Universidad de los Andes

Facultad de Ciencias
Departamento de Ciencias Biológicas
Laboratorio de Ecología 2016-2
Diana Carolina León Castro*; Juan Diego Moya Martínez*; Manuel José Ruiz Munevar*;
Daniela Torres Di Bello*
*Pregrado en Microbiología. Departamento de Ciencias Biológicas, Universidad de los Andes.

Evaluación de la productividad primaria en la planta del maíz (Zea mays)
mediante la variación en tratamientos de riego e intensidad lumínica.
RESUMEN
Se evaluó la influencia de 4 tratamientos:
luz con alto riego, luz con bajo riego,
oscuridad con alto riego y oscuridad con
bajo riego en el crecimiento de 36 plantas
de maíz previamente estandarizadas (9
plantas por tratamiento), para ello se
analizó la influencia de las variables de
cada tratamiento en la longitud del tallo,
el número de hojas y el área foliar de las
plantas (variables numéricas) y se tomó el
peso seco de las plantas para estudiar la
productividad primaria de los grupos. Se
usó la prueba de normalidad ShapiroWilk, ANOVA multifactorial y la prueba
Tukey-Kramer. Se encontró que todas las
variables
numéricas
presentaron
normalidad excepto por el número de
hojas, también se encontró que el número
de hojas fue mayor en los tratamientos
con disponibilidad lumínica, que la
longitud del tallo no depende de la
intensidad lumínica, que el área foliar se
ve afectada positivamente por el riego y
la luz y que el peso seco varió en cada
tratamiento.

Palabras clave: Productividad primaria,
intensidad lumínica, riego, peso seco, área

foliar, número de hojas, longitud de tallo,
variables de interferencia

INTRODUCCIÓN
La productividad primaria se define como
la tasa a la cual es convertida la energía
en forma de radiación solar biomasa por
unidad de área, a través del experimento
realizado se estudió la productividad
primaria de un cultivo de 36 plantas de
maíz
(Zea
mays),
que
fueron
estandarizadas para luego aplicar distintos
tratamientos y comparar las diferencias en
peso seco en cada uno de estos. Se utiliza
el peso seco como relación con la
productividad
primaria
pues
este
representa la materia orgánica disponible
en la que se almacenó la energía
adquirida y procesada por la fotosíntesis
por unidad de tiempo, el agua almacenada
en la planta es más el solvente usado para
las reacciones metabólicas por ello no se
tiene en cuenta para la productividad
primaria (Begon et al., 2006).
Es importante resaltar que, ya que es
necesario usar el peso seco de las plantas
para evaluar la productividad primaria, las
variables de los tratamientos deben estar

controladas de la mejor forma para que el
peso seco estudiado sea producto directo
de las variables usadas. La productividad
primaria se ve afectada por ciertas
circunstancias relevantes, el agua es muy
importante en el desarrollo de una planta
principalmente porque como se mencionó
es el solvente universal usado en procesos
metabólicos
por
las
plantas,
adicionalmente, la cantidad de agua que
reciba el sistema será determinante para
su óptimo crecimiento. El agua fluye
desde el suelo hasta las hojas por
potencial hídrico, este ocurre desde el
punto con mayor potencial hacia el de
menor (el potencial hídrico es mayor
cuando no hay solutos en el agua y su
valor es cero), por ello si hay demasiada
disponibilidad de agua los iones y
moléculas están demasiado disueltos y su
potencial hídrico disminuye con respecto
al de la planta, lo cual impide el
movimiento de agua (y nutrientes
disueltos) hacia la misma(Begon et al.,
2006)..
Por otro lado, la radiación solar que se
reciba es igualmente importante pues esta
es la única fuente de energía que puede
ser usada en actividades metabólicas por
las plantas, pero solo puede ser usada
bajo la longitud de onda de la radiación
fotosintéticamente activa, que es aquella
que la planta puede asimilar a través de
sus fotosistemas y representa el rango de
400 a 700 nm. De igual forma, los
nutrientes proporcionados representan
una variable importante ya se presentan
en forman de iones o moléculas con
propiedades características de difusión y
absorción en el suelo que pueden variar
su accesibilidad a la planta (Begon et al.,
2006)..
Es igualmente relevante mencionar que
evaluar la productividad primaria del
maíz nos permite estudiar su capacidad de

producir biomasa bajo sus características,
una de ellas es que es una planta con
metabolismo C4, lo que indica que la
producción de biomasa asociada puede
ser afectada por la temperatura y la luz
incidentes; se sabe que las plantas C4 no
son muy eficientes en ambientes oscuros
y que su desarrollo es mejor en
temperaturas
relativamente
altas
(Universidad Nacional Autónoma del
Estado de México, 2011). .
Las variables anteriormente mencionadas
se intentaron controlar a partir de
diferentes tratamientos aplicados a un n=9
para cada tratamiento, donde se evaluó la
influencia de la luz y el riego en la
producción de biomasa. Asociado a la
toma del peso seco de las plantas, están
las variables de longitud de tallo, número
de hojas y área foliar que también hacen
parte del resultado de la influencia de
variables en cada tratamiento. Para
evaluar la normalidad de los datos
asociados a cada variable se usó el test
Shapiro-Wilk que funciona perfectamente
cuando la muestra tiene un n<50, para
efectuarla se calcula la media y la
varianza muestral (S2) y se ordenan las
observaciones de menor a mayor, se
calculan las diferencias entre el primer
dato y el último, el segundo y el
penúltimo
y
así
sucesivamente,
posteriormente se corrigen las diferencias
con los coeficientes tabulados por Shapiro
Y Wilk, donde el estadístico de prueba es:
W=

D2
2
nS

Donde D es la suma de las diferencias
corregidas, la hipótesis nula (que predice
que los datos se comportan normalmente)
se rechazará si el estadístico W es menor
que el valor crítico proporcionado por la
tabla elaborada por los autores para el
tamaño muestral y el nivel de
significancia dado (Barcelona, 2016).

Plantas. H1 : algún (αβ)ij ≠ 0 Se utilizaron 4 tratamientos en total. de esta forma se estandarizaron las condiciones iniciales. El tratamiento 1 se encontraba con exposición a la luz y riego alto. F2 como los factores. Para poder evaluar la interacción se debe contrastar con la hipótesis Para este trabajo se utilizaron semillas de maíz (Zea mays). si se representa con µi la media de todas las observaciones de F1 en el nivel i y µj para la media de F2 en nivel j entonces αi = µi − µ. j Tratamientos. el tratamiento 3 sombra y riego alto y finalmente el tratamiento 4 estaba en sombra con un riego bajo. además se utilizó la misma cantidad de fertilizante para todas las plantas. βj = µj − µ y por ende (αβ)ij = µij − µi − µj + µ . el modelo ANOVA supone que αβ ¿ij + ϵ ijk Y ijk=μ+ α i + β j +¿ adicionalmente el modelo siguientes supuesto: tiene los 1)Los datos obtenidos en cada nivel de los factores se distribuyen normalmente 2) Homocedasticidad: La variabilidad de los datos en cada nivel de los factores es similar 3)Linealidad: los residuos (en cada nivel de los factores) se distribuyen alrededor de cero 4)Independencia: Las observaciones son independientes unas de las otras (Alcázar. las cuales fueron sembradas con diferentes condiciones de riego e intensidad lumínica para observar su desarrollo. Ahora. hay relación o no. es el efecto de ¿ interacción entre F1 en el nivel i y F2 en ϵ ijk es el residuo que se el nivel j y describe como la diferencia entre el valor observado y el valor pronosticado por el modelo. las 36 plantas fueron sembradas con riego e intensidad lumínica iguales. se entiende que en dicha observación el factor F1 está en el nivel I. βj el efecto del factor F2 en el αβ ¿ij nivel j.Adicionalmente se realizó un ANOVA multifactorial donde se plantea si entre una cierta variable numérica continua (longitud del tallo. esto nos permitirá saber qué factores tienen influencia sobre la variable respuesta (si son o no significativos). METODOLOGÍA. Antes de la toma de datos. ya que los tratamientos se componían de dos variable se evalúa si la interacción de estos dos factores influencian de alguna forma el valor de la variable respuesta. el factor F2 está en el nivel j y la observación analizada ocupa el lugar k. H0 : (αβ)ij = 0 para todo i. A partir del primer día de toma de datos. 2013) Se encontraron diferencias significativas entre los tratamientos y se evaluó la relación entre el peso seco medido y el tratamiento aplicado. el tratamiento 2 tenía exposición a luz y riego bajo. si se denota Y como la variable respuesta Y y F1. denotando µ como la media. las plantas fueron puestas en tratamientos en bloques de 9. para cada observación Yijk. área foliar) llamada variable respuesta y ciertas variables categóricas (tratamientos) llamados factores. Siendo αi el efecto del factor F1 en el nivel i.

Cada uno de los diferentes tratamientos a los que fueron sometidas las plantas. ya que cada una de ellas dan valores con números encontrados en un intervalo y fueron recolectados utilizando algún instrumento de medición. La “sombra” fue recreada al tapar la mitad del invernadero con una manta negra y el de la luz simplemente no la tenía. Variables como factores limitantes . En cambio la longitud del tallo y el area foliar fueron tomadas como variables dependientes númericas continuas. el número de hojas fue catalogado como una variable númerica discreta puesto que ya se habla de hojas completas en cada una de las plantas. area foliar y peso seco de cada tratamiento. Hipótesis Ecológica.Esto se logró gracias a una división del invernadero. Para la toma final de datos. 1. Estos datos fueron tomados durante tres semanas a cada planta de cada tratamiento. Dicho lo anterior.01 g para medir su peso. Para el análisis estadístico se usó el programa estadístico ‘R’. El riego bajo se realizó usando la misma cantidad de agua por riego pero cambiando la frecuencia a día de por medio. presentaran mayor crecimiento de tallo y cantidad de hojas. 2. la cantidad de hojas mediante el conteo a simple vista y finalmente el área foliar con la toma de imágenes usando como escala una hoja de papel milimetrado para posteriormente analizar las imágenes mediante el programa Image J. Análisis estadístico. se pocedió a calcular el peso seco colocando a cada una de las plantas en una balanza con incertidumbre de ± 0. usando 80 mL en cada planta. se les eliminó el exceso de tierra. El riego alto se realizó a diario. La diferentes pruebas estadisticas dados los resultados de la normalidad fueron ANOVA multifactorial para ver el efecto de diferentes variables en el mismo grupo y Tukey-Kramer. Variables. Finalmente. ya que de ellas dependen los demás valores. Se evaluó normalidad mediante la prueba de Shapiro-Wilk para longitud de tallo. se les colocó en una prensa y se les llevó a un horno durante 5 días. Predicciones. se tomaron como variables independientes categoricas. tienen mayor producción primaria ya que estas se encuentran en condiciones óptimas de crecimiento. Las plantas de maíz que se encuentran en tratamiento con intesidad luminica normal y riego bajo. RESULTADOS Y DISCUSIÓN Los resultados de cada prueba con valor de significancia y las tablas de datos usadas a partir del muestreo se encuentran en anexos de este documento. este será mayor a aquellas de los demás tratamientos por lo que será implicito una mayor producción primaria. Recolección de datos. La longitud del tallo se midió con un calibrador hasta la yema terminal. número de hojas. Las plantas de maíz que se encuentran en el tratamiento con intesidad luminica normal y riego bajo. Al mirar el peso seco de las mismas.

Área foliar Observando los datos del área foliar. Normalidad de los datos Solo la variable cantidad de hojas presentó una distribución no normal. se recomienda un alto riego y así estimular su crecimiento y supervivencia. los días en los que se sembró la semilla y se desarrollo no fueron días particularmente soleados. capacidad de la planta para absorber la radiación. esto podría explicar la forma inclinada que poseían algunas de las plantas al momento de su medición. este crece hacia la fuente luz. Al tener muchas variables de estudio se reducen las pruebas estadísticas con la suficiente robustez y precisión como lo es ANOVA. Cantidad de hojas A partir de la prueba ANOVA multifactorial se obtuvo que la cantidad de hojas fue significativamente diferente solo en las plantas que fueron expuestas a una radiación solar mayor. La luz en las plantas cumple con las condiciones adecuadas ya que la fotosíntesis depende de esta. al tener mayor radiación la planta tiene las condiciones óptimas para invertir en biomasa y generar nuevas hojas capaces de contribuir energéticamente a la planta. Por otro lado. (Begon et al. para la prueba de Tukey-Kramer se obtuvo que la cantidad de hojas en plantas expuestas a mayor luz fue significativamente mayor que la cantidad en plantas con crecimiento en sombra. Esto se puede realizar debido a que la prueba ANOVA es una prueba muy robusta. siendo el tallo más largo en plantas que tuvieron un alto riego. al compararse tratamientos. Longitud del tallo Los resultados obtenidos en la prueba de ANOVA multifactorial muestran que la intensidad lumínica no afecta la longitud del tallo en las plantas de maíz estudiadas. el nivel de nutrientes del suelo. la prueba se comporta correctamente respecto a los datos.Para la producción primaria eficiente es necesario tener en cuenta las diferentes variables que pueden afectar el desarrollo del cultivo o población que se quiere estudiar. Se sabe que el crecimiento del tallo posee un fototropismo positivo. aunque se viole alguno de sus supuestos. por el contrario fueron días bastante nublados y con lluvias cada cierto tiempo. esto pudo afectar el desarrollo. además se ha reportado que el maíz es un cultivo que tiene un bajo rendimiento en condiciones altas de humedad. sin embargo. lo que fue comprobado en la prueba Tukey-Kramer. humedad del suelo y precipitaciones. se usó una prueba ANOVA multifactorial ya que se quería ver el efecto de la variable independiente en cada una de las variables estudiadas. (Villaseca. la radiación solar. es decir. ya que fueron pocos datos los que se tomaron en el estudio. se decidió ignorar la normalidad de las hojas y de esta forma utilizar la prueba ANOVA. y las demás variables evaluadas para cada tratamiento sí presentaron una distribución normal. se demostró que el riego sí tiene una incidencia marcada en el desarrollo del tallo. 2006). la temperatura. es decir. Las variables más importantes son. se puede afirmar a partir de las pruebas estadísticas que una mayor intensidad lumínica y un mayor riego dan como . 1987).. Esto es coherente con lo reportado en la industria agraria para el cultivo optimo del maíz ya que en los estados iniciales de desarrollo de la planta. siento que la humedad de Bogotá es tan alta. según el análisis estadístico.

Además. Variables de interferencia Las condiciones del invernadero pudieron afectar el desarrollo del experimento ya que se tuvo problemas con el techo de éste. el excedente de dicha energía es lo que se pierde en respiración. existen diferencias significativas entre las plantas en los diferentes tratamientos. esto obtenido con el ANOVA multifactorial. donde las plantas con una exposición mayor a la luz y un riego alto presentaron una diferencia significativa en el área foliar significativamente alta con respecto a las plantas con ninguno o solo uno de los tratamientos mencionados. 2011). por lo que al tener una mayor intensidad lumínica la planta va a gastar mayor energía en expandir el área de las hojas. no obstante. siendo el promedio de plantas expuestas a la radiación solar más alta que el de aquellas que estuvieron en sombra. energía que por el contrario no puede exceder una planta expuesta a baja radiación y así intentar captar mayor radiación que pueda aprovechar en la síntesis de biomasa. tanto separados como en conjunto. El peso seco es necesario en este tipo de estudio ya que mediante este método se puede pesar exactamente la cantidad de organismo que es biomasa. quitando el contenido de agua que pudiera interferir en la medida Esto es coherente con los resultados anteriores. La presencia de dichas imperfecciones pudieron afectar la temperatura haciéndola más variables. un riego alto genera diferencias significativas en el área foliar independientemente de la intensidad lumínica. Teniendo en cuenta que la temperatura óptima de este cultivo es de 25 a 30 °C inicialmente ya se encontraba en problemas. se encontró que la relación del peso con el riego fue directamente proporcional. Peso seco Al evaluar los datos obtenidos con el peso seco de las plantas luego de su riego y medición durante tres semanas se obtuvo que. (Universidad Nacional Autónoma del Estado de México. El peso seco se usa para evaluar la productividad primaria ya que nos permite saber la eficiencia de producción (Ecuación 1). se dio un incremento en el peso. al observar el comportamiento de ambas variables en la planta. se observa un efecto conjunto. y con la variación que se pudo . a mayor riego. esto puede deberse a que el área foliar está directamente relacionado con el proceso de fotosíntesis. lo mismo ocurre con el riego. (1) Esto hace referencia al porcentaje de energía asimilada por la planta que puede ser convertida en nueva biomasa. (Begon et al. En varias ocasiones hubo filtraciones de agua que pudieron interferir con la cantidad estrictamente acordada para el procedimiento. 2006). tener una iluminación alta en las plantas da como resultado una variación significativa en el área foliar independientemente de si el riego fue alto o bajo.resultado diferencias significativas en dicha área. Usando la prueba de Tukey-Kramer se obtuvo que el área foliar en plantas con una exposición lumínica alta fue significativamente mayor que el área foliar de las plantas con una exposición baja. es decir. siendo que con una mayor radiación hubo un desarrollo mejor de las hojas y la planta pudo invertir la cantidad de energía adquirida en la producción de biomasa..

2006). Lo que se puede observar en la figura 1 y 2 es que los ecosistemas con mayor productividad primaria son los bosques húmedos tropicales y las sabanas para ecosistemas terrestres y los océanos templados para ecosistemas marinos. La productividad primaria de un ecosistema se ve afectada por muchas variables de difícil control en condiciones experimentales y observacionales. Para obtener más muestras y resultados más robustos es . esta sí presentó variaciones que evidenciaron un comportamiento similar al esperado. 2010). 2006). Producción primaria neta en ecosistemas marinos. esto porque la radiación solar es un recurso muy importante en dichos sistemas. las condiciones pudieron haber afectado aún más el crecimiento vegetal. Producción primaria neta en ecosistemas terrestres. La combinación de condiciones y recursos óptimos para una especie en particular determina la variación en productividad primaria. (Instituto Nacional de Investigaciones Agrícolas y Pecuarias.  El peso seco es una variable funcional para la medida de la producción primaria de una población o cultivo.presentar. (Tomado de Begon et al . CONCLUSIONES     Figura 1. PREGUNTAS TEÓRICAS Dependiendo de las condiciones y recursos presentes en el ecosistema. Los ecosistemas marinos tienen como particularidad que la profundidad afecta la producción primaria en gran medida. (Tomado de Begon et al. la productividad primaria que se genera varía. Figura 2. A pesar de que las condiciones experimentales no eran las mejores para la producción de la planta de maíz.

Referencias Alcázar. Requerimientos de suelo y clima del maíz. Instituto Nacional De Investigaciones Forestales. V.ub. (2010.necesario realizar estudios de un tiempo más prolongado.. LA FECHA DE SIEMBRA:Una Alternativa para ANEXOS . M. V.edu/web/ub/ca/. Cuarta edición. Fotosintesis y su relación con el area foliar. (14 de Octubre de 2016). J. (2013). 499-550. (2006). F.edu/aplica_infor/sp ss/cap5-6. 1-20. Pruebas de Normalidad. UNIVERSIDAD NACIONAL AUTONOMA DEL ESTADO DE MEXICO. (1987).ub. December). November). ECOLOGY: From Individuals to Ecosystems. Obtenido de Universidad de Barcelona: http://www. d. http://www. G. & Harper. Madrid: Universidad de Alcalá. C. Barcelona. U. S. (2011. Agrícolas Y Pecuarias. 38-40.htm Incrementar la Producción de Maíz. M. C. Begon. J. IPA La Platina. Townsend. 43.

84 3.15 2.08 3.60 4 4.66 3.02 Tabla 2.59 2 5.65 4.81 4.65 5.06 9 1.52 7 4.61 3. Longitud de Tallo (cm) 24 de Septiembre .22 4.11 1.70 2 1.38 4.93 3.25 8 4.26 5 4.13 3.25 2.06 4 3.06 2.53 1.Tablas de Resultados Longitud de Tallo (cm) 10 de Septiembre Planta Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4 1 2.75 3.20 4.02 3.88 3 5.22 5 2.43 3.94 1.45 7 2.15 4.83 2.27 Tabla 1.93 6 2.79 2.27 2.51 3 4.96 3.13 8 2.01 3.71 2.01 4.79 3.78 2.52 2.09 2.64 2.34 3.06 6 3.00 4.16 2.09 9 4.08 2.25 5.60 3.44 2.25 4.51 2.66 4.81 2.23 3.98 3.95 5.15 3.09 4. Longitud de Tallo (cm) 17 de Septiembre Planta Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4 1 4.27 1.06 4.19 1.27 4.

59 2 5.87 2.01 9 5. .22 4.41 4.21 4.68 7 4.69 4. Cantidad de Hojas 17 de Septiembre Planta Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4 1 4 4 3 4 2 4 4 4 5 3 4 3 4 3 4 5 4 4 4 5 5 5 4 4 6 3 3 3 4 7 4 4 2 3 8 4 4 4 3 9 4 4 4 4 Tabla 5.79 2.59 4.12 4.75 2.57 3.06 5.31 3.33 8 5.37 Tabla 3.02 3.89 5.36 3.90 6 3.34 5 5.71 3.45 3.39 2.61 2.91 2.07 3.Planta Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4 1 4.95 5.34 5. Cantidad de Hojas 10 de Septiembre Planta Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4 1 3 3 2 3 2 2 4 3 4 3 4 3 3 3 4 4 3 3 3 5 4 5 4 3 6 3 3 3 3 7 4 4 3 3 8 4 3 4 3 9 3 3 3 4 Tabla 4.40 3.30 3 5.35 5.44 4 5.70 3.75 5.

508 11.544 6.228 3 15.Cantidad de Hojas 24 de Septiembre Planta Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4 1 5 4 3 4 2 5 4 5 4 3 5 3 4 4 4 4 4 4 4 5 6 4 5 4 6 4 3 4 4 7 5 4 4 4 8 5 4 5 4 9 6 4 5 3 Tabla 6.120 2 12.766 14.980 9.565 12.073 11.111 12.484 8.493 3.367 10.673 13.890 5.479 13. Área Foliar (cm2) 17 de Septiembre Planta Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4 1 7.230 14.503 12.048 11.157 16.155 5 10. Área Foliar (cm2) 10 de Septiembre Planta Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4 1 7.717 5.476 21.298 4 13.168 .892 10.510 14.516 7.022 11.205 2 15.095 7 9.360 6.047 16.810 8.063 5.421 9.793 11.519 13.658 9.815 15.193 14.906 9 14.877 7 8.852 4 9.131 7.066 8 16.953 10.946 9 10.717 8.064 5 9.050 7.073 9.578 17.696 6 9.259 27.063 12.220 3.628 Tabla 7.028 8 19.015 9.823 14.758 7.651 11.193 6 14.297 10.097 3 12.554 6.964 16.648 7.815 8.628 10.676 7.181 10.

18 0.314 6.29 0.358 7 8.57 0.817 11.847 11.12 8 0.29 0.932 11.30 0.33 3 0.960 10.27 0.26 Tabla 10.16 4 0.130 3 15.30 0.169 11.73 0.180 8 15.12 0.517 9 10.469 11. Área Foliar (cm2) 24 de Septiembre Planta Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4 1 6.834 7.463 12.946 6 12.25 0. .033 6.644 12.787 12.618 11.506 4 12.20 7 0.67 0.591 9.64 0.43 0.Tabla 8.719 14.382 8. Peso seco 8 de Octubre Planta Tratamiento 1 Tratamiento 2 Tratamiento 3 Tratamiento 4 1 0.567 Tabla 9.37 0.551 7.28 0.118 14.54 0.19 0.99 0.52 2 0.17 5 0.29 6 0.36 0.502 12.65 0.71 0.43 0.17 0.798 10.38 0.374 10.72 0.033 20.468 3.767 5 7.47 0.24 9 0.205 6.30 0.209 3.571 2 15.079 10.698 14.

siendo la hipótesis nula que los datos están distribuidos normalmente. En estas pruebas el valor de significancia será determinado como 0. Tratamiento 2 Como el valor P no supera el valor de significancia se rechaza la hipótesis nula.05. Normalidad de Cantidad de Hojas Tratamiento 1 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. lo que quiere decir que los datos no están distribuidos normalmente. lo que quiere decir que los datos no están distribuidos normalmente.Pruebas de Normalidad Para probar la normalidad de los datos es necesario hacer la prueba de Shapiro-Wilk por tratamiento para cada tipo de dato. lo que quiere decir que los datos están distribuidos normalmente. Tratamiento 4 . Tratamiento 3 Como el valor P no supera el valor de significancia se rechaza la hipótesis nula.

Para el número de hojas solamente los datos de un tratamiento siguen la distribución normal.Como el valor P no supera el valor de significancia se rechaza la hipótesis nula. lo que quiere decir que los datos están distribuidos normalmente. Tratamiento 3 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. pero en general el número de hojas parece no seguir una distribución normal. lo que quiere decir que los datos no están distribuidos normalmente. . Normalidad de Longitud de Tallo Tratamiento 1 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. Tratamiento 4 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. Tratamiento 2 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. lo que quiere decir que los datos están distribuidos normalmente. lo que quiere decir que los datos están distribuidos normalmente. lo que quiere decir que los datos están distribuidos normalmente.

lo que quiere decir que los datos están distribuidos normalmente. por lo que se puede realizar un ANOVA multifactorial para definir como se diferencian los datos por tratamientos. Tratamiento 2 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula.Los datos de todos los tratamientos para la longitud del tallo están distribuidos normalmente. lo que quiere decir que los datos no están distribuidos normalmente. Tratamiento 3 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. lo que quiere decir que los datos están distribuidos normalmente. Los datos de tres tratamientos para el área foliar están distribuidos normalmente. lo que quiere decir que los datos están distribuidos normalmente. por lo que se puede realizar un ANOVA multifactorial para definir como se diferencian los datos por . Normalidad de Area Foliar Tratamiento 1 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. Tratamiento 4 Como el valor P no supera el valor de significancia se rechaza la hipótesis nula.

Normalidad de Peso Seco Tratamiento 1 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. Como solamente los datos de un tratamiento no siguen una distribución normal. se puede tomar la totalidad de los datos como normal. lo que quiere decir que los datos están distribuidos normalmente. Tratamiento 4 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. Tratamiento 3 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. . puesto que en estos casos la decisión cuanto a pruebas paramétricas o no paramétricas queda bajo juicio del investigador. lo que quiere decir que los datos están distribuidos normalmente.tratamientos. Tratamiento 2 Como el valor P supera el valor de significancia no se rechaza la hipótesis nula. lo que quiere decir que los datos están distribuidos normalmente. lo que quiere decir que los datos están distribuidos normalmente.

cuyo valor P es menor a 0. Para poder determinar cual de los tratamientos está relacionado con una mayor cantidad de hojas se realizará una prueba de Tukey-Kramer. Las hipótesis nulas de esta prueba son las siguientes: H01: Las medias entre los diferentes niveles de iluminación son iguales.Los datos de todos los tratamientos para el peso seco están distribuidos normalmente. Longitud de Tallo . área foliar y peso seco se realizara la prueba ANOVA multifactorial para cada tipo de dato. H03: No hay interacción entre el nivel de iluminación y el nivel de riego.04. ANOVA Multifactorial Para poder determinar el efecto de los diferentes tratamientos sobre la longitud de tallo.05. Cantidad de Hojas En esta prueba ANOVA multifactorial parece que el único efecto significativo sobre la cantidad de hojas en las plántulas es aquel ocasionado por el tratamiento de iluminación. lo que significa que la primer hipótesis nula se rechaza. H02: Las medias entre los diferentes niveles de riego son iguales. Según esta prueba vemos que las plantas de maíz bajo el tratamiento de luz tienen una cantidad significativamente mayor que las plantas de maíz bajo tratamiento de sombra. con un valor P de 0. por lo que se puede realizar un ANOVA multifactorial para definir como se diferencian los datos por tratamientos.

De acuerdo a esta tabla el valor P para la hipótesis nula 1 es mayor a 0.1. Área Foliar . por lo que se rechaza la hipótesis nula y podemos decir que la diferencia de los promedios de longitud de tallo para los tratamientos de riego alto y riego bajo es significativa. El valor P para la tercera hipótesis es superior a 0. El valor P para la segunda hipótesis nula es inferior al nivel de significancia 0.5. En esta prueba el valor P fue menor al nivel de significancia. por lo que se rechaza la hipótesis nula y se puede determinar que el nivel de riego afecta el promedio de la longitud de tallo entre alto y bajo riego. donde la hipótesis nula dicta que no hay diferencias entre los promedios de longitud de tallo de plantas en riego bajo y riego alto. Además se puede decir que el promedio es mayor para aquellas plantas que estaban bajo tratamiento de riego Alto. superando el nivel de significancia pre establecido. En otras palabras no se rechaza la hipótesis nula y se puede determinar que el efecto de los tratamientos de luz y sombra le otorgan el mismo efecto a las plantas de maíz. superando así nuestro nivel de significancia previamente establecido.1. De tal manera que la tercera hipótesis nula no se rechaza y podemos decir que no hay interacciones entre el nivel de riego y el nivel de iluminación que surtan efecto sobre la longitud de los tallos. Para confirmar que el nivel de riego genera un efecto diferencial sobre las longitudes de tallo se realiza una prueba de Tukey-Kramer para los niveles de riego. o sea que el promedio de la longitud de tallo no es afectado por el nivel de iluminación.

Según el ANOVA multifactorial realizado para el área foliar bajo los diferentes tratamientos se rechazan las tres hipótesis nulas. La primera para confirmar que hay una diferencia significativa entre los promedios de áreas foliares para riegos bajos y riegos altos. También que el nivel de riego causa una diferencia significativa en el área foliar de plantas bajo régimen de riego alto y de riego bajo. Para confirmar estos efectos de los tratamientos se realizaran tres pruebas de TukeyKramer. el nivel de iluminación causa una diferencia significativa entre el área foliar de plantas que estaban en tratamiento de luz y en tratamiento de sombra. con un valor P menor al valor de significancia. Es decir. . En otras palabras. Según esta prueba podemos ver que la diferencia de áreas era significativamente mayor en las plantas bajo régimen de riego bajo. de hecho se rechaza la hipótesis nula en que el promedio de áreas foliares no es afectad o por el régimen de riego. Y finalmente se puede afirmar que existe una interacción entre los diferentes tratamientos que ocasiona diferencias significativas en el área foliar de las plantas.

siendo el promedio de área foliar mayor en plantas de luz y riego bajo. en sombra con riego bajo y en luz con riego bajo. Según esta prueba se rechaza la hipótesis nula de Tukey-Kramer. Otra conclusión de esta tabla es que hay una diferencia significativa entre los promedios de área foliar de plantas en sombra con riego bajo y plantas en sombra con riego alto. Peso Seco . También se puede ver que la diferencia de promedios entre plantas en tratamiento de luz y riego bajo y plantas de sombra y riego alto es significativa. Finalmente. También podemos observar que las plantas que estaban bajo un régimen de luz tuvieron un promedio significativamente mayor que las plantas bajo un régimen de sombra.05). en sombra con riego bajo y en luz con riego alto. siendo las que presentan un mayor promedio de área foliar las plantas en sombra con riego bajo.La segunda prueba de Tukey-Kramer para confirmar la diferencia significativa entre promedios de áreas foliares para iluminación presente y ausente. lo que quiere decir que existe una diferencia significativa entre los promedios de área foliar de plantas que crecieron bajo luz y las que crecieron en la sombra. siendo el promedio del área foliar de las plantas en luz y riego alto el mayor. la tercera prueba es para evaluar las interacciones entre los dos tratamientos. Según esta prueba la diferencia de promedios entre plantas que estaban en un tratamiento de luz y riego alto y plantas en tratamiento de sombra y riego alto es significativa (valor P > 0. Finalmente podemos concluir que no hay diferencias significativas en los promedios de áreas foliares entre plantas: en luz con riego bajo y en luz con riego alto.

por lo que no se rechaza la misma. Además. Además. En esta prueba de Tukey-Kramer vemos que el valor P es inferior al nivel de significancia.05. . no hay una relación interactiva entre los dos tratamientos. Esto se sabe puesto que el valor P obtenido para la tercer hipótesis nula es mayor a 0. el valor P para la segunda hipótesis nula es menor a 0. Por el contrario. el valor P para la hipótesis nula uno es menor al nivel de significancia. por lo que se rechaza la hipótesis nula y podemos concluir que si existe una diferencia significativa entre el peso seco de plantas bajo un régimen de luz y plantas bajo un régimen de sombra. lo que nos lleva a concluir que existe una diferencia significativa entre el peso seco de las plantas bajo un régimen de iluminación y uno de oscuridad.Según el ANOVA multifactorial realizado para el peso seco. podemos observar que el promedio de peso seco en plantas bajo régimen de luz es mayor que el de plantas en sombra. Para determinar las diferencias significativas causadas por un tratamiento de riego y el de iluminación se realizaran dos pruebas de Tukey-Kramer.05. lo que nos lleva a concluir que existe una diferencia significativa entre el peso seco de las plantas bajo un régimen de riego alto y uno de riego bajo. relacionándolo con el tratamiento de nivel de iluminación y nivel de riego.

que en otras palabras significa que la diferencia en promedio seco entre plantas con riego alto y plantas con riego bajo es significativo. También podemos observar que las plantas en régimen de riego alto presentaron un mayor promedio de peso seco. rechazando la hipótesis nula. .En esta segunda prueba de Tukey-Kramer vemos que el valor P es menor al nivel de significancia.