Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISEÑOS
Existen en general dos formas de adquirir datos:
Un estudio experimental, tiene como objetivo probar el efecto de una o más variables o factores
(tratamientos) sobre un objeto dado (que pueden ser personas, animales, plantas, objetos, etc.).
Conceptos
- Variable Respuesta
- Unidad Experimental
- Error experimental
- Repeticiones
- Aleatorización
-Testigo o control
VARIABLE RESPUESTA
Constituye la variable aleatoria objeto del estudio, a la cual están apuntando las hipótesis. La variable
respuesta debe ser cuantitativa
FACTOR
El FACTOR es la variable que el operador considera que causa las diferencias posibles en la variable
Los NIVELES DEL FACTOR son cada una de las categorías en las que está dividido el factor. El término
tratamiento en algunos casos es usado como sinónimo de niveles del factor en ciertos diseños experimentales.
TRATAMIENTO
Se denomina tratamiento al conjunto de acciones que se aplican a las unidades experimentales con la finalidad
de observar como responden a éstas. Los tratamientos son el conjunto de circunstancias creados para el
comparativo se usan dos o más tratamiento y se comparan sus efectos en el sujeto estudio.
Entre los ejemplos de tratamientos se encuentran dietas de animales, producción de variedades de cultivos,
Ejemplo: Se quiere saber si la adición de nitrógeno mejora el rendimiento del trigo. Entonces el FACTOR es
este caso se presentan 3 tratamientos. La variable respuesta es la producción o rendimiento del trigo
TRATAMIENTO
.Los experimentos, donde los tratamientos son definidos a partir de la combinación de factores, se conocen
Ejemplo: Se quiere saber si en el ejemplo anterior agregando otro fertilizante (F2) en distintas concentraciones
mejora el rendimiento del trigo. Para el F2se establecen 3 niveles (sin F2, concentración de F2 a y
concentración de F2 b). En este caso se estará en presencia de otro factor con tres niveles. Multiplicando el
número de niveles del factor Nitrógeno por el número de niveles del factor F2 se tienen un total de nueve
tratamientos
Nitrógeno/ Sin Nitrógeno Nitrógeno 1 Nitrógeno 2
Fertilizante 2
Sin F2 Tratamiento 1 Tratamiento 2 Tratamiento 3
La UE puede ser simple una parcela, un animal, un árbol, persona etc. o puede ser un grupo de parcelas,
animales, árboles, personas etc.
Ejemplo: en un ensayo comparativo de rendimientos de trigo donde se desea evaluar 3 variedades se puede
disponer de 30 parcelas de 1 m2 cada una (unidades experimentales). Al final de la experiencia las plantas de
cada parcela se cosecharan y en base a ello se realizará una medición del rendimiento en cada unidad.
Las UE deben ser representativas de la población sobre la que se han fijado los objetivos del estudio. Por
ejemplo, si se utilizan los estudiantes universitarios de una provincia como unidades experimentales, las
conclusiones del experimento no son extrapolables a toda la población adulta de esa provincia.
UNIDAD EXPERIMENTAL
Las Unidades Experimentales deben ser lo más homogéneas posibles para que su variación intrínseca no
Es importante conducir las experiencias de forma tal que las unidades experimentales generen
información independiente.
En el ejemplo anterior para que la información de las parcelas (rendimiento) sea independiente se recurre
ERROR DE TRATAMIENTO: se introduce cuando se quiere reproducir o repetir el experimento sobre cada
ERROR DE MEDICIÓN: se introduce por el proceso de adquisición de datos. Variación que introduce el
ERROR DE MUESTREO: ocurre por la respuesta diferencial de cada unidad experimental al tratamiento
Una vez realizado un experimento, las fuentes de error son indistinguibles y conforman un único error
que se designa genéricamente como ERROR EXPERIMETAL. Existen dos recursos básicos para reducir el
efecto no deseado de la presencia de los errores. Estos recursos son la aleatorización y la repetición.
REPETICIONES
Se designa así al conjunto de unidades que reciben un determinado tratamiento.
Actualmente se sabe que a medida que se incrementa el número de repeticiones por tratamiento aumenta
El mayor o menor número de repeticiones varía de un experimento a otro, en función de la variabilidad del
material experimental, el grado de sensibilidad de la variable a medir para responder al efecto del tratamiento
aplicado, entre otros. Mientras más heterogéneas son las UE, se requerirán más repeticiones por tratamiento y
viceversa.
Prosiguiendo con el ejemplo, si se asignan 10 parcelas a cada cultivar, se tendrán 10 repeticiones para cada
tratamiento.
ALEATORIZACIÓN
Una vez seleccionados los niveles a estudiar (tratamientos), el paso siguiente consiste en asociar
de manera conveniente los tratamientos con el material experimental, atendiendo a la naturaleza
y características de dicho material.
Se debe designar las unidades a los tratamientos en forma aleatoria o bien asignar los niveles de
factor a las unidades. De este modo, cualquier unidad tiene la oportunidad de entrar en cualquier
nivel.
TESTIGO O CONTROL
investigador.
Por ejemplo, se podría comparar el sistema tradicional de labranza del suelo agrícola para un
más poblaciones.
DISEÑO EXPERIMENTAL
DISEÑO EXPERIMENTAL
Se utiliza cuando las unidades experimentales son homogéneas; es decir, cuando la variación
entre las mismas es pequeña. Los tratamientos se asignan en forma aleatoria a las unidades
Tratamientos Media
ANOVA: El objetivo del análisis de varianza en el DCA es probar la hipótesis de igualdad de los
tratamientos con respecto a la media de la correspondiente variable respuesta:
H0 : µ1 = µ2 =…. = µk
H1 : al menos una µ es distinta
Si se acepta Ho se confirma que los efectos sobre la respuesta de los k tratamientos son
estadísticamente nulos y en caso de rechazar se estaría concluyendo que al menos un efecto es
diferente
Fuentes de Grados de
Suma de cuadrados Cuadrado medio F
variación libertad
Entre
k-1
tratamientos
Dentro
tratamiento
N-k
(error
experimental)
TOTAL
N-1
Tratamiento repeticiones
1 2,08 2,14 2,27 2,32 2,45 2,54 2,59 2,41
2 2,63 2,66 2,67 2,74 2,83 2,92 2,99 3,01
3 3,47 3,66 3,81 3,95 4,08 4,16 4,35 4,52
DISEÑO COMPLETAMENTE ALEATORIZADO
Método para comparar los tratamientos Análisis de Variancia (ANOVA)
Modelo lineal:
Xij = ingesta de agua de la rata j del tratamiento i
µ = ingesta media de agua
τi = efecto de cada tratamiento
εij = componente del error aleatorio
Tratamiento repeticiones
1 2,08 2,14 2,27 2,32 2,45 2,54 2,59 2,41
2 2,63 2,66 2,67 2,74 2,83 2,92 2,99 3,01
3 3,47 3,66 3,81 3,95 4,08 4,16 4,35 4,52
DISEÑO COMPLETAMENTE ALEATORIZADO
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
4,64
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil3,97
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
ingesta
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
3,30
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión 2,63
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
1,96
Versión Estudiantil Versión Estudiantil
1 Versión Estudiantil
2 Versión3 Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión EstudiantiltratVersión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
DISEÑO COMPLETAMENTE ALEATORIZADO
Ejemplo
Dentro
tratamiento (error
experimental)
TOTAL
K: cantidad de tratamientos
N: cantidad de observaciones
DISEÑO COMPLETAMENTE ALEATORIZADO
2 2 2 2 2
73,252
2
𝑆𝐶𝑇 = 2,08 + 2,14 + 2,27 + ⋯ + 4,16 + 4,35 + 4,52 − = 12,87
24
Tratamiento repeticiones
1 2,08 2,14 2,27 2,32 2,45 2,54 2,59 2,41
2 2,63 2,66 2,67 2,74 2,83 2,92 2,99 3,01
3 3,47 3,66 3,81 3,95 4,08 4,16 4,35 4,52
DISEÑO COMPLETAMENTE ALEATORIZADO
Ejemplo
Dentro
tratamiento (error
experimental)
TOTAL 12,87
K: cantidad de tratamientos
N: cantidad de observaciones
DISEÑO COMPLETAMENTE ALEATORIZADO
Tratamiento repeticiones
1 2,08 2,14 2,27 2,32 2,45 2,54 2,59 2,41
2 2,63 2,66 2,67 2,74 2,83 2,92 2,99 3,01
3 3,47 3,66 3,81 3,95 4,08 4,16 4,35 4,52
DISEÑO COMPLETAMENTE ALEATORIZADO
Ejemplo
Dentro
tratamiento (error 1,25
experimental)
TOTAL 12,87
K: cantidad de tratamientos
N: cantidad de observaciones
DISEÑO COMPLETAMENTE ALEATORIZADO
Ejemplo
Dentro
tratamiento (error 1,25 N – k = 24-3=21
experimental)
TOTAL 12,87 N -1 = 24-1 =23
K: cantidad de tratamientos
N: cantidad de observaciones
DISEÑO COMPLETAMENTE ALEATORIZADO
Ejemplo
Dentro
tratamiento (error 1,25 N – k = 24-3=21 1,25/21=0,06
experimental)
TOTAL 12,87 N -1 = 24-1
K: cantidad de tratamientos
N: cantidad de observaciones
DISEÑO COMPLETAMENTE ALEATORIZADO
Ejemplo
K: cantidad de tratamientos
N: cantidad de observaciones
F crítico
DISEÑO COMPLETAMENTE ALEATORIZADO
Método para comparar los tratamientos Análisis de Variancia (ANOVA)
Modelo lineal:
Xij = ingesta de agua de la rata j del tratamiento i
µ = ingesta media de agua
τi = efecto de cada tratamiento
εij = componente del error aleatorio
F crítico = 3,47
Fc=Fc=
Fc=
3,47
3,47
3,47
F calculado = 96,75
Como F calculado cae en la zona de rechazo se rechaza la hipótesis nula, por lo tanto al menos
un tratamiento es diferente.
DISEÑO COMPLETAMENTE ALEATORIZADO
PRUEBAS A POSTERIORI
Si se rechaza la hipótesis nula del ANOVA, se quiere determinar cuál o cuáles de las medias
poblacionales son las diferentes. Hay distintos métodos. Aquí se muestra el test de Tukey
Resumen
- Análisis de Variancia
- Compruebo supuestos
- Pruebas a posterior
DISEÑO EXPERIMENTAL
DISEÑO EXPERIMENTAL
forma diferente aunque sean tratadas de modo similar. Las unidades pueden agruparse de manera tal que
unidades similares pertenezcan al mismo grupo o bloque, ese agrupamiento se llama bloqueo. Los
bloques de unidades experimentales homogéneas, permiten inferir que las diferencias observadas se
deben a los tratamientos. Los tratamientos son asignados al azar dentro de un bloque y esta asignación se
repite independientemente para cada bloque. Si cada bloque tiene tantas unidades experimentales como
tratamientos y todos los tratamientos están presentes en cada bloque, siendo asignados al azar, el
diseño se denomina Diseño en bloques completos al azar. La variación entre bloques no afecta las
diferencias entre medias, ya que cada tratamiento aparece el mismo número de veces en cada bloque.
Este diseño permite mayor precisión que el completamente aleatorizado, cuando su uso está justificado
Estructura típica de una tabla de datos para un ensayo unifactorial con DBCA
Bloques b-1
𝑆𝐶𝑒𝑛𝑡𝑟𝑒 𝐶𝑀𝑒𝑛𝑡𝑟𝑒
Entre 𝐶𝑀𝑒𝑛𝑡𝑟𝑒 = 𝐹=
k-1 𝑔. 𝑙. 𝐶𝑀𝑑𝑒𝑛𝑡𝑟𝑜
tratamientos
Dentro
𝑆𝐶𝑑𝑒𝑛𝑡𝑟𝑜
tratamiento 𝐶𝑀𝑑𝑒𝑛𝑡𝑟𝑜 =
SCD = SCT – SCE - SCB (k-1)(b-1) 𝑔. 𝑙.
(error
experimental)
TOTAL N-1
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
Ejemplo: se realizó un ensayo para evaluar el rendimiento en kg de materia seca
urea. Las dosis de urea probadas fueron 0 (control), 75, 150, 225 y 300 kg/ha. El
ensayo se realizó en distintas zonas, en las que por razones edáficas y climáticas se
podían prever rendimientos diferentes. Las zonas en este caso actuaron como
bloques
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
Bloque I
Bloque II
Bloque III
Bloque IV
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
Bloque I 0
Bloque II 0
Bloque III 0
Bloque IV 0
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
Bloque I 75 0
Bloque II 75 0
Bloque III 75 0
Bloque IV 75 0
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
Bloque I 75 0 150
Bloque II 150 75 0
Bloque III 75 0 150
Bloque IV 150 75 0
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
Modelo lineal:
Entre
Tratamientos
Dentro
Total
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
SUMA DE CUADRADOS ENTRE TRATAMIENTOS
Entre 4.291.444
Tratamientos
Dentro
Total
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
SUMA DE CUADRADOS TOTAL
2 2 2 2
(55102)2
𝑆𝐶𝑇 = 2010 + 1832 + ⋯ + 3129 + 3171 − = 4804479,8
5𝑋4
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
Tabla de valores
Entre 4.291.444
Tratamientos
Dentro
Total 4.804.479,8
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
SUMA DE CUADRADOS DENTRO DEL TRATAMIENTO
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
Tabla de valores
Entre 4.291.440
Tratamientos
Dentro 309.716,8
Total 4.804.479,8
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
Tabla de valores
Entre
4.291.444 k-1= 4
Tratamientos
Entre 4291449/4=
4.291.444 k-1= 4
Tratamientos 1.072.860
309716,8/12=
Dentro 309.716,8 (k-1)(b-1)= 12 25.809,7
Total 4.804.479,8 kxb-1 = 5x4 =20-1=19
𝑆𝐶𝑒𝑛𝑡𝑟𝑒 𝑆𝐶𝑑𝑒𝑛𝑡𝑟𝑜
𝐶𝑀𝑒𝑛𝑡𝑟𝑒 = 𝐶𝑀𝑑𝑒𝑛𝑡𝑟𝑜 =
𝑔. 𝑙. 𝑔. 𝑙.
DISEÑO EN BLOQUE COMPLETAMENTE
ALEATORIZADO
Tabla de valores
Modelo lineal:
Columnas
a-1
Entre F=CME/
a-1 CME=SCE/gl
tratamientos CMD
Dentro (error SCE=SCT-SCF-SCC-SCE (a-1)(a-2) CMD=SCD/gl
experimental)
Total
a2-1
DISEÑO EN CUADRADOS LATINOS
Ejemplo: La siguiente tabla muestra los rendimientos de remolacha azucarera en toneladas por
hectárea bajo tres tipos de labores culturales
Ejemplo: La siguiente tabla muestra los rendimientos de remolacha azucarera en toneladas por
hectárea bajo tres tipos de labores culturales
Ejemplo: La siguiente tabla muestra los rendimientos de remolacha azucarera en toneladas por
hectárea bajo tres tipos de labores culturales
(130 + 147 + 125)2 + (140 + 120 + 133)2 + (90 + 100 + 115)2 (1100)2
𝑆𝐶𝐸 = − = 1914,89
3 3𝑋3
Ejemplo: La siguiente tabla muestra los rendimientos de remolacha azucarera en toneladas por
hectárea bajo tres tipos de labores culturales
Ejemplo: La siguiente tabla muestra los rendimientos de remolacha azucarera en toneladas por
hectárea bajo tres tipos de labores culturales
Ejemplo: La siguiente tabla muestra los rendimientos de remolacha azucarera en toneladas por
hectárea bajo tres tipos de labores culturales
Ejemplo: La siguiente tabla muestra los rendimientos de remolacha azucarera en toneladas por
hectárea bajo tres tipos de labores culturales
Ejemplo: La siguiente tabla muestra los rendimientos de remolacha azucarera en toneladas por
hectárea bajo tres tipos de labores culturales
Ejemplo: La siguiente tabla muestra los rendimientos de remolacha azucarera en toneladas por
hectárea bajo tres tipos de labores culturales
Modelo lineal:
Fc= 19
F crítico = 19
F calculado = 344,4
Como F calculado cae en la zona de rechazo por lo tanto se rechaza la hipótesis de igualdad de tratamientos.
Bibliografía
Estadística para las Ciencias Agropecuarias. Sexta Edición. Di Rienzo Julio et al. 2005