análisis de varianza (ANOVA tipo III) para la conductancia estomática en la etapa de

maduración de los morfotipos de oca (Oxalis tuberosa Mol.). Los resultados sugieren que no
hay diferencias significativas tanto entre los tratamientos como entre los bloques. Aquí te
explico qué significa cada componente y por qué es importante:

Componentes de la Tabla de ANOVA

 F.V. (Fuente de Variación): Indica de dónde proviene la variación en los datos. En tu

caso, tienes el modelo completo, los bloques y los tratamientos como fuentes de
variación.

 SC (Suma de Cuadrados): Representa la cantidad de variación que cada fuente de

variación (modelo, bloques, tratamientos) explica. Es una medida de la variabilidad
total asociada con cada fuente.

 gl (Grados de Libertad): Indica el número de valores que pueden variar

independientemente para cada fuente de variación.

 CM (Cuadrado Medio): Es la suma de cuadrados dividida por los grados de libertad.

Ofrece una medida de la variación promedio por unidad experimental atribuible a cada
fuente.

 F: Es el estadístico de prueba usado en ANOVA, calculado como el cuadrado medio de

cada fuente dividido por el cuadrado medio del error. Indica cuántas veces más grande
es la variación debida a la fuente de interés en comparación con la variación residual o
error.

 p-valor: Proporciona la probabilidad de obtener un estadístico F igual o mayor al

observado bajo la hipótesis nula de que no hay efecto. Un p-valor bajo (generalmente
menor que 0.05) sugiere que la fuente de variación tiene un efecto significativo.

Interpretación de los Resultados

En tu estudio, estás interesado en ver si hay diferencias significativas en la conductancia

estomática entre los diferentes morfotipos de oca (tratamientos) o entre los diferentes bloques
en los que se ha dividido el campo experimental. Aquí está lo que indican los resultados:

 Tratamientos (p=0.4002): Un p-valor de 0.4002 sugiere que no hay diferencias

significativas en la conductancia estomática entre los diferentes morfotipos de oca. En
términos prácticos, esto significa que todos los morfotipos responden de manera
similar en términos de conductancia estomática durante la etapa de maduración bajo
las condiciones experimentales dadas.

 Bloques (p=0.5444): Un p-valor de 0.5444 indica que no hay diferencias significativas

en la conductancia estomática entre los diferentes bloques del experimento. Esto
sugiere que la variabilidad ambiental o de manejo entre los bloques no tiene un
impacto significativo en la conductancia estomática de los morfotipos de oca.

 Error: El término de error representa la variabilidad interna dentro de los grupos o

tratamientos que no se puede atribuir a las diferencias entre los tratamientos o
bloques. Es la variación residual o inexplicada después de considerar todas las fuentes
conocidas de variación.

Conclusión
La falta de diferencias significativas tanto en tratamientos como en bloques sugiere una
uniformidad en la respuesta estomática entre los morfotipos y a través de los bloques en la
etapa de maduración. Esto puede ser valioso al interpretar que bajo las condiciones
experimentales específicas de tu estudio, los distintos morfotipos de oca tienen una
conductancia estomática similar, lo que podría indicar adaptaciones similares a las condiciones
ambientales o una característica inherente de la especie en esta etapa de crecimiento. La
uniformidad en la respuesta también sugiere que otros factores, no medidos o controlados en
este estudio, podrían no estar influyendo significativamente en la conductancia estomática de
las plantas.

1. Determinar el crecimiento mediante el incremento de tamaño y área foliar.

Para este objetivo, estás interesado en el efecto de un factor principal (el tipo de morfotipo) en
las variables de crecimiento (tamaño y área foliar). El Diseño de Bloques Completamente al
Azar (DBCA) con ANOVA tipo III es adecuado aquí porque:

 Te permite controlar la variabilidad no explicada que podría influir en el crecimiento,

como las condiciones del suelo o microclimas dentro del campo experimental,
asignando aleatoriamente los morfotipos a los bloques.

 ANOVA tipo III manejará bien el diseño, incluso si hay desbalances o si estás
particularmente interesado en las interacciones de los morfotipos con otros factores.

2. Analizar la fotosíntesis neta, intercambio gaseoso y conductancia estomática.

Estos son parámetros más complejos que pueden ser influenciados por múltiples factores,
incluidos los ambientales y los propios del morfotipo. Aquí también, el DBCA con ANOVA tipo
III sería adecuado por razones similares:

 Controlas la variabilidad ambiental y aseguras que cualquier efecto observado sea

atribuible principalmente a las diferencias entre los morfotipos.

 ANOVA tipo III te permitirá desglosar y entender mejor cómo cada morfotipo
contribuye a la varianza total observada en estas medidas complejas, incluso si los
datos son desbalanceados.

3. Cuantificar el contenido de clorofila mediante SPAD.

El contenido de clorofila es una medida específica, y probablemente estés interesado en cómo

varía entre los diferentes morfotipos. Aquí nuevamente, el DBCA con ANOVA tipo III es
adecuado:

 Te permite controlar variables ambientales que podrían afectar la medición de la

clorofila.

 Con ANOVA tipo III, incluso si algunos morfotipos tienen datos más variados o hay
desequilibrios, podrás analizar los efectos correctamente.

4. Evaluar el rendimiento y producción de materia orgánica.

Este objetivo es probablemente el resultado final más importante de tu estudio, donde estás
interesado en ver cómo los diferentes morfotipos afectan el rendimiento y la producción de
materia orgánica. Aquí, DBCA con ANOVA tipo III sigue siendo una elección sólida:
  El rendimiento puede ser altamente variable y sujeto a influencias de factores
ambientales, por lo que controlar esta variabilidad con un diseño en bloques es crucial.

 ANOVA tipo III te permitirá discernir si hay diferencias significativas en el rendimiento y

la producción de materia orgánica entre los morfotipos, a pesar de cualquier
variabilidad subyacente o desequilibrio en tus datos.

Conclusión

Para los objetivos de tu estudio, que parecen centrarse en comparar múltiples morfotipos de
oca en términos de diferentes características ecofisiológicas y de rendimiento, el Diseño de
Bloques Completamente al Azar (DBCA) con ANOVA tipo III es una metodología robusta y
adecuada. Te proporciona la flexibilidad para controlar la variabilidad ambiental, manejar datos
desbalanceados y profundizar en cómo los diferentes morfotipos contribuyen a las variaciones
observadas en tus medidas de interés.

utilizando el material genético(SEMILLAS SEMILLAS QUE TIENEN

PROCEDENCIA DEL CRIBA ) que nos facilitó el CRIBA – UNSAAC. Una

vez realizada la siembra de los morfotipos observamos que el área foliar y el

tamaño son afectados por varios parámetros y la diversidad de morfotipos. Se

observa que el crecimiento no es uniforme en etapas(ETAPAS FENOLOGICAS

DE LA PLANTA) tempranas y durante la prefloración, floración y maduración.

En cuanto A LOS PARAMETROS EVALUADOS a la fotosíntesis neta, se

encontraron variaciones significativas entre los morfotipos, siendo más notable

en la prefloración. Durante la floración, un morfotipo (M3) mostró mayor

fotosíntesis neta. En la etapa de maduración, al menos un morfotipo (M10) se

destacó por ser diferente a los demás. Respecto a la clorofila, se observó que en

la prefloración el M5 tenía mayor cantidad, mientras que en la floración hubo

diferencias significativas entre los morfotipos, siendo M6 el que presentó el

contenido más alto. En la maduración, todos los morfotipos mantuvieron niveles

 similares de clorofila. En términos de rendimiento y producción de materia

orgánica, se encontraron diferencias significativas entre los morfotipos, siendo el

M5 el que mostró mayor rendimiento en comparación con otros tratamientos

como M10 y M14, debido a las distintas condiciones ¿?? a las que fueron

sometidos los morfotipos en estudio.

Palabra Clave: Morfotipos, tubérculos, conductancia estomática, clorofila,

fotosíntesis NETA , floración.