DISEÑO EXPERIMENTAL

CONCEPTOS BASICOS:
DISEÑO DEL EXPERIMENTO
 Este término se utiliza para planear un experimento de manera que se pueda
obtener la información pertinente a un determinado problema que se investiga
y así tomar decisiones correctas.
 El diseño adecuado del experimento es una etapa fundamental de la
experimentación, que permite el suministro correcto de datos a posteriori, los
que a su vez conducirán a un análisis objetivo y con deducciones válidas del
problema.
UNIDAD EXPERIMENTAL
 La unidad experimental, es el objeto o espacio al cual se aplica el tratamiento
y donde se mide y analiza la variable que se investiga. En los experimentos
pecuarios la unidad experimental por lo general esta conformada por un
animal (cuye, cerdo, pato, etc.), en los experimentos forestales la unidad
experimental en la mayoría de los casos esta conformado por un árbol y en la
mayor de las pruebas de campo agrícolas, la unidad experimental es una
parcela de tierra en lugar de una planta individual; es en este último caso que
con frecuencia se presenta lo que se llama efecto deborde.
EXPERIMENTO:
 Es un estudio de investigación en el que se manipulan deliberadamente una o mas
variables independientes para analizar las consecuencias que la manipulación tiene
sobre una o mas variables dependientes˛ dentro de una situación de control para el
investigador.
UNIDAD EXPERIMENTAL:
 Son los objetos, individuos, intervalos de espacio o tiempo sobre los que se
experimenta.
VARIABLE DE INTERÉS O RESPUESTA:
 Es la variable que se desea estudiar y controlar su variabilidad.
FACTOR:
 Son las variables independientes que pueden influir en la variabilidad de la variable de
interés.
FACTOR TRATAMIENTO:
 es un factor del que interesa conocer su influencia en la respuesta.
FACTOR BLOQUE:
 es un factor en el que no se está interesado en conocer su influencia en la respuesta
pero se supone que ésta existe y se quiere controlar para disminuir la variabilidad
residual.
Efecto de Borde
 En los experimentos agrícolas, muchas veces existen diferencias en el crecimiento y la
producción de las plantas que están situadas en los perímetros de la parcela en relación
con aquellas plantas situadas en la parte central; esta diferencia es llamado efecto de
borde y puede causar sobre-estimación o sub-estimación de las respuestas de los
tratamientos, llegando con esto a comparaciones sesgadas entre ellos.
 El efecto de bordes puede ser causado por:
• Vecindad de las parcelas ó áreas no cultivadas, que hace que las plantas en los
perímetros tengan menor competencia de luz y nutrientes.
• Competencia entre tratamientos, que depende de la naturaleza de los tratamientos
vecinos.
• Para controlar el efecto de borde se acostumbra a evaluar solamente las plantas
centrales para los fines experimentales.
TRATAMIENTO
 Los tratamientos vienen a constituir los diferentes procedimientos, procesos, factores o
materiales y cuyos efectos van a ser medidos y comparados.
 El tratamiento establece un conjunto de condiciones experimentales que deben
imponerse a una unidad experimental dentro de los confines del diseño seleccionado.
Ejemplos: de fertilizante, ración alimenticia, profundidad de sembrado,
distanciamiento entre plantas, variedades de un cultivo.
ERROR EXPERIMENTAL.
 En una experiencia pueden ocurrir dos tipos de errores: sistemáticos y casuales o aleatorios. Dejando
a un lado los sistemáticos, que pueden ocurrir cuando, por ejemplo, no se hace una distribución
aleatoria de los tratamientos en las unidades experimentales, los errores casuales son aquellos que
ocurren al azar o por "pura casualidad" y que no pueden ser asignados a una única causa definida. El
conjunto de estos errores recibe el nombre de error experimental y engloba todas las causas de
variación no controlables. En el ANOVA es cuantificado numéricamente mediante S 2EE es decir, la
variancia del error. Este error puede ser disminuido mediante diseños experimentales adecuados,
recolección de información adicional (observaciones concomitantes: análisis de la covariancia) y/o
elección adecuada del tamaño y forma de las unidades experimentales (parcelas).
 Otra forma de definir el error experimental: es una medida de la variabilidad existente entre las
unidades experimentales que han sido igualmente tratadas.

ANALISIS DE LA VARIANCIA

 Es una técnica estadística que sirve para analizar la variación total de los resultados experimentales
de un diseño en particular, descomponiéndolo en fuentes de variación independientes atribuibles a
cada uno de los efectos en que constituye el diseño experimental.
 Esta técnica tiene como objetivo identificar la importancia de los diferentes factores ó tratamientos
en estudio y determinar como interactúan entre sí.
 El análisis de la variancia (cuya sigla en inglés es ANOVA: ANalisysOf VAriance) es un procedimiento
creado por R. A. Fischer en 1925 que consiste en una descomposición de la variabilidad total en
partes, atribuibles a causas conocidas y al azar, para terminar finalmente comparando la magnitud
de las partes mediante una prueba de F de homogeneidad de variancias.
HIPÓTESIS ESTADÍSTICA
 Es el supuesto que se hace sobre el valor de un parámetro (constante que
caracteriza a una población) el cual puede ser validado mediante una prueba
estadística.
 En la investigación agraria al realizar un análisis estadístico utilizando el ANVA de un
diseño experimental, la hipótesis a probar es si los tratamientos tienen el mismo
efecto sobre la variable que se estudia, es así como se tienen las hipótesis
planteada (Hp) e hipótesis alterna (Ha):
Hp: τi = 0 (Los i tratamientos tienen el mismo efecto sobre la variable en estudio)
Ha: τ i ≠0 (No todos los tratamientos tienen el mismo efecto sobre la variable en
estudio)
Al probar la hipótesis estadística el investigador está propenso a cometer los siguientes
tipos de errores:
 Error Tipo I: Se comete cuando se rechaza la hipótesis que se plantea, siendo esta
hipótesis falsa; la magnitud de este error es fijado por el investigador y constituye
el “nivel de significación de la prueba”; usualmente los valores usados como nivel
de significación son0.05 ó 0.01.
 Error tipo II: Se comete cuando se acepta la hipótesis que se plantea, siendo esta
hipótesis falsa; la magnitud de este error no se puede fijar, pero si es posible
minimizar utilizando un tamaño adecuado de muestra.
DEFINICIÓN DE DISEÑO EXPERIMENTAL

 El diseño experimental es una estructura de investigación

donde al menos se manipula una variable y las unidades
son asignadas aleatoriamente a los distintos niveles o
categorías de la variable o variables manipuladas.

 Se entiende por diseño experimental, el proceso de

planeamiento de un experimento, tal que se tomen datos
apropiados con la mayor realidad posible, los cuales deben
ser analizados mediante métodos estadísticos que deriven
conclusiones válidas y objetivas.
Características de los diseños
experimentales:

 Simplicidad: La selección de los tratamientos y la disposición

experimental deberá hacerse de la forma más simple posible.
 Grado de precisión: El experimento deberá tener la capacidad
de medir diferencias entre tratamientos con los grados de
precisión que desee el investigador. Para cumplir con este
propósito se deberá partir de un diseño y un número de
repeticiones adecuados.
 Rango de validez de las conclusiones: Este deberá ser tan
amplio como sea posible. Los experimentos que contribuyen a
aumentar el rango de validez del experimento son los
experimentos replicados y los experimentos con estructuras
factoriales.
Características de los diseños
experimentales:

 Cálculo del grado de incertidumbre: En todo experimento

existe algún grado de incertidumbre en cuanto a la validación
de las conclusiones. El experimento deberá ser concebido de
modo que sea posible calcular la probabilidad de obtener los
resultados observados debido únicamente al azar.
 Ausencia de error sistemático: Se debe planear un
experimento con el propósito de asegurar que las unidades
experimentales que reciban un tratamiento no difieran
sistemáticamente de aquellas que reciben otro tratamiento,
procurando de esta manera obtener una estimación insesgada
del efecto de tratamientos.
Variables del diseño experimental

TIPO ACCION

V. Independiente Manipulación

V. Dependiente Medición

V. Intermediante Control
Planificación del Diseño Experimental

1. Formulación de la hipótesis.
2. Selección de la variable independiente y
dependiente adecuada.
3. Control de las variables extrañas.
4. Manipulación de la/s variable/s
independiente/s y registro de la variable
dependiente o de medida.
5. Análisis estadístico de los datos.
6. Inferencia de la relación entre la variable
independiente y la dependiente.
Pasos del modelo de prueba estadística
 Paso 1 : Formulación de la Hipótesis de nulidad

 Paso 2 : Formulación de la Hipótesis alternativa

 Paso 3: Estadístico de la prueba y nivel de significación

 Paso 4 : Cálculo del valor empírico del estadístico de la prueba.

 Paso 5 : Decisión estadística de aceptar o rechazar la hipótesis de nulidad.

Rechazo de H0 Si p  0,05
TIPOS DE DISEÑO EXPERIMENTAL

 Diseño Completamente Aleatorio

 Diseño de Bloques al Azar
 Diseño Factorial
 Cuadrado latino
 Parcelas divididas
 Bloques divididos
DISEÑO COMPLETAMENTE ALEATORIO

 Este tipo de diseño es el más sencillo y se origina por la asignación aleatoria

de tratamientos a un conjunto de unidades experimentales previamente
determinadas.
 El criterio para que un DCA sea aplicado en un experimento es que las
unidades experimentales sean lo más homogénea posible, es decir, se parte
del supuesto que no hay variación en las unidades experimentales.
Planteamiento del modelo:
yij = μ + τ i + εij
Donde:
 yij : es la observación (i, j ) - ésima (variable dependiente)
 μ : es un efecto medio verdadero
 τi : efecto del i-ésimo tratamiento, variable independiente.
 εij : es el error aleatorio, tal que εij ∼ N (0, σ2) independientes entre
sí, E [εij] = 0 y Var [εij] = σ2.
 Vamos a considerar dos tipos de modelos: el de efectos fijos y el de
efectos aleatorios.
(i) Los niveles del factor se seleccionan de modo específico por el
experimentador. Esto constituye el llamado modelo de efectos fijos.
(ii) Los niveles de un factor son una muestra aleatoria de una
población mayor de tratamientos. Esto es el modelo de efectos
aleatorios.
 El problema se puede resumir en la siguiente tabla:

 Donde se tendrá:
• n= observaciones , a= tratamientos
• N = número de datos, N=a·n
 El problema que se trata de analizar es
H0 ≡ μ1 = μ2 = · · · = μa
H1 ≡ μi 6= μj (para al menos un par)
H0 ≡ τ 1 = τ 2 = · · · = τ a
H1 ≡ τ i 6= 0, ∃i
 Tabla ANOVA.

 El problema que se trata de analizar es

H0 ≡ τ 1 = τ 2 = · · · τ a
H1 ≡ τ i 6= 0, ∃i

 Se distribuye como una F de Snedecor, Fa−1,N−a.

 Se rechaza H0 a nivel α cuando F0 > Fα,a−1,N−a.
DISEÑO CUADRADO LATINO
 Los diseños en cuadrados latinos son apropiados cuando es necesario controlar
dos fuentes de variabilidad. En dichos diseños el número de niveles del factor
principal tiene que coincidir con el número de niveles de las dos variables de
bloque o factores secundarios y además hay que suponer que no existe
interacción entre ninguna pareja de factores.
 Supongamos que el número de niveles de cada uno de los factores es K. El
diseño en cuadrado latino utiliza K2 bloques, cada uno de estos bloques
corresponde a una de las posibles combinaciones de niveles de los dos factores
de control. En cada bloque se aplica un solo tratamiento de manera que cada
tratamiento debe aparecer con cada uno de los niveles de los dos factores de
control.
 Si consideramos una tabla de doble entrada donde las filas y las columnas
representan cada uno de los dos factores de bloque y las celdillas los niveles
del factor principal o tratamientos, el requerimiento anterior supone que cada
tratamiento debe aparecer una vez y sólo una en cada fila y en cada columna.
 Recibe el nombre de cuadrado latino de orden K a una disposición en filas y
columnas de K letras latinas, de tal forma que cada letra aparece una sola
vez en cada fila y en cada columna.
 A continuación vamos a dar una forma simple de construcción de cuadrados
latinos. Se parte de una primera fila con las letras latinas ordenadas
alfabéticamente.

 Las sucesivas filas se obtienen moviendo la primera letra de la fila anterior a

la última posición (construcción por permutación cíclica), el cuadrado así
obtenido es un cuadrado latino estándar. Un cuadrado latino se denomina
estándar cuando las letras de la primera fila y la primera columna están
ordenadas alfabéticamente. A parte de los cuadrados latinos así obtenidos
existen otros cuadrados latinos diferentes, estándares y no estándares.
 El procedimiento para construir un diseño en cuadrado latino es el siguiente:
 1) Se elige aleatoriamente un cuadrado latino de los disponibles.
 2) Se asigna aleatoriamente el orden de las filas y columnas.
 3) Se asignan aleatoriamente los tres factores a las filas, columnas y letras,
respectivamente.
 Ilustremos este procedimiento con el ejemplo del rendimiento de la semilla de trigo.
Al plantear este experimento se pensó que podría conseguirse mayor precisión si se
controlaba la variabilidad introducida por los tipos de abono e insecticida. El
instituto de experimentación agrícola está interesado en estudiar 4 tipos de semilla
de trigo, (s1, s2, s3, s4) y decide realizar el experimento utilizando un diseño en
cuadrado latino. Para ello selecciona 4 niveles para cada una de las variables de
bloque: abono, (a1, a2, a3, a4), e insecticida, (i1, i2, i3, i4).
 La selección de uno de los cuadrados se hace al azar. Supongamos que el cuadrado
latino elegido es el siguiente:
ABCD
BADC
CDAB
DCBA
 Planteamiento del modelo:
yij(h) = μ + τi + βj + γh + +uij(h)
 i = 1, 2 . . . ,K
j = 1, 2 . . . ,K
h = 1, 2 . . . ,K
 Donde:
• yij(h) : representa la observación correspondiente a la i-ésima fila, j-ésima columna
y h-ésima letra latina.
• μ : es la media global.
• τi : es el efecto producido por el i-ésimo nivel del factor fila. Dichos efectos están
sujetos a la restricción ∑i τi = 0.
• βj : es el efecto producido por el j-ésimo nivel del factor columna. Dichos efectos
están sujetos a la restricción ∑j βj = 0.
• γh : es el efecto producido por la h-ésima letra latina. Dichos efectos están sujetos
a la restricción ∑h γh = 0.
• uij(h) : son variables aleatorias independientes con distribución N(0, σ)
 Tabla ANOVA para el modelo de cuadrado latino
 1) SCT, suma total de cuadrados.
 2) SCF, suma de cuadrados debida al efecto fila.
 3) SCC, suma de cuadrados debida al efecto columna.
 4) SCL, suma de cuadrados debida a la letra latina.
 5) SCR, suma de cuadrados del error.
 SCT = SCF + SCC + SCL + SCR
 La suma de cuadrados del error se obtiene por diferencia
SCR = SCT − SCF − SCC − SCL
 Siguen distribuciones F de Snedecor con K−1 y (K−1)(K−2) grados de libertad
cada uno.
 Y se rechazá H0, al nivel de significación α, cuando el valor experimental del
respectivo estadístico sea mayor que el valor crítico de la distribución F de
Snedecor.
 DISEÑO DE BLOQUES AL AZAR
 Las unidades experimentales son clasificadas en grupos homogéneos, llamados
bloques, respecto a una cierta variable de control que puede suponer una
fuente adicional de variabilidad. Una vez formados los bloques, los
tratamientos son asignados aleatoriamente a las unidades experimentales
dentro de cada bloque; podemos decir, por tanto, que se trata de un diseño
con cierta restricción de aleatorización.
 Se realiza una observación por tratamiento en cada bloque: N = IJ
observaciones.
 La asignación de los tratamientos a las unidades experimentales en cada
bloque se determina aleatoriamente.
 Los tratamientos y los bloques son factores de efectos fijos.
 No hay interacción entre los tratamientos y los bloques: (El efecto de un
factor no depende del nivel del otro factor): Efectos de los factores son
aditivos.
 Bloques

Tratamientos 1 2 … j … J

1 y11 y12 … y1j … y1J

2 y21 y22 … y2j … y2J

: : : : : : :

i yi1 yi2 … yij … yiJ

: : : : : : :

I yI1 yI2 … yIj … yIJ

 Planteamiento del modelo:

yij = μ + τ i + βj + eij

 I = Número de tratamientos , i = 1, 2, · · ·, I
 J = Número de bloques , j = 1, 2, · · · , J
 Planteamiento del modelo:
yij = μ + τ i + βj + eij

 i = 1, 2, · · ·, I ; j = 1, 2, · · · , J

 Donde:
• yij: La variable aleatoria que representa la observación al aplicar el (i)
enésimo tratamiento en la (j) enésimo repeticion
• μ : es un efecto constante. Media global.
• Τi : El efecto producido por el nivel i-ésimo del factor principal. ∑i τ i = 0.
• Βj : El efecto producido por el nivel j-ésimo del factor secundario o factor de
bloque. Se supone que ∑i βj = 0.
• eij: Variables aleatorias independientes con distribución N (0,σ).
 Estimar los efectos de los tratamientos y de los bloques y contrastar la
hipótesis:
• H0 : τ i = 0 ∀i vs H1 : τ i ≠ 0 ; por lo menos para algún i
• H0 : βj = 0 ∀j vs H1 : βj ≠ 0 ; por lo menos para algún j

 Tabla ANVA para el modelo de bloques al azar

F. V. G. L. S.C. C. M. F cal

Bloques I−1 SCBl SCBl/(I − 1) CMBl/CMR

SCTr/(J − 1)
Tratamientos J–1 SCTr CMTr/CMR
SCR/(I − 1)(J − 1)
Residual (I − 1)(J − 1) SCR
SCT /(N − 1)
TOTAL IJ − 1 SCT
 Donde:
1) SCT: Suma total de cuadrados.
2) SCTr: Suma de cuadrados entre tratamientos.
3) SCBl: Suma de cuadrados entre bloques
4) SCR: Suma de cuadrados del error o residual.
1´) CMT: Cuadrado medio total: CMT = SCT /(N − 1)
2´) CMTr: Cuadrado medio entre tratamientos: CMT r =SCT r/(I − 1)
3´) CMBl: Cuadrado medio entre bloques: CMBl =SCBl/(J − 1)
4´) CMR: Cuadrado medio residual: CMR =SCR/(I − 1)(J − 1)

 Las formulas serán:

• SCT = SCT r + SCBl + SCR
 Formulas a utilizar:

 SCT = SCT r + SCBl + SCR

 SCT r =
 SCB l =
 SCT =
 SCR = SCT − SCT r – SCBl
 ANÁLISIS ESTADÍSTICO

 Contraste de interés: H0 τ ≡ τ 1 = · · · = τ I = 0

 F(I−1),(I−1)(J−1)

Rechazar H0 a nivel α si Fτ (exp) > Fα;I−1,(I−1)(J−1)

 También es interesante contrastar: H0β ≡ β1 = · · · = βJ = 0

 F(J −1),(I−1)(J−1)

 Rechazar H0 a nivel α si Fβ(exp) > Fα;J−1,(I−1)(J−1)

COEFICIENTE DE VARIACION

 Es una medida de variabilidad relativa (sin unidades de medida) cuyo uso es

para cuantificar en términos porcentuales la variabilidad de las unidades
experimentales frente a la aplicación de un determinado tratamiento.

 0 a 10% -> excelente

 10 a 15% -> muy bueno
 15 a 20% -> bueno
APLICACIÓN DEL DISEÑO DE BLOQUES
COMPLETAMENTE AL AZAR:
 Se pide evaluar el rendimiento de la papa canchan con tres tipos de riego, se
analizara para un nivel de significancia del 95%
 Se analizara el rendimiento con el diseño de bloques al azar.

 Se estudio 4 tipos de melones :

T1 = Riego por Goteo
T2 = Riego por Aspersion
T3 = Riego por Gravedad
 RENDIMIENTO DE LA PAPA CANCHAN:

TRATAMIENTOS

BLOQUES T1 T2 T3 (testigo)
GOTEO ASPERSION GRAVEDAD
I 40.07 33.33 29.11
II 39.82 36.80 32.74
 Solución:
a) Hallamos los totales para los tratamientos y bloques.

TRATAMIENTOS

BLOQUES
TOTAL
∑ BLOQUES BLOQUES
I II III
I 40.07 33.33 29.11 102.500 34.17
II 39.82 36.80 32.74 109.355 36.45
∑ TRAT 79.89 70.12 61.846 211.855
TOTAL TRAT 39.94 35.06 30.92 35.31

b) Total de datos:

 b=2 y t=3 ; N = 2 =6

Planteamiento de la hipótesis:

 H0: τi = 0; βj = 0
 Nivel de significancia: α = 0.05

 Factor de precisión (Fp):

Bloques F tiene 1 y 2 g.l.  F0 = 18.51
Tratamientos F tiene 2 y 2 g.l.  F0 = 19

 Total de variables:
T = 211.855
 Factor de corrección:
 Suma de cuadrados de cada dato:

 Suma de cuadrados del tratamiento:

 Suma de cuadrados del bloque:

 Suma de cuadrados del error:

F. V. G. L. S.C. C. M. F cal

Bloques I−1 SCBl SCBl/(I − 1) CMBl/CMR

SCTr/(J − 1)
Tratamientos J–1 SCTr CMTr/CMR
SCR/(I − 1)(J − 1)
Residual (I − 1)(J − 1) SCR
SCT /(N − 1)
TOTAL IJ − 1 SCT

I=2 y J=3 ; N = 2 =6
 cuadro del ANVA
F.V. G.L. S.C. C.M. Fcal F TAB SIGN.

Replicas 1 14.20 14.20 0.899 18.51 N.S

Tratamientos 2 141.56 70.78 4.483 19 N.S

Error 2 31.58 15.79

Total 5 158.94

 CONCLUSION:
 Bloques:
F cal = 0.899 < Ftab = 18.51
 Se acepta la hipótesis nula, en el análisis de varianza se encontró que entre
bloques no hay diferencias significativas.
 Tratamientos:
F cal = 4.483 < Ftab = 19
 Se acepta la hipótesis nula, en el análisis de varianza se encontró que no hay
diferencia significativa entre los tratamientos.
 Se demostró que en los bloques y tratamientos no hay diferencias
estadísticamente significativas, por lo que los resultados son homogéneos, es
decir indiferentes al emplear los sistemas de riego por goteo, aspersión y el
testigo con riego de gravedad.

 El coeficiente de variabilidad en el rendimiento de la papa variedad canchan

fue de 7.69%, dentro del rango como excelente.