Módulo Diseño Experimental IV 2015

UNIVERSIDAD ESTATAL DEL SUR DE MANABI
Creada mediante Ley publicada en el Registro Oficial No 261 del 07 de Febrero de 2001
UNIDAD ACADMICA DE CIENCIAS TECNICAS
CARRERA:
INGENIERA EN MEDIO AMBIENTE
CTEDRA:
DISEO EXPERIMENTAL
PERODO:
MAYO OCTUBRE 2015
CUARTO SEMESTRE
ING. EDISON CHASING GUAGUA Mg Sc
PROFESOR
NDICE
NDICE............................................................................................................................II
PRESENTACIN............................................................................................................6
OBJETIVOS....................................................................................................................7
Objetivos Especficos...................................................................................................7
UNIDAD 1: ASPECTOS GENERALES DE LA INVESTIGACIN Y DEL
DISEO EXPERIMENTAL..........................................................................................8
1.1. LGICA, INVESTIGACIN Y EXPERIMENTO.....................................8
1.2. RAZONAMIENTO DEDUCTIVO E INDUCTIVO....................................8
1.2.1. Razonamiento Deductivo..........................................................................8
1.2.2. Razonamiento Inductivo...........................................................................9
1.3. EL PROBLEMA DEL INVESTIGADOR...................................................10
1.4. NECESIDAD DE LA EVALUACIN ESTADSTICA.............................11
1.4.1. Repeticin.................................................................................................12
1.4.2. Muestreo aleatorio...................................................................................12
1.4.3. Control local.............................................................................................12
1.5. EL MTODO CIENTFICO........................................................................13
1.5.1. Hechos observados...................................................................................13
1.5.2. Hiptesis...................................................................................................13
1.5.3. Experimento.............................................................................................13
1.5.4. Resultados y su interpretacin...............................................................13
1.6. CARACTERSTICAS DE UN EXPERIMENTO BIEN PLANEADO....14
1.6.1. Simplicidad...............................................................................................14
1.6.2. Grado de precisin..................................................................................14
1.6.3. Ausencia de error sistemtico.................................................................14
1.6.4. Rango de validez de las conclusiones....................................................14
1.6.5. Clculo del grado de incertidumbre......................................................14
1.7. PROCEDIMIENTOS PARA LA EXPERIMENTACIN.........................15
1.7.1. Definicin del problema..........................................................................15
1.7.2. Determinacin de los objetivos...............................................................15
1.7.3. Anlisis crtico del problema y de los objetivos....................................15
1.7.4. Seleccin de tratamientos........................................................................16
1.7.5. Seleccin del material experimental......................................................16
1.7.6. Seleccin del diseo experimental..........................................................16
1.7.7. Seleccin de la unidad de observacin y del nmero de repeticiones. 16
1.7.8. Control de los efectos entre unidades adyacentes.................................16
1.7.9. Consideracin acerca de los datos que se van a recabar......................16
1.7.10. Esbozo del anlisis estadstico y del resumen de los resultados..........17
1.7.11. Conduccin del experimento..................................................................17
1.7.12. Anlisis de los datos e interpretacin de los resultados.......................17
1.7.13. Elaboracin de un completo, legible y correcto informe de la
investigacin...........................................................................................................18
1.8. DEFINICIN DE DISEO EXPERIMENTAL........................................18
1.9. OBJETIVOS..................................................................................................19
1.10. FASES DEL EXPERIMENTO.....................................................................19
1.11. CLASES DE EXPERIMENTOS..................................................................20
2
1.11.1. Experimento Preliminar.........................................................................20

1.11.2. Experimento Crtico................................................................................20
1.11.3. Experimento Demostrativos...................................................................20
1.11.4. Ensayos Regionales..................................................................................20
1.11.5. Experimentos Simple...............................................................................20
1.11.6. Experimentos factoriales.........................................................................20
1.12. COMPONENTES DEL EXPERIMENTO..................................................21
1.12.1. Tratamiento..............................................................................................21
Seleccin de Tratamiento............................................................................21
Tratamiento Testigo...................................................................................21
1.12.2. Unidad Experimental.............................................................................21
Parcela til o rea til.............................................................................22
rea Total de la Parcela..............................................................................22
rea Total del Experimento.......................................................................22
Muestras.......................................................................................................22
1.12.3. Repeticin.................................................................................................22
Funciones de la Repeticin.........................................................................22
Factores que Determina el Numero de Repeticiones...............................23
Disposicin de los Bloques..........................................................................23
1.13. COMPONENTES MATEMTICOS DEL DISEO EXPERIMENTAL
23
1.13.1. Error Experimental.................................................................................23
1.13.2. Control de Error Experimental..............................................................24
1.13.3. Fuentes de Variacin...............................................................................25
1.13.4. Seleccin del Sitio y Material Experimental.........................................25
1.13.5. Precisin del Experimento......................................................................25
1.14. SELECCIN DEL TIPO DE DISEO EXPERIMENTAL......................26
1.15. DELINEAMIENTO EXPERIMENTAL.....................................................26
1.16. INFERENCIA ESTADSTICA....................................................................27
1.17. RANDOMIZACIN.....................................................................................27
1.18. EJERCICIOS DIDCTICOS.....................................................................27
UNIDAD 2. DISEOS BSICOS PARA LA INVESTIGACIN............................30
2.1. DISEO COMPLETO AL AZAR...............................................................30
2.1.1. Ventajas del DCA.....................................................................................30
2.1.2. Desventajas del DCA...............................................................................31
2.1.3. Modelo Estadstico Del DCA........................................................................31
2.1.4. Modelo Matemtico de Clculo del DCA....................................................31
2.1.5. Ejemplo de Clculo..................................................................................31
2.1.6. Uso de Tabla de F.................................................................................33
2.1.7. Reglas de Hiptesis................................................................................33
2.1.8. Reglas de Decisin e Interpretacin.....................................................33
2.1.9. Clculo del Coeficiente de Variacin.................................................34
2.1.10. Desviacin Tpica o Error Standard......................................................35
3
2.2. DISEO DE BLOQUES COMPLETOS AL AZAR..............................36

2.2.1. Ventajas Del DBCA.................................................................................37
2.2.2. Desventaja del DBCA..............................................................................37
2.2.3. Interpretacin del ADEVA......................................................................41
2.2.4. Diseo Completamente al Azar con Repeticin Desigual..........................42
2.2.5. Diseo de Bloques Completos al Azar con Parcelas Perdidas...................43
2.3. DISEO CUADRADO LATINO.................................................................45
1. Factor de correccin.........................................................................................47
2. Suma de Cuadrado total..................................................................................48
3. Suma de cuadrados columnas.........................................................................48
4. Suma de cuadrados de hileras.........................................................................48
6. Suma de cuadrados del error...........................................................................48
7. Cuadrados Medios.............................................................................................49
8. Prueba de F.......................................................................................................49
9. Error Tpico.......................................................................................................49
10. Decisin estadstica.........................................................................................50
UNIDAD 3 PRUEBAS DE SIGNIFICACIN...........................................................50
3.1.
DIFERENCIA MNIMA DE SIGNIFICACIN - DMS.....................51
3.2. PRUEBAS DE RANGO MLTIPLE DE DUNCAN................................52
3.3. PRUEBA DE TUKEY...................................................................................53
3.4. PRUEBA DE SCHEFFE...............................................................................54
UNIDAD 4: EXPERIMENTOS FACTORIALES......................................................55
4.1. EXPERIMENTO FACTORIAL AxB..........................................................55
4.1.1. Unidades Experimentales del Ensayo por Repeticin................................57
4.2. DISEO DE PARCELAS DIVIDIDAS.......................................................60
4.2.1. Para Pruebas de Significacin................................................................65
43. EXPERIMENTO FACTORIAL AxBxC
61
TABLA A1. RECORRIDO SIGNIFICATIVO DE DUNCAN (NIVEL DE
SIGNIFICACIN a= 1%)...........................................................................................76
SIGNIFICACIN a=5%)..........................................................................................77
MODULO DE DISEO
EXPERIMENTAL
PRESENTACIN
El propsito de las ciencias estadsticas es suministrar una base objetiva para el anlisis de
problemas en los que los datos se apartan de las leyes de la casualidad exacta. Se ha ideado un
sistema lgico general de razonamiento inductivo, aplicable a datos de esta naturaleza, y en la
actualidad se utiliza ampliamente en la investigacin cientfica. Es importe conocer sus
principios, tanto para los investigadores cientficos como para aquellos cuyos intereses
residen en la aplicacin de avances tecnolgicos resultantes de dichas investigaciones. Esto es
especialmente cierto para las ciencias agrcolas y biolgicas.
Cuando clasificamos los problemas de acuerdo con el sistema de razonamiento lgico
empleado en su resolucin, encontramos precisamente dos clases de problemas: El de
razonamiento deductivo y el de razonamiento inductivo.
En el primero, existe el tipo de problemas en el cual se nos da algn principio o conjunto de
principios generales y se nos pide que determinemos qu sucedera
bajo un conjunto
especfico de condiciones, es decir un razonamiento de lo general a lo particular, y es lo que

recibe el nombre de razonamiento deductivo.
En el segundo tipo de problema es opuesto al primero. Se conocen algunos casos especficos
y se nos pide que lleguemos a algunos principios generales que sern aplicados a todos los
miembros de la clase representada por dichos casos. Es decir un razonamiento de los
especficos a lo general que se define como razonamiento inductivo
Generalmente todos los problemas encontrados en nuestra enseanza formal requieren de un
razonamiento deductivo, en cambio casi todos los problemas que afrontan los agrnomos,
forestales, bilogos, veterinarios, ambientales requieren de un razonamiento inductivo.
Para resolver problemas de las ciencias agrcolas, forestales y biolgicas, por regla general se
requiere de un experimento. En el experimento ms simple, debe haber slo dos tratamientos,
la nueva prctica y la vieja. Un experimento ms complicado puede incluir diversas
proporciones o mtodos de aplicacin de la nueva prctica y los efectos de diversas prcticas
se estudian simultneamente.
Cualquiera que sea el diseo del experimento, su propsito es suministrar un medio de

realizar observaciones (muestreo probabilstica) que pueda utilizarse para formular
generalizacin plausible acerca de la prctica, objeto de estudio. Llegar a estas
generalizaciones es un problema tpico de razonamiento inductivo.
Al finalizar este enfoque se define en forma amplia, que la investigacin es un estudio
sistemtico de un sujeto con el fin de descubrir nuevos hechos o principios y su procedimiento
generalmente se lo conoce como mtodo cientfico, el mismo que contiene elementos como
hechos observados, hiptesis, experimentos y resultados y su interpretacin.
Los contenidos de esta asignatura contribuirn al desarrollo del pensamiento humano y a la
formacin profesional de los estudiantes, potenciando sus capacidades y valores corporativos
para un eficiente desempeo y para el mejoramiento de sus condiciones de vida.
OBJETIVOS
Desarrollar diseos experimentales mediante el uso de modelos matemticos para el

anlisis y tratamiento de problemas de investigacin en el rea ambiental,
desarrollando en los estudiantes habilidades y destrezas en la comprensin de los
resultados experimentales y aplicacin del conocimiento cientfico.
Objetivos Especficos
Seleccionar el tipo de diseo experimental segn problema de investigacin
Explicar las fases de un experimento
Desarrollar los componentes de un experimento
Desarrollar los procedimientos matemticos en los Diseos Experimentales
Aplicar las pruebas de significacin en los resultados de los experimentos
Formular, planificar, instalar y evaluar proyectos de investigacin en el campo de la

ingeniera ambiental
UNIDAD 1: ASPECTOS GENERALES DE LA INVESTIGACIN Y DEL

DISEO EXPERIMENTAL
1.1.
LGICA, INVESTIGACIN Y EXPERIMENTO
La experimentacin tiene por objeto comprobar la prctica de una hiptesis formulada sobre
el valor de un procedimiento, factor o elemento; la hiptesis generalmente es una suposicin
de una cosa posible de la que se obtiene conclusiones, es decir que es una opinin que no est
fundada en pruebas positivas; generalmente se usa un testigo o control que constituye el
individuo o parcela experimental que no recibe el tratamiento, cuyo efecto se desea. Por
ejemplo se establece un ensayo para probar el grado de adaptacin y rendimiento de un
hibrido tomate de mesa, planendose un ensayo de tal manera que estn inmersas especies
locales como testigo. Si el nuevo hibrido presenta mayores rendimientos o cualquier otro
atributo esa especie ser recomendada para la zona.
Se ha definido que el experimento es un conjunto de reglas usadas para sacar la muestra de la
poblacin y una vez concluido el ensayo, obtener informacin sobre la poblacin.
Se considera a la investigacin como un arte y como una ciencia, es considerada como
ciencia cuando existen modelo matemticos, formula y procedimiento aritmticos, y se la
considera como una arte cuando la capacidad del investigador interpreta los resultados y
obtiene conclusiones vlidas y confiables, es decir que el investigador determina despus del
ensayo los objetivos del mismo en forma clara y precisa.
3
1
RAZONAMIENTO DEDUCTIVO E INDUCTIVO

Razonamiento Deductivo
En primer lugar, existe el tipo de problema en el cual se nos da algn principio o conjunto de
principios generales y se nos pide que determinemos qu sucedera bajo un conjunto
especfico de condiciones. El tipo de razonamiento empleado, de lo general a lo particular,
recibe el nombre de razonamiento deductivo.
Unos cuantos ejemplos servirn para aclarar este concepto.
Dada la frmula general para el rea de un crculo, A = nr2, cul es el rea de un crculo cuyo
radio es de 15 centmetros?
Dada una clave y descripciones de las malas hierbas de Manab, a qu especie debe
pertenecer cierta mala hierba?
Dadas las leyes de Boyle y Charles, cmo debemos esperar que cierto volumen de gas
cambie al ser sometido a cambios de presin y temperatura especficos?
Dados algunos principios generales de control de enfermedades, qu respuesta cabe esperar
al aplicar determinada dosis de un fungicida a un acre de un cultivo en particular?
Dada una moneda neutral cuya probabilidad de que caiga en cara al ser lanzada al aire es de
un medio, qu suceder cuando dicha moneda sea lanzada al aire diez veces?
El lector deber pensar en otros ejemplos basados en su propia experiencia.
Casi todos los problemas encontrados durante nuestra educacin formal fueron de este tipo,
donde la solucin requiri el razonamiento deductivo. Frecuentemente se dice que un
agricultor debera ser "versado en los fundamentos bsicos". Esto implica que debera tener
bajo su control un gran acervo de principios generales y las habilidades del razonamiento
deductivo para aplicarlos a casos especficos.
2
Razonamiento Inductivo
El segundo tipo de problema es opuesto al primero. Se nos dan algunos casos especficos y se
nos pide que lleguemos a algunos principios generales que sern aplicados a todos los
miembros de la clase representada por dichos casos. El razonamiento empleado, de lo
especfico a lo general, se denomina razonamiento inductivo.
Los siguientes ejemplos de problemas, que requieren del razonamiento inductivo, son
anlogos a aquellos que se han presentado anteriormente para ilustrar el tipo de problemas
deductivos:
Dadas las reas y los radios de diversos crculos, qu frmula general podemos dar,
expresando la relacin entre las reas y los radios de todos los crculos?
Dados diversos tipos de una especie de mala hierba no descrita, cmo podramos describir a
la especie como un todo y expresar su relacin con otras especies en una clave?
Dada una serie de observaciones sobre el volumen de un gas bajo diferentes condiciones de
presin y temperatura, qu leyes generales explicarn tales observaciones?
Dados los resultados de una serie de pruebas de control de enfermedades, qu
recomendaciones generales se pueden hacer respecto de la utilizacin de los mtodos de
control?
Ntese que todos los problemas de este tipo tienen algo en comn: todos empiezan con un
grupo de observaciones. En algunos casos, como en la descripcin de una nueva especie, las
observaciones de fenmenos son hechas simplemente en la medida en que stos tienen lugar
en la naturaleza; sin embargo, por regla general, las observaciones se realizan bajo
condiciones controladas. Los factores objeto de estudio se hacen variar en alguna forma
sistemtica, mediante la aplicacin de tratamientos. Otros factores que pueden e ercer
influencia sobre las observaciones son minimizados hasta el punto en que la prctica lo
permita. Tenemos, entonces, un experimento.
1.3.
EL PROBLEMA DEL INVESTIGADOR
Hemos expresado que casi todos los problemas encontrados en nuestra enseanza formal son
del tipo que requiere del razonamiento deductivo. Podemos afirmar tambin que casi todos los
problemas que afrontan los ambientalistas requieren de un razonamiento inductivo.
Cul es el problema tpico que afrontan los investigadores agrcolas? Este podra
establecerse en los siguientes trminos generales: afectar la utilizacin de una prctica
nueva o diferente el resultado de algn segmento en particular de la empresa agrcola?; si as
fuese, en qu extensin lo hara? Puesto que estas interrogantes nunca pueden ser
contestadas con un 100% de seguridad, debemos tener en cuenta tambin el riesgo y el costo
de una toma de decisin incorrecta. Esto resultar ms evidente a medida que avancemos en
el estudio de este volumen.
Para resolver tal problema, por regla general se requiere un experimento. En el experimento
ms simple, debe haber slo dos tratamientos: la nueva prctica y la vieja. Un experimento
10
ms complicado puede incluir diversas proporciones o mtodos de aplicacin de la nueva

prctica. An ms complejos son aquellos experimentos en los que los efectos de diversas
prcticas se estudian simultneamente.
Cualquiera que sea el diseo del experimento, su propsito es suministrar un medio de
realizar observaciones (muestreo probabilstico) que pueda utilizarse para formular
generalizaciones plausibles acerca de la prctica, objeto de estudio. Llegar a tales
generalizaciones es un problema tpico del razonamiento inductivo.
El lector no debe tener la equivocada impresin de que el razonamiento inductivo contempla
una lnea independiente de pensamiento, distinta del razonamiento deductivo. Las
conclusiones inductivas deben ser siempre comprobadas mediante precisos mtodos
deductivos.
1.4.
NECESIDAD DE LA EVALUACIN ESTADSTICA
La mayora de los ambientalistas y agrnomos ven rpidamente la necesidad del anlisis

estadstico para sentar una base objetiva de evaluacin; algunos ejemplos pueden resultar
tiles. Si cosechamos dos reas iguales de maz en un campo, el grano producido en estas
reas, si son siembras por varas de longitud o mitades del campo entero, rara vez ser igual; el
peso de los frutos de rboles adyacentes en un huerto, difcilmente es el mismo; la proporcin
de aumento de peso de dos animales cualesquiera de la misma especie y raza, casi siempre
difiere. Las diferencias de este tipo entre cultivos o animales son debidas a diferencias
genticas y ambientales ms all del control razonable de un experimentador. No hay errores
en el sentido de estar equivocados; stas representan la variabilidad entre unidades
experimentales, denominada error experimental
Una vez que reconocemos la existencia de esta variabilidad, entendemos la dificultad para
evaluar una nueva prctica, mediante su aplicacin a una unidad experimental nica y su
comparacin con otra unidad que es similar, pero no tratada. El efecto de la nueva prctica se
confunde con la variabilidad no determinada. As, un experimento con una sola rplica
suministra una medicin incompleta del efecto del tratamiento; adems, puesto que no existen
dos unidades experimentales igualmente tratadas, ste no suministra mediciones del error
experimental. La ciencia estadstica supera estas dificultades, requiriendo la recoleccin de
11
datos experimentales que permitirn una estimacin imparcial de los efectos del tratamiento y
la evaluacin de las diferencias del tratamiento a travs de pruebas de significacin basadas
en mediciones del error experimental
Los efectos del tratamiento son estimados mediante la aplicacin de tratamientos a por lo
menos dos unidades experimentales, por regla general a ms de dos, y promediando los
resultados para cada tratamiento. Las pruebas de significacin determinan la probabilidad de
que las diferencias de tratamiento pudieran haber ocurrido solamente por casualidad.
Existen tres importantes principios, inherentes a todos los proyectos experimentales que son
esenciales para los objetivos de la ciencia estadstica:
1.4.1. Repeticin
La repeticin significa que un tratamiento se efecta dos o ms veces. Su funcin es
suministrar una estimacin del error experimental y brindar una medicin ms precisa de los
efectos del tratamiento. El nmero de repeticiones que se requerirn en un experimento
particular, depende de la magnitud de las diferencias que deseamos detectar y de la
variabilidad de los datos con los que estamos trabajando. Considerando estos dos aspectos al
inicio de un experimento, evitaremos muchas equivocaciones.
1.4.2. Muestreo aleatorio
El muestreo aleatorio es la asignacin de tratamientos a unidades experimentales, de modo
que todas las unidades consideradas tengan iguales probabilidades de recibir un tratamiento.
Su funcin es asegurar estimaciones imparciales de medias de tratamientos y del error
experimental
1.4.3. Control local
Este principio de diseo experimental permite ciertas restricciones sobre la seleccin aleatoria
para reducir el error experimental; por ejemplo, en el diseo de bloques completos al azar, los
tratamientos son agrupados en bloques que se espera tengan un desempeo diferente, en el
cual cada uno de ellos presenta un efecto de bloque que se puede separar de la variacin total
del experimento.
12
1.5.
EL MTODO CIENTFICO
La investigacin puede definirse en forma amplia como el estudio sistemtico de un sujeto

con el fin de descubrir nuevos hechos o principios. El procedimiento para la investigacin se
conoce generalmente como mtodo cientfico, el cual, aunque difcil de definir con precisin,
usualmente contiene los siguientes elementes:
1.5.1. Hechos observados
Se dice que la ciencia empieza con la observacin, a travs de la cual se establecen diversos
factores.
1.5.2. Hiptesis
La consideracin del conjunto de hechos acerca de un sujeto conduce al establecimiento de
una hiptesis -una idea provisoria- de cmo los hechos han de ser interpretados y explicados.
1.5.3. Experimento
El experimento es un ensayo destinado a probar la validez de la hiptesis propuesta.
1.5.4. Resultados y su interpretacin
Los resultados del experimento establecen hechos adicionales. La Interpretacin de estos
nuevos hechos a la luz de lo ya conocido, conduce al apoyo, rechazo o alteracin de la
hiptesis y de ese modo volvemos nuevamente a travs de la misma serie de pasos.
El experimento es un instrumento de investigacin utilizada para descubrir algo desconocido
o para probar un principio o una hiptesis. Es un importante paso del mtodo cientfico, y las
preguntas que ste aspira a contestar sern fundamentales para el apoyo o rechazo de una
hiptesis.
13
3
1
CARACTERSTICAS DE UN EXPERIMENTO BIEN PLANEADO

Simplicidad
La seleccin de tratamientos y la disposicin experimental debern hacerse del modo ms

simple posible y debern ser consistentes con los objetivos del experimento.
2
Grado de precisin
Deber haber una gran probabilidad de que el experimento sea capaz de medir diferencias de
tratamientos con los grados de precisin deseados por el experimentador. Esto implica un
diseo apropiado y un nmero suficiente de repeticiones.
3
Ausencia de error sistemtico
Debe planearse el experimento para asegurar que las unidades experimentales que reciban un
tratamiento no difieran sistemticamente de aquellas que reciben otro tratamiento, de modo
que pueda obtenerse una estimacin imparcial de cada efecto de tratamiento.
4
Rango de validez de las conclusiones
Las conclusiones deben tener un rango de validez tan amplio como sea posible. Un
experimento replicado en tiempo y espacio incrementara el rango de validez de las
conclusiones que podran sacarse del mismo. Un conjunto factorial de tratamientos es otro
medio para incrementar el rango de validez de un experimento. En un experimento factorial,
los efectos de un factor son evaluados bajo niveles variantes de un segundo factor.
5
Clculo del grado de incertidumbre
En cualquier experimento existe siempre algn grado de incertidumbre en cuanto a la validez

de las conclusiones. El experimento deber ser concebido de modo que resulte posible
calcular la probabilidad de obtener los resultados observados debidos nicamente al azar.
14
1.6.
PROCEDIMIENTOS PARA LA EXPERIMENTACIN
En la planeacin y la conduccin de un experimento hay un gran nmero de consideraciones

que deben ponderarse cuidadosamente si el experimento ha de ser exitoso. Algunos de los
pasos ms importantes a dar son:
1.6.1. Definicin del problema
El primer paso en la resolucin de un problema consiste en establecer clara y concisamente el
problema con que estamos tratando. Si el problema no puede definirse, hay muy pocas
probabilidades de que ste sea resuelto alguna vez. Cuando el problema se ha comprendido,
debemos ser capaces de formular preguntas que, una vez contestadas, conduzcan a la
solucin.
1.6.2. Determinacin de los objetivos
Estos pueden ser la forma en que las preguntas sern contestadas, la hiptesis que se va a
comprobar o los efectos que se desea estimar. Los objetivos debern redactarse en trminos
precisos. Dado este paso, el experimentador est capacitado para planear ms efectivamente
sus procedimientos experimentales. Cuando hay ms de un objetivo, debamos ordenarlos de
acuerdo con su importancia, como si tuvieran un lugar en el diseo experimental. Al
establecer los objetivos debemos evitar la vaguedad o exceso de ambigedad de los
planteamientos.
1.6.3. Anlisis crtico del problema y de los objetivos
La racionalidad y utilidad de las metas del experimento debern considerarse cuidadosamente
a a luz del estatus actual de conocimiento acerca del problema. Son los objetivos del
experimento realmente importantes para la solucin del problema?
La seleccin de un procedimiento para la investigacin depende, en gran medida, del objeto
de estudio en que la investigacin est siendo conducida, as como de os objetivos de la
investigacin. La investigacin puede ser descriptiva y contemplar una encuesta por muestreo,
o puede contemplar un experimento o una serie de experimentos controlados. Algunas de las
siguientes consideraciones, o todas estarn incluidas en el procedimiento para la mayora de
las reas de investigacin.
15
1.6.4. Seleccin de tratamientos

El xito del experimento reside en la cuidadosa seleccin de tratamientos, cuya evaluacin
responder a las preguntas que tengamos.
1.6.5. Seleccin del material experimental
En la seleccin del material experimental, considrense los objetivos del experimento, as
como la poblacin sobre la cual se harn las inferencias. El material utilizado deber ser
representativo de la poblacin sobre la cual deseamos probar nuestros tratamientos.
1.6.6. Seleccin del diseo experimental
Nuevamente, aqu es importante hacer una consideracin de los objetivos; pero una regla
general podra ser elegir el diseo ms simple que parece brindar la precisin requerida por
nosotros.
1.6.7. Seleccin de la unidad de observacin y del nmero de repeticiones
Para experimentos de campo, con plantas, estos medios determinan el tamao y la forma de
las parcelas de campo. Para experimentos con animales, estos medios determinan el nmero
de animales que han de ser considerados como una unidad experimental. La experiencia de
otros experimentos similares es de incalculable valor para la toma de tales decisiones. El
tamao de la parcela y el nmero de repeticiones debern ser elegidos para obtener la
precisin requerida en la estimacin de los tratamientos.
1.6.8. Control de los efectos entre unidades adyacentes
Esto suele llevarse a cabo a travs de la utilizacin de callejones de demarcacin y mediante
la seleccin aleatoria de tratamientos.
1.6.9. Consideracin acerca de los datos que se van a recabar
Los datos recabados debern evaluar apropiadamente los efectos del tratamiento, de acuerdo
con los objetivos del experimento; adems, se deber brindar atencin a la recoleccin de
datos que explicarn el desempeo de los tratamientos.
16
1.6.10. Esbozo del anlisis estadstico y del resumen de los resultados

En el anlisis de varianza, antense las fuentes de variacin y los grados de libertad asociados.
Inclyanse las diversas pruebas F que se planearon. Considrese cmo pueden utilizarse los
resultados y preprense posibles tablas de resumen o grficas que muestren los efectos
esperados. Comprense estos resultados esperados con los objetivos del experimento, a fin de
verificar si el mismo suministrar las respuestas buscadas.
A estas alturas es conveniente que todos estos puntos sean revisados por un estadstico, as
como por uno o ms colegas. La revisin realizada por otros puede revelar aspectos que
pasaron inadvertidos. Ciertas alteraciones o ajustes pueden enriquecer grandemente el
experimento, as como posibilitar un aprovechamiento ms completo del trabajo que se va a
realizar.
1.6.11. Conduccin del experimento
En la conduccin del experimento, aplquense procedimientos libres de sesgos personales o
favoritismos. Aplquese el diseo experimental para recabar datos, de modo que las
diferencias entre individuos o las diferencias asociadas con el orden de recoleccin puedan ser
removidas del error experimental. Evtese la fatiga en el acopio de datos. Vulvanse a
comprobar inmediatamente las observaciones que parecen fuera de lugar. Organcese la
recoleccin de datos para facilitar el anlisis y para evitar errores al recopilarlos. Si es
necesario copiar los datos, comprubense inmediatamente los nmeros copiados con los
originales.
1.6.12. Anlisis de los datos e interpretacin de los resultados
Todos los datos debern analizarse tal como fueron planeados; los resultados se debern
interpretar a la luz de las condiciones experimentales; se comprobar la hiptesis y deber
definirse la relacin de los resultados con los hechos previamente establecidos. Recurdese
que la estadstica no demuestra nada y que existe siempre una probabilidad de que las
conclusiones puedan ser errneas. Por tanto, considrense las consecuencias de tomar una
decisin incorrecta. Evtese llegar a una conclusin, aun cuando sta sea estadsticamente
17
significativa, si la misma aparece fuera de lugar con respecto a hechos previamente

establecidos. En este caso, debe investigarse exhaustivamente el asunto.
1.6.13. Elaboracin de un completo, legible y correcto informe de la investigacin
No existen resultados negativos. Si la hiptesis nula no se rechaza es una evidencia positiva
de que pueden no existir verdaderas diferencias entre los tratamientos sometidos a prueba.
Nuevamente recrrase a los colegas y somtanse las conclusiones al tamiz de sus opiniones.
Ntese que la mayora de los pasos anteriores no son estadsticos; sin embargo, el anlisis
estadstico constituye una parte importante de la experimentacin. La ciencia estadstica
ayuda al investigador a concebir su experimento y a evaluar objetivamente los datos
numricos resultantes. Como experimentadores, muchos de nosotros tendremos el tiempo o la
tendencia a transformarnos en biometristas competentes; pero todos podemos aprender y
practicar las reglas bsicas de la experimentacin:
1 Repeticin. Esta es la nica forma en que seremos capaces de medir la validez de nuestras
conclusiones en un experimento.
2 Seleccin aleatoria. El anlisis estadstico depende de la asignacin de tratamientos a las
parcelas en una forma aleatoria, puramente objetiva.
3 Cooperacin. Bsquese ayuda cuando existan dudas acerca del diseo, la ejecucin o el
anlisis de un experimento. No se espera que seamos expertos estadsticos, pero debemos
saber lo suficiente para entender los importantes principios de la experimentacin cientfica,
para estar alertas a los engaos ms comunes y solicitar cooperacin cuando la necesitemos.
1.7.
DEFINICIN DE DISEO EXPERIMENTAL
Definicin: Se pude considerar al diseo experimental como una estructura que permite el
uso de modelos matemticos, para contestar preguntas planificadas, mediante la reduccin
y
sntesis de datos, aplicando procedimientos lgicos y a partir de ellos extraer
conclusiones cuya confiabilidad se basa en las teoras de las probabilidades y en las

distribuciones tericas de poblacin estudiadas en mtodos estadsticos.
18
El experimento detectara nuevos hechos,
confirmara o negara resultados de ensayos
anteriores esto hecho puede referirse a recomendaciones de nuevas variedades, sistemas de

cosechas, dosis de fertilizantes, dosis de herbicidas, densidades de siembras, rendimientos,
estudios de contaminacin, etc.
La repuesta se mide en datos confiables representados en las variedades que se estudian o se
analizan, rendimientos, peso, altura, etc. Mediante un conjunto de reglas usadas para sacar
muestras.
1.8.
OBJETIVOS
El investigador debe conocer parcialmente los problemas y objetivos especficos que persigue
con sus experimentos, concretamente el profesional debe preguntarse:
1. Cules son los caracteres o variable que se van a ser analizadas y como se van a medir su
efecto.
2. Una vez que se ha establecido la o las variables que se van a medir ver si existe
uniformidad general con respecto a otros efectos.
3. Cul va a ser el procedimiento a seguirse.
4. En qu forma va a ser analizados los datos.
1.9.
FASES DEL EXPERIMENTO
Todo investigador tiene una lista tctica de pasos a seguir, cuando disea un ensayo. En
general esos pasos coinciden con las diferentes etapas mencionadas al describir el mtodo
cientfico y son:
1. Enunciado del problema.
2. Formulacin de la o las hiptesis.
3. Seleccin del procedimiento experimental o del diseo.
4. Ejecucin del experimento.
5. Aplicacin de los procedimientos estadsticos a los resultados.
6. Interpretacin de los resultados.
7. Anlisis econmico de los mismos; a fin de elaborar la conveniencia, prctica de adoptar,
el tratamiento cuya superioridad ha sido demostrada por el experimento.
19
8. Obtencin de conclusiones y recomendaciones.

1.10. CLASES DE EXPERIMENTOS
Pueden clasificarse en varias clases dependiendo de los factores a estudiarse al mismo tiempo;
pera nuestro fin se consideran seis clases de experimentos: preliminar, crtico, demostrativo,
regionales, simples y factoriales.
1.10.1. Experimento Preliminar
El investigador comienza con un gran nmero de tratamiento, ms tarde nicamente se
reducirn a dos o tres. El caso de fertilizacin se combina en un experimento mltiple
tratamientos para luego reducirlos. En sntesis el experimento preliminar es cuando no hay
ninguna evidencia, no tiene diseo no hay informacin
1.10.2. Experimento Crtico
Se puede detectar diferencias pequeas entre los tratamientos.
1.10.3. Experimento Demostrativos
Se trata de demostrar a los interesados la ventaja de una variedad o recomendar el uso de
nuevos prcticas culturales (fertilizantes, pesticidas, etc.).
1.10.4. Ensayos Regionales
Son aquellos que usa el investigador, para confirmar los resultados obtenidos en la estacin
experimental.
1.10.5. Experimentos Simple
Es aquel que estudia un solo factor llmese, adaptacin de variedades, fertilizacin
nitrogenada siendo cada cual un factor.
1.10.6. Experimentos factoriales
Es el que estudia 2 o ms factores y es el ms completo.
20
1.11.
COMPONENTES DEL EXPERIMENTO
Los componentes del experimento son tres; tratamientos, unidad experimental y repeticin.
1.11.1. Tratamiento
En la seleccin de tratamiento y la Para el investigador el tratamiento denota diferente
procedimiento
o variables cuyo efecto van a ser medido y comparado forma como el
conjunto de ello van a permitir alcanzar
los objetivos del
experimento. El efecto
el
tratamiento puede ser medido en la unidad experimental o en una parte de ellas lo que
constituye la unidad de muestreo. En estudios psicolgicos y sociolgicos el tratamiento
puede referirse a edad, sexo, grado de educacin, religin, en las ciencias ambientales a
estudios forestales, contaminacin ambiental, alimentacin animal, produccin de productos
alimentarios limpios, etc. En resumen el tratamiento o estimulo que se da a un grupo de
cosas, animales o plantas para produccin de un efecto en el cual es estudiado.
Seleccin de Tratamiento
La seleccin de tratamientos tiene una importancia decisiva en la precisin de un

experimento. Se puede incrementar el grado de precisin, al probar ms de una variable,
en lugar de disear un ensayo para cada variable, por ejemplo si tratamos de introducir cinco
nuevas variables de Leucaena, se puede medir la variable
poca de corte con lo que
solamente se obtiene doble informacin dentro del mismo experimento, si no que aumenta el
grado de precisin.
Tratamiento Testigo
El tratamiento testigo o de control
de tratamiento que generalmente se incluye en un
experimento en el cual no tiene un inters especific, puede ser necesario para demostrar
por comparacin que los tratamientos son eficaces. En ciertos casos el tratamiento testigo
ser un tratamiento sin estimulo
En una prueba de abonamiento de cultivos se puede aplicar 4 dosis de abonos orgnicos, 0
50, 100 y 150 Kg. / ha, la dosis 0 constituye el testigo o control.
1.11.2. Unidad Experimental
21
Es la unidad material a la que se aplica un solo tratamiento. La unidad puede ser una parcela
de terreno, un animal, un paciente del hospital , una hoja ,un rbol , etc. Para frutales y
especie forestales la unidad experimental es ms grandes o se considera desde 1 a 10
unidades (rboles).
Parcela til o rea til
Es la superficie que queda de la parcela experimental, luego de eliminar los bordes sean estos
surcos determinados, es decir que el rea til es la superficie donde se mide la respuestas o
variables.
rea Total de la Parcela
Es la superficie de la parcela o unidad experimental en la cual se localiza un tratamiento.
rea Total del Experimento
Es la superficie dentro de la cual se sita el experimento incluidas las calles y distancia

respectivas entre parcelas y respectivas entre parcelas y repeticiones.
Muestras
Es el nmero de plantas de la parcela experimental que se han escogido para medir variables,
ya que por su dificultad o tiempo de medicin no puede ser medido en todas las plantas de
las parcelas tiles, es decir que la muestra es un numero menos de plantas en las cuales se
mide caracteres tales como altura de planta , longitud de vaina , volumen de frutos , nmeros
de vainas , semillas por vaina , etc.
1.11.3. Repeticin
Se llama repeticin, bloque, al conjunto bsico de tratamiento dentro del ensayo lo que en
experimentacin agrcola van unos al lado del otro en el terreno formando un bloque ms o
menos compacto. Cada vez que se repite ese conjunto de tratamiento existe una repeticin.
Una repeticin debe ser informe porque se est midiendo los tratamientos para que las
respuestas de las unidades experimentales sean iguales.
Funciones de la Repeticin
22
La repeticin tiene varias funciones:

1. Aumentar la precisin del experimento reduciendo la desviacin tpica de medios de
tratamientos.
2. Estimar el error experimental.
3. Ayudar a controlar el error experimental.
4. Ayudar a controlar el error experimental
5. Aumentar el nmero de repeticiones, la desviacin tpica de la medida y la desviacin de la
diferencia entre tratamiento disminuye.
Factores que determina el nmero de repeticiones
1. Precisin requerida
2.
Naturaleza del material experimental
3.
Diseo empleado.
4.
Presupuesto
5.
Cantidad de semillas disponibles o material experimental
6.
Tierra disponible o espacio fsico
Disposicin de los Bloques
Se disponen los bloques dependiendo del tipo de suelo que se tiene y segn lo que se espera
de la tendencia de fertilidad de los suelos. Es recomendable dejar la mxima variacin dentro
del bloque, y para que las unidades experimentales partan condiciones uniforme se debe dejar
menos variacin dentro del bloque o repeticin.
1.12. COMPONENTES MATEMTICOS DEL DISEO EXPERIMENTAL
1.12.1. Error Experimental
Los resultados experimentales varan no solo por la accin de los tratamientos sino tambin a
variaciones ambientales, las que tienden a enmascarar el efecto de los tratamientos. Para
expresar estas variaciones, generalmente se usa el trmino error experimental, en que error
no quiere decir equivocacin sino que incluye todo tipo de variacin externa, ajena al
23
material experimental. Es la diferencia numrica producida entre los promedios de los

tratamientos
Al error experimental se lo puede definir como la medida de variacin que existe entre las
observaciones de unidades experimentales bajo el mismo tratamiento, es decir la variacin
no proveniente de los tratamientos, existen dos clases variacin: la variacin inherente al
material experimental al cual no se aplica los tratamientos y aquella que provienen de la falta
de uniformidad en la conduccin fsica del experimento.
El error experimental refleja:
1.
Errores de experimentacin.
2. Errores de observacin.
3. Errores de medicin.
4.
La variacin del material experimental.
5.
Efectos combinados de todos los factores extraos de los tratamientos en estudios.

1.12.2. Control de error experimental
En muchos campos de investigacin de acuerdo a la disponibilidad de tiempo que se puede
asignar a un experimental, el error experimental puede influir de tal manera en los resultados
que solamente es posible detectar las diferencias entre tratamiento que son de ciertas
magnitud. En consecuencia, se ha de dicado bastantes atencin a los mtodos de investigacin
que permite aumentar la precisin de los experimentos.
Estos mtodos se refieren a los siguientes aspectos:
1. Aumenta el tamao del experimento, usando ms repeticiones o incluyendo tratamientos
adicionales.
2. Refinar la tcnica experimental usado un diseo eficiente y tomando los datos en forma
cuidadosa.
3. Manejando el material experimental de tal modo de reducir la variabilidad dentro del
mismo; es decir usando material homogneo.
4. Usado unidades experimentales de tamao y formas adecuadas.
24
1.12.3. Fuentes de variacin

a. Variacin total. To
b. Variacin debido al tratamiento. Trat
c. Variacin debido a repeticin. Rept
d. Variacin desconocida = Llamado error experimental.
1.12.4. Seleccin del sitio y material experimental
Antes de disear el experimento es importante seleccionar el sitio (campo) o el rea
(poblacin) en que se va a llevar el experimento o investigacin. En experimentacin agrcola
debe escogerse una localidad que sea representativa de una zona a la que se va a beneficiar
con las conclusiones obtenida.
Una vez escogido la localidad (Hacienda o finca) de debe seleccionar un lote de terreno que
sea tan homogneo como sea posible, evitando pendiente y sitio irregulares. Mientras mayor
sea la uniformidad de los lotes mayores son las posibilidades de reducir el error experimental
y de obtener conclusiones vlidas y confiables de ensayo.
En segundo lugar viene la seleccin de la unidad experimentacin agrcolas se han hecho
numerosos estudios sobre la variabilidad de varios cultivos en diferentes formas y tamaos.
La idea es tener la mxima precisin de acuerdo al tiempo, dinero y mano de obra disponible.
Con respecto al material se deber usar aquel que sea representativo o sea a el ms usado en la
zona, si se trata de iniciar un ensayo de fertilizacin en especies frutales, en una regin
alejada como el Oriente por ejemplo, se deber usar una muestra de frutales que usan los
agricultores de la zona. Un ensayo de fertilizacin usando semillas seleccionadas de otro zona
no beneficiar a los agricultores que no tienen absceso a las semillas mejoradas.
1.12.5. Precisin del experimento.
1. Se debe tratar de aplicar los tratamientos uniformes (toma de datos).
25
2. Se debe tratar de controlar las variaciones externas de tal modo que todos los tratamientos
acten bajo idnticas condiciones.
3. Si se usa aparatos para la toma de datos; es importantes calibrarlos peridicamente a fin de
controlar su precisin.
4. La precisin de un experimento puede aumentarse mediante el uso covariancia.
1.13. SELECCIN DEL TIPO DE DISEO EXPERIMENTAL
El nmero y la naturaleza de los tratamientos a estudiarse determinan el tipo de diseo que
debe usarse. Antes de decidir sobre estos aspectos, se deber considerar varios tpicos entre
ellos grado de precisin requerida, disponibilidad de semillas, equipo, mano de obra y
similitud de los tratamientos de las prcticas de usos comn de los agricultores.
El diseo de bloque al azar es quizs, el anlisis estadstico ms usado. Este diseo funciona
bien hasta con 20 tratamientos. Si la variable dentro del experimento son riego y fertilizacin,
es ms fcil crear una parcela grande que una subparcela, en cuyo caso se usara el diseo de
parcela dividida.
1.14. DELINEAMIENTO EXPERIMENTAL
En todo proyecto que se aplica Diseo Experimental es necesario definir el delineamiento
experimental que est integrado por:
1. Tipo de Diseo experimental
2. Numero de tratamientos
3. Nmero de repeticiones
4. Nmero de unidades experimentales
5. Superficie de la parcela
6. Superficie de la repeticin
7. Superficie total del ensayo
8. Nmero de plantas o animales por unidad experimental
9. Nmero de plantas o animales total del ensayo
Se aplicarn ejemplos de experimentos realizados.
26
1.15. INFERENCIA ESTADSTICA

La solucin estadstica an problema de estimacin comprende en afirmar que la verdadera
diferencia entre los tratamientos est comprendida dentro de ciertos lmites, indicando la
probabilidad de que esa afirmacin sea correcta ejemplo. Queremos determinarse que la
utilizacin de un herbicida es ventajosa. El costo del producto es tal que su uso ser
econmico solo en caso que permita tener rendimientos, en cultivos de leucaena forrajera, de
16 toneladas de forraje frescos por corte y por ha.
Si despus de llevar a cabo el experimento se encuentra los lmites de confianza al 95% de
probabilidades son 17 y 19 toneladas estaramos seguro de usar el herbicida.
Pero aquellos son 12 y14 toneladas descartaramos el uso del producto.
1.16. RANDOMIZACIN
Debido a la variabilidad del suelo y para evitar que un tratamiento sea favorecido o resulte en
desventaja, en forma sistemtica, en varias repeticiones, se utiliza la randomizacin u
organizacin de los promedios. Su funcin es darnos una estimacin validad del error
experimental, de medias de tratamientos y de sus diferencia e incluye el uso aleatorio de
sistemas como lanzar una moneda o el uso de tablas de nmero de azar.
Las parcelas contiguas tienden a ser correlacionadas por lo que cualquier parcela debe recibir
al azar a cualquier tratamiento. Los diseos sistemticos en los que los tratamientos son
aplicado en forma sistemtica, generalmente sobre o subestiman el error experimental. La
randomizacin tiende a destruir la correlacin entre errores y hacer vlida las pruebas de
significacin.
1.17. EJERCICIOS DIDCTICOS
1) Se desea conocer la efectividad de una herbecida en el control de algunas especies de
maleza forestales Delicias. Para esto fue necesario trabajar con ocho dosis de herbicida y 3
especies de malezas existentes en el bosque, las mismas que presentaron efectos iniciales de
efectividad del producto. Cada dosis se aplic un nmero constante de veces
Preguntas:
27
1. Cules y cuntos fueron los tratamientos?

2.
Cul fue la unidad experimental?
3.
Cuntas unidades experimentales existen en el ensayo?
4.
Cuntas repeticiones?
2) Se desea conocer la digestibilidad de mezclas entre leucaena de corte y pasta de algarrobo
en la alimentacin de ganado bovino.
El ensayo se bas en probar dosificaciones de estos dos productos en nmero de ocho
raciones alimenticias, empleando grupos de animales de ocho, los mismos que recibieron cada
una de las raciones.
Un total de 128 animales fueron usados en el experimento.
Preguntas:
1. Cules y cuantos fueron los tratamientos?
2. Cul fue la unidad experimental?
3.
Cuntas unidades experimentales existieron en el estudio?
4.
3) Se desea conocer el grado de adaptacin de algunos variedades de leucaena en la zona de
jipijapa; para lo cual fue necesario escoger cuatros localidades entre ellas Sancan, Guarango,
Casas Viejas y Pedro Pablo Gmez; donde se sembraron 20 variedades, empleando parcela de
observacin de 500 m con un total de 80 parcelas (Las veces que se repiti que variedad fue
constante).
Preguntas:
1.
Cuntos experimentos se realizaron?
2.
Cules y cuantos fueron los tratamientos?
28
3.
4.
Cuntas unidades experimentales?
5.
4) Una empresa madera desea exportar 1500 toneladas de madera tratada y empaquetada; para
lo cual fue necesario comparar mtodos de empaquetadura de una determinada especie de
madera. El criterio fue probar la afectividad de un cido especial despus de un tiempo
determinado del tratamiento se utiliz para cada uno de los tres mtodos de empaquetar
ciertos paquetes.
Preguntas:
1. Cules y cuntos fueron los tratamientos?
2.
3.
Cuntas unidades experimentales?
4.
Cuntas repeticiones
29
UNIDAD 2. DISEOS BSICOS PARA LA INVESTIGACIN

2.1. DISEO COMPLETO AL AZAR
Este diseo es el ms sencillo y se origina por la asignacin aleatoria (sorteo) de tratamiento a
un conjunto de unidades experimentales previamente determinado. Por regla general este no
es el diseo ms eficiente para ensayos de campo con plantas, pues la variancia producida por
la heterogeneidad del suelo y acumula en el error experimental.
Solo extrae una fuente de variacin reconocida; la debida a los tratamientos en estudio, y al
resto la variacin no explicada (no debido a los tratamientos) se acumula en el ERROR.
Por ello es muy til en experimentos de laboratorio, cmaras de crecimiento, invernaderos, en
donde las condiciones ambientales son uniformes y controladas (suelos uniforme, macetas,
humedad, temperatura, luminosidad, etc.), y solo se varan las condiciones dadas o sealadas
por los tratamientos.
En este diseo pueden probarse cualquier nmero de tratamientos. Resulta deseable, aunque
no esencial, tiene el mismo nmero de repeticiones por tratamiento. Los tratamientos se
repiten, y varias veces para seguridad, confianza y validez de los datos. Las unidades
experimentales, un tratamiento puede repetirse 4 veces, otro 10 etc. Segn las necesidades del
experimento y la disponibilidad de materiales.
2.1.1. Ventajas del DCA
1. Fcil de planear.
30
2. Flexible en cuanto al nmero de tratamiento y repeticiones.

3. No es necesario que el No de tratamiento sea igual al No de repeticiones
4. Por no tener muchas restricciones, aumenta el error experimental: esto disminuye el CM
del error o sea la varianza del experimento (S) y predispone a la significacin de tratamientos.
2.1.2. Desventajas del DCA

1. No es eficiente con material heterogenia.
2.
Requiere de condiciones generales muy uniforme, que no se dan en el campo.

3. Al no tener restricciones, el error experimental incluye la variacin entre las unidades
experimentales, excepto la debida a tratamientos.
2.1.3. Modelo Estadstico Del DCA
Y i = M +Z i +E i.
Y i = Observaciones o valores.
M = Promedio general.
Z i = Efecto de tratamiento.
E i = Error de cada observacin.
2.1.4. Modelo Matemtico de Clculo del DCA
F de V
TOTAL
TRAT.
ERROR
G L
R trat
Trat 1
Trat ( r 1 )
S C
C M
Sxi FC
Strat / r FC
CMTrat /gl trat
SCTo - SCTrat
F C
CMTrat / CME
2.1.5. Ejemplo de Clculo

En una plantacin de frijol formado por 4 tratamientos y 4 repeticiones, y cada parcela tiene
60 plantas. Se desea analizar el rendimiento de semilla por parcela y por hectrea. Los datos
son los siguientes:
31
Variable: Rendimiento de semilla por parcela en Kg

TRAT
A
B
C
D
TOTAL
1.
I
6
4
7
8
III
7
5
5
7
IV
8
9
9
10
S TRAT
26
25
27
30
108
FC = ( SxI )2 / N
FC = (108)2 / 16
2.
II
5
7
6
5
= 729 ******
SCTo = Sxi 2 - FC
SCTo = (6 2 + 4 2 + 72 + 82 + 52 + 72 +62 + 52 + 72 + 52 + 52 + 72 + 82 +
92 + 92
SCTo = 774 - 729
3.
+ 10 2) -
729
= 45
SCTrat = Strat2 / No rept - FC

SCTrat = 262 + 252 + 272 + 302 / 4 - 729
SCTrat = 2.930 / 4 - 729
SCTrat = 732,5 - 729 = 3,5 ******
4. SCE
SCTo - SCTrat
SCE
45 - 3,5 = 41,5
Anlisis de la Varianza (ADEVA)

F de V
TOTAL
TRAT
G L
15
3
S C
45
3,5
C M
F C
1,16
0,33ns
F t
3,49 5,95
32
ERROR
12
41,5
3,45
CV = 27,8 %
GLTo = N - 1
GLTrat = Trat - 1
GLE
= GLTo - GLTrat
GlTo = 16 - 1 = 15 *****
GlTrat = 4 - 1 = 3 *****
GLE
= 15 - 3 = 12 *****
CMTrat = SCTrat / GLTrat

CME
= SCE / GLE
FCTrat = CMTrat / CME.
Cmtrat = 3, 5 / 3 = 1,16 ****

CME = 41, 5 / 12 = 3,45 ****
FCTrat = 1,16 / 3,45 = 0,33 ****
2.1.6. Uso de Tabla de F

Hacia debajo de la tabla buscar los 12gl del error, y en forma horizontal buscar 3gl de
tratamiento y encontramos los valores de F tabular (Ft) al 5% y al 1% que corresponden a los
valores de 3,49 y 5,95.
2.1.7. Reglas de Hiptesis
Toda investigacin parte de la hiptesis nula (Ho)
La hiptesis nula indica que todos los resultados de los tratamientos son iguales y si no se
cumple esto se cumplen la hiptesis alterna que significa que los resultados de los
tratamientos son diferentes.
2.1.8. Reglas de Decisin e Interpretacin
Cuando el valor de FC es mayor a los valores de Ft al 5% y al 1% se rechaza la Ho y se acepta
Ha, en este caso los resultados promedio de los tratamientos son altamente significativo, y se
representa con dos asteriscos (**), es decir que la confianza de probabilidad es del 99%. Se
usan pruebas de significacin.
Cuando el valor de FC es mayor al valor de Ft al 5% y menor al valor del 1%, en este caso los
resultados promedio de los tratamientos son significativos y se representan con un asterisco *,
es decir que la confianza de probabilidad es del 95%. Se usan pruebas de significacin.
33
Cuando el valor de FC es menor a los valores de Ft al 5% y al 1% los resultados promedio de

los tratamientos son iguales, y se representan con ns, en este caso se acepta la hiptesis nula.
No se usan pruebas de significacin.
2.1.9. Clculo del coeficiente de variacin
Es un medida relativa de variabilidad, independiente de las unidades de medida, lo cual
contrasta con la desviacin tpica que expresa la dispersin de los valores en las mismas
unidades de medidas que las observaciones cuyo grado de homogeneidad establece. Se la
define como la relacin entre la desviacin tpica y el promedio del experimento.
El coeficiente de variacin determina el grado o porcentaje de error ocurrido por diversas
causas en el proceso del ensayo, y en investigaciones de campo puede ser de 10 al 25%. En
trabajos de invernaderos donde las condiciones ambientales, de suelo, de riego, etc. Son ms
controladas, el CV puede ser de 2 al 10%. Se expresa en porcentaje y por tal razn se
multiplica por 100.
El CV hasta cierto punto es una medida de efectividad con que se ha llevado el experimento,
mientras mas pequeo sea el valor del error experimental (S), ser mas pequeo el valor del
CV, indicando con ello que se ha extrado la mayor parte de la fuente de variacin total del
experimento por medio de las fuentes de variacin reconocidas (tratamientos, factor A o B,
interacciones etc.) quedando muy poca variacin desconocida para el error.
Los CV son generalmente mayores en experimentos con animales, mayores en ensayos de
campo que en experimentos de invernaderos, donde las condiciones ambientales son
controladas. Los CV permiten evaluar resultados de diferentes experimentos que traten sobre
el mismo factor y que, hayan sido llevados a cabo por diferentes personas.
El resumen el CV mide el grado de precisin del diseo y de la buena conduccin del mismo
por parte de investigador.
Proceso de Clculo:
CV =
S
x
x 100
CV =
CMError
x
x 100
34
CV =
3,45
6,75
x 100
CV = 1,85 / 6,75 x 100

CV = 0,275 x 100
CV = 27,5% *****
x = 108 / 16
x = 6,75 *****
2.1.10. Desviacin tpica o error standard

Las muestras tomadas de una poblacin de valores, tienen su varianza S y su desviacin tpica
S podemos distribuir esta variacin para el nmero de veces que se miden las muestras, es
decir para el nmero de repeticiones de las observaciones: El error tpico puede calcularse
para una media de un tratamiento o para dos medias de dos tratamientos.
Proceso de clculo:
1. S x = desviacin tpica de la media de un tratamiento.
Sx =
S
r
Sx =
3,45
4
0,8625
0,928 kg *****
2. S d = desviacin tpica de la media de dos tratamiento
Sd=
Sd=
2 ( S)
r
2(3,45)
4
6,9
4
1,725
1,31 kg *****
35
2.2. DISEO DE BLOQUES COMPLETOS AL AZAR

En el campo por la heterogeneidad del suelo principalmente, las condiciones no son tan
uniformes como en invernadero, por tanto es deseable agrupar las unidades experimentales en
una superficie no muy extensa, en un conjunto bsico de tratamientos agrupados en una
repeticin que se denomina bloque y el experimento tendr tantos bloques o repeticiones sean
planeados.
Con el DBCA se aumenta la eficiencia de informacin del experimento pues de haber
diferencias entre bloque, estas sern extradas por el mecanismo de clculo, de usarse este
diseo, tales diferencias se confundiran con las debida a tratamiento, tambin se aumentara
la variacin desconocida, no explicable que forma el error experimental.
Entonces se puede agrupar las unidades experimentales, a la que se aplicarn los tratamientos,
en bloques de cierto tamao. Los tratamientos as agrupados participarn por igual de
condiciones tan iguales como sea posible dentro de cada bloque.
Este diseo revoluciono la experimentacin agrcola, ganadera, forestal y ambiental hace 30
aos su popularidad y eficiencia se basa en una feliz combinacin de utilidad, simplicidad y
flexibilidad.
Los bloques no solo pueden referirse reas de un campo con plantas, igualmente grupos de
animales pueden manipularse de un modo uniforme (por edad, peso, etc.; o tambin diferentes
tiempos de aplicacin de tratamientos a unidades experimentales.)
36
2.2.1. Ventajas del DBCA

El mejor de los diseo, el ms utilizado por su sencillez de calculo y planificacin, gran
equilibrio experimental.
2.2.2. Desventaja del DBCA
Cuando el nmero de tratamiento es alto es decir superior a 20 o 25 tratamientos la superficie
del bloque aumenta y en consecuencia pierde homogeneidad, lo que repercute en el
incremento del error experimental.
Ejercicio de clculo
En un ensayo de tesis de grado se estudian 6 variedades frijol, para el efecto se utiliza un

diseo de bloques al azar con 4 repeticiones, Se miden las variables de altura de planta, N de
vainas por plantas, N de semillas por vaina, rendimiento de semilla por parcela, y los datos
son los siguientes:
Variable: Rendimiento de semilla por parcela.
Trat
1
2
3
4
5
6
Total
Promedio
I
42
32
25
18
35
36
188
Bloques o repeticiones
II
III
46
38
38
31
32
28
20
26
42
46
25
22
203
191
IV
41
30
26
24
40
26
187
Total
167
131
111
88
163
109
769
Promedio
41.75
32.75
27.75
22.00
40.75
27.25
32.04
Proceso de Clculo
1.
Factor de Correccin:
FC = S (Xij) / r x t
FC = (769) / 4x6 = 591.361 / 24 = 24.640
37
2. Suma cuadrados totales

SCTo = Sxij - FC
SCTo = ( 32 ) + ( 42 ) +.........+ ( 40 ) + ( 26 ) - 24.640
SCTo = 26.205 - 24.640 = 1.565 *****
3. Suma de cuadrados repeticiones.
SCRept = S.Repet / No trat - FC
SCRept = ( 188 ) + ( 203 ) + ( 191 ) + ( 187 ) / 6 24.640
SCRept = 148.003 / 6 - 24.640 = 27 *****
4. Suma cuadrados tratamientos.
SCTrat = S Trat / Nrept - FC
SCTrat = ( 131 ) + ( 167 ) +.........+ ( 109 ) / 4 - 24.640
SCTrat = 103.565 / 4 - 24640 = 1.251 *****
5. Suma cuadrados del error.
SCE = SCTo - ( SCRept + SCTrat )
SCE = 1.565 - ( 27 + 1.251 )
= 287 *******
6. Cuadrados medios.
CMRep = SCRep / grep = 27 / 3
9 *****
CMTrat = SCTrat / gtrat = 1.251 / 5 = 250,2 *****

CMError = SCError / gerror = 287 / 15 =
19,13 *****
7. Prueba de F t
F t Rept = CMRept / CMError
9 / 19,13
= 0,47 *****
38
F t Trat = CMTrat / CMError
= 250,2 / 19,13
= 13,08 *****
8. Coeficiente de variacin
CV =
9.
19,13 x 100 = 13,65 *****

32,04
Error tpico
Sx =
19,13
4
= 2,19 *****
Sd =
2(19,13)
4
= 3,09 *****
F DE v
TOTAL
R REPT
TRAT
ERROR
GL
23
3
5
15
SC
1.565
27
1.251
287
A D E V A
CM
FC
9
250,2
19,13
< 1 ns
13.08**
Ft
3,29
2,90
5,290
4,56
CV = 13,65 %
10. Decisin estadsticas
Ho: T1 = T2 = ------------ = T6
Ha: T1 = T2 u otro
Si
Si
FC
FC
Ft
Ft
En las repeticiones FC
En las repeticiones FC
Los tratamientos son iguales

Los tratamientos son diferentes
Se acepta la Ho
Se rechaza Ho y se acepta la Ha
Ft No hay diferencias entre bloques ( n s )
Ft Existen diferencias entre tratamiento.
De acuerdo a la informacin del ADEVA se acepta que hay diferencias en el rendimiento de

las especies arbrea, cualquier prueba de significacin o separacin de medias establecer
la superioridad de una o ms especies sobre otra u otras.
Ejercicio
39
En un ensayo de fertilizacin nitrogenada en arroz de 5 tratamientos y 4 repeticiones, se desea

comprobar la repuesta de este cultivo cuando le falta un elemento nutricional. La variable a
medirse es peso de materia seca en gramos a los 60 das.
Variable: Peso de materia seca en gr. a los 60 das.
Trats
Testigo com.
Sin S
Sin K
Sin P
Sin N
TOTAL
I
101
51
83
67
29
II
93
61
68
40
45
III
93
59
72
46
51
IV
96
58
75
52
42
S.Trats
383
229
298
205
167
1.282
Proceso de Clculo:
1.
FC = (1.282) / 20 = 82.176 ******
2.
SCTo = ( 101 + 93 + ............ + 51 + 42 ) - FC

SCTo = 90.344 - 82.176 = 8.168 ******
3. SCTrat = 383 + 229 + 298 + 205 + 167 / 4 - 82.176

SCTrat = 89.462 - 82.176
= 7.286 ******
4. SCE = 8.1687 - 7.286 = 882 ******
ADEVA
F de V
TOTAL
TRAT
ERROR
G L
19
4
15
S C
8.168
7.286
882
C M
F C
F t
1.821,5
38,8
30,98 **
3,06 4,89
2.2.3. Interpretacin del ADEVA
40
Toda investigacin parte de la Ho en donde todos los tratamientos son iguales, esto se cumple
cuando FC < Ft. En el ejemplo si FC = 3,01 entonces no habra resultado significativo, en
trminos apropiados ello indicara que la ausencia de cualquiera de los elementos
nutricionales producen el mismo efecto en plantas de pasto yaragua, es decir la misma manera
en peso seco habra de fallar N, P, K, Ca, S.
Pero como FC > Ft (30,98 **) esto indica que los tratamientos no son iguales cumplindose
la hiptesis alternativa ( Ha ), los tratamientos son diferentes; la ausencia de uno o ms
elementos nutricionales afectan el peso seco ms que otros. Hasta aqu solo sabemos que los
tratamientos son diferentes debemos continuar con las pruebas de significacin.
Error tpico de una media
Sx =
S
r
58,8
4
= 14,70
= 3,83
Error tpico de 2 medias
Sd =
2S
r
2 (58,8)
4
= 29,40 = 5,42
Coeficiente de Variacin
CV =
S
x
x 100
38,8 x 100 = 11,85 %

64,1
2.2.4. Diseo completamente al azar con repeticin desigual

En investigaciones realizadas puede darse el caso de que no todos los tratamientos se midan
en igual nmero de repeticiones, ya sea por falta de semilla, por prdida de unidades
experimentales, (rboles, macetas, animales, parcelas, observaciones, etc.) o bien por qu se
desea medir con mayor precisin un tratamiento que otro.
41
Al no disponer de igual nmero de repeticiones par cada tratamiento, en el DCA se tiene la

ventaja de poder analizar los datos directamente, sin tener que calcular parcelas u
observaciones perdidas como en otros diseos.
Ejercicio de clculo:
En un ensayo para la produccin de plantas forestales por el mtodo asexual, en 9 especies, se

aplican 3 tipos de hormonas, ms 1 testigo (:1. Ho, 2. H250, 3. H500 4. 1000) con el objeto de
observar el comportamiento y la efectividad en el enraizamiento de las estacas. A los diez
das de la cuantificacin de races por unidad de muestreo, presenta los siguientes datos con
la particularidad de que algunas especies (UE) haban muerto.
R E P E T I C I O N E S
TRAT
H0 te
H250
H500
H100
E1
41
34
45
35
E2
41
34
46
33
E3
44
35
49
E4
43
34
44
E5
41
33
E6
42
E7
44
E8
41
E9
41
STrat
378
170
184
68
PROCESO DE CLCULO
FC = ( S xi ) / N
FC = ( 800 ) / 20
= 32.000 *****
SCTo = S xi - FC
SCTo = ( 41 + 41 + .........+ 35 + 33 ) 32.000 = 464 ******
SCTrat = SCTrat / n trat - FC
SCTrat = ( 378 ) / 9 + ( 170 ) / 5 + ( 184 ) / 4 ( 68 ) / 2 32.000 = 432 *
SCE = SCTo - SCTrat
SCE = 46 - 432 = 32 ***
ADEVA
42
F de V
TOTAL
TRAT
ERROR
CV =
G L
19
3
16
SC
464
432
32
CM
FC
144
2
72 **
Ft
3,24
5,29
2 x 100 = 3,5 %
40
r = 9+5+4+2/4 = 5
x r = 5 ***
Sx =
S
r
2
5
Sd =
2S
r
2()
5
= 0,64 ***
= 0,90
El valor de FC es 72 ** que es mayor a los valores de Ft al 5% y al 1%, por tanto es altamente

significativo ** aceptndose la Ha, es decir que hay diferencia entre los tratamientos al 99%
de probabilidad. Como conclusin se puede decir que la aplicacin de las hormonas para el
enraizamiento influye significativamente.
2.2.5. Diseo de bloques completos al azar con parcelas perdidas
Ejercicio:
En un ensayo donde se prueba la adaptacin e 6 especies de eucalipto, en 4 repeticiones; a los

8 meses se evala el porcentaje de sobrevivencia por tratamiento y se registran los siguientes
datos, pero resultan 2 parcelas perdidas en la I rept de la V5 y el la II rept de V1.
Variable: Porcentaje de sobrevivencia de plantas por tratamientos
TRAT
V1
V2
V3
V4
V5
I
32
42
25
18
Pp
II
Pp
46
32
20
42
III
31
38
28
26
46
IV
30
41
26
24
40
S TRAT
93
167
111
88
128
43
V6
S Rept
36
153
25
165
22
191
26
187
109
696
PROCESO DE CLCULO
Frmula para clculo de parcela perdida
X =
X = valor perdido
R = No de repeticiones
B = S To del bloque donde se pierde
t = No de tratamientos
T = S Trat donde corresponde la pp
G = Gran total general
rB + tT - G
(r 1) (t 1)
Para las pruebas de significacin para tratamientos, debe obtenerse una Desviacin Standard
modificada con la siguiente frmula.
Sd =
S [ 2
r
t
]
r(r 1)(t-1)
Cuando faltan 2 valores, debe calcularse un promedio para el primer valore perdido, luego
aplicar la frmula y obtener el prime valor perdido, entonces anular el promedio inicial, y
calcular con la frmula el segundo valor perdido.
1.
Calculo de V5 ( I rept. )
x = 4 ( 153 ) + 6 ( 128 ) 696
(41) (61)
2.
r =
4
B = 153
t =
6
T = 128
G = 734
= 43,1 ***
Calculo de V1 ( II rpt. )
x = 4 ( 165 ) + 6 ( 93 ) 738,7
(41) (61)
= 43,1 ***
r
t
B
T
G
=
4
=
6
= 165
=
93
= 738,7
44
3.
Calculo de g I
F de V
GL
Total
Rept.
Trat
Error
21
3
5
13
2.3.
DISEO CUADRADO LATINO
Es un diseo muy eficiente, pues bloquea la variabilidad o heterogeneidad del suelo en

sentido vertical (columnas) y en sentido horizontal (hileras). Es decir que agrupa el ncleo
bsico de tratamientos en bloques verticales denominados columnas y bloques horizontales
denominados hileras.
Este diseo es muy til en suelos heterogneos o bien de pendientes cruzadas o indefinidas en
las cuales las tendencias de fertilidad del suelo no parecen dirigirse en un sentido sino en
varios.
Puede utilizarse en experimentacin con unidades animales, en el sentido de columnas, se
uniformiza la edad, y en el de hileras puede uniformizarse, por ejemplo el peso. Es un diseo
muy apropiado para experimentos con equipos agrcolas, sistemas de labranza, sistemas de
irrigacin, etc. Experimentos que tienen pocos tratamientos y requieren cierta precisin.
Este diseo tiene una gran restriccin, el nmero de tratamientos debe ser igual al nmero de
columnas y al nmero de hileras (No trat. = No de colum = No de hileras). Esta restriccin,
el nmero de tratamientos debe ser igual al No de tratamientos en prueba, fsicamente no
puede haber Cuadrado Latino muy grande; los ms comunes usan entre 4 y 8 trat. O 5 a 12, y
cada tratamiento debe ir una sola vez en la columna y una sola vez en la hilera.
Clculos de los GL
45
El Cuadrado Latino se expresa 5 x 5 o bien 8 8, en el primer caso habr 25 UE y en el

segundo 64 UE.
F de V
GL
F de V
Total
Hileras
Colum.
Trat.
Error
24
4
4
4
12
Total
Hileras
Colum.
Trat
Error
GL
63
7
7
7
42
Para ubicar los tratamientos en las unidades experimentales se utiliza un sistema combinado
de aleatorizacin: 1ero_ un arreglo de posiciones o distribucin o tratamientos y luego se
produce al sorteo de posicin de columnas e hileras.
Efecto de diagonal
1
A
B
C
D
2
B
C
D
E
3
C
E
E
A
4
D
D
A
B
5
E
A
B
C
Sorteo de Columnas
1
2
3
4
5
2
B
C
D
E
A
5
E
A
B
C
D
1
A
B
C
D
E
3
C
D
E
A
B
Sorteo de hileras
4
D
E
A
B
C
3
1
5
2
4
3
D
B
A
C
E
D
B
E
D
A
C
B
C
A
E
B
D
C
E
C
B
D
A
E
A
D
C
E
B
A
Ejercicio:
En las colinas de la ciudad de Portoviejo se implementa en cinturn verde, terrenos con

pendientes pronunciadas e irregulares, en este proyecto se establece un ensayo de fertilizacin
con 5 tipos d fertilizantes y un testigo en la plantacin de algarrobo; se pretende evaluar el
rendimiento de semilla a los 6 aos de edad de la plantacin. En el experimento se utiliza un
diseo de cuadrado latino y los datos son los siguientes.
46
C O L U M N A S
Hileras
I
I
28,2
II
31,0
III
30,6
IV
33,1
V
29,9
VI
30,8
S colum 183,6
Total Trat.
x Trat
A
B
C
D
E
F
II
29,1
29,5
28,8
30,4
25,8
29,7
173,3
III
32,1
29,4
21,7
28,8
30,3
27,4
169,7
IV
33,1
24,8
30,8
31,4
30,3
29,1
179,5
B
F2
C
F3
D
F4
E
F5
F
F0
183,1
182,1
188,9
183,8
182,2
148,6
31,0
30,4
31,5
30,6
30,4
24,8
A
F1
V
31,1
33,0
31,9
26,7
33,5
30,7
186,9
VI
S hilera
32,4
186,0
30,6
178,3
30,1
173,9
31,9
182,3
32,3
182,1
21,4
169,1
178,7 1.071,7
= 32,1 + 30,6 + 31,9 + 30,4 + 30,3 + 30,8 = 186,1 ***

=
=
=
=
=
1. Factor de correccin
FC = S( Xij ) / c x h
FC = ( 1,071,7 ) / 6 x 6
2. Suma de Cuadrado total
SCTo = S Xij - FC
SCTo = ( 28,2 ) + ( 31,0 ) +...........+ ( 32,3 ) + ( 21,4 ) - 31.903,91
SCTo = 32.185,79 - 31.903,91 = 281,88 *****
3. Suma de cuadrados columnas
47
SCCol = ( SCC ) / trat - FC

SCCol = ( 183,6 ) +...........+ ( 178,7 ) / 6 - 31.903,91
SCCol = 31937,58 - 31.903,91 = 33,67 ******
4. Suma de cuadrados de hileras
SCHil
= ( SCH ) / trat - FC
SCHil
= ( 186,0 ) +............+ ( 169,1 ) / 6 - 31.903,91
SCHil
= 31936,10 - 31.903,91
= 32,19 ******
5. SCTrat = ( Strat ) / C - FC
SCTrat = ( 186,1 ) +...........+ ( 148,6 ) / 6 - 31.903,91
SCTrat = 32089,68 - 31.903,91
= 185,77 ***
6. Suma de cuadrados del error

SCE = SCTo - SCHil - SCCol - SCTrat
SCE = 281,88 - 32,19 - 33,67 - 185,77 = 30,25
ADEVA
F de V
Total
Hileras
Column
Trat
Error
GL
35
5
5
5
20
SC
281,88
32,19
33,67
185,77
30,25
C M
FC
6,44
6,73
37,15
1,51
4,26 **
4,45 **
24,56 **
Ft
2,71 4,10
7. Cuadrados Medios
Hileras
S C Hil
G L Hil
32,19
5
= 6,44 ****
48
Columnas =
S C Col
G L Col
TRAT
S C Trat
G L Trat
ERROR =
SCE
GLE
33,67
5
= 6,73 ****
185,77
30,25
20
= 37,15 ****
= 1,51 ****
8. Prueba de F
FC =
C M Trat
C M Error
37,15
1,51
= 24,56 *****
9. Error Tpico
CV =
1,51
x 100
29,8
= 4,12 *****
valor para Tuckey

0,5 x 4,23 = 2,12
valor para Scheffe
0,71 x 3,68 = 2,61
Sx
2(1,51)
6
= 0,50 *****
Trat
C = 31,48
A = 31,01
D = 30,63
E = 30,36
B = 30,35
F = 24,76
Tuckey
a
a
a
a
a
b
Scheffe
a
a
a
a
a
b
10. Decisin estadstica

FC = 24,56
es mayor a Ft
4,10 al
1% por tanto los tratamiento son altamente
significativo.
CONCLUSIN: Los tratamiento son diferentes al 1 % de probabilidad.
Calculo de parcelas perdidas
X =
r ( H + C + T) - 2 G
de donde:
49
(r 1) ( r 2 )
X = valor parcelas perdidas
V, C, T = Total de la hilera, columna
y tratamiento donde se ubican
la parcela perdida
G = Gran total
R = No de repeticiones (Sea hil, col o trat)
Para la ADEVA debe sustraerse 1 gl del total y del error.
TABLA No VII. VALORES DE RANGO MNIMO DE DUNCAN
g.l. del
Error
Nivel de significancia
Nmero de medias consideradas

2 3 4 5 6 7 8 9 10 12 14 16 18 20
UNIDAD 3 PRUEBAS DE SIGNIFICACIN

El ADEVA llega hasta la prueba de F, en donde se establece si los tratamientos son o no son
iguales, si no hay diferencias estadsticas entre ellos, la repuesta es obvio, se la FC es
50
significativa hay que encontrar cuales son diferentes en base las siguientes pruebas, las cuales
en definitiva solo establecen un valor, que marca la diferencia de dos o ms tratamientos.
Ejercicio:
Prueba de rendimiento de semilla de 6 tratamientos en un ensayo de algarrobo con diseo de
bloques completo al azar.
F de V
TOTAL
REPT
ESPEC
ERROR
1. S x = 2,19
G L
23
3
5
15
CM
FC
9
250,2
19,13
13,08 **
Ft
2,90 4,56
S d = 3,09
2. Ordenacin de las medias de tratamientos a compararse

41,75
3.1.
40,75
32,75
27,75
27,25 22,00
DIFERENCIA MNIMA DE SIGNIFICACIN - DMS
No es prueba mltiple, prueba de diferencia para 2 tratamientos, sencilla y fcil de calcular,

compra 2 promedios, y/o comparaciones especificas entre el testigo u otros tratamientos. Solo
puede usarse sI FC es significativo.
DMS = t ( g I error ) x S d
DMS = ( 2,131 ) ( 3,09 ) = 6,58 ******
E1 E2 = 41,75 40,75 = 1
E2 - E3 = 40,75 - 32,75 = 8
E3 - E4 = 32,75 - 27,75 = 5
3.2.
g I = 15
t( 0.5 ) = 2,131
t( 0.1 ) = 2,947
S d = 3,09
No supera el valor de DMS (6,58)

Supera el valor de DMS, por tanto los
Tratamientos son diferentes
No supera el valor de DMS.
PRUEBAS DE RANGO MLTIPLE DE DUNCAN
Tiene una gran ventaja, puede hacerse aun cuando FC no sea significativo, por ser
independiente, prueba de mayor valor que la DMS, ms estricta, y si toma en consideracin el
51
nmero de tratamiento permite comparar todos los promedios, sin restricciones y se requiere
Sd, Sx, y valores de Rango Mnimo de Duncan (Tabla 7), que se obtienen segn el nmero de
promedios de tratamientos y los grados de libertad del error, y la frmula es la siguiente.
RMS = RMD x S x
RMS = Rango Mnimo de Signifacin

RMD = Rango Mnimo de Duncan
S x = Error Tpico de 1 media
Valores para promedios
3,01
3,16
3,25
3,31
x
3,36
2,19
6,59
6,92
7,12
7,25
7,36
RMD (Tabla)
RMS
41,75 7.36 = 34,39

40,75 - 7.25 = 33,50
32,75 - 7.12 = 25,63
41,75 a
40,75 ab
32,75 c
27,75c
27,25c
22,0d
Luego se ordenan los promedios, y por diferencia entre los promedios de tratamientos y los
valores de RMS, se establece la diferencia, que nos permiten establecer, cual o cuales
tratamientos se ubican en cada uno de los rangos, como se indica a continuacin.
Interpretacin: En conclusin se establecen 3 rangos a, b, c, en donde los promedios bajo
el mismo rango que llevan la misma letra son estadsticamente iguales, es decir que en el
52
primer rango incluye los valores 41,75 y 40,75 el segundo rango el valor es 40,75 y el tercer
rango 32,75.
3.3.
PRUEBA DE TUKEY
Es un procedimiento similar al de la DMS, porque requiere un solo valor para determinar la

significacin de las diferencias. Es una prueba de gran adaptabilidad y superior a la DMS,
porque la unidad considerada es el producto de
y un factor Q,x tomado de la tabla de
puntos de porcentajes de rangos mnimos, para el 5% y 1% de probabilidad, y de acuerdo a

los g. de l. del error y del nmero de tratamientos involucrados.
D = Q (g l del error) sx
En el ejemplo que estamos siguiendo, el valor de Q para 15 g del. 5 tratamientos y al 5% es
de 4.37 (valor de tabla).
D = 4.37 x 2.19
D = 9,57
41,75 9,57 = 32,18
40,75 - 9,57 = 31,18
32,75 - 9,57
= 23,18
41,75 a
40,75 ab
32,75 ab
3.4.
PRUEBA DE SCHEFFE
Es una prueba ms estricta y ms perfeccionada que las anteriores y de fcil aplicacin,

puesto que se utilizan los valores de la tabla de F segn g.l. del error al 5% o 1% de
probabilidad y No de tratamientos, que se usa para determinar si existe o no diferencia
significativa entre tratamientos, despus de la ADEVA. El valor de S calculado para comparar
medias de tratamientos y est dado por:
53
S = ( Fo ) ( Sd ) en donde Fo =
Fo =
2,90 ( 6 1 )
S = ( 3,81 ) ( 3,09 )
F( p 1 )
Fo = 3,81*****
F = valor de tabla 5%
P 1 = No Trat 1
Sd = 3,09
S = 11,77 ******
41,75 - 11,77 = 29,98
41,75
Interpretacin
40,75 - 11,77 = 28,98
40,75
Promedios bajo igual
32,75 - 11,77 = 20,98
32,75
abc
Rango o letra son
27,75
iguales estadsticamente
27,75
22,00
UNIDAD 4: EXPERIMENTOS FACTORIALES

4.1.
EXPERIMENTO FACTORIAL AxB
Los experimentos factoriales combinan dos o ms experimentos simples que contienen un

solo factor de investigacin.
En un experimento factorial, los efectos de dos o ms factores se investigan en forma
simultnea. Si se sospecha que la conducta de un factor varia con los cambios de otro, dicha
conducta puede probarse mediante un conjunto factorial de tratamientos, planificado en un
diseo adecuado.
Cuando dos o ms factores (cada uno debe estar en dos o ms niveles) se prueban en todas
las combinaciones posibles, se dice que los tratamientos resultantes son factoriales. Los
efectos diferenciales de un factor sobre otro reciben el nombre de interaccin. El
descubrimiento de las interacciones amplan las conclusiones de un experimento. El rango de
validez del experimento se incrementa, lo cual es una caracterstica deseable de un
experimento bien planeado. Incluso si no se detectan interacciones, en los experimentos
factoriales los resultados son ms ampliamente aplicables, puesto que se ha demostrado que
los efectos principales de los tratamientos se mantienen para un rango ms grande de
condiciones.
54
Dos factores: Originan un arreglo A x B

Tres factores: Originan un arreglo A x B x C
Cuatro factores: originan un arreglo A x B x C x D
Factor: Es una clase mayor de tratamiento con niveles de pruebas
Interaccin: Efecto del nivel de un factor sobre el nivel del otro factor
Ejemplo:
Factor 1 Nitrgeno =
0 - 80 - 120 -
160
Niveles de pruebas
Factor 2 Agua
400 - 500
- 600
Niveles de pruebas
Un ejemplo prctico de experimento factorial, es el tratamiento de semilla de frjol boln
rojo utilizando una combinacin factorial de tres niveles de dosificacin de un fungicida
DOSIS DE
DOSIS DE INSECTICIDAS
I0
I1
FUNGICIDAS
F0
F 0 I0
F 0 I1
F1
F 1 I0
F 1 I1
F2
F 2 I0
F 2 I1
dosificacin de un insecticida 3 x 3 = 9 tratamientos.
con
I2
F 0 I2
F 1 I2
F 2 I2
tres
niveles de
CLCULO DE GRADOS DE LIBERTAD

Factor A = 5
variedades de pimiento
Factor B = 4
Abonos orgnicos
Arreglo Factorial = 5 x 4 = 20 tratamiento

Repeticiones = 4
55
Unidades experimentales = 80
VARIEDADES
DE PIMIENTO
V1
V2
V3
V4
V5
A1
V1A1
V2A1
V3A1
V4A1
V5A1
ABONOS ORGNICOS
A2
A3
V1A2
V1A3
V2A2
V2A3
V3A2
V3A3
V4A2
V4A3
V5A2
V5A3
F de V
TOTAL
REPETICIONES
FACTOR A
FACTOR B
Ax B
ERROR
A4
V1A4
V2A4
V3A4
V4A4
V5A4
G.L.
79
3
4
3
12
57
4.1.1. Unidades Experimentales del ensayo por repeticin
TRATAMIENTOS
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
REPETICIONES
I
II
V1A1
V1A1
V1A2
V1A2
V1A3
V1A3
V1A4
V1A4
V2A1
V2A1
V2A2
V2A2
V2A3
V2A3
V2A4
V2A4
V3A1
V3A1
V3A2
V3A2
V3A3
V3A3
V3A4
V3A4
V4A1
V4A1
V4A2
V4A2
V4A3
V4A3
V4A4
V4A4
III
V1A1
V1A2
V1A3
V1A4
V2A1
V2A2
V2A3
V2A4
V3A1
V3A2
V3A3
V3A4
V4A1
V4A2
V4A3
V4A4
IV
V1A1
V1A2
V1A3
V1A4
V2A1
V2A2
V2A3
V2A4
V3A1
V3A2
V3A3
V3A4
V4A1
V4A2
V4A3
V4A4
56
17
18
19
20
V5A1
V5A2
V5A3
V5A4
V5A1
V5A2
V5A3
V5A4
V5A1
V5A2
V5A3
V5A4
V5A1
V5A2
V5A3
V5A4
Ejercicio de experimento factorial
Estudio de respuesta de 3 lminas
de riego
en 2 variedades
de frijol, utilizando
repeticiones, y se analiza la variable kg por parcela
FACTOR A = 3 LMINAS DE RIEGO

A1 =
5 Cm. de agua
A2 = 10 Cm. de agua
A3 = 15 Cm. de agua
FACTOR B = 2 VARIEDADES DE FRIJOL
B1 = Caupi rojo
B2 = Caupi blanco
RENDIMIENTO DE FRIJOL EN Kg POR PARCELA
TRAT
A1B1
A1B2
A2B1
A2B2
A3B1
A3B2
SUMA
REP
REPETICIONES
I
II
III
SUMA
TRAT
2
4
3
3
3
5
20
3
2
2
4
3
5
19
7
9
7
11
10
14
58
2
3
2
4
4
4
19
SUMAS DE A (AGUA)
PROMEDIOS
A1 =
7+9
= 16
16 / 6
2,67
A2 =
7 + 11 = 18
18 / 6
3,00
24 /
4,00
24 / 9
2,67
A3 = 10 + 14 = 24
PROMEDI
O
TRAT
2,33
3,00
2,33
3,67
3,00
4,67
3,22
SUMAS DE B (VARIEDADES)
B1 = 7 + 7 + 10 = 24
57
B2 = 9 + 11 + 14 = 34
1.
34 / 9
3,78
Proceso de Clculo
FC = (xi j k)2 / N
FC = (58)2 / 18 = 186,88
2.
SCTo = (xi j k)2 - FC

SCTo = 22 +22 + 32 + 42 + 32 + 22 + 32 + 22 + 22 + 32 + 42 + 42
+ 32 + 42 + 32 + 52 + 42 + 52 - 186,88
SCTo = 204,00 - 186,88 = 17,12
3. SCRept. = (xi j k)2 / a x b - FC )

SCRept. = 202 + 192 + 192 / 3 x 2 - 186,88
SCRept = 400 + 361 + 361 / 6 - 186,88
SCRept = 187,00 - 186,88 = 0,12
4. SCA = (
xi j k )2 / b
r - FC
SCA = ( 162 + 182 + 242 / 2 X 3 - 186,88

SCA = 256 + 324 +576 / 6 - 186,88
SCA =
1158 / 6 - 186,88
SCA =
192,66 - 186,88
5. SCB = ( xi j k ) 2 / a
5,78
r - FC
SCB = 242 + 342 / 3 x 3 - 186,88

SCB = 576 + 1156 / 9 - 186,88
SCB = 1732 / 9 - 186,88
58
SCB = 192,44 - 186,88
5,56
6. SCAB = ( xi j k )2 / r -FC - SCA - SCB )

SCAB = ( 7 + 9 + 7 +11 + 10 + 14 ) / 3 186,88 -5,78 5,56
SCAB =
49 + 81 + 49 + 121 + 100 + 196 / 3 186,88 -5,78 - 5,56
SCAB =
596 / 3 - 186,88 - 5,78 - 5,56
SCAB = 198,66 - 198,22
7. SCE =
0,44
SCTo - ( SCRept +SCA + SCB + SCAB )
SCE =
17,12 - ( 0,12 + 5,78 + 5,56 + 0,44 )
SCE =
17,12 - 11,90
5,22
ADEVA
F de V
TOATAL
REPT
A RIEGO
B VAR
AB
ERROR
4.2.
G.L.
17
2
2
1
2
10
SC
17,12
0,12
5,78
5,56
0,44
5,22
CM
Fc
Ft
0,06
2,89
5,56
0,22
0,52
-1ns
5,6*
10,6**
-1
4,10 - 7,56
4,10 7,56
4,96- 10,04
DISEO DE PARCELAS DIVIDIDAS
En que se usan: En experimentos factoriales A x B.

Por qu: Para facilitar el manejo del material experimental y las
tratamientos no afecten a las operaciones de campo.
combinaciones de los
59
Qu lo hace diferente: Dos tamaos de unidad Experimental, una para el factor A (Parcelas
U. E grande) y otra para el factor B (Parcelas o U.E chica).
Qu mide en mejor forma: Los niveles de B.
Por qu: Porque se repiten dentro de la U. Exp. De A tienen por tanto mas repeticiones que
los niveles de A.
Caracterstica del ADEVA: Tiene dos Errores Experimentales:
Error A (Parcelas o U. E grande) Error B (Parcelas o U.E chica).
Por qu: Porque hay dos tamaos de U Exp y por tanto hay dos fuentes de variacin
desconocida.
Ejemplo:
(A) 3 mtodos de riego
(B) 3 Variedades de Soya
1 Repeticin
A1
A3
A2
B1
B3
A1 B1
A1 B3
B2
B1
A3 B2
A3 B1
B2
B3
A 2 B2
A 2 B3
B2
A1 B2
B3
A3 B3
B1
A 2 B1
Parcelas = 3 factor A
Subparcelas: 9 factor B y AB
Para una repeticin
Si el experimento tiene 4 repeticiones habra:
34 = 12 Parcelas grandes
9 4 = 36 Parcelas chicas
Diferentes tamaos originan distintos

errores.
Cul factor esta mejor medido (evaluado)?

El que tiene 4 repeticiones (factor A)?
El que tiene 12 repeticiones (factor B)?
60
Ejercicio de clculo:
Estudio de dos variedades de Man, sembrada bajo tres distancias de surcos.

Diseo: Parcelas Divididas en 4 Repeticiones.
P. G. = Variedades P.Ch. = Distancias Variedades
Variable que se analiza: Rend / Parcelas o UE.
Tratamiento
A1 B1
A1 B2
A1 B3.
A2 B1
A2 B2
A2 B3
(A)
Variedades
V1
(B)
Distancias
D1
D2
D3
II
III
IV
Tratamiento
28.8
32.4
30.2
35.4
38.6
40.1
40.2
34.6
37.2
30.1
28.9
26.5
134.5
134.5
134
Parcelas
91.4
114.1
112
85.5
403
V2
D1
D2
D3.
42.4
44.6
38.9
38.9
37.2
41.7
39.3
40.8
38.6
40.1
42.4
38.8
160.7
165
158
Parcelas
125.9
117.8
118.7
121.
3
483.7
Rep.
217.3
231.9
230.7
206.
8
886.7
Proceso de Clculo
X = 886,7 / 24 = 36.95
D1 = 0,40 X 0,25
D2 = 0,50 X 0,30
D3 = 0,60 X 0,40 M
B (D)
D1 = 134.5 + 160.7 = 295.5
D2 = 134.5 + 165.0 = 299.5
D3 = 134.o + 158.0 = 292
F.C. = (xijk)2
N
61
FC = (886.7)2 = 786236,39
24
24
FC = 32759,87//
S. C. T. = (xijk)2 F. C.
SCT = (28.8)2 + (35.4)2 + (40.2)2 + (30.1)2 + (32.4)2 + (38.6)2 + (34.6)2 + (28.9)2 + (30.2)2 +
(40.1)2 + (37.2)2 + (26.5)2 + (42.4)2 +(38.9)2 +(39.3)2 + (40.1)2 + (44.6)2 + (37.2)2 + (40.8)2 +
( 42.4)2 + (38.9)2 + (41.7)2 + (38.6)2 + (38.8)2 - 32759.87
SCT = 829.44 + 1253.16 + 1616.04 + 906.01 + 1049.76 + 1489.96 + 1197.16 + 835.21 +
912.04 + 1608.01 + 1383.84 + 702.25 + 1797.76 + 1513.21 + 1544.49 + 1608.01 + 1989.16 +
1383.84 + 1664.64 + 1797.76 + 1513.21 + 1738.89 + 1505.44 - 32759.87
SCT = 33329.25 - 32759.87 = 569.38 //

S.C. Rep. = (xijk)2 F. C.
a. b
SCRep = (217.3)2 +(231.9)2 + (230.7)2 + ( 206,8 )2 - 32759.27
23
SCRep = 47219.29 + 53777.61 + 53222.49 - 32759.87
6
SCRep = 196985.63 32759.87
6
SCRep = 32830.93 32759.87 = 71.07 //
S.C. A. (Var) = (xijk)2 F. C.

b. r
SCA = (403)2 + (483.7)2 - 32759.87
34
SCA = 162409 + 233965.69 - 32759.87
12
SCA = 396374.69 = 32759.87
12
62
SCA = 3303122 - 32759.87 = 271.35
S.C.P.G. = (xijk)2 F. C.
b
SCPG = (91.4)2 +(114.1)2 +(112)2 +(85.5)2 +(125.9)2 +(117.8)2 +(118.7)2 +(121.3)2 - 32759.87
3
SCPG = 8353.96+13018.81+12544+7310.25+15850.81+13876.64+14089.69+14713.69- 32759.87
3
SCPG = 99758.05 - 32759.87
3
SCPG = 33252.68 - 32759.87 = 492.81//
S.C. E. (A) = SC Parcelas - (SC Rep. + SC (A) Var)

SCE = 492.81 (71.07 + 271.35)
SCE = 492.81 342.42 = 150.39
S.C. B. (Dist) = (xijk)2 F. C.
a. r
SCB = (295.2)2 + ( 299.5)2 + (292)2 - 32759.87
24
SCB = 87143.04 + 89700.25 + 85264 - 32759.87
8
SCB = 262107.29 - 32759.87
8
SCB = 32763.41 - 32759.87 = 3.54//
S.C. A. B. = (xijk)2 (F. C. + S.C. A. + S.C. B.)

r
63
SCAB = (134.5)2 + (134.5)2 + (134)2 + (160.7)2 + (165)2 +(158)2 (32759.87 + 271.35 + 3.54)
4
SCAB = 18090.25 + 18090.25 + 1795.6 + 25824.49 + 27225 + 24964 - 33034.78
4
SCAB = 132149.99 33034.78
4
SCAB = 33037.49 - 33034.78 = 2.74//
S.C. E. (B) = S.C. to Subparcelas (S.C parcelas + S.C. B + S.C. A.B)
SCE = 569.38 (492.81 + 3.54 + 2.74)
SCE = 569.38 499.09 = 70.29
F de V
G. L.
Total
Repeticion
(A) Variedad
Error (A)
(B) Distancia
(AB) Var Dist
Error B
23
3
1
3
2
2
12
CV (a) =
CMEA.%
X
CV (a) =
50.13 x 100
36.95
ADEVA
S.C.
C. M.
569.38
71.07
271.35
150.39
3.54
2.74
70.29
23.69
271.35
50.13 S2 A
1.77
1.37
5.86 S2 B
F. C.
05
F. T. 01
</
5.41ns
9.28 29.46
10.13 34.12
</
</
3.89 6.93
CV (a) = 708025 100

36.95
CV (a) = 0.1916 100
CV (a) = 19,16 %
64
CV (b) =
CMEB.%
X
CV (b) =
5.86 . 100
36.95
CV (b) = 2.420743687
36.95
CV (b) = 0.0655 100 = 6.55
CV (b) = 7%
4.2.1. Para Pruebas de Significacin
Se complica en parte la obtencin de los valores S X y Sd.
Para comparaciones del factor A
_
SX=
_
SX=
_
SX=
C M E (a)
r. b.
Sd =
2 (C M E (a))
r. b.
50.13
4.3
50.13
12
_
S X = 7.080254233
3.464101615
_
S X = 2.0438 //
Para comparaciones del factor B
_
S X = C M E (b)
r. a
Sd =
2 (C M E (b)
r. a.
65
SX=
5.86
4.2
S X = 2.420743687
2.828427125
5.86
8
SX = 0.8558 //
Para Promedios de Interacciones:

Sd =
4.3.
2 ((b 1) C M E (B) + C M E (A))

r. b.
Para Sd = 2 (etc.)
Para S = (
) sin el 2
EXPERIMENTO FACTORIAL AxBxC
Variables: N de plantas que emergen del suelo

Repeticin: 3
Tratamiento
A 1 B1 C1
A 1 B1 C2
A. B. C. Esp.
Suelo Cont.
Franco No
Si
I
86
82
BLOQUES
II
82
95
III
98
99
A BC
266
276
A 1 B2 C1
A 1 B2 C2
Arenoso No
Si
98
91
90
85
98
95
286
271
557
A 1 B3 C1
A 1 B3 C2
Arcilloso No
Si
19
81
33
65
14
69
66
215
281
A 2 B1 C1
A 2 B1 C2
Trbol Franco No
Rojo Si
64
94
96
98
92
99
252
292
527
A 2 B2 C1
A 2 B2 C2
Arenoso No
Si
92
95
99
98
98
99
289
292
581
A 2 B3 C1
A 2 B3 C2
Arcilloso No
Si
55
67
48
59
64
77
167
203
370
A 3 B1 C1
A 3 B1 C2
Trbol Franco No
Dulce Si
40
70
41
79
71
49
152
178
330
A 3 B2 C1
A 3 B2 C2
Arenoso No
Si
49
79
64
68
84
72
197
219
416
AB
542
1.380
1.478
66
A 3 B3 C1
A 3 B3 C2
Arcilloso No
Si
12
47
26
43
14
31
Repeticiones
1.221
1.254
1.322
52
121
173
919
3.777
Promedio = 3.777 54 = 69.94 //

B1 C1 (Suelo) = 542 + 527 + 330 = 1.399
B2 C1 (Suelo) = 557 + 581 + 416 = 1.554
B1 C1 (Suelo) = 281 + 370 + 173 = 824
C C1 = 266 + 286 + 66 + 252 + 289 + 167 + 152 + 197 + 52 = 1.727
C2 = 276 + 271 + 215 + 275 + 292 + 203 + 178 + 219 + 121 = 2.050
A B C = A1 = 266 + 286 + 66 = 618
(Suelo) A2 = 252 + 289 + 167 = 708
A3 = 152 + 197 + 52 = 401
A1 = 276 + 271 + 215 = 762
A2 = 275 + 292 + 203 = 770
A3 = 178 + 219 + 121 = 518
A B C (Suelo Control):
A1 = 266 + 252 + 152 = 670
A2 = 276 +275 +178 = 729
A3 = 286 + 289 + 197 = 772
A1 = 271 +292 + 219 = 782

A2 = 66 + 167 + 52 = 285
A3 = 215 + 203 + 121 = 539
Promedios:
A1 B1 = 266 + 276 = 542 6 = 90.3
67
A1 B2 = 286 +271 = 557 6 = 92.8

A1 B3 = 66 + 215 = 281 6 = 46.8
A2 B1 = 252 +275 = 527 6 = 87.8

A2 B2 = 289 + 292 = 581 6 = 96.8
A2 B3 = 167 + 203 = 370 6 = 61.7
A3 B1 = 152 + 178 = 330 6 = 55
A3 B2 = 197 + 219 = 416 6 = 69.3
A3 B3 = 52 + 121 = 173 6 = 28.8
Promedios de B. C.:
B1 C1 = 266 + 252 + 152 = 670 9 = 74.4
B2 C1 = 286 + 289 + 197 = 772 9 = 85.8
B3 C1 = 66 + 167 + 52 = 285 9 = 31.7
B1 C2 = 276 + 275 + 178 = 729 9 = 81
B2 C2 = 271 +292 + 219 = 782 9 = 86.9
B3 C2 = 215 + 203 + 121 = 539 9 = 59.9
F. C. = (xijk)2
N
FC = (3.777)2 = 14265729
54
54
= 264180.16 //
S. C. T0 = ( xijkl)2 F. C.
SCTo = (86)2 + (82)2 + (98)2 + (82)2 + (95)2 + (99)2 + (98)2 + (90)2 + (98)2 + (91)2 + (85)2 +
(95)2 + (19)2 + (33)2 + (14)2 + (81)2 + (65)2 + (69)2 + (64)2 + (96)2 + (92)2 + (94)2 + (83)2 + (98)2 +
(92)2 + (99)2 + (98)2 + (95)2 + (98)2 + (99)2 + (55)2 + (48)2 + (64)2 + (67)2 + (59)2 + (77)2 + (40)2
68
+ (41)2 + (71)2 + (70)2 + (59)2 + (49)2 + (49)2 + (64)2 + (84)2 + (79)2 + (68)2 + (72)2 + (12)2 +
(26)2 + (14)2 + (47)2 + (43)2 + (31)2 - 264180.16
SCTo = 7396 + 6724 + 9604 + 6724 + 9025 +9801 + 9604 +8100 + 9604 + 8281 + 7225 +
9025 + 361 + 1039 + 196 + 6561 + 4225 + 4761 + 4096 + 9216 + 8464 + 8836 + 6889 +
9604 + 8464 + 9801 + 9604 + 9025 + 9604 + 9801 + 3025 + 2304 + 4096 + 4489 + 3481 +
5929 + 1600 + 1681 + 5041 + 4900 + 3481 + 2401 + 2401 + 4096 + 7056 +6241 + 4624 +
5184 + 144 + 676 + 196 + 2209 + 1849 + 961264180.16
SCTO = 299775 264180.16
SCTo = 35594.84 //.
S. C. Rep = ( Rep.)2 F. C.
a.b.c.
SCRep = (1221)2 + (1254) 2 + (1322)2 264180.16
3. 3.2
SCRep = 1490841 + 1522756 + 1747684 264180.16
18
SCRep = 4761281 264180.16
18
SCRep = 264515.61 264180.16
SCRep = 335.45//
S. C. A. (Espcie) = ( xijkl)2 F. C.
b.c.r.
SCA = (1380)2 + (1478)2 + (919)2 264180.16
3.2.3
SCA = 1904400 + 2184484 + 844561 264108.16
18
SCA = 4933445 264180.16
18
69
SCA = 274080.27 264180.16

SCA = 9900.11//
S. C. B. (Suelo) = ( A B)2 F. C.
a.c.r.
SCB = (1399)2 + (1554)2 + (824)2 264180.16
3.2.3
SCB = 1957201 + 2414916 + 678796 264180.16
18
SCB = 5051093 264180.16
18
SCB = 280616.27 264180.16
SCB = 16436.11//
S. C. B. (Control) = ( A B C)2 F. C.
a.b.c.
SCB = (1727)2 + (2050)2 264180.16
3.3.3
SCB = 2982529 + 4202500 264180.16
27
SCB = 7185029 264180.16
27
SCB = 266112, 1852 264180.16
SCB = 1932.02//
SC AxB. (Esp x Suelo) = ( A B)2 - S.C. A -S.C. B. F.C.
c.r.
SCAxB=(542)2+(557)2+(281)2+(527)2+(581)2+(370)2+(330)2+(416)2+(173)2-9900.1116436.11 264180.16
23
SCAB = 293764 +310249 +78961 +277729 +337561 +136900 +173056 +108900 +29929 290516.38
70
6
SCAB =
1.747.049 290516.38
6
SCAB = 291174, 8333 290516.38

SCAB = 658.45//
SC AxC (EspControl) = ( A B )2 S.C.A -S.C.C. F.C.
b.r.
SCAC = (618)2 + (708)2 + (401)2 + (762)2 + (770)2 + (518)2 9900.11 - 1932.02 - 264180.16
33
SCAC = 381924 + 501264 + 160801 + 580644 + 592900 + 268324 - 276012.29
9
SCAC= 2485857 276012.29
9
SCAC = 276206.33 276012.29
SCAC = 194.04 //
S. C. A. C. (SueloControl) = ( A BC)2 S.C.B -S.C.C. F.C.

a.r.
SCAC= (670)2 + (729)2 + (772)2 + (7.82)2 + (285)2 + (539)2 16436.11 1932.02 - 2641180.16
33
SCAC = 448900 + 531441 + 595984 + 611524 + 81225 + 290521 282548.29
9
SCAC = 2559595 282548.29
9
SCAC = 284339.44 282548.29
SCAC = 1851.15 //
71
S. C. A. C. (EspSuelo) = ( A BC)2 SCA-S.C.B-S.C.C.-SCABSCAC -SCBC F.C.

r.
SCAC = (266)2 + (276)2 + (286)2 + (271)2 + (66)2 + (215)2 + (252)2 + (275)2 + (289)2 + (292)2 +
(167)2 + (203)2 + (152)2 + (178)2 + (197)2 + (219)2 + (52)2 + (121)2 9.900,11 16436.11
1932.02 658.45 194.04 1851.15 264180.16
SCAC= 70756 + 76176 + 81796 + 73441 + 4356 + 46225 + 63504 + 75625 +
835221 + 85264 + 27889 + 41209 + 23104 + 31684 + 38809 + 47961 +
2704 + 14641 295152,04
3
SCAC = 888665 295152.04 =
3
SCAC = 296221.66 295152.04
SCAC = 1069.63 //
S.C.E. = S.C.TO (S.C. Rep + S.C.A. + S.C.B. + S.C.C. + S.C.A.B. +

S.CA.C. + S.C.B.C. + S.C.A.B.C.)
SCE = 35594.84 (335.45 + 9900.11 + 16436.11 + 1932.02 + 658.45 +
194.04 + 1851.15 + 1069.63)
SCE = 35594.84 32376.96
SCE = 3217.88 //
ADEVA
F de U
Total
Repeticion
(A) Especies
(B) Suelo
(C) Control
AB
AC
G. L.
53
2
2
2
1
4
2
S. C.
35594.84
335.45
9900.11
16436.11
1932.02
658.45
194.04
C. M.
F. C.
167.72
4950
8218
1932
164.61
97.02
1.77 n s
52.30 * *
86.84 * *
20.41* *
1.74 n s
1.03 n s
05
F. T. 01
3.32 5.39
4.17 7.56
2.69 4.02
72
BC
ABC
Error
CV=
2
4
34
1851.15
1069.63
3217.88
9.78 * *
2.83 * *
925.58
267.41
94.64
CME . %
x
CV=
94.64 . 100
69.94
C V = 9728309206.100 = 0.1390 100 = 13.9 = 14%

69.94
Ojo = Solo las interacciones B C y A B C fueron significativas.
A B = No hubo interaccin Especie Suelo.
Qu significa? Observar promedios de emergencias de plantas.
A1 B1 : 90.3
A1 B2 : 92.8
A1 B3 : 46.8
A2 B1 : 87.8
A2 B2 : 96.8
A2 B3 :61.7
A3 B1 : 55
A3 B2 : 69.3
A3 B3 : 28.8
* Cuando las interacciones (en el ejemplo B C y A B C) son significativas, puede

profundizarse ms en el conocimiento de por qu ocurre tal interaccin.
Tcnica: Desdoblamiento de los grados de libertad de las interacciones.
Desdoblamiento de las Interacciones
B C **
Control
No
Clase
B1
B2
B3
Si
Suelo
Franco
Arenoso
Arcilloso
C1
670
772
285
C2
729
782
539
C2 C1
59
10
254
Factor C: dentro de suelo franco.
73
S.C.B1.C: =
(B1.C2) (B1.C1)2
2 r.a.
r = repeticin
a = Niveles A
(729 670)2 = 531441 448900 = 82541

233
18
18
S.C.B1.C: = 4585.61//
S.C.B1.C: =
Factor C: dentro de suelo arenoso.

S.C.B2.C: =
(B2.C2) (B2.C1)2
2 r.a
S.C.B2.C: = (782 772)2 = 611524 595984 =

2.3.3
18
S.C.B2.C: = 15540 = 863.33//
18
Factor C: dentro de suelo arcilloso.
S.C.B3.C: =
(B3.C2) (B3.C1)2
2 r.a
S.C.B3.C: =
(539 285)2 = 290521 81225 =

2.3.3
18
S.C.B3.C: = 209296 = 11627.55//

18
* Toda comparacin tiene 1 grado de libertad por tanto.
S.C. = C.M.
F de U
G. L.
C. M.
B1 C
1
4585.61
B2 C
1
863.33
B3 C
1
11627.55
Error
34
94.64
F. C.
48.45
9.12
122.86* *
Interacciones
74
Diferencia
B1 C1
B2 C1
74.4
85.8
B1 C2
B2 C2
81
86.9
6.6 N.S.
1.1 N.S.
B3 C1
31.7
B3 C2
59.9
28.2 * *

SIGNIFICACIN a= 1%)
g
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
40
50
60
70
80
90
100
p=2
90.030
14.040
8.261
6.512
5.702
5.243
4.949
4.476
4.596
4.482
4.392
4.320
4.260
4.210
4.168
4.131
4.099
4.071
4.046
4.024
3.942
3.889
3.825
3.787
3.762
3.745
3.732
3.722
3.714
3.643
10
11
12
13
14
90.030
14.040
8.321
6.677
5.893
5.439
5.415
4.939
4.787
4.671
4.579
4.622
4.442
4.391
4.347
4.309
4.275
4.246
4.220
4.197
4.111
4.056
3.988
3.948
3.922
3.904
3.890
3.879
3.871
3.796
90.030
14.040
8.321
6.740
5.589
5.549
5.260
5.057
4.906
4.790
4.697
4.706
4.560
4.508
4.463
4.425
4.391
4.362
4.335
4.312
4.225
4.168
4.098
4.058
4.031
4.012
3.998
3.987
3.978
3.900
90.030
14.040
8.321
6.740
6.040
5.614
5.334
5.135
4.986
4.781
4.780
4.767
4.644
4.591
4.547
4.509
4.475
4.445
4.419
4.395
4.307
4.250
4.180
4.138
4.111
4.092
4.077
4.066
4.057
3.978
90.030
14.040
8.321
6.740
6.065
5.655
5.383
5.189
5.043
4.931
4.841
4.815
4.706
4.654
4.610
4.572
4.539
4.509
4.483
4.459
4.372
4.314
4.244
4.202
4.174
4.155
4.140
4.129
4.120
4.040
90.030
14.040
8.321
6.740
6.074
5.680
5.416
5.227
5.086
4.975
4.887
4.852
4.755
4.704
4.660
4.622
4.589
4.560
4.534
4.510
4.423
4.366
4.296
4.254
4.226
4.207
4.192
4.181
4.172
4.091
90.030
14.040
8.321
6.740
6.074
5.694
5.439
5.256
5.118
5.010
4.924
4.883
4.793
4.743
4.700
4.663
4.630
4.601
4.575
4.552
4.466
4.409
4.339
4.298
4.270
4.251
4.236
4.225
4.216
4.135
90.030
14.040
8.321
6.740
6.074
5.701
5.454
5.276
5.142
5.037
4.952
4.907
4.824
4.775
4.733
4.696
4.664
4.635
4.610
4.587
4.502
4.445
4.376
4.334
4.307
4.287
4.296
4.262
4.253
4.172
90.030
14.040
8.321
6.740
6.074
5.703
5.464
5.291
5.160
5.058
4.975
4.927
4.850
4.802
4.760
4.724
4.693
4.664
4.639
4.617
4.532
4.477
4.408
4.367
4.340
4.321
4.306
4.295
4.286
4.205
90.030
14.040
8.321
6.740
6.074
5.703
5.470
5.302
5.174
5.074
4.994
4.944
4.872
4.824
4.783
4.748
4.717
4.689
4.665
4.642
4.559
4.504
4.436
4.395
4.368
4.349
4.335
4.323
4.315
4.235
90.030
14.040
8.321
6.740
6.074
5.703
5.472
5.309
5.185
6.509
5.009
4.958
4.889
4.843
4.803
4.768
4.738
4.711
4.686
4.664
4.582
4.528
4.461
4.421
4.394
4.375
4.361
4.350
4.341
4.261
90.030
14.040
8.321
6.740
6.074
5.703
5.472
5.309
5.193
5.098
5.021
4.969
4.904
4.859
4.820
4.786
4.756
4.729
4.705
4.684
4.603
4.550
4.483
4.443
4.417
4.398
4.384
4.373
4.364
4.285
90.030
14.040
8.321
6.740
6.074
5.703
5.472
5.314
5.199
5.106
5.031
4.978
4.917
4.872
4.834
4.800
4.771
4.745
4.722
4.701
4.622
4.569
4.503
4.464
4.438
4.419
4.405
4.394
4.385
4.307

SIGNIFICACIN a=5%)
g
1
p=2
17.97
10
11
12
13
14
17.97
17.97
17.97
17.97
17.97
17.97
17.97
17.97
17.97
17.97
17.97
17.97
75
9
1
8
6
6
5
5
5
5
5
5
5
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
40
50
60
70
80
90
100
6.085
4.501
3.927
3.635
3.461
3.344
3.261
3.199
3.151
3.113
3.082
3.055
3.033
3.014
2.998
2.984
2.971
2.96
2.95
2.923
2.888
2.858
2.84
2.829
2.821
2.814
2.81
2.806
2.772
6.085
4.516
4.013
3.749
3.587
3.477
3.399
3.339
3.293
3.256
3.335
3.2
3.178
3.16
3.144
3.13
3.118
3.107
3.097
3.06
3.035
3.006
2.988
2.976
2.968
2.961
2.957
2.953
2.918
6.085
4.516
4.033
3.797
3.649
3.548
3.475
3.42
3.376
3.342
3.313
3.289
3.268
3.25
3.235
3.222
3.21
3.199
3.19
3.154
3.131
3.102
3.085
3.073
3.065
3.059
3.054
3.501
3.017
6.085
4.516
4.033
3.814
3.694
3.588
3.521
3.470
3.430
3.397
3.370
3.348
3.329
3.312
3.298
3.285
3.274
3.264
3.255
3.221
3.199
3.171
3.154
3.143
3.135
3.130
3.125
3.121
3.089
6.085
4.516
4.033
3.814
3.694
3.611
3.521
3.502
3.465
3.435
3.410
3.389
3.372
3.356
3.343
3.331
3.321
3.311
3.303
3.271
3.25
3.224
3.208
3.198
3.19
3.185
3.181
3.177
3.146
6.085
4.516
4.033
3.814
3.694
3.622
3.521
3.523
3.489
3.462
3.439
3.419
3.403
3.389
3.376
3.366
3.356
3.347
3.339
3.31
3.29
3.266
3.251
3.241
3.234
3.229
3.225
3.222
3.193
6.085
4.516
4.033
3.814
3.694
3.626
3.521
3.536
3.505
3.48
3.459
3.442
3.426
3.413
3.402
3.392
3.383
3.375
3.368
3.34
3.322
3.300
3.286
3.277
3.271
3.266
3.262
3.259
3.232
6.085
4.516
4.033
3.814
3.694
3.626
3.521
3.544
3.516
3.493
3.474
3458
3.444
3.432
3.422
3.412
3.405
3.397
3.391
3.366
3.349
3.328
3.316
3.307
3.301
3.297
3.292
3.291
3.265
6.085
4.516
4.033
3.814
3.694
3.626
3.521
3.547
3.522
3.501
3.484
3470
3.457
3.446
3.437
3.429
3.421
3.415
3.409
3.386
3.371
3.352
3.341
3.333
3.328
3.323
3.32
3.318
3.294
6.085
4.516
4.033
3.814
3.694
3.626
3.521
3.547
3.526
3.506
3.491
3.484
3.467
3.457
3.449
3.441
3.445
3.429
3.424
3.403
3.389
3.373
3.362
3.355
3.35
3.436
3.343
3.341
3.32
6.085
4.516
4.033
3.814
3.694
3.626
3.521
3.547
3.526
3.509
3.496
3.488
3.474
3.465
3.458
3.465
3.454
3.44
3.436
3.417
3.405
3.39
3.381
3.374
3.37
3.367
3.364
3.362
3.343
6.085
4.516
4.033
3.814
3.694
3.626
3.521
3.547
3.526
3.510
3.498
3.49
3.479
3.471
3.465
3.47
3.46
3.449
3.445
3.429
3.418
3.405
3.397
3.391
3.387
3.384
3.382
3.38
3.363
76
6.085
4.516
4.033
3.814
3.694
3.626
3.521
3.547
3.526
3.510
3.499
3.49
3.482
3.476
3.47
3.473
3.465
3.456
3.453
3.439
3.43
3.418
3.411
3.406
3.403
3.400
3.398
3.396
3.382

Módulo Diseño Experimental IV 2015

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Módulo Diseño Experimental IV 2015

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD ESTATAL DEL SUR DE MANABI

UNIDAD ACADMICA DE CIENCIAS TECNICAS

1.11.1. Experimento Preliminar.........................................................................20

2.2. DISEO DE BLOQUES COMPLETOS AL AZAR..............................36

especfico de condiciones, es decir un razonamiento de lo general a lo particular, y es lo que

Cualquiera que sea el diseo del experimento, su propsito es suministrar un medio de

Desarrollar diseos experimentales mediante el uso de modelos matemticos para el

Seleccionar el tipo de diseo experimental segn problema de investigacin

Explicar las fases de un experimento

Desarrollar los componentes de un experimento

Desarrollar los procedimientos matemticos en los Diseos Experimentales

Aplicar las pruebas de significacin en los resultados de los experimentos

Formular, planificar, instalar y evaluar proyectos de investigacin en el campo de la

UNIDAD 1: ASPECTOS GENERALES DE LA INVESTIGACIN Y DEL

LGICA, INVESTIGACIN Y EXPERIMENTO

RAZONAMIENTO DEDUCTIVO E INDUCTIVO

EL PROBLEMA DEL INVESTIGADOR

ms complicado puede incluir diversas proporciones o mtodos de aplicacin de la nueva

NECESIDAD DE LA EVALUACIN ESTADSTICA

La mayora de los ambientalistas y agrnomos ven rpidamente la necesidad del anlisis

La investigacin puede definirse en forma amplia como el estudio sistemtico de un sujeto

CARACTERSTICAS DE UN EXPERIMENTO BIEN PLANEADO

La seleccin de tratamientos y la disposicin experimental debern hacerse del modo ms

Ausencia de error sistemtico

Rango de validez de las conclusiones

Clculo del grado de incertidumbre

En cualquier experimento existe siempre algn grado de incertidumbre en cuanto a la validez

PROCEDIMIENTOS PARA LA EXPERIMENTACIN

En la planeacin y la conduccin de un experimento hay un gran nmero de consideraciones

1.6.4. Seleccin de tratamientos

1.6.10. Esbozo del anlisis estadstico y del resumen de los resultados

significativa, si la misma aparece fuera de lugar con respecto a hechos previamente

DEFINICIN DE DISEO EXPERIMENTAL

sntesis de datos, aplicando procedimientos lgicos y a partir de ellos extraer

conclusiones cuya confiabilidad se basa en las teoras de las probabilidades y en las

El experimento detectara nuevos hechos,

confirmara o negara resultados de ensayos

anteriores esto hecho puede referirse a recomendaciones de nuevas variedades, sistemas de

FASES DEL EXPERIMENTO

8. Obtencin de conclusiones y recomendaciones.

COMPONENTES DEL EXPERIMENTO

o variables cuyo efecto van a ser medido y comparado forma como el

conjunto de ello van a permitir alcanzar

los objetivos del

La seleccin de tratamientos tiene una importancia decisiva en la precisin de un

poca de corte con lo que

El tratamiento testigo o de control

de tratamiento que generalmente se incluye en un

Parcela til o rea til

rea Total de la Parcela

Es la superficie de la parcela o unidad experimental en la cual se localiza un tratamiento.

rea Total del Experimento

Es la superficie dentro de la cual se sita el experimento incluidas las calles y distancia

La repeticin tiene varias funciones:

Factores que determina el nmero de repeticiones

Naturaleza del material experimental

Cantidad de semillas disponibles o material experimental

Tierra disponible o espacio fsico

Disposicin de los Bloques

material experimental. Es la diferencia numrica producida entre los promedios de los

La variacin del material experimental.

Efectos combinados de todos los factores extraos de los tratamientos en estudios.

1.12.3. Fuentes de variacin