Diseños Experimentales y Análisis Estadísticos

1. Los estudios observacionales y experimentos se planifican

a. Claro y preciso establecimiento de:

b. Objetivos: exactamente que se busca,

c. Suposiciones: sobre los factores que se controlan, la forma de hacer las

mediciones y unidades experimentales

d. Método de muestreo: donde tomar la muestra, hacer mediciones y colectar

los datos

e. Diseño físico del experimento en campo o laboratorio

f. Método para el análisis de datos: modelo estadístico y prueba de medias

g. Reporte de resultados: graficas y/o cuadros

Conceptos básicos para entender plantear un diseño experimental

1. Organización y distribución de las

unidades experimentales en campo,
Diseño
invernadero y laboratorio
experimental
2. Esquematización, en papel, de un
experimento para identificar los
factores que se controlan o tratamientos
experimentales

1. Factor o factores (algo que causa un efecto):

a. Que son controladas
b. Cuyo efecto interesa estudiar
c. Pueden ser tangibles o intangibles
Tratamiento 2. Se asignan aleatoriamente a las unidades
experimentales
3. Se establecen los niveles a estudiar con base a
la experiencia, otros experimentos o interés por
conocer sus efectos
 Conceptos básicos para entender plantear un diseño experimental

1. Resultado cuantitativo debido a la acción

Efecto de factores controlados y no controladas

1. Cualidades cuantitativas o cualitativas

Variables de
que se miden para conocer la influencia
respuesta
de los factores controlados

Modelo estadístico 1. Representación matemática del efecto

de los factores que se desean estudiar
 Modelo estadístico

Variables de respuesta Tratamiento

1. Mediciones cuantitativas 1. Factor cuyos niveles i = niveles del tratamiento

son objeto de estudio

 𝒀 𝒊𝒋 =𝝁+ 𝝉 𝒊 + 𝜺 𝒊𝒋

Error experimental

1. Suma de la varianza de
Media poblacional
influencia no controlada

a. i = debida a tratamiento y
Variables de respuesta = variables independientes unidades experimentales
b. j = debida a las mediciones
hechas y muestreo
Control del error experimental
 Diseño Experimental

a. Factoriales
b. Parcelas divididas
c. Parcelas sub-sub-divididas

1. Completamente aleatorizado

Tipos 2. Cuadro latino

2. Bloques completamente aleatorizados

a. Factoriales
b. Parcelas divididas
c. Parcelas sub-sub-divididas
 Características de un diseño completamente aleatorizado

T1 T3 T2
T3 T2 T1
T4 T1 T3

1. Es el arreglo más sencillo de las unidades experimentales y tratamientos

a. Las unidades experimentales son lo más homogéneas posibles (misma
probabilidad de recibir un tratamiento)
b. Los tratamientos se asignan completamente al azar a las unidades
experimentales
c. Flexibilidad completa: cualquier número de tratamientos y repeticiones
d. fácil de analizar estadísticamente
2. Limitaciones del diseño
e. Incertidumbre en el grado de precisión al medir el efecto del o los
factores principales, ya que no hay forma de asegurar que las unidades que
reciben un tratamiento sean similares a aquellas que reciben otro
tratamiento
 Varianza total en el experimento o estudio observacional

Tratamiento

 𝒀 𝒊𝒋 =𝝁+ 𝝉 𝒊 + 𝜺 𝒊𝒋 Error Experimenta

1. La varianza debida al tratamiento mayor a la varianza del error experimental

2. La varianza debida al error experimental incluye

a. Variación entre unidades experimentales

b. Variación entre mediciones debido a la forma de tomar la medida

 Evaluación productiva y económica de variedades de alfalfa en condiciones de temporal, La
Soledad, Calpulalpan, y Pozuelos, Nanacamilpa, Tlaxcala
3m

5 10 15 20 25 30
2m Miguelito Cuf 101 Aragon Tetra Tetra Linn

4 9 14 19 24 29
Aragon Atlixco Cuf 101 Orchard Orchard
Orchard

3 8 13 18 23 28 33
Cuf 101 Miguelito Aragon Festuca Linn Tetra Tetra

2 7 12 17 22 27 32
Atlixco Cuf 101 Miguelito Linn Tetra Linn Tetra

1 6 11 16 21 26 31
Miguelito Aragon Atlixco Atlixco Festuca Orchard Tetra

Nota: cada unidad experimental esta dividida por un

pasillo de 1 m
T = Variedades de alfalfa (tratamientos)
 𝒀 𝒊𝒋 =𝝁+ 𝝉 𝒊 + 𝜺 𝒊𝒋
Nota: Cuatro repeticiones
 Experimento completamente al azar
1. Evaluación de variedades de alfalfa
2. Cuatro repeticiones
3. Respuesta al ambiente físico (suelo y clima)

Variables de respuesta (mediciones)

1. Densidad de plantas/ha
2. Altura de las plantas
3. Rendimiento forraje seco (t/ha)
4. Composición botánica y morfológica del
forraje cosechado
5. Contenido de proteína y digestibilidad
del forraje cosechado
 Diseño Completamente Aleatorizado con Arreglo Factorial

1. Dos o más factores son de interés en el estudio o experimento; ejemplo D y T

2. La combinación de cada factor se asigna al azar a las unidades experimentales

3. Las combinaciones físicamente existen en el campo, laboratorio o invernadero

4. Cada factor tiene más de dos niveles

5. Interesa el efectos de los factores simples y la combinación de ambos factores

(interacción)

6. Hay más mediciones, por lo que, sino se es cuidadoso al hacerlo se incrementa el

error experimental

  𝒊𝒋𝒌 =𝝁+ 𝑫 𝒊 +𝑻 𝒊 + ( 𝑫 ∗𝑻 )𝒊𝒋 + 𝜺 𝒊𝒋𝒌

𝒀
 Evaluación productiva y económica de variedades de alfalfa en condiciones de
temporal, La Soledad, Calpulalpan, y Pozuelos, Nanacamilpa, Tlaxcala

3m

5 10 15 20 25
2m Avena 60 Avena 50 Avena 0 Avena 50
Veza 0 Veza 50 Veza 60 Veza 50
4 9 14 19 24
Avena 0 Avena 0 Avena 45 Avena 50 Avena 50
Veza 60 Veza 60 Veza 15 Veza 50 Veza 50
3 8 13 18 23
Avena 15 Avena 45 Avena 15 Avena 50 Avena 50
Veza 45 Veza 15 Veza 45 Veza 50 Veza 50
2 7 12 17 22
Avena 45 Avena 60 Avena 50 Avena 50 Avena 50
Veza 15 Veza 0 Veza 50 Veza 50 Veza 50
1 6 11 16 21
Avena 0 Avena 15 Avena 15 Avena 15 Avena 50
Veza 60 Veza 45 Veza 45 Veza 45 Veza 50

Nota: cada unidad experimental esta dividida por un pasillo de 1 m

 Diseño Completamente Aleatorizado con Arreglo en Parcelas Divididas

1. Dos o más factores son de interés en el estudio o experimento

2. Existe un factor principal (parcela principal o parcela con el factor principal) y un factor secundario (sub-

parcelas). En muchos casos físicamente no existen la sub-parcelas (tiempo)

3. Cada factor tiene más de dos niveles

4. A la unidades experimentales Interesa el efectos de los factores simples y la combinación de ambos

factores (interacción)

5. Hay más mediciones, por lo que, sino se es cuidadoso al hacerlo se incrementa el error experimental

Densidad siembra (D) Tiempo cosecha (T)

  𝒊𝒋𝒌 =𝝁+ 𝑫 𝒊 +𝑻 𝒊 + ( 𝑫 ∗𝑻 ) 𝒊𝒋 + 𝜺 𝒊𝒋𝒌
𝒀 Interaccion (D*T) Error experimental

5. Completamente al azar con arreglo en parcelas divididas

6. El efecto de factor principal se prueba con la varianza
pare la interacción (llamado error tipo a)

 𝑯 𝟎 : 𝑫 𝟏=𝑫 𝟐 =𝑫 𝟑=𝑫 𝟒

 𝑬𝒓𝒓𝒐𝒓= ( 𝑫 ∗𝑻 )𝒊𝒋
Ubicación de los tratamientos en un diseño completamente al azar con arreglo en
parcelas divididas y con seis repeticiones
Factor principal o parcela
2.5 4.0 3.0 3.0 grande (densidad plantas)

12 6
3.5 4.0 4.0 2.5

24 21
3.0 4.0 3.5 4.0
Sub-parcelas
(factor tiempo)
3 18
3.5 3.0 2.5 3.0

9 15
2.5 4.0 3.5 3.5

Porciones muestreadas a
2.5 3.0 2.5 3.5 diferentes tiempos (días), en cada
unidad experimental (0.25 m2)
 Forraje de cebada en condiciones de hidroponía

Siembra de cebada Secciones a muestrear

Sección a muestrear elegida al azar Secciones ya muestrear al azar

 Ubicación aleatoria de las densidades de la siembra hidropónica

Tratamiento experimental: Mediciones en las muestras tomadas

1. Peso fresco
Densidad de siembra
2. Peso seco
1. 2.5 kg m-2
3. Contenido de nitrógeno
2. 3.0 4. FDN y FDA

3. 3.5 5. Lignina

4. 4.0 6. Análisis proximal

7. Algunos macro y micro minerales

Tiempo de cosecha

1. 3 días post siembra

2. 6 Análisis estadístico
3. 9
4. 12 1. Modelo mixto
5. 15 2. Repeticiones en el tiempo
6. 18 3. Comparación de curvas de crecimiento y
7. 21 perfil nutricional
8. 24
4. Análisis económico, costo de producir 1 kg
de materia seca y 1 kg de proteína
5. Dos escenarios, sofisticado y simple

Diseño experimental completamente al azar, densidad de siembra y tiempo de cosecha

 Diseño Experimental en Cuadro Latino

1. Permite el bloqueo en dos direcciones para controlar dos fuentes de variación o

factores
a. Los bloques son los reglones y las columnas
b. Cada tratamiento existe solo una vez en cada renglón y en cada columna
c. Con animales, cada unidad experimental recibe todos los tratamientos en un tiempo
específico
2. Limitaciones del diseño
d. En experimentos agrícolas se requiere una unidad experimental diferente para cada
tratamiento en arreglo y columna

A B C D E
B A E C D
C D A E B
D E B A C
E C D B A
Características de un diseño en bloques completamente aleatorizados

1. El material experimental se divide en grupos, cada uno de ellos es una solo prueba o
repetición
a. A cada grupo se le llama bloque y es una repetición
b. El objetivo mantener la variabilidad dentro de cada bloque tan pequeña como sea
posible
c. Reducir el error experimental
d. Las unidades experimentales dentro de cada bloque son lo más homogéneas posibles
e. Los tratamientos se asigna al azar a las unidades experimentales dentro de cada
bloque
f. No interesa analizar el efecto de bloque sobre tratamientos, solo es una forma de
controlar el error experimental
2. Limitaciones del diseño
g. Si no se controla la variabilidad de las unidades experimentales y dentro de bloques
la variabilidad del error experimenta será amplia
 Distribución de la varianza total en el experimento

𝒀 𝒊𝒋𝒌 =𝝁+ 𝝉 𝒊 + 𝜷 𝒋 + ( 𝝉 ∗ 𝜷 ) 𝒊𝒋 +𝜺 𝒊𝒋𝒌

 
Tratamiento
Bloque Exp
Error Exp

1. La varianza debida al tratamiento mayor a la varianza del error experimental

2. La varianza debida al error experimental incluye

a. Variación entre unidades experimentales

b. Varianza dentro de los bloques

c. Variación entre mediciones debido a la forma de tomar la medida

 Evaluación productiva y económica de asociaciones alfalfa-zacates en condiciones de temporal, en verano-otoño, y
riego restringido en invierno-primavera, La Obra, Nanacamilpa, Tlax.
2m
1.5 m

Atl-Orch Cuf-Linn Cuf-Tet Atl-Linn Ara-Orch Mig-Orch Cuf-Tet Atl-Fes Ara-Tet Atl-Orch Mig-Tet Ara-Linn

Ara-Orch Mig-Orch Ara-Fes Ara-Linn Mig-Linn Ara-Fes Mig-Tet Atl-Fes Ara-Linn Ara-Orch Mig-Orch Mig-Fes

Cuf-Orch Ara-Tet Cuf-Fes Atl-Tet Cuf-Orch Atl-Orch Ara-Linn Mig-Fes Cuf-Fes Atl-Fes Atl-Linn Cuf-Tet

Mig-Linn Mig-Tet Atl-Fes Mig-Fest Ara-Tet Cuf-Fes Cuf-Linn Atl-Linn Cuf-Linn Cuf-Fes Cuf-Linn Atl-Tet

Bloque I Bloque II Bloque III

1. Atlixco-Orchardgrass (Atl-Orch)
2. Aragon-Orchardgrass (Ara-Orch)
Cuf-Tet Mig-Tet Ara-Tet Mig-Tet
3. Cuf 101-Orchardgrass (Cuf-Orch)
4. San Miguelito-Orchardgrass (Mig-Orch)
5. Atlixco-Festuca (Atl-Fes)
Atl-Tet Cuf-Linn Cuf-Orch Atl-Linn
6. Aragon-Festuca (Ara-Fes)
7. Cuf 101-Festuca (Cuf-Fes)
8. San Miguelito-Festuca (Mig-Fes)
Atl-fes Ara-Fes Ara-Linn Ara-Fes
9. Atlixco-Ryegrass Linn (Atl-Linn)
10. Aragon-Ryegrass Linn (Ara-Linn)
11. Cuf 101-Ryegrass Linn (Cuf-Linn)
Mig-Fes Mig-Orch Atl-Orch Mig-Orch
12. San Miguelito-Ryegrass Linn (Mig-Linn)
13. Atlixco-Ryegrass Tetraploide (Atl-Tet)
14. Aragon-Ryegrass Tetraploide (Ara-Tet)
Bloque IV
15. Cuf 101-Ryegrass Tetraploide (Cuf-Tet)
16. San Miguelito-Ryegrass Tetraploide (Mig-Tet)
Experimento en bloques completamente al azar
1. Evaluación de variedades de alfalfa
2. Cuatro repeticiones
3. Respuesta al ambiente físico (suelo y clima)
 Representación esquemática del trabajo a realizar en el experimento,
asociación alfalfa-zacate
2.0 m

1.5 m
Unidad

experimental

2 unidades de muestreo (UM)

Pesadas en campo
0.25 m2

Tomar una muestra de

Tomar una muestra de
1 UM (150 g c/u)
1 UM (250 g c/u)

1. Separar componentes botánicos (alfalfa, zacate y otras

1. Secar a 55º C/48 hrs
hierbas)
2. Pesar en seco
2. Separar componentes morfológicos (hoja, tallo e
3. Moler a 1 mm
inflorescencia de las forrajeras de interés)
4. Hacer determinaciones químicas
3. Secar a 55º C/48 hrs
4. Pesar en seco
5. moler a 1 mm.
Nota: 6. Hacer determinaciones químicas
1. La siembra se realizo en junio 20, 2007
2. El primer corte fue en octubre 11, 2007
3. Días transcurridos de la siembra al primer corte :113
 Modelo estadístico

”Y ”
”/
d e “X Variables de clasificación “X”
c to
Efe a) Efectos fijos
1. Asociación var. alfalfa- var. zacate
Variables de respuesta “Y”
2. Componentes (cuando fue necesario)
1. Peso fresco total (t ha ) -1

3. Interacción asociación x componentes

2. Peso seco total (t ha-1) =
b) Efectos alea toreos
3. Peso seco de componentes (t ha-1)
4. Repetición (boque)
 Forraje y maleza
5. Asociación x bloque
 Hoja, tallo e inflorescencia en forraje
6. Componente x bloque
7. Error experimental

Nota;
1. Solución al modelo estadístico con SAS, PROC MIXED (Littell et al., 2002)
2. Cuatro modelos mixtos, diferenciándose en la inclusión de componentes e interacciones
resultantes
 Fuente de variación Grados de Suma de Cuadrado Valor de F
libertas cuadrados medio
Tratamiento t - 1 SC-Trat CM_Trat CMT/CME

Error experimental t(r-1) SS-Error CM_Erro

Total (r*t)-1 SC-Total

1. Suma de todas las observaciones

4. Suma de Cuadrados total

𝑺𝒀
 
𝒊𝒋 =( 𝑮 ) =∑ ∑ 𝒀 𝒊𝒋   𝑮𝟐 𝟐
𝒊 𝒋 𝑺𝑪 𝑻𝒐𝒕𝒂𝒍 =∑ ∑ 𝒀 − 𝒊𝒋
𝒊 𝒋 𝒏
2. Factor de corrección

  ( 𝑮 )𝟐
𝑭𝑪 =
𝒏 5. Suma de Cuadrados Debida al
Error Experimental
3. Suma de Cuadrados Debida a Tratamientos
𝒕 𝟐 𝑺  𝑪 𝑬𝒓𝒓𝒐𝒓 =𝑺 𝑪 𝒕𝒐𝒕𝒂𝒍 − 𝑺 𝑪 𝒕𝒓𝒂𝒕𝒂𝒎𝒊𝒆𝒏𝒕𝒐
 
𝑺𝑪 𝑻𝒓𝒂𝒕 = ∑
(
𝑻 ∑ )
𝒊
𝑻
− 𝑭𝑪
𝒊=𝟏 𝒓𝒊
6. Cuadrados Medios de tratamiento y del error

  𝑺 𝑪 𝒕𝒓𝒂𝒕   𝑺 𝑪 𝒆𝒓𝒓𝒐𝒓
𝑪𝑴 𝒕𝒓𝒂𝒕 = 𝑪𝑴 𝒆𝒓𝒓𝒐𝒓=
𝒈 𝒍 𝒕𝒓𝒂𝒕 𝒈 𝒍 𝒆𝒓𝒓𝒐𝒓

7. Valor para F calculada

  𝑪𝑴 𝒕𝒓𝒂𝒕
𝑭𝑪 =
𝑪𝑴 𝒆𝒓𝒓𝒐𝒓
 Procedimientos para separación de medias: Pruebas de medias

1. Diferencia entre dos medias

 𝑯 𝟎 :𝝁 𝒊 =𝝁 𝒋  𝑯 𝟏 : 𝝁𝒊 ≠ 𝝁 𝒋

 
( ´𝒚 𝒊 − ´𝒚 𝒋 ) − ( 𝝁𝒊 − 𝝁 𝒋 )
𝒕=
√ 𝑴𝑺𝑬 ¿¿ ¿
1. MSE = cuadrado medio del error experimental (varianza del error)
2. ri y rj = número de repeticiones para la media i y media j
 Procedimientos para separación de medias: Pruebas de medias

2. Diferencia mínima significativa (LSD) |  ´𝒚 𝒊 − ´𝒚 𝒋|

a. Realiza una prueba ordinaria de t de todas las par de diferencias posibles

 𝑯 𝟎 : 𝝁 𝒊 =𝝁𝒉

b. Usa el valor de t para probar la hipótesis nula

𝟏 𝟏
  ´
𝑺 𝒚 ´
𝒊 − 𝒚𝒉=
√ 𝑴𝑺𝑬
( 𝒓𝒊
−
𝒓𝒉 )
 𝑳𝑺𝑫= ( 𝑺 𝒅´ ) ∗ 𝒕 𝜶
𝟐
2. Diferencia mínima significativa (LSD)

  𝑪𝑴𝑬
√
𝑺 ´𝒙 =
𝒏
𝒒  ∝, 𝒗 , 𝒌 =𝒒𝟎 .𝟎𝟓 , 𝒈𝒍𝒏, 𝒈𝒍𝒅
 Ejemplo para un Diseño Completamente al Azar

1. Se sembraron tres variedades de maíz forrajero, H-161, H-157, V-54. Se cortaron

tres plantas de cada variedad, una por repetición, a los 110 días después de la
siembra. Cada planta se pico, seco y peso en seco (g/planta; ver Cuadro).
a. Haga el esquema correspondiente a un diseño completamente al azar con tres
repeticiones
b. Escriba el modelo estadístico correspondiente
c. Resuelva el modelo para demostrar estadísticamente el efecto de la variedad de maíz
para ensilar sobre el peso seco de las plantas.
d. Comente sus resultados

Repetición H-161 H-157 V-54

1 228.5 166.5 210.0
2 379.5 305.0 151.5
3 380.0 210.0 185.0
 Procedimiento para el Análisis de Varianza

Variedades de Maíz forrajero (kg Peso seco/planta)

H-161 H-157 V-54

228.5 166.5 210.0

379.5 305.0 151.5

380.0 210.0 185.0

1. Tratamiento = variedad de maíz forrajero

𝒀
  𝒊𝒋 =𝝁+𝑽 𝒊 + 𝜺 𝒊𝒋

2. Tabla de Análisis de Varianza para el Experimento

Fuente de variación Grados de Suma de Cuadrado Valor de F

libertas cuadrados medio
Variedad Maíz Forraje t - 1 SC-Trat CM_Trat CMT/CME

Error Experimental t(r-1) SS-Error CM_Erro

Total (r*t)-1 SC-Total

1. Suma de todas las observaciones

𝑺𝒀
 
𝒊𝒋 =( 𝑮 ) =∑ ∑ 𝒀 𝒊𝒋
𝒊 𝒋

𝑺𝒀 𝒊𝒋=(𝑮)=(𝟐𝟐𝟖.𝟓)+(𝟑𝟕𝟗.𝟓)+(𝟑𝟖𝟎.𝟎)+(𝟏𝟔𝟔.𝟓)+(𝟑𝟎𝟓.𝟎)+(𝟐𝟏𝟎.𝟎)+(𝟐𝟏𝟎.𝟎)+(𝟏𝟓𝟏.𝟓)+(𝟏𝟖𝟓.𝟎)=¿
 

2. Factor de corrección

  ( 𝑮 )𝟐   = 545,628.44
𝑭𝑪 =
𝒏
 𝒕 𝟐

3. Suma de Cuadrados Debida a Tratamientos

 
𝑺𝑪 𝑻𝒓𝒂𝒕 = ∑
( ∑ )
𝑻
𝒊
𝑻
− 𝑭𝑪
𝒊=𝟏 𝒓𝒊

  = 579, 749.5 - 545,628.44 = 34,121.06

𝟐
4. Suma de Cuadrados total   𝟐 𝑮
𝑺𝑪 𝑻𝒐𝒕𝒂𝒍 =∑ ∑ 𝒀 𝒊𝒋 −
𝒊 𝒋 𝒏

𝟐 𝟐 𝟐 𝟐 𝟐
𝑺𝑪
  −𝑻𝒐𝒕𝒂𝒍=∑ ∑ 𝒀 =( 𝟐𝟐𝟖 .𝟓 ) + ( 𝟑𝟕𝟗 . 𝟓 ) +………..+ ( 𝟏𝟓𝟏.𝟓 ) + ( 𝟏𝟖𝟓 .𝟎 ) =𝟔𝟎𝟔 ,𝟕𝟓𝟕
𝒊𝒋
𝒊 𝒋

SC_Total = 606,757 – 545,628.44 = 61,128.56

5. Suma de Cuadrados Debida al Error Experimental

𝑺  𝑪 𝑬𝒓𝒓𝒐𝒓 =𝑺 𝑪 𝒕𝒐𝒕𝒂𝒍 − 𝑺 𝑪 𝒕𝒓𝒂𝒕𝒂𝒎𝒊𝒆𝒏𝒕𝒐

  61,128.56 – 34,121.6 = 27,006.96

Llenando la tabla de análisis de varianza

Fuente de variación Grados de Suma de Cuadrado Valor de F Valor F

libertas cuadrados medio tablas
Tratamiento 2 17,060.53 3.7902 5.14
34121.06
Error experimental 6 4,501.25
27007.50
Total 8
61128.56
Peso s p o r p lan ta (g) Resultados del Análisis de Varianza

Conclusión sobre efecto de tratamiento

Rechaza H0
Acepta H0
350
300 Fc < Ft Fc > Ft
250
200
150 No diferencias Diferencias
100
50
0
H-161
H-157
V-54
Valor de F de
Variedad de Maíz
tablas (α = 0.05)

Conclusión: No hay diferencia entre variedades para el

peso seco de las plantas de maíz.

FC vs FT
3.7902 < 5.14
El siguiente paso consiste en hacer una prueba de
hipótesis para las medias
Ejemplo para un Diseño Completamente al Azar con Arreglo Factorial

Nivel fertilización
Estación Rep 0 60 90
Seca 1 4.89 6.01 6.71
2 2.60 6.62 6.69
3 4.54 5.67 6.79

Humeda 1 4.99 6.35 6.07

2 3.5 6.32 5.97
3 5.36 6.58 5.89

1. Factor 1: estación del año

a. Dos niveles: seca y húmeda
2. Factor 2. Fertilización nitrogenada
a. Tres niveles de nitrógeno: 0, 60 y 90 kg/ha
3. Variable de respuesta
a. Rendimiento de grano de arroz t/ha
 Cálculos a Realizar para Demostrar el Efector del Tratamiento

1. Suma de todas las observaciones

5. Suma de Cuadrados debido a le
𝑺𝒀 𝒊𝒋 =(𝑮)=∑ ∑ ∑ 𝒀 𝒊𝒋𝒌
 
estación del año
𝒊 𝒋 𝒌
  𝑬𝒓𝒊𝒋𝒊𝒋
2. Factor de corrección
𝑺𝑪 − 𝑬𝒔𝒕𝒂𝒄𝒊 ó 𝒏=∑ ∑ − 𝑭𝑪
𝒊 𝒋 𝒓 𝒊𝒋
  ( 𝑮 )𝟐
𝑭𝑪 =
𝒏 6. Suma de Cuadrados debido a le

3. Suma de Cuadrados Debida a Tratamientos Fertilización

𝑭 𝒓𝒊𝒋𝒊𝒋
𝒕 𝟐
 
 
𝑭 ( ∑ )𝑬
𝒊
𝑻
𝑺𝑪 − 𝑭𝒆𝒓𝒕𝒊𝒍𝒊𝒛𝒂𝒄𝒊 ó 𝒏=∑ ∑ − 𝑭𝑪
𝑺𝑪 − 𝑻𝒓𝒂𝒕 = ∑∑ 𝒓𝒊
− 𝑭𝑪 𝒊 𝒋 𝒓 𝒊𝒋
𝒊=𝟏 𝒋=𝟏

7. Suma de Cuadrados debido a le

4. Suma de Cuadrados Total
interacción
𝟐
  𝑮
𝑺𝑪 −𝑻𝒐𝒕𝒂𝒍=∑ ∑ ∑ 𝒀 𝟐𝒊𝒋𝒌 − SC_Inter = SC_trar – (SC_Fer + SC_Est)
𝒊 𝒋 𝒌 𝒏
 Cálculos a Realizar para Demostrar el Efector del Tratamiento

Fertilización N
Estación del año Rep 0 60 90 Suma Estación
Seca 1 4.89 6.01 6.71
2 2.60 6.62 6.69
3 4.54 5.67 6.79
Suma Yij 12.03 18.30 20.19 50.52

Humeda 1 4.99 6.35 6.07

2 3.5 6.32 5.97
3 5.36 6.58 5.89
Suma Yij 13.85 19.25 17.93 51.03

Suma de observaciones 101.55

Suma Fertilización 25.88 37.55 38.12
 1. Suma de todas las observaciones
𝑺𝒀
 
𝒊𝒋 =(𝑮)=∑ ∑ ∑ 𝒀 𝒊𝒋𝒌
𝒊 𝒋 𝒌

𝑺𝒀 𝒊𝒋=( 𝑮 ) =( 𝟒 .𝟖𝟗 )+( 𝟐 .𝟔𝟎)+( 𝟒 .𝟓𝟒 )+ …………+( 𝟔 .𝟎𝟕 )+ ( 𝟓.𝟗𝟕 )+ ( 𝟓.𝟖𝟗) =𝟏𝟎𝟏.𝟓𝟓
 

2. Factor de corrección

  ( 𝑮 )𝟐
𝑭𝑪 =   = 572.91
𝒏

𝒕 𝟐
3. Suma de Cuadrados Debida a Tratamientos  
𝑺𝑪 − 𝑻𝒓𝒂𝒕 =
𝑭

∑∑
( ∑ )
𝑬
𝒊
𝑻
− 𝑭𝑪
𝒊=𝟏 𝒋=𝟏 𝒓𝒊

𝟐 𝟐 𝟐 𝟐 𝟐 𝟐
(𝟏𝟐 . 𝟎𝟑 ) ( 𝟏𝟖 .𝟑𝟎 ) ( 𝟐𝟎. 𝟗𝟑 ) ( 𝟏𝟑 . 𝟖𝟓 ) ( 𝟏𝟗 . 𝟐𝟓 ) ( 𝟏𝟕 . 𝟗𝟑 )
𝑺  𝑪𝑻𝑹𝑨𝑻 = + + + + + =𝟓𝟗𝟎 .𝟑𝟕
𝟑 𝟑 𝟑 𝟑 𝟑 𝟑

𝑺  𝑪𝑻𝑹𝑨𝑻 =𝟓𝟗𝟎 .𝟑𝟕 − 𝟓𝟕𝟐. 𝟗𝟏=𝟏𝟕 . 𝟒𝟔

   𝟐𝑮𝟐
4. Suma de Cuadrados Total 𝑺𝑪 −𝑻𝒐𝒕𝒂𝒍=∑ ∑ ∑ 𝒀 −𝒊𝒋𝒌
𝒊 𝒋 𝒌 𝒏
  𝟐 𝟐 𝟐 𝟐 𝟐 𝟐 𝟐
∑ ∑ ∑ 𝒀 =(𝟒 .𝟖𝟗) +(𝟐 .𝟔𝟎 ) +( 𝟒.𝟓𝟒 ) +……………+(𝟔.𝟎𝟕) +(𝟓 .𝟗𝟕 ) +(𝟓.𝟖𝟗) =𝟓𝟗𝟓.𝟖𝟖
𝒊𝒋𝒌
𝒊 𝒋 𝒌
  = 22.97

5. Suma de Cuadrados debido a le estación del año

  𝑬𝒓𝒊𝒋
𝒊𝒋
𝑺𝑪 − 𝑬𝒔𝒕𝒂𝒄𝒊 ó 𝒏=∑ ∑ − 𝑭𝑪
𝒊 𝒋 𝒓 𝒊𝒋

  (𝟓𝟎 . 𝟓𝟐 )𝟐 ( 𝟓𝟏. 𝟎𝟑 )𝟐 ( 𝟏𝟎𝟏 . 𝟓 )𝟐

𝑺 𝑪 𝒆𝒔𝒕𝒂𝒄𝒊 ó 𝒏 = + − =𝟎 . 𝟎𝟏𝟒𝟓
𝟗 𝟗 𝟏𝟖
6. Suma de Cuadrados debido a le Fertilización   𝑭 𝒓𝒊𝒋𝒊𝒋
𝑺𝑪 − 𝑭𝒆𝒓𝒕𝒊𝒍𝒊𝒛𝒂𝒄𝒊 ó 𝒏=∑ ∑ − 𝑭𝑪
𝒊 𝒋 𝒓 𝒊𝒋
  ( 𝟐𝟓 .𝟖𝟖 ) 𝟐 (𝟑𝟕 .𝟓𝟓 )𝟐 ( 𝟑𝟖 . 𝟏𝟐 )𝟐 (𝟏𝟎𝟏 . 𝟓𝟓 )𝟐
𝑺 𝑪 𝑭𝒆𝒓𝒕𝒊𝒍𝒊𝒛𝒂𝒄𝒊 ó 𝒏 = + + − =𝟏𝟓 . 𝟗𝟎𝟕𝟑
𝟔 𝟔 𝟔 𝟏𝟖

7. Suma de Cuadrados debido a le interacción

SC_Inter = SC_trar – (SC_Fer + SC_Est)

𝑺  𝑪𝒊𝒏𝒕𝒆𝒓 =𝟏𝟕 . 𝟒𝟔 − ( 𝟏𝟓 . 𝟗𝟎𝟕𝟑 −𝟎 . 𝟎𝟏𝟒𝟓 )=𝟏. 𝟓𝟑𝟖𝟐

8. Suma de Cuadrados debido al Error Experimental

SC_Inter = SC_Total – SC_Trat)

SC_Inter = 22,9691 - 17.46 = 5.5091

 Tabla de Análisis de Varianza

Fuente de variación Grados de Suma de Cuadrado Valor de F Valor F

libertas cuadrados medio tablas
Fertilización Nitrógeno
2 7.9536 17.3247 3.885
Estación del año
1 0.0145 0.03158 4.747
Fertilización x Estación
2 0.7691 1.6752 4.747
Error Experimental
12 5.5091 0.45909
Total
17 22.97
Conclusión sobre efecto de tratamiento

Rechaza H0
1. Conclusiones Acepta H0
Fc < Ft Fc > Ft
a. Efecto de fertilización Nitrogenada: 17.32 > 3.885
 Hay efecto de la fertilización sobre rendimiento de grano
b. Efecto de estación del año: 0.031 < 4.747
 No hay efecto de la estación del año sobre el rendimiento de No diferencias Diferencias

grano
c. Efecto de la interacción Fertilización x Estación: 1.675 < 4.747
 No hay efecto de la interacción sobre rendimiento de grano
Valor de F de
tablas (α = 0.05)