DISENO COMPLETAMENTE AL AZAR El disefio completamente al azar, es aquel en el cual los tratamientos se asignan completamente al azar a las unidades experimentales 0, también diriamos, que las unidades experimentales son asignados completamente al azar a los tratamientos sin ninguna otra restriccién; por lo tanto se considera que es un disefio eficiente cuando las unidades experimentales de las que se dispone son muy homogéneas ESQUEMA DEL DISENO Repeticiones () Tratamientos () 1 2 3 i t 1 Yu Yau Yu 2 Yu 2 Yaz Yo Yar Yo 3 Ys Yo Yas a Ys r Yin Yar an a Yer Total (4) Yi. Ya. Ys i ¥i_Y. Total (n) nu nz mo, ~ nn. Es simple de planificar El ntimero de repeticiones puede variar de tratamiento en tratamiento Es flexible en cuanto al niimero de repeticiones y tratamientos Es util cuando las unidades experimentales tienes una variabilidad uniformemente. Cuando se pierde un VE 0 parcela se puede considerar el disefio con diferentes ntimeros de repeticiones por tratamiento el error experimental puede obtener separadamente para cada tratamiento con el fin de comparar la homogeneidad del error. Es més apropiado para pequeno nimero de tratamientos y un material experimental homogéneo y uniforme disiribuido A veces no se puede conirolar el error experimental por lo que puede ser un diseiio impreciso. Cuando se tiene diferente mimero de repeticiones por tratamiento es necesario calcular un error estandar por cada par de promedios si se quiere comparar sus diferencias. ANALISIS DE VARIANZA (ANDEVA, ANVA, ANOVA) Es una técnica matematica que nos permite descomponer una fuente de variacién total en sus comporentes atribuibles a fuentes de variacién conocida. Fuente de variacién (F de V) —--—-> Fuente variacién conocida Gu. S.C CM. FC. TABLA ANDEVA (formulas)Anilisis de varianza del diseftio completamente al azar (DCA) F.DEV GL. S.C CM EC ‘Tratamientos a S.C. trat, CM.trat. GLirat CM. error exp a SC. Total -SC. | SC.error exp experimental t(r-1) TEE GLonorem te e total tr-1 Sy we Coeficiente devariacién (CV) cv= = x100 Término de correccién (TC) i= tr. Y.. =Gran total X = promedio de gran total Bjemplo de DCA En un atto. De Ganado Brown swis en el CIP quilabamba de estudio de progen: de 5 toros fixe apareado al azar con 10 vacas de primer parto, se quiere evaluar el peso del destete de toda la progenie. Peso destete de la progenie de 5 toros Brown swis, esta informacién esté dada en Kg. progenie sores. 1 2 3 a 5 1 145 138 235 131 153, 2 150 147 146 135 148, 3 162 137) 153 145; 148 4 145 150] 157 156 140 5 151 135| 140 154 148, 6 158 150] 154 140 152 7 146 157) 150 128 138 a 150 150] 133 145; 149 2 160 164 132 135] 135 10 155 130] 147 131 157 D% 1522 aaa 1aa7|___1400 1068 Xi 152.2 144,8 14,7 140} 146,8 |‘Suma de gran total 7285) Promedio de gran total 145,7| Término de correceién: x, 72857 Ma = 5(10) = 1061 4245 GRADOS DE LIBERTAD (GL) GL tratamiento (toros): t= 1 = 5 GL error experimental (progenie): t(r — 1) =5 (10-1) = 45 GL total: tr—1 = 5(10)—1 =49 SUMA DE CUADRADOS (SC) SC. Tratamiento (toros) ‘ye 2 2 2 2 2 yi ge = 2522? + 1448 oar +1407 +1468" essa a 1 10622021 — 1061424,5 SC. Error experimental SC. Error experimental = SC. Total - SC. Trat. SC. Error experimental = 3 926,5 — 77,6 SC. Error experimental = 3 148,9 CUADRADOS MEDIOS (CM) CM. tratamientotat. 777, = Ya 1044 tat. 4 CM. trat. : BSG CM. error experimental SC.error exp _ 3 148,9 GLerrorexsp. 45. CM. error exp. = 69,9756 F CALCULADA F.DEV GL. sc CM F.C. Tratamientos| 4 77,6 | 1944 | 2,778 Brror 45 | 3148.9 | 69,9756 experimental total 49 | 39265DISENO EN BLOQUE COMPLETO AL AZAR (BCA) O DISENO COMPLETAMENTE ALEATORIO (BCA) Se llama también experimento con dos criterios de clasificacién, porque tiene dos fuentes de variaciGn; estas son tratamientos y repeticiones. Este disefio es un modelo estadistico en el que: 1. Se distribuyen kis unidades experimentaks en grupos o bloques, de tal manera que ks tunidades experimentales dentro de un bloque sean homogéneas, pero entre grupos haya homogeneidad y que el niimero de unidades experimentales dentro de un bloque sea igual al nfimero de tratamientos por inves 2. Los tratamientos son asignados al azar a kis unidades experimentales dentro de cada bloque CARACTERISTICAS a) Este diseio tiene como objetivo mantener la_homogencidad entre las _unidades experimentales dentro de un bloque como sea posible, de tal forma que las diferencias observadas se deban en gran parte a los tratamientos. La variabilidad entre las unidades del mismo bloque. Lo ideal es que b variabilidad entre unidades experimentales se controle de tal forma que se maximice la variacién entre bloques, micntras que la variacién dentro de ellas se minimice. Cuando no hay diferencias significativas entre bloques, a aplicacién de este modelo estadistico no contribuiri en forma probada a la precision para detectar las diferencias de tratamientos. b) Generammente cada tratamiento es asignido a una unddad experimental dentro de cada bloque, sin embargo, es posibke tener para un tratamiento de interés el doble de unidades experimentales por bloque, sin que el anilisis estadistico se vuelva complicado. ©) El ntimero de bloques debe ser por lo menos de cuatro y el némero de tratamientos por bloque al menos dos. Cuando se usa mayor numero de tratamientos debe tenerse en cuenta que bos bloques no sean demasiado grandes, ya que ello taerfa una homogeneidad dentro de cada bloque. 4) Al tener bloques heterogéneos constituye una ventaja ya que s° estin comparando los tratamientos en condiciones diferentes, fo que es de gran importancia para la prueba estadistica entre los tratamientos. ©) Si durante el experimento se produce la perdida de unilades experimentales 0 de un bloque por algtin motivo, el andliss sigue sendo sencillo; puesto que existen métodos para asignar ala unidad experimental perdida un valor. 1) Si el tratamiento aplicado ocasiona bk perdila de la UE no se produce a asignar ningiin valor ya que este es cero. Caracteristicas: Este disefio es uno de lbs mis conocitlos, se caracteriza por que los tratamientos se distribuyen en forma akatoria a un grupo de unidades experimentales denominado bloque. El objetivo que las unidades experimentaks dentro de un bloque sean homogéneos posibles, es decir el ntimero de unidades experimentakes en cada bloque pueden ser jgual al nimero de tratamientos que se quiere estudiar Jos bloques pueden estar formados por areas homogéneas de un tereno por variedades de cultivos con grupo de animales que pueden minipularse uniforme ya sea de la misma raza, edad, peso, etc. En resumen cl BCA tiene tatamientos que son aleatoriamente asignados a unidades experimentales homogéneas dentro de cada bque de esta forma el proceso de aleatorizacion de bs tratamientos ha sido restringido a unidades dentro de cada bloque la variabilidad natural existe entre los unidades experimentales homogéneas los bloque vienen hacer también las repeticiones que pueden ser variedades, lineas, clones, ntimero de dfas, animales, alimenticias,etc., de tal manera que el disefio es usado para controlar una fuente de variabiilad en el material experimental y no solamente lh variacién entre bloques dentro del campo. Ejemplo: si se tiene un terreno con diferentes niveles de pendiente para instalar un experimento se puede construir de la siguiente forma, Mayor pendiente del terreno Bloque I Ti T. Ts T Pendiente medio del terreno Bloque I Ts TT Ts T: Menor pendiente del terreno Bloque TIT Ts Ts Tr Si bien se tiene animals de tres camadas diferentes pero de la misma raza se puede bbquear de la misma forma para un experimento de cuatro tratamientos Camada 1 Bloque I T T Ts Ts Camaita 2 Bloque II Ts T Ts Ti Camada 3 Bloque IL Ts Te Ti VENTAJAS. 1. Este disefio es mais preciso que el DCA par kt mayoria de los tratamientos 0 experimentales pues permite generar mayor preckién en el experimento cuando existe diferencia. 2. Es muy ficil, pues no existe una restriccién en relacién al ntimero de tratamientos y repeticiones sin embargo el aumento de nimero de tratamientos con leva al a perdida de la homogengidad dentro del bloque. 3. Es un disefio muy usado por la adaptabilidad recomendindose generalmente, diferencia de tres bloques y por lo menos dos tratamientos por bloque. 4. Es factible realizar el andlisis experimental, cuando por una causa se ha perdido algtin bloque pues existen técnicas estadisticas muy simple para poder estimar el resultado. DESVENTAJAS: 1. La desventaja de este diselio es que no es muy adecuado para un gran niimero de tratamientos mis de 12 para casos en que bloque contenga. 2 Cuando existe mucha perdida de unidades experimentales pues el andlisis estadistico se amplfa. seriamente_y muchas veces no es posible analizarlo, No es recomendabke utiliar este disefio cuando se verifca que existe interaccién entre bloques y tratamicntos. MODELO ESTADISTICO LINEAL Nj = Ut Ut B+ Gi;bloque que recibe el tratamiento. ~ £=-constunte © promedio para toda la observacién oes la medida de la poblacion s el efécto de tratamiento “7” la cual igual a (uj ~ 1) es decir a ka diferencia entre promedio poblcional del tratamiento y ki media poblacional B, = es el efecto del bloque *j" b cual es (uw ~ u) es decir a la diferencia entre el promedio pobkicional del bloque y a media poblacional &y = e8 el termino que representa cl error de su respectiva €,, se considera variable aleatoria distrbuida en forma normal o independiente con media o varianz constante. HIPOTESIS RESPECTO A TRATAMIENTOS MODELO I MODELO IL Ho :ti= Fk iO RESPECTO ABLOQUES MODELO I MODELO IT Hy : By= Ho : og =0 H. :B) &0 He : of &0 ANDEVA PARA BCA ~ formulas Andlisis de varianz_generalizado para un disefio en bloque completo al azar (BCA) F. de V. GL. S.C. CM. BRC. a SC. bloque CM. bloque panes r GL bloque CM error exp. SC.trat. CM. trat. Tratamiento t ad Guat CM .error exp. Error t—1yr—1) | SC: total “SC. tra C error exp. experimental «Ie SC. bloque | GLerror exp. cr TOTAL t- Ya ain 2 To= = © cv= > x100 x. Ejemplo: se ensayo un experiment en el distrito de umachiri provincia de Ayaviri para probar el rendimiento en gramo y su adaptacién en el altipkino para la produccién de avena forrajera cuya evaluacién esti dada en grados con los siguientes resultados. Variedad grienon = Vi Variedad_ Vileanota Variedad negra Variedad gaviotaRendimiento. Avena forrajera grano (g) BLOQUES Vi V2 Vs Va I 595,40] 563,80] 433,25 423,70] 1 537,95| 484,40) 529,65] i 738,00] 543,55 530,25 352,00] SOLUCION: BLOQUES| Vi Va Vs Vs Sx, I 595.40| _563.80| _433.25| _423,70|__2016,15| 1 537,95|__484,40| _622.25[ _529.65|__2174,25| 1 738,00| 543,55] 530,25] _352.00| _2163,80| x 1871,35| _1591,75| _1585,75| __1303,35| _6354,20) x, 623,78| __530,58| __528,58|_435,12|__529.52| GRADOS DE LIBERTAD (GL) = Bloque ir-1=31=2 + Tratamiento t-1 =4-1=3 Error experimental. (t-1) (1) = 4-1-1) = 6 + Total rr 1=4@)-1=11 Tc = Yo See 3364760,71 ~ 43) : SUMA DE CUADRADOS (SC) + Bloques: YP 2016,15? + 2174,35? + 2163,87 she ts SOOO — 8.864.760,71 yi TC = 391159 . = 3911; ist 1871,35? + 1591,75?+ 1585,85? + 1305,35? 3 3364 760,71 +4 — TC = 111880,02 iter Enror experimental: = SC. tolal — SC. trat. — SC. bloque=111880,02 - $3398 — 391,59 =54570.43 ANDEVA para nto en grano de var. Avena (g) dev. [GL S.C. CM. FC Bloque 2 391159 [1955.79 0.22 Tratamiento 3 53398 1799.3 1,96 Envor exp. 6 54570.43 [9094.98 total T 111880.02 Fo, 0s(2,6) = 5,14 Fo,o1(2.6) = 10,92 Varianza_es el CM del error = 9094,98 = VUTETE 100 = 18.01% Interpretacién: Efectuando el ANDEVA para BCA se encontré que no existe diferencias estadisticas entre los tratamiento es decir entre los variedades de avena forrajera puesto q al contractar con prueba de F tabular este valor es menos a ambos niveles de confianza (0,05) y (0,01) ast mismo se encontré que no existe el valencia estadistica significativa entre los bloques X lo que se asume que este son homogéneos por lo tanto no serd necesario bloquear, utilizando simplemente un DCA referentes a la variedades o tratamientos su rendimiento en grano un complemento similar. Finalmente el CV es 18.01% el mismo que se considera aceptable. 45% 18% Hasta el 30% es aceptable el CV Ejemplo: se desea probar cuatro niveles de galinaza como fuente proteica en raciones para corderos BCA cuyos resultados sedan a continuacién. Niveks de galinaza (tratamionto) - OKg/ 100Kgalimento: T1 - 10 Kg/ 100Kg alimento: - 20 Kg/ 100Kg alimento: Ts + 30Kg/ 100Kg alimento: Ts recién destetados que debido al peso inicial de los corderos fue necesario utilizar unPesos (bloques) + Peso 1 = bloque T + Peso 2= bloque Il - Peso 3= bloque Ill Peso 4 = bloque IV bloques Th hh Ts Ts I 18,50] 17,90) 15,10} 9,80} 1 20.20) 18,40 16,20 11,40 Mm 21,40) 19,90) 17,00) 12,60] Vv 22,90) 21,80) 18,40} 13.20} SOLUCION: bloques Th Tr Ts Ts > x; I 18,50 17,90| 15.10) 980[ 61,30] w 20.20f _1840| _16,20[ _‘11.40| 66,20 Ti 21,40, 19,90) 17,00 12,60 70,90) Vv 2oof 21,80] 18.40[ _13,20[ 76,30 > X. 83,00| _78,00|__66,70|_—_—47,00|_—_274,70 X, 20,75| _19,50|_16,68|_11,78[ 17,17DISENO CUADRADO LATINO (DCL) Este disefio es una extensidn del dkeflo de BCA y se utiliza cuando las unidades experimentakes se van aplicar los tratamientos puede agruparse de acuerdo a dos fuentes de variabilidad lamadas hileras o bloques y las otras lamadas columnas también se le conoce con el nombre doble bloque, en experimentacién agricoh es posible emplear este disefio especialmente cuando se quiere eliminar el efecto a la variabiidad al efecto de kx pendiente, y en experimentacin pecuaria puede utiizarse cuando se desea eliminar dos fuentes de variaciin en este diseno es necesario que el numero de bloques o hileras sean igual _ntimero de tatamientos ¢ igual al nimero de columnas y el mimero total de unidades experimentaks debe ser igual a? por ejempb si el numero de tratamiento es de cuatro y el numero de bloque y el nimero de columnas también debe ser cuatro y por tanto el numero de total de unidades experimentales sea igual a 16 este disenio se recomienda cuando el numero de tratamientos varfa entre 3 y 10 el CL se puede emplear siempre que a ya homogeneidad dentro de la hileras y bloques y dentro de kas columnas pero debe haber alta heterogeneidad entre blques y columas. Ejemplo: sise tiene un terreno con diferentes nivek’s de pendiente en dobke sentido para instalar um experimento se podré distribuir de la siguiente. manera, en un ensayo de cuatro tratamiento Pendiente a G CG Hh A B c D Ho B D A c Pendiente Hh c A D B Hi D c B A CARACTERISTICAS 1. Debe existir homogeneidad de hs unilades experimentakes dentro de las hileras, pero entre... Debe existir heterogeneidad para que el disefio sea eficiente. oa EI mimero de unidades experimentales en cada hilera y en cada columna debe ser igual al ndimero de tratamicntos en estudio, Cada tratamiento debe aparecer una sola vez en cada hilera o bloque y en cada cokmna. El némero de tratamientos siempre debe ser igual al nimero de hilera_y columnas. 5. Este diseno es stil cuando los tratamientos varian de 3a 10, no es my recomendable utilizar cuando existen muchos tratamientos por kis caracteristicas del disefio. 6. Puede ser un disefio mis preciso que el BCA debido a que reduce el cuadrado medio del error (S?) esto debido a ka otra fuente de variabilidad que son hs columnas. 7. La aleatorizacién en hos hileras y cokmmas es muy complicado sin embargo existen muchas variantes dentro de los disefios experimentales. DESVENTAJAS 1. Como el mimero de tratamientos depende del némero de bloques o hileras y cohumnas y por consiguiente el nimero de unidades experimentaks esto ke resta facilidad al disefio porlo que no es recomendable aun niimero mayor de 10 tratamientos.Debido a ka igualdad al mimero de tratamientos y de repeticiones este disefio tiene menos grados de libertad para el error experimental Si es que existe interaccion entre los efectos de los dos fitentes de variacién (hileras y columnas) y entre los tes tratamientos (hileras y columnas) entonces el valor de F calculada no se distribuye de acuerda al valor de F tabular por bo tanto no es vatida una prueba de significancia, Si existen estas condiciones de interaccién es preferible no emplear el CL. 4, El error experimental tiende a incrementar al aumentar el ancho de los bloques o hileras yeel largo de las columnas como consecuencia de mimero de tratamientos elevados MODELO ADITIVO LINEAL V@je = H+ Ut At Cyt Eq jx bore Ycojie= Es la variable de respuesta o resultado de la unidad experimental chsificada en el j- esimo nivel de bloque hilera, el k-esimo de bloque — columa y que a recibido el tratamiento i esimo, el cual por estar comprendido en la combinacién “jk” se llama factor anidado. } = Es la constante promedio de la poblacién a kt cual pertenecen las o! 1, = Exel verdadero efecto del i-esimo tratamiento, , = Es el verdadero efecto de la j- esima hilera. Cy = Blvcto dela k-esima columna, (jae = ES el término de error con variables aleatorios, servaciones. HIPOTESIS REPECTO ATRATAMIENTO MODELOT | _MODELO TT Ho :t=0 He Ha 20 & 0 Hy RESPECTO AHILERA MODELOT [_MODELO TT Ho : Hj = 0. Hy : 09 =0 HH & 0 Ha: of &0 REPECTO ACOLUMNA MODELOT | _MODELOTT Ho:Ck = 0 Hy: o2 =0 TiC & 0 |M: a &0Tabla ANDEVA para CL - formulas F. de V. GL SC OM FC Hikeras 1 YE % SC.Hilera CM, Hilera yu -1 CM.error exp. a Yi _ YE SC.Columna | CM. Columna Columnas rel May aQ@ror r=a CM. error exp. 1 ye v2 SC.Trat, CM. Trat. Tratamientos r-1 Y _ rd CM. error exp. Ear SERENC ‘SC. Error exp. experimental (-Dir-2) | PORDIFERENCIA | GayG-—9) rata e Total »»> Yea tao tet EJEMPLO: en el CIP tambo pata se levo a cabo. un estudio sobre maiz para evalnar cuatro variedades (A, B, C y D) que debido a la conformacién del disefio se us6 el DCL para lo cual se dispuso de 4 hikeras 0 bloques, 4.columnas y 16 UE. Representadas. por parcelas de 6x5 =30m? cuyo croquis de distibuci6n fix el siguiente. TOTAL ALRASO a 2 3 4 BLOQUES T [|B 2[D 3[A [CB 19 a [A 7[c s|B 5[D7 24 tL Ds B 4{[C 9/A 10 28 Ww [c 6{A 9[D5|B 5 5 ORs | 20 2 25 ~*30 TRATAMIENTOS, Trat. | A om) 32 | 16 | 28 | 20 x | 8s }4)7 15 GL + Hileras: + Colmas: r 3 - Tratamiento: r—1 + Error exp. :(t- Dr @-D4-2)=3@=6ye _ 96? TC = S= = =576 197+ 24? + 28% + 25? SC. hileras = ——“—7 "> _ 1 = 586,5 — 576 = 10,5 2074 21? + 252 + 30? SC. columnas = ae TC = 5915-576 = 155 322+ 16? + 28? +207 sc.trat = =P ETAT — te = 616—576= 40 lta ye SC. Total = yyy — AF = P47? ++ 102+ 5? — TC = 650-576 Bini r 7” SC. Error exp.= (SC. Total — SC Hileras -SC Columna — SC trat.) = 74—10,5-15,5-40=8 ANDEVA para CL enel rendimiento de 4 variedades de maiz (Kg/ 30m?) F. de V. GL SC CM FC SIG Hileras 3 105 35 2.63 NS ‘Columnas 3 155 517 388 NS ‘Tratamientos 3 40 13,33, 10 = eeietaid . 8 Ladies Total 15 74 x 100 = x 100 = 19,22% Fo.os (3,6) = 4, 76 Foo: (3,6) = 9, 73 Interpret No se encontré evidencias estadisticas significativas entre hileras y entre colamnas en cambio para los tratamientos a través de la varedades de maiz se presento varianza altamente signficativa es decir que existen diferencias con respecto al rendimiento entre las variedades de maiz por lo tanto nos confirma que cada variedad se comporta en forma diferente entre ellos el CV = 19,22% el cual se considera como aceptabk.PRUEVA DE COMPARACION MULTIPLE DE DUNCAN CARACTERISTICAS Se utiliza para efectuar comparaciones miltiples entre dos o més promedios de 9. Es neces Ivomec tratamientos de un experimento. Fl nimero de comparaciones en‘t” tratamientos es = 2 La F calcuhda en el ANDEVA. puede o no ser significativa, Cuando el némero de repeticiones es precisos que cuando se tiene diferente de nimero de repeticiones. por tratamiento. Puede tener el inconveniente de que cuando se cuenta con un alto nfimero de tratamiento puede variar el nivel de significancia a. La prueba de DUNCAN permite al investigador cometer menos errores de tipo 2 y mis errores de tipo 1. Es recomendable el uso de esta prueba en experimentos. de drea agricola y en determinados casos en drea pecuaria esto debido a que los materiales experimentales son conocidos por el experimentador. La prueba de DUNCAN permite comparar tratamientos. no relacionados es decir todos Jos tratamientos contra todos con el fin de establecer un orden de meritos. Es menos exigente en revelar la situaciin verdadera del experimento. igual en Jos tratamientos Jos céulos son mas sario utilizar este método segiin la experiencia del ingeniero Amikar. 1% ------- 1,5% enla serra para endo y ectopardsitos. r 2 3 4 > o ula ke wow veiw Raaaly ul 7 15 19 24, Dy %, 2,75 1,75 3.75 4,75 6 ANDEVA FdeV GL SC c™ FC SIG Err experim Tratamientos a 44.20 11,05 7,89 a or elt 15 21 14 Total 19 Fo, os (4, Foo (4, 1.15) = 3,06 15) = 4,89VS? vi4 cv = “x10 = SF x 100 =31,12% ETAPAS, 1). Hipotesis: Ho Mi = Hj Fim, & yy 2) Determinar la desvincién estindar de promedios Sem She PA ress ony = f= fae 3) Buscar la tabla DUNCAN bs valores de las amplitudes estudiantizadas significativas ue se denota como [AES (D)] con bes grados de libertad del error experimental a un determinado nivel de confianza @=0,05 6 = 0,01 Prt 2 3 4 5 AES (D) | 3,01 3.16 3,25 331 4) Los valores AES (D) de DUNCAN se mutiplican por la desviacin estindar del promedio Sy,_z, para obtener las amplttxles limites de signficucién [ALS (D)] = 3 4 5 3,16 3,25 331 0592 | 178 187 1,92 1,96 5) Ordenar los promedios en orden creciente: te B A c D E 115. 275 3,75 4,75 6 6) Blectuar ks comparaciones entre promedios de los tratamientos por pares 6,00— 1,75 ALS (D) [5] = 1,96 * 6,00- ALS (D) [4] = 1,92 * 6,00~3,75 ALS (D) [3] = 1,87 * 6,00-4,75=1,25 ALS (D) [2] = 1,78NS 475—1,75=3 ALS (D) [4] = 1,92 * 475— ALS (D) [3] = 1,87 * 475-3) ALS (D) [2] = 1,78NS 3,75— 1,75 ALS (D) [3] = 1,87 * 3,75 —2,75 ALS (D) [2] = 1,78 NS 2,75 -1,75= ALS (D) [2] = 1,78 NS 7) ResumenD ab Cc be 3,75 A cd 275 B a LIS Interpretacién: efectuada la prueba de comparacién de DUNCAN encontramos que no existe diferencias significativas entre bs tratamientos E yD entre Dy C entre Cy Ay entre A y B. pero existe diferencia sigificativa de los tratamientos E y D con respecto a bs tratamientos C , A y B_ siendo el tratamiento E el que tiene el mayor promedio con 6,00 y el tratamiento B con el menor promedio 1,75 prueba realizada al 95% ( = 0.05) de probabilidad. ov. = 31,05% PRUEVA DE COMPARACION MULTIPLE DE TUKEY Caracteristicas: . Es una prueba mvs rigurosa que la prueba de DUNCAN motivo por el que el nivel de signiicancia debe ser amplo ya que comparaciones que realmente son signilicativas esta prueba las puede dechrar como no significativa. 2. H1nivel de significancia « se mantiene constante. 3. Para ser utiizada el valor de F calculada dentro del ANDEVA puede o mo ser significativa, 4, Es mais precisa cuando los tratamientos tienen igual nimero de repeticiones. 5. Se utiliza un solo valor tabulado para calcular el ALS (T) 6. Algunos autores indican que esta prueba fe la que mejor controlo el error experimental del estudio, Desventajas 1. No es recomendable cuando los tratamientos consisten en nivel graduado de una variable cuantitativa, 2. Cuando los tratamientos son cualitativos y donde previamente sean formulados combinaciones lneales pues aqui tiende a dispensar en el resultado final. Ejemplor A |B c [ D 1 a7 | 50 | 37 | 74 2 | 2 [ 54 | 33 [ 8 3 45 67 69 94 4 [2 [357 | 37 [| 29 IY X,| 176 | 228 | 236 | 332 x, | #4 [37 [ 3 [| & ANDEVA FaeV GL [sc | cM [ Fc [SiG ‘Tratamiento 3 | aii | 1057 | 23.40 | Enor exp. 12 | s42 | 45,17 total is_[ 3713, Foos(3.12) = 3,49 Foo1 (3.21) = 5,95 x 100= x 100 = 11,06% 60,75 ETAPAS DE LA PRUEBA 1 Ho? a= He = He = bp Hy: ba & [la & tle & [to Ho: p= Hy Ha: bi & py Syn, = £ = ae = 3,36 3. P=4, m =GL error exp. (12), @= 0,05 4. Buscar valor AES (T) en tabla: AES (I) = 4.20 > valor de la tabla TUKEY (student - newman - keul). 5. Determinar el ALS (T) = [Sy,-xj] [AES (T)] = 3,36 x 4.20 = 14,11 6. Ranqueamos losX, de menor a mayor: f: AB C D KX, 44 57 59 83 7. Comparaciones de X, : 83-44 =39 > ALS(T) =14.11 * 83-57 =26 > ALS(T) =14.11*- 1° 83-59 =24 > ALS(T) =14.11 * 59-44 =15 > ALS(T) =1411 * P59-57 =2 < ALS(T) =14.11 NS 57-44 =13 < ALS(T) =1411 NS }3e RESUMEN Dye 83 Cc b 55 B be 37 A c 44 Interpretacion: realizado la prueba de comparacién miiltiple de TUKEY se encontré que el tratamiento D tiene diferencia significativa con respecto a los demas tratamientos, asi mismo el tratamiento Cy B no presentaron diferencia significativa asi mismo los tratamientos B y A siendo el tratamiento D el de mayor rendimiento con un promedio de 83 y el menor el tratamiento A con un promedio de 44. prueba efectuada al 95% de probabilidad TRANSFORMACION DE DATOS La transformacién de datos se utiliza principalmente cuando las varianzas y los promedios esta relacionados y que consisten en transformar todos los datos originales antes de realizar el ANDEVA para transformarlos a otra escala que permitird analizarlos con varianzas homogéneas, la escala de transformacién es usada para las observaciones y los valores entre los tratamientos no son alterados por lo que la comparacién y el andlisis entre ellos resulta valido. 1. transformacién de la raiz cuadrada Esta transformaci6n se utiliza principalmente cuando los datos tienden a seguir una distribucién especial como la de poisson, pon emma Se presenta a experimentos en los que se evaltia nameros enteros como el ntimero de pardsitos en animales o el ntimero de semillas atacadas por un virus por lo cual se utiliza las siguientes ecuaciones: Yew, Ye=vvtl, Y= /¥+172 EJEMPLO: r A B 4 r A B Cc1] 4] 2/1 1 | vas+i 1241 1+1 2 | % [3] 0 2 | Vvoo+1 | V3+1 O+1 3 [35 [0 [2 3 | v25+1 | vo+i 2+1 4[nel[7fa4 4 |viz+i | v7+1 ‘4+1 5 | 80 | 28 | 0 5 [veo+1 | v2e+1 O+1 6 | m4 [uti 6 |[vaas1 | Vis41 1+1 2.- transformaci6n angular Esta transformacién es utilizada cuando los datos provienes de conteos expresados como % pues generalmente estos datos tienes una distribucién binomial en estos datos se puede observar que las varianzas tienden hacer pequefias en los extremos mientras que hay otros varianzas que son mayores por que es necesario realizar la transformacién utilizando la tabla 10,5% = 18,91 05% =1,28