Documentos de Académico
Documentos de Profesional
Documentos de Cultura
lOMoA
Grupo: 300004_47
Programa Agronomía
Introducción
lOMoA
Objetivos
Objetivo general
Identificar los principales conceptos de los diseños estadísticos de cuadro latino y diseño
bifactorial.
Objetivos específicos
Interpretar los datos arrojados a partir del uso del programa R para un
diseño en cuadro latino y bifactorial.
1. Preguntas orientadoras
Cuadrado latino
Con respecto a la hipótesis del test de validación de los supuestos del modelo para la
prueba de normalidad la hipótesis nula indica que los residuales se ajustan a una distribución
normal, a través del test realiza el Test de Shapiro Wilk si se tienen 50 o menos de 50
residuales y para la prueba de normalidad de más de 50 residuales, se realiza e Test de
Kolmogorov Smirnov modificación Lilliefors. para la prueba de varianza constante, donde se
aplica el Test de Levene, se tiene que la hipótesis nula es que los residuales presentan
varianza constante, en estos test la hipótesis nula se rechaza cuando el P-valor es menor a
0,05.
Diseño factorial
es que el resultado de cada interacción de los factores es igual las demás combinaciones de la
interacción y la hipótesis alterna que al menos una combinación tenga un comportamiento
diferente, también se rechaza con un P-valor menor a 0,05.
Con respecto a la hipótesis del test de validación de los supuestos del modelo Para la
prueba de normalidad de hasta 50 residuales se realiza el Test de Shapiro Wilk y para la
prueba de normalidad de más de 50 residuales, se realiza e Test de Kolmogorov Smirnov
modificación Lilliefors, donde la hipótesis nula indica que los residuales se ajustan a una
distribución normal, para la prueba de varianza constante, se aplica, el Test de Levene a cada
uno de los factores y la hipótesis nula es que los residuales presentan varianza constante, esta
son rechazadas cuando el P-valor es menor a 0,05.
μ=Media general
SDCTotal=∑ X2 – [(∑X)2 / N]
Yijkl=Observación perteneciente al k ésimo nivel del factor B, al j ésimo nivel del factor
A, en la réplica i.
μ =Media general
(AB)jk=Efecto de la interacción entre el k ésimo nivel del factor B y el j ésimo del factor B
SDCTotal=∑ X2 – [(∑X)2 / N]
SDCColumna
ANAVA
De acuerdo con el P valor de 0,9335 en las filas y de 0,0774 en las columnas se acepta
la hipótesis nula y se concluye con un 95% de confianza que todas las filas y columnas tienen
un comportamiento similar entre ellas, respectivamente, mientras que los tratamientos con un P
valor de 4,18 x 10-07 muestran diferencias estadísticamente significativas.
Supuestos de normalidad
lOMoA
Varianza constante
De acuerdo con el P valor arrojado en el test de Levene de 0,9462 se puede concluir con
un 95% de confianza que los residuales presentan una varianza constante, por tanto, no se
rechaza la hipótesis nula.
Comparación de medias
ANAVA
Supuestos de normalidad
lOMoA
Varianza constante
Comparación de medias
lOMoA
De acuerdo a los datos arrojados por el test de Tukey el rendimiento tanto en la variedad
como en las dosis de Biobras se comportan de manera diferente
De acuerdo con la prueba de Tukey en las interacciones puede decirse que la primera
interacción se comporta diferente, al igual que la tercera y la cuarta interacción.
lOMoA
Conclusiones
El arreglo bifactorial como son arreglos que se hacen a DCA o BCA, donde se cruzan
dos o más factores, en campo los tratamientos deben organizarse de manera aleatoria, estos
permiten analizar dos factores a la vez y las posibles interacciones entre ellos.
La interpretación del análisis de varianza debe hacerse a través del nivel de confianza,
que general mente es del 95 % e indica que por cada cien veces que se repita el experimento,
95 veces se obtendrán los resultados del experimento que se realizó y el nivel de significancia,
que indica que de cada 100 veces que se realice el experimento 5 de ellas mostraran
resultados diferentes a los del experimento.
Referencias bibliográficas
https://drive.google.com/file/d/1qhDu_BE-6ToPbIG77CDeNA1vky_ENtK5/view?
usp=sharing
Ruesga González, Idania & Peña Peña, Esteban & Expósito Elizagaray, Irene.
(2005). Libro de experimentación agrícola. Editorial Universitaria
https://drive.google.com/file/d/1-7v007Dd3n0KfrtX4bnx46zhdUuBxNPi/view?usp=sharing
Cifuentes, X., Jaramillo, L., Mejía, L & Torres, M. (2016). Métodos de análisis
para la investigación, desarrollo e innovación (i+d+i) de procesos agrícolas y
agroindustriales. Licencia
Creative Commons.
https://www.ugc.edu.co/sede/armenia/files/editorial/metodos_de_analisis_par
a_la_investigacion.pdf