Documentos de Académico
Documentos de Profesional
Documentos de Cultura
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
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
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.
Tratamientos 1 2 … j … J
: : : : : : :
: : : : : : :
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
F. V. G. L. S.C. C. M. F cal
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)
Contraste de interés: H0 τ ≡ τ 1 = · · · = τ I = 0
F(I−1),(I−1)(J−1)
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
Total de variables:
T = 211.855
Factor de corrección:
Suma de cuadrados de cada dato:
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.
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.