CUESTIONARIO DISEÑO DE EXPERIMENTOS – EXPOSICIÓN 2

DISEÑO EXP. Y ESTADISTICA ANALITICA

JANNA RENTERIA
LAURA BERMUDEZ

UNIVERSIDAD TECNOLOGICA DE PEREIRA

MEDICINA VETERINARIA Y ZOOTECNIA
FACULTAD DE CIENCIAS DE LA SALUD
RISARALDA
Con relación al Diseño Completamente al Azar, responda las siguientes preguntas:

1. ¿Cómo definiría un Diseño Completamente Aleatorizado (DCA) y en qué situaciones sería más

apropiado su uso en el campo de la medicina veterinaria y zootecnia?

El DCA se define como un procedimiento en el que un material experimental, toma muestras

homogéneas de poblaciones y evalúa su variabilidad teniendo en consideración la variación entre
poblaciones y el error aleatorio. Además se tiene en consideración que estas fuentes de variación
están controladas.

En el campo de la zootecnia sería conveniente su uso en las siguientes situaciones.

a) Cuando se quiere entender los diferentes fenómenos, sucesos o problemáticas que existen
en los ámbitos de la producción y/o la salud animal.
b) Las condiciones de vivencia (hábitat) de los animales tiene influencia sobre ellos.

2. ¿Cuáles son las ventajas y limitaciones de utilizar un DCA en estudios experimentales en su

campo?

Ventajas de DCA

a) Es fácil de planear
b) Es flexible en cuanto al número de tratamientos y repeticiones
c) No es necesario que el número de tratamientos sea igual al número de repeticiones
d) No se estiman parcelaciones perdidas
e) El número de grados de libertad para el error aumenta por no tener muchas restricciones.

Las limitaciones

a) hay casos en que no son eficientes por ejemplo cuando se toman muestras o material
heterogéneo.
b) en cuanto a la aleatoriedad el error experimental incluye la variación total entre unidades
experimentales.

3. Explique los principios básicos del análisis de varianza (ANOVA) y cómo ayuda a interpretar los

resultados de un DCA.

El análisis de varianza (ANOVA) es un procedimiento estadístico que permite la descomposición de

las diferentes fuentes de variación para analizar datos de un experimento aleatorio.

se basa en los siguientes principios:

a) es un factorial (1 vía): cuando tiene una variable independiente y se utiliza para comparar
dos medias de dos grupos independientes (no relacionados)
 b) el principio de bifactoriedad (2 vías): aquí en el metodo de la prueba tiene dos variables
independientes, generalmente se utiliza cuando existe una variable de medicion, es decir,
una variable numérica (cuantitativa) y dos variables nominales.

c) Polifactorial (3 vías o más): cuando existen múltiples variables independientes cuyo

propósito es determinar si la variable dependiente se modifica mediante la manipulación
de la variable independiente.

d) Otro principio de este metodo es que los cambios en las variables tienen efecto
significativos en las variables dependientes, sus interacciones y las independientes.

Estos principios ayudan a interpretar los resultados de un DCA cuando permite analizar la varianza,
clasifica y compara la igualdad de efectos de tratamientos.

Por otro lado ayuda cuando el análisis de los datos permite estimar la varianza del error para un
conjunto de datos.

4. Proporcione un ejemplo hipotético de un experimento en MVZ donde el ANOVA sería crucial

para el análisis de los datos.

Ejemplo hipotético en MVZ: perdida o ganancia de peso en kilos de 20 cerdos que se sometieron a
una dieta alimenticia con un nuevo concentrado.

Replica M1 M2 M3 M4
1 -2,0K 13,1K 5K -1K
2 2,5K 12K 2K 6K
3 -3,5K 10,5K 4K 5K
4 -1,5K 8,5K -1K 9K
5 2,6K 8,4K 5K 6K
totales 1,9 52,5 15 25
medias 0,38 10,5 3 5
varianzas 7,697 4,35 6,5 13,5

5. Defina el modelo de componentes de varianza y su importancia en el análisis de experimentos

zootécnicos.

Se define como una de las formas de evaluar la cantidad de variación en una variable dependiente
que se asocia con una o mas variables de efectos aleatorios.

La importancia en experimentos zootécnicos radica en minimizar efectos no controlados, además

en experimentos específicos permite controlar las condiciones fisicoquímicos, entre otras. Por otro
lado permite la interpretación o inferencia de datos emanados de fenómenos biológicos, físicos
relacionados con las especies pecuarias y agrícolas.
6. Explique cómo la prueba de Kruskal-Wallis se aplica en un DCA y cuándo es preferible su uso
sobre ANOVA.

La prueba de Kruskal-Wallis se caracteriza por permitir arreglos a una vía de clasificación, a través
de ella se obtiene un diseño con t muestras cuyo interés se centra en construir una prueba para la
hipótesis y asignar rangos a las observaciones y comparar la suma de los mismos. Finalmente
desarrollar un análisis de varianza.

Esta prueba se aplica en DCA siempre y cuando es posible que gran parte de las UE no respondan
al tratamiento o puedan perderse durante el experimento.

Tambien es aplicable si el numero de experimentos en el que el numero de UE es limitado, ya que

provee el máximo numero de grados de libertad de error.

Es preferible su uso sobre el ANOVA si solo se considera dos fuentes de variabilidad, osea los
tratamientos y el error aleatorio.

7. ¿Cómo determinar el tamaño de muestra adecuado en un DCA, y qué métodos (como HHM,
Tukey, etc.) recomendaría y por qué?

En DCA para determinar el tamaño de la muestra que permitan detectar diferencias significativas
entre los tratamientos requiere calcular la potencia de las pruebas estadísticas de interés.

Tambien depende del tamaño del:

a) Test (probabilidad del error tipo I)

b) De los grados de libertad (t-1) y t(r-1) en el caso de una vía de clasificación
c) Del parámetro de no centralidad

Se recomienda el metodo de turkey si el experimento implica un número elevado de

comparaciones.

En el campo de la zootecnia se recomienda el modelo HHM para casos específicos de modelación

de enfermedades crónicas.

8. Describa cómo el submuestreo afecta las inferencias en un DCA y explique la aplicación del
modelo lineal en este contexto.

En algunas situaciones experimentales se puede tomar varias observaciones dentro de la unidad

experimental. La unidad a la cual se le aplica el tratamiento. Tales observaciones se hacen en
submuestras o unidades de muestreo.

Las diferencias entre las submuestras dentro de una unidad experimental son diferencias de
observación mas que diferencias de unidad experimental.
El submuestreo en DCA se puede afectar si al tomar mas de una unidad experimental y más de una
observación al azar estos no permitan estudiar la variabilidad de las unidades en condiciones
similares. Para evitar estos desaciertos se puede recurrir al modelo lineal para submuestreo de tal
manera que se separen los dos componentes de varianza como tambien hacer la distinción entre
error experimental y error observacional ya que algunas veces resultan situaciones en donde estas
no son iguales.

Las inferencias del submuestreo se dan con base en los resultados que contrarrestan la hipótesis
nula de no diferencias entre tratamientos.

9. Discuta cómo se determina el tamaño óptimo de muestra en un contexto de submuestreo con

factores aleatorios y los factores económicos involucrados. Diseño de Bloques Completamente al

Azar (DBCA)

10. Explique la estructura y la aplicación del DBCA en la investigación zootécnica y cómo difiere del
DCA.

11. Analice la eficiencia de un DBCA en comparación con un DCA y cuándo es preferible utilizar
cada uno.

Diseños en Cuadro Latino y Análisis de Covarianza

12. Describa un Diseño en Cuadro Latino, su estructura y aplicación en estudios zootécnicos.

13. Explique cómo se realiza un análisis de covarianza en diseños DCA y DBCA y la importancia de
las

covariables en el análisis.

Experimentos Factoriales

14. Comparación entre DBCA, DCA y Diseños en Cuadro Latino: Analice las diferencias, ventajas y

desventajas de estos tres tipos de diseños en contextos específicos de la zootecnia.

15. Discuta cómo el análisis de covarianza puede mejorar el análisis en estos diseños
experimentales y

qué consideraciones deben tenerse en cuenta con respecto a las covariables.