LINEAMIENTOS

GENERALES PARA LA
PLANEACION DE DISEÑOS
EXPERIMENTALES
 .
Método científico:
filosofía común para
hacer investigación.
La investigación puede
definirse como el • El procedimiento para
estudio sistemático de la investigación se
un fenómeno o sujeto conoce como METODO
con el fin de descubrir CIENTIFICO.
nuevos hechos o
principios.
 ETAPAS DEL METODO CIENTIFICO
1. OBSERVACION: 3. EXPERIMENTACION: se
estudio de los reproduce en forma
fenómenos tal y como artificial los fenomenos
se presentan en con el objeto de probar
condiciones naturales. hipotesis.
2. PLANTEAMIENTO DE 4. ANALISIS E
HIPOTESIS: plantear INTERPRETACION DE
teorías tentativas que RESULTADOS: Objetivo:
permiten explicar los emitir conclusiones.
fenómenos.
 Ej. Del METODO CIENTIFICO
PLANTAS DE MAIZ
Experimentación: plantas con
ATACADAS POR alturas de 15, 40 y 60 cms. Se
COGOLLERO: les aplico un tratamiento de
0, 25 y 100 % de disminución
Observación: observación de lamina foliar. (tratamiento:
defoliación)
de campo: plantas y Análisis e Interpretación de
cogollero. Reducción del Resultados.
área foliar y observar
A la etapa de experimentación es
rendimientos. necesario planificarla y a la
Hipótesis: la reducción del planificación de la
experimentación se le llama
área foliar no provoca DISEÑOS EXPERIMENTALES.
reducción del
rendimiento.
 .
DISEÑO EXPERIMENTAL:
Es planificación de un
experimento de tal manera
que reúna la información
pertinente del problema
bajo investigación.
NECESIDAD DE DISEÑOS
EXPERIMENTALES:
1. En estudios de
adaptabilidad de especies y
variedades.
2. Comparación de
variedades.
3. Fertilización: dosis,
épocas de aplicación,
sistemas de aplicación.
(herbicidas, insecticidas,
fungicidas, cualquier
otro insumo).
4. Practicas Agrícolas:
comparación entre
diferentes métodos de
siembra, diferentes
densidades de siembra,
diferentes sistemas de
riego, diferentes
sistemas de poda.
 CONCEPTOS BASICOS
FACTOR: variable 2. Densidades de siembra
independiente bajo de maíz. Las densidades a
estudio. comparar son:
TRATAMIENTO: son las 40,000 plantas/ha
modalidades de un factor. 50,000 plantas/ha
1. Híbridos de maíz: H-3. HB- 55,000 planta/ha
11, HB-33, H-5.
Factor: densidades
Factor: Híbridos de maíz.
Tratamientos: cada una de
tratamientos: c/u de las var.
las densidades.
(5 tratamientos)
 .
3. Fechas de siembra: 5. Diferentes niveles de N
15 de abril y P:
5 de mayo N P
10 de mayo 0 0
80 20 kg/ha
4. Sistemas de riego: 100 25 kg/ha
Goteo
Aspersión
gravedad
 .
EXPERIMENTOS VARIABLE RESPUESTA: es
SIMPLES: Solo el resultado producido
tenemos un solo por el efecto del
factor bajo estudio. tratamiento y es la
característica que
EXPERIMENTO vamos a medir.
FACTORIAL: Existen UNIDAD EXPERIMENTAL:
mas de dos factores es aquella unidad a la
bajo estudio. cual se le aplica un solo
SIMETRICOS tratamiento en una
repetición. (parcela)
ASIMETRICOS
• Regresión lineal simple: • Análisis de correlación:
nos sirve para medir el grado de asociatividad
entre 2 variables.
Rend.
Peso

Rend . Área
Foliar

NITROGENO
Raciones (proteina)
Dosis (insecicida) peso de la hoja
Analis de regresion: Sirve para estudiar los cambios
que se producen en la var. dependiente ante los En estos estudios usamos correlación ya que nos
cambios de la otra variable (variable interesa la asociatividad ene las 2 variables.
independiente). A la var. Indep. Nosotros la No importa donde se coloca la var. independiente.
podemos cambiar.
 PRINCIPIOS BASICOS DEL DISEÑO
EXPERIMENAL (3)
1. REPETICION: El objetivo PRINCIPALES FUENTES DEL
de la repetición es ERROR EXPERIMENTAL:
proporcionar una 1. Falsedad en la suposición
estimación del Error de que las U. E. son
Experimental. homogéneas.
ERROR EXPERIMETAL: Es 2. Errores asociados a
una variación no mediciones físicas.
controlada entre 3. Imposibilidad de manejar
unidades experimentales
exactamente igual a las U.
bajo el mismo E.
tratamiento.
4. Factores incontrolables.
 .

A B C
2. ALEATORIZACION: es un
procedimiento A B C

mediante el cual A B C
asignamos al azar los
tratamiento a las
unidades A C B
experimentales C B A
Tratamientos: ABC B A C
 .
3. CONTROL LOCAL: es el grado
de bloqueo, agrupamiento y
balanceo de las U. E. de un
experimento.
Mediante el bloqueo se pretende
agrupar U.E. homogéneas,
para formar bloques de tal
manera que exista
homogeneidad dentro bloques
y heterogeneidad entre
bloques. Los bloques hay que
trazarlos en forma
perpendicular (forma ángulo
de 90⁰)al gradiente.
BALANCEO: que exista balance
dentro de las U E. , es decir
que cada tratamiento sea
repetido el mismo numero de
veces. Con el balanceo se trata
también de disminuir el error
experimental.
COOPERACION: buscar ayuda
cundo existen dudas acerca
del diseño, la ejecución o el
análisis de un experimento. No
se espera que seamos
expertos estadísticos, pero
debemos saber lo suficiente
para entender los importantes
principios de la
experimentación científica.
 ETAPAS FUNDAMENTALES DE LA
EXPERIMENTACION
1. ESPECIFICACION
DELPROBLEMA.
a. Definición del problema
b. Importancia
c. Hipótesis
d. Objetivos
2. REVISION BIBLIOGRAFICA.
3. PLANTEAMIENTO DEL
EXPERIMENTO:
a. Localización del experimento.
b. Factores y trats.
c. Diseño experimental.
d. Tamaño del experimento ( # de
repeticiones, y tamaño de
parcela)
e. Materiales (instrumentos,
equipo, insumos, etc.)
f. Método de evaluación de
resultados (variables a medir,
metodología, etc.)
4. CONDUCCION DEL EXPERIMENTO
5. ANALISIS E INTERPRETACION DE
RESULTADOS: análisis
estadístico, agronómico y
económico.
6. CONCLUSIONES Y
RECOMENDACIONES.
7. ELABORACIONDE UN INFORME
ESCRITO DEL ESTUDIO.
 DISEÑO DE BLOQUES COMPLETOS
AL AZAR (DBCA)
1. Las U. E. se distribuyen en Cuando se debe usar:
grupos homogéneos llamados
bloques, de tal manera que el Se debe usar siempre que
# de U. E. por bloque es igual exista una causa real
al # de tratamientos por para bloquear.
estudiar.
2. Los tratamientos se asignan Ejs. Bloquear una causa de
al azar dentro de cada fertilidad, pendiente,
bloque, es decir que cada gradiente de salinidad.
tratamiento aparece en todos
los bloques o cada bloque
recibe todos los tratamientos. DBCA: 90%
RECOMENDACIONES PARA EL USO
DEL DBA
.
1. Se deben construir los
bloques en sentido
perpendicular al
gradiente.
 F.V. G. L.
2. Las U.E. dentro de cada Tratamientos t-1
bloque deben de ser Bloques r-1
tratadas lo mas Error (t-1) (r-1)
uniformemente posible Total rt-1

con respecto a las

practicas agrícolas,
desde la siembra hasta
la cosecha. (t-1)(r-1)> o= 12
3. Para determinar el # de
bloques debemos seguir
una regla que nos dice:
Gle > o = 12
 VENTAJAS y DESVENTAJAS DEL
VENTAJAS
DBCA
1. Es mas eficiente que el DESVENTAJAS
diseño completamente al 1. NO es adecuado cuando
azar. existe un numero
2. Su análisis estadístico es elevado de
fácil. tratamientos, como
3. Si se pierde un bloque máximo deben hacerse
completo o un
12 tratamientos,
tratamiento completo o
algunas U.E. el análisis
generalmente 16 trats.
estadístico no se altera
demasiado.
 COMO REALIZAR LA
ALEATORIZACION EN EL DBCA
I II III IV
1. Formar los bloques:
C B
agrupar las U.E.
D A
homogeneas. A D
2. Distribuir al azar los B C
tratamientos dentro
de cada grupo, por ej.
4 fungicidas:
I= 3, 4, 1, 2
II= 2, 1, 4, 3
Modelo estadístico
. Yij = variable de respuesta observada o
• El modelo asociado a
este diseño
experimental se
muestra a continuación:
Yᵢj = μ + τi + βj + εᵢj
i = 1, 2, 3, . . . , t
j = 1, 2, 3, . . . , r
medida en el i-ésimo tratamiento y el j-
ésimo bloque.
μ = media general de la variable de respuesta
τi = efecto del i-ésimo tratamiento
βj = efecto del j-ésimo bloque
εij = error asociado a la ij-ésima unidad
experimental.
Supuestos:
εij ~ NID (0, σ2)
Los errores son independientes y
normalmente distribuidos, con media
cero y varianza constante
(homogeneidad de varianzas).
No existe interacción entre bloque y
tratamiento (*)
(*) Significa que un tratamiento no debe
modificar su acción (o efecto) por estar en
uno u otro bloque.
TABLA DE DATOS DBCA
formulas
TABLA DE ANDEVA PARA UN DBCA
 EJEMPLO

Si Fc > o = que F tabulada se recha Ho

 EJEMPLO

Se evaluaron 4 variedades
de maíz:
1. ICTA B-1
2. ICTA B-11
3. Opaco
4. ICTA B-33

Maíz con muchas mazorcas.

 .
• Datos en Kg por parcela I II III IV V
util (20 m²) fueron los 3 3 1
1 4
siguientes: 32.3 26.0 35.3 32.3 36.5
3 3 2 4 2

30.8 34.3 36.3 28.0 34.5

2 1 1 1 3

33.3 34.0 34.3 35.0 35.8

4 2 4 2 4

29.3 33.0 29.8 36.8 28.8

Ordenar los datos en una tabla de
datos
  Tratamientos
BLOQUE 1 2 3 4Y.J
I 32,3 33,3 30,8 29,3 125,7
II 34 33 34,3 26 127,3
III 34,3 36,3 35,3 29,8 135,7
IV 35 36,8 32,3 28 132,1
V 36,5 34,5 35,8 28,8 135,6
Yi. 172,1 173,9 168,5 141,9 656,4
Yi. 34,42 34,78 33,7 28,38 32,82

Ho= t =t =t =t =t
1 2 3 4 5

HA= t t
i para algún i=1,2,3,4
 ANDEVA

TABLA DE ANDEVA
Ft
F.V. G.L. S.C. C.M FC 0.05 0.01
BLOQUES 4 21.46
TRATAS. 3 134.44 44.81 20.46 3.49 5.95 **
ERROR 12 26.27 2.19
TOTAL 19 182.17 Ho= t1=t2=t3=t4=t
HA= ti t para algún i=1,2,3,4
Regla de Decisión
Rechazar Ho. Sí el valor de Fc ≥ Ft (gl trat; gl error; α)
No Rechazar Ho. Sí el valor de Fc < Ft (gl trat; gl error; α)

FC > O = FT SE RECHA LA HIPOTESIS NULA

Conclusión: los datos del experimento nos indican que existen diferencias
altamente significativas al 0.01 entre las variedades evaluadas.
 Coeficiente de variación:
El C.V. es un índice del
manejo que se le ha dado
al experimento.
ට𝐶𝑀𝐸 4.51%
𝐶.𝑉.= X100 Conclusión: el experimento
𝑌.. fue bien manejado.
1. Para cereales y granos
C.V. < o = 15 %
2. Hortalizas C.V.< o = 20%
3. Animales C.V. < o = 25%
 PRUEBAS DE COMPARACIONES
MULTIPLES
• TUKEY: Mantiene sus
• DMS: Tiene niveles de significancia variables. niveles de significancia
• DUNCAN: Presenta el mismo problema. constantes
• TUKEY independientes del
numero de
• S-N-K (STUDENT, NEWMAN, KEWLS): es menos
exigente que tukey. comparaciones. Es mas
• DUNETT: es utilizada en comparaciones exigente que las otras
contra un testigo, es decir comparar todos los
tratamientos contra el testigo, no se puede comparar
entre trats.
pruebas de medias.
• SCHEFFE: se usa para comparaciones entre
grupos, tiene el mismo fundamento que los contrastes
ortogonales.
PRUEBA DE TUKEY: se utiliza para hacer todas las comparaciones posibles
entre pares de tratamientos.

• Del ejemplo anterior:

w = 𝑞(𝑡, 𝐺𝐿𝑒)∞ . sx • t=4
• Gle=12
• CMe= 2.19
Valor tabular Error estándar. • r= 5
de las tablas.

• q= 4.20
ඥ𝐶𝑀𝐸 • Sx= 0.66
𝑆𝑋. =
𝑟 • W=2.77
2. Calcular la diferencia ente las
medias
ICTA B-11 ICTA B-1 OPACO ICTA B-33
34.78 34.42 33.7 28.38
ICTA B-33 28.38 6.40 * 6.04 * 5.32 * 0
OPACO 33.7 1.08 N.S. 0.72 N.S. 0
ICTA B-1 34.42 0.36 N.S. 0
ICTA B-11 34.78 0
3. DEFINIR LA REGLADE DECISIÓN

Si : diferencia entre medias es > o = W : existe diferencias significativas.

Si : diferencia entre medias es < W No existe diferencias significativas.

Icta B-11 e Icta B-1 y Opaco Diferencia es > W: 6.4 >2.77 por lo que hay
significancia.
 4. Presentación de resultados

a. Unir con la misma letra tratamientos que sean iguales.

NOTA: entre tratamientos con igual letra no existe diferencia
significativa al 0.05
5. Conclusiones y recomendaciones.
• Conclusiones;
1.No existe diferencia significativa al 0.05 entre las
variedades: ICTA B-11, ICTA B-1 y OPACO.
2.La variedad ICTA B-33 es significativamente inferior
que las otras variedades.
Recomendaciones:
1.Usar cualquiera de las siguientes variedades: ICTA
B-11, ICTA B-1 y Opaco.
2.No es conveniente utilizar ICTA B-33
 Aplicando la prueba de tukey
Se tiene los siguientes datos de un experimento en completamente al azar, en
el que se evaluaron 6 variedades de arroz, los promedios en kilogramos
por parcela y los datos del ANDEVA fueron los siguientes:

A B C D E F
Yi. 19.9 24.0 13.3 14.6 28.8 18.7
r= 5
CMe= 11.79
Gle= 24
t=6
dbca
DISEÑO DE BLOQUES AL AZAR

INFOSTAT
DBCA
 DBCA
MINITAB
 DBCA

Cuadro 9: Rendimiento en Toneladas

de caña por hectárea, caña plantilla,
finca Margaritas.
 BLOQUES

Variedad I II III IV

CGSP98-08 177 182 182 166

CG00-032 136 158 141 156

CGSP-98-05 166 193 158 186

CGSP-98-16 195 213 176 185

CG00-120 231 213 216 188

CG00-129 175 172 168 155

CG00-001 170 171 179 185

CG00-092 190 206 208 196

CG99-045 164 163 179 175

CG00-028 199 189 226 208

CG00-044 188 181 208 192

CG-99-014 210 203 191 210

PR75-2002 249 217 227 231

CP72-2086 161 165 194 179

BLOQUE VARIEDAD TCH-REND.
I CGSP98-08 177
I CG00-032 136
I CGSP-98-05 166
I CGSP-98-16 195
I CG00-120 231
I CG00-129 175
I CG00-001 170
I CG00-092 190
I CG99-045 164
I CG00-028 199
I CG00-044 188
I CG-99-014 210
I PR75-2002 249
I CP72-2086 161
II CGSP98-08 182
II CG00-032 158
II CGSP-98-05 193
II CGSP-98-16 213
II CG00-120 213
II CG00-129 172
II CG00-001 171
II CG00-092 206
II CG99-045 163
II CG00-028 189
II CG00-044 181
II CG-99-014 203
II PR75-2002 217
II CP72-2086 165
III CGSP98-08 182
III CG00-032 141
III CGSP-98-05 158
III CGSP-98-16 176
III CG00-120 216
III CG00-129 168
III CG00-001 179
III CG00-092 208
III CG99-045 179
III CG00-028 226
III CG00-044 208
III CG-99-014 191
III PR75-2002 227
III CP72-2086 194
IV CGSP98-08 166
IV CG00-032 156
IV CGSP-98-05 186
IV CGSP-98-16 185
IV CG00-120 188
IV CG00-129 155
IV CG00-001 185
IV CG00-092 196
IV CG99-045 175
IV CG00-028 208
IV CG00-044 192
IV CG-99-014 210
IV PR75-2002 231
IV CP72-2086 179
 DBCA

NEMATODOS
DATOS ORDENADOS EXEL
Abrir InfoStat
Archivo y nueva tabla
Copiar el cuadro de exel y pegarlo
en InfoStat
 Dbca en mango
Dentro de los estándares de calidad del fruto de mango (Mangífera indica L.)
para que sea exportable como fruto de primera debe cumplir con lo
siguiente: poseer por lo menos un 20% de coloración rojiza, sin ningún daño
mecánico y que no se encuentre manchado; en la región de la costa sur esta
el problema de la falta de coloración rojiza del fruto, por lo cual se llevo a
cabo una investigación en el cultivo de mango (Mangífera indica L. var.
Tommy atkins) en la cual se evaluó el efecto de la fertilización foliar en la
época de floración crecimiento del fruto sobre la calidad del fruto.
Una de las variables de respuesta evaluadas fue el número de frutos con
coloración roja. Se
utilizó el diseño de bloques al azar debido a que existe una gradiente de
variabilidad en la
plantación. Los resultados obtenidos se presentan a continuación: