Unidad 2: Fase 3 Aplicar

el diseño cuadro latino y

el diseño factorial

Carmen Eliana Facundo – Código: 1082130393

José López Atencia – Código: 92188513
Cristian Armando Jimenez Guijo—Codigo: 1065911770
Yiceth Aracelly Saldana – Código
Juan Daniel Calderon- Código:
 INTRODUCCIÓN

Constantemente nos vemos inmersos en diversas situaciones de experimentación

en donde se pueden evidenciar diversos tipos de modelos estadísticos clásicos
que tienen como fin primordial investigar sin unos factores en especifico influyen
en la variable de interés que deseemos experimentar.

Así mismo, el diseño cuadro latino y diseño factorial no es lejano a esto, debido a
que se usan cuando se tienen tres factores distintos a evaluar en una misma
unidad experimental, como puede suceder en el caso de la ingesta de varios
niveles de suplemento alimenticio, aplicado a vacas de diferente edad, en
diferentes tiempos.
 Respuesta a las preguntas orientadoras
3. Cada grupo debe rescatar unos datos de un Diseño cuadro
latino de un texto y repetir el proceso del primer punto.

Se quiere comparar varias leguminosas desde el punto de vista de producción de forraje:

A: Lathyrus cicera

B: Vicia faba

C: Vicia Sativa, hibrida de laboratorio (línea 8436)

D: Vicia Sativa, hibrida de laboratorio (línea 8235)

E: Vicia Sativa, línea tradicional

Se dispone de un grupo de parcelas en un campo bordeado por un rio (dirección Este-Oeste que provoca un

gradiente de humedad N-S) y con una inclinación Este-Oeste (que provoca un gradiente en dirección O-E).

Está claro que las variedades que caigan en terreno más húmedo y más bajo son las que mayor producción

tendrán, porque a mayor humedad, más fertilidad, y a terreno más bajo, más nutrientes se habrán deslizado, y

por tanto más rico.

 Tabla 1. Cuadrado latino: Resultados
obtenidos

Columnas
Filas
1 2 3 4 5 Total

I C 45.2 D 46.6 E 55.2 B 91.9 A 19.8 258.7

II A 15.0 E 61.0 C 51.3 D 50.8 B 92.5 277.8

III B 79.3 C 58.6 D 64.2 A 22.2 E 63.5 287.8

IV E 62.8 B 84.6 A 27.5 C 63.5 D 65.8 304.2

V D 61.1 A 21.9 B 89.3 E 70.0 C 70.7 313

Evidencias Excel
Evidencias Programa R
Evidencias Programa R
Evidencias Programa R
Evidencias Programa R
 Interpretación

Luego del análisis de varianza el P valor es inferior 0.05 por tanto no hay
efecto de filas o columnas. Por tanto, es plausible concluir con un 95% de
confianza que hay diferencia significativamente estadística entre las
leguminosas.

Respecto de los supuestos del modelo es del caso establecer que, los
residuales se comportan de acuerdo a una distribución normal, lo anterior
debido a que el P valor es superior a 0.05 (No se rechaza H 0); así las cosas,
con un 95% de confianza los residuales del modelo ostentan una varianza
constante.
 Interpretación

Referente a la variable respuesta (producción), se identifican tres grupos que

se comportan de forman similares entre sus miembros;

 El primer grupo está conformado por la leguminosa B (Vicia faba).

 El segundo grupo por las leguminosas C, D y E; vicia Sativa, hibrida de

laboratorio (línea 8436), vicia Sativa, hibrida de laboratorio (línea 8235) y
vicia Sativa, línea tradicional, respectivamente.

 El tercer grupo que lo integra la leguminosa A (Lathyrus cicera).

 Respuesta a las preguntas orientadoras
4. Cada grupo debe rescatar unos datos de un diseño
factorial y repetir el proceso del segundo punto.

 "Evaluación del Sistema de riego por exudación utilizando cuatro variedades de

melón, bajo
 modalidad de siembra, SIMPLE HILERA.". Se desea probar el comportamiento de
tres variedades
 híbridas de melón y uno estándar. (Tesis).- autor Alberto Ángeles L.
 Variedades: V1 : Híbrido Mission
 V2 : Híbrido Mark.
 V3 : Híbrido Topfligth.
 V4 : Híbrido Hales Best Jumbo.
 Hipótesis : Ho : Efecto de variedades de melon en estudio es nulo.
 H1 : Al menos dos variedades tienen efectos distintos.
 Datos: Rendimiento en Kgs. por parcela.
 Tabla 2. Cuadrado latino:
Resultados obtenidos

Columnas
Filas
1 2 3 4 Total

I 45 (V1) 50 (V2) 43(V3) 35(V4) 173

II 29 (V4) 53(V3) 41(V2) 63(V1) 186

III 37(V2) 41(V4) 41(V1) 63(V3) 182

IV 38 (V3) 40 (V1) 35(V4) 41(V2) 154

Total 149 184 160 202 313

Evidencia excel
Evidencia programa R
 Evidencia programa R

 Al ejecutar con R al #anova nos da como resultado 0.05 Por lo tanto,

no existe diferencias en el rendimiento de las variedades de melón
tratadas con el sistema de riego por exudación.
 Evidencia programa R

 Se verifican los supuestos del modelo normalidad y varianza

constante p-value debe ser mayor de 0,05 en este caso se verifica
normalidad por test de shapiro
Evidencia programa R
Evidencia programa R
 Interpretacion

 Según los resultados experimentales no existen diferencias

estadísticas entre las variedades ; las diferencias se dan a un riesgo
mayor de 0.10, esto significa que muy posible existen diferencias
pero en este experimento no fue posible detectar por los pocos
grados de libertad para el error, lo recomendable cuando se prueba
un testigo, se recomienda tener mas repeticiones, en un cuadrado
latino pequeño, lo recomendable es doblar el numero de parcelas del
testigo ; esto significa tener en forma ficticia 5 variedades en 5 filas y
5 columnas y los grados de libertad para el error serian 4x3 = 12. En
el analisis de variancia se realiza en forma normal.
 Conclusión

El diseño factorial, además de simplificar el proceso y abaratar el costo de la

investigación, permite muchos niveles de análisis. Además de resaltar las
relaciones entre las variables, permite que sean aislados y analizados por
separado los efectos de la manipulación de una sola variable. Su mayor
desventaja es la dificultad de experimentar con más de dos factores o
muchos niveles.
Ventajas del diseño factorial Se ha descrito, a lo largo de ese tema, los
conceptos básicos del diseño factorial o estructura donde se manipulan,
dentro de una misma situación experimental, dos o más variables
independientes (o factores). En aras a una mejor exposición del modelo se
ha descrito, básicamente, el diseño bifactorial a dos niveles, dentro del
contexto de grupos completamente al azar
 Referencias Bibliográficas

 Zubcoff, J. (2008). Introducción al Diseño Experimental y al Análisis de

Datos. Alicante: Universidad de Alicante. Departamento de Ciencias del
Mar y Biología Aplicada. Recuperado el 04 de noviembre de 2019, de
http://hdl.handle.net/10045/4197

 DISEÑO CUADRADO LATINO : DCL. Recuperado de pdf tesis

https://tarwi.lamolina.edu.pe/~
fmendiburu/index-filer/academic/design/Latino.pdf

 Ruesga, G. I. (2007). Libro de experimentación agrícola. Recuperado de

https://www.researchgate.net/publication/329880204_LIBRO_DE_EXPER
IMENTACION_AGRICOLA