DISEÑO PARCELAS DIVIDIDAS Este es un diseño experimental combinado que resulta útil cuando al estudiar simultáneamente varios factores

, alguno o algunos de ellos deben ser aplicados sobre unidades experimentales relativamente grandes, pudiéndose aplicar el otro o los otros en unidades experimentales menores, dentro de las unidades mayores. El caso más sencillo es aquél en el que se tienen sólo dos factores, asignando los niveles de uno de ellos a las unidades mayores y los niveles del otro a las subunidades. A las unidades experimentales mayores suele llamárseles parcelas grandes o parcelas principales y a las unidades experimentales menores se le llama subparcelas o subunidades. Se debe notar que además de que los niveles de los diferentes factores son asignados a unidades experimentales de diferentes tamaños, está implícito también un número diferente de repeticiones. El número de repeticiones para el factor asignado a las subunidades es r*a, siendo r el número de repeticiones del factor asignado a las unidades principales y a su número de niveles. El factor correspondiente a las parcelas principales puede asignarse a éstas utilizando cualquiera de los esquemas de aleatorización básicos: Completamente al Azar, en Bloques al Azar o en Cuadro Latino. El factor correspondiente a las subparcelas se asigna al azar dentro de cada parcela principal; en tal sentido, las parcelas principales son análogas a bloques, solo que por asignarse a éstas los niveles de un efecto fijo y por existir repeticiones de las mismas, es posible evaluar tanto los efectos principales del factor asignado a las mismas como su posible interacción con en el otro factor. En adelante nos concentraremos en el caso más sencillo de un Diseño Parcelas Divididas, es decir aquél con sólo dos factores. Todos los resultados obtenidos son generalizables a casos más complejos en los que los tratamientos asignados a las unidades principales, a las subunidades o a ambas estén comformados a su vez por las combinaciones de los niveles de dos o más factores. Supóngase que se quiere realizar un experimento que involucre dos factores: el primero con tres niveles y el segundo con dos, así:

a

a1 a2 a3

b1 b b2

Se muestran a continuación posibles esquemas de aleatorización considerando los diseños más comunes (Parcelas Divididas y otros), suponiendo que ambos factores tienen igual importancia relativa y que se desean evaluar tanto sus efectos principales como su posible interacción, es decir, descartando la opción de tomar alguno de éstos como factor de bloqueo. Para facilitar la

1) Diseño Completamente al Azar. distribuido completamente al azar. a1b1 a3b2 a2b1 a3b1 a2b2 a1b2 a2b1 a2b2 a3b2 a1b1 a1b2 a3b1 a3b2 a 1b2 a 2b2 a 2b1 a 3b1 a 1b1 a2b2 a3b1 a1b2 a3b2 a1b1 a2b1 a1b2 a1b1 a3b1 a2b2 a2b1 a3b2 a3b1 a2b1 a1b1 a1b2 a3b2 a2b2 4) Diseño Parcelas Divididas con el factor a asignado a las parcelas principales. se considerarán sólo dos repeticiones. b1 b2 a3 a1 b2 b1 b2 b1 a1 a2 b1 b2 b2 b1 a2 a3 b1 b2 .Correa. Bloque I Bloque II a1b2 a3b1 a2b2 a1b1 a2b1 a3b2 a1b1 a3b2 a1b2 a2b2 a3b1 a2b1 3) Diseño Cuadro Latino (si el número de combinaciones de tratamientos no es muy alto). a2b2 a1b1 a3b1 a2b1 a1b2 a3b2 a1b1 a3b1 a2b2 a2b1 a1b2 a3b2 2) Diseño Bloques Completos al Azar. Guillermo – Parcelas Divididas 2 de 14 ilustración de los posibles esquemas de aleatorización. excepto donde el diseño exige tantas repeticiones como tratamientos (Cuadro Latino).

distribuido en Bloques Completos al Azar. no se ilustra aquí por tratarse de una situación muy poco común. . a2 a3 b1 b2 b1 b2 a3 a1 b2 b1 b2 a2 b1 b1 Bloque I b2 b1 Bloque II b2 a1 6) Diseño Parcelas Divididas con el factor b asignado a las Parcelas Principales. distribuido Completamente al Azar. Guillermo – Parcelas Divididas 3 de 14 5) Diseño Parcelas Divididas con el factor a asignado a las Parcelas Principales. Bloque I a2 a3 a1 a2 a1 a3 b2 b1 Bloque II a1 a3 a2 a3 a2 a1 7) Diseño Parcelas Divididas con el factor b asignado a las Parcelas Principales en Bloques Completos b2 b1 a1 a3 a2 a1 a2 a3 b1 b2 a3 a2 a1 a2 a3 a1 Aunque el factor asignado a las parcelas principales podría asignarse a éstas con base en un esquema de aleatorización de Cuadro Latino. b1 b2 al Azar.Correa.

pueden dividirse las unidades experimentales y realizar la aleatorización de los niveles del segundo factor en las subunidades resultantes. Guillermo – Parcelas Divididas 4 de 14 Es importante aclarar que la igual importancia relativa entre los dos factores a la que se hace referencia anteriormente tiene que ver básicamente con el hecho de que ninguno de éstos se tome como factor de bloqueo. Esta situación es diferente en el Diseño Parcelas Divididas. . 1. USOS. los efectos relacionados con éste se estiman con mayor precisión. sistemas de labranza. Hay que anotar.Correa. 3. sus efectos son estimados con mayor precisión. Aunque muchos autores relacionan esta característica como uno de los criterios para escoger un Diseño Parcelas Divididas. exige parcelas relativamente grandes. Cuando uno de los factores. Los niveles de fertilizante se asignaron a las parcelas grandes con base en un diseño de bloques completos al azar (tipos de suelo) con 3 repeticiones. puede considerarse el conjunto de las mediciones realizadas sobre una misma unidad experimental como la Unidad Principal. distancias entre surcos. las frecuencias de corte se asignaron a las subparcelas. por su naturaleza. es decir que son asignados a unidades del mismo tamaño y cuentan con el mismo número de repeticiones. cuando se elija con base en alguno de los tres primeros criterios. El análisis es análogo al de un diseño Parcelas Divididas (en el espacio). niveles de luz o de temperatura. por lo que se le designa a este diseño como Parcelas Divididas en el Tiempo. se considera que éste no debería condicionar la escogencia del Diseño y se menciona aquí más como una consecuencia del uso del mismo. etc. Cuando en un experimento se toman varias mediciones sobre la misma unidad experimental a través del tiempo y tales mediciones son independientes. pues dado que el factor asignado a las subparcelas cuenta con mayor número de repeticiones. Se estudió el rendimiento forrajero del ramio en función de diferentes frecuencias de corte y niveles de fertilizante. distancia entre plantas. mientras que el otro factor permite su aplicación sobre unidades experimentales más pequeñas como variedades. EJEMPLO. sin embargo. Debido a que el factor asignado a las subparcelas cuenta con más repeticiones. 2. por ejemplo. dosis de fertilizantes. Si luego de iniciado el experimento se desea incluir otro factor —y su naturaleza lo permite—. de irrigación. que sólo bajo los tres primeros esquemas de aleatorización. 4. los factores son tratados de la misma manera. y cada una de las lecturas realizadas en el tiempo como las subunidades.

7 99.k a2b1 a2b2 a2b3 Y2.1 244.7 221.8 73. éste se desglosa en dos partes: el análisis de las Parcelas Principales y el análisis de las Subparcelas. Tratamientos a0b1 a0b2 a0b3 Y0.6 61. .k I 78.5 167. Se inicia con la parte correspondiente a las Parcelas Principales.1 121.8 90.3 86. Guillermo – Parcelas Divididas 5 de 14 Fertilizante (a) 0 kg/ha (a0) 100 kg/ha (a1) 200 kg/ha (a 2) 38 días (b1) 57 días (b2) 76 días (b3) Frecuencias de corte (b) A continuación se presenta un posible esquema de aleatorización Bloque I b3 b1 b2 b2 b1 b3 b2 b1 b3 Bloque II b1 b2 b3 b3 b3 b2 b1 b1 b2 Bloque III b3 b2 b1 b3 b1 b1 b2 b2 b3 La siguiente tabla contiene el rendimiento en kilogramos de forraje verde por parcela.6 69.1 56.2 108.7 305.k a1b1 a1b2 a1b3 Y1.9 601.9 99.1 195.5 Con el fin de ilustrar el proceso de análisis. 230.4 256.5 66..5 282.6 97.9 86.9 203.0 287.9 201.9 84.2 97.3 108.3 53.7 802.3 283.k Y.2 96.4 281.7 716.7 Yij.3 902.9 73.1 57.6 95.7 731.3 208.1 Y…=2250.4 324.9 68.8 Bloques II 72.2 95.Correa.1 309.6 293.2 747.0 III 78.8 72. registrado durante un ciclo de producción de 228 días.0 203.

∴ SC (Combinaciones Bloques*a) ≡ SC (Parcelas Grandes) 2 Y. Totales de las Parcelas Grandes (Combinaciones Bloques*a) (Yi.8 221.. la suma de cuadrados y los grados de libertad de las Parcelas Principales se particiona sólo entre el efecto principal del factor a y el Error a.9 244..5 Las Parcelas Grandes están conformadas por las combinaciones Bloques*a (por las combinaciones r*a.k I 203.2 293. en un DCA).8 2 + 802 2 + 716 ..45 SC (Bloques)= k −TC 3 x3 a *b = .34 3 3 x3 x3 2 ∑Y . Y . SC (PG)= ∑ i k − b a *b*r ik 2 TC: Término de Corrección.7 281.k) a0 a1 a2 Y. 203 .7 2 2250 ..0 902..7 Yi . .7 716.2 283. Parcelas Grandes (a * r ) −1 = 8 Bloques: ( r −1) = 2 (a −1) = 2 A: Error a: (r −1)( a −1) = 4 Es importante anotar que cuando el factor asignado a las Parcelas Principales se distribuye con base en un Diseño Completamente al Azar. acorde con el esquema de aleatorización usado para el factor principal. k 731 .Correa. 601.0 II 201.1 2250. + 293 .7 2 + .9 2 +195 ..4 747. Guillermo – Parcelas Divididas 6 de 14 Bloque I Bloque II Bloque III a1 a2 a0 a0 a1 a2 a2 a0 a1 Se hacen particiones tanto de las sumas de cuadrados como de los grados de libertad correspondientes a las parcelas grandes.7 731.6 324.5 2 − = 5961 .8 II 195.7 2 = − TC = 460 .7 802.

i i 2 b*r − TC = 601 . Totales de las Combinaciones ab (tratamientos) (Yij.2 309.SC (A) = 475.4 2 + 747 . Tratamientos A B AB 230 256.12 − TC = 5025 . Guillermo – Parcelas Divididas 7 de 14 SC (A)= ∑Y .1 790. es importante analizar el esquema completo que ilustra la forma en que se particionan tanto las sumas de cuadrados como los grados de libertad. Bloques (r-1)=2 Parcelas Grandes (a*r)-1=8 A (a-1)=2 Error a (r-1)(a-1)=4 Total (a*b*r)-1=26 B (b-1)=2 Subparcelas a*r(b-1)=18 AB (a-1)(b-1)=4 Error b a(r-1)(b-1)=12 Tratamientos (a*b-1)=8 Se inicia el análisis de las Subparcelas con la partición de las sumas de cuadrados de los tratamientos.9 b3 167.4 .86 Antes de pasar al análisis de las subparcelas..j.9 208.3 685.5 282.0 2 + 902 .7 774.2 b2 203.Correa.03 3 x3 SC (Error a)= SC (PG) – SC (Bloques) .) b1 a0 a1 a2 Y.5 287.3 305.

2 2 + 790 . las interacciones entre factores asignados a las parcelas principales se evalúan con el Error a.5 2 + .26 El efecto principal del factor a (A) se evalúa con el Error a.5 2 + .247 F0. r −TC = 230 2 + 203 .268 6.855 38.42 462.61 8101.62 3 x3 SC (AB) = SC (combinaciones ab) – SC (A) – SC (B) = 963. + 309 .4 2 −TC = 714 .225 2512. 2 −T C = 774 .05(gln.9 2 + 72 . + 97 . mientras que el efecto principal del factor b (B) y la interacción AB se evalúan con el Error b.45 5025.515 118..99 SC (Error b) = SCT – SC (PG) – SC (B) –SC (AB) = 462. j.550 Estadísticos F 1. Guillermo – Parcelas Divididas 8 de 14 SC (Tratamientos) ≡ SC (Combinaciones ab) Y ∑ SC (combinaciones ab) = ij 2 ij .86 714.310 240.. En caso de tener más de dos factores. gld) Parcelas Principales Subparcelas 6.6 2 − TC = 8101 .9 2 + 685 . En este caso.07 3 SC (B) = ∑a * r j Y .935 21.61 Tabla resumen del Análisis de Varianza Fuentes de Variación Bloque A Error a B AB Error b Total Grados de libertad 2 2 4 2 4 12 26 Sumas de Cuadrados 460.3 2 − TC = 6703 .62 963. No obstante. las interacciones entre factores asignados a las subparcelas o interacciones de éstos con algún factor asignado a las parcelas principales se evalúan con el Error b.42 Y ∑ ijk 2 SCT = ijk −TC = 78 ..Correa.03 475.965 357..94 3. debido a que en este diseño se generan errores .99 Cuadrados Medios 230. puesto que la interacción resultó significativa el siguiente análisis debería ser la evaluación de los efectos simples.119 9.88 3.

60 a0 66.Correa. Sean: CM (Error a):= Ea CM (Error b):= Eb 1. COMPARACIONES DE MEDIAS.30 a2 a1 b a0 a c 2.60 a1 − a2 =17 .41 >14 .01 14.82 < a1 83 < a2 100.55 =2. deberá duplicarse el numerador de la expresión dentro del radical.05(gl Error a=4) ALS 2 3. SY = Ea b*r = 118 .18 >14 .30 a0 − a1 =16 . Efectos principales del factor a (A): Corresponde en este caso a la comparación del efecto promedio de los tres niveles de fertilizante.64 3 x3 El valor crítico (ALS) para la prueba de Duncan es = rα * S Y p r0.23 a0 − a2 = 33 .965 =3.23 >14 . Guillermo – Parcelas Divididas 9 de 14 estándar distintos para cada uno de los diferentes grupos de comparaciones.07 3 x3 .93 14. Los errores estándar que se presentan corresponden a los que se usarían en las pruebas de Duncan o de Tukey. Si se desea trabajar con las pruebas LSD o Scheffé. Efectos Principales del factor b (B): Corresponde en este caso a la comparación del efecto promedio de los tres niveles de la frecuencia de corte. se ilustran las diferentes posibilidades de comparación de medias.30 3 4. SY = Eb a*r = 38 .

8 >6.5 94.Correa.8 <6.7 >6.9 101. Guillermo – Parcelas Divididas 10 de 14 El valor crítico (ALS) para la prueba de Duncan es = rα * S Y p 2 3.58 El valor crítico (ALS) para la prueba de Duncan es = rα * S Y p r0.83 55.7 103.38 3 3. Efectos simples del factor b: Corresponde a comparar los efectos de la frecuencia de corte en cada uno de los niveles de fertilización.88 b3 − 2 = 1 .56 a0 b1 b2 b3 76.05(gl error b=12) ALS 2 3.4 b Comparaciones Verticales .082 11.02 < b2 87.68 r0. SY = Eb = r 38 .16 < b1 86.3 b 6 8 b1 − 2 = .1 a a a2 95.6 b 1 2 8 b3 − 1 =9.225 11.082 6.1 a a a b 69.03 3 3.55 3 =3.05(gl Error b=12) ALS b3 76.3 b 1 6 8 b2 a b1 a b3 b 3.97 a a a1 85.225 6.67 67.

60 a0 1 a1 a2 76. l. bien sea en un nivel dado de frecuencia de corte (efectos simples del factor a) o en diferentes niveles de este factor (efectos cruzados).55] 2 + [118 .34 15. 55.97 b 69.83 b 94. a2b2.55 + 118 . aproximar al entero inferior.5 ab 95. deberá usarse la función “mayor entero contenido en”.97 ] 2 [ (3 −1) x38.95 3 3. se obtendrían los valores críticos para la prueba de Duncan con 9 grados de libertad.9 a b1 Los efectos cruzados consisten en comparaciones entre dos combinaciones de tratamientos.4 b 103. Si se quiere aplicar una prueba cuyos valores deban obtenerse en tablas.) ALS (Valor Crítico) 2 3. Guillermo – Parcelas Divididas 11 de 14 4. así: ν≅ [ (b −1) Eb + Ea ] 2 [ (b −1) Eb ] 2 + [ Ea ] 2 glEb glEa = [ (3 −1) x38. donde difieren todos 67.97 ] 2 12 4 = 9. deberá aproximarse el valor de los grados de libertad al entero más cercano.7 a b los2 niveles de los factores involucrados.20 14.67 b 85. l. como Statcalc® o SAS®. a0b1 vs.1 a 101.97 + (3 −1) x38 .1 a b3 . Efectos simples del factor a (Factor asignado a las parcelas principales) y efectos cruzados1: Corresponde a comparar los diferentes niveles de fertilización.55 = = 4. S __ = y Ea + (b −1) * Eb 118 . Usualmente son de mayor interés los efectos simples que los efectos cruzados. Siguiendo esta última recomendación.05(9 g. Si se cuenta con una aplicación. que permita obtener valores de algunas distribuciones con grados de libertad no enteros.53 .) * SY p r0. es decir. podrá aplicarse la prueba DMS (LSD) o Scheffé usando el valor exacto de los grados de libertad obtenidos mediante la aproximación de Satterthwaite. así: ALS = rα (9 g. por ejemplo.Correa. Si se quiere proteger contra el error tipo I al momento de realizar la aproximación.67 b*r 3 x3 Los grados de libertad se aproximan usando la fórmula de Satterthwaite.

LSMEANS A*B/PDIFF. RUN. Se usan los procedimientos GLM y MIXED.6 95. MODEL Peso=Bloques A Bloques(A) B A*B/NOUNI. sumas de cuadrados. MEANS A/DUNCAN E=Bloques(A). la gran desventaja de que los errores estándar estimados para la evaluación de los efectos simples del factor a (el factor asignado a las parcelas principales) son incorrectos. INPUT Peso@.7 a2 b1 95. a0 b1 78.9 72.8 108.4 97.8 108.Correa.1 69.9 86.3 99. CLASS Bloques A B.3 121.6 a0 b2 68. Guillermo – Parcelas Divididas 12 de 14 Comparaciones Horizontales ANÁLISIS EN SAS. El GLM tiene la ventaja de presentar los resultados en un formato más familiar.9 a2 b2 97. valores F y valores p). INPUT a$ b$ @.6 .1 99.3 72.9 a1 b1 84. OUTPUT.2 96.5 78. por lo que tales pruebas carecen de validez. Nótese que el Error a se estima con base en la expresión: “Bloques(A)”. END. El PROC GLM tiene. En caso de que el factor correspondiente a las Parcelas Principales se haya asignado completamente al azar. sin embargo. La tabla resumen del Análisis de varianza incluye todos sus componentes (fuentes de variación. DATALINES. entre ellas la de Duncan –no disponible en el PROC MIXED. DO Bloques=1 to 3.9 57. grados de libertad.1 73.2 a2 b3 90. este . DATA Ramio. cuadrados medios. indicando cuál es el término del error usado en cada caso.3 a0 b3 56. Para la evaluación de los efectos principales se pueden usar diversas pruebas. RANDOM Bloques(A)/TEST.4 61. PROC GLM.6 a1 b3 73.1 53.9 a1 b2 86.1 66. MEANS B/DUNCAN.

100000 1 2 3 4 5 6 7 8 9 . a a0 a0 a0 a1 a1 a1 a2 a2 a2 b b1 b2 b3 b1 b2 b3 b1 b2 b3 LSMEAN Peso LSMEAN Number 76. Se deberán analizar aquellas que corresponden a los efectos simples de interés.100000 69. Bastará. pues. por lo que la evaluación de éstos no es correcta. SCHEFFE y DUNNETT. Si el valor p es menor o igual que el nivel de significancia preestablecido (usualmente 0. Para la evaluación de los efectos simples. Para la evaluación de los efectos principales pueden usarse en el estamento MEANS las opciones LSD.05). La opción PDIFF genera los valores p de todas las comparaciones por pares de medias.400000 95.500000 94. se rechaza H0. No está de más insistir en el hecho de que las comparaciones generadas por el estamento LSMEANS sólo son adecuadas para los efectos simples del factor b. DUNCAN.666667 67. que hay diferencia entre las medias de los dos tratamientos comparados.900000 101. El error estándar estimado para los efectos simples del factor a es inadecuado. Se contrasta el siguiente juego de hipótesis: H0: µ Ha: µ ij =µ (ij)’ (ij)’ ij ≠ µ La salidas contienen los valores p de todas las posibles comparaciones entre pares de medias. Guillermo – Parcelas Divididas 13 de 14 error se estimará con base en la expresión R(A). el procedimiento usa por defecto la prueba t.700000 103. realizando las adecuaciones del caso en el paso DATA. siendo R las repeticiones. entre otras. con cambiar Bloques(A) por R(A) en todas las expresiones en las que aparezca y eliminar Bloques en el estamento MODEL.Correa. con probabilidad de error igual a valor p. y se declara.833333 55. TUKEY.966667 85.

a favor de b1 (76. RUN. lo cual significa que tal diferencia es estadísticamente significativa.0045 0. se sugiere iniciar los análisis para este tipo de diseño con base en el PROC GLM. La parte central del procedimiento se muestra a continuación.0015 0. Se aclara que el factor bloques usualmente es aleatorio.67 vs.1070 0.0212 4 0. por lo que la evaluación de éstos debe obtenerse con base en el procedimiento MIXED. mientras que en el estamento MODEL se incluyen solamente los efectos fijos.1070 0. el error estándar estimado para dichos efectos simples es inadecuado. El valor p de comparar b1 contra b3 en a0 es 0.7626 3 0. PROC MIXED.0004 La comparación de los efectos simples de b en a0 consiste en comparar las medias 1. . 55.0045 <.Correa. Si la interacción no es significativa. Nótese que en el estamento RANDOM del procedimiento MIXED se declaran todos los efectos aleatorios. MODEL PESO=A B A*B/DDFM=SATTERTH.0002 <. Guillermo – Parcelas Divididas 14 de 14 Least Squares Means for effect a*b Pr > |t| for H0: LSMean(i)=LSMean(j) Dependent Variable: Peso i/j 1 2 3 4 5 6 1 0.1156 0. para la evaluación de los efectos simples.0373 <. es decir los que se usarían con las pruebas de t o de Scheffé. 2 y 3 acorde con el número asignado a cada una de las combinaciones de tratamientos (LSMEAN Number de la página anterior).0001 0. con base en los errores estándar generados por el PROC MIXED. La evaluación de los efectos simples de a en cada uno de los niveles de b no debe hacerse.1070 0. con base en el mismo procedimiento. CLASS Bloques A B. bastará con evaluar los efectos principales que sean del caso. RANDOM Bloques Bloques(A).0001 0. LSMEANS A B A*B/PDIFF.0015. que aunque genera los resultados en un formato menos familiar estima errores estándar adecuados para todas las comparaciones. Si se quisieran realizar comparaciones manuales de medias con las pruebas de Duncan o de Tukey. En caso de que la interacción resulte significativa.0049 0. pues como ya se dijo.0373 0.1070 0.0015 0. Es importante resaltar que el procedimiento MIXED calcula los errores estándar correspondientes a diferencias de medias.0049 0. será necesario complementar el análisis con el PROC MIXED. usando el estamento MEANS. deberán usarse los siguientes errores: S ( MIXED _  Y  2 )   2 S _ ( Duncan o Tukey ) = Y A manera de resumen.1156 0.0001 0.0001 <.0080 5 0.1773 2 0.97).0002 0.

Sign up to vote on this title
UsefulNot useful