Diseño Experimental

DISEÑO EXPERIMENTAL
DISEÑOS
Existen en general dos formas de adquirir datos:
- Diseños observacionales o mensurativos: el investigador no manipula ninguna

variable de estudio
- Diseños experimentales o manipulativos: el investigador puede deliberadamente
influenciar en los eventos e investigar los efectos de su intervención. Los tratamientos
son condiciones impuestas por el investigador. Al menos se controla un factor
(variable) en el estudio.
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
- Factor y niveles de factor – Tratamientos
- 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
dependiente. Puede ser una variable cualitativa nominal-
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
experimento, en respuesta a la hipótesis de investigación y son el centro de la misma. En un estudio
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,
temperaturas, tipos de suelo y cantidades de nutrientes.
Ejemplo: Se quiere saber si la adición de nitrógeno mejora el rendimiento del trigo. Entonces el FACTOR es
Nitrógeno y se establecen 3 NIVELES: Control, Concentración de Nitrógeno 1, Concentración de Nitrógeno 2. En
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
como experimentos factoriales.. Si se combinan dos factores se trata de un experimento bifactorial.
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
Concentración 1 Tratamiento 4 Tratamiento 5 Tratamiento 6
Concentración 2 Tratamiento 7 Tratamiento 8 Tratamiento 9

UNIDAD EXPERIMENTAL
Fracción más pequeña de cada muestra o grupo experimental a la que se aplica un tratamiento determinado, y
que es capaz de expresar una respuesta que se puede medir o cuantificar, para que posteriormente, a través de
un análisis estadístico de los datos previamente ordenados, se pueda rechazar o no cierta hipótesis planteada.
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
se confunda con el efecto de los tratamientos.
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
a la aleatorización de las variedades en las parcelas.

ERROR EXPERIMENTAL
El error Experimental se refiere a la diferencia entre el valor observado de la variable respuesta sobre
una unidad experimental y su valor esperado (de acuerdo a un modelo)
ERROR DE TRATAMIENTO: se introduce cuando se quiere reproducir o repetir el experimento sobre cada
una de las unidades experimentales-
ERROR DE MEDICIÓN: se introduce por el proceso de adquisición de datos. Variación que introduce el
instrumento o procedimiento de medición
ERROR DE MUESTREO: ocurre por la respuesta diferencial de cada unidad experimental al tratamiento
que recibe y que depende de propiedades inherentes a la unidad.
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
proporcionalmente la precisión con que se evalúa el efecto de dicho tratamiento.
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
Es un efecto que se aplica a un grupo de material experimental y que representará al
comportamiento de la población original que no recibe los tratamientos propuestos por el
investigador.
Por ejemplo, se podría comparar el sistema tradicional de labranza del suelo agrícola para un
determinado cultivo (control o testigo) con nuevos sistemas mecanizados de labranza
(tratamientos) en cuanto a rendimiento y eficiencia en dicho cultivo.

EJEMPLO
Un investigador desea saber cuál de 4 tratamientos conseguirá aumentar el tiempo de sobrevida

en ratas con una enfermedad inducida. Para ello solicita al bioterio una muestra de 24 ratas, las
enferma y luego procede a realizarle los respectivos tratamientos (un control y tres dosis
diferentes de drogas). Para finalizar procede a esperar hasta la muerte de las ratas para
contabilizar tiempo transcurrido a la muerte de todas ellas.
Variable respuesta: tiempo de sobrevida de ratas
Niveles de factor (tratamientos): 4 niveles (un control y tres tratamientos)
Unidad experimental: rata
Repeticiones: 6 ratas elegidas al azar en cada nivel

MODELOS CLÁSICOS DE DISEÑO EXPERIMENTAL
- Diseño Completamente Aleatorizado
- Diseño en Bloques Completamente Aleatorizados
- Diseño en Cuadrados Latino
Análisis de Variancia (ANOVA): es un método estadístico cuya finalidad es comparar dos o
más poblaciones.
DISEÑO COMPLETAMENTE ALEATORIZADO

(DCA)
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
experimentales. No se imponen restricciones a la aleatorización. El número de repeticiones
puede variar de un tratamiento a otro.

Estructura típica de una tabla de datos de un experimento unifactorial con DCA
Tratamientos Media
1 x11 x12 … x1n x1

2 x21 x22 … x2n x2
: : : … :
k xk1 xk2 … xkn xn
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
Supuestos: Normalidad, independencia y homogeneidad de varianzas. Se comprueban mediante

los residuos por medio de prueba de hipótesis e interpretaciones gráficas
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
Fórmulas de trabajo para el análisis de la varianza de un experimento unifactorial con diseño

completamente aleatorizado.
Ejemplo: se quiere determinar si la ingesta de agua promedio es diferente en ratas sometidas a 3

tratamientos
comida sin límite (T1)
comida restringida (T2)
comida sin límite con stress (T3)
Cantidad de ratas 24, se dividen en 3 grupos iguales.
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
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
H0 : todas las medias de los tratamientos son iguales µ1 = µ2 = µ3

H1 : al menos una de las medias es distinta
α = 0,05
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
Media muestral General (N=24) 3,05
Media muestral Tratamiento 1 (n=8) 2,35
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
4,64
Versión Estudiantil3,97
Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
ingesta
3,30
Versión 2,63
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
SUMA DE CUADRADOS ENTRE TRATAMIENTO
Tratamiento repeticiones Total

1 2,08 2,14 2,27 2,32 2,45 2,54 2,59 2,41 18,8
2 2,63 2,66 2,67 2,74 2,83 2,92 2,99 3,01 22,45
3 3,47 3,66 3,81 3,95 4,08 4,16 4,35 4,52 32
TOTAL 73,25
Ejemplo
Fuentes de Suma de Grados de Cuadrado

F
variación cuadrados libertad medio
Entre tratamientos 11,62
Dentro
tratamiento (error
experimental)
TOTAL
K: cantidad de tratamientos
N: cantidad de observaciones
SUMA DE CUADRADOS TOTAL
2 2 2 2 2
73,252
2
𝑆𝐶𝑇 = 2,08 + 2,14 + 2,27 + ⋯ + 4,16 + 4,35 + 4,52 − = 12,87
24
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
Ejemplo

F
Dentro
tratamiento (error
experimental)
TOTAL 12,87
SUMA DE CUADRADOS DENTRO DE TRATAMIENTO
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
Ejemplo

F
Dentro
tratamiento (error 1,25
experimental)
TOTAL 12,87
Ejemplo

F
Entre tratamientos 11,62 k-1= 3-1=2
Dentro
tratamiento (error 1,25 N – k = 24-3=21
experimental)
TOTAL 12,87 N -1 = 24-1 =23
Ejemplo

F
Entre tratamientos 11,61 k-1= 3-1=2 11,61/2=5,805
Dentro
tratamiento (error 1,25 N – k = 24-3=21 1,25/21=0,06
experimental)
TOTAL 12,87 N -1 = 24-1
Ejemplo

F
5,805/0,06=
Entre tratamientos 11,61 k-1= 3-1=2 11,61/2=5,805
96,75
Dentro
tratamiento (error 1,25 N – k = 24-3=21 1,25/21=0,06
experimental)
TOTAL 12,87 N -1 = 24-1
F crítico
Modelo lineal:
Xij = ingesta de agua de la rata j del tratamiento i
µ = ingesta media de agua
H0 : todas las medias de los tratamientos son iguales

α = 0,05
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.
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
Test: Tukey Alfa=0,05 DMS=0,30819

Error: 0,0598 gl: 21
trat Medias n E.E.
1 2,35 8 0,09 A
2 2,81 8 0,09 B
3 4,00 8 0,09 C
Medias con una letra común no son significativamente diferentes (p > 0,05)
DMS: diferencia mínima significativa
Resumen
- Planteo las hipótesis
- Nivel de significancia (α)
- Análisis de Variancia
- Compruebo supuestos
- Calculo cuadrados medios
- Calculo F y comparo con F crítico
- Pruebas a posterior
DISEÑO EN BLOQUE COMPLETAMENTE

ALEATORIZADO
(DBCA)
ALEATORIZADO
En muchas situaciones experimentales, se sabe que ciertas unidades experimentales se comportan en
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
por la variabilidad entre bloques.

ALEATORIZADO
Estructura típica de una tabla de datos para un ensayo unifactorial con DBCA
Tratamientos Bloque 1 Bloque 2 … Bloque b Total
1 y11 y12 … y1b Yi=1

2 y21 y22 … y2b Yi=2
: : : … : :
k yk1 yk2 … ykb Yi=k
Total Yj=1 Yj=2 … Yj=b Ytotal

ALEATORIZADO
ANOVA: El objetivo del análisis de varianza en el DBCA 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
Supuestos: Normalidad, independencia y homogeneidad de varianzas. Se comprueban mediante

los residuos por medio de prueba de hipótesis e interpretaciones gráficas.
Además, se supone que los tratamientos no interactúan con los bloques (no hay interacción
bloque – factor).
ALEATORIZADO
Fórmulas de trabajo de análisis de la varianza de un experimento unifactorial con diseño en bloques
completos aleatorizados.
Fuentes de Grados de
Suma de cuadrados Cuadrado medio F
variación libertad
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
ALEATORIZADO
Ejemplo: se realizó un ensayo para evaluar el rendimiento en kg de materia seca
por hectárea de una forrajera con distintos aportes de Nitrógeno en forma de
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
ALEATORIZADO
Bloque I
Bloque II
Bloque III
Bloque IV
ALEATORIZADO
Bloque I 0
Bloque II 0
Bloque III 0
Bloque IV 0
ALEATORIZADO
Bloque I 75 0
Bloque II 75 0
Bloque III 75 0
Bloque IV 75 0
ALEATORIZADO
Bloque I 75 0 150
Bloque II 150 75 0
Bloque III 75 0 150
Bloque IV 150 75 0
ALEATORIZADO
Bloque I 225 75 0 150

Bloque II 150 75 0 225
Bloque III 75 0 225 150
Bloque IV 225 150 75 0
ALEATORIZADO
Bloque I 225 300 75 0 150

Bloque II 300 150 75 0 225
Bloque III 75 0 300 225 150
Bloque IV 225 150 75 300 0
ALEATORIZADO
Rendimiento de materia seca (Kg/ha)

Urea (kg/ha) Bloque I Bloque II Bloque III Bloque IV
0 (control) 2010 1832 2170 1879
75 2915 2175 2610 2294
150 3049 2908 2964 2971
225 3199 3235 3003 2937
300 3381 3270 3129 3171
ALEATORIZADO
Modelo lineal:
Xij = rendimiento de materia seca del bloque j y tratamiento i

µ = rendimiento medio de materia seca
β j = efecto de cada bloque
H0 : todas las medias de los tratamientos son iguales µ1 = µ2 = µ3 = µ4 = µ5

α = 0,05 Rendimiento de materia seca (Kg/ha)
Urea Bloque I Bloque II Bloque III Bloque IV
(kg/ha)
0 (control) 010 1832 2170 1879
75 2915 2175 2610 2294
150 3049 2908 2964 2971
225 3199 3235 3003 2937
300 3381 3270 3129 3171
ALEATORIZADO
SUMA DE CUADRADOS DE LOS BLOQUES
145542 + 134202 + 138762 + 132522 (55102)2

𝑆𝐶𝐵 = − = 203319
5 5𝑋4
Rendimiento de materia seca (Kg/ha)
Urea (kg/ha) Bloque I Bloque II Bloque III Bloque IV
0 (control) 2010 1832 2170 1879
75 2915 2175 2610 2294

150 3049 2908 2964 2971
225 3199 3235 3003 2937
300 3381 3270 3129 3171 TOTAL
TOTAL 14554 13420 13876 13252 55102
ALEATORIZADO
Tabla de valores

F
Variación Cuadrados Libertad Medio
Bloques 203.319
Entre
Tratamientos
Dentro
Total
ALEATORIZADO
SUMA DE CUADRADOS ENTRE TRATAMIENTOS
78912 + 99942 + 118922 + 123742 + 129512 (55102)2

𝑆𝐶𝐸 = − = 4291444
4 5𝑋4
ALEATORIZADO
Tabla de valores

F
Bloques 203.319
Entre 4.291.444
Tratamientos
Dentro
Total
ALEATORIZADO
2 2 2 2
(55102)2
𝑆𝐶𝑇 = 2010 + 1832 + ⋯ + 3129 + 3171 − = 4804479,8
5𝑋4
ALEATORIZADO
Tabla de valores

F
Bloques 203.319
Entre 4.291.444
Tratamientos
Dentro
Total 4.804.479,8
ALEATORIZADO
SUMA DE CUADRADOS DENTRO DEL TRATAMIENTO
ALEATORIZADO
Tabla de valores

F
Bloques 203.319
Entre 4.291.440
Tratamientos
Dentro 309.716,8
Total 4.804.479,8
ALEATORIZADO
Tabla de valores

F
Bloques 203.319 b-1= 3
Entre
4.291.444 k-1= 4
Tratamientos
Dentro 309.716,8 (k-1)(b-1)= 12

Total 4.804.479,8 kxb-1 = 5x4 =20-1=19
ALEATORIZADO
Tabla de valores

F
Bloques 203.319 b-1= 3
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.
ALEATORIZADO
Tabla de valores

F
Bloques 203.319 b-1= 3
Entre 4291449/4= 1072860/25809,7 =

4.291.444 k-1= 4 41,57
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 𝑒𝑛𝑡𝑟𝑒

𝐶𝑀𝑒𝑛𝑡𝑟𝑒 = 𝐶𝑀𝑑𝑒𝑛𝑡𝑟𝑜 =
𝑔. 𝑙. 𝑔. 𝑙. 𝑑𝑒𝑛𝑡𝑟𝑜
F crítico
ALEATORIZADO
Modelo lineal:
Xij = rendimiento de materia seca del bloque j y tratamiento i
µ = rendimiento medio de materia seca
β j = efecto de cada bloque

α = 0,05
F crítico = 3,26
Fc= 3,26
F calculado = 41,57
Como F calculado cae en la zona de rechazo por lo tanto se rechaza la hipótesis de igualdad de tratamientos.
Luego se concluye con un nivel de significación del 0.05 que existen diferencias de rendimientos (kg de materia seca) bajo los
distintos tratamientos o niveles de fertilización con urea.
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
Test:Tukey Alfa=0,05 DMS=362,09082 (Diferencia mínima significativa)

Error: 25809,7083 gl: 12
Tratamiento Medias n E.E.
0 1972,75 4 80,33 A
75 2498,50 4 80,33 B
150 2973,00 4 80,33 C
225 3093,50 4 80,33 C
300 3237,75 4 80,33 C
Medias con una letra común no son significativamente diferentes (p > 0,05)
DISEÑO EN CUADRADOS LATINOS

(DCL)
En muchas situaciones experimentales, las unidades experimentales pueden ser agrupadas de

acuerdo a más de un factor de bloqueo. Un cuadrado latino es un caso particular donde
intervienen dos factores de agrupamiento, llamados factor fila y factor columna, y cada
tratamiento es aplicado una vez en cada fila y una vez en cada columna. El número total de
unidades experimentales es igual al cuadrado del número de tratamientos. El supuesto de
aditividad bloque-tratamiento se extiende a las filas y a las columnas; es decir, los tratamientos
no interactúan con los factores que agrupan a las unidades experimentales (factor fila y factor
columna).
A B C D
A C B B C D A
C B A C D A B
B A C D A B C
Modelo lineal:
Yijk = es la observación de la respuesta del tratamiento i en la columna j y fila k

µ = media poblacional
x j = efecto de columna
ρ j = efecto de fila

α = 0,05
Fórmulas de trabajo de análisis de la varianza de un experimento unifactorial con diseño CL
Fuente de Grados de Cuadrado
Suma de cuadrados F
Variación Libertad Medio
Filas
a-1
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
Ejemplo: La siguiente tabla muestra los rendimientos de remolacha azucarera en toneladas por
hectárea bajo tres tipos de labores culturales
Columna I Columna II Columna III TOTAL

Fila I 130 (A) 90 (C) 140 (B) 360
Fila II 100 (C) 120 (B) 147 (A) 367
Fila III 133 (B) 125 (A) 115 (C) 373
TOTAL 363 335 402 1100
SUMA DE CUADRADOS DE LAS FILAS

Fila I 130 (A) 90 (C) 140 (B) 360
Fila II 100 (C) 120 (B) 147 (A) 367
Fila III 133 (B) 125 (A) 115 (C) 373
TOTAL 363 335 402 1100
Fuente de Suma de Grados de Cuadrado F

Filas 28,2
Columnas
Entre
Tratamientos
Dentro (Error
Experimental)
Total
SUMA DE CUADRADOS DE LAS COLUMNAS

Fila I 130 (A) 90 (C) 140 (B) 360
Fila II 100 (C) 120 (B) 147 (A) 367
Fila III 133 (B) 125 (A) 115 (C) 373
TOTAL 363 335 402 1100

Filas 28,2
Columnas 754,9
Entre
Tratamientos
Dentro (Error
Experimental)
Total
SUMA DE CUADRADOS ENTRE TRATAMIENTOS
(130 + 147 + 125)2 + (140 + 120 + 133)2 + (90 + 100 + 115)2 (1100)2
𝑆𝐶𝐸 = − = 1914,89
3 3𝑋3
Fila I 130 (A) 90 (C) 140 (B) 360
Fila II 100 (C) 120 (B) 147 (A) 367
Fila III 133 (B) 125 (A) 115 (C) 373
TOTAL 363 335 402 1100


Filas 28,2
Columnas 754,9
Entre 1914,9
Tratamientos
Dentro (Error
Experimental)
Total

Fila I 130 (A) 90 (C) 140 (B) 360
Fila II 100 (C) 120 (B) 147 (A) 367
Fila III 133 (B) 125 (A) 115 (C) 373
TOTAL 363 335 402 1100

Filas 28,2
Columnas 754,9
Entre 1914,9
Tratamientos
Dentro (Error
Experimental)
Total 2703,5
SUMA DE CUADRADOS DENTRO DE TRATAMIENTOS
SCE = SCT – SCF – SCC - SCE

Fila I 130 (A) 90 (C) 140 (B) 360
Fila II 100 (C) 120 (B) 147 (A) 367
Fila III 133 (B) 125 (A) 115 (C) 373
TOTAL 363 335 402 1100

Filas 28,2
Columnas 754,9
Entre 1914,9
Tratamientos
Dentro (Error 5,56
Experimental)
Total 2703,5

Filas 28,2 a-1=3-1= 2
Columnas 754,9 a-1=3-1= 2
Entre 1914,9 a-1=3-1= 2
Tratamientos
Dentro (Error 5,56 (a-1)(a-2) =
Experimental) (3-1)(3-2)= 2
Total 2703,5 a2-1=9-1=8
Fuente de Suma de Grados de Cuadrado

F
Filas 28,2 a-1=3-1= 2
Columnas 754,9 a-1=3-1= 2
CME= SCE/gl =
Entre
1914,9 a-1=3-1= 2 1914,9/2 =
Tratamientos
957,45
Dentro (Error (a-1)(a-2) = CMD = SCD/gl
5,56
Experimental) (3-1)(3-2)= 2 = 5,56/2 = 2,78
Total 2703,5 a2-1=9-1=8
Fuente de Suma de Grados de Cuadrado

F
Filas 28,2 a-1=3-1= 2
Columnas 754,9 a-1=3-1= 2
CME= SCE/gl = F = CME/CMD
Entre
1914,9 a-1=3-1= 2 1914,9/2 = = 957,45/2,78
Tratamientos
957,45 = 344,4
Dentro (Error (a-1)(a-2) = CMD = SCD/gl
5,56
Experimental) (3-1)(3-2)= 2 = 5,56/2 = 2,78
Total 2703,5 a2-1=9-1=8
F crítico
Modelo lineal:
Yijk = es la observación de la respuesta del tratamiento i en la columna j y fila k

µ = media poblacional
x j = efecto de columna
ρ j = efecto de fila
H0 : todas las medias de los tratamientos son iguales µ1 = µ2 = µ3

α = 0,05
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
Diseño de Experimentos. Principios estadísticos de diseño y análisis de investigación Segunda
Edición. Kuhel, Robert. 2001

Diseño Experimental

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diseño Experimental

Cargado por

Copyright:

Formatos disponibles

DISEÑO EXPERIMENTAL

- Diseños observacionales o mensurativos: el investigador no manipula ninguna

- Factor y niveles de factor – Tratamientos

dependiente. Puede ser una variable cualitativa nominal-

experimento, en respuesta a la hipótesis de investigación y son el centro de la misma. En un estudio

temperaturas, tipos de suelo y cantidades de nutrientes.

Nitrógeno y se establecen 3 NIVELES: Control, Concentración de Nitrógeno 1, Concentración de Nitrógeno 2. En

como experimentos factoriales.. Si se combinan dos factores se trata de un experimento bifactorial.

Concentración 1 Tratamiento 4 Tratamiento 5 Tratamiento 6

Concentración 2 Tratamiento 7 Tratamiento 8 Tratamiento 9

se confunda con el efecto de los tratamientos.

a la aleatorización de las variedades en las parcelas.

una unidad experimental y su valor esperado (de acuerdo a un modelo)

una de las unidades experimentales-

instrumento o procedimiento de medición

que recibe y que depende de propiedades inherentes a la unidad.

proporcionalmente la precisión con que se evalúa el efecto de dicho tratamiento.

Es un efecto que se aplica a un grupo de material experimental y que representará al

comportamiento de la población original que no recibe los tratamientos propuestos por el

determinado cultivo (control o testigo) con nuevos sistemas mecanizados de labranza

(tratamientos) en cuanto a rendimiento y eficiencia en dicho cultivo.

Un investigador desea saber cuál de 4 tratamientos conseguirá aumentar el tiempo de sobrevida

Variable respuesta: tiempo de sobrevida de ratas

Niveles de factor (tratamientos): 4 niveles (un control y tres tratamientos)

Unidad experimental: rata

Repeticiones: 6 ratas elegidas al azar en cada nivel

- Diseño Completamente Aleatorizado

- Diseño en Bloques Completamente Aleatorizados

- Diseño en Cuadrados Latino

Análisis de Variancia (ANOVA): es un método estadístico cuya finalidad es comparar dos o

DISEÑO COMPLETAMENTE ALEATORIZADO

experimentales. No se imponen restricciones a la aleatorización. El número de repeticiones

puede variar de un tratamiento a otro.

Estructura típica de una tabla de datos de un experimento unifactorial con DCA

1 x11 x12 … x1n x1

Supuestos: Normalidad, independencia y homogeneidad de varianzas. Se comprueban mediante

Fórmulas de trabajo para el análisis de la varianza de un experimento unifactorial con diseño

Ejemplo: se quiere determinar si la ingesta de agua promedio es diferente en ratas sometidas a 3

H0 : todas las medias de los tratamientos son iguales µ1 = µ2 = µ3

Media muestral General (N=24) 3,05

Media muestral Tratamiento 1 (n=8) 2,35

Media muestral Tratamiento 2 (n=8) 2,81

Media muestral Tratamiento 3 (n=8) 4,00

SUMA DE CUADRADOS ENTRE TRATAMIENTO

Tratamiento repeticiones Total

Fuentes de Suma de Grados de Cuadrado

Entre tratamientos 11,62

SUMA DE CUADRADOS TOTAL

Fuentes de Suma de Grados de Cuadrado

Entre tratamientos 11,62

SUMA DE CUADRADOS DENTRO DE TRATAMIENTO

Fuentes de Suma de Grados de Cuadrado

Entre tratamientos 11,62

Fuentes de Suma de Grados de Cuadrado

Entre tratamientos 11,62 k-1= 3-1=2

Fuentes de Suma de Grados de Cuadrado

Entre tratamientos 11,61 k-1= 3-1=2 11,61/2=5,805

Fuentes de Suma de Grados de Cuadrado

H0 : todas las medias de los tratamientos son iguales

Test: Tukey Alfa=0,05 DMS=0,30819

- Planteo las hipótesis

- Nivel de significancia (α)

- Calculo cuadrados medios