UNIVERSIDAD NACIONAL DE PILAR

Facultad de Ciencias Agropecuarias y

Desarrollo Rural

UNIDAD 3:
NECESIDAD DE UN DISEÑO
EXPERIMENTAL

Prof. Ing. Agr. Mirtha Carolina Vian R

1
 Fundamentos del Diseño Experimental
El Diseño de Experimentos
• Está relacionado básicamente con el planeamiento de la
recolección de los datos.

Un Experimento
• Es la Muestra en base a la cual se estimarán los parámetros
Poblacionales, y se tomarán decisiones con respecto a la
comparación de las poblaciones en estudio.
• Cada experimento es una pregunta que se hace a la naturaleza, por lo
tanto, para que las respuestas no sean confusas o contradictorias, es
necesario que el mismo sea:
1) Técnicamente planeado
2) Cuidadadosamente conducido
3) Adecuadamente analizado
4) Cautelosamente interpretado

2
 Razones
Por lo general, un experimento es realizado por una o
varias de las razones siguientes:
• Identificar las principales causas de variación en la
respuesta.

• Encontrar las condiciones que permitan alcanzar un

valor ideal en la respuesta

• Comparar las respuestas a diferentes niveles de

factores controlados por el investigador.

• Construir modelos que permitan obtener

predicciones de la respuesta.
3
 Definiciones Básicas
Variable Respuesta: es la variable en estudio, aquella cuyos cambios
se desean estudiar. Es la variable dependiente.
Factor: es la variable independiente. Es la variable que manipula el
investigador, para estudiar sus efectos sobre la variable dependiente.
Nivel Del Factor: es cada una de las categorías, valores o formas
específicas del factor.
Factor Cualitativo: sus niveles se clasifican por atributos cualitativos.
Factor Cuantitativo: sus niveles son cantidad numérica en una
escala.
Factores Observacionales: El investigador registra los datos pero no
interfiere en el proceso que observa.
Factores Experimentales: El investigador intenta controlar
completamente la situación experimental.

4
Experimento Unifactorial: es aquel en el se estudia un
solo factor.
Experimento Multifactorial: es aquel en el que se
estudia simultáneamente más de un factor.
Tratamientos: Conjunto de condiciones experimentales
que serán impuestas a una unidad experimental en un
diseño elegido.
En experimentos unifactoriales, un tratamiento
corresponde a un nivel de factor.
En experimentos multifactoriales, un tratamiento
corresponde a la combinación de niveles de factores.
Unidad Experimental: es la parte más pequeña de
material experimental expuesta al tratamiento,
independientemente de otras unidades.

5
Error Experimental: Describe la variación entre las
unidades experimentales tratadas de forma idéntica e
independiente. Orígenes del error experimental:
•Variación natural entre unidades experimentales
•Variabilidad en la medición de la respuesta
•Imposibilidad de reproducir idénticas condiciones del
tratamiento de una unidad a otra
•Interacción de tratamientos con unidad experimental
•Cualquier factor externo

Tratamiento Control: Un control al que no se le aplica

tratamiento revelará las condiciones en que se realiza el
experimento.
•Mediciones: Son los valores de la variable dependiente,
obtenidos de las unidades experimentales luego de la
aplicación de tratamientos.
6
 Elementos Del Diseño De Experimentos
El diseño de experimentos se refiere a la estructura del
experimento considerando:
i) El conjunto de tratamientos incluidos en el estudio.
ii) El conjunto de unidades experimentales utilizadas en el
estudio.
iii) Las reglas y procedimientos por los cuales los
tratamientos son asignados a las unidades
experimentales (o viceversa).
iv) Las medidas o evaluaciones que se hacen a las
unidades experimentales luego de aplicar los tratamientos.

7
 Principios Básicos Del Diseño De
Experimentos
1) Control Local: son las acciones empleadas por el
investigador para disminuir o controlar el error experimental
• Técnica
• Selección De Unidades Experimentales Homogéneas
• Bloquización
• Selección del Diseño Experimental Adecuado
• Utilizacion De Covariables
2) Repetición como un medio para estimar la variancia del
error experimental
• Proporciona medias para estimar la variancia del error
experimental
• Permite aumentar la precisión para estimar las medias de
los tratamientos.
• Da seguridad contra resultados anormales por accidentes
no previstos.
8
 PRINCIPIOS BÁSICOS DEL DISEÑO
DE EXPERIMENTOS
3) Aleatorización para validar la estimación de la variancia
del error experimental.

Consiste en aplicar en forma aleatoria los tratamientos a las

unidades experimentales.

La aleatorización tiende a promediar entre los tratamientos

cualquier efecto sistemático presente de forma que las
comparaciones entre tratamientos midan sólo los efectos de
los tratamientos mismos.

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 9

Relaciones entre Análisis de Regresión
y el Análisis de Varianza
• Ambos análisis establecen relaciones entre
variables.
• Estudian la relación estadística entre variables para
tomar decisiones.
• En el Análisis de regresión el objetivo es Predecir.
• Usa solo variables cuantitativas y la relación se
expresa con un modelo lineal en el cual la variable
independiente puede tomar cualquier valor fijado
por el investigador .

10
Relaciones entre Análisis de Regresión
y Análisis de la Variancia
• En el Análisis de Variancia el objetivo es comparar los
distintos niveles de la ó las variables independientes ó
factores para establecer diferencias significativas en la
variable dependiente ó respuesta

• Difieren del modelo anterior en que las variables

independientes pueden ser cualitativas y que si son
cuantitativas , en ANAVA no se hace ninguna presunción
sobre la naturaleza de la relación estadística entre
variables dependientes e independiente.

Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 11

 Los Tipos de Modelos. 12

Los modelos experimentales de clasifican en tres tipos:

• De efectos fijos – MODELO I
• De efectos Aleatorios – Modelo II
• Mixtos.(Factores fijos y aleatorios)
Cuando el investigador tiene control sobre el material
experimental aplicando sólo los niveles de los factores que
le interesan en el modelo, es de efectos fijos.
Cuando se investiga un factor pero no se tiene control sobre
tratamientos, por ejemplo en los estudios por muestreo,
dónde los niveles que se aplican son una muestra extraída
al azar de una población de niveles, los modelos son de
efectos aleatorios.
12
 Modelo I o de efectos fijos
i= 1,..,k y j=1,..,n
Yij  ... j ij

Modelo II o de efectos aleatorios

En este modelo se asume que las k muestras son muestras
aleatorias de k situaciones distintas y aleatorias. De modo
que un valor aislado Yij se puede escribir como:

A.j i= 1,..,k y j=1,..,n

Yij  ... j ij
Análisis de Modelos Estadísticos y su aplicación a Estudios Experimentales y Observacionales 13
 ¿Cuáles son los supuestos y cuáles
los elementos básicos del modelo I de
ANAVA?

• Los Supuestos de Validez del modelo

ANAVA son:

– Observaciones Independientes.
– Datos distribuidos Normalmente ( ; σ2).
– Variancias Homogéneas.

14
Muchas gracias!!!!

15