.474 3.475 3.475 3.475
18 2.971 3.117 3.210 3.274 3.320 3.356 3.383 3.404 3.421 3.435 3.445 3.454 3.460 3.465 3.469 3.472 3.473 3.474 3.474
19 2.960 3.106 3.199 3.264 3.311 3.347 3.375 3.397 3.415 3.429 3.440 3.449 3.456 3.462 3.466 3.469 3.472 3.473 3.474
20 2.950 3.097 3.190 3.255 3.303 3.339 3.368 3.390 3.409 3.423 3.435 3.445 3.452 3.459 3.463 3.467 3.470 3.472 3.473
------------------------------------------------------------------------------------------------------------------------------------------
df p-> 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
------------------------------------------------------------------------------------------------------------------------------------------
21 2.941 3.088 3.181 3.247 3.295 3.332 3.361 3.385 3.403 3.418 3.431 3.441 3.449 3.456 3.461 3.465 3.469 3.471 3.473
22 2.933 3.080 3.173 3.239 3.288 3.326 3.355 3.379 3.398 3.414 3.427 3.437 3.446 3.453 3.459 3.464 3.467 3.470 3.472
23 2.926 3.072 3.166 3.233 3.282 3.320 3.350 3.374 3.394 3.410 3.423 3.434 3.443 3.451 3.457 3.462 3.466 3.469 3.472
24 2.919 3.066 3.160 3.226 3.276 3.315 3.345 3.370 3.390 3.406 3.420 3.431 3.441 3.449 3.455 3.461 3.465 3.469 3.472
25 2.913 3.059 3.154 3.221 3.271 3.310 3.341 3.366 3.386 3.403 3.417 3.429 3.439 3.447 3.454 3.459 3.464 3.468 3.471
26 2.907 3.054 3.149 3.216 3.266 3.305 3.336 3.362 3.382 3.400 3.414 3.426 3.436 3.445 3.452 3.458 3.463 3.468 3.471
27 2.902 3.049 3.144 3.211 3.262 3.301 3.332 3.358 3.379 3.397 3.412 3.424 3.434 3.443 3.451 3.457 3.463 3.467 3.471
28 2.897 3.044 3.139 3.206 3.257 3.297 3.329 3.355 3.376 3.394 3.409 3.422 3.433 3.442 3.450 3.456 3.462 3.467 3.470
29 2.892 3.039 3.135 3.202 3.253 3.293 3.326 3.352 3.373 3.392 3.407 3.420 3.431 3.440 3.448 3.455 3.461 3.466 3.470
30 2.888 3.035 3.131 3.199 3.250 3.290 3.322 3.349 3.371 3.389 3.405 3.418 3.429 3.439 3.447 3.454 3.460 3.466 3.470
------------------------------------------------------------------------------------------------------------------------------------------
31 2.884 3.031 3.127 3.195 3.246 3.287 3.319 3.346 3.368 3.387 3.403 3.416 3.428 3.438 3.446 3.454 3.460 3.465 3.470
32 2.881 3.028 3.123 3.192 3.243 3.284 3.317 3.344 3.366 3.385 3.401 3.415 3.426 3.436 3.445 3.453 3.459 3.465 3.470
33 2.877 3.024 3.120 3.188 3.240 3.281 3.314 3.341 3.364 3.383 3.399 3.413 3.425 3.435 3.444 3.452 3.459 3.465 3.470
34 2.874 3.021 3.117 3.185 3.238 3.279 3.312 3.339 3.362 3.381 3.398 3.412 3.424 3.434 3.443 3.451 3.458 3.464 3.469
35 2.871 3.018 3.114 3.183 3.235 3.276 3.309 3.337 3.360 3.379 3.396 3.410 3.423 3.433 3.443 3.451 3.458 3.464 3.469
36 2.868 3.015 3.111 3.180 3.232 3.274 3.307 3.335 3.358 3.378 3.395 3.409 3.421 3.432 3.442 3.450 3.457 3.464 3.469
37 2.865 3.013 3.109 3.178 3.230 3.272 3.305 3.333 3.356 3.376 3.393 3.408 3.420 3.431 3.441 3.449 3.457 3.463 3.469
38 2.863 3.010 3.106 3.175 3.228 3.270 3.303 3.331 3.355 3.375 3.392 3.407 3.419 3.431 3.440 3.449 3.456 3.463 3.469
39 2.861 3.008 3.104 3.173 3.226 3.268 3.301 3.330 3.353 3.373 3.391 3.406 3.418 3.430 3.440 3.448 3.456 3.463 3.469
40 2.858 3.005 3.102 3.171 3.224 3.266 3.300 3.328 3.352 3.372 3.389 3.404 3.418 3.429 3.439 3.448 3.456 3.463 3.469
------------------------------------------------------------------------------------------------------------------------------------------
48 2.843 2.991 3.087 3.157 3.211 3.253 3.288 3.318 3.342 3.363 3.382 3.398 3.412 3.424 3.435 3.445 3.453 3.461 3.468
60 2.829 2.976 3.073 3.143 3.198 3.241 3.277 3.307 3.333 3.355 3.374 3.391 3.406 3.419 3.431 3.441 3.451 3.460 3.468
80 2.814 2.961 3.059 3.130 3.185 3.229 3.266 3.297 3.323 3.346 3.366 3.384 3.400 3.414 3.427 3.438 3.449 3.458 3.467
120 2.800 2.947 3.045 3.116 3.172 3.217 3.254 3.286 3.313 3.337 3.358 3.377 3.394 3.409 3.423 3.435 3.446 3.457 3.466
240 2.786 2.933 3.031 3.103 3.159 3.205 3.243 3.276 3.304 3.329 3.350 3.370 3.388 3.404 3.418 3.432 3.444 3.455 3.466
Inf 2.772 2.918 3.017 3.089 3.146 3.193 3.232 3.265 3.294 3.320 3.343 3.363 3.382 3.399 3.414 3.428 3.442 3.454 3.466
------------------------------------------------------------------------------------------------------------------------------------------
= 0.01
42
Suatunce P. 2013. Diseños Experimentales
Valores Críticos q'(p, df; 0.01) para pruebas de Rango Múltiple de Duncan
------------------------------------------------------------------------------------------------------------------------------------------
df p-> 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
------------------------------------------------------------------------------------------------------------------------------------------
1 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024 90.024
2 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036 14.036
3 8.260 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321 8.321
4 6.511 6.677 6.740 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755 6.755
5 5.702 5.893 5.989 6.040 6.065 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074 6.074
6 5.243 5.439 5.549 5.614 5.655 5.680 5.694 5.701 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703 5.703
7 4.949 5.145 5.260 5.333 5.383 5.416 5.439 5.454 5.464 5.470 5.472 5.472 5.472 5.472 5.472 5.472 5.472 5.472 5.472
8 4.745 4.939 5.056 5.134 5.189 5.227 5.256 5.276 5.291 5.302 5.309 5.313 5.316 5.317 5.317 5.317 5.317 5.317 5.317
9 4.596 4.787 4.906 4.986 5.043 5.086 5.117 5.142 5.160 5.174 5.185 5.193 5.199 5.202 5.205 5.206 5.206 5.206 5.206
10 4.482 4.671 4.789 4.871 4.931 4.975 5.010 5.036 5.058 5.074 5.087 5.098 5.106 5.112 5.117 5.120 5.122 5.123 5.124
------------------------------------------------------------------------------------------------------------------------------------------
11 4.392 4.579 4.697 4.780 4.841 4.887 4.923 4.952 4.975 4.994 5.009 5.021 5.031 5.039 5.045 5.050 5.054 5.057 5.059
12 4.320 4.504 4.622 4.705 4.767 4.815 4.852 4.882 4.907 4.927 4.944 4.957 4.969 4.978 4.986 4.993 4.998 5.002 5.005
13 4.260 4.442 4.560 4.643 4.706 4.754 4.793 4.824 4.850 4.871 4.889 4.904 4.917 4.927 4.936 4.944 4.950 4.955 4.960
14 4.210 4.391 4.508 4.591 4.654 4.703 4.743 4.775 4.802 4.824 4.843 4.859 4.872 4.884 4.894 4.902 4.909 4.916 4.921
15 4.167 4.346 4.463 4.547 4.610 4.660 4.700 4.733 4.760 4.783 4.803 4.820 4.834 4.846 4.857 4.866 4.874 4.881 4.887
16 4.131 4.308 4.425 4.508 4.572 4.622 4.662 4.696 4.724 4.748 4.768 4.785 4.800 4.813 4.825 4.835 4.843 4.851 4.858
17 4.099 4.275 4.391 4.474 4.538 4.589 4.630 4.664 4.692 4.717 4.737 4.755 4.771 4.785 4.797 4.807 4.816 4.824 4.832
18 4.071 4.246 4.361 4.445 4.509 4.559 4.601 4.635 4.664 4.689 4.710 4.729 4.745 4.759 4.771 4.782 4.792 4.801 4.808
19 4.046 4.220 4.335 4.418 4.483 4.533 4.575 4.610 4.639 4.664 4.686 4.705 4.722 4.736 4.749 4.760 4.771 4.780 4.788
20 4.024 4.197 4.312 4.395 4.459 4.510 4.552 4.587 4.617 4.642 4.664 4.684 4.701 4.716 4.729 4.741 4.751 4.761 4.769
------------------------------------------------------------------------------------------------------------------------------------------
df p-> 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
------------------------------------------------------------------------------------------------------------------------------------------
21 4.004 4.177 4.291 4.374 4.438 4.489 4.531 4.567 4.597 4.622 4.645 4.664 4.682 4.697 4.711 4.723 4.734 4.743 4.752
22 3.986 4.158 4.272 4.355 4.419 4.470 4.513 4.548 4.578 4.604 4.627 4.647 4.664 4.680 4.694 4.706 4.718 4.728 4.737
23 3.970 4.141 4.254 4.337 4.402 4.453 4.496 4.531 4.562 4.588 4.611 4.631 4.649 4.665 4.679 4.692 4.703 4.713 4.723
24 3.955 4.126 4.239 4.322 4.386 4.437 4.480 4.516 4.546 4.573 4.596 4.616 4.634 4.651 4.665 4.678 4.690 4.700 4.710
25 3.942 4.112 4.224 4.307 4.371 4.423 4.466 4.502 4.532 4.559 4.582 4.603 4.621 4.638 4.652 4.665 4.677 4.688 4.698
26 3.930 4.099 4.211 4.294 4.358 4.410 4.452 4.489 4.520 4.546 4.570 4.591 4.609 4.626 4.640 4.654 4.666 4.677 4.687
27 3.918 4.087 4.199 4.282 4.346 4.397 4.440 4.477 4.508 4.535 4.558 4.579 4.598 4.615 4.630 4.643 4.655 4.667 4.677
28 3.908 4.076 4.188 4.270 4.334 4.386 4.429 4.465 4.497 4.524 4.548 4.569 4.587 4.604 4.619 4.633 4.646 4.657 4.667
29 3.898 4.065 4.177 4.260 4.324 4.376 4.419 4.455 4.486 4.514 4.538 4.559 4.578 4.595 4.610 4.624 4.637 4.648 4.659
30 3.889 4.056 4.168 4.250 4.314 4.366 4.409 4.445 4.477 4.504 4.528 4.550 4.569 4.586 4.601 4.615 4.628 4.640 4.650
------------------------------------------------------------------------------------------------------------------------------------------
31 3.881 4.047 4.159 4.241 4.305 4.357 4.400 4.436 4.468 4.495 4.519 4.541 4.560 4.577 4.593 4.607 4.620 4.632 4.643
32 3.873 4.039 4.150 4.232 4.296 4.348 4.391 4.428 4.459 4.487 4.511 4.533 4.552 4.570 4.585 4.600 4.613 4.625 4.635
33 3.865 4.031 4.142 4.224 4.288 4.340 4.383 4.420 4.452 4.479 4.504 4.525 4.545 4.562 4.578 4.592 4.606 4.618 4.629
34 3.859 4.024 4.135 4.217 4.281 4.333 4.376 4.413 4.444 4.472 4.496 4.518 4.538 4.555 4.571 4.586 4.599 4.611 4.622
35 3.852 4.017 4.128 4.210 4.273 4.325 4.369 4.406 4.437 4.465 4.490 4.511 4.531 4.549 4.565 4.579 4.593 4.605 4.616
36 3.846 4.011 4.121 4.203 4.267 4.319 4.362 4.399 4.431 4.459 4.483 4.505 4.525 4.543 4.559 4.573 4.587 4.599 4.611
37 3.840 4.005 4.115 4.197 4.260 4.312 4.356 4.393 4.425 4.452 4.477 4.499 4.519 4.537 4.553 4.568 4.581 4.594 4.605
38 3.835 3.999 4.109 4.191 4.254 4.306 4.350 4.387 4.419 4.447 4.471 4.493 4.513 4.531 4.548 4.562 4.576 4.589 4.600
39 3.830 3.993 4.103 4.185 4.249 4.301 4.344 4.381 4.413 4.441 4.466 4.488 4.508 4.526 4.542 4.557 4.571 4.584 4.595
40 3.825 3.988 4.098 4.180 4.243 4.295 4.339 4.376 4.408 4.436 4.461 4.483 4.503 4.521 4.537 4.552 4.566 4.579 4.591
------------------------------------------------------------------------------------------------------------------------------------------
48 3.793 3.955 4.064 4.145 4.209 4.261 4.304 4.341 4.374 4.402 4.427 4.450 4.470 4.489 4.506 4.521 4.535 4.548 4.561
60 3.762 3.922 4.030 4.111 4.174 4.226 4.270 4.307 4.340 4.368 4.394 4.417 4.437 4.456 4.474 4.489 4.504 4.518 4.530
80 3.732 3.890 3.997 4.077 4.140 4.192 4.236 4.273 4.306 4.335 4.360 4.384 4.405 4.424 4.442 4.458 4.473 4.487 4.500
120 3.702 3.858 3.964 4.044 4.107 4.158 4.202 4.239 4.272 4.301 4.327 4.351 4.372 4.392 4.410 4.426 4.442 4.456 4.469
240 3.672 3.827 3.932 4.011 4.073 4.125 4.168 4.206 4.239 4.268 4.294 4.318 4.339 4.359 4.378 4.394 4.410 4.425 4.439
Inf 3.643 3.796 3.900 3.978 4.040 4.091 4.135 4.172 4.205 4.235 4.261 4.285 4.307 4.327 4.345 4.363 4.379 4.394 4.408
------------------------------------------------------------------------------------------------------------------------------------------
43
Suatunce P. 2013. Diseños Experimentales
(Valores q)
44