1.

Anlisis de Varianza para un Diseo Completamente al Azar

Se tienen los datos de cuatro variedades de arroz y se quiere saber si se debe aceptar que los
promedios de ellas en la poblacin no difieren entre s. Los rendimientos en kg observados
de cuatro parcelas de cada variedad son:

Variedades Rendimiento
1 23.5 31.2 18.2 27.8
2 24.4 26.3 28.2 28.3
3 32.3 28.3 33 34.5
4 39.9 42.1 32.3 38.2

Con base a estos datos creamos un archivo en el programa M.S. Excel el cual quedar de la
siguiente forma:

Variedad Rendimiento
1 23.5
1 31.2
1 18.2
1 27.8
2 24.4
2 26.3
2 28.2
2 28.3
3 32.3
3 28.3
3 33
3 34.5
4 38.9
4 42.1
4 32.3
4 38.2

ANALISIS
El valor de p = 0.0022 para la variedad indica que hay diferencias altamente significativas
con un nivel de confianza de 99.78%. El valor de R2 = 0.69 indica que el 69% de los datos
se ajustan al modelo. El CV (Coeficiente de Variacin) es de 12.57. Recuerde que
coeficientes mayores de 30 indican que existe problema con el modelo que se est
aplicando a los datos o en algunos casos la muestra tomada es muy pequea.

La prueba de Duncan a las medias indica los grupos formados de acuerdo a la separacin de
medias. La N indica el nmero de datos tomados para realizar la media. En este caso la
variedad 4 es diferentes a la variedad 2 y 1, y la variedad 3 es diferente a la variedad 4. La
variedad 3 y cuatro resultaron con los mejores promedios. Revisar que ocurre con tukey y
analizar.

Algo importante que se debe tomar en cuenta que en la mayora de pruebas de comparacin
de medias se requiere que los tratamientos tenga un mismo nmero de observaciones.

1
Cuando se trata de tratamientos con efecto aleatorio o cuantitativo es preferible ajustar
modelos de regresin a los datos

2. Anlisis de varianza para Diseos de Bloque Completo al Azar (BCA)

Se evaluaron cinco variedades de maz, las cuales se repitieron en cuatro bloques. Los datos
en kg/parcela son los siguientes:

Bloque Tratamientos
1 2 3 4 5
1 25.4 34.3 23.4 28.3 12.2
2 34.2 38.8 28.2 28.2 14.2
3 21.2 32.1 21.2 26.2 14.5
4 39.9 45.8 34.3 32.3 19.3

Bloque Tratamiento Rendimiento

1 1 25.4
1 2 34.3
1 3 23.4
1 4 28.3
1 5 12.2
2 1 34.2
2 2 38.8
2 3 28.2
2 4 28.2
2 5 14.2
3 1 21.2
3 2 32.1
3 3 21.2
3 4 26.2
3 5 14.5
4 1 39.9
4 2 45.8
4 3 34.3
4 4 32.3
4 5 19.3

Se procede de igual manera que se hizo para el DCA a diferencia que en este anlisis para
BCA se incluye como variable de clasificacin a Bloque y Tratamiento.

ANALISIS
En la tabla de anlisis de varianza existe diferencia entre los bloques lo que indica que el
bloqueo hizo efecto en el modelo (era necesario bloquear). Adems, existe diferencia entre
los tratamientos.

2
La prueba de separacin de medias de Duncan indica que la media del tratamiento 2 es
diferente a las dems. En la parte inferior se muestra que el tratamiento 5 tambin es
diferente a los dems. La media de los tratamientos 1,3 y 4 no son diferentes entre s, pero
s diferentes ala media de los tratamiento 2 y del 5.
Revisar que ocurre con tukey y analizar.

3. Diseo de Cuadrado Latino (CL)

Debemos recordar que el cuadrado latino se usa para bloquear gradientes de fertilidad en
dos sentidos por tanto se debe formar bloques en dos direcciones. El uso de CL aumenta la
precisin en los experimentos
Se tiene cinco tratamientos (las letras indican las variedades y el valor indica los
rendimientos de maz por parcela).

FILAS COLUMNAS
1 2 3 4 5
1 C(32) A(23) B(24) E(34) D(28)
2 A(28) C(36) D(33) B(32) E(38)
3 E(40) D(37) A(31) C(39) B(26)
4 D(39) B(31) E(43) A(33) C(41)
5 B(32) E(45) C(43) D(40) A(35)

Filas Columnas Tratamiento Rendimiento

1 1 C 32
1 2 A 23
1 3 B 24
1 4 E 34
1 5 D 28
2 1 A 28
2 2 C 36
2 3 D 33
2 4 B 32
2 5 E 38
3 1 E 40
3 2 D 37
3 3 A 31
3 4 C 39
3 5 B 26
4 1 D 39
4 2 B 31
4 3 E 43
4 4 A 33
4 5 C 41
5 1 B 32
5 2 E 45
5 3 C 43

3
 5 4 D 40
5 5 A 35

Posterior hacemos el anlisis de varianza considerando filas, columnas y tratamientos como

variables de clasificacin y rendimiento como variable dependiente (variable de respuesta).

ANALISIS
Cuando se realiza la prueba de Duncan, en los resultados se observa que las medias de los
tratamientos E y C no difieren entre si, pero son diferentes a las medias D, A y B. La media
D es diferente a todas las dems. Las medias de A y B son iguales entre s, pero diferentes a
las medias E, C y D.
Revisar que ocurre con tukey y analizar.

4. Arreglos factoriales

Los arreglos factoriales no son propiamente diseos experimentales sino una posibilidad
adecuar un diseo BCA o DCA cuando queremos estudiar ms de un factor. En otras
palabras permiten estudiar ms de un factor con poco trabajo adicional, aumenta la
cobertura y utilidad de los resultados al proveer informacin sobre las interacciones de los
factores en prueba.

Para este ejemplo consideremos un arreglo factorial, tres variedades de caa de azcar (V)
y tres niveles de Nitrgeno, conducido utilizando un diseo BCA con dos repeticiones
(bloques).
Cuando se analizan los resultados del experimento se pueden hacer las siguientes
comparaciones:

a) Comparaciones entre variedades

b) Comparaciones entre niveles de Nitrgeno
c) la interaccin de variedad y Nitrgeno

Las dos primeras comparaciones son entre efectos principales. La presencia ausencia de
efectos principales no dice nada acerca de la presencia o ausencia de interacciones y
viceversa, por lo tanto se deben considerar separadamente.

Si el anlisis presenta interaccin significativa implica que los efectos de los factores no
son independientes entre s. Por lo tanto no se puede concluir que el mejor tratamiento
corresponde a la combinacin de la variedad con el mayor promedio y el nivel de nitrgeno
con el promedio ms alto. Es necesario estudiar ms a fondo como se comporta cada
variedad con los diferentes niveles de fertilizacin, o los niveles de fertilizacin con cada
variedad.

Ejercicio

4
 Variedades
Fertilizacin V0 V1 V2
F0 66.52 61.45 68.60
Bloque I F1 68.98 62.55 64.54
F2 75.95 57.90 68.09
F0 56.50 53.45 58.50
Bloque II F1 58.95 51.55 54.54
F2 66.95 47.90 58.19

Bloque Fertilizacin Variedades Rendimiento

I F0 V0 66.25
I F0 V1 61.45
I F0 V3 68.6
I F1 V0 68.98
I F1 V1 62.55
I F1 V3 64.54
I F2 V0 75.95
I F2 V1 57.9
I F2 V3 68.09
II F0 V0 56.5
II F0 V1 53.45
II F0 V3 58.5
II F1 V0 58.95
II F1 V1 51.55
II F1 V3 54.54
II F2 V0 66.95
II F2 V1 47.9
II F2 V3 58.19

Variables de clasificacin a los bloques, fertilizacin y variedades; y como variable

dependiente (variable de respuesta) se tomar el rendimiento.

ANALISIS
Aunque los efectos principales variedad (0.0001) y fertilizante (0.0004), son significativos
no se le puede estudiar por separado, debido a que la mejor dosis de fertilizacin depende
de la variedad que se est investigando, segn se deduce que la interaccin Variedad -
fertilizante es significativa (0.0001). lo ms recomendable en este caso sera hacer un
anlisis de la tendencia de la respuesta de cada variedad a la fertilizacin; para esto se debe
calcular los componentes lineal y cuadrtico para cada variedad.

Si la interaccin no hubiese sido significativa, hubiese sido necesario hacer comparacin

de las medias de las variedades y ajustar curvas de respuestas para los niveles de
fertilizacin del promedio de las variedades.
Revisar que ocurre con tukey y analizar.
5. Diseos de parcelas divididas

5
La necesidad de utilizar el diseo de parcelas divididas, surge cuando se aplica dos o ms
tipos de en arreglos factoriales, si los niveles de un factor pueden aplicarse a parcelas
relativamente pequeas mientras que los otros puedan aplicarse en parcelas ms grandes.

Un ejemplo de este es cuando se prueban diferentes niveles de irrigacin en parcelas y

factores tales como variedades o fertilizantes son aplicados a las parcelas pequeas.
Supngase que se tiene un experimento con dos niveles de irrigacin (alta y moderada) y
cuatro variedades de caa en cuatro bloques.
Los datos del rendimiento de la caa son:

Variedad
Irrigacin
1 2 3 4
Bloque I Alta 123.2 132.3 123.2 128.8
Moderada 118.2 123.2 115.2 116.3
Bloque II Alta 128.2 138.3 128.2 125.8
Moderada 119.2 120.2 117.2 121.3
Bloque III Alta 118.2 122.3 121.2 124.8
Moderada 111.2 117.2 113.2 113.3
Bloque IV Alta 128.2 123.3 128.2 132.8
Moderada 113.2 122.2 114.2 116.3

Bloque Irrigacin Variedad Rendimiento

I Alta 1 123.2
I Alta 2 132.3
I Alta 3 123.2
I Alta 4 128.8
I Moderada 1 118.2
I Moderada 2 123.2
I Moderada 3 115.2
I Moderada 4 116.3
II Alta 1 128.2
II Alta 2 138.3
II Alta 3 128.2
II Alta 4 125.8
II Moderada 1 119.2
II Moderada 2 120.2
II Moderada 3 117.2
II Moderada 4 121.3
III Alta 1 118.2
III Alta 2 122.3
III Alta 3 121.2
III Alta 4 124.8

6
 Bloque Irrigacin Variedad Rendimiento
III Moderada 1 111.2
III Moderada 2 117.2
III Moderada 3 113.2
III Moderada 4 113.3
IV Alta 1 128.2
IV Alta 2 123.3
IV Alta 3 128.2
IV Alta 4 132.8
IV Moderada 1 113.2
IV Moderada 2 122.2
IV Moderada 3 114.2
IV Moderada 4 116.3

En este caso debemos seleccionar las interacciones de las que nos interesan: dos
(Bloque*Irrigacin; Irrigacin*Variedad) que se constituyen como nuevas fuentes de
variacin en comparacin con los anlisis de BCA y DCA. Para seleccionar las
interacciones debemos dar click opcin de Interacciones del anlisis de varianza. Para este
caso nos interesa un modelo que considere las siguientes fuentes de variacin:

Bloque
Irrigacin
Variedad
Bloque*Irrigacin
Irrigacin*Variedad.

OBTENER LA SALIDA DE LOS DATOS

ANALISIS
En este ejemplo hubo diferencias significativas entre irrigaciones (<0.0001) y entre
variedades (0.024), y no hubo diferencias en las interacciones, debido a esto se analizan
por separado los componentes principales con una prueba de Duncan. El resultado que la
mejor variedad fue la nmero 2 y la mejor irrigacin fue la alta, considerando que el
rendimiento de las parcelas es independiente de las interacciones. Ntese que la prueba de
Duncan hizo grupos con las interacciones entre variedad e irrigacin, sin embargo si el
ANDEVA demostr que no existan diferencias al 5% (p=0.05), entonces la
categorizacin de la prueba es invlida.
Revisar que ocurre con tukey y analizar.

7
 PARCELA DIVIDIDA
Los datos en Excel estn expuestos de sta manera, organizar los datos para copiar a
Infostat

8
LAS INTERACIONES QUE DEBEN DE QUEDAR PARA EL ANALISIS

El factor N es altamente significativo, V es altamente significativo y la Interaccin A*B

tambin es altamente significativo
La F es alta en los factores N (42.87) y V (85.71) que en la interaccin (13.22), por lo tanto
se debe considerar las comparaciones, adems la F de la interaccin es menor por eso se
debe hacer las 3 comparaciones

9
Hacer el cuadro de doble entrada, pasar los resultados de la interaccin A*B

FACTORIAL A X B, EN INFOSTAT

10
Borrar las interacciones que no son de inters y dejar solo la interaccin A*B
As como se demuestra en el cuadro

11
Realizar el cuadro de doble entrada de la siguiente manera

REALIZAR Contrastes

12
13
 Se va a realizar las siguientes comparaciones
T1 vs Resto
T2 y T3 vs T4 y T5
T2 vs T3
T4 vs T5
1. Para la comparacin de T1 vs Resto, Clic para resaltar el 1,00 (tratamiento 1)

2. Clic en el botn +
3. Resaltar el resto de tratamientos (2,00 3,00 4,00 5,00) presionando clic sostenido desde

el 2,00 hasta el 5,00 y clic en el botn -

4. Clic en el botn >> para ingresar el contraste deseado

14
5. Clic en el botn X para iniciar la comparacin T2 y T3 vs T4 y T5
6. Clic sostenido para resaltar el 2,00 y 3,00
7. Clic en el botn +
8. Clic sostenido en 4,00 y 5,00
9. Clic en el botn
10. Clic en el botn >> para ingresar el contraste

15
11. Clic en el botn X para iniciar la comparacin T2 vs T3
12. Clic en 2,00 y clic en el botn +
13. Clic en 3,00 y clic en el botn
14. Clic en el botn >> para ingresar el contraste

15. Clic en el botn X para iniciar la comparacin T4 vs T5

16. Clic en 4,00 y clic en el botn +
17. Clic en 5,00 y clic en el botn
18. Clic en el botn >> para ingresar el contraste

19. Clic en Aceptar

Obtener Resultados.

16
17