Diseño Dia y Bca

Unidad 3.
Diseño Completamente al Azar

Diseño Bloques Completos al Azar
David E. Álvarez Sánchez

M.Sc. c Ph.D.
2018 Clases Diseño Experimental. (c) Ph.D. David

Alvarez
Diseños: DIA y BCA …
Elementos estructurales de un experimento agrícola:
ESTÍMULOS UNIDAD RESPUESTA

(Variables independientes) EXPERIMENTAL (Variables dependientes)
Clases Diseño Experimental. (c) Ph.D. David

Alvarez


Alvarez


Alvarez


Alvarez
DISEÑO EXPERIMENTAL
Se rechaza la Hipótesis Nula
“Es(Ho),
la existen
forma como se asignan
diferencias entre los
tratamientos en las unidades
promedios!!
experimentales de acuerdo a restricciones
del azar ”

Alvarez

Alvarez
ANÁLISIS DE VARIANZA (ANDEVA)
✓ Técnica paramétrica utilizada cuando hay más de dos grupos

independientes.
✓ Se trata de un método para compara medias (promedios) de n

grupos o poblaciones (μ1 = μ2 = μ3 =.. μn)
✓ Se establecen dos hipótesis: a) Hipótesis nula Ho = “no hay

diferencias entre grupos”; HA= “Al menos una media es
diferente”
✓ ANDEVA permite conocer con 95% o 99% (∂=0,05; ∂=0,01) de

confianza que existen diferencias en el ensayo. Más no
determina detalles sobre este fenómeno.
Alvarez
El modelo matemático del ANDEVA, debe ser LINEAL y ADITIVO:
Yij = μ + Tratamiento-j + Error-ji
• Errores son independientes
PROMEDIO
TRA RENDIMIENTO ERRORES
TRATAMIENTO
0 2010 37,25
0 1832 -140,75
1972,75
0 2170 197,25
0 1879 -93,75
Alvarez Grafico de dispersión: Residuo/Caso
El modelo matemático del ANDEVA, debe ser LINEAL y ADITIVO:
Yij = μ + Tratamiento-j + Error-ji
• Se encuentran normalmente distribuidos con media cero y

varianzas iguales
✓ Prueba de normalidad Shapiro Wilks

(Inferencia basada en una muestra =
Infostat)
✓ Q-Q plot (Datos próximos a la linea)

Alvarez
Tratamiento Repeticiones Sub total

T1 X11 X12 X13 … X1r X1
T2 X21 X22 X23… X2r X2
T3… X31 X32 X33… X3r X3
Tk Xk1 Xk2 Xk3… Xkr Xk
TOTAL X..

Alvarez
Ho = μ1 = μ2 = μ3 =… μn
HA = Al menos una μ es ≠
Alvarez
2 4
7
6
5
1
Alvarez

Alvarez
F-calculada F-calculada
Alvarez

(Ho), existen diferencias entre
promedios!!

Alvarez

Alvarez

Alvarez

Alvarez
DISEÑO IRRESTRICTAMENTE AL AZAR

(DIA)

Alvarez

(DIA)
✓ El diseño más simple
✓ Se utiliza cuando las unidades experimentales presentan
uniformidad
✓ Se usa en laboratorio, invernadero, casa de malla, galpones,
etc.
✓ Es flexible en cuanto al numero de tratamientos y
repeticiones
✓ Permite variaciones en el número de repeticiones.
Alvarez

(DIA)
✓ El diseño más simple
✓ Se utiliza cuando las unidades experimentales presentan
uniformidad
✓ Se usa en laboratorio, invernadero, casa de malla, galones,
etc.
✓ Es flexible en cuanto al numero de tratamientos y
repeticiones
✓ Permite variaciones en el número de repeticiones.
Alvarez
MODELO LINEAL ADITIVO
𝒀𝒊𝒋 = 𝝁 + 𝝉𝒊 + 𝑬𝒊𝒋
Donde:
Yij = Una observación del i-esimo tratamiento.
𝜇= Media general
𝜏i = Es el efecto de la i-esimo tratamiento
𝑬𝒊𝒋 = Error experimental.
“Cualquier valor (Yij) es la suma de estos tres

componentes”
Alvarez
Situación 1.
Una empresa productora de hortalizas, desea identificar el mejor sustrato
T1, T2, T3 y T4, realiza un ensayo en invernadero con 8 repeticiones,
evaluando la altura de planta en (cm) a los 20 días después de siembra.
A continuación, se presentan los datos registrados:
TRA VALOR TRA VALOR TRA VALOR TRA VALOR

T1 23 T2 24 T3 31 T4 17
T1 22 T2 24 T3 32 T4 17
T1 25 T2 26 T3 29 T4 18
T1 27 T2 25 T3 29 T4 19
T1 29 T2 24 T3 29 T4 16
T1 21 T2 24 T3 27 T4 18
T1 22 T2 23 T3 28 T4 19
T1 23 T2 24 T3 29 T4 17
Alvarez
Situación 1.
SUSTRATOS: T1, T2, T3 y T4

Alvarez
Situación 1.

Alvarez
Situación 1.
Una empresa productora de hortalizas, desea identificar el mejor sustrato
T1, T2, T3 y T4, realiza un ensayo en invernadero con 8 repeticiones,
evaluando la altura de planta en (cm) a los 20 días después de siembra.
A continuación, se presentan los datos registrados:
Ho = μ1 = μ2 = μ3 =… μn
Ho = “Todos los sustratos son iguales”
HA = “Al menos un sustrato es ≠ ”
Alvarez
Repeticiones
Tratamiento Sub total.
r1 r2 r3 r4 r5 r6 r7 r8
T1 23 22 25 27 29 21 22 23 192
T2 24 24 26 25 24 24 23 24 194
T3 31 32 29 29 29 27 28 29 234
T4 17 17 18 19 16 18 19 17 141
Gran Total = 761

y1,1

Alvarez

Alvarez
= 18098

Alvarez
Fuente de Suma de Cuadrado

F. F.
Variación G.L. Cuadrados medios
Calculada Tablas
(F.V) (SC) (CM)
Tratamiento 4–1=3
Error 31 – 7 = 28
Total (8*4) – 1 = 31
F.C. = 18098

Alvarez
Suma de cuadrados Total =
= 629,492
Alvarez
Suma de cuadrados Tratamiento =
= 544,13
Alvarez

F. F.
Calculada Tablas
(F.V) (SC) (CM)
Tratamiento 3 544,1
Error 28 629,5 – 544,1 = 85,34
Total 31 629,5
F.C. = 18098

Alvarez

F. F.
Calculada Tablas
(F.V) (SC) (CM)
Tratamiento 3 544,1 181,53 59,66
Error 28 85,34 3,047
Total 31 629,5
F.C. = 18098

Alvarez
TRATAMIENTO
3 0,01 = 99%
0,05 = 95%
ERROR
28

Alvarez

F. F.
Calculada Tablas
(F.V) (SC) (CM)
Tratamiento 3 544,1 181,5 59,66 2,29
Error 28 85,34 3,04
Total 31 629,5
F.C. = 18098

Alvarez

(Ho), existen diferencias entre
promedios!!

Alvarez
“Con base en lo expuesto, se

concluye que hay diferencias
significativas (α = 0,05) entre los
tratamientos
para variable
biomasa, es decir,
entre los sustratos
evaluados” Clases Diseño Experimental. (c) Ph.D. David
Alvarez
Coeficiente de Variación (C.V)

Alvarez
Coeficiente de Variación (C.V)
𝐶𝑀 𝐸𝑟𝑟𝑜𝑟 3,04
𝑐. 𝑣. = = = 0,073
𝑋ത 23,8
𝒄. 𝒗. = 7 %
Alvarez

Alvarez
• Tukey
• Scheffé
No ortogonales • Duncan
• Dunnet
• DMS
Comparaciones
de tratamiento
(Cuantitativas)
Ortogonales
Alvarez
Orden de los métodos respecto a la protección frente

a Error de tipo I:
DMS < Duncan < Tukey < Bonferroni < Sheffé

Alvarez
Diferencia Mínima Significativa (LSD o DMS)
1. Las medias se colocan en orden creciente

Repeticiones
Tratamiento Promedio
r1 r2 r3 r4 r5 r6 r7 r8
T1 23 22 25 27 29 21 22 23 24
T2 24 24 26 25 24 24 23 24 24,25
T3 31 32 29 29 29 27 28 29 29,25
T4 17 17 18 19 16 18 19 17 17,625
Tratamiento T4 T1 T2 T3
Media 17,6 24 24,2 29,2
Alvarez
2. Calcular el error o desviación estándar de las

diferencias
2∗𝐶𝑀 𝐸𝑟𝑟𝑜𝑟 2∗3,04
ds = = = 0,31
𝑟 8

Alvarez
3. Calcular valor de t
Se calcula t a partir de la tabla t de Student al 95%
de probabilidad, con grados de libertad del error:
G.L.error = t (r-1) = 2,048

Alvarez
Alvarez
4. Calcular el comparador DMS
DMS = ds * t (∂ =0,05)
DMS = 0,31 * 2,048 = 0,64

Alvarez
5. Comparar la DMS con todas las posibles

diferencias entre medias, empezando entre la
diferencia del promedio mas alto y mas bajo.
T3 T2 T1 T4
Medias
29,2 24,2 24 17,6
T4 17,6 11,6 6,6 6,4 0
T1 24 5,2 0,2 0
T2 24,2 5 0
T3 29,2 0
Alvarez
a) Si la DMS es menor que la

6. Decisión diferencia observada, se
admite que existen
T3 T2 T1 T4 respuesta diferencial al
Medias
29,2 24,2 24 17,6 efecto del tratamiento a un
T4 17,6 11,6 6,6 6,4 0 nivel de probabilidad.
T1 24 5,2 0,2 NS 0
b) Si la DMS es mayor que la
T2 24,2 5 0
diferencia observada, se
T3 29,2 0
admite que no existe
respuesta diferencial al
efecto del tratamiento a un
DMS = 0,64 nivel de probabilidad.
Alvarez
7. Decisión
T1 T2 T3 T4
24 24,2 29,2 17,6

Alvarez
7. Decisión
T1 T2 T3 T4
24 24,2 29,2 17,6
a
b
c
Alvarez

Alvarez
Prueba Tukey
Este método conocido también como “Honestly Significant

Difference (HSD)”. El valor crítico se calcula teniendo en
cuenta el número de tratamientos, lo que protege contra el
error tipo I. Aunque es, por tanto, un método conservador,
resulta el más liberal de ellos.
Su principal desventaja, aparte de su sensibilidad al error tipo

II, es que requiere el mismo número de observaciones o
repeticiones en las medias.

Alvarez
Prueba Tukey
Se establece un UMBRAL como en el método de LSD

(Diferencia Mínima Significativa). Las diferencias entre medias
muéstrales que estén por encima de ese umbral se consideran
diferencias significativas.
Ejm:
T1 = 23,6* (∂ = 0,05)
T5 = 33,1** (∂ = 0,01)
T8= 12,2 NS
Alvarez
Prueba Tukey
1. Las medias se colocan en orden creciente

Repeticiones
Tratamiento Promedio
r1 r2 r3 r4 r5 r6 r7 r8
T1 23 22 25 27 29 21 22 23 24
T2 24 24 26 25 24 24 23 24 24,25
T3 31 32 29 29 29 27 28 29 29,25
T4 17 17 18 19 16 18 19 17 17,625
Tratamiento T4 T1 T2 T3
Media 17,6 24 24,2 29,2
Alvarez
Prueba de Tukey
2. Calcular el error o desviación estándar de las

diferencias
𝐶𝑀 𝐸𝑟𝑟𝑜𝑟 3,04
ds = = = 0,217
𝑟 8

Alvarez
3. Calcular Diferencia Significativa Honesta (DSH)

Se calcula t a partir de la tabla q de Tukey al 95%
de probabilidad, con grados de libertad del error:
DSH = [G.L. tratamiento / G.L. error] = 3,50

Alvarez
4. Calcular el comparador DSH
DSH = ds * (q∂)
DSH = 0,217 * 3,50 = 0,759

Alvarez
5. Comparar la DHS con todas las posibles

diferencias entre medias, empezando entre la
diferencia del promedio mas alto y mas bajo.
T3 T2 T1 T4
Medias
29,2 24,2 24 17,6
T4 17,6 11,6 6,6 6,4 0
T1 24 5,2 0,2 0
T2 24,2 5 0
T3 29,2 0
Alvarez
Diferencia Significativa Honesta (DSH)
a) Si la DSH es menor que la

6. Decisión diferencia observada, se
admite que existen
T3 T2 T1 T4 respuesta diferencial al
Medias
29,2 24,2 24 17,6 efecto del tratamiento a un
T4 17,6 11,6 6,6 6,4 0 nivel de probabilidad.
T1 24 5,2 0,2 NS 0
b) Si la DSH es mayor que la
T2 24,2 5 0
diferencia observada, se
T3 29,2 0
admite que no existe
respuesta diferencial al
efecto del tratamiento a un
DHS = 0,76 nivel de probabilidad.
Alvarez
6. Decisión
T1 T2 T3 T4
24 24,2 29,2 17,6

Alvarez

Alvarez

Alvarez
Prueba de t (Student)
Establecida por Gosset es usada cuando en los

experimentos se tiene que comparar dos
tratamientos (t=2), por cuanto no justifica sacar
más allá de lo que indica el nivel adoptado para la
prueba.
Usa tabla de t de Student

Alvarez

Alvarez

Alvarez

Alvarez
Diseño de Bloques Completos al Azar

Alvarez

Alvarez
MODELO B.C.A.
El diseño BCA tiene una gran ventaja sobre el DIA, ya que
se puede controlar la variación cuando las unidades no
son homogéneas.
Los bloques pueden estar constituidos por áreas

compactas de un campo, grupos de animales, diferentes
tiempos de aplicación de tratamientos a unidades
experimentales.
“La variación de las U.E. denro del bloque es MINIMA y

entreClases
bloques sea MAXIMA”
Diseño Experimental. (c) Ph.D. David
Alvarez
MODELO B.C.A.
T1 T2 T3 T4 MES 1 T1 T2 T3 T4 Pasto
MES 2 T1 T2 T3 T4 Ipiales
T1 T2 T3 T4
MES 3 Potosí
T1 T2 T3 T4 T1 T2 T3 T4
MES 4 Iles
T1 T2 T3 T4 T1 T2 T3 T4
Alvarez
T1 T2 T3 T4 + Pendiente
T1 T2 T3 T4 + Pendiente
++ Pendiente
T1 T2 T3 T4
+++ Pendiente
T1 T2 T3 T4
Alvarez
MODELO B.C.A.
T1 T2 T3 T4 Maq. 1
T1 T2 T3 T4 Maq. 2
Maq. 3
T1 T2 T3 T4
Maq 4.
T1 T2 T3 T4
Alvarez
? Clases Diseño Experimental. (c) Ph.D. David

Alvarez

VENTAJAS
✓ Cuando existe una fuente de variación identificable y que

pueda enmascarar el efecto del tratamiento, es posible
eliminar esta fuente de variación por medio de agrupamientos
de las unidades experimentales en grupos homogéneos.
✓ Es flexible para cualquier número de tratamientos.
DESVENTAJAS
✓ El bloque debe tener orientación perpendicular a la gradiente

de variación.
Alvarez
MODELO B.C.A.
𝒀𝒊𝒋 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 + 𝑬𝒊𝒋
Donde:
Yij = es la observación del i-esimo tratamiento en el j-
esimo bloque.
𝜇= Media general
𝜏i = Efecto de la i-esimo tratamiento
𝜷 = Efecto de la j-esimo bloque
𝑬𝒊𝒋 = Error experimental.
“Cualquier valor (Yij) es la suma de estos cuatro

componentes”
Alvarez
Situación 1.
Supongamos un experimento de 5 variedades de maíz que se han
ensayado en cuatro bloques al azar y cuyos rendimientos se indican a
continuación:
VAR 1 VAR 2 VAR 3 VAR 4 VAR 5

B1 16 14 9 12 13
B2 12 12 7 9 12
B3 10 9 8 9 8
B4 10 7 8 7 8

Alvarez

Alvarez
Situación 1.
Supongamos un experimento de 5 variedades de maíz que se han
ensayado en cuatro bloques al azar.
Ho = μ1 = μ2 = μ3 = μ4
Ho = “Todos las variedades son iguales”
HA = “Al menos una variedad es ≠ ”
Alvarez
Ho = B1 = B2 = B3 = B4
Ho = “No existen diferencias entre bloques, el
terreno era homogéneo”
HA = Al menos un B es ≠
HA = “Al menos un Bloque mostro variación”
Alvarez
Información tratamiento
Sub
B1 B2 B3 B4
Total
VAR 1 Xi,j X1,2 X1,3 X1,4 Xi,.
VAR 2 X2,1 X2,2 X2,3 X2,4 X2,.
VAR 3 X3,1 X3,2 X3,3 X3,4 X3,.
VAR 4 X4,1 X4,2 X4,3 X4,4 X4,.
VAR 5 X5,1 X5,2 X5,3 X5,4 X5,.
X.,1 X.,2 X.,3 X.,4 X..
Información bloque
෍(𝑋. 𝑗 2 /𝑡) = (𝑋.,1 )2 +(𝑋.,2 )2 +(𝑋.,3 )2 +(𝑋.,4 )2
𝑗 Clases Diseño Experimental. (c) Ph.D. David
Alvarez
Sub
Información tratamiento
B1 B2 B3 B4
Total
VAR 1 16 12 10 10 48
VAR 2 14 12 9 7 42
VAR 3 9 7 8 8 32
VAR 4 12 9 9 7 37
VAR 5 13 12 8 8 41
64 52 44 40 200
Información bloque
Alvarez
Suma de Cuadrado
F.V. G.L. F. Calculada F. Tablas
Cuadrados (S.C) medios (C.M.)
CM bloque/ 0,05
Bloques (b-1) SC bloque/GL
CM Error 0,01
(t-1) CM Tratam/ 0,05

Tratamiento SC Trat/GL
CM Error 0,01
Diferencia
Error Diferencia SC Error/GL
Total
(t*b)-1
Alvarez

Alvarez
= 2.000
F.V. G.L. Suma de Cuadrados (S.C)
Bloques (b-1) = [4 – 1] = 3 2
(t-1) = [5 – 1] = 4 3
Tratamiento
Error 19 – (3+4) = 12 Diferencia 4
Total (t*b)-1 = [(5*4)-1] 1

= 19

F.C. = 2.000 Alvarez
Suma de cuadrados Total =
= 124
Alvarez
Suma de cuadrados BLOQUES =

Alvarez
= 67,2
Suma de cuadrados Tratamiento =
= 35,5
Alvarez
Suma de Cuadrado medios

F.V. G.L. F. Calculada
Cuadrados (S.C) (C.M.)
22,4/1,8 =
Bloques 3 67,2 22,4
12,4
4
Tratamiento 35,5 8,9 8,9/1,8 = 4,9
12 124 – (67,2 +
Error 35,5) = 21,3
1,8
Total 19
124 -

Alvarez
TRATAMIENTO / BLOQUE
3 4 0,01 = 99%
0,05 = 95%
F-calculada para Bloque
F-calculada en Tratamiento
12
F-trat = 3,5
F-blo = 3,26
ERROR
∂ = 0,05
Clases Diseño Experimental. (c) Ph.D. David =DISTR.F.INV(0,05;3;12)
Alvarez
F- Calculada F- Tabla
F-Tratamiento = 4,9 F-Tratamiento = 3,5

F- Bloque = 12,4 F- Bloque = 3,2
“ F-calculada mayor (>) a F-Tablas, se rechaza la

hipótesis nula Ho para Tratamiento y Bloque”
Alvarez
“Con base en lo expuesto, se

concluye que hay diferencias
significativas (α = 0,05) entre los
tratamientos para variable
rendimiento, es decir,
entre las variedades
de maíz evaluadas”
Alvarez
D.M.S. Tukey
1) B4 B3 B2 B1
8 8,8 10,4 12,8
2) Calcular la desviación de las diferencias
2∗𝐶𝑀 𝐸𝑟𝑟𝑜𝑟 𝐶𝑀 𝐸𝑟𝑟𝑜𝑟

ds = ds =
𝑟 𝑟
2∗1,8 1,8
ds = = 0,47 ds = = 0,33
4 4
3) Calcular valor de tablas
Valor t (G.L. error, 12) = 2,18 Valor q (G.L. 4/12) = 4,20

Alvarez
D.M.S. Tukey
4 Calcular el comparador
DMS = ds * t DHS = ds * q
DMS = 0,47 * 2,18 = 1,02 DHS = 0,33 * 4,20 = 1,39
5) Decisión
B1 B2 B3 B4
12,8 10,4 8,8 8
B4 8 4,8* 2,4* 0,8NS 0
B3 8,8 4* 1,6 * 0
B2 10,4 2,4 * 0
B1 12,8 0
Alvarez
B1 B2 B3 B4
12,8 10,4 8,8 8
a
b
c

Alvarez
𝒀𝒊𝒋 = 𝝁 + 𝝉𝒊 + 𝜷𝒋 + 𝑬𝒊𝒋
Tratamiento Bloque Rendimiento
VAR 1 1 16
VAR 1 2 12
VAR 1 3 10
VAR 1 4 10
VAR 2 1 14
VAR 2 2 12
VAR 2 3 9
VAR 2 4 7
VAR 3 1 9
VAR 3 2 7
VAR 3 3 8
VAR 3 4 8
VAR 4 1 12
VAR 4 2 9
VAR 4 3 9
VAR 4 4 7
VAR 5 1 13
VAR 5 2 12
VAR 5 3 8
VAR 5 4 Clases
8 Diseño Experimental. (c) Ph.D. David
Alvarez

Alvarez

Alvarez

Alvarez

Alvarez

Alvarez

Alvarez

Diseño Dia y Bca

Uploaded by

Document Information

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

Diseño Dia y Bca

Uploaded by

Copyright:

Available Formats

Unidad 3.

Diseño Completamente al Azar

David E. Álvarez Sánchez

2018 Clases Diseño Experimental. (c) Ph.D. David

Elementos estructurales de un experimento agrícola:

ESTÍMULOS UNIDAD RESPUESTA

Clases Diseño Experimental. (c) Ph.D. David

Elementos estructurales de un experimento agrícola:

ESTÍMULOS UNIDAD RESPUESTA

Clases Diseño Experimental. (c) Ph.D. David

Elementos estructurales de un experimento agrícola:

ESTÍMULOS UNIDAD RESPUESTA

Clases Diseño Experimental. (c) Ph.D. David

Elementos estructurales de un experimento agrícola:

ESTÍMULOS UNIDAD RESPUESTA

Clases Diseño Experimental. (c) Ph.D. David

Clases Diseño Experimental. (c) Ph.D. David

Clases Diseño Experimental. (c) Ph.D. David

ANÁLISIS DE VARIANZA (ANDEVA)

✓ Técnica paramétrica utilizada cuando hay más de dos grupos

✓ Se trata de un método para compara medias (promedios) de n

✓ Se establecen dos hipótesis: a) Hipótesis nula Ho = “no hay

✓ ANDEVA permite conocer con 95% o 99% (∂=0,05; ∂=0,01) de

ANÁLISIS DE VARIANZA (ANDEVA)

El modelo matemático del ANDEVA, debe ser LINEAL y ADITIVO:

Yij = μ + Tratamiento-j + Error-ji

• Errores son independientes

ANÁLISIS DE VARIANZA (ANDEVA)

El modelo matemático del ANDEVA, debe ser LINEAL y ADITIVO:

Yij = μ + Tratamiento-j + Error-ji

• Se encuentran normalmente distribuidos con media cero y

✓ Prueba de normalidad Shapiro Wilks

✓ Q-Q plot (Datos próximos a la linea)

ANÁLISIS DE VARIANZA (ANDEVA)

Tratamiento Repeticiones Sub total

Clases Diseño Experimental. (c) Ph.D. David

ANÁLISIS DE VARIANZA (ANDEVA)

ANÁLISIS DE VARIANZA (ANDEVA)

ANÁLISIS DE VARIANZA (ANDEVA)

Clases Diseño Experimental. (c) Ph.D. David

ANÁLISIS DE VARIANZA (ANDEVA)

ANÁLISIS DE VARIANZA (ANDEVA)

Se rechaza la Hipótesis Nula

Clases Diseño Experimental. (c) Ph.D. David

Clases Diseño Experimental. (c) Ph.D. David

Clases Diseño Experimental. (c) Ph.D. David

Clases Diseño Experimental. (c) Ph.D. David

DISEÑO IRRESTRICTAMENTE AL AZAR

Clases Diseño Experimental. (c) Ph.D. David

DISEÑO IRRESTRICTAMENTE AL AZAR

DISEÑO IRRESTRICTAMENTE AL AZAR

MODELO LINEAL ADITIVO

“Cualquier valor (Yij) es la suma de estos tres

TRA VALOR TRA VALOR TRA VALOR TRA VALOR

SUSTRATOS: T1, T2, T3 y T4

Clases Diseño Experimental. (c) Ph.D. David

Gran Total = 761

Clases Diseño Experimental. (c) Ph.D. David

ANÁLISIS DE VARIANZA (ANDEVA)

Clases Diseño Experimental. (c) Ph.D. David

Clases Diseño Experimental. (c) Ph.D. David

Fuente de Suma de Cuadrado

Clases Diseño Experimental. (c) Ph.D. David

Suma de cuadrados Total =