1.

El estudiante debe revisar el OVI del diseño cuadrado latino que está en el entorno de
aprendizaje en las referencias bibliográficas de la unidad 2 en el último referente y con
base en este responder.
Qué tipo de organización presentan los tratamientos en campo.
 El tipo de organización que presentan los tratamientos en campo es sudoku
Si se tiene un caso de 9 tratamientos cuantas unidades experimentales se requieren
para montar un cuadrado latino. En el foro solo relacionamos aportes e imágenes no
adjuntar archivos

 92 =81
Se requieren 81 unidades experimentales para montar un cuadro latino

2. El estudiante debe revisar la presentación cuadrado latino y diseño factorial

suministrada por el docente, luego desarrollar un resumen de los conceptos básicos de
cada uno de los diseños, cada diseño aparte, donde registre organización en campo,
hipótesis del análisis de varianza, hipótesis de los test de validación de los supuestos del
modelo y forma de desarrollo de las pruebas de comparación de medias, si el estudiante
remite conceptos tomados de textos en el punto no se califica. Adicionalmente
responder:

Si para un diseño cuadrado latino se deben probar 4 tratamientos cuantas unidades

experimentales se requieren.
 2
4 =16 unidades experimentales
Si tiene un diseño bifactorial de 3 tipos de pasto y 3 dosis de bioabono cuantos
tratamientos se deben trabajar en cada repetición para un diseño de bloques
completos al azar.
 3
3 =9 tratamientos

Cuadro latino
 Es un bloqueo robusto que se encuentra distribuido en filas y columnas,
organizado sus tratamientos en forma de sudoku sin repeticiones. El número de
unidades experimentales se determina elevado al cuadro de los tratamientos, por
lo que se tienen cuatro tratamientos este se multiplica por 4, para obtener 16
unidades experimentales, es por esto que las columnas y filas empiezan en f1,
f2, f3, f4 y no se repite ninguna en las misma.
Hipótesis de análisis de varianza
 Hipótesis nula: que el T1= T2 = T3 = T4, con una hipótesis alterna que uno sea
diferente, por lo que si el criterio es p valor es menor a 0,5 se rechaza la
hipótesis nula
 Por columnas: Ho= µc1= µc2= µc3= µc4, con hipotenusa alterna de que sea
una diferente, por lo que si el criterio es p valor es menor a 0,5 se rechaza la
hipótesis nula
 Por filas: Ho= µF1= µF2= µF3= µF4, con hipotenusa alterna de que sea una
diferente, por lo que si el criterio es p valor es menor a 0,5 se rechaza la
hipótesis nula
Varianza constante test leneve
 P valor menor a 0,5 rechazamos la hipótesis nula y se determina con 95% de
confianza que los residuales no se comportan acorde varianza constante, pero si es
mayor a 0,5 no se rechaza la hipótesis y se presentan varianza constante
Diseño factorial
 Aquellos que tienen dos factores, por lo que es tratamiento es el cruce de estos y se
distribuyen bloqueos en columnas, tratando que sea lo más homogéneo posible y se
encuentre completos e incompletos.
Análisis de varianza
 1 Factor: Ho = µ1= µ2, Con hipótesis alterna que uno sea distinto al otro, por lo
que p valor menor 0,05 se rechaza la hipótesis nula y con 95% de confianza hay
diferencia en la dosis
 1 Factor: Ho = µ F1= µ F2, Con hipótesis alterna que uno sea distinto al otro, por lo
que p valor menor 0,05 se rechaza la hipótesis nula y con 95% de confianza hay
diferencia en la dosis
 Hipótesis nula: Todas las combinaciones ya en el mismo resultado en su
interacción
 Hipótesis alterna: Alguna se comporta distinta en las interacciones
Validación de supuestos
 Se aplica normalidad con dos pruebas de shapiro Wilk con menos de 50
residuales y la de Kolmogorov Smirnov Mod Liliferos con más de 50 residuales,
adaptando que ambos deben ajustarse a una distribución normal, y que si tiene
un pre valor menor a 0,5 rechazamos la hipótesis nula y no se ajustan a la
distribución, pero si p valor es mayor a 0,5 se ajustan a distribución normal con
95% de confianza. Con varianza constante.
Pruebas de comparación de medidas
 Letras iguales se comportan de la misma manera en comparación y simples y
múltiples pareadas estarán en pares y si el p valor es menor a 0,05 se comportan
distinto

3. Del texto de Ruesga (2007). en las referencias de la unidad ubique el capítulo de Diseño
Cuadrado Latino que denominaremos DCL y registre:

Características del diseño

 En este caso las variantes se disponen en dos direcciones perpendiculares
reciprocas; en donde su estructura de sudoku, por tal motivo no se repiten
tratamientos ni por fila, ni por columna.
 Por otro lado, los tratamientos se caracterizan por ser agrupados tanto en
bloques como en columnas.
 Al igual se pueden aplicar en evaluaciones agro-técnicas y para seleccionar
variedades.
En qué situaciones no se aconseja su uso:
 En este caso no se aconseja el uso, cuando aplicamos mecanismos para las labores.
Dificultad de usarlo en términos de tratamientos:
 En este caso al arreglarlo es difícil su aplicación cuando el número de tratamientos
es extenso.
Modelo:
Yijk= μ+Ti+Fj+Ck+∈ijk
μ= Media general
Ti = Efecto del i-esima tratamiento
Fj = Efecto de la j-esima fila
Ck= Efecto de la k-esima columna
∈ijk= variación aleatoria del i-esimo tratamiento, la j-esima fila y la k-esima columna (error
experimental)
La fórmula de Suma de Cuadrados de todos los componentes del análisis de varianza:

SDCTotal = Σ X2-[ ( Σ X ) 2/N ]

SDCRepeticion =[ ΣTrat 2/n ° obsercaderep ] −[ ( Σ X ) 2/N ]

SDCTratamiento[ ΣTto 2¿¿ n ° obsercadatto ] −[ ( Σ X ) 2 /N ]

SDCVar=[ ΣVar 2¿¿ n ° observencadaVar ] −[ ( Σ X ) 2/N ]

SDCDosis=[ Σ Dosis 2¿n ° observencadaDos ] −[ ( Σ X ) 2/ N ]

SDCVar x Dosis=SDCTto-SDCVar-SDCDosis
SDCError=SDCTotal-SDCTto-SDCRep

4. Del texto de Ruesga (2007). en las referencias de la unidad 2 ubique el capítulo de

Diseño bifactorial bloques al azar que denominaremos DBB, y registre:
Modelo
Yijk =µ+ Ai + Bj +(AB)ij + eijk

Donde:
Yijk= es el k ésimo elemento perteneciente al j ésimo nivel del factor B y al i ésimo
tratamiento del nivel del factor A.
µ = es la media general.
Ai = es el efecto debido al i ésimo nivel del factor A.
B j = es el efecto debido al j ésimo nivel del factor B.
(AB)ij= efecto de la interacción entre el j ésimo nivel del factor B y el i ésimo del factor B.

La fórmula de Suma de Cuadrados de todos los componentes del análisis de varianza.

SDC total=∑ x −¿¿¿

2