Unidad 2/Zona sur/ Grupo.

300004_65

Tarea 3 – Fase 3 -
Aplicación del diseño
cuadrado latino y el
experimento factorial.
Luisa Fernanda Bolaños C
Dayra Katherin Campos R
Leonardo Ramos
Pitalito – Abril del 2022
 Introducción

En el siguiente trabajo se lograra poner en practica y comprender la importancia que tiene Diseño
Experimental, utilizando el programa R en la estadística y así realizar una investigación. Se logra
concluir por medio de la correlación de los diferentes datos principalmente en los diseños de cuadros
latinos y diseños factoriales, así mismo pasando por su modelo e implementando a cada uno de ellos en
ejercicios trabajándolos en el programa R.
 Objetivo

Objetivo general
• Aplicar los elementos esenciales para el uso del diseño de cuadrados Latino y Diseños Factoriales
en el campo agropecuario con la ayuda de programas tecnológicos como lo es R.

Objetivos específicos
• Conocer y entender los elementos esenciales para hacer uso de Diseños de cuadros latinos y
Diseño factoriales.
• Conocer y entender los elementos esenciales para hacer uso de diseños factoriales
• Entender cómo poner en práctica el uso de diseños de cuadros latinos y diseños factoriales en el
trabajo de campo en las ciencias agropecuarias con la ayuda del programa R.
Experimento bajo el Diseño cuadrado latino.
Se realizo un experimento bajo el Diseño Latino, se evaluara 5 diferentes tratamientos de
fertilizantes del cultivo de Café variedad Colombia. Por medio de un diseño de cuadrado
latino de tamaño 5*5. La variable medida corresponde al rendimiento(Producción) en
kilogramos para cada una de las unidades experimentales

5 tipos de fertilizantes:
F1= NPK+ Menores+ Regulador de pH.
F2= NPK+ Menores.
F3= NPK.
F4= Fertilizante orgánicos.
F5=Sin fertilizantes.
6. El GRUPO debe descargar de la columna siguiente el código latino y archivo de
datos que para este punto es cuadro, este archivo debe abrirse en Excel y verificar
su estructura, estos archivos los guardará en su carpeta de trabajo
Análisis de varianza
Al analizar el valor del comportamiento del
valor p que da 0.745 ósea que es mayor a 0.05
no se rechaza la hipótesis nula, y se concluye
que todas las filas se comportan igual, de igual
manera para las columnas se comportan iguales
ya que su P valor es mayor a 0,05 en el caso del
tratamiento el valor P es menor a 0.05 lo cual se
rechaza la hipótesis nula y de puede decir que
con un 95 por ciento se concluye que los
tratamientos en prueba se comportan de manera

diferente.
Test de Shapiro wilk – supuesto de normalidad

Donde el p valor debe ser mayor a 0,05

entonces al hacer el análisis se verifica
la normalidad por el test de Shapiro
porque hay presencia de pocos datos
ósea menos de 50 datos, donde el p
valor es mayor a 0,05 ya que nos da un
valor de 0.3431, entonces no se rechaza
la hipótesis nula Y con un 95 de
confianza se concluye que los
residuales se comportan acorde a la
distribución normal.
Supuesto de varianza constante – Test de Levene

Donde el valor de P debe ser

mayor a 0,05 donde el p valor es
mayor 0.3647 entonces no se
rechaza la hipótesis nula y se
concluye que los residuales del
análisis de varianza presentan una
varianza constante.
Prueba de comparación de medias
Del resultado obtenido se puede afirmar
que el mejor tratamiento es F2 (22.6) en
términos de rendimiento y también vemos
que los Tratamientos 1 (F1- NPK + 30 mg
bb-16) y 2 (F2- NPK + 45 mg bb-16) se
comportan de la mimas forma, los
Tratamientos 3 (F3- NPK + 60 mg bb-16) y
4 (F4-NPK.), también se comportan de la
misma manera, pero entre estos y el
Tratamiento 5 (F5- Sin fertilizantes), se
concluir que existe un comportamiento
diferente.
Aquí podemos ver claramente
que el tratamiento número 2 es
el mejor tratamiento.
7. Experimento bajo Bifactorial con diseño de bloques
al azar.
Se realiza un experimento tomando en cuenta dos variedades de Maíz V1=Maíz común y
V2=Maíz hibrido, con el fin de evaluar la eficacia del fertilizante Yara en el sostenimiento del
cultivo y posterior llenado de frutos. Analizado por bloques con dosis de D1=90g y D2=110g.
Dosis de Yara: D1=90g y D2=110g
Variable analizada: Rendimiento (Producción) del fertilizante.
Para cada una de las variables que se desea estudiar, se prueba la siguiente hipótesis:
Ho: V1 = V2 vs Hl: V1 ≠ V2 Ho: D1 = D2 vs
Hl: D1 ≠ D2
Ho: No hay interacción vs Hl: si hay
interacción.
Tabla de datos
Datos Excel.
Ejecución del Script por medio del programa R.
Análisis de varianza.
Se puede analizar que el valor de P es mayor a

0,05 ósea de 0.7372, lo cual se llega a la

conclusión que no se rechaza la hipótesis nula

y que los bloques se comportan de igual

manera, para el favor variedad y Biobras el P

es menor al 0.05 lo cual rechaza la hipótesis

nula y para la variedad 1 es diferente de la

variedad

2. En la variedad biobras también están por

debajo del 0,05 entonces se concluye que hay

un bajo rendimiento.
Validación de supuestos del modelo (Shapiro).

Este caso se verifica por el test de Shapiro

ya que hay un número de residuales
menor a 50, y vemos que no se rechaza la
hipótesis nula, ya que el valor de p es
mayor a 0.05 ósea 0.8718 y se concluye
que los residuales de análisis de varianza
se comportan por una distribución normal.
Validación de supuestos del modelo (Test
Levene).

Este se realiza por medio del test de

levene donde el p valor debe ser mayo a
0,05 entonces vemos la varianza
constante para los dos factores variedad
y Yara, en caso de variedad como su
valor es mayor a 0.05 ósea 0.9827
entonces no se rechaza la hipótesis y se
concluye que los residuales se
comportan acorde a una varianza
constante.
Prueba de comparación de medias. (Test de
Turkey simple).

El punto que se puede ver con la prueba de Tukey es para elementos simples con la misma letra, pero podemos ver que D1 y D2
tienen letras diferentes, por lo que tienen comportamientos diferentes.
Prueba de comparación de medias. (Test de
Turkey múltiple).

Cuando P es inferior a 0,05, los pares a comparar son diferentes. Entonces, hay pares por debajo de 0,05, por lo que estos son los
pares que se compararán y también hay pares por encima de 0,05 donde cada par es diferente.
 Conclusiones

• En el desarrollo del trabajo, se puede decir que estos dos tipos de diseños
experimentales son fundamentales para un mejor desarrollo, unos buenos
profesionales a futuro ya que esto serán herramientas necesarias y de un
gran apoyo cuando estemos desenvolviéndonos en nuestra profesión.
• El entendimiento y diferenciar la aplicación de estos dos diseños; es saber
cual poder aplicar en cada caso y así tomar la decisión de cual poner en
marcha, esto nos ayuda para nuestros proyectos a futuro.
• Es primordial saber cómo poner en práctica estas herramientas tecnológicas
en el campo de las ciencias agropecuarias para poder sacar el mejor
provecho a cada situación.
 Bibliografías

• Ruesga González, I. (2007). Libro de experimentación agrícola. La

Habana, Cuba: Editorial Universitaria. Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/71309
• Deaza, D. (2020). 300004_OVIDiseño experimental cuadrado latino.
Recuperado de: https://repository.unad.edu.co/handle/10596/33974
• Enlace de la segunda web conferencia del curso Diseño Experimental.
https://adobe.ly/3pAxdFy
¡GRACIAS POR SU ATENCIÓN!